自動(dòng)駕駛基本過程分為三部分：感知、決策、控制。其關(guān)鍵技術(shù)為自動(dòng)駕駛的軟件算法與模型，通過融合各個(gè)傳感器的數(shù)據(jù)，利用不同的算法和支撐軟件計(jì)算得到所需的自動(dòng)駕駛方案。

自動(dòng)駕駛中的環(huán)境感知指對(duì)于環(huán)境的場(chǎng)景理解能力，例如障礙物的類型、道路標(biāo)志及標(biāo)線、行車車輛的檢測(cè)、交通信息等數(shù)據(jù)的分類。定位是對(duì)感知結(jié)果的后處理，通過定位功能幫助車輛了解其相對(duì)于所處環(huán)境的位置。環(huán)境感知需要通過多傳感器獲取大量的周圍環(huán)境信息，確保對(duì)車輛周圍環(huán)境的正確理解，并基于此做出相應(yīng)的規(guī)劃和決策。

目前兩種主流技術(shù)路線，一種是以特斯拉為代表的以攝像頭為主導(dǎo)的多傳感器融合技術(shù)方案；另一種是谷歌為代表的以激光雷達(dá)為主導(dǎo)，其他傳感器為輔助的技術(shù)方案。為高效解決純視覺方案下多個(gè)攝像頭的數(shù)據(jù)融合問題，特斯拉在2021年提出BEV+Transformer方案，2022年推出占用柵格網(wǎng)絡(luò)（Occupancy）進(jìn)一步疊加完善3D空間識(shí)別。在常規(guī)的前視視角與后融合路線之外，這套方案將數(shù)據(jù)整合在鳥瞰視角下，避免了視野遮擋，以O(shè)ccupancy優(yōu)化邊界感知與物體識(shí)別，再通過基于注意力機(jī)制（Attention Mechanism）的神經(jīng)網(wǎng)絡(luò)模型Transformer，更加靈活、高效地感知和處理數(shù)據(jù)，進(jìn)一步反哺高階自動(dòng)駕駛的能力提升。

大模型進(jìn)一步推動(dòng)感知算法升級(jí)，自動(dòng)駕駛逐步走向“輕圖”時(shí)代。從2023年開始，以BEV+Transformer等感知層面的神經(jīng)網(wǎng)絡(luò)大模型為基礎(chǔ)、借助純感知和融合感知路線、通過“重感知+輕地圖”徹底擺脫成本高鮮度低的高精地圖成為實(shí)現(xiàn)城市NOA的主流路線。相較于CNN（卷積神經(jīng)網(wǎng)絡(luò)）和RNN（循環(huán)神經(jīng)網(wǎng)絡(luò)）等小模型，Transformer等大模型長(zhǎng)序列處理能力更強(qiáng)、并行計(jì)算效率更高，可以通過注意力層的結(jié)構(gòu)識(shí)別元素之間的多維信息，泛化性更強(qiáng)，從而減小車端硬件成本，成為目前城市自動(dòng)駕駛技術(shù)方案的優(yōu)先選擇。

決策是依據(jù)駕駛場(chǎng)景認(rèn)知態(tài)勢(shì)圖，根據(jù)駕駛需求進(jìn)行任務(wù)決策，能夠在避開存在的障礙物前提下，通過一些特定的約束條件，規(guī)劃出兩點(diǎn)之間多條可以選擇的安全路徑，并在這些路徑當(dāng)中選擇一條最優(yōu)的路徑，決策出車輛行駛軌跡。

最后由線控底盤系統(tǒng)來執(zhí)行駕駛指令、控制車輛運(yùn)行，如車輛的縱向控制，即車輛的驅(qū)動(dòng)與制動(dòng)控制，是指通過對(duì)油門和制動(dòng)的協(xié)調(diào)，實(shí)現(xiàn)對(duì)期望車速的精確跟隨；車輛的橫向控制，即通過方向盤角度的調(diào)整以及輪胎力的控制，實(shí)現(xiàn)自動(dòng)駕駛汽車的路徑跟蹤。

自動(dòng)駕駛系統(tǒng)主要由環(huán)境感知單元、決策單元、控制單元組成，如圖1所示。

圖1 自動(dòng)駕駛系統(tǒng)架構(gòu)

（一）環(huán)境感知單元

環(huán)境感知單元主要包含各類傳感器如攝像頭、毫米波雷達(dá)、激光雷達(dá)、超聲波雷達(dá)以及GPS&慣導(dǎo)組合等，獲取車輛所處環(huán)境信息和車輛狀態(tài)信息。環(huán)境感知起著類似人類駕駛員“眼睛”和“耳朵”的作用，是實(shí)現(xiàn)自動(dòng)駕駛的前提條件。

其中車輛本身狀態(tài)信息包括車輛速度、行駛方向、行駛狀態(tài)、車輛位置等；道路感知包括道路類型檢測(cè)、道路標(biāo)線識(shí)別、道路狀況判斷、是否偏離行駛軌跡等；行人感知主要判斷車輛行駛前方是否有行人，包括白天行人識(shí)別、夜晚行人識(shí)別、被障得物遺擋的行人識(shí)別等；交通信號(hào)感知主要是自動(dòng)識(shí)別交叉路口的信號(hào)燈、如何高效通過交叉路口等；交通標(biāo)識(shí)感知主要是識(shí)別道路兩側(cè)的各種交通標(biāo)志，如限速、彎道等，及時(shí)提醒駕駛員注意；交通狀況感知主要是檢測(cè)道路交通擁堵情況、是否發(fā)生交通事故等，以便車輛選擇通暢的路線行駛；周圍車輛感知主要檢測(cè)車輛前方、后方、側(cè)方的車輛情況，避免發(fā)生碰撞，也包括交叉路口被障礙物遮擋的車輛。

在復(fù)雜的交通路況環(huán)境下，單一傳感器無法完成全部的環(huán)境感知，必須整合各種類型傳感器，利用傳感器融合技術(shù)，使其為自動(dòng)駕駛汽車提供更加真實(shí)可靠的路況環(huán)境信息。

（1）激光雷達(dá)

激光雷達(dá)實(shí)時(shí)感應(yīng)周邊環(huán)境信息，形成高清立體圖形。其工作原理是向目標(biāo)發(fā)射探測(cè)信號(hào)（激光束），然后將接收到的從目標(biāo)反射回來的信號(hào)（目標(biāo)回波）與發(fā)射信號(hào)進(jìn)行比較，作適當(dāng)處理后，就可獲得目標(biāo)的有關(guān)信息，如目標(biāo)距離、方位、高度、速度、姿態(tài)，甚至形狀等參數(shù)。

激光雷達(dá)優(yōu)勢(shì)在于障礙物檢測(cè)，速度反應(yīng)快、探測(cè)距離遠(yuǎn)、精度較高。是目前已知的環(huán)境測(cè)量方案中測(cè)量精度最高的傳感器解決方案。和攝像頭這類被動(dòng)傳感器相比，激光雷達(dá)可以主動(dòng)探測(cè)周圍環(huán)境，即使在夜間仍能準(zhǔn)確地檢測(cè)障礙物。因?yàn)榧す夤馐泳蹟n，所以比毫米波雷達(dá)擁有更高的探測(cè)精度。但激光雷達(dá)更容易受到空氣中雨雪霧霾等的干擾，且現(xiàn)階段的成本較高。

（2）毫米波雷達(dá)

毫米波雷達(dá)是在自動(dòng)駕駛中廣泛使用的傳感器，主要用于避免汽車與周圍物體發(fā)生碰撞，如盲點(diǎn)檢測(cè)、避障輔助、泊車輔助、自適應(yīng)巡航等。

毫米波雷達(dá)由芯片、天線、算法共同組成，基本原理是發(fā)射一束電磁波，觀察回波與入射波的差異來計(jì)算目標(biāo)與車輛之間的距離、速度等。成像精度的衡量指標(biāo)為距離探測(cè)精度、角分辨率、速度差分辨率。毫米波頻率越高，帶寬越寬，成像越精細(xì)。

毫米波雷達(dá)工作在毫米波頻段，是指波長(zhǎng)在1～10毫米的電磁波，對(duì)應(yīng)的頻率范圍為30～300GHz。在毫米波雷達(dá)的頻率選擇上，主要由三種波段，24GHz，60GHz，77GHz。毫米波雷達(dá)波長(zhǎng)短，頻帶寬，穿透能力強(qiáng)，探測(cè)距離遠(yuǎn)，檢測(cè)速度快、準(zhǔn)確，可以在雨雪天氣等各種惡劣環(huán)境中穩(wěn)定全天候工作。但是精度不高，對(duì)車道線交通標(biāo)志等無法檢測(cè)，且信號(hào)衰減大、容易受到建筑物、人體等的阻擋，傳輸距離較短，難以成像等。

隨著毫米波芯片技術(shù)的發(fā)展，應(yīng)用于車載的毫米波雷達(dá)系統(tǒng)得到了大規(guī)模應(yīng)用，然而傳統(tǒng)雷達(dá)系統(tǒng)面臨著以下缺陷：

a）當(dāng)有靜止車輛，目標(biāo)信息容易和地雜波等摻雜在一起，識(shí)別難度較大，而移動(dòng)車輛可以靠多普勒識(shí)別。

b）當(dāng)有橫穿車輛和行人，多普勒為零或很低，難以檢測(cè)。

c）沒有高度信息，高處物體如橋梁路牌和地面的車輛一樣區(qū)分不開，容易造成誤剎，影響安全性。

d）角度分辨率低，當(dāng)兩個(gè)距離很近的物體，其回波會(huì)被混在一起，很難知道有幾個(gè)目標(biāo)。

e）用雷達(dá)散射截面積區(qū)分物體難。可以通過不同物體的雷達(dá)散射截面積的不同和不同幀之間反射點(diǎn)的不同來區(qū)分路牌、立交橋和車輛，然而準(zhǔn)確率并不高。

f）最遠(yuǎn)探測(cè)距離一般不超過200米，探測(cè)距離范圍有限。

4D高分辨毫米波雷達(dá)（4D High Resolution Radar），也稱為4D成像毫米波雷達(dá)，其中4D指的是距離（Range）、速度（Velocity）、水平角度（Azimuth）和俯仰角度或高度（Elevation）四個(gè)維度的信息。4D成像毫米波雷達(dá)突破了傳統(tǒng)車載雷達(dá)的局限性，可以以很高的分辨率同時(shí)探測(cè)目標(biāo)的距離、速度、水平角度和俯仰角度/高度，使得：

a）最遠(yuǎn)探測(cè)距離大幅提升，可達(dá)300多米，比激光雷達(dá)和視覺傳感器都要遠(yuǎn)。

b）4D毫米波雷達(dá)系統(tǒng)水平角度分辨率較高，通?？梢赃_(dá)到1°的角度分辨率，可以區(qū)分300米處的兩輛近車。

c）4D毫米波雷達(dá)系統(tǒng)可以測(cè)量俯仰角度，可達(dá)到優(yōu)于2°的角度分辨率，可在150米處區(qū)分地物和立交橋。

d）當(dāng)有橫穿車輛和行人, 多普勒為零或很低時(shí)通過高精度的水平角度和高精度的俯仰角度可以有效識(shí)別目標(biāo)。

e）目標(biāo)點(diǎn)云更密集，信息更豐富，更適合與深度學(xué)習(xí)框架結(jié)合。

（3）攝像頭

攝像頭是自動(dòng)駕駛車輛最常用、最簡(jiǎn)單且最接近人眼成像原理的環(huán)境感知傳感器。通過實(shí)時(shí)拍攝車輛周圍的環(huán)境，采用計(jì)算機(jī)視覺技術(shù)對(duì)所拍攝圖像進(jìn)行分析，實(shí)現(xiàn)車輛周圍的車輛和行人檢測(cè)以及交通標(biāo)志識(shí)別等功能。

攝像頭的安裝位置有前視、側(cè)視、后視和內(nèi)置。主要用于前向碰撞預(yù)警系統(tǒng)、車道偏離警示系統(tǒng)、交通標(biāo)志識(shí)別系統(tǒng)、停車輔助系統(tǒng)、盲點(diǎn)偵測(cè)系統(tǒng)。攝像頭通常分為單目攝像頭和雙目攝像頭兩種，一般情況下單目車載攝像頭的視角為50°~60°，可視距離為100米~200米。而雙目攝像頭能夠通過模擬人類的視覺成像方式進(jìn)行3D成像，比較兩個(gè)攝像頭獲得的不同圖像信號(hào)，識(shí)別物體更可靠，通過算法得出物體的距離、速度信息等。

攝像頭的主要優(yōu)點(diǎn)在于其分辨率高、成本低。但在夜晚、雨雪霧霾等惡劣天氣下，光照的變化對(duì)其識(shí)別精度的影響較大，攝像頭的性能會(huì)迅速下降。此外攝像頭所能觀察的距離有限，不擅長(zhǎng)于遠(yuǎn)距離觀察，且目前的攝像頭技術(shù)對(duì)于靜態(tài)圖像中的遠(yuǎn)方物體難以識(shí)別。

（4）超聲波雷達(dá)

超聲波雷達(dá)是利用聲波的傳播來提取環(huán)境信息。首先發(fā)出高頻聲波，并且接收物體反射來的回波，最后計(jì)算從發(fā)送信號(hào)到收到回波的時(shí)間間隔，從而確定物體的距離。超聲波雷達(dá)的成本較低、重量輕、功耗低，但是探測(cè)距離很近，適合測(cè)量0.2米~4米左右的距離。

（5）5G/C-V2X

車聯(lián)網(wǎng)5G/C-V2X就是把車連到網(wǎng)或者把車連成網(wǎng)，包括V2V、V2I、V2N和V2P。C-V2X是自動(dòng)駕駛加速劑，能夠有效補(bǔ)充單車智能的技術(shù)缺失。通過C-V2X網(wǎng)絡(luò)，相當(dāng)于自動(dòng)駕駛打通外部大腦，提供了豐富、及時(shí)的外部信息輸入，能夠有效彌補(bǔ)單車智能的感知盲點(diǎn)。5G網(wǎng)絡(luò)具備低時(shí)延、大帶寬、高可靠的特性，大大提升了C-V2X傳輸信息的豐富性，也提高了C-V2X傳感器的技術(shù)價(jià)值。

（6）多傳感器融合技術(shù)

多傳感器融合技術(shù)，也稱為多傳感器信息融合（Multi-sensor Information Fusion，MSIF），有時(shí)也稱作多傳感器數(shù)據(jù)融合（Multi-sensor Data Fusion），是一項(xiàng)實(shí)踐性比較強(qiáng)的應(yīng)用技術(shù)，涉及到信號(hào)處理、計(jì)算機(jī)技術(shù)、概率統(tǒng)計(jì)、模式識(shí)別、統(tǒng)計(jì)數(shù)學(xué)等多學(xué)科。

該技術(shù)實(shí)際上是對(duì)人腦綜合處理復(fù)雜問題的一種功能模擬。與單傳感器相比，多傳感器融合技術(shù)在解決探測(cè)、跟蹤和目標(biāo)識(shí)別等問題時(shí)，能夠增強(qiáng)系統(tǒng)的生存能力，提高整個(gè)系統(tǒng)的可靠性和健壯性，增強(qiáng)數(shù)據(jù)的可信度，提高精度，擴(kuò)展系統(tǒng)的時(shí)間、空間覆蓋率，增加系統(tǒng)的實(shí)時(shí)性和信息利用率等。

多傳感器融合技術(shù)的主要目的是剔除無用的和錯(cuò)誤的信息，保留正確的和有用的成分，從而實(shí)現(xiàn)對(duì)多種信息的獲取、表示及其內(nèi)在聯(lián)系的綜合處理和優(yōu)化。這不僅可以提高系統(tǒng)決策、規(guī)劃、反應(yīng)的快速性和正確性，還能使系統(tǒng)獲得更充分的信息。

此外，多傳感器融合還涉及硬件同步和軟件同步的概念。硬件同步通過使用同一種硬件同時(shí)發(fā)布觸發(fā)采集命令，實(shí)現(xiàn)各傳感器采集、測(cè)量的時(shí)間同步，確保同一時(shí)刻采集相同的信息。而軟件同步則包括時(shí)間同步和空間同步，通過統(tǒng)一的主機(jī)給各個(gè)傳感器提供基準(zhǔn)時(shí)間，以及將不同傳感器坐標(biāo)系的測(cè)量值轉(zhuǎn)換到同一個(gè)坐標(biāo)系中。

多傳感器數(shù)據(jù)融合的主要步驟如下：

a）通過多個(gè)傳感器對(duì)待測(cè)目標(biāo)進(jìn)行測(cè)量，獲得有效數(shù)據(jù)；

b）對(duì)各個(gè)傳感器的采集數(shù)據(jù)進(jìn)行特征點(diǎn)提取，得到想要的關(guān)于待測(cè)目標(biāo)特征值；

c）對(duì)于得到的特征值進(jìn)行模式識(shí)別處理，比如使用統(tǒng)計(jì)概率的方法判定其目標(biāo)特點(diǎn)，以完成各傳感器關(guān)于目標(biāo)的確切描述；

d）將同一目標(biāo)的描述數(shù)據(jù)進(jìn)行整理歸類；

e）最后利用融合算法將同一目標(biāo)的特征進(jìn)行融合，得到該目標(biāo)的確切描述。

多傳感器融合技術(shù)在結(jié)構(gòu)上按其在融合系統(tǒng)中信息處理的抽象程度，主要?jiǎng)澐譃槿齻€(gè)層次，數(shù)據(jù)層融合、特征層融合和決策層融合。

a）數(shù)據(jù)層融合：也稱像素級(jí)融合，首先將傳感器的觀測(cè)數(shù)據(jù)融合，然后從融合的數(shù)據(jù)中提取特征向量，并進(jìn)行判斷識(shí)別。數(shù)據(jù)層融合需要傳感器是同質(zhì)的（傳感器觀測(cè)的是同一物理現(xiàn)象），如果多個(gè)傳感器是異質(zhì)的（觀測(cè)的不是同一個(gè)物理量），那么數(shù)據(jù)只能在特征層或決策層進(jìn)行融合。數(shù)據(jù)層融合不存在數(shù)據(jù)丟失的問題，得到的結(jié)果也是最準(zhǔn)確的，但計(jì)算量大且對(duì)系統(tǒng)通信帶寬的要求很高。

b）特征層融合：特征層融合屬于中間層次，先從每種傳感器提供的觀測(cè)數(shù)據(jù)中提取有代表性的特征，這些特征融合成單一的特征向量，然后運(yùn)用模式識(shí)別的方法進(jìn)行處理。這種方法的計(jì)算量及對(duì)通信帶寬的要求相對(duì)降低，但由于部分?jǐn)?shù)據(jù)的舍棄使其準(zhǔn)確性有所下降。

c）決策層融合：決策層融合屬于高層次的融合，根據(jù)不同通道的判決結(jié)果，經(jīng)過關(guān)聯(lián)處理和決策融合判決等手段來得到最后的決策結(jié)果。決策層融合的主要研究方法包括遺傳算法、貝葉斯決策、D-S證據(jù)推論法、人工神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)法等。決策層融合的主要優(yōu)勢(shì)在于它能夠?qū)Ω鱾€(gè)通道的信息進(jìn)行綜合考慮，從而得到更加準(zhǔn)確和可靠的決策結(jié)果。然而，由于對(duì)傳感器的數(shù)據(jù)進(jìn)行了濃縮，這種方法產(chǎn)生的結(jié)果相對(duì)而言最不準(zhǔn)確，但它的計(jì)算量及對(duì)通信帶寬的要求最低。

（二）決策單元

決策規(guī)劃是自動(dòng)駕駛的關(guān)鍵部分之一，如果將感知模塊比作人的“眼睛”和“耳朵”，那么決策規(guī)劃就是人的“大腦”。大腦在接收到傳感器的各種感知信息之后，對(duì)當(dāng)前環(huán)境做出分析，然后對(duì)底層控制模塊下達(dá)指令，這一過程就是決策規(guī)劃模塊的主要任務(wù)。同時(shí)，決策規(guī)劃單元可以處理復(fù)雜的場(chǎng)景，也是衡量和評(píng)價(jià)自動(dòng)駕駛能力最核心的指標(biāo)之一。

車輛的決策以橫縱向駕駛行為可分為：駕駛行為推理問題，如停車、避讓和車道保持等；速度決策問題，如加速、減速或保持速度等。實(shí)現(xiàn)自動(dòng)駕駛關(guān)鍵在于車輛的行為決策是否合理可行，如綜合車輛運(yùn)行環(huán)境及車輛信息，結(jié)合行駛目的做出具有安全性、可靠性以及合理性的駕駛行為是決策控制的難點(diǎn)亦是實(shí)現(xiàn)自動(dòng)駕駛的難點(diǎn)。應(yīng)對(duì)環(huán)境多變性、檢測(cè)不準(zhǔn)確性、交通復(fù)雜性、交規(guī)約束性等諸多車輛行駛不利因素，如何降低或消除其產(chǎn)生的不利影響，是行為決策模塊的研究重點(diǎn)。

此前已有許多應(yīng)對(duì)不同環(huán)境的決策方法，可分為基于規(guī)則的行為決策方法和基于統(tǒng)計(jì)的行為決策方法。目前應(yīng)用較廣的模型有基于有限狀態(tài)機(jī)模型和深度強(qiáng)化學(xué)習(xí)模型的自動(dòng)駕駛決策方法。

（1）基于有限狀態(tài)機(jī)的行為決策模型

有限狀態(tài)機(jī)模型作為經(jīng)典的智能車輛駕駛行為決策方法，因其結(jié)構(gòu)簡(jiǎn)單、控制邏輯清晰，多應(yīng)用于園區(qū)、港口等封閉場(chǎng)景。在這些封閉場(chǎng)景中道路具有固定的路線和節(jié)點(diǎn)，因此可預(yù)先設(shè)計(jì)行駛規(guī)則。這種預(yù)先設(shè)計(jì)行駛規(guī)則的方法將特定場(chǎng)景的車輛決策描述為離散事件，在不同場(chǎng)景通過不同事件觸發(fā)相應(yīng)的駕駛行為。這種基于事件響應(yīng)的模型稱為有限狀態(tài)機(jī)決策模型。

有限狀態(tài)機(jī)（Finite-State Machine，F(xiàn)SM）是對(duì)特定目標(biāo)在有限個(gè)狀態(tài)中由特定事件觸發(fā)使?fàn)顟B(tài)相互轉(zhuǎn)移并執(zhí)行相應(yīng)動(dòng)作的數(shù)學(xué)模型。已經(jīng)被廣泛應(yīng)用在特定場(chǎng)景無人駕駛車輛、機(jī)器人系統(tǒng)等領(lǐng)域。車輛根據(jù)當(dāng)前環(huán)境選擇合適的駕駛行為，如停車、換道、超車、避讓、緩慢行駛等模式，狀態(tài)機(jī)模型通過構(gòu)建有限的有向連通圖來描述不同的駕駛狀態(tài)以及狀態(tài)之間的轉(zhuǎn)移關(guān)系，從而根據(jù)駕駛狀態(tài)的遷移反應(yīng)式地生成駕駛動(dòng)作。此方法在簡(jiǎn)單場(chǎng)景時(shí)具有較高可靠性，很難勝任具有豐富結(jié)構(gòu)化特征的城區(qū)道路環(huán)境下的行為決策任務(wù)。

（2）基于深度強(qiáng)化學(xué)習(xí)的行為決策模型

深度學(xué)習(xí)（Deep Learning，DL）在圖像處理、語音識(shí)別、自然語言處理和視頻分析分類等方面的應(yīng)用取得了巨大的成功。所謂深度學(xué)習(xí)是指通過多層的神經(jīng)網(wǎng)絡(luò)和多種非線性變換函數(shù)，以組合低層特征的方式描述更加抽象的高層表示，這樣便可以發(fā)現(xiàn)數(shù)據(jù)的分布式特征。

深度學(xué)習(xí)來源于人們對(duì)于人工神經(jīng)網(wǎng)絡(luò)的深入研究。人們?cè)谌粘Ｉ?、學(xué)習(xí)等各種活動(dòng)中每時(shí)每刻都需要感知大量數(shù)據(jù)，但是人類總是能從這些龐大的數(shù)據(jù)中以一種無法解釋的方式獲得有用的數(shù)據(jù)，這種方式正是人腦思維方式導(dǎo)致的，并且腦力思維至今為止還沒有一種科學(xué)的方法來解釋。近年來，深度強(qiáng)化學(xué)習(xí)技術(shù)方法越來越廣泛的應(yīng)用于智能網(wǎng)聯(lián)車輛環(huán)境感知與決策系統(tǒng)。

（3）路徑規(guī)劃

智能網(wǎng)聯(lián)車輛的路徑規(guī)劃就是在進(jìn)行環(huán)境信息感知并確定車輛在環(huán)境中位置的基礎(chǔ)上，按照一定的搜索算法，找出一條可通行的路徑，進(jìn)而實(shí)現(xiàn)智能車輛的自主導(dǎo)航。

路徑規(guī)劃的方法根據(jù)智能網(wǎng)聯(lián)車輛工作環(huán)境信息的完整程度，可分為兩大類：

基于完整環(huán)境信息的全局路徑規(guī)劃方法。例如，從上海到北京有很多條路，規(guī)劃出一條作為行駛路線即為全局規(guī)劃。如柵格法、可視圖法、拓?fù)浞?、自由空間法、神經(jīng)網(wǎng)絡(luò)法等靜態(tài)路徑規(guī)劃算法。

基于傳感器實(shí)時(shí)獲取環(huán)境信息的局部路徑規(guī)劃方法。例如，在全局規(guī)劃好的上海到北京的那條路線上會(huì)有其他車輛或者障礙物，想要避過這些障礙物或者車輛，需要轉(zhuǎn)向調(diào)整車道，這就是局部路徑規(guī)劃。局部路徑規(guī)劃的方法包括人工勢(shì)場(chǎng)法、矢量域直方圖法、虛擬力場(chǎng)法、遺傳算法等動(dòng)態(tài)路徑規(guī)劃算法等。

（三）控制單元線控技術(shù)

隨著汽車智能化發(fā)展，智能汽車的感知識(shí)別、決策規(guī)劃、控制執(zhí)行三個(gè)核心系統(tǒng)中，與汽車零部件行業(yè)最貼近的是控制執(zhí)行端，也就是驅(qū)動(dòng)控制、轉(zhuǎn)向控制、制動(dòng)控制等，需要對(duì)傳統(tǒng)汽車的底盤進(jìn)行線控改造以適用于自動(dòng)駕駛。

傳統(tǒng)汽車底盤主要由傳動(dòng)系、行駛系、轉(zhuǎn)向系和制動(dòng)系四部分組成，四部分相互連通、相輔相成。線控底盤是對(duì)汽車底盤信號(hào)的傳導(dǎo)機(jī)制進(jìn)行線控改造，以電信號(hào)傳導(dǎo)替代機(jī)械信號(hào)傳導(dǎo)，從而使其更加適用于自動(dòng)駕駛車輛。具體來說，就是將駕駛員的操作命令傳輸給電子控制器，由電子控制器將信號(hào)傳輸給相應(yīng)的執(zhí)行機(jī)構(gòu)，最終由執(zhí)行機(jī)構(gòu)完成汽車轉(zhuǎn)向、制動(dòng)、驅(qū)動(dòng)等各項(xiàng)功能。在這一過程中，線控結(jié)構(gòu)替代了方向盤、剎車踏板與底盤之間的機(jī)械連接，將人力直接控制的整體式機(jī)械系統(tǒng)轉(zhuǎn)變?yōu)椴僮鞫撕驮O(shè)備端兩個(gè)相互獨(dú)立的部分，實(shí)現(xiàn)多來源電信號(hào)操作，使得線控底盤具備高精度、高安全性、高響應(yīng)速度等優(yōu)勢(shì)。

如果把自動(dòng)駕駛車輛比作人，那么線控底盤執(zhí)行機(jī)構(gòu)就是我們通常意義上的手和腳，用來做控制執(zhí)行，是自動(dòng)駕駛控制技術(shù)的核心部件。線控底盤主要有五大系統(tǒng)，分別為線控轉(zhuǎn)向、線控制動(dòng)、線控?fù)Q擋、線控油門、線控懸掛。從執(zhí)行端來看，線控油門、線控?fù)Q擋、線控空氣懸掛技術(shù)相對(duì)成熟，線控轉(zhuǎn)向和線控制動(dòng)是面向自動(dòng)駕駛執(zhí)行端最核心的產(chǎn)品。線控底盤是智能汽車實(shí)現(xiàn)L3及以上高階自動(dòng)駕駛的必要條件。

（1）線控制動(dòng)系統(tǒng)

線控技術(shù)（X-By-Wire）源于飛機(jī)的控制系統(tǒng)，其將飛行員的操縱命令轉(zhuǎn)化成電信號(hào)通過控制器控制飛機(jī)飛行。線控汽車采用同樣的控制方式，可利用傳感器感知駕駛?cè)说鸟{駛意圖，并將其通過導(dǎo)線輸送給控制器，控制器控制執(zhí)行機(jī)構(gòu)工作，實(shí)現(xiàn)汽車的轉(zhuǎn)向、制動(dòng)、驅(qū)動(dòng)等功能，從而取代傳統(tǒng)汽車靠機(jī)械或液壓來傳遞操縱信號(hào)的控制方式[1]。

制動(dòng)系統(tǒng)將朝著智能化、線控化的方向發(fā)展，線控制動(dòng)系統(tǒng)將取代以液壓和氣壓為主的傳統(tǒng)制動(dòng)控制系統(tǒng)，成為未來制動(dòng)系統(tǒng)的主流。線控制動(dòng)系統(tǒng)采用電子控制的方式，可以大幅減少制動(dòng)系統(tǒng)的反應(yīng)時(shí)間，作為“控制執(zhí)行層”中最關(guān)鍵組成之一，具備能量回收、響應(yīng)迅速、安全冗余、適應(yīng)高集成發(fā)展趨勢(shì)以實(shí)現(xiàn)底盤域控的目標(biāo)等優(yōu)勢(shì)。可以滿足未來高等級(jí)自動(dòng)駕駛系統(tǒng)的需求。

電子液壓制動(dòng)系統(tǒng)（Electronic Hydraulic Brake System，EHB）、電子機(jī)械制動(dòng)系統(tǒng)（Electro Mechanical Brake，EMB）是線控制動(dòng)的兩大技術(shù)路線。

EHB是由傳統(tǒng)液壓系統(tǒng)和電子控制單元構(gòu)成，相比EMB成本較低、制動(dòng)力充足，且冗余系統(tǒng)備份提升安全性，是目前主流線控制動(dòng)方案。

EMB為完全意義線控制動(dòng)，摒棄傳統(tǒng)制動(dòng)系統(tǒng)的制動(dòng)液及液壓管路等部件，由電機(jī)驅(qū)動(dòng)制動(dòng)器產(chǎn)生制動(dòng)力，仍處于發(fā)展初期。

從發(fā)展階段來看，線控制動(dòng)尚處于發(fā)展早期的階段，目前滲透率較低，僅有少量車型配置，新能源汽車配置相對(duì)較高。

（2）線控轉(zhuǎn)向系統(tǒng)

轉(zhuǎn)向系統(tǒng)經(jīng)歷四個(gè)發(fā)展階段，從最初的機(jī)械式轉(zhuǎn)向系統(tǒng)（Manual Steering，MS）發(fā)展到液壓轉(zhuǎn)向系統(tǒng)（Hydraulic Power Steering，HPS），然后又出現(xiàn)了電控液壓助力轉(zhuǎn)向系統(tǒng)（Electro Hydraulic Power Steering，EHPS），以及現(xiàn)在主流的電動(dòng)助力轉(zhuǎn)向系統(tǒng)（Electro Power Steering, EPS）。

EPS系統(tǒng)主要由扭矩傳感器、車速傳感器、電動(dòng)機(jī)、減速機(jī)構(gòu)和電子控制單元等組成。駕駛員在操作方向盤進(jìn)行轉(zhuǎn)向時(shí)，扭矩傳感器檢測(cè)到轉(zhuǎn)向盤的轉(zhuǎn)向以及轉(zhuǎn)矩的大小，將電壓信號(hào)傳送到電子控制單元。電子控制單元根據(jù)轉(zhuǎn)矩傳感器檢測(cè)到的轉(zhuǎn)矩電壓信號(hào)、轉(zhuǎn)動(dòng)方向和車速信號(hào)等，向助力電機(jī)發(fā)出指令，使電動(dòng)機(jī)輸出響應(yīng)大小和方向的轉(zhuǎn)向助力轉(zhuǎn)矩，從而產(chǎn)生輔助助力。

智能化推動(dòng)線控轉(zhuǎn)向成為新的趨勢(shì)，對(duì)于L3及以上的智能駕駛車輛，部分或全程的駕駛工況，會(huì)脫離駕駛員的操控，對(duì)轉(zhuǎn)向系統(tǒng)的控制精確性、可靠性要求會(huì)更高，因此只有線控轉(zhuǎn)向可以滿足。

從發(fā)展階段來看，當(dāng)前線控轉(zhuǎn)向尚處于早期發(fā)展階段，目前滲透率較低，僅在少量車型配備，隨著自動(dòng)駕駛的需求不斷提高，線控轉(zhuǎn)向的需求將會(huì)不斷提高。在線控轉(zhuǎn)向方面，也需要充分考慮冗余方案，冗余環(huán)節(jié)包括供電電源冗余、電源分配冗余、扭矩轉(zhuǎn)角傳感器冗余、微控制器MCU冗余、電機(jī)控制及驅(qū)動(dòng)冗余、電機(jī)本體冗余等，從而可以在任意單點(diǎn)失效的情況下，系統(tǒng)仍然具備一定的轉(zhuǎn)向助力能力，確保車輛的橫向控制功能不受影響。線控轉(zhuǎn)向取消轉(zhuǎn)了方向盤與轉(zhuǎn)向輪之間的機(jī)械連接，具備體積小、安全性高等優(yōu)勢(shì)，更加貼合高級(jí)別自動(dòng)駕駛的需求，未來滲透率有望快速提升。

參考文獻(xiàn)

[1] 信達(dá)證券.汽車行業(yè)線控底盤系列研究之四：線控轉(zhuǎn)向，邁向高階能駕駛，2023年迎量產(chǎn)元年[EB/OL].2022,12.