單從技術(shù)角度來看，傳統(tǒng)車廠的優(yōu)勢在于控制層和執(zhí)行層，是基于硬件的，靠幾十年機械領(lǐng)域的經(jīng)驗累積起來的一道寬寬的護城河。這是一個體系，不是靠某幾個技術(shù)大拿建立起來的?？萍碱悘S商和新興業(yè)者的優(yōu)勢在于感知層和決策層，是基于軟件的，科技類廠商和新興業(yè)者擁有遠超傳統(tǒng)車廠的軟件人才，特別是高素質(zhì)軟件人才。但無人車終究是車，執(zhí)行層是最底層，是一道科技類廠商和新興業(yè)者數(shù)年內(nèi)無法翻越的門檻。而對傳統(tǒng)車廠來說，軟件領(lǐng)域的短板也需要靠時間來慢慢彌補。

無人車不僅要做到安全，還要舒適，而后一點是科技類廠商和新興業(yè)者最難做到的，對傳統(tǒng)車廠來說則非常輕松?？萍碱悘S商和新興業(yè)者對成本和經(jīng)濟性的重視度不夠，他們習(xí)慣了大把燒錢，而傳統(tǒng)車廠非常在意成本和經(jīng)濟性。傳統(tǒng)車廠對元件或系統(tǒng)的可靠性高度重視，花大量的時間達到車規(guī)，并且內(nèi)部測試也花很長的時間?？萍碱悘S家則追求快魚吃慢魚，執(zhí)行戰(zhàn)略相對激進，缺乏嚴格的測試流程和車規(guī)級認證。

無人車的橫向控制是無人車的核心技術(shù)之一，關(guān)系到無人車的安全、舒適和經(jīng)濟性，尤其是舒適性。由于沒有TIER1的支持，科技類和新興造車企業(yè)缺乏對橫向控制的深入研究能力?？萍碱惼髽I(yè)不太清楚電動助力轉(zhuǎn)向EPS系統(tǒng)特性，經(jīng)常出現(xiàn)方向打死的狀態(tài)，原因就是與EPS廠家缺乏協(xié)同開發(fā)，小半徑彎道理論上尚能應(yīng)付（實際體驗不太好），大半徑轉(zhuǎn)彎就更難了。特別是無人車初創(chuàng)公司，根本得不到EPS廠家的足夠支持。而通用之類的傳統(tǒng)車廠則一開始就與EPS廠家深度合作，所以在橫向控制上優(yōu)于IT造車企業(yè)。實際上，即使整車廠也不掌握橫向控制話語權(quán)，EPS廠家才有話語權(quán)。全球EPS市場集中度極高，特別是歐洲，博世幾乎壟斷了歐洲EPS市場。

車輛橫向控制的設(shè)計有三種方法：第一種是完全基于控制層的上一級動作規(guī)劃（Motion Planning）控制，沒有考慮到道路幾何特性，通常用PID做反饋控制。第二種是基于模仿駕駛員行為，最后一種是基于車輛動力學(xué)模型和控制理論。后兩種也可融合使用。前兩種方法不需要車輛動力學(xué)的精確知識，僅需要一個表達響應(yīng)特性的車輛模型和一個模擬駕駛員行為的控制器。后一種方法通常需要一個較好的車輛動力學(xué)模型，然后用不同的控制算法來達到特定目標。

此外，行駛的汽車是一個復(fù)雜的強耦合、變參數(shù)的非線性系統(tǒng)，其縱向、橫向運動是相互耦合、相互影響的，特別是車輛在不平路面上高速行駛時，其耦合特性更加明顯。目前初創(chuàng)企業(yè)的車輛縱向、橫向控制往往是通過兩個獨立的控制器完成的，高速、彎道、坡道下表現(xiàn)較差。



PID控制器（比例-積分-微分控制器）由比例單元P、積分單元I和微分單元D組成。PID控制的基礎(chǔ)是比例控制；積分控制可消除穩(wěn)態(tài)誤差，但可能增加超調(diào)；微分控制可加快大慣性系統(tǒng)響應(yīng)速度以及減弱超調(diào)趨勢。PID控制在工業(yè)領(lǐng)域應(yīng)用廣泛，參數(shù)少，簡單易用，消耗運算很少，成本極低。上圖中，δ∈[δmin,δmax]為滿足車輛動態(tài)姿態(tài)限制的方向盤轉(zhuǎn)角，Vr∈[δmin,δmax]為前向速度。而對這些狀態(tài)量的控制可以是一個典型的PID反饋控制系統(tǒng)。其中e(t)代表當(dāng)前的跟蹤誤差，而這個跟蹤的變量誤差可以是軌跡的縱向/橫向誤差，角度/曲率誤差或者是若干車輛姿態(tài)狀態(tài)變量的綜合誤差。其中P控制器代表對當(dāng)前誤差的反饋，其增益由KP控制；I和D控制器分別代表積分項和微分項，其增益分別有KI和KD來控制?？刂栖囕v盡可能遵循上游動作規(guī)劃（Motion Planning）所輸出的時空軌跡?？梢允褂脙蓚€基于PID反饋控制的控制器來分別控制方向盤轉(zhuǎn)角δ以及前進速度Vs。

PID法缺點很明顯，難以有效地應(yīng)用于多變量系統(tǒng)和時變系統(tǒng)，基本上沒有考慮道路特性，只能應(yīng)用于低速，小半徑彎道，且容易出現(xiàn)振蕩，特別是在彎道后期，方向盤容易出現(xiàn)抖動。高速或大半徑彎道則會出現(xiàn)偏離度很大，急拐。舒適性極差。

第二種方法以預(yù)瞄跟隨理論最為常見，預(yù)瞄跟隨理論是一種人車路的閉環(huán)理論，由我國郭孔輝院士在1982年提出，人類駕駛員在開車時，會在前方道路上選定一個要達到的點，這個點稱之為預(yù)瞄點，車與預(yù)瞄點之間的距離為預(yù)瞄距離。駕駛員通過對車輛的操控到達預(yù)瞄點，再選定新的預(yù)瞄點，這就是人類駕駛員的駕駛行為。

首先，建立駕駛員相對坐標系。因為駕駛員總是以與汽車自身方向相一致的相對坐標來觀測前方道路，為此先將道路在絕對坐標下的軌跡函數(shù)轉(zhuǎn)換成反映于駕駛員相對坐標系下的道路函數(shù)，由連續(xù)兩個預(yù)瞄點A和B的坐標位置計算出最佳轉(zhuǎn)彎曲率。



再由下式計算出方向盤轉(zhuǎn)角量



其中I為車輛轉(zhuǎn)向系統(tǒng)比，L為車輛軸距，K為車輛不足轉(zhuǎn)換系數(shù)，δ0為方向盤零位偏移，κp為調(diào)節(jié)動態(tài)性能的增益系數(shù)，ν為車輛縱向速度。

預(yù)瞄跟隨法考慮到了道路的幾何特性，這種幾何特性的輸入一般稱之為前饋，它當(dāng)然可以用PID來控制誤差，一般是控制橫向誤差。預(yù)瞄控制法依賴預(yù)瞄點的選擇，大部分時候預(yù)瞄距離是個固定的經(jīng)驗值，也有少數(shù)自適應(yīng)預(yù)瞄距離的研究，這就限制了其靈活性，小半徑和低速下表現(xiàn)良好，高速和大彎道下還需要進一步研究增強。

最后是基于車輛動力學(xué)詳細模型的。橫向控制研究最初是由美國通用汽車公司和美國無線電公司在 20 世紀 50 年代末合作開展的，通用是在此領(lǐng)域研究最深入的廠家。

我們來看通用汽車在無人車橫向控制領(lǐng)域的一項專利，這項專利是一種為沿車行道行進的自動駕駛或半自動駕駛車輛提供橫向轉(zhuǎn)向控制的方法。在自動駕駛或半自動駕駛車輛中車道居中、車道保持、車道變換、碰撞緊急轉(zhuǎn)向等都需要車輛自主的橫向控制。這種方法是建立一個車輛動力學(xué)模型，車輛動力學(xué)數(shù)學(xué)模型包括狀態(tài)變量、轉(zhuǎn)向控制變量和前方道路擾動系數(shù)，所述前方道路擾動系數(shù)定義所述車行道的曲率、傾斜度和坡度；使用所述轉(zhuǎn)向控制變量確定縮小當(dāng)前車輛路徑和期望車輛路徑之間的差異的轉(zhuǎn)向控制目標；使用所述數(shù)學(xué)模型確定最優(yōu)轉(zhuǎn)向控制信號，所述控制信號提供所述轉(zhuǎn)向控制目標且包括反饋部分和前饋部分，其中所述前饋部分包括所述道路擾動系數(shù)；以及將所述控制信號提供給轉(zhuǎn)向控制器。

簡單地說就是依據(jù)高正確度（或者高精確度）地圖提供的道路曲率、傾斜度和坡度，得出一個體感舒適的轉(zhuǎn)向控制角度和轉(zhuǎn)向控制角速度。這種方法是最低成本的高速公路型無人駕駛，在現(xiàn)有的L2級系統(tǒng)上基本不增加硬件即可實現(xiàn)。當(dāng)然，車道線級定位還是難點。



上圖中，16代表無人車的控制模塊，20為地圖數(shù)據(jù)庫，22為導(dǎo)航系統(tǒng)，24為GPS單元，28為車輛動力學(xué)模型。26為傳感器，檢測車道線與車道標識。30為車輛橫向控制器，32為車輛橫向執(zhí)行器即EPS，電動助力轉(zhuǎn)向。



上圖為單軌自行車模型，52與54是車輪，58為車輛重心，56為道路邊界。



其中△y為車輛重心與車道的橫向偏移量(車道偏移量），△Ψ為相對于車道的偏移角度。單軌經(jīng)典自行車模型如下




Vy為車輛橫向速度，r為車輛橫擺角速度，Vx為車輛縱向速度，Cf和Cr分別為前后橋的側(cè)偏剛度，a為車輛重心至車輛前橋的距離，b為車輛重心至車輛后橋的距離， M為車輛的質(zhì)量，Iz為車輛12的慣性橫擺力矩，x為路徑曲率，為前車輪角度。

當(dāng)然要不嫌麻煩的話還有4自由度、6自由度甚至17自由度模型。

定義X為角度狀態(tài)變量。對無法深入車輛底層的廠家來說，X就是EPS角度接口，對傳統(tǒng)車廠則下沉一層到EPS的扭矩接口。如果是角度接口，那么，如果是扭矩接口，那么。

狀態(tài)變量X的導(dǎo)數(shù)就是。U為轉(zhuǎn)向控制變量，如果是角度接口，那么U就是前輪轉(zhuǎn)向角度、差動制動（可能沒有）、后輪轉(zhuǎn)向角度。對于扭矩接口，則為前輪扭矩、橫擺力矩和后輪轉(zhuǎn)向角度，h為道路擾動系數(shù)。對于角度接口，，對于扭矩接口，。其中k為道路曲率，γ為路面傾斜度以及β為路面坡度。

控制矩陣A為

矩陣B為。其中，，，，，。

對于后輪可轉(zhuǎn)向的車輛，B就是兩列，卡迪拉克的CT6就具備后輪轉(zhuǎn)向功能。

得到數(shù)學(xué)模型化后，下一步就是用最小二次代價函數(shù)法求得函數(shù)J的控制變量U，以此最小化期望路徑與實際路徑之間的誤差。車輛的在任何時刻k的規(guī)劃路徑(或參考軌跡)是一組點rk+j，j = 1， 2,......，p。每個點rk+j都是二維向量，其包括車輛重心的車道橫向位置，且相對于車輛航向角A Ψ。設(shè)置點的數(shù)量由預(yù)測時域Tp = pTs，其中Ts是采樣時間。數(shù)學(xué)模型的未來輸出應(yīng)遵循參考軌跡rk+j 。于采樣時間k的狀態(tài)變量Xk是已知的，求得s最優(yōu)轉(zhuǎn)向控制變量Uk的問題縮小至求得控制變量Uk中的二次函數(shù)J的全局最小值。這一問題可用標準的二次規(guī)劃求解。



車輛跟隨的行駛車道的彎道62，其中采樣點66為車輛的當(dāng)前位置，道路當(dāng)前的曲率、傾斜度和坡度的擾動系數(shù)h(t)，其中t為時間。在車輛沿彎道62的未來位置的采樣點64的道路曲率、傾斜度和坡度定義為h (t+τ)，h (t+2 τ)，……，h (t+ητ)，其中τ為時間變化。針對新的擾動系數(shù)h1，狀態(tài)和控制變量X和U在線條68 示出的每個采樣點64都轉(zhuǎn)換為Xi和Ui。然后，采用MPC或LQ控制算法，其使用帶新的狀態(tài)和控制變量X1和U1的方程。

在卡迪拉克超級巡航中，縱向控制無需考慮，跟隨前車速度即可，這就大大簡化了系統(tǒng)。這種系統(tǒng)以對地圖的依賴降低甚至消除了對車道線的依賴，看似L2+，實際比L3來得更先進，尤其是在中國更實用（中國塞車時經(jīng)常出現(xiàn)不按車道線行駛，車道線經(jīng)常被車輛遮蓋，依賴車道線的塞車自動跟隨相當(dāng)難做）。這種系統(tǒng)再加上縱向控制算法和緊急轉(zhuǎn)向算法，即可不增加硬件成本或少增加硬件成本情況下達到高速公路的無人駕駛，其價格完全能夠為普通消費者接受。

傳統(tǒng)車廠兩條腿走路，一條是高速公路型的L4，注重成本，強調(diào)舒適性，目標客戶是經(jīng)常上高速的消費者，一條是城區(qū)低速型L4，面向網(wǎng)約車或共享出行市場。而初創(chuàng)企業(yè)往往只能做城區(qū)低速型L4。

2018年2月5日，現(xiàn)代汽車自動駕駛測試車隊以100km/h-110km/h的速度從韓國首爾行駛到平昌，在高速公路上成功地展示了Level 4級自動駕駛技術(shù)，行程總計188公里。完成此次測試的車隊是由3輛現(xiàn)代燃料電池車Nexo和2輛Genesis G80組成，這些車輛都搭載了Level 4級自動駕駛系統(tǒng)和5G網(wǎng)絡(luò)技術(shù)。



上圖為NEXO的傳感器布局， 前后激光雷達為法雷奧或IBEO的Scala，現(xiàn)代并未把距離標的很遠，這款激光雷達已經(jīng)由法雷奧量產(chǎn)。兩側(cè)激光雷達為IBEO的LUX。前毫米波雷達還是比較老的德爾福ESR2.5。兩個側(cè)后雷達可能是HELLA的24GHz毫米波雷達。一個雙目攝像頭，F(xiàn)OV為45度，有效距離達90米，可能使用了索尼的IMX390CQV傳感器，像素達245萬。一個單目攝像頭。