第1章

緒論1.1自動駕駛技術的產生1.早期對自動駕駛技術的探索圖1-1第一輛自動駕駛車輛“AmericanWonder”20世紀20年代,美國公司HoudinaRadioControl1939年,美國通用車輛公司在紐約世博會上展示了叫做“Futurama”的交通模型。當車輛駛入高速公路后,就進入自動駕駛模式,根據“定制車道”來行駛。圖1-2未來交通模型通用車輛公司還在這期間推出了Firebirds系列自動駕駛車輛,車上載有“電子導航系統”,它通過電子脈沖與地下的電纜之間進行通訊,從而實現了對車輛的自動控制。圖1-3通用公司的FirebirdIII自動駕駛車輛1960年代,美國俄亥俄州立大學通信與控制實驗室開始對無人駕駛項目的研究,同樣是提出利用內嵌在道路上的電子設備進行控制和引導。該項目的負責人Cosgriff博士預測他們的自動駕駛系統可以在80年代初得到完善并投入使用。在60~70年代,很多企業公司、科研機構都對這項技術投入了研究。英國TRL實驗室研發的自動駕駛車輛“雪鐵龍DS”,在任何天氣條件下以80英里每小時的速度進行測試時,它的速度和方向都不會偏離,這遠比人類駕駛更加有效和安全；Bendix公司還通過道路兩側的通訊器來傳遞計算機的控制指令。2.現代自動駕駛技術的產生現代自動駕駛技術產生于70~80年代。這一時期,德國的慕尼黑聯邦國防大學研發了一輛由視覺引導駕駛的奔馳車輛,它以39英里每小時的速度在沒有交通的道路上完成了測試。同時,美國國防高級研究計劃局開始ALV計劃,與美國多所大學和科研機構共同研究,集成了激光雷達、計算機視覺和自動機器人技術,研發出了時速19英里的自動駕駛車輛,首次在車上搭載了便攜計算機最具代表性的是在80年代末,由美國卡內基梅隆大學研制的Navlab系統,搭載于一輛雪佛蘭廂式貨車上。他們率先采用了神經網絡算法來控制和引導車輛,在車上安裝了若干攝像頭、激光測距儀、激光雷達、陀螺儀等設施,具備慣性導航系統和衛星定位系統,車廂內部是計算機房,整個計算系統由Wrap超級計算機和Sun3/Sun4工作站組成,還采用了Intel80386實時處理器來處理傳感器信息和發出控制指令。受到當時計算機軟硬件條件的限制,時速大約只有20英里,但是它為現代自動駕駛技術奠定了基礎。1.2自動駕駛車輛研究狀況1.2.1國外自動駕駛車輛研究狀況美國美國國防部高級研究計劃局（DARRA）從2004到2007年共舉辦了3屆DARPA無人駕駛挑戰賽,吸引了包括卡內基·梅隆大學、斯坦福大學、弗吉尼亞州大學在內多個研究團隊參賽,引起了廣泛的關注。2011年,美國內達華州立法委員會通過了第一部允許測試無人駕駛車輛的法案2015年7月美國密歇根大學M-City正式開放2016年11月,美國交通部公布“自動駕駛試驗場試點計劃”英國從2015年開始,英國政府開始陸續出臺自動駕駛的相關政策,盡力為智能車輛的發展提供寬松的環境。2015年2月,英國政府發布了無人駕駛車輛上路測試的官方許可。2016年1月,英國交通部宣布,準許自動駕駛車輛在倫敦街頭上路測試2017年8月6日,制定了一套新的網絡安全原則,全稱為《聯網和自動駕駛車輛網絡安全關鍵原則》。2018年2月,英國政府宣布,投資2240萬英鎊（約合3130萬美元）在22個新互聯和自動駕駛車輛（CAV）研發項目上。日本日本政府及車輛制造商在自動駕駛技術方面一直保持謹慎態度。日本政府在《日本再興戰略2016》中提出,要在2020年東京奧運會之前實現無人自動駕駛交通服務。2016年2月12日,日本產業省制造產業局車輛課正式公布“無人駕駛評價據點整備項目”2017年5月,德國議會兩院通過了一項由運輸部提出的法案,修改現行的道路交通法規,允許高度或全自動駕駛系統代替人類自主駕駛,給予其和駕駛人同等的法律地位。美國卡內基·梅隆大學從1987年左右開始研究自動駕駛技術，其研制的NavLab系列代表了世界自動駕駛的發展方向。NavLab-1系列于1986年基于雪佛蘭的一款廂式貨車改裝而成，裝有Sun3.GPS、Warp等計算機硬件NavLab-5系統是1995年建成的，CMU與Assist-Ware技術公司合作開發研制的便攜性高級導航支撐平臺PANS為系統提供計算基礎和I/O功能，并能控制轉向執行機構，同時進行安全報警。意大利帕爾瑪大學VisLab實驗室一直致力于ARGO項目研究。于1998年沿著意大利的高速公路網進行了2000公里的長距離道路試驗。在2010年,ARGO試驗車裝載了5個激光雷達、7個攝像機、GPS全球定位系統、慣性測量設備以及3臺Linux電腦和線控駕駛系統。2013年,意大利帕爾馬大學的自主車BRAiVE,在帕爾馬城區自主行駛,順利通過單向雙車道等狹窄的城郊道路,其間涉及行人橫穿馬路、交通燈、人工凸起路面、行人區、急轉彎等,同時實現全程無人工干預。2011年,英國牛津大學研制出的自動駕駛車輛Wildcat使用激光雷達和相機監控路面狀況、交通狀況、以及行人和其他障礙物,在崎嶇山路上能夠實現自主行駛、堵車繞道日本豐田公司于2018年年初的CES（電子消費展）上,發布了一款無人駕駛的廂式電動概念車e-Palette。新車將在2020年東京奧運會上試運行,并有望在2030年正式向大眾推廣。2014年,寶馬展示了其研發的無人駕駛技術,該技術不僅可以幫助車主在交通狀況擁堵的城市找到便捷暢通的行駛路線,同時并不會奪走駕駛員對車輛的掌控權。2016年,寶馬集團與英特爾以及Mobileye建立起行業第一個開放式的自動駕駛研發平臺。2018年4月,寶馬又正式啟動了自動駕駛研發中心,為最終實現無人駕駛提供技術支持。2018年5月14日,上海市智能網聯車輛道路測試推進工作小組為寶馬頒發了上海市智能網聯自動駕駛測試牌照。2016年和2017年,通用陸續收購自動駕駛車輛初創公司CruiseAutomation和激光雷達技術公司Strobe,在自動駕駛的道路上快速前進。2018年1月12日,通用車輛（GM）官方公布了第四代Cruise自動駕駛車輛CruiseAV。CruiseAV沒有方向盤、加速踏板和制動踏板,安裝了21個普通雷達、16個攝像機和5個激光雷達來感知車輛周圍的環境和障礙物,是真正的無人駕駛車輛。2018年新款奧迪A8是全球首款量產搭載L3級別的自動駕駛系統的車型,其攜帶有12個超聲波傳感器、5個攝像機、5個毫米波雷達、1個激光雷達、1個紅外線攝像機,共24個車載傳感器。2015年10月,特斯拉推出的半自動駕駛系統Autopilot,Autopilot是第一個投入商用的自動駕駛技術。谷歌公司于2009年開始研發無人駕駛技術。2015年,谷歌公司的無人駕駛原型車上路進行測試,該車只配有啟動和停止兩個物理按鈕,通過若干傳感器、車載計算機來控制車輛。2017年10月,Waymo已在美國鳳凰城Chandler鎮100平方英里范圍內,對600輛克萊斯勒插電混動L4級自動駕駛車輛進行社會公測。2018年,谷歌還與捷豹路虎合作,計劃在2020年之前生產另外20000輛無人駕駛出租車。2016年5月,Uber無人駕駛車輛在位于美國賓夕法尼亞州匹茲堡市的Uber先進技術中心正式上路測試。1.2.2國內自動駕駛技術狀況清華大于THMR-V自動駕駛車經過實驗研究已經能夠實現結構化環境下的車道線自動跟蹤；準結構化環境下的道路跟蹤；復雜環境下的道路避障、道路停障；視覺臨場感遙控駕駛等功能。2012年11月26日,由軍事交通學院改裝的“猛獅3號”智能,從北京臺湖收費站到天津東麗收費站共114公里的無人駕駛試驗2016年6月初,同濟大學在上海車輛城無人駕駛測試基地的開園儀式上展示了其協同創新中心研發的自動駕駛電動清掃車。該車在同濟大學低速電動車自動駕駛技術,上海司南導航北斗高精度定位技術、上海丁研三元鋰電池組與管理技術研究成果基礎上,開發可區域師范運行的低速自動駕駛車輛環境感知系統、驅動/制動/轉向線控系統、北斗高精度定位系統、自動駕駛控制等關鍵技術進行研究與實驗。2017年,由自然科學基金委主辦中國智能車未來挑戰賽已舉辦了九屆賽事。其中比較有代表性的有清華大學“睿龍號”無人駕駛車輛和北京理工大學“RAY”無人車。“BIT”無人駕駛車輛系統組成2015年4月,一汽集團正式發布了其“摯途”技術戰略,標志著一汽集團的互聯智能車輛技術戰略規劃正式形成。根據該戰略的十年發展計劃,“摯途”戰略將從當前的1.0發展到4.0。2015年,上汽集團在自動駕駛領域“結盟”中航科工,并在上海車展上展示了自主研發的智能駕駛車輛iGS。長安車輛在2015年4月發布了智能化戰略“654”,即建立6個基礎技術體系平臺,開發5大核心應用技術,分4個階段逐步實現車輛從單一智能到全自動駕駛。北汽集團在2016年4月份的北京車展上,展示了其基于EU260打造的無人駕駛車輛。長城車輛在2012年成立了專業團隊,對車輛無人駕駛等智能技術進行研發。目前哈弗H8、H9及部分后續車輛已經完成了駕駛輔助（ADAS）階段的開發。百度公司于2013年開始了百度無人駕駛車輛項目,其技術核心是“百度車輛大腦”,包括高精度地圖、定位、感知、智能決策與控制四大模塊。2011年7月,國防科技大學與一汽合作開發的自動駕駛車輛紅旗HQ3,完成了從長沙到武漢,共計286公里的高速無人駕駛實驗,平均時速87km/h。2015年8月,宇通客車在鄭開大道城際快速路,完成了開放環境下的無人駕駛試驗,全程32.6公里,最高時速48km/h。2015年12月,百度完成北京開放高速路的自動駕駛測試,其核心技術集中在“百度車輛大腦”,在高精地圖、感知決策方面均有突破,試驗最高時速達100km/h。2016年4月,長安車輛完成了超過2000km的無人駕駛車輛測試,計劃在2018年實現高速路上的無人駕駛,在2025年實現城市復雜路況下的自動駕駛。2016年6月,上海“國家智能網聯車輛試點示范區”封閉測試區正式開園,標志著在國家戰略高度上,支持自動駕駛車輛技術發展。2018年3月,北京發放首批自動駕駛測試試驗用臨時號牌,用于33條,總計105公里的開放路段用于自動駕駛測試。1.3自動駕駛車輛發展目標與重點自動駕駛的流程感知是整個系統運行的第一步。

雖然目前的環境感知技術目前已大體完善,但是要實現最高級的無人駕駛,還有很多地方需要改進。比如在惡劣的天氣條件下、在不斷變化和不利的光照條件下,各種元件不可避免地會受到影響。地圖是最重要的先驗信息之一。人們需要大規模地對地圖信息進行預先采樣和更新,以使車輛能夠適應新情況。一種解決方法是建立云端的地圖共享系統,它與離線的地圖共享并且是動態更新的,但是這對系統的通信能力也提出了更高的要求；也有學者提出“即時定位與地圖構建”（SLAM）技術,它并不嚴重依賴于先驗信息,允許自動駕駛系統持續觀察環境并適應新情況,但是這項技術需要更多的計算密集型算法,并且根據所使用的傳感器和周圍環境可能會受到更多不確定性的影響。人工智能算法是自動駕駛的核心。借助于目前機器學習和深度學習的研究，人工智能已經能實現越來越多的自動控制，高級別的自動駕駛還需要把智能算法與傳統的車輛動力學控制結合起來，對智能算法的穩定性和準確性有著極高要求；智能算法的道德性和合法性也是人們需要考慮的，“在無可避免的情況下，要撞向一個人的一側還是撞向一群人的一側？”類似這樣的問題發生了以后處理困難，就需要在技術層面上讓它不會發生。車聯網通信需借助新型信息通信技術車聯網的關鍵技術包括4G/5G車載蜂窩通信技術、LTE-V2X和802.11p直連無線通信技術等的應用與自動駕駛技術的發展緊密相關,但是這些技術目前只是初步成熟,還需要集中研究力量重點突破而且車聯網信息的安全保護也是一個亟待關注的問題,車聯網的過程會產生一定的操縱數據、位置信息等,涉及到個人隱私權益的保護,此外,還需要考慮到應用領域的經濟效益問題等。自動駕駛存在的問題和解決情況項目或競賽出現的問題問題的解決情況PROMETHEUS（1987–1995）自主車道保持大部分已解決自適應巡航大部分已解決自動緊急呼叫大部分已解決NoHandsAcrossAmerica（1995），MunichtoOdenseUBMTest（1995），ARGO（1998）基于視覺的物體檢測/追蹤大部分已解決復雜光照條件下的感知部分解決改善障礙和道路標志檢測部分解決復雜的城市交通大部分未解決惡劣天氣下的環境感知大部分未解決DARPAGrandChallenge（2004）,SecondDARPAGrandChallenge（2006）DARPAGrandChallenge（2004）,SecondDARPAGrandChallenge（2006）DARPAGrandChallenge（2004）,SecondDARPAGrandChallenge（2006）DARPAGrandChallenge（2004）,SecondDARPAGrandChallenge（2006）DARPAGrandChallenge（2004）,SecondDARPAGrandChallenge（2006）DARPAGrandChallenge（2004）,SecondDARPAGrandChallenge（2006）DARPAGrandChallenge（2004）,SecondDARPAGrandChallenge（2006）DARPAGrandChallenge（2004）,SecondDARPAGrandChallenge（2006）DARPAGrandChallenge（2004）,SecondDARPAGrandChallenge（2006）DARPAGrandChallenge（2004）,SecondDARPAGrandChallenge（2006）DARPAGrandChallenge（2004）,SecondDARPAGrandChallenge（2006）DARPAGrandChallenge（2004）,SecondDARPAGrandChallenge（2006）DARPAGrandChallenge（2004）,SecondDARPAGrandChallenge（2006）DARPAGrandChallenge（2004）,SecondDARPAGrandChallenge（2006）DARPAGrandChallenge（2004）,SecondDARPAGrandChallenge（2006）DARPAGrandChallenge（2004）,SecondDARPAGrandChallenge（2006）DARPAGrandChallenge（2004）,SecondDARPAGrandChallenge（2006）DARPAGrandChallenge（2004）,SecondDARPAGrandChallenge（2006）DARPAGrandChallenge（2004）,SecondDARPAGrandChallenge（2006）DARPAGrandChall