目錄
自動駕駛汽車(Autonomous Vehicles )
單車智能
車聯網
智能網聯(單車智能+車聯網)
自動駕駛關鍵技術
環境感知與定位
車輛運動感知
車輛運動感知
路徑規劃與決策
自動駕駛發展歷程
自動駕駛應用場景
自動駕駛路測牌照
自動駕駛汽車(Autonomous Vehicles )
自動駕駛一般指車輛通過車身上布置的各傳感器(雷達、攝像頭等),對周圍環境進行感知并做出決策控制,在不需要駕駛員操作的情況下駕駛車輛
一種通過計算機系統實現無人駕駛的智能汽車
Self-piloting Automobile 無人駕駛汽車 計算機駕駛汽車 輪式機器人
據世界衛生組織統計,全球每年有124萬人死于交通事故,這一數字在2030年可能達到220萬人。僅在美國,每年大約有3.3萬人死于交通意外。自動駕駛汽車可能大幅降低交通事故數量,為此可能挽救數百萬人的生命。Eno Centre for Transportation研究顯示,如果美國公路上90%的汽車變成自動駕駛汽車,車禍數量將從600萬起降至130萬起,死亡人數從3.3萬人降至1.13萬人。
自動駕駛的分級——SAEJ3016分級標準
分級 | 名稱 | 車輛橫向和縱向運動控制 | 目標和事件探測與響應 | 動態駕駛任務接管 | 設計運行條件 |
0級 | 應急輔助 | 駕駛員 | 駕駛員及系統 | 駕駛員 | 有限制 |
1級 | 部分駕駛輔助 | 駕駛員和系統 | 駕駛員及系統 | 駕駛員 | 有限制 |
2級 | 組合駕駛輔助 | 系統 | 駕駛員及系統 | 駕駛員 | 有限制 |
3級 | 有條件自動駕駛 | 系統 | 系統 | 動態駕駛任務接管用戶(接管后成為駕駛員) | 有限制 |
4級 | 高度自動駕駛 | 系統 | 系統 | 系統 | 有限制 |
5級 | 完全自動駕駛 | 系統 | 系統 | 系統 | 無限制 |
AEB(Autonomous Emergency Braking,自動緊急制動)等安全輔助功能和非駕駛自動化功能都放在L0級,歸為“無駕駛自動化”
AEB等安全輔助功能和非駕駛自動化功能稱為“應急輔助”,與非駕駛自動化功能分開
在“3級駕駛自動化”中明確增加了對駕駛員接管能力監測和風險減緩策略的要求,以明確最低安全要求,減少實際應用安全風險。
單車智能
依靠車輛搭載的毫米波雷達、激光雷達、車載視覺攝像機等傳感器、線控系統、計算單元硬件進行環境感知、決策、控制和執行。
車聯網
以車內網、車際網和車載移動互聯網為基礎,按照約定的通信協議和數據交互標準,在車-X(X:車、路、行人及互聯網等)之間,進行無線通訊和信息交換的大系統網絡。 通過三網融合,實現V2X之間通信的無縫連接,提高通信效率,減少通信盲區
V2X指Vehicle to Everything 主要包含: V2V(Vehicle to Vehicle,車輛對車輛) V2I(Vehicle to Infrastructure 車輛對基礎設施) V2N(Vehicle to Network 車輛對網絡) V2P(Vehicle to Pedestrian車輛對行人)
獲取實時信息更容易,提升了駕駛的效率與安全性。
依賴道路設施的智能化改造和基礎設施(如基站)的建設
中國政府大力推行5G網絡、物聯網等新型基礎設施建設,未來中國有望通過車聯網實現自動駕駛領域的“彎道超車”
智能網聯(單車智能+車聯網)
智能網聯就是指車聯網與單車智能的有機聯合,在單車智能的技術上融合現代通信與網絡技術,實現車與車、車與人、車與路、車與后臺等之間的信息交互共享。
自動駕駛關鍵技術
智能化汽車是集環境感知、規劃決策、執行控制、多等級輔助駕駛等功能于一體的綜合系統
環境感知與定位
環境感知與導航定位是自動駕駛的核心技術,這一層的主要功能和目的是利用激光、毫米波、超聲波雷達、攝像頭等車載傳感器和通過車聯網獲取的多源數據,為車輛提供規劃決策所需的必要條件。而提高信息的可靠性、安全性及高精度和可信度也需要充分考慮。
環境感知是無人駕駛的重要組成部分。通過傳感器,采集周邊和自身信息,實時發送給處理器,識別周邊的車輛、障礙物、行人、可行使區域和交通規則等各種路況信息,確保自動駕駛汽車對環境的理解和把握。
性能 | 激光雷達 | 毫米波雷達 | 超聲波雷達 | 攝像頭 | 紅外線 |
成本 | 很高 | 適中 | 很低 | 適中 | 適中 |
探測角度 | 約15o~360o | 約10o~70o | 約120o | 約30o | 約30o |
遠距離探測 | 強 | 弱 | 弱 | 弱 | 一般 |
夜間環境 | 強 | 強 | 強 | 弱 | 強 |
全天候 | 弱 | 強 | 弱 | 弱 | 弱 |
溫度穩定性 | 強 | 強 | 弱 | 強 | 一般 |
車速測量能力 | 弱 | 強 | 一般 | 弱 | 一般 |
路標識別 | × | × | × | √ | × |
車輛運動感知
高精地圖 面向自動駕駛汽車的一種新的地圖數據范式。高精地圖絕對位置精度接近1m 相對位置精度在厘米級別,能夠達到10-20cm。
GNSS
GNSS是能在地球表面或近地空間的任何地點為用戶提供全天候的3維坐標和速度以及時間信息的空基無線電導航定位系統
車輛運動感知
是利用汽車的初始速度、加速度和初始位置計算汽車位置和速度的系統,其核心是名為三軸加速計的傳感器和陀螺儀
路徑規劃與決策
路徑規劃與決策是汽車實現自主駕駛的核心部分,其目的是對采集的信息進一步處理,根據所獲取的信息進行規劃和決策,實現輔助駕駛和自主駕駛。
? 路徑規劃結果對車輛行駛起著導航作用,它引導車輛從當前位置行駛到達目標位置。路徑規劃主要包含兩個步驟: ①建立包含障礙區域與自由區域的環境地圖; ②在環境地圖中選擇合適的路徑搜索算法,快速實時地搜索可行駛路徑。
?執行規劃決策模塊下發的期望速度和期望轉向角度,使汽車能夠按照目標軌跡準確穩定行駛,并在不同的車速、載荷、風阻、路況下有好的駕乘體驗和穩定性。
自動駕駛發展歷程
自動駕駛應用場景
中高速場景的特點在于結構化道路,路面平整,車道線、交通標志非常清晰規范,動態障礙物種類單一,多為其他車輛,且對其運動狀態的預測較為穩定
場景實例 | 場景特點 | 場景效益 |
自動駕駛出租車(Robo-taxi) | (1)城市開放道路 (2)路況復雜 (3)交通參與者多樣 | (1)降低人力成本,緩解用工短缺 (2)避免人為因素引發事故 (3)共享化+電動化,減少尾氣排放 |
干線物流 | (1)結構化道路 (2)交通參與者少 (3)商業需求明確 | (1)提高安全性 (2)降低人力成本 (3)提高運輸效率 |
無人公交 | (1)載人場景 (2)路線固定 (3)開放路段 | (1)解決公交司機招聘難的問題 (2)降低人力成本 |
低速場景多為半結構化道路,如城市道路、 企業園區、機場、大型停車場和景區內的 道路等。
場景實例 | 場景特點 | 場景效益 |
無人配送 | (1)低速公開場景 (2)線路固定 | (1)降低人力成本 (2)提高效率 |
無人環衛 | (1)速度低 (2)舒適度無要求 (3)人機交互簡單 | (1)技術成熟 (2)產品安全 (3)成本低 |
封閉園區物流 | (1)低速封閉 (2)環境艱苦 (3)不受交規限制 | (1)解決招工短缺問題 (2)降本增效,延長工作時間 (3)降低油耗和部件損耗 |
自主代客泊車 | (1)低速封閉場景 (2)法律法規限制小 | (1)提升停車場利用率 (2)縮短尋車位時間 (3)減小交通擁堵 |
自動駕駛路測牌照
2018年4月全國性政策出臺,工信部、公安部、交通運輸部三部委聯合印發《智能網聯汽車道路測試管理規范(試行)》(現已廢止,由《智能網聯汽車道路測試與示范應用管理規范(試行)》(工信部聯通裝〔2021〕97號)取代),對測試主體、測試申請及審核程序、交通違法和事故處理等進行了具體的規范。