自動(dòng)駕駛系統(tǒng)是一個(gè)集環(huán)境感知、決策控制和動(dòng)作執(zhí)行等功能于一體的綜合系統(tǒng)，是充分考慮車(chē)輛與交通環(huán)境協(xié)調(diào)規(guī)劃的系統(tǒng)，也是未來(lái)智能交通系統(tǒng)的重要組成部分。本文著重分析自動(dòng)駕駛決策控制的相關(guān)技術(shù)，探索未來(lái)的發(fā)展方向。

自動(dòng)駕駛系統(tǒng)簡(jiǎn)介

通常意義上，自動(dòng)駕駛系統(tǒng)可以分為感知層、決策層、執(zhí)行層。

感知層被定義為環(huán)境信息和車(chē)內(nèi)信息的采集與處理，涉及道路邊界檢測(cè)、車(chē)輛檢測(cè)、行人檢測(cè)等多項(xiàng)技術(shù)，可認(rèn)為是一種先進(jìn)的傳感器技術(shù)，所采用的傳感器包括激光雷達(dá)、攝像頭、毫米波雷達(dá)、超聲波雷達(dá)、速度和加速度傳感器等。由于單一傳感器存在感知的局限性，并不能滿足各種工況下的精確感知，自動(dòng)駕駛汽車(chē)要實(shí)現(xiàn)在各種環(huán)境下平穩(wěn)運(yùn)行，需要運(yùn)用多傳感器融合技術(shù)，該技術(shù)也是感知層的關(guān)鍵技術(shù)。

決策層可以理解為依據(jù)感知信息來(lái)進(jìn)行決策判斷，確定適當(dāng)工作模型，制定相應(yīng)控制策略，替代人類(lèi)駕駛員做出駕駛決策。這部分的功能類(lèi)似于給自動(dòng)駕駛汽車(chē)下達(dá)相應(yīng)的任務(wù)。例如在車(chē)道保持、車(chē)道偏離預(yù)警、車(chē)距保持、障礙物警告等系統(tǒng)中，需要預(yù)測(cè)本車(chē)及相遇的其他車(chē)輛、車(chē)道、行人等在未來(lái)一段時(shí)間內(nèi)的狀態(tài)。先進(jìn)的決策理論包括模糊推理、強(qiáng)化學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)和貝葉斯網(wǎng)絡(luò)技術(shù)等。由于人類(lèi)駕駛過(guò)程中所面臨的路況與場(chǎng)景多種多樣，且不同人對(duì)不同情況所做出的駕駛策略應(yīng)對(duì)也有所不同，因此類(lèi)人的駕駛決策算法的優(yōu)化需要非常完善高效的人工智能模型以及大量的有效數(shù)據(jù)。這些數(shù)據(jù)需要盡可能地覆蓋到各種罕見(jiàn)的路況，而這也是駕駛決策發(fā)展的最大瓶頸所在。

執(zhí)行層是指系統(tǒng)在做出決策后，按照決策結(jié)果對(duì)車(chē)輛進(jìn)行控制。車(chē)輛的各個(gè)操控系統(tǒng)都需要能夠通過(guò)總線與決策系統(tǒng)相連接，并能夠按照決策系統(tǒng)發(fā)出的總線指令精確地控制加速程度、制動(dòng)程度、轉(zhuǎn)向幅度、燈光控制等駕駛動(dòng)作，以實(shí)現(xiàn)車(chē)輛的自主駕駛。

圖1 自動(dòng)駕駛系統(tǒng)簡(jiǎn)介

決策控制系統(tǒng)介紹

傳統(tǒng)意義上自動(dòng)駕駛系統(tǒng)的決策控制軟件系統(tǒng)包含環(huán)境預(yù)測(cè)、行為決策、動(dòng)作規(guī)劃、路徑規(guī)劃等功能模塊。

環(huán)境預(yù)測(cè)模塊

環(huán)境預(yù)測(cè)模塊作為決策規(guī)劃控制模塊的直接數(shù)據(jù)上游之一，其主要作用是對(duì)感知層所識(shí)別到的物體進(jìn)行行為預(yù)測(cè)，并且將預(yù)測(cè)的結(jié)果轉(zhuǎn)化為時(shí)間空間維度的軌跡傳遞給后續(xù)模塊。通常感知層所輸出的物體信息包括位置、速度、方向等物理屬性。

利用這些輸出的物理屬性，可以對(duì)物體做出“瞬時(shí)預(yù)測(cè)”。環(huán)境預(yù)測(cè)模塊不局限于結(jié)合物理規(guī)律對(duì)物體做出預(yù)測(cè)，而是可結(jié)合物體和周邊環(huán)境以及積累的歷史數(shù)據(jù)信息，對(duì)感知到的物體做出更為“宏觀”的行為預(yù)測(cè)。例如在圖2中，通過(guò)識(shí)別行人在人行道的歷史行進(jìn)動(dòng)作預(yù)測(cè)出行人可能會(huì)在人行道上穿越路口，而通過(guò)車(chē)輛的歷史行進(jìn)軌跡可判斷其會(huì)在路口右轉(zhuǎn)。

圖2 環(huán)境預(yù)測(cè)示意圖

行為決策模塊

行為決策模塊在整個(gè)自動(dòng)駕駛決策規(guī)劃控制軟件系統(tǒng)中扮演著“副駕駛”的角色。這個(gè)層面匯集了所有重要的車(chē)輛周邊信息，不僅包括了自動(dòng)駕駛汽車(chē)本身的實(shí)時(shí)位置、速度、方向，還包括車(chē)輛周邊一定距離以內(nèi)所有的相關(guān)障礙物信息以及預(yù)測(cè)的軌跡。行為決策層需要解決的問(wèn)題，就是在知曉這些信息的基礎(chǔ)上，決定自動(dòng)駕駛汽車(chē)的行駛策略。

由于需要考慮多種不同類(lèi)型的信息，行為決策問(wèn)題往往很難用單一的數(shù)學(xué)模型來(lái)求解，而是要利用一些軟件工程的先進(jìn)理念來(lái)設(shè)計(jì)規(guī)則引擎系統(tǒng)。例如在DARPA挑戰(zhàn)賽中，Stanford的無(wú)人車(chē)系統(tǒng)利用一系列cost設(shè)計(jì)和有限狀態(tài)機(jī)來(lái)設(shè)計(jì)無(wú)人車(chē)的軌跡和操控指令。現(xiàn)階段馬爾可夫決策過(guò)程的模型也開(kāi)始被越來(lái)越多的應(yīng)用于自動(dòng)駕駛系統(tǒng)行為層面的決策算法實(shí)現(xiàn)當(dāng)中。簡(jiǎn)而言之，行為決策層面需要結(jié)合環(huán)境預(yù)測(cè)模塊的結(jié)果，輸出宏觀的決策指令供后續(xù)的規(guī)劃模塊去更具體地執(zhí)行。

動(dòng)作規(guī)劃模塊

自動(dòng)駕駛汽車(chē)規(guī)劃模塊包括動(dòng)作規(guī)劃和路徑規(guī)劃兩部分。動(dòng)作規(guī)劃模塊主要是對(duì)短期甚至是瞬時(shí)的動(dòng)作進(jìn)行規(guī)劃，例如轉(zhuǎn)彎、避障、超車(chē)等動(dòng)作；而路徑規(guī)劃模塊是對(duì)較長(zhǎng)時(shí)間內(nèi)車(chē)輛行駛路徑的規(guī)劃，例如從出發(fā)地到目的地之間的路線設(shè)計(jì)或選擇。

自動(dòng)駕駛系統(tǒng)的設(shè)計(jì)思路是建立若干個(gè)行駛狀態(tài)，通過(guò)不同的條件觸發(fā)行駛狀態(tài)切換。這種設(shè)計(jì)思路存在切換過(guò)程平順性較差問(wèn)題。在實(shí)際的系統(tǒng)設(shè)計(jì)過(guò)程中主要采用將道路中的真實(shí)目標(biāo)和非真實(shí)目標(biāo)都描述成虛擬質(zhì)點(diǎn)的方法來(lái)強(qiáng)化車(chē)輛行駛的平順性。其中，真實(shí)目標(biāo)主要是指車(chē)輛、行人等因素；非真實(shí)目標(biāo)包括限速、紅燈、停車(chē)點(diǎn)、道路曲率、天氣條件等?；谔摂M質(zhì)點(diǎn)模型方法的優(yōu)勢(shì)在于將算法模型統(tǒng)一，有效避免了傳統(tǒng)控制算法中因目標(biāo)或控制模式切換產(chǎn)生的車(chē)輛加減速度跳變的問(wèn)題。

? 路徑規(guī)劃模塊

自動(dòng)駕駛汽車(chē)路徑規(guī)劃模塊是指在一定的環(huán)境模型基礎(chǔ)上，給定自動(dòng)駕駛汽車(chē)起始點(diǎn)和目標(biāo)點(diǎn)后，按照性能指標(biāo)規(guī)劃出一條無(wú)碰撞、能安全到達(dá)目標(biāo)點(diǎn)的有效路徑。路徑規(guī)劃主要包含兩個(gè)步驟：建立包含障礙區(qū)域與自由區(qū)域的環(huán)境地圖，以及在環(huán)境地圖中選擇合適的路徑搜索算法，快速實(shí)時(shí)地搜索可行駛路徑。路徑規(guī)劃結(jié)果對(duì)車(chē)輛行駛起著導(dǎo)航作用，它引導(dǎo)車(chē)輛從當(dāng)前位置行駛到達(dá)目標(biāo)位置。環(huán)境地圖表示方法主要分為度量地圖表示法、拓?fù)涞貓D表示法等。

發(fā)展趨勢(shì)

人工智能機(jī)器學(xué)習(xí)、深度神經(jīng)網(wǎng)絡(luò)以及聯(lián)網(wǎng)通訊等技術(shù)的發(fā)展，進(jìn)一步豐富了自動(dòng)駕駛汽車(chē)發(fā)展的技術(shù)路徑，也促進(jìn)了自動(dòng)駕駛技術(shù)由單一的樣機(jī)演示向具備一定落地應(yīng)用能力并可實(shí)現(xiàn)自主定位的典型交通場(chǎng)景的方向發(fā)展。

人工智能

人工智能是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門(mén)新的技術(shù)科學(xué)。它意在探索智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類(lèi)智能相似的方式做出反應(yīng)的智能機(jī)器。其一大重要的應(yīng)用領(lǐng)域就是自動(dòng)駕駛，主要目標(biāo)是使自動(dòng)駕駛汽車(chē)具備一定的自主學(xué)習(xí)能力，并能對(duì)簡(jiǎn)單交通環(huán)境形成記憶性認(rèn)知，現(xiàn)階段人工智能技術(shù)在自動(dòng)駕駛汽車(chē)領(lǐng)域的主要應(yīng)用體現(xiàn)在以下幾個(gè)方面。

1、實(shí)現(xiàn)對(duì)環(huán)境物體的識(shí)別與認(rèn)知

利用多目視覺(jué)、激光雷達(dá)、毫米波雷達(dá)等傳感器件及識(shí)別算法，可以實(shí)現(xiàn)對(duì)實(shí)際道路環(huán)境中多曲面物體的準(zhǔn)確識(shí)別。同時(shí)融入深度學(xué)習(xí)技術(shù)后，可對(duì)各物體三維空間尺寸及特征信息形成迭代分類(lèi)，從而使自動(dòng)駕駛汽車(chē)具有對(duì)多種類(lèi)環(huán)境物體的識(shí)別與認(rèn)知能力。

2、實(shí)現(xiàn)對(duì)可行駛區(qū)域的檢測(cè)

利用基于先進(jìn)傳感器的地圖采集技術(shù)可以提取道路的詳細(xì)標(biāo)注（標(biāo)志、標(biāo)線、信號(hào)燈等）和高精度位置（經(jīng)度、緯度、高度等）等信息，從而實(shí)現(xiàn)自動(dòng)駕駛汽車(chē)對(duì)道路平面特征的提取，同時(shí)基于深度學(xué)習(xí)可實(shí)現(xiàn)對(duì)道路可行駛、不可行駛區(qū)域的認(rèn)知識(shí)別。

3、實(shí)現(xiàn)行駛路徑的規(guī)劃與決策

決策規(guī)劃處理是人工智能技術(shù)在自動(dòng)駕駛中的另一個(gè)重要應(yīng)用場(chǎng)景。現(xiàn)階段主流的人工智能方法包括狀態(tài)機(jī)、決策樹(shù)、貝葉斯網(wǎng)絡(luò)等。伴隨著深度學(xué)習(xí)與增強(qiáng)學(xué)習(xí)技術(shù)的發(fā)展，現(xiàn)已實(shí)現(xiàn)了對(duì)復(fù)雜工況的決策并能進(jìn)行在線優(yōu)化學(xué)習(xí)。由于在實(shí)際道路中影響駕駛路徑規(guī)劃的因素非常多，勢(shì)必會(huì)占用較多的計(jì)算資源。為提高計(jì)算效率，日本研究學(xué)者提出了“安全場(chǎng)”的研究思路，即形成典型交通場(chǎng)景作為深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的輸入，以提高自動(dòng)駕駛汽車(chē)的決策效率，提升路徑規(guī)劃能力。

圖3 基于機(jī)器學(xué)習(xí)的非結(jié)構(gòu)化道路檢測(cè)框架

智能網(wǎng)聯(lián)

結(jié)合通訊技術(shù)的發(fā)展，運(yùn)用車(chē)與車(chē)、車(chē)與路、車(chē)與人、車(chē)與云之間的實(shí)時(shí)通訊技術(shù)，可為人工智能技術(shù)在自動(dòng)駕駛技術(shù)應(yīng)用過(guò)程中的數(shù)據(jù)、計(jì)算與算法等三大要素提供進(jìn)一步支持，還可面向多車(chē)型、多場(chǎng)景智能駕駛需求，提供解決群體智能駕駛系統(tǒng)協(xié)同駕駛所面臨的問(wèn)題。基于智能網(wǎng)聯(lián)的車(chē)云協(xié)同自動(dòng)駕駛系統(tǒng)的具體架構(gòu)如下圖4所示。

圖4 基于人工智能的車(chē)云協(xié)同自動(dòng)駕駛系統(tǒng)構(gòu)建方案示意圖

該架構(gòu)方案分為基于AI的自動(dòng)駕駛智能終端和基于大數(shù)據(jù)分析的自動(dòng)駕駛云端系統(tǒng)兩部分，共同形成了一種集復(fù)雜環(huán)境精確感知、通行智慧決策與行車(chē)控制優(yōu)化執(zhí)行的車(chē)云協(xié)同一體自動(dòng)駕駛系統(tǒng)。車(chē)云協(xié)同技術(shù)在不同的行車(chē)工況與應(yīng)用場(chǎng)景中，可實(shí)現(xiàn)精準(zhǔn)的行車(chē)環(huán)境感知、智慧通行決策與優(yōu)化行車(chē)動(dòng)作控制，并實(shí)現(xiàn)車(chē)端與云端之間的信息數(shù)據(jù)交互與協(xié)同。

基于智能網(wǎng)聯(lián)的自動(dòng)駕駛系統(tǒng)車(chē)云協(xié)同技術(shù)主要解決多源異構(gòu)數(shù)據(jù)融合不足和前端設(shè)備計(jì)算力不夠的問(wèn)題，即將車(chē)身傳感器節(jié)點(diǎn)的采樣數(shù)據(jù)（如GPS/INS數(shù)據(jù)、毫米波雷達(dá)數(shù)據(jù)）和多媒體數(shù)據(jù)（如攝像頭圖像）按一定頻率傳輸?shù)皆贫藬?shù)據(jù)庫(kù)，同時(shí)進(jìn)行在線處理、離線處理、溯源處理和復(fù)雜數(shù)據(jù)分析。并基于人工智能集成應(yīng)用算法的智能駕駛控制模型，為車(chē)輛決策提供可靠、高效的協(xié)同控制方案。

人工智能算法應(yīng)用技術(shù)云平臺(tái)是自動(dòng)駕駛云端系統(tǒng)的核心部分，其結(jié)合機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等相關(guān)技術(shù)，對(duì)感知融合信息進(jìn)行分析，為車(chē)輛控制規(guī)劃提供決策依據(jù)。并利用虛擬化技術(shù)及網(wǎng)絡(luò)技術(shù)整合大規(guī)?？蓴U(kuò)展的計(jì)算、存儲(chǔ)、數(shù)據(jù)、應(yīng)用等分布式計(jì)算資源完成人工智能模型算法的學(xué)習(xí)訓(xùn)練，實(shí)現(xiàn)在云端訓(xùn)練人工智能模型，并通過(guò)車(chē)云協(xié)同技術(shù)將其部署到嵌入式平臺(tái)，使人工智能算法在車(chē)端自動(dòng)駕駛系統(tǒng)上得到深度應(yīng)用。

目前網(wǎng)聯(lián)技術(shù)在自動(dòng)駕駛領(lǐng)域的應(yīng)用主要集中在信息服務(wù)和頂層監(jiān)控，通過(guò)智能網(wǎng)聯(lián)的技術(shù)路線實(shí)現(xiàn)高度自動(dòng)駕駛?cè)孕枰鉀Q信息安全、傳輸時(shí)延、網(wǎng)絡(luò)覆蓋等棘手問(wèn)題才能真正落地應(yīng)用。

智能計(jì)算平臺(tái)

自動(dòng)駕駛汽車(chē)從交通運(yùn)輸工具逐步轉(zhuǎn)變?yōu)樾滦鸵苿?dòng)智能終端。汽車(chē)功能和屬性的改變導(dǎo)致其電子電氣架構(gòu)隨之改變，進(jìn)而需要更強(qiáng)的計(jì)算、數(shù)據(jù)存儲(chǔ)和通信能力作為基礎(chǔ)，車(chē)載智能計(jì)算平臺(tái)是滿足上述要求的重要解決方案。

車(chē)載智能計(jì)算平臺(tái)主要完成的功能是以環(huán)境感知數(shù)據(jù)、導(dǎo)航定位信息、車(chē)輛實(shí)時(shí)數(shù)據(jù)、云端智能計(jì)算平臺(tái)數(shù)據(jù)和其他V2X交互數(shù)據(jù)等作為輸入，基于環(huán)境感知定位、智能規(guī)劃決策和車(chē)輛運(yùn)動(dòng)控制等核心控制算法，輸出驅(qū)動(dòng)、傳動(dòng)、轉(zhuǎn)向和制動(dòng)等執(zhí)行控制指令，實(shí)現(xiàn)車(chē)輛的自動(dòng)控制，并向云端智能計(jì)算平臺(tái)及V2X設(shè)備輸出數(shù)據(jù)，還能夠通過(guò)人機(jī)交互界面，實(shí)現(xiàn)車(chē)輛駕駛信息的人機(jī)交互。

（文/道路交通集成優(yōu)化與安全分析技術(shù)國(guó)家工程實(shí)驗(yàn)室 自動(dòng)駕駛測(cè)試技術(shù)研發(fā)組 袁建華、陸文杰、羅為明、范志翔）