汽車駕駛中的機械自動化技術應用研究

郭顥琪

（同濟大學浙江學院， 浙江 嘉興 314051）

1 機動車駕駛機械自動化技術的介紹

自動駕駛汽車采用機動車駕駛機械自動化技術，由車輛自主定位技術、感知技術、通信技術、控制策略技術、虛擬實驗技術等技術組成。這是一款通過計算機系統實現無人駕駛的智能聯網汽車。要實現自動駕駛或無人駕駛，首先要解決整車的多傳感器設備，利用毫米波、激光雷達和攝像頭等高效融合技術，通過計算機將傳感器獲得的數據與高精度地圖和全球定位相結合。第二，解決數據和地圖的問題。為了支持無人駕駛，地圖需要高清、高分辨率、高精度的數據，包括道路曲率、坡度、高度，而不是二維的抽象數據。最終使存儲能力和傳輸能力得到提升。

2 機動車駕駛機械自動化技術的應用情況

2.1 汽車自主定位技術

自動車輛定位技術主要采用車輛自動定位，是一種自動確定和傳輸車輛位置的方法。然后，車輛跟蹤系統可以收集來自一輛或多輛車的車輛位置數據。最常見的是，GPS 被用來確定位置，傳輸機制是SMS GPRS 或衛星或地面無線電從車輛到無線電接收器可以使用一個天線單元覆蓋所有所需的頻段GSM 和EVDO 時最常用的服務，因為所需的較低數據速率和較低的成本以及這些公共網絡幾乎無處不在地存在。低帶寬要求也允許衛星技術以略高的成本接收遙測數據，但在全球范圍內，并且能夠到達地面無線電或普通載波無法很好覆蓋的偏遠地區。用于確定物理位置的其他選項(例如，在GPS 照明較差的環境中)有自重、有源RFID 系統或協同RTLS 系統。在某些情況下，這些系統可以組合使用。此外，使用低頻交換分組無線網絡的地面無線定位系統也被用作基于GPS 的系統的替代方案

2.2 感知技術

在自動駕駛技術中，感知的目的是模仿人眼收集相關信息，為后續決策提供必要的信息。根據決策任務的不同，感知可以包括許多子任務，如車道線檢測、3D 目標檢測、障礙物檢測、紅綠燈檢測等；然后根據感知預測的結果完成決策；最后根據決策結果執行相應的決策操作（如變道、超車等）。既然感知是模仿人眼獲取周圍環境信息，就需要利用傳感器來完成信息的采集。目前應用于自動駕駛領域的傳感器包括：攝像頭（camera）、激光雷達（lidar）、毫米波雷達（radar）等。

傳感器種類繁多，成本也各不相同，那么如何將這些傳感器用于感知任務，每個自動駕駛儀廠商都有自己的解決方案。純視知覺解決方案是目前特斯拉純視知覺解決方案的典型代表。視覺感知解決方案的優點和缺點也很明顯。優點：價格和成本都很低；缺點：相機采集的圖片為2D，缺乏深度信息，深度信息需要通過算法學習獲得，缺乏魯棒性。目前，大多數廠家采用多傳感器融合的解決方案，其優點為可以充分利用不同工作原理的傳感器，提高不同場景下的整體感知精度，也可以在某個傳感器出現故障時使用。其他傳感器可作為冗余備份，提高系統的魯棒性。缺點：多個傳感器的價格遠高于純視覺。所謂后融合是指每個傳感器的深度學習模型對目標對象進行推理，從而輸出具有自身屬性的傳感器的結果；每個傳感器的識別結果輸入到融合模塊，融合模塊對每個傳感器在不同場景下的識別結果設置不同的置信度，最后根據融合策略作出決策。

由于車身周圍激光雷達和攝像頭角度的安裝問題，多個傳感器實體無法在空間域內實現連續覆蓋和統一識別，導致攝像頭只能捕捉到目標的一小部分，無法根據不完全信息進行決策。檢測結果正確，使后續融合效果無法保證。時間上的不連續感知相機收集的結果以幀為單位。常用的感知方法是將連續的單幀檢測結果進行拼接。與后融合策略相似，它不能充分利用時間序列上的有用信息。所謂預融合，就是將各個傳感器采集到的數據進行聚合，經過數據同步后，將這些原始數據進行融合。

所謂傳感器的介質融合，就是先通過神經網絡對每個傳感器采集的數據進行特征提取，然后對神經網絡提取的各種傳感器特征進行特征級融合，這樣更有可能獲得最佳的感知結果。從異構數據中提取的特征在BEV 空間的特征級進行融合。首先，數據丟失更少。其次，計算功耗更低（與之前的融合相比）。因此，對于BEV 視角下的感知任務，采用介質融合會有很多策略。

2.3 控制策略技術

控制策略技術可以理解為基于感知信息進行決策，確定合適的工作模型，制定相應的控制策略，取代人類駕駛員進行駕駛決策。這部分的功能類似于將相應的任務交給自動駕駛汽車。例如，在車道保持、車道偏離警告、距離保持、障礙物警告等系統中，需要預測車輛和其他車輛、車道、行人等未來的狀態。高級決策理論包括模糊推理、強化學習、神經網絡和貝葉斯網絡技術。由于人類駕駛過程中所面臨的路況和場景的多樣性，以及不同人針對不同情況所做出的不同駕駛策略，類人駕駛決策算法的優化需要非常完整高效的人工智能模型和大量有效的數據。這些數據需要覆蓋盡可能多的罕見路況，這是制定駕駛決策的最大瓶頸。

目前，由于農村地區甚至是偏遠的鄉村面積廣大，村民居住地方并不像在城市時集中，故寄遞物流體系缺乏合理的規劃，物流網點區位建設不夠合理。

2.4 虛擬實驗技術

虛擬實驗技術是將計算機仿真技術應用到汽車制造中，通過數學建模的方式，將無人駕駛汽車的實際使用情況進行數字化，建立最接近現實的系統模型，并通過仿真測試進行分析和研究，達到對無人駕駛汽車的系統和算法進行測試和檢驗的目的。UN/WP.29（GRVA）針對無人車輛和互聯網車輛的安全問題，提出了一系列“多維”評估體系，包括綜合評估體系、模擬測試、現場測試和真實測試等方法。通常的現場測試和真實道路測試都是基于真實的汽車行駛情況，因此很難同時進行現場測試和真實道路測試。

在此背景下，本課題研究的仿真測試技術可以有效地解決現有測試技術存在的不足，一方面可以高頻高效地進行測試，另一方面可以有效地對各種復雜的測試條件進行測試，另一方面可以有效地提高測試效果，保證系統的安全性能，提高系統的可靠性。通過上述工作，可以為工程應用中遇到的一些問題提出行之有效的方法，為工程應用中的工程應用提供更多的借鑒，同時也可以為工程應用中的工程應用提供更加準確的工程應用環境，從而提高工程應用中工程應用的效率和速度。

3 自動制動輔助技術

自動制動輔助系統（AEB，Autonomous Emergency Braking）是一種汽車主動安全技術，主要是檢測前方障礙物，并判斷進入危險閾值，會提醒駕駛員，當駕駛員在一定時間內沒有解除危險時，會主動控制汽車的制動系統減速剎車。絕大多數AEB 目前只針對車輛，少數針對行人和騎自行車的人。它主要由三個模塊組成，包括控制模塊（ECU）、距離控制和剎車控制。本課題采用微波雷達技術，人臉識別技術，以及攝像技術，實現了對前方道路的實時、準確的圖像及路面狀況的實時監測。

1）AEB 有明確的上下兩個極限，通常情況下，基于毫米波雷達的AEB最大工作極限是30km/h，基于單眼相機的AEB 最大工作極限是40 km/h，基于毫米波雷達的單眼相機的AEB 最大工作極限是70 km/h，基于雙眼相機的AEB 最大工作極限是90 km/h。也有最低限度。單眼視覺探測的最低速度為8~10km/h，毫米波雷達探測的最低速度為5 km/h，攝像機和毫米波雷達結合探測的最高速度為3 km/h，而人眼視覺探測的最低速度為3 km/h。

2）大部分AEB 都是以汽車為目標的，很少有以步行和自行車為目標的。也就是說，當撞擊發生時，探測器檢測到一個人的時候，會花很長的一段時間。

3）對于那些突然冒出來的固定對象，AEB 不起作用。當汽車、大型動物、行人、騎車的時候，如果汽車的前方沒有任何障礙物，AEB 就會失去對汽車的感知，這一點與特斯拉的車禍如出一轍。

4）盲區明顯，車輛轉彎時AEB 基本無效。AEB 對迎面而來的交叉交通或轉向交通、迎面而來的車輛突然變道等也無效。

5）天氣和光線的限制。對于以攝像機為核心的AEB 系統，在低照度下基本無效，面對陽光時高亮度也無效。

這些限制與他們的實現方法有很大關系。目前，AEB 技術主要有三大類，分別是光學、毫米波雷達和激光雷達。由于成本的限制，中國現階段主要采用前一種方法和后一種。毫米波雷達的工作原理與常規毫米波雷達不同，其工作原理是向某一地點發送電磁波，并由該地點獲取該地點的信息。在單目視覺中，需要先識別目標，然后根據目標的尺寸估計目標與目標的間距。

4 智能控制技術

智能汽車系統智能汽車系統的本質是一個復雜多變的多變量系統，具有多變量和多變量的特點。傳感器不僅要采集行人、交通信號燈、行人等環境信息，還需要采集車輛運行中的車速、加速度等信息，通過判斷、分析和決策，實現對其的有效控制，從而使其在更短的時間內保持穩定的運行。車輛檢測通過兩個攝像頭，一個攝像頭用于邏輯檢測車輛軌跡，一個攝像頭用于識別車輛和紅綠燈，一個攝像頭用于識別車輛和紅綠燈，進而精確檢測車輛軌跡。本系統利用各種傳感器對駕駛員、車輛以及周圍的各種情況進行感知，在必要時根據控制邏輯發出警告，并實現車輛的橫向和縱向操控。在汽車運行過程中，根據駕駛員參與程度，汽車智能程度可分為5 個等級。

1）非智能化：汽車的側向和豎向都要依靠駕駛員來完成。

2）智能化：采用單個感應器檢測單個特征，當發生緊急情況時，能夠提醒駕駛員規避，或允許駕駛員進行較低級別的操縱。

3）多用途智能化：通過多個感應器對外界進行感知，實現了一臺設備的多功能集成。不需要司機探作。在此期間，汽車的控制系統會根據可能出現的危險情況做出相應的動作，例如AEB。

4）有約束的無人駕駛：利用傳感器融合、GPS 定位、地圖等系統，在特定區域、特定路段，不需要人工操作，智能車會自動駕駛。

5）完全狀態無人駕駛：駕駛員一旦進入目的地，車就會對車進行控制，并對周圍的交通狀況進行感知，從而可以安全準確地抵達特定的地點。

5 機動車駕駛機械自動化技術的前景

自動駕駛技術是人工智能和汽車產業兩個領域的交叉點,未來的發展前景非常廣闊 隨著技術的不斷進步和應用場景的擴大，自動駕駛技術將在以下幾個方面得到發展：

1）提高道路安全性：自動駕駛車輛能夠提高行車安全，可以預測其他車輛可能采取的行動并及時作出反應，從而避免碰撞和事故等風險

2）提高交通效率：自動駕駛技術可以減少擁堵，提高通行效率，對于繁忙的城市道路將有很大的改善作用

3）改變人們的出行方式：自動駕駛技術的應用可以實現智能出行，讓人們更加輕松方便地完成各種旅行方式通過構建無縫連接的移動生態系統，可以為人們帶來更加智慧化個性化和便利化的出行體驗

4）促進環保：自動駕駛技術的普及也可以促進電動汽車的使用，減少化石燃料的消耗，從而推動環境可持續發展總之，自動駕駛技術將會為人類的生活帶來巨大的改變，將會是一個重要的改革方向，未來的戰略規劃還需要加強對這種技術的研究和開發，以推進相關產業的發展[3]。

6 結語

隨著國家的經濟發展進入了一個新的階段，汽車生產企業對機械智能自動化技術的要求也會越來越高，通過對汽車的使用和開發，汽車的安全、質量和效率都會有很大的提升。有關工作人員要主動地對自動化的運用途徑進行優化，力爭在機器智能化的程度上趕上國外，為國內機器智能化的發展作出自己的貢獻。