汽車(chē)智能輔助駕駛系統(tǒng)技術(shù) 課件 第1-7章 需求分析-車(chē)道偏離報(bào)警系統(tǒng)

第一章

需求分析-1-1.1需求挖掘

近年來(lái)，配備ADAS功能的汽車(chē)數(shù)量不斷增加，這種智能化的趨勢(shì)正在深刻地改變著汽車(chē)生產(chǎn)和人們的生活方式。ADAS為汽車(chē)提供了更安全、更舒適的駕駛體驗(yàn)，有助于減少交通事故的發(fā)生并提高交通效率。

中國(guó)汽車(chē)工業(yè)協(xié)會(huì)的測(cè)算顯示，到2025年，ADAS主要功能市場(chǎng)規(guī)模將達(dá)到1600億元，同比增長(zhǎng)25%。隨著5G、人工智能等技術(shù)的不斷發(fā)展，預(yù)計(jì)到2030年，ADAS市場(chǎng)規(guī)模將達(dá)到3500億元。其中，L2及以下級(jí)別功能中的自動(dòng)泊車(chē)入位和自適應(yīng)巡航將繼續(xù)保持高速增長(zhǎng)，分別貢獻(xiàn)600億元和500億元的市場(chǎng)規(guī)模。此外，L3及以上級(jí)別的自動(dòng)駕駛功能也將成為市場(chǎng)的新增亮點(diǎn)。第一章

需求分析-1-1.2標(biāo)準(zhǔn)法規(guī)分析１國(guó)際法規(guī)國(guó)際上，聯(lián)合國(guó)歐洲經(jīng)濟(jì)委員會(huì)（UNECE）是輔助駕駛系統(tǒng)法規(guī)制定的重要機(jī)構(gòu)。UNECE制定了一系列相關(guān)的規(guī)則和標(biāo)準(zhǔn)，其中包括對(duì)自動(dòng)駕駛車(chē)輛的定義和分類(lèi)、車(chē)輛安全性能要求、駕駛?cè)吮O(jiān)控要求等。2亞洲法規(guī)亞洲地區(qū)也在積極推動(dòng)輔助駕駛系統(tǒng)和自動(dòng)駕駛系統(tǒng)的發(fā)展，并制定了相應(yīng)的法規(guī)和標(biāo)準(zhǔn)。例如，我國(guó)上海市發(fā)布了《關(guān)于推進(jìn)自動(dòng)駕駛車(chē)輛道路測(cè)試的實(shí)施細(xì)則》，明確了自動(dòng)駕駛車(chē)輛測(cè)試的程序和要求。第一章

需求分析運(yùn)行設(shè)計(jì)域

是自動(dòng)駕駛汽車(chē)能夠正常安全行駛的外部條件，如道路類(lèi)型、行駛區(qū)域、速度、環(huán)境

（天氣、白天／夜間等）等。ＯＤＤ定義了自動(dòng)駕駛系統(tǒng)的自動(dòng)駕駛能力，制造商應(yīng)定義每個(gè)自動(dòng)駕駛系統(tǒng)的運(yùn)行設(shè)計(jì)域。這些條件包括但不限于道路類(lèi)型、行駛區(qū)域、速度、環(huán)境、時(shí)間的限制及道路特性等。-1-1.3運(yùn)行設(shè)計(jì)域定義第一章

需求分析-1-1.4場(chǎng)景分析１自適應(yīng)巡航控制（ACC）系統(tǒng)自適應(yīng)巡航控制系統(tǒng)是一種汽車(chē)輔助駕駛系統(tǒng)，通過(guò)使用雷達(dá)、激光或攝像頭等傳感器，實(shí)時(shí)感知和監(jiān)測(cè)前方車(chē)輛的距離和速度，并根據(jù)預(yù)設(shè)的車(chē)距和速度范圍，自動(dòng)調(diào)整車(chē)輛的巡航速度和距離。２自動(dòng)緊急制動(dòng)(AEB)

自動(dòng)緊急制動(dòng)是一項(xiàng)汽車(chē)安全技術(shù)，旨在幫助駕駛?cè)吮苊馀鲎不驕p輕碰撞的后果。第一章

需求分析-1-1.5系統(tǒng)需求１安全性需求１）預(yù)防事故：輔助駕駛和自動(dòng)駕駛系統(tǒng)需要具備預(yù)測(cè)和避免事故的能力，能夠識(shí)別并警示駕駛?cè)擞袧撛谖ｋU(xiǎn)的情況，如碰撞、追尾、偏離車(chē)道等，并采取相應(yīng)的控制措施。２）自動(dòng)駕駛能力：自動(dòng)駕駛系統(tǒng)需要能夠完全接管車(chē)輛的駕駛?cè)蝿?wù)，在各種道路和交通條件下都能夠安全駕駛，并能夠應(yīng)對(duì)突發(fā)情況和不可預(yù)見(jiàn)的道路情況。３）通信與協(xié)同：輔助駕駛和自動(dòng)駕駛系統(tǒng)需要能夠與其他車(chē)輛、交通設(shè)施和交通管理系統(tǒng)進(jìn)行通信和協(xié)同，實(shí)現(xiàn)車(chē)輛之間的協(xié)同行駛和交通信息的共享，以提高道路交通的安全性。４）數(shù)據(jù)安全：輔助駕駛和自動(dòng)駕駛系統(tǒng)需要具備強(qiáng)大的數(shù)據(jù)安全能力，包括對(duì)車(chē)輛數(shù)據(jù)的保護(hù)、防止黑客攻擊和數(shù)據(jù)泄露等，以確保對(duì)駕駛過(guò)程安全和隱私的保護(hù)。２舒適性需求１）自動(dòng)駕駛體驗(yàn)：自動(dòng)駕駛系統(tǒng)需要提供良好的自動(dòng)駕駛體驗(yàn)，包括平穩(wěn)加減速、轉(zhuǎn)彎和換道等動(dòng)作，以及舒適的駕駛環(huán)境，如降低噪聲、減小振動(dòng)和疲勞等。２）駕駛?cè)吮O(jiān)控：輔助駕駛系統(tǒng)需要對(duì)駕駛?cè)诉M(jìn)行監(jiān)控，確保其能夠及時(shí)接管駕駛?cè)蝿?wù)，并防止駕駛?cè)艘蜻^(guò)度依賴系統(tǒng)而忽略對(duì)駕駛的關(guān)注。３便利性需求１）自動(dòng)泊車(chē)：輔助駕駛和自動(dòng)駕駛系統(tǒng)需要具備自動(dòng)泊車(chē)功能，能夠幫助駕駛?cè)送瓿赏＼?chē)操作，減少駕駛?cè)说牟僮鳠篮屯＼?chē)難題。２）路線規(guī)劃：輔助駕駛系統(tǒng)需要提供智能的路線規(guī)劃功能，能夠根據(jù)駕駛?cè)说男枨蠛蛯?shí)時(shí)交通情況，為駕駛?cè)颂峁┳罴训男旭偮肪€和時(shí)間預(yù)估。第二章

系統(tǒng)架構(gòu)設(shè)計(jì)-1-2.1功能架構(gòu)智能駕駛功能軟件平臺(tái)基于不同廠商的技術(shù)實(shí)現(xiàn)方案進(jìn)行功能抽象，共分為以下六個(gè)功能模塊：傳感器功能、感知融合功能、預(yù)測(cè)功能、決策規(guī)劃功能、定位功能和執(zhí)行器。第二章

系統(tǒng)架構(gòu)設(shè)計(jì)-1-2.2物理架構(gòu)１傳感器傳感器是智能駕駛系統(tǒng)的感知部件，用于感知車(chē)輛周?chē)沫h(huán)境信息。常見(jiàn)的傳感器包括攝像頭、激光雷達(dá)、毫米波雷達(dá)、超聲波傳感器等。２計(jì)算單元計(jì)算單元是智能駕駛系統(tǒng)的核心部件，負(fù)責(zé)處理和分析傳感器獲取的數(shù)據(jù)，實(shí)現(xiàn)對(duì)車(chē)輛行為和周?chē)h(huán)境的理解。３執(zhí)行器執(zhí)行器是智能駕駛系統(tǒng)的執(zhí)行部件，負(fù)責(zé)根據(jù)系統(tǒng)的決策輸出來(lái)控制車(chē)輛的行駛。執(zhí)行器通常包括電動(dòng)機(jī)、電液伺服系統(tǒng)、制動(dòng)器等。第三章

環(huán)境感知無(wú)人駕駛環(huán)境感知是指無(wú)人駕駛系統(tǒng)通過(guò)感知器件對(duì)周?chē)h(huán)境進(jìn)行實(shí)時(shí)感知和理解的過(guò)程。它是實(shí)現(xiàn)自動(dòng)駕駛功能的關(guān)鍵步驟，為系統(tǒng)提供了對(duì)道路、車(chē)輛、行人和障礙物等環(huán)境信息的準(zhǔn)確感知，以便進(jìn)行決策和控制。無(wú)人駕駛環(huán)境感知涉及傳感器選擇和布置、數(shù)據(jù)融合、目標(biāo)檢測(cè)與識(shí)別、場(chǎng)景理解與感知，以及動(dòng)態(tài)障礙物檢測(cè)與跟蹤等多個(gè)方面。環(huán)境感知的準(zhǔn)確性和實(shí)時(shí)性對(duì)于無(wú)人駕駛系統(tǒng)的安全性和可靠性具有重要影響，因此需要進(jìn)行合理的設(shè)計(jì)和算法優(yōu)化。本節(jié)將對(duì)部分傳感器進(jìn)行簡(jiǎn)要介紹。超聲波傳感器紅外傳感器激光雷達(dá)毫米波雷達(dá)立體視覺(jué)3.2.1超聲波傳感器1.工作原理本節(jié)將詳細(xì)介紹超聲波傳感器的原理。超聲波是指頻率超過(guò)人類(lèi)聽(tīng)覺(jué)范圍(20Hz-20kHz)的聲波。超聲波傳感器利用超聲波在空氣中的傳播特性來(lái)實(shí)現(xiàn)測(cè)距和目標(biāo)檢測(cè)。1）發(fā)射2）傳播3）接收

4）信號(hào)處理

5）數(shù)據(jù)分析和識(shí)別2.超聲波傳感器類(lèi)型根據(jù)超聲波傳感器的工作原理和傳感器類(lèi)型，可以將超聲波傳感器分為以下4種類(lèi)型：1）聲導(dǎo)波傳感器（GuidedWaveSensor）2）空氣耦合傳感器（AirCoupledSensor）3）聲吶傳感器（SonarSensor）4）聲表面波傳感器（SurfaceAcousticWaveSensor）3.超聲波傳感器優(yōu)勢(shì)與劣勢(shì)（1）優(yōu)勢(shì)1）非接觸式測(cè)量

2）超強(qiáng)的穿透能錄3）寬范圍的測(cè)量距離4）高精度的測(cè)量

5）多功能性6）可靠性高（2）劣勢(shì)1）受環(huán)境干擾2）距離分辨率有限3）無(wú)法穿透透明材料4）信號(hào)傳輸有限

5）較慢的測(cè)量速度3.2.2毫米波雷達(dá)1.工作原理在3.1節(jié)中簡(jiǎn)單介紹了毫米波雷達(dá)原理，本節(jié)將進(jìn)行詳細(xì)介紹，其工作原理如下：1）發(fā)射毫米波信號(hào)2）接收反射信號(hào)3）信號(hào)處理

4）距離測(cè)量

5）速度測(cè)量6）方向測(cè)量2.毫米波雷達(dá)類(lèi)型毫米波雷達(dá)可以按照工作原理、探測(cè)距離和頻段進(jìn)行分類(lèi)。1）按工作原理分類(lèi)。毫米波雷達(dá)按工作原理的不同可以分為脈沖式毫米波雷達(dá)與調(diào)頻式連續(xù)毫米波雷達(dá)兩類(lèi)。2）按探測(cè)距離分類(lèi)。毫米波雷達(dá)按探測(cè)距離可分為短程、中程和遠(yuǎn)程毫米波雷達(dá)。3）按頻段分類(lèi)。毫米波雷達(dá)按采用的毫米波頻段不同，分為24GHz、60GHz、77GHz和79GHz毫米波雷達(dá)。3.優(yōu)勢(shì)與劣勢(shì)（1）優(yōu)點(diǎn)1）探測(cè)距離遠(yuǎn)

2）探測(cè)性能好

3）響應(yīng)速度快4）適應(yīng)能力強(qiáng)

5）抗干擾能力強(qiáng)

（2）劣勢(shì)1）覆蓋區(qū)域呈扇形，有盲點(diǎn)區(qū)域。

2）無(wú)法識(shí)別交通標(biāo)志。3）無(wú)法識(shí)別交通信號(hào)。3.2.3激光雷達(dá)利用激光雷達(dá)測(cè)距技術(shù)可以得到車(chē)輛周?chē)纳疃刃畔ⅲ瑥亩梢詼?zhǔn)確地發(fā)現(xiàn)車(chē)輛周?chē)嬖诘恼系K。本節(jié)以64線VelodyneHDL-64ES2激光雷達(dá)為例，分別對(duì)它們的性能參數(shù)、數(shù)據(jù)通信及數(shù)據(jù)校驗(yàn)方式等進(jìn)行介紹。1.HDL-64ES2激光雷達(dá)簡(jiǎn)介VelodyneHDL-64ES2激光雷達(dá)是一款多光束三維成像激光掃描系統(tǒng)，被廣泛應(yīng)用于無(wú)人駕駛和三維地圖等領(lǐng)域。VelodyneHDL-64ES2激光雷達(dá)共有64線激光掃描束，在其內(nèi)部按垂直方向排列，垂直方向的可視范圍為26.8°。2.HDL-64ES2激光雷達(dá)的接口HDL-64ES2激光雷達(dá)與上位機(jī)之間的數(shù)據(jù)通信可以通過(guò)串口和網(wǎng)絡(luò)接口兩種方式進(jìn)行。3.HDL-64ES2激光雷達(dá)的數(shù)據(jù)協(xié)議HDL-64ES2激光雷達(dá)使用UDP向上位機(jī)發(fā)送測(cè)量數(shù)據(jù)，數(shù)據(jù)以UDP數(shù)據(jù)包的形式進(jìn)行傳輸。每個(gè)數(shù)據(jù)包包含激光雷達(dá)返回的距離信息和角度信息。激光發(fā)射器和接收器分為上層和下層，每層分別有32對(duì)激光發(fā)射器和接收器。

4.HDL-64ES2激光雷達(dá)的幾何模型

3.2.4視覺(jué)傳感器1.視覺(jué)傳感器原理視覺(jué)傳感器的原理是基于光的傳播和反射原理。當(dāng)光照射到物體上時(shí)，部分光線被物體表面反射，并進(jìn)入到視覺(jué)傳感器中。傳感器通過(guò)感光元件接收光信號(hào)，并將其轉(zhuǎn)化為電信號(hào)，其感光元件一般采用光敏材料，如硅、銦鎵和硒化鎘等。這些光敏材料可以將光能轉(zhuǎn)化為電能，實(shí)現(xiàn)光電轉(zhuǎn)換。接下來(lái)，電信號(hào)經(jīng)過(guò)模數(shù)轉(zhuǎn)換，被數(shù)字信號(hào)處理器處理，最終生成圖像信息。2.視覺(jué)傳感器分類(lèi)根據(jù)不同的原理和技術(shù)，視覺(jué)傳感器可以分為以下4類(lèi)：1）電荷耦合器件（Charge-CoupledDevice，CCD）傳感器2）互補(bǔ)金屬氧化物半導(dǎo)體（ComplementaryMetal-Oxide-Semiconductor，CMOS）傳感器3）紅外傳感器4）飛行時(shí)間（TimeofFlight，TOF）傳感器3.視覺(jué)傳感器優(yōu)勢(shì)和劣勢(shì)（1）優(yōu)勢(shì)1）高分辨率2）多功能性3）實(shí)時(shí)性4）非接觸性

（2）劣勢(shì)1）受光照條件影響2）處理復(fù)雜場(chǎng)景困難3）數(shù)據(jù)量大4）成本較高4.視覺(jué)傳感器處理算法1）邊緣檢測(cè)算法2）特征提取算法3）目標(biāo)檢測(cè)算法4）圖像分割算法

3.2.5V2X技術(shù)V2X技術(shù)，即車(chē)聯(lián)網(wǎng)技術(shù)，是指車(chē)輛與其他交通參與者（如道路設(shè)施、行人、其他車(chē)輛等）之間進(jìn)行信息交換和通信的技術(shù)。V2X技術(shù)包括以下4個(gè)方面：1）V2V（Vehicle-to-Vehicle）技術(shù)

2）V2I（Vehicle-to-Infrastructure）技術(shù)3）V2P（Vehicle-to-Pedestrian）技術(shù)4）V2N（Vehicle-to-Network）技術(shù)1.DSRC技術(shù)車(chē)輛專(zhuān)用短程通信(DedicatedShort-RangeCommunications，DSRC)技術(shù)發(fā)展較早，可以追溯至2004年。當(dāng)時(shí)，IEEE在其802.11無(wú)線局域網(wǎng)(WirelessLocalAreaNetworks,WLAN)標(biāo)準(zhǔn)系列下，開(kāi)始制定新的車(chē)載通信標(biāo)準(zhǔn)。這一標(biāo)準(zhǔn)即IEEE802.11p。在2007年左右，IEEE802.11p標(biāo)準(zhǔn)已經(jīng)趨于穩(wěn)定。而DSRC所采用的通信標(biāo)準(zhǔn)是IEEE802.11p和1609.x。2.C-V2X技術(shù)3GPP在2017年發(fā)布的第14版本(Release14)的LTE技術(shù)中明確支持了V2X，從而為V2X通信引入了基于LTE蜂窩技術(shù)的第二條技術(shù)路線，即C-V2X(CellularV2X)，也稱(chēng)為L(zhǎng)TE-V2X。就目前而言，主要有兩種通信模式存在：集中式（LTE-V-Cell）和分布式（LTE-V-Direct）。

3.3定位技術(shù)3.3.1車(chē)輛定位需求車(chē)輛定位在無(wú)人駕駛和智能交通系統(tǒng)中有多種需求，包括以下6個(gè)方面：

1）精度要求：無(wú)人駕駛車(chē)輛定位需要達(dá)到很高的精度，通常在幾厘米到幾米之間。精確的定位可以幫助車(chē)輛準(zhǔn)確感知周?chē)沫h(huán)境和障礙物，并做出相應(yīng)的決策和控制。2)實(shí)時(shí)性要求：車(chē)輛定位需要實(shí)時(shí)更新，以確保車(chē)輛能夠及時(shí)獲取最新的位置信息并做出相應(yīng)的行駛決策。實(shí)時(shí)性要求可以幫助車(chē)輛應(yīng)對(duì)動(dòng)態(tài)的交通情況和環(huán)境變化。3)可靠性要求：車(chē)輛定位需要具有高度的可靠性，以確保定位結(jié)果的準(zhǔn)確性和穩(wěn)定性?？煽康亩ㄎ豢梢詼p少定位誤差和不確定性，為車(chē)輛提供準(zhǔn)確的位置信息。4)魯棒性要求：車(chē)輛定位需要具有一定的魯棒性，能夠在復(fù)雜的環(huán)境條件下正常運(yùn)行。例如，在惡劣的天氣條件下、在高樓大廈密集的城市區(qū)域或隧道等特殊環(huán)境中，車(chē)輛定位系統(tǒng)仍然需要能夠提供準(zhǔn)確的定位結(jié)果。5)數(shù)據(jù)融合要求：車(chē)輛定位通常需要將來(lái)自不同傳感器的數(shù)據(jù)進(jìn)行融合，以提高定位的準(zhǔn)確性和可靠性。例如，將GPS數(shù)據(jù)與激光雷達(dá)或攝像頭數(shù)據(jù)進(jìn)行融合，可以提供更全面、準(zhǔn)確的車(chē)輛位置信息。6)安全性要求：車(chē)輛定位在無(wú)人駕駛和智能交通系統(tǒng)中是關(guān)鍵的安全性能之一。準(zhǔn)確的車(chē)輛定位可以幫助車(chē)輛及時(shí)識(shí)別和避免潛在的危險(xiǎn)情況，提高行駛安全性。

3.3定位技術(shù)3.3.2車(chē)輛定位要素車(chē)輛定位要素主要包括以下6個(gè)方面：1)

定位技術(shù)：車(chē)輛定位需要利用不同的技術(shù)手段來(lái)獲取車(chē)輛的位置信息。常見(jiàn)的定位技術(shù)包括全球衛(wèi)星定位系統(tǒng)(如GPS)、慣性導(dǎo)航系統(tǒng)、激光雷達(dá)、攝像頭等。不同的定位技術(shù)具有不同的精度、實(shí)時(shí)性和適用場(chǎng)景，可以根據(jù)具體需求選擇適合的技術(shù)。2)傳感器：車(chē)輛定位需要借助各種傳感器來(lái)獲取周?chē)h(huán)境和車(chē)輛狀態(tài)的信息。常見(jiàn)的傳感器包括GPS接收器、慣性測(cè)量單元(IMU)、激光雷達(dá)、攝像頭、雷達(dá)等。傳感器的選擇和配置可以根據(jù)應(yīng)用場(chǎng)景和要求來(lái)確定。3)數(shù)據(jù)融合：車(chē)輛定位需要將來(lái)自不同傳感器的數(shù)據(jù)進(jìn)行融合，以提高定位的準(zhǔn)確性和可靠性。數(shù)據(jù)融合可以利用濾波算法、卡爾曼濾波、粒子濾波等方法來(lái)融合傳感器數(shù)據(jù)，并得到更準(zhǔn)確的車(chē)輛位置信息。4)

定位算法：車(chē)輛定位需要借助定位算法來(lái)處理傳感器數(shù)據(jù)，并計(jì)算出車(chē)輛的位置信息。常見(jiàn)的定位算法包括基于衛(wèi)星信號(hào)的GPS定位算法、慣性導(dǎo)航算法、環(huán)境特征匹配算法等。定位算法的選擇和設(shè)計(jì)可以根據(jù)具體需求和場(chǎng)景來(lái)確定。5）車(chē)輛標(biāo)識(shí)：車(chē)輛定位通常需要為每輛車(chē)輛分配唯一的標(biāo)識(shí)符，以區(qū)分不同的車(chē)輛。車(chē)輛標(biāo)識(shí)可以是車(chē)輛的車(chē)牌號(hào)碼、車(chē)輛識(shí)別碼(VIN)或其他唯一的標(biāo)識(shí)符。6)數(shù)據(jù)通信：車(chē)輛定位需要將獲取的位置信息傳輸?shù)狡渌到y(tǒng)或設(shè)備中進(jìn)行處理或顯示。數(shù)據(jù)通信可以通過(guò)無(wú)線網(wǎng)絡(luò)(如4G、5G)、車(chē)載通信系統(tǒng)或其他通信方式來(lái)實(shí)現(xiàn)。3.3定位技術(shù)3.3.3車(chē)輛定位技術(shù)1.

GPS定位技術(shù)GPS定位技術(shù)是通過(guò)接收衛(wèi)星信號(hào)來(lái)確定接收器的位置、速度和時(shí)間的一種技術(shù)。它是目前最常用和最廣泛的車(chē)輛定位技術(shù)之一。GPS定位技術(shù)具有以下優(yōu)點(diǎn)：1)高精度2)

全球覆蓋3)實(shí)時(shí)性

4)易于使用

2.RTK技術(shù)實(shí)時(shí)動(dòng)態(tài)(Real-TimeKinematic，RTK)定位技術(shù)是種高精度的實(shí)時(shí)差分定位技術(shù)，通過(guò)使用附加的基準(zhǔn)站和差分信號(hào)處理來(lái)提供亞米級(jí)別甚至更高的定位精度。RTK定位技術(shù)具有以下優(yōu)點(diǎn):1)

高精度2)實(shí)時(shí)性3)可靠性3.IMU慣性導(dǎo)航定位技術(shù)IMU慣性導(dǎo)航定位技術(shù)是種基于慣性傳感器測(cè)量原理的定位技術(shù)。它通過(guò)測(cè)量物體在空間中的加速度和角速度，推算出物體的位置和姿態(tài)信息。本節(jié)將詳細(xì)介紹IMU慣性導(dǎo)航定位技術(shù)的原理、組成、工作流程、應(yīng)用領(lǐng)域及挑戰(zhàn)。4.激光雷達(dá)定位技術(shù)激光雷達(dá)定位技術(shù)是一種基于激光雷達(dá)的定位和導(dǎo)航技術(shù)。激光雷達(dá)通過(guò)發(fā)射激光束并測(cè)量反射回來(lái)的光信號(hào)來(lái)感知周?chē)h(huán)境，通過(guò)對(duì)激光束的測(cè)量數(shù)據(jù)進(jìn)行處理和分析，可以實(shí)現(xiàn)對(duì)機(jī)器人、車(chē)輛或其他移動(dòng)設(shè)備的精確定位和導(dǎo)航。本節(jié)將對(duì)激光雷達(dá)定位技術(shù)進(jìn)行詳細(xì)介紹，并對(duì)其原理、應(yīng)用和挑戰(zhàn)進(jìn)行探討。4.1概述決策規(guī)劃是智能輔助駕駛系統(tǒng)的重要組成部分，主要由軌跡預(yù)測(cè)、行為決策以及路徑規(guī)劃模塊構(gòu)成。軌跡預(yù)測(cè)涉及對(duì)周?chē)煌▍⑴c者的未來(lái)運(yùn)動(dòng)路徑進(jìn)行預(yù)測(cè)，能夠提前判斷其他交通參與者的行為，讓系統(tǒng)可以在復(fù)雜的交通環(huán)境中做出更明智的決策，如調(diào)整自身的行駛路徑、速度，或者進(jìn)行緊急規(guī)避，從而避免潛在的事故。行為決策和路徑規(guī)劃模塊實(shí)時(shí)制定駕駛策略和規(guī)劃路徑，通過(guò)制定合適的行為策略，使車(chē)輛更好地與周?chē)h(huán)境互動(dòng)，遵循交通規(guī)則，避免碰撞和沖突。-1-決策規(guī)劃模塊組成4.2預(yù)測(cè)簡(jiǎn)介軌跡預(yù)測(cè)問(wèn)題可以表述為：利用給定場(chǎng)景中交通參與者的過(guò)去狀態(tài)來(lái)預(yù)估其未來(lái)狀態(tài)-2-感知模塊實(shí)時(shí)輸入智能體運(yùn)動(dòng)軌跡智能體類(lèi)型高精地圖先驗(yàn)輸入車(chē)道線位置、類(lèi)型0.050.050.10.10.20.5位移ΔX1ΔX2全局位置X1X2X3預(yù)測(cè)模塊輸出4.3預(yù)測(cè)算法軌跡預(yù)測(cè)方法分類(lèi)物理學(xué)方法僅考慮動(dòng)力學(xué)單軌跡模型卡爾曼濾波法傳統(tǒng)機(jī)器學(xué)習(xí)方法高斯過(guò)程支持向量機(jī)隱馬爾可夫動(dòng)態(tài)貝葉斯深度學(xué)習(xí)方法循環(huán)神經(jīng)網(wǎng)絡(luò)卷積神經(jīng)網(wǎng)絡(luò)注意力機(jī)制圖神經(jīng)網(wǎng)絡(luò)-3-4.3.1基于物理學(xué)的方法-4-

物理模型物理模型分為動(dòng)力學(xué)模型和運(yùn)動(dòng)學(xué)模型兩種。動(dòng)力學(xué)模型可能具有多個(gè)參數(shù)，其中一些為固有參數(shù)，這些參數(shù)使得模型更加復(fù)雜且增加了計(jì)算負(fù)擔(dān)，然而在預(yù)測(cè)精度方面所帶來(lái)的收益非常小。因此，通常采用一些簡(jiǎn)單的動(dòng)力學(xué)模型，如二自由度自行車(chē)模型。4.3.1基于物理學(xué)的方法-5-單軌跡模型

將車(chē)輛的當(dāng)前狀態(tài)直接應(yīng)用于物理模型是預(yù)測(cè)車(chē)輛軌跡最簡(jiǎn)單的方法。這種方法適用于動(dòng)力學(xué)模型和運(yùn)動(dòng)學(xué)模型，計(jì)算效率高，特別適用于約束較少的場(chǎng)景。然而，該方法的局限性在于無(wú)法考慮道路相關(guān)因素和當(dāng)前狀態(tài)的不確定性，因此在進(jìn)行長(zhǎng)期預(yù)測(cè)時(shí)可能會(huì)出現(xiàn)較大的誤差。4.3.1基于物理學(xué)的方法-6-

卡爾曼濾波卡爾曼濾波法通過(guò)對(duì)當(dāng)前車(chē)輛狀態(tài)和物理模型的不確定性或噪聲進(jìn)行高斯分布建模，從而實(shí)現(xiàn)對(duì)車(chē)輛軌跡預(yù)測(cè)的精確處理?？柭鼮V波法將預(yù)測(cè)和更新步驟組合為一個(gè)循環(huán)，以獲得每個(gè)未來(lái)時(shí)間步長(zhǎng)上車(chē)輛狀態(tài)的平均值和協(xié)方差，通過(guò)這種方式計(jì)算得到的平均軌跡具有相關(guān)不確定性。相較于之前的方法，卡爾曼濾波法的優(yōu)點(diǎn)在于它考慮了軌跡預(yù)測(cè)的不確定性。4.3.2基于經(jīng)典機(jī)器學(xué)習(xí)的方法-7-將車(chē)輛的軌跡劃分為若干種原型軌跡的集合。該模型測(cè)量歷史軌跡和原型集之間的相似性，以預(yù)測(cè)可能的軌跡。需要提前預(yù)先定義駕駛員的操縱，通過(guò)歷史軌跡找出對(duì)應(yīng)的駕駛員操作分類(lèi)，根據(jù)分類(lèi)進(jìn)行軌跡預(yù)測(cè)。二者都做了一定的前提和假設(shè)高斯過(guò)程預(yù)設(shè)了車(chē)輛的可能軌跡支持向量機(jī)預(yù)設(shè)了駕駛員行為性能受到分類(lèi)的影響高斯過(guò)程支持向量機(jī)4.3.1基于經(jīng)典機(jī)器學(xué)習(xí)的方法-8-隱馬爾科夫模型也是一種基于機(jī)動(dòng)的方法。但是觀察到了其隱藏狀態(tài)，故在軌跡預(yù)測(cè)方面強(qiáng)于支持向量機(jī)DBN的體系結(jié)構(gòu)包括行為層、隱藏層和觀察層。在這里第一次考慮了車(chē)輛之間的交互狀態(tài)。隱馬爾科夫模型觀察狀態(tài)集相關(guān)聯(lián)的隱狀態(tài)概率來(lái)進(jìn)行預(yù)測(cè)，在駕駛員行為操作方面取得了巨大的成功動(dòng)態(tài)貝葉斯能模擬交通參與者之間的交互作用隱馬爾科夫模型動(dòng)態(tài)貝葉斯4.3.1基于經(jīng)典機(jī)器學(xué)習(xí)的方法-9-開(kāi)始了基于數(shù)據(jù)的方法，為軌跡預(yù)測(cè)提供了新的思路促進(jìn)了基于學(xué)習(xí)的方法的發(fā)展隨著考慮的因素越來(lái)越多，準(zhǔn)確性將不斷提高難以表征多模態(tài)的軌跡和行為模式手工對(duì)特征以及場(chǎng)景的構(gòu)建難度大交互很少，長(zhǎng)期預(yù)測(cè)準(zhǔn)確率低4.3.1基于深度學(xué)習(xí)的方法-10-未來(lái)軌跡輸出歷史軌跡特征RNNcellRNNcellRNNcell……序列輸入LSTMGRURNN存儲(chǔ)先前時(shí)間步的信息，并利用隱藏狀態(tài)與輸入一起確定輸出,即具有處理與融合時(shí)間序列上數(shù)據(jù)的能力；軌跡預(yù)測(cè)任務(wù)本質(zhì)上屬于時(shí)間序列上的任務(wù)，故RNN模型在軌跡預(yù)測(cè)上取得了很大的成功RNN4.3.1基于深度學(xué)習(xí)的方法-11-CNNKernelCNNKernelCNNKernel軌跡與場(chǎng)景特征……CNN能夠提取空間特征，包括交通參與者之間的交互相關(guān)因素也有人利用卷積的強(qiáng)大特征提取能力在時(shí)間維度上提取序列信息但是在卷積神經(jīng)網(wǎng)絡(luò)時(shí)候需要將原始輸入創(chuàng)建為柵格圖的形式，這樣會(huì)造成難以建模環(huán)境元素之間的拓?fù)潢P(guān)系，而且在長(zhǎng)直道路環(huán)境下會(huì)造成很大的參數(shù)浪費(fèi)CNN4.3.1基于深度學(xué)習(xí)的方法-12-引入注意力機(jī)制，神經(jīng)網(wǎng)絡(luò)能夠自動(dòng)地學(xué)習(xí)并選擇性地關(guān)注輸入中的重要信息，提高模型的性能和泛化能力。Transformer近期在各個(gè)任務(wù)中均取得了較好的效果。4.3.1基于深度學(xué)習(xí)的方法-13-柵格圖向量化輸入[11]CNNKernel每條軌跡、車(chē)道線全部用向量表示，并構(gòu)建成圖鄰接矩陣來(lái)表達(dá)向量之間的關(guān)系向量之間的拓?fù)潢P(guān)系被連續(xù)細(xì)致且具有語(yǔ)義的聯(lián)系起來(lái)4.3.1基于深度學(xué)習(xí)的方法-14-生成對(duì)抗網(wǎng)絡(luò)主要由生成器和判別器兩部分組成。生成器用于生成類(lèi)似真實(shí)樣本的隨機(jī)樣本，而判別器則用于判斷數(shù)據(jù)為真實(shí)或偽造。在用于軌跡預(yù)測(cè)時(shí)，生成器被用來(lái)生成預(yù)測(cè)軌跡，判別器用于判斷生成的軌跡是否足夠真實(shí)。通過(guò)不斷迭代訓(xùn)練，生成器可以生成更準(zhǔn)確、多樣性的軌跡預(yù)測(cè)，而判別器則能夠更準(zhǔn)確地判別真實(shí)軌跡和生成軌跡之間的差異4.3.1基于深度學(xué)習(xí)的方法-15-CVAE的基本結(jié)構(gòu)包括編碼器和解碼器兩部分。編碼器將輸入數(shù)據(jù)壓縮成低維的隱變量，而解碼器則根據(jù)這些隱變量和條件輸入來(lái)重構(gòu)或生成數(shù)據(jù)。CVAE在解碼過(guò)程中考慮了額外的條件信息，這使得模型能夠生成更符合特定要求的樣本。4.4全局路徑規(guī)劃全局路徑規(guī)劃作為決策規(guī)劃模塊的重要環(huán)節(jié)，旨在根據(jù)全局靜態(tài)地圖規(guī)劃出一條從起點(diǎn)到終點(diǎn)的最優(yōu)路徑。根據(jù)實(shí)現(xiàn)原理的不同，全局規(guī)劃算法大致可分為：基于圖搜索（如Dijkstra，A*，混合A*等）、空間采樣（RRT，Bi-RRT）以及人工智能（蟻群算法、灰狼優(yōu)化算法）的方法。-16-全局路徑規(guī)劃示意圖靜態(tài)地圖示意圖4.4.1基于圖搜索的全局路徑規(guī)劃Dijkstra，A*算法通過(guò)設(shè)定合適的代價(jià)函數(shù)，評(píng)估各擴(kuò)展搜索節(jié)點(diǎn)的代價(jià)值，通過(guò)比較各擴(kuò)展搜索節(jié)點(diǎn)代價(jià)值的大小，選擇最有希望的點(diǎn)加以擴(kuò)展，直到找到目標(biāo)節(jié)點(diǎn)，形成連接起點(diǎn)到終點(diǎn)的全局路徑?；旌螦*根據(jù)車(chē)輛的運(yùn)動(dòng)學(xué)模型，把車(chē)輛的運(yùn)動(dòng)路徑等效為后軸中心點(diǎn)處一段段不同轉(zhuǎn)彎半徑的弧線，通過(guò)對(duì)前輪轉(zhuǎn)角的采樣得到拓展節(jié)點(diǎn)，同時(shí)，比較各擴(kuò)展節(jié)點(diǎn)代價(jià)值的大小，直到找到連接起點(diǎn)到終點(diǎn)的最優(yōu)路徑。-17-Dijkstra搜索路徑混合A*搜索路徑A*搜索路徑4.4.2基于空間采樣的全局路徑規(guī)劃快速隨機(jī)擴(kuò)展樹(shù)算法(Rapidly-exploringRandomTree,RRT)通過(guò)對(duì)狀態(tài)空間均勻隨機(jī)采樣來(lái)構(gòu)建一個(gè)連通圖，當(dāng)起點(diǎn)、終點(diǎn)狀態(tài)都在圖中或者都可以連接到圖中時(shí)，則得到全局路徑。雙向快速隨機(jī)擴(kuò)展樹(shù)算法Bi-RRT在RRT的基礎(chǔ)上引入了雙樹(shù)擴(kuò)展環(huán)節(jié)，分別以起點(diǎn)和目標(biāo)點(diǎn)為根節(jié)點(diǎn)同時(shí)擴(kuò)展隨機(jī)樹(shù)從而實(shí)現(xiàn)對(duì)狀態(tài)空間的快速搜索。相較于單樹(shù)擴(kuò)展的RRT算法，由于加入了啟發(fā)式步驟，加快了搜索速度，對(duì)于狹窄通道也具有較好的效果。-18-RRT節(jié)點(diǎn)采樣示意圖RRT單樹(shù)拓展示意圖RRT樹(shù)拓展示意圖4.4.3基于人工智能的全局路徑規(guī)劃蟻群算法模擬了自然界中螞蟻的覓食行為，路徑較短的螞蟻釋放的信息素量較多，隨著較短的路徑上累積的信息素濃度逐漸增高，選擇該路徑的螞蟻個(gè)數(shù)也愈來(lái)愈多。最終，整個(gè)蟻群會(huì)在正反饋的作用下集中到最佳的路徑上?；依莾?yōu)化算法來(lái)源于灰狼的捕食行為，通過(guò)模擬灰狼群體的社會(huì)等級(jí)和狩獵機(jī)制來(lái)尋找最優(yōu)解-19-蟻群算法搜索路徑示意圖灰狼優(yōu)化算法搜索路徑示意圖4.5.1基于采樣的規(guī)劃算法基于采樣的規(guī)劃算法，代表性算法為L(zhǎng)attice算法，該算法通過(guò)對(duì)可行駛區(qū)域的采樣和構(gòu)建網(wǎng)格節(jié)點(diǎn)連接，計(jì)算各路徑的代價(jià)函數(shù)值，選擇最佳路徑。在自動(dòng)駕駛中，Lattice算法的實(shí)現(xiàn)包括將車(chē)輛信息映射到frenet坐標(biāo)系、對(duì)軌跡狀態(tài)進(jìn)行采樣、構(gòu)建多項(xiàng)式函數(shù)以生成平滑軌跡，并對(duì)其進(jìn)行碰撞檢測(cè)和代價(jià)函數(shù)計(jì)算，最終輸出滿足所有約束的最優(yōu)軌跡曲線。-20-Lattice算法示意圖4.5.2基于優(yōu)化的規(guī)劃算法基于優(yōu)化的規(guī)劃算法用于解決最優(yōu)化問(wèn)題，通過(guò)設(shè)定優(yōu)化指標(biāo)和添加約束條件，迭代改進(jìn)至收斂以計(jì)算最佳行駛軌跡。常見(jiàn)算法包括模型預(yù)測(cè)控制(ModelpredicatecontrolMPC)和人工勢(shì)場(chǎng)法等。MPC在優(yōu)化過(guò)程中充分考慮車(chē)輛的運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)特性，將障礙物位置轉(zhuǎn)換為約束條件，保證軌跡的安全和可行性；然而，其處理動(dòng)態(tài)障礙物較為復(fù)雜。人工勢(shì)場(chǎng)法則抽象車(chē)輛周?chē)慕煌ōh(huán)境為一個(gè)勢(shì)場(chǎng)，以勢(shì)能最低的目標(biāo)位置為引導(dǎo)，使車(chē)輛從高勢(shì)能區(qū)域滑向目標(biāo)區(qū)域。-21-一種人工車(chē)輛路徑規(guī)劃勢(shì)場(chǎng)4.5.2時(shí)空聯(lián)合規(guī)劃算法傳統(tǒng)的時(shí)空分離規(guī)劃方法將三維時(shí)空問(wèn)題分解為路徑和速度兩個(gè)獨(dú)立的二維問(wèn)題，先規(guī)劃避開(kāi)靜態(tài)障礙物的路徑，隨后根據(jù)動(dòng)態(tài)障礙物調(diào)整速度。這種方法簡(jiǎn)化了問(wèn)題，適用于簡(jiǎn)單場(chǎng)景，但在涉及復(fù)雜動(dòng)態(tài)交互（如超車(chē)或動(dòng)態(tài)避讓?zhuān)r(shí)表現(xiàn)欠佳。為克服這一局限，時(shí)空聯(lián)合規(guī)劃被引入，直接在三維時(shí)空中進(jìn)行路徑和速度的聯(lián)合優(yōu)化。這種方法將二者作為優(yōu)化變量，追求整體的最優(yōu)解，旨在找到既安全又舒適的行駛軌跡。雖然計(jì)算復(fù)雜性增加，但它更能適應(yīng)復(fù)雜動(dòng)態(tài)環(huán)境，對(duì)實(shí)時(shí)決策能力的要求也更高。-22-時(shí)空聯(lián)合規(guī)劃中的一種節(jié)點(diǎn)擴(kuò)展方式在規(guī)劃中同時(shí)考慮時(shí)間與空間維度4.6基于有限狀態(tài)機(jī)的行為決策模型有限狀態(tài)機(jī)（FiniteStateMachine,FSM）是一種計(jì)算模型，它包含一組有限個(gè)狀態(tài)及其之間的轉(zhuǎn)移規(guī)則，可以被用來(lái)描述不同對(duì)象或者系統(tǒng)在不同狀態(tài)下的行為和變化（如下圖所示）。有限狀態(tài)機(jī)是一個(gè)非常有用的模型，可以模擬世界上大部分事物，簡(jiǎn)單說(shuō)，它有三個(gè)特征：1、狀態(tài)（state）的總數(shù)是有限的。2、在任一時(shí)刻，只處在一種狀態(tài)之中。3、某種條件下，會(huì)從一種狀態(tài)轉(zhuǎn)移（transition）到另一個(gè)狀態(tài)。有限狀態(tài)機(jī)模型原理分層有限狀態(tài)機(jī)-23-4.6基于深度強(qiáng)化學(xué)習(xí)的行為決策模型端到端算法是指:通過(guò)一個(gè)統(tǒng)一的模型或系統(tǒng)直接從原始輸入端到最終輸出端完成任務(wù)，而無(wú)需人工設(shè)計(jì)中間階段的特征或處理步驟。自動(dòng)駕駛中的端到端算法輸入是原始傳感器數(shù)據(jù),包括攝像頭圖像、激光雷達(dá)數(shù)據(jù)和GPS信息等;輸出是自動(dòng)駕駛車(chē)輛未來(lái)的軌跡或者是油門(mén)剎車(chē)等控制量。端到端無(wú)需中間步驟,將感知、決策和控制過(guò)程集成在一個(gè)統(tǒng)一的框架內(nèi)，實(shí)現(xiàn)從輸入到輸出的直接映射，具有簡(jiǎn)化流程、無(wú)損信息傳遞、靈活性等優(yōu)點(diǎn)。自動(dòng)駕駛中的端到端端到端-24-第五章

運(yùn)動(dòng)控制作為自動(dòng)駕駛技術(shù)的核心組成部分，運(yùn)動(dòng)控制系統(tǒng)相當(dāng)于汽車(chē)的“小腦”

和“肌肉”，負(fù)責(zé)處理和執(zhí)行所有的駕駛決策。它需要根據(jù)運(yùn)動(dòng)規(guī)劃系統(tǒng)輸出和實(shí)時(shí)反饋的車(chē)輛行駛狀態(tài)來(lái)控制底盤(pán)執(zhí)行器的動(dòng)作，使車(chē)輛穩(wěn)定、平滑、精確地跟蹤期望路徑或軌跡。車(chē)輛運(yùn)動(dòng)控制技術(shù)-1-車(chē)輛運(yùn)動(dòng)控制方法可分為：1.無(wú)模型的運(yùn)動(dòng)控制比例—積分—微分控制（ProportionIntegrationDifferentiation，PID）模糊邏輯控制(FuzzyLogicControl，F(xiàn)LC)2.基于模型的運(yùn)動(dòng)控制滑?？刂疲⊿lidingModelControl，SMC）魯棒控制(RobustControl)

模型預(yù)測(cè)控制(ModelPredictiveControl，MPC)線性二次型調(diào)節(jié)器(LinaerQuadraticRegulator，LQR)3.基于學(xué)習(xí)的運(yùn)動(dòng)控制小腦模型神經(jīng)網(wǎng)絡(luò)(CerebellarModelArticulationController，CMAC)反向傳播（BP）神經(jīng)網(wǎng)絡(luò)-2-5.1概述車(chē)輛動(dòng)力學(xué)模型5.2無(wú)模型運(yùn)動(dòng)控制特點(diǎn)：具有較強(qiáng)的靈活性和適應(yīng)性在實(shí)際應(yīng)用中展現(xiàn)出較高的實(shí)時(shí)性具有較好的魯棒性有效降低計(jì)算成本,不需要建立和維護(hù)復(fù)雜的車(chē)輛動(dòng)力學(xué)模型無(wú)模型運(yùn)動(dòng)控制示意圖-3-5.2.1基于PID的運(yùn)動(dòng)控制控制器通過(guò)計(jì)算車(chē)輛當(dāng)前狀態(tài)與目標(biāo)狀態(tài)之間的偏差，然后利用比例、積分和微分三個(gè)環(huán)節(jié)對(duì)偏差進(jìn)行處理，生成控制指令來(lái)調(diào)整車(chē)輛的狀態(tài)，使其趨近于目標(biāo)狀態(tài)，其原理如圖：PID控制原理比例環(huán)節(jié)—快速減小偏差積分環(huán)節(jié)—消除系統(tǒng)的穩(wěn)態(tài)誤差

微分環(huán)節(jié)—提高系統(tǒng)動(dòng)態(tài)性能特點(diǎn)：簡(jiǎn)單有效。但是當(dāng)模型未知或時(shí)變時(shí)，參數(shù)整定往往是結(jié)合經(jīng)驗(yàn)試湊，

工作量較大。在系統(tǒng)不確定性和外部擾動(dòng)存在時(shí)無(wú)法有針對(duì)性地進(jìn)行補(bǔ)償，無(wú)法保證在大范圍內(nèi)的漸進(jìn)穩(wěn)定。-4-5.2.2基于模糊邏輯控制的運(yùn)動(dòng)控制利用模糊集合論、模糊邏輯推理和模糊語(yǔ)言變量來(lái)處理車(chē)輛運(yùn)動(dòng)控制中的不確定性和非線性問(wèn)題。相比于傳統(tǒng)的PID控制等方法，模糊控制更能夠適應(yīng)復(fù)雜多變的車(chē)輛運(yùn)動(dòng)環(huán)境，并處理難以用精確數(shù)學(xué)模型描述的系統(tǒng)，其原理如圖：特點(diǎn)：能夠處理不確定性和非線性問(wèn)題，對(duì)系統(tǒng)模型的依賴性較低，同時(shí)能夠利用專(zhuān)家的經(jīng)驗(yàn)和知識(shí)來(lái)優(yōu)化控制效果。但需要依賴于專(zhuān)家經(jīng)驗(yàn)和實(shí)際數(shù)據(jù)，而且隨著系統(tǒng)復(fù)雜性的增加，模糊規(guī)則的數(shù)量和復(fù)雜性也會(huì)增加。模糊邏輯控制原理-5-5.3基于模型的運(yùn)動(dòng)控制車(chē)輛七自由度模型基于模型的運(yùn)動(dòng)控制算法中，首先需要對(duì)車(chē)輛進(jìn)行建?；蜃R(shí)別，并假設(shè)車(chē)輛模型與真實(shí)車(chē)輛特性一致，然后基于使用確定性等效原理獲得的系統(tǒng)模型設(shè)計(jì)控制器。按照控制目標(biāo)，基于模型的運(yùn)動(dòng)控制可分為橫縱向獨(dú)立控制和橫縱向耦合控制。車(chē)輛二自由度模型-6-5.3.1基于滑?？刂七\(yùn)動(dòng)控制滑?？刂朴址Q(chēng)滑模變結(jié)構(gòu)控制，是一種典型的非線性反饋控制方法，具有很強(qiáng)的抗不確定性擾動(dòng)能力。該方法基于滑模控制理論，通過(guò)設(shè)計(jì)相應(yīng)的軌跡跟蹤容錯(cuò)控制器，確保車(chē)輛在故障情況下仍能良好運(yùn)行，從而不影響軌跡跟蹤和車(chē)輛穩(wěn)定協(xié)調(diào)控制系統(tǒng)的正常工作?；？刂圃砗诵乃枷耄簩⑾到y(tǒng)的狀態(tài)從任意點(diǎn)收斂到滑模面，并沿滑模面運(yùn)動(dòng)，直至達(dá)到穩(wěn)定平衡點(diǎn)，在車(chē)輛控制中，這意味著通過(guò)調(diào)整車(chē)輛的動(dòng)力學(xué)參數(shù)，如轉(zhuǎn)向角、加速和制動(dòng)等，使車(chē)輛的實(shí)際狀態(tài)與期望狀態(tài)之間的差值最小化。根據(jù)所確定的滑模面函數(shù)s(x),設(shè)計(jì)行駛的控制律如下:

-7-5.3.2基于魯棒控制的運(yùn)動(dòng)控制

基于條件積分的車(chē)輛魯棒控制方法

-8-5.3.3基于LQR方法的運(yùn)動(dòng)控制LQR即線性二次型調(diào)節(jié)器，其對(duì)象是現(xiàn)代控制理論中以狀態(tài)空間形式給出的線性系統(tǒng)，目標(biāo)函數(shù)為對(duì)象狀態(tài)和控制輸入的二次型函數(shù)。LQR方法是一種最優(yōu)控制算法，它通過(guò)對(duì)系統(tǒng)動(dòng)態(tài)方程進(jìn)行線性化，將問(wèn)題轉(zhuǎn)化為求解動(dòng)態(tài)矩陣的最優(yōu)增益矩陣，從而使系統(tǒng)狀態(tài)能夠在最短時(shí)間內(nèi)收斂到期望值。LQR基本原理車(chē)輛多自由度模型通過(guò)求解黎卡提方程，得到一個(gè)狀態(tài)反饋控制律，該控制律能夠根據(jù)當(dāng)前的系統(tǒng)狀態(tài)實(shí)時(shí)計(jì)算出最優(yōu)的控制輸入。LQR最優(yōu)設(shè)計(jì)是指設(shè)計(jì)出的狀態(tài)反饋控制器K（要使二次型目標(biāo)函數(shù)）取最小值，而K由權(quán)矩陣Q與R唯一決定，故此Q、R的選擇尤為重要。-9-5.3.4基于模型預(yù)測(cè)控制的運(yùn)動(dòng)控制MPC利用已知模型和其當(dāng)前狀態(tài)量來(lái)預(yù)測(cè)系統(tǒng)未來(lái)的輸入、輸出偏差，通過(guò)在線時(shí)域滾動(dòng)優(yōu)化和反饋校正方法確定系統(tǒng)當(dāng)前的最優(yōu)控制目標(biāo)值，具有實(shí)時(shí)性、全局性和魯棒性的特點(diǎn)。MPC基本原理-10-5.4基于學(xué)習(xí)的運(yùn)動(dòng)控制理論與現(xiàn)實(shí)的障礙：車(chē)輛模型失配和魯棒性是一對(duì)不可避免的孿生問(wèn)題模型越精確,車(chē)輛運(yùn)動(dòng)控制系統(tǒng)的設(shè)計(jì)和計(jì)算更困難馬爾可夫決策過(guò)程深度學(xué)習(xí)方法的優(yōu)勢(shì)：可從數(shù)據(jù)中自我優(yōu)化策略并適應(yīng)新場(chǎng)景,這使其非常適合解決復(fù)雜和動(dòng)態(tài)環(huán)境中的控制問(wèn)題可以描述期望行為,并通過(guò)學(xué)習(xí)和訓(xùn)練使系統(tǒng)實(shí)現(xiàn)預(yù)期功能深度強(qiáng)化學(xué)習(xí)框架-11-5.4.1基于神經(jīng)網(wǎng)絡(luò)的運(yùn)動(dòng)控制神經(jīng)網(wǎng)絡(luò)作為一種模擬人腦神經(jīng)元工作方式的計(jì)算模型，具有很強(qiáng)的非線性映射能力和自學(xué)習(xí)能力，可以很好地應(yīng)對(duì)車(chē)輛控制中的復(fù)雜性和不確定性。BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖LSTM結(jié)構(gòu)示意圖數(shù)據(jù)收集神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)訓(xùn)練車(chē)輛運(yùn)動(dòng)控制一般步驟：-12-5.4.2基于強(qiáng)化學(xué)習(xí)的運(yùn)動(dòng)控制強(qiáng)化學(xué)習(xí)是一種機(jī)器學(xué)習(xí)方法，基于獎(jiǎng)勵(lì)和懲罰機(jī)制，通過(guò)智能體（Agent）

與環(huán)境（Environment）的交互來(lái)學(xué)習(xí)如何做出最優(yōu)的決策。在這個(gè)過(guò)程中，智能體不斷地嘗試不同的行為,并根據(jù)環(huán)境的反饋（即獎(jiǎng)勵(lì)或懲罰）來(lái)調(diào)整其策略，以最大化從環(huán)境中獲得的累積獎(jiǎng)勵(lì)。強(qiáng)化學(xué)習(xí)原理Q-learning算法流程這種方法強(qiáng)調(diào)在多次試驗(yàn)和錯(cuò)誤中學(xué)習(xí)并優(yōu)化行為，使得智能體能夠逐漸適應(yīng)復(fù)雜且不確定的環(huán)境。核心算法包括：Q-learning算法、DeepQ-learning算法和Actor-Critic算法等-13-第六章

安全技術(shù)安全是智能汽車(chē)的基座，是汽車(chē)向更高智能化水平發(fā)展的前提。隨著汽車(chē)智能化水平的提升，安全問(wèn)題變得日益復(fù)雜和多樣化，涵蓋以下幾方面：主動(dòng)安全系統(tǒng)旨在通過(guò)預(yù)防事故的發(fā)生來(lái)保護(hù)乘員和行人的安全。這類(lèi)系統(tǒng)能夠識(shí)別潛在的危險(xiǎn)，并采取措施避免事故或減輕事故后果。通過(guò)使用多種感測(cè)設(shè)備，實(shí)時(shí)監(jiān)控車(chē)輛周?chē)沫h(huán)境，識(shí)別交通標(biāo)志、道路障礙物、其他車(chē)輛及行人，從而提前警告駕駛員或自動(dòng)采取行動(dòng)。-1-主動(dòng)安全被動(dòng)安全功能安全信息安全預(yù)期功能安全把防止碰撞放在第一位拯救生命安全帶車(chē)體結(jié)構(gòu)可收縮方向盤(pán)減小傷害安全氣囊膝墊保護(hù)避免事故的發(fā)生前方/側(cè)方/后方

警示駕駛員分心

警示車(chē)道偏離預(yù)警減少碰撞事故考慮人的因素駕駛員提高可視度（后視鏡）提高可見(jiàn)度（車(chē)外圍燈）第六章

安全技術(shù)橫向主動(dòng)安全?是指通過(guò)一系列技術(shù)和系統(tǒng)來(lái)預(yù)防和減輕車(chē)輛在行駛過(guò)程中可能發(fā)生的正面碰撞事故-2-汽車(chē)防抱死制動(dòng)系統(tǒng)

ABS電子制動(dòng)力分配系統(tǒng)

EBD緊急制動(dòng)輔助裝置

EBA前方碰撞預(yù)警系統(tǒng)

FCW自動(dòng)緊急制動(dòng)

AEB自適應(yīng)巡航控制系統(tǒng)

ACC避免因前輪抱死無(wú)法控制車(chē)輛行駛方向及后輪抱死出現(xiàn)側(cè)滑輔助防抱死，避免因輪胎附著力不同導(dǎo)致打滑、傾斜和側(cè)翻判斷制動(dòng)緊迫性，縮短制動(dòng)距離，從而避免不利狀況的發(fā)生以車(chē)速和車(chē)距為基礎(chǔ)計(jì)算，以確定避免碰撞所需要的制動(dòng)力存在潛在碰撞危險(xiǎn)時(shí)警告駕駛者。本身不會(huì)采取制動(dòng)措施車(chē)道偏離告警

LDW檢測(cè)到汽車(chē)偏離車(chē)道時(shí)，發(fā)出警報(bào)，提供用戶更多反應(yīng)時(shí)間與制動(dòng)、操縱系統(tǒng)協(xié)調(diào)動(dòng)作，以使車(chē)輛與前車(chē)保持安全距離防抱死系統(tǒng)ABS原理自適應(yīng)巡航控制系統(tǒng)ACC原理第六章

安全技術(shù)縱向主動(dòng)安全?是指通過(guò)一系列技術(shù)和系統(tǒng)來(lái)預(yù)防和減輕車(chē)輛在行駛過(guò)程中可能發(fā)生的側(cè)向碰撞事故車(chē)身主動(dòng)控制系統(tǒng)

ABC車(chē)身動(dòng)態(tài)控制系統(tǒng)

DSC車(chē)身電子穩(wěn)定系統(tǒng)

ESP汽車(chē)主動(dòng)避撞系統(tǒng)兼具主動(dòng)式懸架和減震功能的系統(tǒng)，主要功能是保證車(chē)輛在不同路面條件行駛時(shí)，良好的車(chē)輛行駛穩(wěn)定性和操縱穩(wěn)定性主要功能為對(duì)于低附著路面，增大車(chē)輪的牽引力，提高車(chē)輛行駛穩(wěn)定性、彎道行駛時(shí)施加較小的制動(dòng)力以減少過(guò)度轉(zhuǎn)向在ABS、ASR系統(tǒng)的基礎(chǔ)上發(fā)展而來(lái)，通過(guò)控制發(fā)動(dòng)機(jī)和制動(dòng)系統(tǒng)，修正車(chē)輛運(yùn)動(dòng)狀態(tài)，保證車(chē)輛的操控性和穩(wěn)定性通過(guò)傳感器監(jiān)測(cè)行駛狀態(tài)，判斷安全性并在危險(xiǎn)時(shí)自動(dòng)切斷油門(mén)、控制制動(dòng)和轉(zhuǎn)向，輔助駕駛員避障、保障行車(chē)安全奔馳車(chē)身主動(dòng)控制系統(tǒng)車(chē)身動(dòng)態(tài)控制系統(tǒng)DSC

-3-第六章

安全技術(shù)被動(dòng)安全是最直接面對(duì)人的安全領(lǐng)域，除了滿足傳統(tǒng)被動(dòng)安全要求的國(guó)標(biāo)、法規(guī)的技術(shù)要求之外，主要在以下兩個(gè)領(lǐng)域深入-4-建立在交通碰撞環(huán)境下與真實(shí)人類(lèi)具有高逼真度的數(shù)字化假人模型主動(dòng)安全與被動(dòng)安全的一體化協(xié)同作用提升車(chē)輛安全數(shù)字化人體模型研究人員利用肌肉骨骼生物力學(xué)和運(yùn)動(dòng)損傷生物力學(xué)的建模、分析與實(shí)驗(yàn)測(cè)試等研究成果，分析真實(shí)駕駛員的骨肌動(dòng)力學(xué)變化機(jī)理，建立具有更高仿生保真度的數(shù)字人體模型，用以指導(dǎo)汽車(chē)設(shè)計(jì)正面碰撞乘員頸部模型及運(yùn)動(dòng)姿態(tài)模型第六章

安全技術(shù)-5-主動(dòng)安全與被動(dòng)安全的一體化協(xié)同作用提升車(chē)輛安全主被動(dòng)一體化主被動(dòng)安全一體化研究分為多個(gè)領(lǐng)域，主要分為提醒類(lèi)和干預(yù)類(lèi)，提醒類(lèi)對(duì)車(chē)體和乘員位姿的響應(yīng)影響不大。干預(yù)類(lèi)對(duì)車(chē)體和乘員位姿影響較大。主被動(dòng)安全一體化乘員姿態(tài)變化AEB引起的乘員縱向響應(yīng)AES引起的乘員橫向響應(yīng)自動(dòng)駕駛的高自由度坐姿躺臥、可轉(zhuǎn)動(dòng)座椅乘員運(yùn)動(dòng)感知為被動(dòng)安全提供信息碰撞工況判斷碰撞條件識(shí)別主被動(dòng)安全系統(tǒng)耦合主動(dòng)預(yù)緊安全帶預(yù)緊氣囊點(diǎn)火時(shí)刻主被動(dòng)安全一體化研究領(lǐng)域當(dāng)主動(dòng)安全系統(tǒng)不能避免事故的發(fā)生而產(chǎn)生了被動(dòng)安全應(yīng)用場(chǎng)景的時(shí)候，對(duì)于被動(dòng)安全工況則需要新的保護(hù)策略以滿足人的安全的要求；當(dāng)主動(dòng)安全系統(tǒng)啟動(dòng)時(shí)，乘員會(huì)受到相應(yīng)的影響而產(chǎn)生運(yùn)動(dòng)，從而影響被動(dòng)安全的保護(hù)性能。第六章

安全技術(shù)-6-功能安全隨著電子系統(tǒng)在車(chē)內(nèi)的廣泛應(yīng)用，面向汽車(chē)中的電子設(shè)備、可編程電子器件等，行業(yè)提出了功能安全的概念。功能安全的目標(biāo)是通過(guò)正確實(shí)施一個(gè)或多個(gè)自動(dòng)保護(hù)功能使系統(tǒng)即使相關(guān)項(xiàng)失效的前提下，仍能保持安全狀態(tài)。功能安全事件列表在過(guò)去的10年中，輔助駕駛汽車(chē)功能安全事件數(shù)量呈上升趨勢(shì)，系統(tǒng)的功能安全性能成為汽車(chē)的質(zhì)量重要衡量指標(biāo)。功能安全概念與安全形勢(shì)功能安全簡(jiǎn)稱(chēng)FuSa，是系統(tǒng)或設(shè)備整體安全的一部分，依賴于自動(dòng)保護(hù)以可預(yù)測(cè)的方式正確響應(yīng)其輸入或故障（故障安全）。自動(dòng)保護(hù)系統(tǒng)的設(shè)計(jì)應(yīng)能夠正確處理可能的人為錯(cuò)誤、系統(tǒng)錯(cuò)誤、硬件故障和操作/環(huán)境壓力。第六章

安全技術(shù)功能安全法規(guī)與標(biāo)準(zhǔn)汽車(chē)行業(yè)先后發(fā)布了保護(hù)功能安全的法規(guī)、標(biāo)準(zhǔn)與過(guò)程模型。汽車(chē)功能安全相關(guān)法規(guī)、標(biāo)準(zhǔn)與過(guò)程模型ISO26262是道路汽車(chē)功能安全的一個(gè)標(biāo)準(zhǔn)，旨在將軟件和電子產(chǎn)品的風(fēng)險(xiǎn)降低。ISO26262中給出了很多方法避免由于軟硬件失效造成錯(cuò)誤，又由錯(cuò)誤引發(fā)故障，包括軟件級(jí)別、硬件級(jí)別、多個(gè)ECU互聯(lián)組成的系統(tǒng)級(jí)別，最終要避免由于軟硬件故障造成車(chē)輛級(jí)別的風(fēng)險(xiǎn)，通過(guò)各種檢測(cè)、分析、盡早的發(fā)現(xiàn)問(wèn)題、避免問(wèn)題。-7-第六章

安全技術(shù)功能安全標(biāo)準(zhǔn)中，安全完整性等級(jí)和安全生命周期是精髓，系統(tǒng)的安全完整性等級(jí)需要分解到各個(gè)子系統(tǒng)的元器件和軟件，安全生命周期需要系統(tǒng)從設(shè)計(jì)、開(kāi)發(fā)、驗(yàn)證直到停止使用，需要不斷進(jìn)行評(píng)估、測(cè)試和管理。功能安全標(biāo)準(zhǔn)示意-8-第六章

安全技術(shù)設(shè)計(jì)流程與關(guān)鍵技術(shù)功能安全需嵌入產(chǎn)品開(kāi)發(fā)的全過(guò)程，功能安全開(kāi)發(fā)流程呈V字型。面向左側(cè)的流程指導(dǎo)如何進(jìn)行滿足功能安全的電子系統(tǒng)開(kāi)發(fā)，面向右側(cè)指導(dǎo)如何進(jìn)行滿足功能安全需求的電子系統(tǒng)驗(yàn)證功能安全開(kāi)發(fā)流程還需進(jìn)行一些額外的功能安全管理活動(dòng)。需求通常由供應(yīng)商給出，包括系統(tǒng)級(jí)別的、組件級(jí)別的需求，供應(yīng)商則根據(jù)需求進(jìn)行軟硬件組件設(shè)計(jì)和集成。-9-第六章

安全技術(shù)概念階段概念階段是產(chǎn)品開(kāi)發(fā)的早期階段，安全問(wèn)題通常是由于未正確的定義電氣/電子功能在運(yùn)行時(shí)所帶來(lái)的風(fēng)險(xiǎn)或者沒(méi)有明確定義功能安全的目標(biāo)，因此該階段是進(jìn)一步技術(shù)開(kāi)發(fā)實(shí)現(xiàn)功能安全的決定性基礎(chǔ)。概念階段安全活動(dòng)概念階段的功能安全活動(dòng)主要包括相關(guān)項(xiàng)定義、影響分析、危害分析與風(fēng)險(xiǎn)評(píng)估以及功能安全概念。-10-第六章

安全技術(shù)系統(tǒng)級(jí)別安全活動(dòng)系統(tǒng)級(jí)別需要進(jìn)行的關(guān)鍵活動(dòng)包括技術(shù)安全概念、系統(tǒng)集成測(cè)試與系統(tǒng)確認(rèn)。系統(tǒng)級(jí)別遵循生命周期的概念階段，一級(jí)供應(yīng)商通常負(fù)責(zé)系統(tǒng)級(jí)，而汽車(chē)制造商負(fù)責(zé)概念階段，一級(jí)供應(yīng)商向整車(chē)廠提供系統(tǒng)。系統(tǒng)級(jí)安全活動(dòng)技術(shù)安全概念是硬件和軟件開(kāi)發(fā)的先決條件；系統(tǒng)和項(xiàng)目集成測(cè)試在多個(gè)級(jí)別上即成和檢查，一直到整個(gè)系統(tǒng)；安全確認(rèn)須提供證據(jù)證明安全目標(biāo)已經(jīng)達(dá)到，并且可以在車(chē)輛中發(fā)布、生產(chǎn)和安裝。-11-第六章

安全技術(shù)硬件級(jí)別安全活動(dòng)硬件指汽車(chē)?yán)镏须娮与姎庀到y(tǒng)的硬件，范圍包括不可編程的元件，像電容、電阻、傳感器，也包括是可編程的元件，像微控制器和ASIC。在安全生命周期中，硬件開(kāi)發(fā)是系統(tǒng)開(kāi)發(fā)的一部分，與軟件開(kāi)發(fā)并行。硬件級(jí)安全活動(dòng)硬件開(kāi)發(fā)的安全活動(dòng)包括需求定義、硬件設(shè)計(jì)、硬件架構(gòu)評(píng)估、安全目標(biāo)評(píng)估以及集成和驗(yàn)證。-12-第六章

安全技術(shù)軟件級(jí)別安全活動(dòng)軟件指各種控制單元、傳感器和執(zhí)行器中的所有軟件。功能安全意味著這些軟件需要保障車(chē)輛的安全，即軟件需沒(méi)有錯(cuò)誤，符合規(guī)范。隨著車(chē)輛中軟件比例的增加，車(chē)輛的安全性越來(lái)越依賴于無(wú)錯(cuò)誤的軟件。軟件級(jí)安全活動(dòng)不同于硬件的隨機(jī)失效，軟件的失效為系統(tǒng)性失效，軟件開(kāi)發(fā)需通過(guò)容錯(cuò)機(jī)制來(lái)應(yīng)對(duì)故障的發(fā)生。-13-第六章

安全技術(shù)預(yù)期功能安全隨自動(dòng)駕駛系統(tǒng)功能架構(gòu)趨于完善，國(guó)際標(biāo)準(zhǔn)ISO26262覆蓋的故障性風(fēng)險(xiǎn)造成的功能安全問(wèn)題分析難以滿足高度復(fù)雜系統(tǒng)的安全性分析要求，在系統(tǒng)不發(fā)生故障的情況下引起的安全風(fēng)險(xiǎn)愈發(fā)受到重視，ISOPAS21448將此類(lèi)問(wèn)題歸結(jié)為預(yù)期功能安全(SafetyOfTheIntendedFunctionality，SOTIF)。預(yù)期功能安全場(chǎng)景分類(lèi)預(yù)期功能安全概念與安全形勢(shì)國(guó)際標(biāo)準(zhǔn)ISO/PAS31448將SOTIF定義為由于功能不足或人員合理預(yù)見(jiàn)的濫用所造成的危害而不存在不合理的風(fēng)險(xiǎn)，SOTIF開(kāi)發(fā)目標(biāo)則為將已知的危險(xiǎn)行為和未知的潛在危險(xiǎn)行為降低到可接受的剩余風(fēng)險(xiǎn)水平。。區(qū)域1改進(jìn)措施主要為明確定義要開(kāi)發(fā)的功能區(qū)域2改進(jìn)措施主要為驗(yàn)證功能，包括系統(tǒng)組件區(qū)域3驗(yàn)證功能系統(tǒng)，將區(qū)域3減少到可接受-14-第六章

安全技術(shù)預(yù)期功能安全法規(guī)與標(biāo)準(zhǔn)國(guó)際標(biāo)準(zhǔn)ISO/PAS21448規(guī)范題為“道路車(chē)輛-預(yù)期功能的安全”，提供設(shè)計(jì)、驗(yàn)證和驗(yàn)證措施的指導(dǎo)，以實(shí)現(xiàn)SOTIF。并給出了預(yù)期功能安全設(shè)計(jì)流程。ISO/PAS2144標(biāo)準(zhǔn)安全活動(dòng)流程與依賴關(guān)系包括功能和系統(tǒng)規(guī)范的定義、危害識(shí)別和風(fēng)險(xiǎn)評(píng)估、識(shí)別和評(píng)估觸發(fā)事件、功能完善或用例限制，避免或降低SOTIF風(fēng)險(xiǎn)、驗(yàn)證和確認(rèn)策略、在已知危險(xiǎn)場(chǎng)景中驗(yàn)證SOTIF、在未知危險(xiǎn)場(chǎng)景中驗(yàn)證SOTIF以及剩余風(fēng)險(xiǎn)評(píng)估。-15-第六章

安全技術(shù)預(yù)期功能設(shè)計(jì)流程與關(guān)鍵技術(shù)-16-1.功能與系統(tǒng)規(guī)范定義功能相關(guān)的規(guī)范定義預(yù)期功能的目標(biāo)預(yù)期功能被激活、停用和激活的用例預(yù)期功能的描述車(chē)輛動(dòng)力學(xué)的自動(dòng)化/權(quán)威水平駕駛員、乘客、行人和其他道路使用者、相關(guān)的環(huán)境條件與道路基礎(chǔ)設(shè)施的接口等因素相互依賴和交互系統(tǒng)相關(guān)的規(guī)范定義應(yīng)用于預(yù)期功能的系統(tǒng)和元素的描述系統(tǒng)和子系統(tǒng)的概念和技術(shù)應(yīng)用于預(yù)期功能所安裝的傳感器、控制器、執(zhí)行器的描述和性能關(guān)于預(yù)期功能如何使用其它元素的輸入的假設(shè)局限性及對(duì)策關(guān)于其它元素如何使用預(yù)期功能的輸出的假設(shè)支持應(yīng)對(duì)策略的系統(tǒng)架構(gòu)退化的概念警告策略車(chē)輛其它功能和系統(tǒng)相互依賴和交互第六章

安全技術(shù)預(yù)期功能設(shè)計(jì)流程與關(guān)鍵技術(shù)-17-2.預(yù)期功能引起的危害識(shí)別和評(píng)估該階段進(jìn)行與SOTIF有關(guān)的潛在危害應(yīng)系統(tǒng)地識(shí)別和評(píng)估，指定在確認(rèn)階段評(píng)估設(shè)計(jì)的驗(yàn)收標(biāo)準(zhǔn)，如誤報(bào)率、漏報(bào)率等。危害識(shí)別危害分析風(fēng)險(xiǎn)評(píng)估“確認(rèn)目標(biāo)”的規(guī)范3.預(yù)期功能觸發(fā)事件的識(shí)別和評(píng)估目標(biāo)為識(shí)別可觸發(fā)潛在危害行為，可采用系統(tǒng)的方法進(jìn)行觸發(fā)事件的分析，考慮從類(lèi)似項(xiàng)目和領(lǐng)域的經(jīng)驗(yàn)中獲得的知識(shí)，識(shí)別系統(tǒng)的弱點(diǎn)（包括傳感器、算法、執(zhí)行器的弱點(diǎn)）和可能導(dǎo)致識(shí)別危險(xiǎn)的相關(guān)場(chǎng)景。通常從兩個(gè)方面分析：系統(tǒng)組件的已知限制，以確定由于這些限制可能導(dǎo)致危險(xiǎn)行為的場(chǎng)景被識(shí)別的環(huán)境條件和可預(yù)見(jiàn)的誤用，以確定可能觸發(fā)潛在危險(xiǎn)的系統(tǒng)限制第六章

安全技術(shù)預(yù)期功能設(shè)計(jì)流程與關(guān)鍵技術(shù)-18-4.功能改進(jìn)以降低SPTIF相關(guān)風(fēng)險(xiǎn)功能相關(guān)的規(guī)范定義為降低SOTIF相關(guān)風(fēng)險(xiǎn)，需進(jìn)行的功能改進(jìn)，達(dá)到以下目標(biāo)：確定和分配措施，以避免、減少或減輕與SOTIF相關(guān)的風(fēng)險(xiǎn)估計(jì)SOTIF相關(guān)措施對(duì)預(yù)期功能的影響；改進(jìn)功能和系統(tǒng)規(guī)范所要求的信息5.驗(yàn)證與確認(rèn)策略驗(yàn)證與確認(rèn)策略包括：支持SOTIF的基本原理生成必要證據(jù)制定產(chǎn)生證據(jù)的流程6.SOTIF釋放方法與標(biāo)準(zhǔn)策略是否考慮了預(yù)期功能范圍內(nèi)的所有指定用例預(yù)期的功能是否達(dá)到了最低的退而求其次的風(fēng)險(xiǎn)條件是否完成了充分的驗(yàn)證和確認(rèn)并滿足了驗(yàn)收標(biāo)準(zhǔn)發(fā)生非預(yù)期行為時(shí)，所提供的證據(jù)證明不存在不合理的風(fēng)險(xiǎn)第六章

安全技術(shù)信息安全輔助駕駛汽車(chē)的快速發(fā)展衍生了網(wǎng)絡(luò)安全問(wèn)題，每出現(xiàn)一種新的聯(lián)網(wǎng)接口和電子功能，都將產(chǎn)生新的攻擊途徑，攻擊的影響范圍覆蓋整個(gè)生態(tài)系統(tǒng)。車(chē)聯(lián)網(wǎng)生態(tài)系統(tǒng)3層架構(gòu)整個(gè)車(chē)聯(lián)網(wǎng)生態(tài)系統(tǒng)可分為車(chē)載端、路端、云端3層，每一層架構(gòu)中都是互聯(lián)互通的。通過(guò)各層間的信息通信和交互，構(gòu)建了一個(gè)智能化、共享化、高互通的智能車(chē)聯(lián)網(wǎng)平臺(tái)車(chē)聯(lián)網(wǎng)生態(tài)系統(tǒng)車(chē)聯(lián)網(wǎng)構(gòu)建了連接車(chē)與車(chē)、車(chē)與人、車(chē)與道路環(huán)境之間的通信網(wǎng)絡(luò)。研究者們通過(guò)在車(chē)輛上配備固定傳感器、控制部件和決策部件，同時(shí)融合網(wǎng)絡(luò)通信技術(shù)，搭建了信息交互通道，最終實(shí)現(xiàn)了模擬駕駛員行為的智能車(chē)輛-19-第六章

安全技術(shù)部署的各類(lèi)傳感器和相關(guān)App都可能會(huì)在用戶不知情的情況下被攻擊，造成用戶信息泄露和竊取架設(shè)的各種通信單元和智能系統(tǒng)在傳輸數(shù)據(jù)時(shí)存在各種系統(tǒng)缺陷和網(wǎng)絡(luò)擁塞等問(wèn)題部署的各種服務(wù)系統(tǒng)和數(shù)據(jù)庫(kù)存在更多潛在的攻擊接口，容易受到各類(lèi)惡意攻擊-20-車(chē)端典型車(chē)聯(lián)網(wǎng)安全事件路端云端車(chē)聯(lián)網(wǎng)信息安全風(fēng)險(xiǎn)人工智能技術(shù)、新一代通信技術(shù)、數(shù)字孿生系統(tǒng)等數(shù)字化技術(shù)的應(yīng)用帶來(lái)了更復(fù)雜的汽車(chē)安全風(fēng)險(xiǎn)和安全事故。架設(shè)的傳感器采集車(chē)輛配置信息和行駛數(shù)據(jù)，若攻擊者攻入傳感器內(nèi)部，修改合法數(shù)據(jù)，會(huì)車(chē)輛狀態(tài)的錯(cuò)誤估計(jì)。引入故障診斷系統(tǒng)，提高維修效率；引入了V2X通信技術(shù)，提高通信效率。路端若遭受惡意入侵和數(shù)據(jù)篡改，會(huì)造成車(chē)聯(lián)網(wǎng)道路環(huán)境模擬錯(cuò)誤，從而造成車(chē)輛與人機(jī)的交互行為錯(cuò)誤。引入新一代通信基站，提供高性能、低時(shí)延的通信服務(wù)若攻擊者通過(guò)偽造身份來(lái)接入云服務(wù)平臺(tái)，能夠非法訪問(wèn)平臺(tái)控制指令集，從而遠(yuǎn)程控制車(chē)輛。造成用戶信息的泄露和車(chē)輛安全問(wèn)題。車(chē)端路端云端第六章

安全技術(shù)車(chē)聯(lián)網(wǎng)信息安全解決方案確保車(chē)載端、路端和云端3層的穩(wěn)定運(yùn)行和互聯(lián)互通，保證數(shù)據(jù)隱私安全和高效的服務(wù)響應(yīng)能力-21-智能車(chē)聯(lián)網(wǎng)生態(tài)系統(tǒng)安全防護(hù)架構(gòu)從車(chē)載終端安全、路端通信安全、應(yīng)用服務(wù)安全和數(shù)據(jù)安全幾個(gè)方面考慮，同時(shí)需要保證在復(fù)雜應(yīng)用場(chǎng)景下的車(chē)輛安全問(wèn)題。安全防護(hù)現(xiàn)狀通信系統(tǒng)的防護(hù)主要從兩個(gè)層面展開(kāi)以入侵檢測(cè)系統(tǒng)為主的主動(dòng)防護(hù)策略，面向的攻擊方式及防護(hù)對(duì)象多樣化針對(duì)性的防護(hù)策略，針對(duì)某一個(gè)或幾個(gè)特定的攻擊方式開(kāi)展防護(hù)-1-第七章

車(chē)道偏離報(bào)警系統(tǒng)-1-第七章

車(chē)道偏離報(bào)警系統(tǒng)01引言-1-第七章

車(chē)道偏離報(bào)警系統(tǒng)車(chē)道偏離報(bào)警系統(tǒng)（LDWS）旨在輔助駕駛員在公路行駛中保持穩(wěn)定的車(chē)道行駛，它通過(guò)傳感器技術(shù)識(shí)別車(chē)道標(biāo)識(shí)，并在車(chē)輛偏離時(shí)發(fā)出警報(bào)。LDWS定義LDWS僅作為被動(dòng)提醒系統(tǒng)，不具備自動(dòng)阻止車(chē)輛偏離或碰撞預(yù)警功能。它依賴于駕駛員的響應(yīng)，確保行車(chē)安全仍需駕駛員的持續(xù)關(guān)注和操作。被動(dòng)提醒功能系統(tǒng)簡(jiǎn)介與系統(tǒng)定義-1-第七章

車(chē)道偏離報(bào)警系統(tǒng)工作原理概述智能輔助安全車(chē)道偏離報(bào)警系統(tǒng)利用攝像頭、激光雷達(dá)等傳感器實(shí)時(shí)捕獲車(chē)道線信息，分析車(chē)輛是否偏離車(chē)道，旨在提高駕駛安全性，保障行車(chē)穩(wěn)定與乘客安全。觸發(fā)報(bào)警機(jī)制駕駛員響應(yīng)當(dāng)系統(tǒng)檢測(cè)到車(chē)輛未使用轉(zhuǎn)向燈或明顯操作意圖即偏離車(chē)道時(shí)，會(huì)立即啟動(dòng)報(bào)警，通過(guò)聲音、光線或觸覺(jué)信號(hào)警告駕駛員，促進(jìn)安全駕駛行為。設(shè)計(jì)的目的是引起駕駛員的注意，使其有足夠的時(shí)間進(jìn)行校正，避免可能的碰撞或其他危險(xiǎn)情況，它依賴于駕駛員的及時(shí)響應(yīng)和操作，確保行車(chē)安全。-1-第七章

車(chē)道偏離報(bào)警系統(tǒng)道路識(shí)別技術(shù)復(fù)雜道路環(huán)境真實(shí)道路上的情境復(fù)雜，從平面到垂直、從靜態(tài)到動(dòng)態(tài)，都涉及多種多樣的因素。為了讓汽車(chē)在復(fù)雜的交通環(huán)境中自動(dòng)行駛，確保行駛安全，道路識(shí)別技術(shù)應(yīng)運(yùn)而生。視覺(jué)感知能力視覺(jué)傳感器捕捉道路二維圖像，運(yùn)用圖像處理與計(jì)算機(jī)視覺(jué)技術(shù)，識(shí)別車(chē)道線、交通標(biāo)志、行人及車(chē)輛等，助力汽車(chē)定位與預(yù)測(cè)其他道路用戶行為，提升駕駛安全性。雷達(dá)精準(zhǔn)探測(cè)雷達(dá)通過(guò)發(fā)射激光束并接收反射信號(hào)，測(cè)量物體距離與形狀，生成三維數(shù)據(jù)點(diǎn)云，精確描繪道路障礙物、邊緣及分隔帶，為汽車(chē)提供結(jié)構(gòu)化三維視覺(jué)，保障行駛安全。整合多傳感器道路識(shí)別技術(shù)整合多傳感器與計(jì)算機(jī)算法，確保自動(dòng)駕駛汽車(chē)在安全、有效行駛。這項(xiàng)技術(shù)提升了車(chē)輛對(duì)復(fù)雜交通環(huán)境的感知、理解與應(yīng)對(duì)能力。-1-第七章

車(chē)道偏離報(bào)警系統(tǒng)02車(chē)道偏離報(bào)警系統(tǒng)工作原理-1-第七章

車(chē)道偏離報(bào)警系統(tǒng)傳感器捕捉車(chē)道線信息實(shí)時(shí)捕獲信息通過(guò)先進(jìn)的圖像處理算法，系統(tǒng)能夠精準(zhǔn)定位車(chē)道線位置，即使在復(fù)雜多變的交通環(huán)境中，也能穩(wěn)定識(shí)別，為駕駛員提供清晰指引。精準(zhǔn)定位車(chē)道線克服光線影響傳感器和圖像處理算法經(jīng)過(guò)優(yōu)化，能夠有效克服光線變化的影響，無(wú)論是白天還是夜晚，都能保證車(chē)道線的準(zhǔn)確識(shí)別，提升駕駛安全性。車(chē)道偏離報(bào)警系統(tǒng)利用高精度攝像頭和激光雷達(dá)傳感器，實(shí)時(shí)捕獲道路車(chē)道線信息，為系統(tǒng)提供準(zhǔn)確可靠的數(shù)據(jù)基礎(chǔ)，確保駕駛安全。-1-第七章

車(chē)道偏離報(bào)警系統(tǒng)報(bào)警臨界線設(shè)定報(bào)警臨界線報(bào)警臨界線是車(chē)道偏離報(bào)警系統(tǒng)中一個(gè)非常關(guān)鍵的概念。當(dāng)車(chē)輛即將或已經(jīng)越過(guò)這條線時(shí)，系統(tǒng)就會(huì)觸發(fā)報(bào)警，提示駕駛員進(jìn)行糾正。臨界線動(dòng)態(tài)調(diào)整報(bào)警臨界線的位置并非固定不變，而是根據(jù)駕駛員的反應(yīng)時(shí)間和車(chē)輛的偏離速度進(jìn)行動(dòng)態(tài)調(diào)整。這意味著在不同情況下，臨界線會(huì)有所不同。確保充足反應(yīng)時(shí)間報(bào)警臨界線的設(shè)定旨在確保駕駛員在車(chē)輛偏離車(chē)道前獲得充足的反應(yīng)時(shí)間。通過(guò)提前發(fā)出警報(bào)，提醒駕駛員注意車(chē)道，從而預(yù)防潛在的危險(xiǎn)。-1-第七章

車(chē)道偏離報(bào)警系統(tǒng)報(bào)警機(jī)制與示意圖觸發(fā)報(bào)警機(jī)制當(dāng)車(chē)輛滿足報(bào)警條件且沒(méi)有抑制請(qǐng)求時(shí)，系統(tǒng)將立即發(fā)出車(chē)道偏離報(bào)警。這通過(guò)聲音、光線或觸覺(jué)信號(hào)進(jìn)行，以引起駕駛員的注意，確保車(chē)輛行駛的安全。清除抑制請(qǐng)求如果車(chē)輛接收到抑制請(qǐng)求信號(hào)，如駕駛員正在進(jìn)行轉(zhuǎn)向或制動(dòng)操作，系統(tǒng)將暫時(shí)中止報(bào)警功能，以避免對(duì)駕駛員造成不必要的干擾。一旦抑制請(qǐng)求被清除。觸發(fā)報(bào)警條件在車(chē)道偏離報(bào)警系統(tǒng)的概念示意圖中，可以看到報(bào)警臨界線位于車(chē)道的一側(cè)，并標(biāo)有“報(bào)警臨界線”標(biāo)簽。而車(chē)道偏離報(bào)警概念示意圖則解釋了車(chē)輛何時(shí)以及如何觸發(fā)這個(gè)報(bào)警。030201-1-第七章

車(chē)道偏離報(bào)警系統(tǒng)報(bào)警臨界線動(dòng)態(tài)調(diào)整根據(jù)速度調(diào)整臨界線報(bào)警臨界線的位置是根據(jù)車(chē)輛的當(dāng)前速度和駕駛員的反應(yīng)時(shí)間來(lái)動(dòng)態(tài)計(jì)算的。這意味著在不同速度和反應(yīng)時(shí)間組合下，臨界線的位置可能會(huì)有所不同。確保安全距離當(dāng)車(chē)輛以較高速度行駛時(shí)，為了確保駕駛員有充足的時(shí)間做出反應(yīng)，報(bào)警臨界線會(huì)被設(shè)置得更靠近車(chē)道邊緣一些。這樣，一旦車(chē)輛偏離車(chē)道，系統(tǒng)就會(huì)及時(shí)發(fā)出警報(bào)。考慮個(gè)體差異除了速度和反應(yīng)時(shí)間外，報(bào)警臨界線的位置還會(huì)根據(jù)駕駛員的個(gè)體差異和偏好進(jìn)行微調(diào)。這意味著不同駕駛員在使用車(chē)道偏離報(bào)警系統(tǒng)時(shí)，可能會(huì)體驗(yàn)到略有不同的臨界線位置。-1-第七章

車(chē)道偏離報(bào)警系統(tǒng)03道路識(shí)別-1-第七章

車(chē)道偏離報(bào)警系統(tǒng)道路識(shí)別的分類(lèi)結(jié)構(gòu)化道路識(shí)別視覺(jué)傳感器道路識(shí)別非結(jié)構(gòu)化道路識(shí)別雷達(dá)傳感器道路識(shí)別結(jié)構(gòu)化道路具備明確的車(chē)道標(biāo)識(shí)和固定車(chē)道寬度，如城市街道和高速公路。此類(lèi)道路識(shí)別技術(shù)雖成熟，但易受環(huán)境噪聲、陰影和遮擋影響。視覺(jué)傳感器（主要是攝像頭）捕捉二維圖像，利用算法提取道路特征如車(chē)道線、交通標(biāo)志等。優(yōu)點(diǎn)在于提供豐富的顏色和紋理信息。非結(jié)構(gòu)化道路復(fù)雜，無(wú)明確車(chē)道線和邊界，如鄉(xiāng)村小路和市區(qū)街道。識(shí)別此類(lèi)道路極具挑戰(zhàn)性，需處理顏色、紋理和環(huán)境變量的復(fù)雜組合。雷達(dá)傳感器通過(guò)無(wú)線電波探測(cè)物體，而激光雷達(dá)則使用激光提供更高精度的三維信息。兩者在識(shí)別道路和周?chē)矬w時(shí)各有優(yōu)勢(shì)。-1-第七章

車(chē)道偏離報(bào)警系統(tǒng)圖像特征的分類(lèi)顏色特征顏色是圖像中最容易識(shí)別和描述的特征之一，它有助于識(shí)別和區(qū)分物體。盡管顏色特征非常有用，但它們可能不足以描述某些場(chǎng)景或?qū)ο蟆Ｐ螤钐卣餍螤钐卣魇菆D像分析的核心內(nèi)容之一，旨在量化圖像中物體的形狀，如周長(zhǎng)、面積、凹凸性等。描述方法包括邊界特征法、傅里葉形狀描述符法等?？臻g關(guān)系特征圖像中物體間的相對(duì)位置、交互關(guān)系和空間分布攜帶豐富信息。為了定量描述空間關(guān)系，可以采用絕對(duì)描述或相對(duì)描述的方法。紋理特征紋理特征在圖像分析中至關(guān)重要，體現(xiàn)圖像結(jié)構(gòu)和形態(tài)特點(diǎn)。其提取方法包括統(tǒng)計(jì)方法、結(jié)構(gòu)方法、模型方法和信號(hào)處理方法等。-1-第七章

車(chē)道偏離報(bào)警系統(tǒng)道路識(shí)別方法區(qū)域分割識(shí)別法基于區(qū)域分割的道路識(shí)別策略主要將圖像像素劃分為道路與非道路兩大類(lèi)。此方法面臨諸多挑戰(zhàn)，如道路表面顏色和紋理的變化、計(jì)算復(fù)雜度高。道路特征識(shí)別法基于道路特征的識(shí)別方法依賴于明確的道路圖像特性，如顏色、梯度和紋理等，以便識(shí)別道路邊界和車(chē)道標(biāo)記。特征主要分為灰度特征和彩色特征。0102-1-第七章

車(chē)道偏離報(bào)警系統(tǒng)道路識(shí)別方法道路模型識(shí)別法基于道路模型的識(shí)別方法主要是基于不同的(2D或3D)道路圖像模型，采用不同的識(shí)別技術(shù)(Hough變換、模板匹配技術(shù)、神經(jīng)網(wǎng)鉻技術(shù)等)對(duì)道路邊界。特征模型結(jié)合法基于道路特征與模型相結(jié)合的識(shí)別方法綜合了基于特征的健壯性和模型的通用性，通過(guò)圖像分割和模型擬合兩個(gè)主要環(huán)節(jié)，實(shí)現(xiàn)對(duì)抗圖像中的擾動(dòng)。0304-1-第七章

車(chē)道偏離報(bào)警系統(tǒng)道路特征與模型結(jié)合識(shí)別圖像分割是模型擬合的基礎(chǔ)，而模型擬合需考慮環(huán)境變化、排除噪音，并準(zhǔn)確描述道路形態(tài)。確保整個(gè)識(shí)別過(guò)程的準(zhǔn)確性和健壯性至關(guān)重要。圖像分割和模型擬合車(chē)道線識(shí)別結(jié)果展示了基于道路特征與模型相結(jié)合的識(shí)別方法在面對(duì)復(fù)雜交通場(chǎng)景時(shí)的強(qiáng)大能力，該方法能夠有效對(duì)抗陰影、光照變化等擾動(dòng)。抗干擾性強(qiáng)-1-第七章

車(chē)道偏離報(bào)警系統(tǒng)04車(chē)道偏離報(bào)警系統(tǒng)功能-1-第七章

車(chē)道偏離報(bào)警系統(tǒng)基本要求監(jiān)測(cè)狀態(tài)保運(yùn)行車(chē)道偏離報(bào)警系統(tǒng)持續(xù)監(jiān)控系統(tǒng)狀態(tài)，涵