第5章 自動駕駛技術

第5章

自動駕駛技術

第一節(jié)自動駕駛技術簡介第二節(jié)

自動駕駛技術發(fā)展第三節(jié)自動駕駛技術構成自動駕駛汽車將會對汽車行業(yè)、交通運輸行業(yè)以及人們用車方式產生革命性的影響，極大地推動智能交通的發(fā)展。自動駕駛技術結合智能交通管理將有效改善大城市的交通擁堵，提高道路通行效率；減少交通事故和人員傷亡；提高車輛的運行效率，降低能源消耗，改善空氣污染。自動駕駛技術的應用將有效解決目前城市交通中存在的許多頑疾。同時自動駕駛技術的安全性面臨挑戰(zhàn)，隨著科技的發(fā)展，我國無人駕駛車輛技術將會不斷進步，其功能與安全性也將得以完善。自動駕駛技術是一種通過電腦系統(tǒng)實現(xiàn)無人駕駛的智能技術，它依靠人工智能、視覺計算、雷達、監(jiān)控裝置和全球定位系統(tǒng)協(xié)同合作，讓電腦可以在沒有任何人類主動的操作下，自動安全地操作機動車輛。自動駕駛需要多種技術的支撐，其中主要涉及到傳感器、高精度地圖、V2X、AI算法并且需要將這些技術集成到汽車中。第一節(jié)

自動駕駛技術簡介一、自動駕駛技術的含義自動駕駛概念圖某型自動駕駛車輛自動駕駛技術分多個等級,目前國內外產業(yè)界采用的美國汽車工程師協(xié)會(SAE)和美國高速公路安全管理局(NHTSA)推出的分類標準。按照SAE的標準,自動駕駛汽車視智能化、自動化程度水平分6個等級:無自動化(L0),駕駛支援(L1)、部分自動化(L2)、有條件自動化(L3)、高度自動化(L4)和完全自動化(L5)。L0：車輛完全由駕駛人掌控，駕駛人擁有絕對控制權，且車上不存在任何的自動駕駛技術。L1：駕駛人依然需要去駕駛車輛，只不過出現(xiàn)了像ACC自適應巡航等安全系統(tǒng)，對駕駛人的駕駛起到一個輔助的作用，手不得離開轉向盤，眼不得離開周圍路況。L2：自動駕駛技術就可短暫接管一些駕駛任務，眼和手可短暫獲得休息，但是仍需做好隨時接管駕駛任務的準備，時刻準備著，因為還不足以應對變化的交通路況。二、自動駕駛技術的分級L3：在某種意義上就可以算作自動駕駛，也可以把這個級別稱為真正自動駕駛的開端。駕駛人可以將手離開轉向盤，腳離開踏板，車輛幾乎可以獨立完成全部的駕駛操作。L4：第4等級可以說是自動駕駛了，不需要駕駛人隨時接管，也不需要駕駛人的干預，但是需要限定固定的環(huán)境。L5：完全的自動駕駛，不限于任何路況與環(huán)境。NHTSA標準分類中的五級分別代表了無自動化、駕駛支持、部分自動化、有條件自動化和高度自動化即無人駕駛，各等級的功能：L0：輔助駕駛系統(tǒng)；ADAS駕駛系統(tǒng)，主要有LDW、FCW、PCW、MOD等，這些都是起到輔助駕駛，提醒和警示作用，不干涉駕駛員的駕駛。L1：干預性輔助駕駛；AEB，檢測前方的障礙物，并提供剎車制動，ACC，跟隨模仿前方車輛駕駛，保持安全距離。L2：半自動駕駛；LKA車道保持，人在良好交通狀況下選擇性的啟動自動駕駛，這個階段以人駕駛為主，車自動駕駛為輔助。L3：人車交互駕駛；車自動控制駕駛，人參與指揮車輛駕駛，車自動駕駛為主，人駕駛為輔助。L4：全自動駕駛：人不做任何指揮或控制車輛駕駛，由車輛全自助駕駛。自動駕駛NHTSA分級SAE稱呼(SAE)SAE定義主體駕駛操作周邊監(jiān)控支援系統(tǒng)作用域00無自動化由人類駕駛者全權操作汽車,在行駛過程中可以得到警告和保護系統(tǒng)輔助人類駕駛者人類駕駛者人類駕駛者無11駕駛支援通過駕駛環(huán)境對轉向盤和加減速中的一項操作提供駕駛支援,其他的駕駛動作都由人類駕駛者進行操作人類駕駛者、系統(tǒng)部分22部分自動化通過駕駛環(huán)境對轉向盤和加減速中的多項操作提供駕駛支援,其他的駕駛動作都由人類駕駛者進行操作系統(tǒng)33有條件白動化由無人駕駛系統(tǒng)完成所有的駕駛操作,根據系統(tǒng)要求,人類駕駛人提供適當?shù)膽鹣到y(tǒng)44高度自動化由無人駕駛系統(tǒng)完成所有的駕駛操作,根據系統(tǒng)請求,人類駕駛者不一定需要對所有的系統(tǒng)請求作出應答,限定道路和環(huán)境條件等系統(tǒng)5完全自動化由無人駕駛系統(tǒng)完成所有的駕駛操作,人類駕駛者在可能的情況下接管,在所有的道路和環(huán)境條件下駕駛全域自動駕駛技術分級標準1．有效提高道路安全性。自動駕駛汽車可以避免一些因為駕駛人的失誤而造成的交通事故，并且可以減少酒后駕駛、惡意駕駛等行為的出現(xiàn)。2．緩解交通壓力。首先，自動駕駛汽車可以大幅減少交通事故的發(fā)生，從而降低了因為事故而導致的交通擁堵出現(xiàn)的概率。其次，智能汽車可以通過衛(wèi)星導航監(jiān)控實時的路況，從而規(guī)劃出最優(yōu)的路線，而不是像現(xiàn)如今出現(xiàn)車輛扎堆的現(xiàn)象。3．有更多自由支配時間。即駕駛人無需再緊張的注視著道路狀況，而是可以將這部分時間自由的支配，做自己想做的事情。4．方便老年人、殘疾人出行。依靠自動駕駛汽車，行動不便的老年人、殘疾人這樣的弱勢群體也無須擔心出行的不便，也有助于社會福利事業(yè)的進一步發(fā)展。5．改善環(huán)境質量。自動駕駛汽車最佳的實現(xiàn)路徑是電氣化，包含了純電或燃料電池，盡管燃油車不是造成環(huán)境污染的全部因素，但仍舊是核心因素之一，這是全球的共識，燃油車在高車速、制動、重新加速的情況下都會釋放更多的排放物，而電動汽車雖然不是真正意義上的0排放，但實際排放量仍將大大降低。三、自動駕駛技術的優(yōu)勢由于自動駕駛車輛技術尚未成熟，目前檢測方法與現(xiàn)有的車輛檢測方法相同，分為傳統(tǒng)檢測方法與現(xiàn)代車輛檢測方法。傳統(tǒng)車輛檢測方法：（1）人工計數(shù)法（2）浮動車法（3）背景差分法現(xiàn)代車輛檢測方法：視頻檢測方法、超聲波視頻檢測方法、激光波檢測方法、紅外波檢測方法、磁力波檢測方法線、圈波檢測方法。四、自動駕駛汽車的檢測方法1、國外發(fā)展現(xiàn)狀發(fā)達國家從20世紀70年代開始進行無人駕駛汽車研究，目前在可行性和實用性方面，美國和德國走在前列。美國是世界上研究無人駕駛車輛最早、水平最高的國家之一。日本Nissan公司已經在東京、硅谷和倫敦測試了旗下的自動駕駛汽車LEAF，希望盡快積累安全測試記錄。韓國目前已頒發(fā)13張自動駕駛測試許可，計劃于2020年前商業(yè)化3級（L3）自動駕駛汽車。美國方目前，由美國交通部組織開展了智能城市挑戰(zhàn)賽，是以交通運輸領域最新技術運用為概念開展的城市間比賽。該項目旨在鼓勵靈活運用自動駕駛車輛、車聯(lián)網、車路間通信等技術，解決相關技術難題。第二節(jié)自動駕駛技術發(fā)展一、國內外發(fā)展現(xiàn)狀IBM宣布其科學家獲得了一項機器學習系統(tǒng)的專利，可以在潛在的緊急情況下動態(tài)地改變人類駕駛人和車輛控制處理器之間的自主車輛控制權，從而預防事故的發(fā)生。2016年10月特斯拉發(fā)布Autopilot2.0，Autopilot2.0版硬件，包括8個攝像頭、1個毫米波雷達、12個超聲波雷達以及VIDIADrivePX2計算平臺，在固件更新后，可以開啟全自動駕駛功能，目前截至2016年，特斯拉工廠生產的所有車型都已具備了進行完全自動駕駛的硬件基礎。美國第一大網約車服務商已在匹茲堡、坦佩、舊金山和加州獲準進行無人駕駛路測，第二大網約車服務商也于2016年9月公布自動駕駛汽車三階段發(fā)展計劃，目前2017年也已在匹茲堡開展測試。蘋果公司也于2017年4月剛剛獲得加州測試許可證。2018年10月，美國交通部還取消了原本全國指定的10處測試點的申報程序，為企業(yè)測試自動駕駛提供了方便。在實驗方面，谷歌旗下自動駕駛部門wayMo在實際行駛上路累計已突破800萬英里。德國的自動駕駛專利數(shù)量一直排在全球第一。2016年德國聯(lián)邦經濟和能源部牽頭，組織了官產學研17個團體啟動了PEGASUS研究項目，其目的是為了進一步提高自動駕駛系統(tǒng)性能，確定技術評價標準，通過明確安全認證程序，確立德國在全球自動駕駛技術領域的領先地位。德國博世集團和NVIDIA正在合作開發(fā)一個人工智能自動駕駛系統(tǒng)，NVIDIA提供深度學習軟件和硬件，BoschAI將基于NVIDIADrivePX技術以及該公司即將推出的超級芯片Xavier，屆時可提供第4級L4級自動駕駛技術。2018年6月，汽車零部件公司采埃孚公司公開了一款搭載采埃孚自動駕駛系統(tǒng)的巴士并宣布這款車型將于2019年實現(xiàn)量產。日本2020年致力于最后一公里自動駕駛驗證、高速公路卡車編隊行駛驗證實驗，同年新設了“服務車協(xié)調WG”和“次期項目WG”兩個工作組，其中“次期項目WG”工作組此次總結了面向社會實施無人駕駛服務的“次期項目工程表”，提出了2021年-2025年5年期間應致力解決的4個課題；2021年2月22日，日本實現(xiàn)了卡車后車無人編隊行駛技術測試。韓國現(xiàn)代汽車集團已經商用了Level2自動駕駛技術，計劃在2022年推出Level3自動駕駛汽車，計劃到2027年之前投入1.1萬億韓元（9.74億美元）來加速Level4自動駕駛技術和促進其他相關技術的發(fā)展。2、國內發(fā)展現(xiàn)狀工業(yè)和信息化部2016年在上海開展上海智能網聯(lián)汽車試點示范；在浙江、北京—河北、重慶、吉林、湖北等地開展“基于寬帶移動互聯(lián)網的智能汽車、智慧交通應用示范”，推進自動駕駛測試工作。2016年北京已出臺智能汽車與智慧交通應用示范5年行動計劃，將在2020年底完成北京開發(fā)區(qū)范圍內所有主干道路智慧路網改造，分階段部署1000輛全自動駕駛汽車的應用示范。江蘇于2016年11月與工業(yè)和信息化部、公安部簽訂三方合作協(xié)議，共建國家智能交通綜合測試基地。中國自動駕駛技術較為領先的是百度公司。2015年，百度大規(guī)模投入無人車技術研發(fā)；2017年4月，百度對外宣布開發(fā)自家的自動駕駛技術阿波羅平臺（Apollo）；7月，發(fā)布Apollo1.0，主要是完整的封閉場地循跡自動駕駛。同年9月，Apollo1.5發(fā)布，支持晝夜定車道自動駕駛，可實現(xiàn)夜間環(huán)境下的障礙物識別，以及非典型交通場景下的異性障礙物識別，新增障礙物感知、決策規(guī)劃、云端仿真、高精地圖服務、端到端的深度學習；2018年1月，Apollo2.0發(fā)布，增加障礙物行為標注數(shù)據、2D障礙物標注數(shù)據、日志提取仿真場景數(shù)據。2018年3月，發(fā)布了Apollo數(shù)據及前沿技術品牌ApolloScape，正式開放ApolloScape大規(guī)模自動駕駛數(shù)據集。2019年9月，基于Apollo開放平臺的自動駕駛出租車隊Robotaxi在湖南長沙正式開啟試運營。截止2019年底，北京、上海、浙江等省市先后發(fā)布了地方性自動駕駛汽車支持性政策和實施方案，從自動駕駛路測、產業(yè)基礎以及網絡建設等方面支持自動駕駛的發(fā)展；截止2020年底，江蘇、廣東、浙江、湖南，河南和海南6個省發(fā)布了省級自動駕駛測試政策。2021年5月2日，百度無人駕駛出租車ApolloRobotaxi在北京首鋼公園啟動并運營。用戶可以通過應用程序尋找附近的Robotaxi，然后通過掃描二維碼和健康碼驗證身份即可使用。1）人工智能成熟度還有待發(fā)展，其實遠沒有達到人類的期待和通過圖靈測試的水平，目前還沒有一種像人類思考的通用型人工智能算法。自動駕駛汽車面臨的最核心問題是路況識別感知。通過各種傳感器替代駕駛者眼睛和耳朵的功能，使車輛對車輛周邊的障礙物、交通信號、行人以及其他車輛狀態(tài)和操作進行正確識別。到目前為止，谷歌、特斯拉等頂級自動駕駛研究機構仍難以達到當前自然人的識別水平。以人工智能中的深度學習為例，在圖像識別、語音識別和文本識別方面確實取得了突破。但是也不能忽視其對數(shù)據的苛刻以及不可解析性，同時還很難應付新情況，其可靠性和安全性也有待驗證。2）傳感器沒有達到理想的狀態(tài)，每一種用于自動駕駛的傳感器都有局限性和缺點。多線激光雷達精度高，抗干擾能力強，但是價格過高，不適合用于民用車；毫米波雷達的橫向精準度不是很高，有可能漏檢靜止物體；攝像頭的檢測能力和可靠性高度依賴算法的水平，還易受光照強度和雨霧天氣的影響。二、自動駕駛存在的問題3）網絡安全問題。隨著智能算法和架構軟件的大量應用，汽車領域的代碼量在前所未有的快速增加，很多借鑒的代碼并沒有在汽車上進行嚴格的驗證。自動駕駛汽車的網絡化、信息化程度極高，一旦電腦程序錯亂或者被入侵，如何繼續(xù)保證自身車輛以及周圍其他車輛的行駛安全，是未來急需解決的問題。4）自動駕駛汽車的道德倫理和法律法規(guī)問題。自動駕駛車輛面對復雜的路況所做出的決策均由自動駕駛系統(tǒng)的中央處理器做出。那么，車輛在不同的情況下做出何種決策可能涉及倫理道德問題。如果一款全新型號的機動車，想要進入市場，首先需要符合一系列環(huán)保標準，并通過穩(wěn)定性以及安全性測試。對于自動駕駛汽車，要想進入市場，首先應該具備完成自動駕駛、處理行人亂穿馬路、汽車闖紅燈以及軟件智能車突發(fā)問題的能力。制定自動駕駛汽車的市場準入標準，對政府也是一項重大的挑戰(zhàn)，因為不僅要制定自動駕駛汽車機械方面的標準，還要制定車載電子系統(tǒng)的標準。其次，責任認定問題。自動駕駛汽車在絕大部分時間里都是由汽車上的自動駕駛系統(tǒng)控制，一旦自動駕駛汽車發(fā)生事故，車上人員、汽車生產企業(yè)和軟件生產企業(yè)三者責任如何認定，亟待有關部門制定出合理的法律法規(guī)。自動駕駛汽車在降低交通事故發(fā)生概率和緩解交通擁堵等方面有著巨大的發(fā)展?jié)摿?，雖然現(xiàn)在還有很多問題亟待解決，但自動駕駛汽車已經成為未來汽車發(fā)展的必然趨勢。本文作者認為未來自動駕駛汽車的發(fā)展方向有以下幾個方面。1）自動駕駛技術和新能源汽車相結合。新能源汽車也是未來汽車發(fā)展的重要方向之一。由于化石燃料的有限且不可再生，以及化石燃料燃燒對環(huán)境的污染，新能源汽車必將取代傳統(tǒng)化石燃料汽車。自動駕駛技術和新能源汽車的結合，也是未來汽車發(fā)展的必要趨勢。電動汽車與自動駕駛技術有著很高的契合度。首先自動駕駛系統(tǒng)中使用了大量的傳感器和高性能處理器，這些裝置的耗電量極大，傳統(tǒng)內燃機汽車的蓄電池不僅難以滿足電量需求，還會增加能量轉換中的能量浪費，而電動汽車無需能量轉換，容易滿足自動駕駛系統(tǒng)的電量需求節(jié)省能源；其次內燃機的底層控制算法相比于電機要復雜太多，從效率和開發(fā)難度方面考慮都不如電動機，自動駕駛技術和電動汽車控制技術更容易相互統(tǒng)籌協(xié)調，融為一體。自動駕駛的電動汽車才應該是未來汽車的“成熟”形態(tài)。三、發(fā)展趨勢2）將自動駕駛技術與5G車路協(xié)同技術相結合，充分利用5G的高帶寬、低時延、高可靠性、海量互聯(lián)的特點同時利用北斗的高精度定位、精細化導航、精準度授時特點和V2X人、車、路、網相融合等領域的優(yōu)勢。通過車內、車與車、車與路、車與人、車與服務平臺的全方位連接和數(shù)據交互，提供綜合信息服務，形成汽車、電子、信息通信、道路交通運輸?shù)刃袠I(yè)深度融合的新型產業(yè)形態(tài)。未來的5G車路協(xié)同自動駕駛示范區(qū)，將推進智能網聯(lián)汽車與智慧交通、智慧城市融合發(fā)展，形成涵蓋下一代汽車研發(fā)設計、智能終端制造、智慧交通和智慧城市應用的完備產業(yè)體系。5G車路協(xié)同系統(tǒng)3）互聯(lián)網企業(yè)和傳統(tǒng)汽車企業(yè)相結合，兩種技術路線相融合，互為補充?；ヂ?lián)網企業(yè)在高精度地圖和大數(shù)據方面擁有得天獨厚的優(yōu)勢，而傳統(tǒng)汽車企業(yè)在制造和布局方面有著豐富的經驗，并且傳統(tǒng)汽車企業(yè)牢牢控制著汽車市場。未來自動駕駛汽車絕不是簡單的在傳統(tǒng)汽車上加一些傳感器，傳統(tǒng)汽車需要重新考慮總體布局，考慮總體安全性，汽車上的一些經典的操作機構可能會消失。兩種技術路線各有優(yōu)缺點，將車聯(lián)網技術應用于基于傳感器探測與控制的高級駕駛輔助ADAS技術上，不僅可以讓汽車有了“眼睛”和“耳朵”，還可以讓汽車提前預知傳感器探測范圍以外的車輛、行人和信號標志等道路情況，相當于動駕駛系統(tǒng)的“大腦”里有一張即時更新的高精度地圖，對周圍物體的位置和運動狀態(tài)以及路況了如指掌，可以提前對可能發(fā)生的突發(fā)情況作出預處理，減輕高級輔助駕駛ADAS處理器所需要處理的運算量，提高自動駕駛汽車對突發(fā)情況的應對能力，同時還可以提前規(guī)劃出最優(yōu)路線，減緩擁堵。車聯(lián)網對網絡傳輸速度有著較高的要求，在無線通信環(huán)境中，難以保證信息傳遞的及時性。當網絡環(huán)境不佳時，自動駕駛汽車可以通過高級駕駛輔助ADAS技術中的激光雷達、攝像頭等設備感知周邊環(huán)境，識別關鍵地理信息與運動物體，并對之進行標注與追蹤，實現(xiàn)自動駕駛。1．感知系統(tǒng)自動駕駛技術包含三大系統(tǒng)，分別是感知系統(tǒng)、決策系統(tǒng)和控制執(zhí)行系統(tǒng)。感知系統(tǒng)是實現(xiàn)自動駕駛的前提和基礎，自動駕駛汽車的感知系統(tǒng)中常配備多種傳感器，傳感器相當于自動駕駛汽車的眼睛。通過傳感器,自動駕駛汽車能夠識別道路其他車輛、行人、障礙物和基礎交通設施。感知系統(tǒng)以多種傳感器捕獲的數(shù)據，可在各種路面工況下精確感知。以及高清地圖的信息作為輸入,經過一系列的計算和處理，來預估車輛的狀態(tài)和實現(xiàn)對車輛周圍環(huán)境的精確感知，可以為下游決策系統(tǒng)模塊提供豐富的信息，使得電腦進行準確恰當?shù)臎Q策。傳感器分別有激光雷達，毫米波雷達，超聲波雷達，視覺傳感器等。第三節(jié)自動駕駛技術構成一、自動駕駛技術三大系統(tǒng)（1）激光雷達

激光雷達是一種通過脈沖激光照射目標并用傳感器測量反射脈沖返回時間來測量目標距離的測量方法?？梢杂眉す夥祷貢r間和波長的差異制作目標的數(shù)字三維表示。激光雷達是自動駕駛不可或缺的傳感器。激光雷達指工作在紅外和可見光波段的，以激光為工作光束的雷達。激光雷達是向目標發(fā)射探測信號,然后將接收到的從目標反射回來的信號與發(fā)射信號進行比較,作適當處理后獲得目標的有關信息，但是激光雷達在下雨天等其他環(huán)境易受影響。激光雷達成本較高，大約近1萬美元左右，這依然是自動駕駛車輛的瓶頸。激光雷達（2）毫米波雷達通常毫米波是指30～300GHz頻域的。毫米波的波長介于厘米波和光波之間，因此毫米波兼有微波制導和光電制導的優(yōu)點。毫米波導引頭穿透霧、煙、灰塵的能力強，具有全天候全天時的特點，抗干擾性較強，反隱身能力也優(yōu)于其他微波導引頭，但是在大雨天仍然難以工作。成本較于激光雷達要便宜很多?？梢詫δ繕诉M行有無檢測、測距、測速以及方位測量。一般與視覺傳感器配合使用。毫米波雷達（3）超聲波雷達

超聲波指的是工作頻率在20kHz以上的機械波，它具有穿透性強、衰減小、反射能力強等特點。超聲波測距的原理是利用測量超聲波發(fā)射脈沖和接收脈沖的時間差，再結合超聲波在空氣中傳輸?shù)乃俣葋碛嬎憔嚯x。超聲波測距的原理簡單、成本低、制作方便，且超聲波對雨、雪、霧的穿透性較強，可以在惡劣天氣下工作，超聲波雷達常常被用到倒車輔助系統(tǒng)中，告知駕駛人周圍障礙物的情況，解除駕駛人倒車時的視野死角，提高駕駛安全性。超聲波雷達（4）視覺傳感器

視覺傳感器是整個車輛視覺信息的直接來源，主要由一個或者兩個圖形傳感器組成，有時還要配以光投射器及其他輔助設備。視覺傳感器的主要功能是獲取足夠的機器視覺系統(tǒng)要處理的最原始圖像。汽車通過視覺傳感器能夠清楚地辨識物體，準確理解交通信號燈、標識及車道所表達的含義。大多數(shù)視覺傳感器識別可見光圖像，也有部分傳感器識別紅外光的圖像。視覺傳感器的低成本和易用性已吸引機器設計師和工藝工程師將其集成入各類曾經依賴人工、多個光電傳感器。某視覺傳感器2．決策系統(tǒng)智能決策技術是指融合多傳感信息、根據駕駛需求而進行的控制決策，包括行為預測、任務決策、路徑規(guī)劃、行為決策等多個方面，是汽車實現(xiàn)自動駕駛的“大腦”。動態(tài)的車道級路徑規(guī)劃是智能決策的基本需求。從空間尺度上看，路徑的規(guī)劃可分為全局路徑規(guī)劃和局部路徑規(guī)劃，目前傳統(tǒng)的路徑規(guī)劃屬于全局路徑規(guī)劃，以道路為最小單元，而不考慮車道的方向、寬度、曲率、斜率等信息。自動駕駛在全局規(guī)劃下還需要車道級的局部路徑規(guī)劃，以提供車道級別的行駛路線。從時間尺度上看，路徑規(guī)劃可分為靜態(tài)規(guī)劃和動態(tài)規(guī)劃，傳統(tǒng)路徑規(guī)劃已經能夠實現(xiàn)實時性不強的動態(tài)規(guī)劃功能，例如躲避擁堵、路線調整等，而自動駕駛需要更具實時性的路徑規(guī)劃能力。此外，行為預測能力成為智能決策技術的重大短板。在技術發(fā)展路線上，行為決策是自動駕駛必然要掌握的基本技能。從人類駕駛經驗來看，行為預測也是駕駛人從新手到熟練過程的必備技能，從自動駕駛體驗來看，盡管自動駕駛能夠提供更加安全可靠的駕駛方式，但舒適性很差，更像是人類新手駕車，急停、慢起步等操作凸顯行為預測能力的不足。在技術的成熟度上，在深度學習等人工智能算法的快速發(fā)展下，目標的檢測識別技術已經逐漸成熟，對目標行為的理解和預判成為下一階段的重要挑戰(zhàn)。任務決策使自動駕駛的汽車融入整個交通流。自動駕駛中任務規(guī)劃結構描述了道路、車道和行駛三級任務分工，在道路級進行全局的任務規(guī)劃，當探測到道路阻塞時，要求重新規(guī)劃任務，并做分解調整。軌跡規(guī)劃是根據局部環(huán)境信息、上層決策任務和車身實時狀態(tài)信息，規(guī)劃決策出局部空間和時間內車輛期望的運動軌跡，并將規(guī)劃輸出的期望車速以及行駛軌跡等信息給下層車輛控制執(zhí)行系統(tǒng)。軌跡規(guī)劃層應能對任務決策層產生的各種任務分解做出合理規(guī)劃。異常處理作為預留的智能駕駛系統(tǒng)安全保障機制，一方面是在遇到復雜路面容易造成車輛損壞、部件失效等問題時，通過預警和容錯控制維持車輛安全運行；另一方面是決策過程某些算法參數(shù)設置不合理、推理規(guī)則不完備等原因導致自動駕駛汽車在行為動作中出現(xiàn)某些錯誤時，能夠建立錯誤修復機制使自動駕駛汽車自主地修正錯誤，以減少人工干預來解決問題，這是提高車輛智能化水平所必需的。3．控制系統(tǒng)控制系統(tǒng)主要包括2個模塊：控制模塊和執(zhí)行模塊。其中控制模塊主要負責將決策系統(tǒng)的輸出信息轉換為各個執(zhí)行模塊的控制指令，執(zhí)行模塊在接收到指令之后，根據指令準確地控制各個底層對象（轉向、制動、加速、擋位）。與其相關的控制理論可分為經典控制理論和現(xiàn)代控制理論兩類。（1）經典控制理論

經典控制理論主要是PID控制，對于實際的工程問題，應用最多的控制方法的是比例-積分-微分控制（ProportionIntegrationDifferentiation，PID），即PID控制。因其結構簡單、工作可靠、穩(wěn)定性好、參數(shù)調整便利而成為工業(yè)控制主要工具。當不能精確掌握被控對象的數(shù)學模型和控制參數(shù)時，其他控制理論的適用受到很大局限，需要依靠經驗和現(xiàn)場調試來確定控制器結構和控制參數(shù)，此時PID控制器是一個有效的解決方案。PID控制主要包含三個過程：比例控制、積分控制、微分控制。

比例控制是PID控制中最簡單的控制方式，比例控制的輸出與輸入的誤差值成比例關系，但僅有比例控制時，系統(tǒng)的輸出一般存在穩(wěn)態(tài)誤差。積分控制的輸出與輸入誤差值的積分成正比關系。對于一個控制系統(tǒng)，如果系統(tǒng)在進入穩(wěn)態(tài)后仍然存在一定的穩(wěn)態(tài)誤差，就稱其為有差系統(tǒng)。為了消除這部分穩(wěn)態(tài)誤差，必須在控制器中引入“積分項”。對誤差求關于時間的積分，可知隨著時間的增加，積分項的值會隨之增大。因此，即使誤差很小，隨著時間的增加積分項也會愈來越大。微分控制的輸入與輸出誤差值的微分（即誤差變化率）成正比關系。控制系統(tǒng)在消除誤差的過程中可能會出現(xiàn)頻繁振蕩甚至失穩(wěn)現(xiàn)象，其原因是因為系統(tǒng)中存在較大慣性或滯后的環(huán)節(jié)，使得消除誤差的環(huán)節(jié)的變化總是滯后后于誤差的變化。解決該問題的方法是使消除誤差的環(huán)節(jié)的變化“超前”，也就是在誤差接近零時，消除誤差的環(huán)節(jié)已經是零。因此，在控制器中只用比例控制往往是不夠的，因為比例項的作用是放大誤差的幅值，而這種情況下需要增加的是微分控制，因為它能夠預測系統(tǒng)誤差的變化趨勢。對具有較大慣性和滯后特點的控制對象，比例控制和微分控制能改善系統(tǒng)在動態(tài)調節(jié)過程中的系統(tǒng)特性。積分控制使控制器的輸出增大的同時，使穩(wěn)態(tài)誤差進一步減小，直到誤差完全消除。因此，比例控制和積分控制相結合，可以使系統(tǒng)快速進入穩(wěn)態(tài)，并且無穩(wěn)態(tài)誤差，一般稱為PI控制。綜上所述，PID控制就是根據系統(tǒng)的誤差，通過比例、積分、微分三個過程計算出控制量，然后輸入到被控對象，一般的PID控制器的結構圖如下：PID控制結構簡圖（2）現(xiàn)代控制理論

現(xiàn)代的控制理論大概主要有7種：線性二次型最優(yōu)控制、模糊控制、自適應控制、模型預測控制、神經網絡控制、滑?？刂?、魯棒控制。1）線性二次型最優(yōu)控制線性二次型最優(yōu)控制也稱線性二次型調節(jié)器(linearquadraticregulator，LQR)，是應用線性二次型最優(yōu)控制原理設計的控制器。它的作用是當系統(tǒng)狀態(tài)因為某種原因導致偏離了平衡點時，在不消耗多余能量的情況下，使系統(tǒng)狀態(tài)仍然保持在平衡點附近。線性二次型最優(yōu)控制的控制對象是具有線性或可線性化特點的，并且性能指標是狀態(tài)變量和控制變量的二次型函數(shù)的積分。LQR調節(jié)器2）模糊控制器(FuzzyController，F(xiàn)C)模糊控制器也稱為模糊邏輯控制器(FuzzylogicController，F(xiàn)LC)。模糊控制器使用的模糊控制規(guī)則，是由模糊集合論中的模糊條件語句來構成的。因此，模糊控制器屬于語言型控制器，故常被稱為模糊語言控制器(FuzzyLanguageController，F(xiàn)LC)。模糊控制系統(tǒng)的核心是模糊控制器。模糊控制系統(tǒng)性能的優(yōu)劣取決于模糊控制器的結構、模糊規(guī)則、合成推理算法和模糊決策方法等因素。模糊控制器的一般結構包括系統(tǒng)輸入、模糊化、數(shù)據庫和規(guī)則庫、模糊推理、清晰化以及系統(tǒng)輸出七部分構成3）自適應控制自適應控制系統(tǒng)需要不斷地測量系統(tǒng)本身的狀態(tài)、性能、參數(shù)，并對系統(tǒng)當前數(shù)據和期望數(shù)據進行比較，再做出改變控制器結構、參數(shù)或控制方法等的最優(yōu)決策系統(tǒng)不斷地測量輸入和擾動，與參考輸入對比，根據需要不斷地調節(jié)自適應機構，保證系統(tǒng)輸出滿足要求，還要保證系統(tǒng)的穩(wěn)定。4）模型預測控制模型預測控制(modelpredictivecontrol，MPC)是一種特殊的控制方法。在每一個采樣周期，通過求解一個有限時域開環(huán)最優(yōu)控制問題來獲得其當前的控制序列。系統(tǒng)的當前狀態(tài)視為最優(yōu)控制問題的初始狀態(tài)，求得的最優(yōu)控制序列中，只執(zhí)行第一個控制動作。這是其與使用優(yōu)先求解控制律的控制方法的最大區(qū)別。而且相較于經典的的PID控制，它具有優(yōu)化和預測的能力，也就是說，模型預測控制是一種致力于將更長時間跨度、甚至于無窮時間的最優(yōu)化控制問題，分解為若干個更短時間跨度、或者有限時間跨度的最優(yōu)化控制問題，并且在一定程度上仍然追求最優(yōu)解。本質上模型預測控制是要求解一個開環(huán)最優(yōu)控制問題，它的思想與具體的模型無關，但是實現(xiàn)的過程則與模型有關。模型預測控制原理如圖所示，k軸為當前狀態(tài)，左側為過去狀態(tài)，右側為將來狀態(tài)。也就是說，模型預測控制實際上是一種時間相關的，利用系統(tǒng)當前狀態(tài)和當前的控制量，來實現(xiàn)對系統(tǒng)未來狀態(tài)的控制，而系統(tǒng)未來的狀態(tài)是不定的，因此在控制過程中要不斷地根據系統(tǒng)狀態(tài)對未來的控制量作出調整。模型預測控制原理5）神經網絡控制

神經網絡控制，是指應用神經網絡技術，對控制系統(tǒng)中難以精確建模的復雜非線性對象進行神經網絡模型辨識，可以作為控制器，可以進行參數(shù)優(yōu)化設計，可以進行推理，可以進行故障診斷，或者同時兼有以上多種功能。通常神經網絡直接用作誤差閉環(huán)系統(tǒng)的反饋控制器，神經網絡控制器首先利用其已有的控制樣本進行離線訓練，而后以系統(tǒng)的誤差的均方差為評價函數(shù)進行在線學習。隨著被控系統(tǒng)越來越復雜，人們對控制系統(tǒng)的要求越來越高，特別是要求控制系統(tǒng)能適應不確定性、時變的對象與環(huán)境。傳統(tǒng)的基于精確模型的控制方法難以適應要求，現(xiàn)在關于控制的概念也已更加廣泛，它包括一些決策、規(guī)劃以及學習功能。神經網絡由于具有上述優(yōu)點而越來越受到人們的重視。神經網絡控制就是利用神經網絡這種工具從機理上對人腦進行簡單結構模擬的新型控制和辨識方法。神經網絡在控制系統(tǒng)中可充當對象的模型,還可充當控制器。常見的神經網絡控制結構有：①參數(shù)估計自適應控制系統(tǒng)；②內?？刂葡到y(tǒng)；③預測控制系統(tǒng)；④模型參考自適應系統(tǒng)；⑤變結構控制系統(tǒng)。

6）滑模控制(slidingmodecontrol，SMC)滑?？刂埔步谢Ｗ兘Y構控制，其本質是一種特殊的非線性控制方法，但其非線性表現(xiàn)為控制序列的不連續(xù)性。這種控制方法與其他控制方法的區(qū)別在于系統(tǒng)結構不是固定不變的，而是能夠在動態(tài)過程，根據當前的系統(tǒng)狀態(tài)（例如偏差以及偏差的各階導數(shù)等）有目的地變化，使系統(tǒng)能夠按照預定的滑動模態(tài)的軌跡運動?；瑒幽B(tài)需要提前設計且與控制對象參數(shù)和外界擾動無關，使得滑模控制具備響應迅速、參數(shù)變化平穩(wěn)、外界擾動影響小、無需系統(tǒng)在線辨識、控制動作實現(xiàn)方式簡單等優(yōu)點。滑?？刂浦饕憩F(xiàn)為控制的不連續(xù)性，也就是系統(tǒng)結構隨時間變化的特性。該控制特性能夠使系統(tǒng)在一定條件下沿著預設的狀態(tài)軌跡作小幅度、高頻率的運動，即滑動模態(tài)或者“滑?！边\動?；瑒幽B(tài)是可以預設的，而且與系統(tǒng)的參數(shù)及外界擾動無關。因此，滑?？刂频南到y(tǒng)具有較好的魯棒性。如圖所示，從切換面穿過的A點為通常點，從切換面向兩邊散發(fā)在切換面上的運動點B點是起始點，從兩邊向切換面逼近的且在切換面上的點C點為終止點，在滑模觀測器的研究中，針對的很多都是終止點，然而對于通常點和起始點基本沒有用到，如果在切換面上的某一區(qū)域內