环境感知的智能汽车

具有情景感知的智能汽车：从模型到原型的发展

摘要：由于智能汽车到处都应用着微机，所以这是有前途的领域。在敏感环境中主要就是为了智能汽车更安全和更容易的驾驶。尽管许多工业创新和学术研究上取得了很大的进展，但是我们发现充分缺乏具有情景感知的智能汽车。本研究阐诉的总体结构是智能汽车的语境方面。其中一方面描述复杂的驾驶环境的模型。智能汽车原型的内置设施包括具有情景感知的软件模型和提供应用程序运行环境的硬件。对其进行评估有两个性能指标：对语境、情景识别精度和效率。对整个语境识别所的响应时间大约是一个人的1.4陪，在非时间关键型智能车的应用程序中是可接受的。

关键词:智能汽车、智能车辆、环境敏感、无处不在的微机

数字对象唯一标识符：10.1631/浙江大学科学杂志。A0820154文档代码:TP39 CLC.

介绍

在日常生活中汽车将成为私人经常使用中重要的部分。然而，他们也带来很多问题，如交通拥挤和事故。智能汽车的目的是协助驾驶员更容易驾驶，减少驾驶员的工作量和受伤的机会。为了这个目的，一个智能的汽车必须能够感知、分析、预测和反应道路的环境，智能汽车的关键特征是语境意识。

在过去的十年中已经应用许多技术，如智能交通运输系统和先进的驾驶辅助系统。然而，目前的智能汽车是不能真正感知情景。只利用在少数道路的环境类型，这被称为背景。此外，目前的智能汽车缺乏复杂的推理。这些缺点限制了辅助驾驶任务的智能车的能力和安全。本文研究的重点是如何研制出具有情景感知的智能汽车。

本文的一下部分安排如下：第二2节介绍了智能车的相关工作。在第3节对智能小车进行描述。第4节介绍综合应用在智能车运行环境中具有情景感知和分析信息的模型。在第5节介绍智能汽车的原型，包括硬件设施和软件平台。在第6

节和7节中给出绩效评估的结论。

相关工作

在过去的十年中，许多学术界和产业界已经在研究智能汽车。以下是这一领域的主要进展的综述。

（1）新的制造技术。麻省理工学院媒体实验室研制出了一个概念车，城市车（麻

省理工学院，2004），一个轻量级的电动车辆。这辆车采用了完全集成在车轮的电动马达和悬挂系统，都是独立的、数字控制的、可重构的。附带无线连接和一个谷歌信息网格，司机可利用这些明确路况。

（2）汽车马努建筑中实现许多新颖的想法在他们的最新系列的概念车。宝马的互联驾驶包括宝马协助、宝马在线和司机辅助系统,支持换车道警告和停车助理(Hoch et al.,2007)。梅赛德斯-奔驰是一个智能司机援助系统,利用立体摄像机和雷达传感器来监视四周车(奔驰,2007)。沃尔沃的副驾驶员是个聪明的助理,负责协调信息,研究交通状况,协助司机(沃尔沃,2007)。雷克萨斯对其LS系列提供了先进的主动的安全技术,其中包括一个先进的预碰撞系统,动态驱动、电子刹车援助,公园援助系统(雷克萨斯,2007)。

（3）防撞系统。塞维特项目开发的一个重要组成部分是监视道路，对车辆和驾驶员的状态和潜在的安全效益评价（Lee等人，2004）。智能交通车辆项目地址导航，避障和排队（Parent和Fortelle，2005）。这个SAFESPOT项目主要是在扩展时间范围，获取安全相关的信息,提高测量精度、可靠性和质量的驱动(朱里奥,2007)。

（4）车辆接口。车辆接口(助手)项目目的是最大化效率和使高级驾驶辅助系统更为安全,同时最小化工作负载和干扰车载信息系统实施的(Kutila等人,2007)。通信多媒体单元内的车(通信)项目旨在设计惩罚使用机上的多媒体人机界面。一个信息经理收集反馈信息,根据当前的驾驶和环境情况估计司机的工作量(Bellotti 等人,2005)。

（5）司机的行为识别。在一个智能汽车上，驱动程序扮演重要的角色。机器实验和动态图形模型,比如隐马尔可夫模型(Oliver 和Pentland,2000),高斯混合模型(Miyajima等人,2007年)和贝叶斯网络(Kumagai和Akamatsu,2006),可广泛应用于建模和识别司机的行为。

（6）沟通和合作。Car-TALK用于传输信息在汽车附近(Reichardt等人,2002)。COM2REACT(2006)建立了一个合作的、多层次的运输车辆,车辆虚拟分中心通过沟通和车辆中心通信。COOPERS项目(2006)提供了当地情况信息,通过专门结构支持把交通、基础设施状态信息和车辆通信链接。封面项目(2006)开发语义驱动的合作系统与主要集中在基础设施和车辆之间的通信。COVER 项目(Rusconi 等人,2007)设计了一种智能合作系统,它从其他车辆在附近和路边设备提供了实时信息来提高司机的反应。I-WAY项目(2006)发展合作系统防止交通事故涉及弱

势道路使用者,如摩托车、自行车和行人。合作车辆基础设施系统(减振系统)项目(2006)创建了一个统一的技术解决方案允许所有车辆和基础设施元素相互沟通在一个连续的和透明的方式。

7）车辆安全。安全的车载通信项目提供了一个完整的定义和实施车辆安全要求，和其他车辆间通信（Panos等人，2006）。车载Ad Hoc网络的安全也部分地解决了安全车（Magda等人, 2002; Hubaux等人, 2004; Raya和Hubaux, 2005; Bryan

和Adrian, 2005），根据V ANET给出了问题的陈述并提出了解决的方案。

然而，我们发现大部分的工作是并没有充分语境感知。目前的工作通常集中在特殊的实用技术，如通信，传感和驱动程序的帮助。此外，为进一步分析语境的推理是不足够被重视的。这将限制智能汽车得某些配件，所以要求不同，会导致不同的智能汽车。对智能车的综合理解有一个缺乏共识和全面的观点。

本研究试图从一个自底向上的方式，上下文感知的角度建立一个智能车。我们想建立一个一般性的理论基础和智能汽车的基础框架。所有可以表征的驾驶环境的实体将被收集和定义的上下文。对复杂的形势的分析、推理将发挥重要的作用。在这样一个智能车，我们可以拥有不同的服务和应用程序。

整体架构

智能汽车是许多不同的传感器、控制模块和执行器等的综合集成，（王，2006）。智能车的驾驶环境监测，评估可能的风险，并采取适当的行动，以避免或减少风险。

（1）交通监控。各种扫描技术可用于识别距离车和其他道路使用者之间。积极的环境感知和汽车将在不久的将来的一般能力（唐等人。，2006）。激光雷达和视觉为基础的方法可以用来提供定位信息。雷达和激光雷达传感器提供的相对位置和相对速度信息的对象。多摄像机能够消除盲点，认识障碍，并记录环境。除了上述的传感技术，汽车可以得到交通信息从互联网上或附近的汽车。

（2）驱动程序监控。司机代表最高的安全风险。几乎95%的事故是由于人的因素和几乎四分之三的人的行为是完全怪（RAU，1998）。智能汽车的有前途的潜力，协助驾驶员提高态势感知和减少错误。摄像机监控驾驶员的视线和活动，智能汽车试图让驾驶员的注意力在前进的道路上。生理传感器可以检测司机是否处于良好状态。

（3）车辆监控。一辆汽车的动力学可以从机读，油门和刹车装置。这些数据将通过控制器区域网络（CAN）转移分析汽车是否功能正常。

（4）评估模块。它决定根据交通状况的驾驶任务的危险，司机和汽车。不同级别的风险会产生不同的反应，包括通知司机通过人机界面（HMI）和汽车执行器采取紧急行动。

（5）人机界面。它警告说，在非紧急情况下的潜在风险的驱动程序。例如，一个累了司机会吵醒的报警声或振动座椅。视觉指示应以谨慎的方式，从一个复杂的图形或长文本的句子会严重损害驾驶员的注意力和可能造成的危害。

（6）执行器。执行器将执行指定的控制对汽车没有司机的命令。智能汽车将采取积极措施，如停止的情况下，汽车的驱动程序无法正确动作，或采用被动保护减少突发事故可能造成的危害，例如，弹出安全气囊。

语境感知的模型

环境监测收集汽车、司机和路面信息时，为了实现情景感知的智能车，我们必须从语境分析出发。我们开发了一个层次的情景感知的模型，这是表示和分析智能车的环境的基础上。

语境感知的模型

根据抽象程度和语义，我们将语境感知分为三层：传感器层，背景层和背景层原子的情况下，传感器层的感知数据源，感知原子层作为物理世界和意义世界之间的抽象，和感知的情况下提供复杂的事实描述与感知原子融合。

背景：本体定义原体模型

每个传感器对应着一个类型中的原子。对于每种类型的上下文中的原子，一个描述性的名称必须是应用到指定语境感知中。我们使用本体定义的名称保证语义的理解和智能汽车共享。

（1）对环境的感知体系。感知相关的物理环境。本体包括天气的描述，路面条件，交通信息，道路标志，信号灯，网络状态等等。

（2）汽车的感知体系。车体包括三部分：电力系统，安全系统和舒适系统。电力系统是发动机状态，油门，动力（汽油）等，安全系统包括对汽车安全的相关因素的驱动，如在气囊，安全带，防抱制动系统（ABS），导航系统和电子锁。舒适系统是关于娱乐设备，空调，窗户等。

（3）驱动程序的感知体系。语境对驾驶员的生理条件的影响，根据司机的心率，血压，二氧化碳的密度，瞳孔的直径等信息来评估确定他/她是否能够继续开车。使用语境感知的原体，并采用订阅和发布机制。那些在特定语境中感兴趣的原子的应用程序将被添加到用户列表，连同发布信息联系他们。订阅语境感知的变化，

一旦有新的数据，将被传递到订阅应用程序。

背景情况：训练和识别

情景感知的识别是一个推理过程。本研究采用基于推理引擎的模式，包括两部分：离线的基于统计模式识别的训练和在线的情况下。训练阶段是用来学习语境感知和情况，因此统计产生的每一个情况之间的关系。在线识别模式是用来根据在智能车的运行期间识别当前的形势。