綜述論文“Vehicular Safety Applications and Approaches: A Technical Survey”。

摘要：本文從傳感器配置、車輛動力學(xué)建模、輪胎建模和估計方法等方面對與自動駕駛相關(guān)的安全應(yīng)用和方法進行綜述。首先，介紹不同的高級駕駛員輔助系統(tǒng)（ADAS）以及主要的傳感組件和技術(shù)。然后，討論了車輛和輪胎的不同運動學(xué)建模。最后，介紹了各種通信技術(shù)和架構(gòu)以及自動駕駛模塊。此外，列出了未來研究的一些有趣觀點。

ADAS

被動安全措施包括安全氣囊、車身結(jié)構(gòu)、安全帶和頭部約束。主動安全措施包括電子穩(wěn)定控制（ESC）、防抱死制動系統(tǒng)（ABS）和其他高級駕駛員輔助系統(tǒng)，如自動泊車輔助（APA）、自動緊急剎車（AEB）、交叉路口防撞（ICA）、前向防撞警告（FCW）、自適應(yīng)巡航控制（ACC）、車道保持輔助（LKA）、變道輔助（LCA）和駕駛員監(jiān)控系統(tǒng)（DMS）。為了避免發(fā)生事故，使用基于ICT（信息和通信技術(shù)）的ADAS應(yīng)用程序，可以持續(xù)幫助駕駛員完成駕駛?cè)蝿?wù)。盡管許多汽車供應(yīng)商的各種ADAS解決方案在結(jié)構(gòu)上存在差異，但ADAS的安裝和應(yīng)用在主要工作原理上是相似的。

傳感器

內(nèi)部傳感器以輪速計為例，其他較少見。外部傳感器，如圖是ADAS的例子，其他還有GPS和IMU。

建模

先進車輛系統(tǒng)的開發(fā)需要大量的建模工作，因為建模是分解駕駛環(huán)境中物理和數(shù)學(xué)特性的最可行方法。為了建模，必須首先對要建模的目標進行分類。在道路環(huán)境中，要建模的可以是駕駛員、車輛特性、輪胎和道路之間的關(guān)系、道路幾何結(jié)構(gòu)以及最終控制所有建模過程的決策者（mastermind）。

車輛的運動被分解為兩個部分：穩(wěn)定運動和不穩(wěn)定運動。穩(wěn)定運動主要來自假設(shè)光滑表面情況下的操控命令；不穩(wěn)定的運動是由于不規(guī)則的地形部分造成。由于運動學(xué)系統(tǒng)適用于流體運動建模，因此使用一個穩(wěn)定的平移和旋轉(zhuǎn)系統(tǒng)。另一方面，與理想懸架系統(tǒng)布局設(shè)計類似的四輪汽車模型用于定義不穩(wěn)定運動，代表三個部分：彈跳（bounce）、俯仰（pitch）和滾動（roll）。

利用拉格朗日運動方程，可以很容易地得到不穩(wěn)定的汽車模型運動。這使得車輛運動的描述更加清晰。和汽車剛性連接并具有可估計方位的傳感器，獲得可訪問的圖像序列，評估車輛運動以及場景重建。

基于這種方法的研究，使用該系統(tǒng)的動態(tài)模型，其中一些狀態(tài)可以分析（如車角速度），而其他一些狀態(tài)無法測量（如摩擦力、轉(zhuǎn)速等）?；趧討B(tài)系統(tǒng)模型和測量狀態(tài)，可以使用不同的評估技術(shù)，如遞歸最小二乘法（RLS）和卡爾曼濾波器等。一些最流行的動態(tài)設(shè)計是輪圈模型、旋轉(zhuǎn)（spin）動態(tài)模型、自行車模型、部分汽車模型（quarter-car model）和四輪汽車動態(tài)模型等。

車輛-道路方案可以通過將單軌（single-track）模型與線性輪胎力模型合并來構(gòu)建。這種被公認為線性單軌系統(tǒng)的混合系統(tǒng)，只要車輛需求保持在較低的水平，就可以運行良好。然而，當汽車加速或公路摩擦發(fā)生變化時，汽車動力學(xué)變得非線性，因此線性單軌系統(tǒng)不再適用。

已經(jīng)提出了許多輪胎力模型，包括經(jīng)驗方法和分析方法?？梢园演喬ゲ倏v行為分為三個階段（線性、瞬態(tài)和飽和階段）。在第一階段，橫向輪胎力相對于側(cè)滑角是線性的。第二和第三階段是非線性的，發(fā)生在車輛接近物理粘合極限時。本文使用標稱線性模型，并提出線性自適應(yīng)模型。

滑動模態(tài)觀測(SMO) 用于預(yù)測汽車側(cè)滑角，同時使用線性水平摩擦力模板，并將縱向摩擦力作為公認的觀察者輸入。然而，當橫向速度超過4 m/s2且輪胎側(cè)滑角較大時，描述橫向摩擦力的線性連接模型不再足夠精確。此外，在現(xiàn)代先進的車輛中，縱向摩擦力并不總是可以達到的。

關(guān)于車輪角速度和方向盤角度讀數(shù)，重點是縱向和橫向加速度以及偏航頻率估計。側(cè)滑值也通過縱向和橫向速度實現(xiàn)。然而，必須在每個測試時刻確定觀察者的增益。因此，評估算法的實時效率可能會受到影響，并且測量錯誤可能會干擾觀察者增益的選擇。

輪胎模型設(shè)計通常傳達輪胎力和力矩之間的聯(lián)系，在許多研究中用于評估摩擦力和摩擦系數(shù)的滑移率/滑移角。假設(shè)輪胎力和力矩、滑動率（slip-ratio）和/或滑移角（slip- angle）是可用的（或可以估計），并且比較不同輪胎模型的力/力矩數(shù)據(jù)可估計模型參數(shù)和摩擦系數(shù)。根據(jù)輪胎模板和可獲取的時間行為（穩(wěn)態(tài)或臨時），已經(jīng)創(chuàng)建了不同的數(shù)學(xué)輪胎模型。

車輛動態(tài)變量的估計對于提高安全性至關(guān)重要，特別是對于制動和軌跡控制系統(tǒng)。如果汽車的動態(tài)潛力是眾所周知的，那么諸如防抱死制動系統(tǒng)（ABS）和電子穩(wěn)定程序（ESP）之類的主動安全系統(tǒng)可以得到改善。例如，輪胎-路面摩擦的信息意味著對潛軌跡的更準確定義，從而更好地管理車輛控制。然而，由于技術(shù)和經(jīng)濟原因，一些與車輛動力學(xué)相關(guān)的基本數(shù)據(jù)在標準汽車中無法測量。因此，必須觀察或估計輪胎力和側(cè)滑角等動態(tài)變量。

在先進的車輛系統(tǒng)中，需要一些技術(shù)來維持車輛內(nèi)外不同節(jié)點之間的信息順暢流動，收集駕駛員、環(huán)境、車輛狀態(tài)等數(shù)據(jù)。這些技術(shù)分為三類：數(shù)據(jù)驅(qū)動技術(shù)處理和訓(xùn)練大量數(shù)據(jù)，根據(jù)當前經(jīng)驗預(yù)測未來的具體輸出；實現(xiàn)安全服務(wù)的通信技術(shù)，利用道路參與者之間的各種信息交換；傳感技術(shù)利用物理特性提供一些可融合、交換或用于決策的感官信息。

如今，汽車工業(yè)正朝著自動駕駛汽車的方向發(fā)展，需要大量的計算資源和自動化模塊的集成。這些模塊主要分為三個階段，每個階段負責(zé)處理下一階段的信息：感知和數(shù)據(jù)融合模塊用于將原始傳感器數(shù)據(jù)處理為規(guī)劃模塊的有價值數(shù)據(jù)。這些原始傳感器數(shù)據(jù)的范圍從隨機移動的車輛狀態(tài)到從不同攝像頭或雷達收集的圖像，統(tǒng)稱為計算機視覺。該模塊處理從數(shù)據(jù)收集階段到預(yù)處理階段的原始傳感器數(shù)據(jù)，預(yù)處理階段為每個傳感器提供一組特征、檢測和分類以及這些數(shù)據(jù)的組合。然后，模塊將信息傳遞給規(guī)劃模塊。

規(guī)劃模塊的首要路線規(guī)劃是以最小的成本選擇最優(yōu)路徑。基于生成的最佳路徑，進行行為決策規(guī)劃，規(guī)劃車輛沿著路徑的最適當行為，以確保安全跟蹤并考慮其他道路參與者的行為。規(guī)劃的路徑隨后被饋送到低級反饋控制器，確保規(guī)劃被完全執(zhí)行。在 確保不會發(fā)生碰撞或錯誤變道的行為決策規(guī)劃好之后，運動規(guī)劃生成自車的完整軌跡。

挑戰(zhàn)

高級車輛安全領(lǐng)域的挑戰(zhàn)非常廣泛，從物體檢測的準確性和效率、傳感數(shù)據(jù)的管理、決策技術(shù)的適當選擇、軟件組件的驗證和測試以及這些組件的可靠性和質(zhì)量、車輛通信環(huán)境中的網(wǎng)絡(luò)性能和數(shù)據(jù)處理等。此外，高級車輛安全研究領(lǐng)域中的一些開放問題依賴于調(diào)查所用協(xié)議的對應(yīng)網(wǎng)絡(luò)帶寬、側(cè)滑角和輪胎-道路摩擦系數(shù)估計等。

在高級車輛安全的目標檢測領(lǐng)域中，上下文根據(jù)目標的類型而改變，目標可以是車輛、道路車道、行人或一次碰撞，因為后者比以前的類型更復(fù)雜。采用快速來增加交通流量將給這些技術(shù)帶來負擔(dān)，并需要快速而關(guān)鍵的算法來及時做出應(yīng)對這種動態(tài)環(huán)境的決策。管理傳感數(shù)據(jù)的挑戰(zhàn)主要取決于對實時處理能力的需求，以及深度學(xué)習(xí)算法是存儲大和計算大的事實。從硬件擴展到通信上下文限制，非真實性和數(shù)據(jù)冗余仍然具有挑戰(zhàn)性。數(shù)據(jù)管理方面的此類挑戰(zhàn)可以通過多種方式解決：

• 增加計算和通信資源，

• 利用眾包和眾感知技術(shù)，

• 在不同節(jié)點之間共享感知數(shù)據(jù)，基于傳感器數(shù)量以及數(shù)據(jù)處理的效率之間的權(quán)衡

自動駕駛汽車中現(xiàn)有的決策機制可以分為機器學(xué)習(xí)、深度學(xué)習(xí)、人工智能、多策略決策和馬爾可夫決策過程。

主要的挑戰(zhàn)是選擇最合適的技術(shù)。此外，除了檢測所述系統(tǒng)的故障和失靈以及在這方面做出最佳決策，周圍環(huán)境和人類行為的不可預(yù)測性也給這種選擇帶來了負擔(dān)。上下文-和情境-覺察的異議檢測和決策算法可作為解決上述挑戰(zhàn)的變通方法。高級車輛安全中的軟件組件環(huán)境在驗證、測試、安全、可靠性和質(zhì)量方面存在各種挑戰(zhàn)。

除了這些操作動態(tài)和非確定帶來的復(fù)雜性，這些挑戰(zhàn)可以概括為完整的需求，即允許開發(fā)人員測試-檢查其組件。關(guān)于安全性和可靠性，在部署層面，立法和驗證周期仍然模糊不清。同時，大量的預(yù)算需求和一些無法預(yù)見的情況仍然是軟件質(zhì)量面臨的巨大挑戰(zhàn)和障礙。在軟件環(huán)境中應(yīng)對這些挑戰(zhàn)可以通過軟件/硬件組件的功能劃分、有限制的操作概念和機器學(xué)習(xí)方法來做，這些方法可以更好地實現(xiàn)這些組件的驗證和測試。更多的方法會包括

• 確定短期安全任務(wù)，

• 為小型任務(wù)開發(fā)復(fù)雜算法

• 決定故障-安全，而不是估計不可預(yù)測結(jié)果，

• 定義面向目標的軟件質(zhì)量測試。

在時間-緊要的聯(lián)網(wǎng)車輛應(yīng)用中，如安全或車輛控制等，消息傳遞必須具有低延遲和延遲有限，需要用最新路由信息的復(fù)雜網(wǎng)絡(luò)架構(gòu)。這種實時變化的網(wǎng)絡(luò)條件進一步挑戰(zhàn)了有關(guān)數(shù)據(jù)傳輸和處理的分散信息流。即使在精度受限的情況下處理此類數(shù)據(jù)，在需要專用處理工具的車輛通信中，該工作仍然是一項重大挑戰(zhàn)。

預(yù)處理度量可以使數(shù)據(jù)以壓縮形式變得有用，從而減少車輛數(shù)字復(fù)制的規(guī)模。這些度量可以從多個車輛中聚合，最小化存儲和分析成本和復(fù)雜度。這些架構(gòu)在功率、計算、數(shù)據(jù)準確性和可行性方面實現(xiàn)了不同的平衡。對于輪胎-道路摩擦系數(shù)估計，特別是側(cè)滑角，由于所使用的傳感器昂貴且噪聲大，因此測量中仍存在挑戰(zhàn)，這就需要通過建模進行估計。為了克服這些挑戰(zhàn)，存儲原始數(shù)據(jù)可能是可行的，但成本仍然很高；因此，地圖縮減技術(shù)將是允許規(guī)?；瘮?shù)據(jù)分析和模式識別的必要技術(shù)。

在自動駕駛和聯(lián)網(wǎng)車輛中，必須擴展估計范圍，要能預(yù)測其他車輛的距離和相對速度，從而決定下一個位置和動態(tài)狀態(tài)。更多的挑戰(zhàn)包括處理多傳感器信息冗余，其中除了最小化傳感器信息之外，估計的方案還應(yīng)該能夠區(qū)分有價值的信息和無用的信息?，F(xiàn)在有理由相信，擴展的狀態(tài)觀測器和自適應(yīng)觀測器，其估計策略非常有效地解決有未知輸入（如丟失道路信息）的估計問題。輪胎-道路摩擦估計域也可以擴展到包括天氣效應(yīng)，其中面向數(shù)據(jù)驅(qū)動的方法，例如人工神經(jīng)網(wǎng)絡(luò)（ANN）和模糊邏輯（FL）將有助于被適應(yīng)。這種方法需要大量的訓(xùn)練數(shù)據(jù)集，這些數(shù)據(jù)集仍然是研究領(lǐng)域中輪胎-道路摩擦估計面臨的重大挑戰(zhàn)。