智能驾驶技术的现状与未来发展趋势

Artificial Intelligence •

人工智能Electronic Technology & Software Engineering 电子技术与软件工程• 243【关键词】智能驾驶技术 现状 未来 发展趋

势

为提升智能驾驶路径跟随行驶性能，文

章通过分析国内外智能驾驶纵向控制的直接式

和分层式设计方法，论述了纵向控制理论方法

和技术应用的研究现状。目前研究主要是应用

解耦控制系统来单独研究纵向控制，但存在系

统模型单一、计算方法受限和未结合车联网技

术等不足。因此，未来纵向控制技术将结合车

联网通信技术、人工智能以及耦合横向控制进

行研究，以实现智能、高效和安全的纵向控制

行驶性能。

1 智能驾驶汽车

智能驾驶汽车是一种主要依靠车内以计

算机系统为主的智能驾驶仪来实现智能驾驶的

智能汽车，又称为自动驾驶汽车、电脑驾驶汽

车等。智能驾驶汽车能够在道路上安全可靠地

行驶，主要通过车载传感对行驶车辆的周围环

境进行感知与识别，对获取的车辆位置、交通

信号、道路以及障碍物等信息经分析处理，从

而控制汽车的速度和转向。智能驾驶技术是一

门建立在信息感知、信息控制以及信息执行等

环节基础上的多学科、跨行业的综合性技术。

车辆智能化的基础包括：信息感知、处理控制、

动作执行，车辆智能将经由高级驾驶辅助系统

（ADAS ）向整车自动驾驶发展。

2 智能驾驶技术的现状

2.1 局限性高

智能驾驶汽车在其“视觉能力”方面无

法达到人脑的高度，其传感器通过红外摄像和

普通摄像两种技术完成道路环境的收集。当车

辆在人口密集的楼房建筑区、事故区域或者其

他有人通过通用手势信号来指挥车辆在此区域

通行时，无人汽车将遇到判断难题。另外，道

路存在信号标志老旧变形等情况出现，无人汽

车可能产生误识或者漏识，造成不必要的事故。

2.2 人文接受程度问题智能驾驶技术的现状与未来发展趋势

文/屈艺多 胡琳

社会对智能驾驶汽车依然存在诸多疑问，如当智能驾驶汽车行驶在这个人口稠密的世界时，发现已经无法避免事故的发生时，智能计算机应该选择冲向马路的行人还是直接撞击迎面而来的车辆？在受到外部虚拟网络攻击后是否还可以维持完全驾驶？未被Google 或GPS 完全测绘的道路如何行使等。智能驾驶汽车在法律法规方面同样存在极大的挑战。2.3 安全防御性低软件安全公司SecurityInnovation 首席科学家乔纳桑·佩蒂特（JonathanPetit ）表示，大部分智能驾驶汽车探测障碍物的激光雷达系统只需一个成本不到60美元的装置即可破解。佩蒂特表示，通过这一装置，黑客可以在任何位置设置实际并不存在的汽车、行人，或是墙壁，导致无人驾驶汽车的行驶速度放慢，甚至寸步难行。其相关论文已在欧洲黑帽安全大会上发表。3 智能驾驶技术未来发展趋势3.1 直接控制式直接式运动控制是通过纵向控制器直接控制期望制动压力和节气门开度，从而实现对跟随速度和跟随减速度直接控制，具有快速响应等特点。该系统由PID 、PI 、滑模控制器和模糊控制器四部分构成。系统通过专家经验知识设计了控制器间的协调切换逻辑，可以在不同工况下充分发挥其优势。该系统的缺点是由于控制器的频繁切换会使执行机构存在时滞和振动。有学者提出采用特定的控制策略对控制系统的参数不确定、非线性等因素进行模拟，例如模糊控制等得到较好的效果。2012年，土耳其的VSezer 等人设计了一种智能车速度控制器。该控制器是有两个串联Mamdani 型的是基于模糊逻辑推理系统，串联结构通过减少模糊控制规则，从而方便了控制器设计，研究结果显示车辆行驶在急转向工况时的控制器性能更好。2017年，清华大学李升波等基于分布式H ∞最优控制方法设计一种鲁棒纵向控制器，该系统通过信息交换矩阵的线性变换和特征值分解转换成一个不确定的、对角非线性系统。并通过与非鲁棒性控制器对比，分析设计系统的鲁棒稳定性和纵向稳定性。2017年，国防科技大学的黄振华等提出一种参数批量化处理的强化学习算法（PBACV ）为了获得自动驾驶车辆的最优纵向控制。该方法的采用actor-critic 学习结构，且为了提高学习效率采用最小二乘方法更新参数。通过大量的实车实验显示通过强化学习的方法纵向控制性能超过了传统的纵向控制方法。直接式纵向控制器设计采用自适应控制、PID 控制等控制方法，建立一种非线性系统模型。目的为了提高系统的自适应能力，降低参数不确定、非线性等对系统的影响。该设计方法集成度高，但是开发难度高。3.2 分层式纵向控制分层式控制根据控制目标的不同设计上位控制器和下位控制器，上位控制器是用来产生期望车速和期望加速度，下位控制器根据上位控制的期望值产生期望的油门开度和制动压力，以实现对速度和制动的分层控制。2003年，东京大学MOmae 基于H-infinity 鲁棒控制方法，设计了前馈/H-infinity 反馈纵向下位控制器，该设计克服车辆纵向动力学的参数不确定性以及执行机构产生的系统延时，试验结果表明所设计纵向下位控制器具有良好的鲁棒性和稳定性。2007年，GaoF 等构建了多模型分层切换纵向下位鲁棒控制方法，主要针对车辆纵向动力学系统中参数不确定和模型不确定，通过实车实验验证了方法的鲁棒性和扰动抑制能力。4 结语随着科技的进步，智能驾驶技术将在不断提高，智能驾驶汽车也将解放操作者的双手，通过计算机技术和传感技术等，使汽车变得更加便捷智能，提高交通效率。参考文献[1]李苑玮,武迎迎,曹石.车辆远程控制技术的发展现状和趋势[J].装备制造技术,2018,No.279(03):92-94.[2]魏朗,田顺,SchwarzC.驾驶模拟技术在汽车智能技术研发中的应用综述[J].公路交通科技,2017,34(12):152-153.作者简介屈艺多（1998-），长安大学电子工程与控制学院电气工程及其自动化6班。研究方向为信号处理。胡琳（1998-），长安大学公路学院交通工程一班。研究方向为交通工程。作者单位长安大学 陕西省西安市 710000