?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)，是充分考慮車輛與交通環(huán)境協(xié)調(diào)規(guī)劃的系統(tǒng)，也是未來智能交通系統(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)，探索未來的發(fā)展方向。

自動(dòng)駕駛系統(tǒng)簡介通常意義上，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

感知層被定義為環(huán)境信息和車內(nèi)信息的采集與處理，涉及道路邊界檢測、車輛檢測、行人檢測等多項(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

決策層可以理解為依據(jù)感知信息來進(jìn)行決策判斷，確定適當(dāng)工作模型，制定相應(yīng)控制策略，替代人類駕駛員做出駕駛決策。這部分的功能類似于給自動(dòng)駕駛汽車下達(dá)相應(yīng)的任務(wù)。例如在車道保持、車道偏離預(yù)警、車距保持、障礙物警告等系統(tǒng)中，需要預(yù)測本車及相遇的其他車輛、車道、行人等在未來一段時(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。由于人類駕駛過程中所面臨的路況與場景多種多樣，且不同人對不同情況所做出的駕駛策略應(yīng)對也有所不同，因此類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

執(zhí)行層是指系統(tǒng)在做出決策后，按照決策結(jié)果對車輛進(jìn)行控制。車輛的各個(gè)操控系統(tǒng)都需要能夠通過總線與決策系統(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)車輛的自主駕駛。

圖1 自動(dòng)駕駛系統(tǒng)簡介

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、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)測模塊

環(huán)境預(yù)測模塊作為決策規(guī)劃控制模塊的直接數(shù)據(jù)上游之一，其主要作用是對感知層所識別到的物體進(jìn)行行為預(yù)測，并且將預(yù)測的結(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，可以對物體做出“瞬時(shí)預(yù)測”。環(huán)境預(yù)測模塊不局限于結(jié)合物理規(guī)律對物體做出預(yù)測，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，對感知到的物體做出更為“宏觀”的行為預(yù)測。例如在圖2中，通過識別行人在人行道的歷史行進(jìn)動(dòng)作預(yù)測出行人可能會(huì)在人行道上穿越路口，而通過車輛的歷史行進(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輛周邊信息，不僅包括了自動(dòng)駕駛汽車本身的實(shí)時(shí)位置、速度、方向，還包括車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)測的軌跡。行為決策層需要解決的問題，就是在知曉這些信息的基礎(chǔ)上，決定自動(dòng)駕駛汽車的行駛策略。

由于需要考慮多種不同類型的信息，行為決策問題往往很難用單一的數(shù)學(xué)模型來求解，而是要利用一些軟件工程的先進(jìn)理念來設(shè)計(jì)規(guī)則引擎系統(tǒng)。例如在DARPA挑戰(zhàn)賽中，Stanford的無人車系統(tǒng)利用一系列cost設(shè)計(jì)和有限狀態(tài)機(jī)來設(shè)計(jì)無人車的軌跡和操控指令。現(xiàn)階段馬爾可夫決策過程的模型也開始被越來越多的應(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。簡而言之，行為決策層面需要結(jié)合環(huán)境預(yù)測模塊的結(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、超車等動(dòng)作；而路徑規(guī)劃模塊是對較長時(shí)間內(nèi)車輛行駛路徑的規(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)思路存在切換過程平順性較差問題。在實(shí)際的系統(tǒng)設(shè)計(jì)過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)的方法來強(qiáng)化車輛行駛的平順性。其中，真實(shí)目標(biāo)主要是指車輛、行人等因素；非真實(shí)目標(biāo)包括限速、紅燈、停車點(diǎn)、道路曲率、天氣條件等。基于虛擬質(zhì)點(diǎn)模型方法的優(yōu)勢在于將算法模型統(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)生的車輛加減速度跳變的問題。

路徑規(guī)劃模塊

自動(dòng)駕駛汽車路徑規(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)果對車輛行駛起著導(dǎo)航作用，它引導(dǎo)車輛從當(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

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景的方向發(fā)展。

人工智能

人工智能是研究、開發(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)駕駛汽車具備一定的自主學(xué)習(xí)能力，并能對簡單交通環(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)對環(huán)境物體的識別與認(rèn)知

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

2、實(shí)現(xiàn)對可行駛區(qū)域的檢測

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)駕駛汽車對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)對道路可行駛、不可行駛區(qū)域的認(rèn)知識別。

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)用場景。現(xiàn)階段主流的人工智能方法包括狀態(tài)機(jī)、決策樹、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”的研究思路，即形成典型交通場景作為深度學(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)化道路檢測框架

智能網(wǎng)聯(lián)

結(jié)合通訊技術(shù)的發(fā)展，運(yùn)用車與車、車與路、車與人、車與云之間的實(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，還可面向多車型、多場景智能駕駛需求，提供解決群體智能駕駛系統(tǒng)協(xié)同駕駛所面臨的問題。基于智能網(wǎng)聯(lián)的車云協(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控制優(yōu)化執(zhí)行的車云協(xié)同一體自動(dòng)駕駛系統(tǒng)。車云協(xié)同技術(shù)在不同的行車工況與應(yīng)用場景中，可實(shí)現(xiàn)精準(zhǔn)的行車環(huán)境感知、智慧通行決策與優(yōu)化行車動(dòng)作控制，并實(shí)現(xiàn)車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)算力不夠的問題，即將車身傳感器節(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，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)，對感知融合信息進(jìn)行分析，為車輛控制規(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)模可擴(kuò)展的計(jì)算、存儲、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，并通過車云協(xié)同技術(shù)將其部署到嵌入式平臺，使人工智能算法在車端自動(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)覆蓋等棘手問題才能真正落地應(yīng)用。

智能計(jì)算平臺

自動(dòng)駕駛汽車從交通運(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)存儲和通信能力作為基礎(chǔ)，車載智能計(jì)算平臺是滿足上述要求的重要解決方案。

車載智能計(jì)算平臺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、車輛實(shí)時(shí)數(shù)據(jù)、云端智能計(jì)算平臺數(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)車輛的自動(dòng)控制，并向云端智能計(jì)算平臺及V2X設(shè)備輸出數(shù)據(jù)，還能夠通過人機(jī)交互界面，實(shí)現(xiàn)車輛駕駛信息的人機(jī)交互。?