书签 分享 收藏 举报 版权申诉 / 34

类型中国公路学会自动驾驶工作委员会:车路协同自动驾驶发展报告(2019)(34页).pdf

  • 上传人:X****
  • 文档编号:59374
  • 上传时间:2022-01-14
  • 格式:PDF
  • 页数:34
  • 大小:1.19MB
  • 配套讲稿:

    如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。

    特殊限制:

    部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。

    关 键  词:
    中国 公路 学会 自动 驾驶 工作 委员会 协同 发展 报告 2019 34
    资源描述:

    《中国公路学会自动驾驶工作委员会:车路协同自动驾驶发展报告(2019)(34页).pdf》由会员分享,可在线阅读,更多相关《中国公路学会自动驾驶工作委员会:车路协同自动驾驶发展报告(2019)(34页).pdf(34页珍藏版)》请在三个皮匠报告文库上搜索。

    1、 车路协同自动驾驶发展报告 1.0 版 中国公路学会自动驾驶工作委员会 2019 年 06 月 I 版权说明版权说明 本报告版权属于中国公路学会自动驾驶工作委员会,并受法律保护。转载、摘编或利用其它方式使用本报告文字或者观点的,应注明“来源:中国公路学会自动驾驶工作委员会”。违反上述声明者,中国公路学会自动驾驶工作委员会将追究其相关法律责任。 III 车路协同自动驾驶车路协同自动驾驶发展报告发展报告 发布机构发布机构: 中国公路学会自动驾驶工作委员会 编写编写单位单位: 1. 东南大学-威斯康星大学智能网联交通联合研究院 2. 东南大学 3. 清华大学 4. 北京航空航天大学 5. 北京交通大

    2、学 6. 北京工业大学 7. 公安部交通管理科学研究所 写作组人员:写作组人员: 1. 程 阳 2. 郑 元 3. 谭华春 4. 衣建波 5. 曲 栩 6. 李 深 7. 何蜀燕 8. 凃 强 9. 李海舰 10. 李振龙 11. 何永明 12. 姚志洪 13. 林杨欣 14. 李彦瑾 15. 袁腾飞 16. 吴浩然 17. 丁 璠 18. 姚丹亚 19. 何赏璐 20. 顾海燕 21. 陈志军 22. 赵克刚 23. 芮一康 24. 杨 帆 25. 张 健 26. 蒋大治 27. 毕 军 28. 谷远利 IV 29. Steven Parker 30. Shawn Leight 31. Pe

    3、ter Jin(金璟) 32. David Noyce 33. Soyoung (Sue) Ahn 34. 王建强 35. 罗禹贡 36. 李升波 37. 边明远 38. 余贵珍 39. 鲁光泉 40. 田大新 41. 于海洋 42. 李 力 43. 胡坚明 44. 陆文杰 45. 王 敏 46. 孙 巍 47. 袁建华 48. 徐志刚 49. 龚思远 指导指导专家:专家: 1. 翁孟勇 2. 庞 松 3. 冉 斌 4. 李克强 5. 王云鹏 6. 张 毅 7. 王长君 8. 石晓辉 9. 赵祥模 10. 陈山枝 11. 张劲泉 12. 金 凌 13. 上官甦 14. 王笑京 15. 岑晏青

    4、16. 王 刚 17. 牛 波 18. 钟永健 V 引言引言 智能交通系统是缓解交通拥堵和保证交通安全的重要技术手段。随着人工智能、移动互联、 大数据等新一代信息技术的迅速发展,以自动驾驶为主要特征的新一代智能交通系统将逐渐成为解决交通问题的突破口。以谷歌、特斯拉和百度为首的自动驾驶解决方案,基于各种感知信息,通过人工智能技术进行决策和车辆控制,在一定程度上本身单车即可实现自动驾驶。但随着单个车辆自动驾驶技术进步空间的饱和、 技术提升的瓶颈以及交通环境复杂性的增加,自动驾驶越来越依靠智能道路设施的进步。智能道路基础设施和车路之间的交互与耦合将逐渐对智能网联汽车自动驾驶起辅助甚至主导作用。在此发

    5、展背景下,车路协同和车路一体化自动驾驶等相关创新技术的进步,能够加速自动驾驶商业化实现,并促进通信、互联网、汽车电子、路侧设施等领域的加快发展,推动 IT、 智能制造与交通、汽车产业走向深度融合。车路协同自动驾驶产业创新体系一旦形成,其产业链潜力巨大,将成为新一轮科技创新和产业竞争的制高点。 车路协同自动驾驶作为智能交通系统的高级发展形式, 是物联网技术在交通运输领域的重要应用。车路协同自动驾驶是一个由低至高的发展历程,主要包括以下几个发展阶段: (1)阶段 I,即信息交互协同,实现车辆与道路的信息交互和共享(Vehicle to Infrastructure & Infrastructure

    6、 to Vehicle,V2I & I2V) ; (2)阶段 II,即感知预测决策协同,在阶段 I 基础上,又可实现车路协同感知、预测、决策功能; (3)阶段 III,即控制协同,在阶段 I 和 II 基础上,可实现高级的车路协同控制功能; (4)阶段 IV,即车路一体化,在阶段 I、II 和 III 基础上,车辆和道路实现全面协同,即实现车路协同感知、车路协同预测、决策和车路协同控制一体化等完整系统功能。 以车路协同自动驾驶为核心的新一代智能交通系统,即车路协同自动驾驶系统。该系统利用先进的传感技术、网络技术、计算技术及控制技术等,对道路和交通环境进行全面感知,实现多个系统间大范围、大容量数

    7、据的交互和共享,并考虑不同的车辆自动化程度和不同的交通系统集成阶段,从车辆自动化、 网络互联化和系统集成化三个维度构建车路协同自动驾驶系统。该系统能够高效地实现感知、预测、决策和控制功能,并最终形成一个能够整合、协调、控制、管理和优化所有车辆、信息服务、设施设备、智能化交通管理控制的智能交通系统。车路协同自动驾驶系统由交通管理子系统、 智能路侧子系统、智能车辆子系统、智能通讯子系统等 4 大关键子系统,以及感知模块、融合预测模块、决策模块和控制模块等 4 大关键模块组成。广义上,车路协同自动驾驶系统涵盖和整合了智能网联汽车系统与智能网联道路系统,即智能网联车、车联网、主动交通管理系统、自动公路

    8、系统等均包含于车路协同自动驾驶系统。车路一体化自动驾驶是车路协同自动驾驶更高级的发展形式,是进一步增强道路基础设施的智能作用,改善车辆自动驾驶的商用化途径, 从而形成车辆和道路共同促进自动驾驶实现的一体化发展途径。 VI 传统技术和产业正面临着重构和再造,车路协同自动驾驶作为新兴的系统,也必将衍生新技术、新产业和新业务。车路协同自动驾驶系统是一个涵盖了自动驾驶车辆、交通环境、通信设施设备、交通管理和控制系统等多种实体,涉及计算机视觉技术、通信技术、网络安全技术、车路协同技术、主动管理控制技术、人车路中心协同服务管理技术、 自动公路系统等多项技术的综合系统,也是车路协同自动驾驶产业化道路过程中的

    9、技术热点和难点。车路协同自动驾驶涉及的产业众多,角色丰富、优势互补、跨界整合特征突出。发展车路协同自动驾驶,推动新技术应用,有利于促进以汽车和道路为载体的芯片、 软件、 信息通信、 数据服务等产业发展和转型, 打造智能汽车乘行经济新模式,有利于智能交通系统和智慧城市的建设,构建数据驱动、跨界融合、共创共享的数字经济,培育新的经济增长点。 本报告在深入解读车路协同自动驾驶概念内涵基础上, 阐述了车路协同自动驾驶关键技术发展方向,分析了车路协同自动驾驶产业的发展趋势与角色定位,提出了适合中国发展的车路协同自动驾驶的政策与建议。 VII 目录目录 版权说明 . I 引言 . V 目录 . VII 1

    10、 车路协同自动驾驶内涵 . 1 1.1 自动驾驶内涵 . 1 1.1.1 自动驾驶原理 . 1 1.1.2 自动驾驶目前分级 . 1 1.2 车路协同自动驾驶内涵 . 2 1.2.1 车辆自动化 . 3 1.2.2 网络互联化 . 3 1.2.3 系统集成化 . 3 1.3 车路协同自动驾驶发展阶段 . 4 1.4 系统主要组成和功能 . 5 1.4.1 关键子系统 . 5 1.4.2 关键功能模块 . 6 2 车路协同自动驾驶关键技术及其发展方向 . 7 2.1 车路协同自动驾驶关键技术解析 . 7 2.1.1 环境感知技术 . 7 2.1.2 融合与预测技术 . 7 2.1.3 智能决策技

    11、术 . 7 2.1.4 控制执行技术 . 8 2.1.5 I2X 和 V2X 通讯技术 . 8 2.1.6 网络安全技术 . 8 2.1.7 协同优化技术 . 8 2.1.8 交通系统集成优化技术 . 9 2.2 车路协同自动驾驶未来发展方向 . 9 2.2.1 融合北斗卫星和路侧设施的高精度高可靠定位逐渐成为主流 . 9 2.2.2 视觉识别和激光雷达将逐渐成为感知技术的核心 . 9 2.2.3 基于云技术的车路协同自动驾驶分布式云平台初现雏形 . 10 2.2.4 融合网联化智能技术的自动驾驶技术急速发展. 10 2.2.5 车路一体化自动驾驶的交通系统优化技术进入快车道 . 10 3 车

    12、路协同自动驾驶产业发展趋势与角色定位 . 13 3.1 车路协同自动驾驶产业发展趋势 . 13 3.1.1 关键技术与基础设施(上游) . 14 3.1.2 智能制造与系统集成(中游) . 16 3.1.3 应用服务与增值服务(下游) . 17 3.1.4 通用标准的制定 . 18 3.2 机构、部门、企业在车路协同自动驾驶产业发展中的角色定位 . 18 VIII 3.2.1 政府部门 . 18 3.2.2 企业 . 19 3.2.3 高校、科研院所 . 19 3.2.4 学会、协会 . 20 3.2.5 金融资本、投资机构 . 20 4 车路协同自动驾驶政策与建议 . 23 4.1 政府部门

    13、 . 23 4.1.1 政策 . 23 4.1.2 标准 . 23 4.1.3 法律法规 . 23 4.2 企业 . 23 4.3 高校与科研院所 . 24 5 术语附录. 25 6 参考文献. 27 中国公路学会自动驾驶工作委员会 车路协同自动驾驶发展报告(2019) 1 1 1 车路协同自动驾驶内涵车路协同自动驾驶内涵 1.1 自动驾驶内涵自动驾驶内涵 1.1.1 自动驾驶自动驾驶原理原理 自动驾驶, 即车辆通过车身布置的各传感器, 对周围环境进行感知并做出控制决策,包括纵向和横向的组合控制,纵向主要控制车速,横向主要控制方向。自动驾驶过程主要包括信息采集、信息处理和执行指令三个阶段。 信

    14、息采集阶段:自动驾驶汽车通过布置在车身的雷达、摄像头等传感器,对周围环境进行探测,采集周围行人、车辆的位置、车辆速度和加速度、车道线等信息。 信息处理阶段:自动驾驶汽车将采集到的信息传送到汽车电子控制单元(ECU)进行分析、计算并做出控制决策。 执行指令阶段:自动驾驶汽车将汽车电子控制单元做出的控制决策传送到发动机/电机管理系统和电动助力转向系统(EPS) ,实现车辆加速、减速和转向操作。 1.1.2 自动驾驶自动驾驶目前目前分级分级 按照自动驾驶技术让汽车达到自动驾驶的智能程度,国际汽车工程师协会(SAE)和美国道路安全管理局 (NHTSA) 分别将自动驾驶的级别划分为 6 个等级和 5 个

    15、等级。SAE 和 NHTSA 划分的原则也基本相同,都是从完全人工驾驶到完全自动驾驶1,见表1。 表 1 自动驾驶汽车分级 NHTSA SAE 自动化程度 具体定义 驾驶操作 周边监控 接管 应用场景 0 0 人工驾驶 由人类驾驶员负责驾驶车辆 人类驾驶员 人类驾驶员 人类驾驶员 无 1 1 辅助驾驶 车辆对方向盘和加减速中的一项操作提供驾驶,人类驾驶员负责其余的驾驶动作 人类驾驶员和车辆 人类驾驶员 人类驾驶员 限定场景 2 2 部分自动驾驶 车辆对方向盘和加减速中的多项操作提供驾驶支持,人类驾驶员负责其余驾驶操作 车辆 人类驾驶员 人类驾驶员 3 3 条件自动驾驶 车辆完成绝大部分驾驶操作

    16、,人类驾驶员需要在适当的时候提供应答 车辆 车辆 人类驾驶员 4 4 高度自动驾驶 由车辆完成所有驾驶操作,人类驾驶员无需对所有的系统请求做出应答,但限定道路和环境条件 车辆 车辆 车辆 5 完全自动驾驶 由车辆完成所有驾驶操作,人类驾驶员无需保持注意力 车辆 车辆 车辆 所有场景 第一层次:人工驾驶(Level 0) 车辆完全由驾驶员控制,包括制动、转向、启动加速及减速停车。 第二层次:辅助驾驶(Level 1) 车辆具有有限自动控制的功能,主要通过警告防止交通事故的发生。具有一定功能中国公路学会自动驾驶工作委员会 车路协同自动驾驶发展报告(2019) 2 的智能化阶段可称为“辅助驾驶阶段”

    17、 。 第三层次:部分自动驾驶(Level 2) 车辆具有至少两种控制功能融合在一起的控制系统,为多项操作提供驾驶支持, 如紧急自动刹车系统(AEB)和紧急车道辅助系统(ELA)等。 第四层次:条件自动驾驶(Level 3) 车辆能够在某个特定的交通环境下实现自动驾驶, 并可以自动检测交通环境的变化以判断是否返回驾驶员驾驶模式。 第五层次:高度自动驾驶(Level 4) 驾驶操作和环境观察仍然由系统完成,不需要对所有的系统要求进行应答。只有在某些复杂地形或者天气恶劣的情况时,才需要驾驶员对系统请求做出决策。 第六层次:完全自动驾驶(Level 5) 无须驾驶员和方向盘,在任何环境下都能完全自动控

    18、制车辆。只需提供目的地或者输入导航信息,就能够实现所有路况的自动驾驶,到达目的地。全工况无人驾驶阶段可称之为“完全自动驾驶阶段”或者“无人驾驶阶段” 。 1.2 车路协同自动驾驶车路协同自动驾驶内涵内涵 车路协同自动驾驶系统通过先进的车、路感知设备(如雷达、摄像头等)对道路交通环境进行实时高精度感知,按照约定的通信协议和数据交互标准,实现车与车、车与人以及车与道路交通设施间不同程度的信息交互和共享(网络互联化) ,并涵盖不同程度的车辆自动化驾驶阶段(车辆自动化) ,以及考虑车辆与道路供需间不同程度的分配协同优化(系统集成化) ,从车辆自动化,网络互联化和系统集成化三个维度构建车路协同自动驾驶系

    19、统, 进而高效和协同地执行车辆和道路的感知、 预测、 决策和控制功能,最终形成一个能够整合、协调、控制、管理和优化所有车辆、信息服务、设施设备、智能化交通管理的以车路协同自动驾驶为核心的新一代智能交通系统。广义上,车路协同自动驾驶系统涵盖和整合了智能网联汽车系统与智能网联道路系统,即智能网联车、车联网、主动交通管理系统、自动公路系统等均包含于车路协同自动驾驶系统。 车路一体化自动驾驶是车路协同自动驾驶更高级的发展形式,能够实现车路协同感知、 车路协同预测和决策以及车路协同控制一体化等功能。车路协同感知一体化技术是以路侧感知设备为主、车辆感知为辅,实现全路全息和全维度的一体化感知,改善车辆感知能

    20、力的局限;车路协同预测和决策一体化是对关键节点、路段层、路网层等交通系统单元进行统一规划与优化; 车路协同控制一体化是考虑车辆控制技术和交通环境的复杂性,对决策控制指令制定和执行进行统一优化和分配。 其中系统包括三个维度,如图 1 所示,维度 D1:车辆自动化,是车路协同自动驾驶系统中智能网联汽车的发展维度;维度 D2:网络互联化,是车路协同自动驾驶系统中智能网联通信的发展维度,以实现人、车、交通环境之间的协同、互联;维度 D3:中国公路学会自动驾驶工作委员会 车路协同自动驾驶发展报告(2019) 3 系统集成化,是车路协同自动驾驶系统的集成性发展维度234。具体内容如下。 1.2.1 车辆自

    21、动化车辆自动化 车辆的自动化,基于 SAE 的标准发展从低到高可以分为驾驶资源辅助、部分自动化、有条件自动化、高度自动化和完全自动化 5 个阶段1。 (1)驾驶资源辅助阶段:在适用的设计范围内,自动驾驶系统可持续执行横向或纵向的车辆运动控制某一子任务(不可同时执行) ,由驾驶员执行其他的动态任务。 (2)部分自动化阶段:在适用的设计范围内,自动驾驶系统可持续执行横向或纵向的车辆运动控制任务,驾驶员负责执行目标和意外检测与响应(Target and Accident Detection and Response,TADR)任务并监督自动驾驶系统。 (3)有条件自动化阶段:在适用的设计范围内,自动

    22、驾驶系统可以持续执行完整的动态驾驶任务,用户需要在系统失效时接受系统的干预请求,及时做出响应。 (4)高度自动化阶段:在适用的设计范围内,自动驾驶系统可以执行完整的动态驾驶任务和动态驾驶任务支援,用户无需对系统请求做出回应。 (5)完全自动化阶段:自动驾驶系统能在所有道路环境执行完整的动态驾驶任务和动态驾驶任务支援,驾驶员无需介入。 1.2.2 网络互联化网络互联化 网络互联化发展主要包含信息辅助、有限的互联传感、丰富的信息共享和全网优化性互联 4 个阶段。 (1)信息辅助阶段:驾驶员通过路侧设备获取路况信息,从而辅助驾驶和决策。 (2)有限的互联传感阶段:驾驶员和车辆通过车内设备,以及路侧设

    23、备,获取相关信息,从而进一步辅助驾驶及进行决策。 (3)丰富的信息共享阶段:驾驶员和车辆之间通过车内设备、路侧设备、全网信息中心以及车辆间信息共享设备获得更多层面的信息。不同车辆之间,通过各自认可的驾驶方式进行驾驶和决策,其中驾驶方式包括驾驶员驾驶、车辆自行驾驶、车辆服从全网信息中心指令驾驶。 (4)全网优化性互联阶段:全交通网络的信息不再过载和重复,驾驶员和车辆获得优化后的信息,迅速地进行安全驾驶和最优的行驶决策。 1.2.3 系统集成化系统集成化 系统集成化的发展需要经历关键节点层系统集成、路段层系统集成、交通走廊层系统集成和全局宏观层系统集成 4 个阶段。 (1)关键点层系统集成阶段:网

    24、联车辆在交通关键点与路侧设备进行信息交互,获得指令和必要信息,在各个交通关键点处解决具体事件,保障各微观节点的交通畅通中国公路学会自动驾驶工作委员会 车路协同自动驾驶发展报告(2019) 4 和安全。该阶段的目标是实现交通关键点以及周边小区域的交通优化控制。 (2) 路段层系统集成阶段: 网联车辆与微观交通控制中心联结, 获取指令与信息,通过指令在路段层面解决微观问题。 这一阶段的目标是以单个路段为单位对交通进行管理和控制。 (3) 交通走廊层系统集成阶段: 网联车辆与中观控制中心联结获取出行路径规划。中观控制中心合理控制走廊层面的交通流量,提前预测拥堵事件,合理建议全局系统进行全局规划。本阶

    25、段针对路网交通运行具有重要影响的交通走廊,由上一阶段的路段控制整合形成,从而支持更高级的控制算法,实现走廊层面的交通优化管理与控制。 (4)全局宏观层系统集成阶段:从最高层级优化交通分配,提高出行效率,降低人员出行成本和社会物流成本,实现全路网范围的全局优化管控。 图 1 车路协同自动驾驶系统三维体系发展架构 1.3 车路协同自动驾驶发展阶段车路协同自动驾驶发展阶段 车路协同自动驾驶是一个由低至高的发展历程,主要包括以下几个发展阶段: (1)阶段 I,即信息交互协同,实现车辆与道路的信息交互和共享(Vehicle to Infrastructure & Infrastructure to Ve

    26、hicle,V2I & I2V) ; (2)阶段 II,即感知预测决策协同,在阶段 I 基础上,又可实现车路协同感知、预测、决策功能; (3)阶段 III,即控制协同,在阶段 I和 II 基础上,可实现高级的车路协同控制功能; (4)阶段 IV,即车路一体化,在阶段I、II 和 III 基础上,车辆和道路实现全面协同,即实现车路协同感知、车路协同预测决策、以及车路协同控制一体化等完整系统功能。 车路协同自动驾驶阶段 I:采用先进的无线通信和新一代互联网等技术,全方位实现车车、 车路等动态实时信息交互和共享,其主要体现在系统参与者对环境信息的采集中国公路学会自动驾驶工作委员会 车路协同自动驾驶发

    27、展报告(2019) 5 与融合层面56。 车路协同自动驾驶阶段 II:除借助通信技术进行实时信息交互和共享外,随着车辆技术进步空间的饱和与交通环境复杂性的增加, 自动驾驶感知和决策的实现不仅仅依赖于雷达、摄像头等先进的车载设备,而且越来越依靠于智能道路设施,进行全时空动态交通环境信息的感知,以及后续的数据融合、状态预测和行为决策等功能,其主要体现在系统参与者对环境信息的全面采集以及驾驶决策层面56。 车路协同自动驾驶阶段 III:除可采集全时空动态环境信息和实施车车、车路等动态实时信息交互外,能够进行状态预测和行为决策,并在此基础上还可实现车路协同自动驾驶控制功能,进而完成对整个自动驾驶关键步

    28、骤的全覆盖,如在高速公路专用道、城市快速路、自动泊车等限定场景进行应用,其主要体现在系统参与者对环境信息的全面采集、驾驶决策和控制执行整个层面。 车路协同自动驾驶阶段 IV:除可实现全面采集、驾驶决策和控制执行等功能外,能够进一步增强道路基础设施的智能作用, 从而实现车辆和道路全面的智能协同和配合,即在任何场景下实现车路协同感知、 车路协同预测决策以及车路协同控制等系统一体化功能, 进而改善车辆自动驾驶的商用化落地途径,从而形成车辆和道路共同促进自动驾驶实现的一体化发展途径。 1.4 系统主要组成和功能系统主要组成和功能 1.4.1 关键关键子系统子系统 车路协同自动驾驶系统包括智能交通管理系

    29、统、智能路侧系统、智能车辆子系统、智能通讯系统等 4 大关键子系统3。 (1) 智能交通管理系统包括分层的交通控制中心和交通控制单元, 用于信息处理、交通控制指令制定。分层的交通控制中心(Traffic Control Center,TCC)和交通控制单元(Traffic Control Unit,TCU)包括:宏观层 TCC、地区层 TCC、通道层 TCC、路段层 TCC、路段层 TCU、点层 TCU。每一层的控制中心和控制单元能够处理上层交通控制中心和交通控制单元的交通控制指令信息, 并向低层交通控制中心和交通控制单元发送控制指令。 (2)智能路侧系统由路侧单元组成,其中路侧单元主要包括:

    30、感知模块、数据处理模块、 通信模块、 展示模块和电源单元。 通过感知模块采集交通和车辆驾驶环境信息,数据处理模块提供特定车辆的状态数据,并通过通讯模块完成车辆与上一层级点层TCU 之间实现信息交互和发送特定的车辆驾驶指令给车辆,展示模块用于展示发送至车载设备的数据。 (3)智能车辆子系统由不同网联度和自动化程度的混合车流组成,其中的车辆主要包括以下至少一个组成:车辆控制模块、交通检测和数据采集模块、无线通信模块、数据采集和交互模块。智能车辆子系统中的车辆通过网联车辆安全认证、车载单元 ID中国公路学会自动驾驶工作委员会 车路协同自动驾驶发展报告(2019) 6 (OBU ID) 、可移动设施

    31、ID、差分全球定位系统 DGPS(Differential Global Positioning System) 、可视化检测器、可移动 LiDAR(Light Detection And Ranging,激光探测与测量)或固定雷达检测器等设备,实现车辆识别和跟踪功能。 (4)智能通信系统由以下一个或多个模块组成,主要包括:OEM(Original Equipment Manufacturer)操作器;通信服务提供商,包括移动、联通和电信等;维护系统的公共机构,如:相关政府交通部门。通信系统为系统中所有实体提供有线或无线通信服务,包括以下通信技术:无线通信技术,例如:DSRC,手机通信技术 3

    32、G、4G、5G和蓝牙;有线通信技术,如:以太网。 1.4.2 关键关键功能模块功能模块 车路协同自动驾驶系统包括感知模块、融合预测模块、规划和决策模块和控制模块等 4 个关键功能模块34。 (1)感知模块:实现道路线形估计及环境感知、静态交通状态及动静态障碍物检测与识别、车辆状态估计及运动补偿、交通标志、标线、信号灯等交通基础设施检测、车辆自身的定位、高精地图或无地图定位等功能。 (2)融合预测模块:实现路侧感知信息与车辆感知信息融合、多传感器前向信息融合、多传感器多方向信息融合、车辆群体信息融合、车辆轨迹预测、路段交通状态预测、 路网交通状态预测等功能。 路侧单元与车辆感知设备的信息融合能够

    33、提升感知精度,路段多车辆信息融合实现路段状态精准识别。 (3)规划和决策模块:以效率、安全和能源消耗为目标,车辆轨迹预测算法为核心,对车辆队列、期望车速、期望车间距、期望交通量、在接入点的期望交通分流、交通信号配时等参数进行规划,完成车辆行为及运动的规划、推理、决策等。 (4)控制模块:实现车辆路径控制、车队队列控制,以及按照控制指令到车载单元,实现对汽车方向盘、油门、刹车等执行机构的控制。紧急状态下,如通信中断时,控制权移交至车载单元,车载单元以安全为目标控制车辆。 中国公路学会自动驾驶工作委员会 车路协同自动驾驶发展报告(2019) 7 2 2 车路协同自动驾驶关键技术及其发展方向车路协同

    34、自动驾驶关键技术及其发展方向 2.1 车路协同自动驾驶关键技术解析车路协同自动驾驶关键技术解析 2.1.1 环境感知技术环境感知技术 环境感知技术利用摄像头、毫米波或激光雷达等传感器感知周围环境,通过提取路况信息与检测障碍物为智能网联汽车提供决策依据78。目前,自动驾驶在环境感知技术方面主要有 3 大流派:Google Waymo、GM Cruise、百度等公司以激光雷达为主;苹果、Uber 与 Roadstar 等公司以多传感器融合为主;而特斯拉、驭势科技与 Auto X 等公司选用的是以摄像头为主的技术方案。其中,激光雷达凭借其分辨率高的优势,成为越来越多自动驾驶车辆的标配传感器。另一方面

    35、,高精度地图与定位作为自动驾驶车辆进行环境感知的另一重要手段, 可以弥补激光雷达在复杂路况识别等方面的误差。 现阶段,国内外几大图商都在积极推进面向自动驾驶的高精度地图, 旨在为自动驾驶车辆提供精度更高的定位方案。 2.1.2 融合与预测融合与预测技术技术 融合与预测技术利用多种传感器的感知数据以及融合处理, 进行行驶环境的采集与分析,并对交通参与者的运动状态进行预测。鉴于多种传感器技术各具有不同的优、劣势,尚不存在某单一传感器满足所有工况需求的方案。例如,摄像头的硬件技术已相对成熟,但所需的算法识别准确率却仍待提高;激光雷达的点云算法实现较易,但硬件成本高、环境适应性差。因此,需对毫米波雷达

    36、、激光雷达及摄像头等多种传感器的数据格式、频率以及精度等多项指标进行融合处理。在此基础上,利用多源融合的数据,不断实时地监督车辆运动状态与周围环境信息,对交通参与者行为、路网交通状态、车辆运行轨迹等进行高效地识别与预测, 有助于交通参与者在充分考虑实际行驶环境的同时,生成最优的参考轨迹。 2.1.3 智能决策技术智能决策技术 智能决策技术以安全、舒适、节能、高效为行驶目标,通过车辆周边环境和路侧感知信息,为自动驾驶车辆提供最合理的智能决策9。目前,自动驾驶在智能决策技术方面主要有两种方案:基于规则(rule based)的方案与终端到终端(end-to-end)的方案。其中,基于规则的方案需要

    37、人工搭建一个非常复杂的架构,可解释性较高;而终端到终端的方案通过神经网络处理,可使自动驾驶车辆产生类似于人类的驾驶行为,这更接近人类的驾驶习惯。此外,新兴的终端到终端方案还将概率过程、博弈过程、马尔可夫过程、群体决策、群体智能等应用到了车辆行为的决策算法中,从而实现车辆间在多种不同场景下都能有效做到协同决策。 中国公路学会自动驾驶工作委员会 车路协同自动驾驶发展报告(2019) 8 2.1.4 控制执行技术控制执行技术 控制执行技术将智能决策的行为指令解析为带有时间信息的轨迹曲线, 从而对自动驾驶车辆的行驶速度与方向进行有效控制。具体而言,控制执行技术旨在解决自动驾驶车辆的轨迹优化问题,包括:

    38、 (1)车辆在一定时间段内的行驶轨迹; (2)整条轨迹的时间信息和车辆姿态(如速度、加速度、曲率等) 。目前,多数自动驾驶汽车采用传统的控制方法,如比例积分微分控制、滑模控制、模糊控制、自适应控制、鲁棒控制等10,而中国虽在控制执行技术上有一定的研发基础,但与博世、德尔福等国外大型企业相比,其自动驾驶车辆在控制稳定性和市场规模等方面仍有较大差距。 2.1.5 I2X 和和 V2X 通讯技术通讯技术 基础设施与一切事物相连接(Infrastructure to Everything,I2X) 、车辆与一切事物相连接(Vehicle to Everything,V2X)是重要的信息通讯技术,用于实

    39、现道路、车辆、系统间的信息交互111213,这里的 X 代表任何与之交互信息的对象,主要包含车、人、交通路侧基础设施、云和网络。具体而言,I2X 和 V2X 通讯技术可以通过无线通讯获得实时道路信息、行人信息等一系列交通与驾驶信息,然后充分应用这些信息提高自动驾驶车辆的安全性与出行效率, 并提供一定的车载娱乐服务1114。 目前, 在 I2X 和 V2X通信标准的应用上,国内外主要采用 DSRC、4G-LTE 和 5G 等方案1516。 2.1.6 网络安全技术网络安全技术 当智能车辆的车载设备通过无线方式与其他设备或互联网相连时, 网络安全问题随之产生。针对自动驾驶的网联安全1417,美国在

    40、 2013 年制订了全世界首部汽车智能网联信息安全标准 SAE J30611518, 该标准的主要特征是从信息安全的全生命周期角度提出了相关的物理模型和开发流程;欧洲则是从汽车、开放式信息平台与通信环境等 3 个层级上构架智能网联信息安全的防护体系; 而日本信息处理推进机构将汽车信息安全模型 Approaches 作为推进汽车信息安全防护的重要参考1619。在中国,交通运输部 IDS标委会发布了智能网联驾驶信息安全标准体系框架 ,它对自动驾驶车辆的网络安全从体系架构、测试方法和安全标准等多个方面给出了明确的标准和规范1718192021。 2.1.7 协同协同优化优化技术技术 协同优化技术基于

    41、环境感知技术获取车辆和路侧设施等的实时信息, 并通过V2V、V2I 通信技术实现车辆与道路互联互通,整合两者优势协同优化交通系统资源,提高道路安全,缓解交通拥堵22。其中涉及车车/车路信息交互、协同感知、协同预测、协同决策与协同控制技术,以及协同系统仿真测试技术等多个方面,主要通过智能车载系统与路侧控制设备的信息传递、功能协同、协调配合,实现基于协同技术的车辆及车辆群体安全协同通行。 仿真测试是通过多模式无线通信与路由协议实现虚拟路侧系统与虚拟车中国公路学会自动驾驶工作委员会 车路协同自动驾驶发展报告(2019) 9 载系统的信息交互,然后通过将各功能阶段的模型应用于不同的仿真场景中,从而实现

    42、对车路协同技术的安全评估与效率评估。 2.1.8 交通系统集成优化技术交通系统集成优化技术 交通系统集成优化技术主要利用 V2V 及 V2I 通信技术,实时感知获取自动驾驶车辆及其周边车辆的交通状态信息,通过整合车路和道路基础设施优势构建系统平台,对全局宏观层集成、交通走廊层集成、路段层集成、关键节点层集成的交通系统进行决策与优化, 该系统通过不断训练和学习进行更新与升级, 并能够给车辆和路侧控制单元发布交通状况信息及诱导或控制指令, 使得车辆能够与其它车辆及路侧设施设备进行协同运作。 目前,交通系统集成优化技术在交通系统运营方面的研究和应用主要集中在高速公路入口与出口区域和城市道路信号交叉口

    43、处的交通流运行与管控等领域。 2.2 车路协同自动驾驶未来发展方向车路协同自动驾驶未来发展方向 2.2.1 融合北斗卫星和路侧设施的高精度高可靠定位逐渐成为主流融合北斗卫星和路侧设施的高精度高可靠定位逐渐成为主流 普通导航地图的精度在 5m 左右,只描绘了道路的位置和形态,没有反映道路的细节信息, 无法准确获取车辆所在位置,不满足车路协同自动驾驶对高精度定位和导航的需求。而高精度地图的绝对精度要求优于 1m,相对精度达到 10-20cm,包含了车道、车道边界、车道中心线、车道限制信息等非常丰富的信息。随着智能交通和自动驾驶领域的飞速发展,现有的普通导航地图在内容、精度和完整性方面都无法满足车路

    44、协同自动驾驶的应用需求。北斗卫星导航系统可在全球部分范围内全天候、全天时为各类用户提供高精度、高可靠定位、导航、授时服务,并具短报文通信能力,已经初步具备区域导航、定位和授时能力。未来将融合北斗卫星和路侧设施,构建车路协同自动驾驶高精度地图。同时,卫星定位与惯导融合的低成本、高精度、高可靠定位传感器将是实现厘米级定位的必经途径,这些均为车路协同自动驾驶真正实现大规模商用奠定基础。 2.2.2 视觉识别和激光雷达将逐渐成为感知技术的核心视觉识别和激光雷达将逐渐成为感知技术的核心 在实际驾驶过程中,驾驶员获取的信息绝大部分来自于视觉。摄像头拥有最丰富的线性密度,其数据量远超其他类型的传感器。基于图

    45、像信息密度最高的优势,使得视频视觉识别处于整个感知融合的中心地位。但摄像头需要识别和估算的目标繁多,导致基于目标监测与识别的学习算法变得十分复杂。 激光雷达相对于毫米波雷达等其他传感器具有分辨率高、识别效果好等优点,已越来越成为主流的自动驾驶汽车用传感器,但其成本从根本上阻碍了自动驾驶汽车的普及与商用。目前激光雷达正在向着低成本、小型化的固态扫描或机械固态混合扫描形式发展,但仍存在量产规模和成本等问题。由于计算机视觉领域在自动驾驶领域的应用潜力被低估, 激光雷达的成本和性能已逐步支持商业化, 多传感器的融合其实是商业化自动驾驶达到高可靠性的必由之路。多传感器融合中国公路学会自动驾驶工作委员会

    46、车路协同自动驾驶发展报告(2019) 10 如何同时在车载系统和路侧系统实现是比较关键的问题之一。 2.2.3 基于云技术的基于云技术的车路协同自动驾驶车路协同自动驾驶分布式云平台初现雏形分布式云平台初现雏形 云计算技术采用分布式冗余存储方式,具有处理大规模数据和实现数据共享等特点。云计算技术提供的服务包含基础设施即服务(Infrastructure as a Service,IaaS) 、平台即服务(Platform as a Service,PaaS)和软件即服务(Software as a Services,SaaS)2325。车路协同自动驾驶系统中大量数据存储和计算的需求, 为云计算技

    47、术从概念层走向应用层提供了机遇,两者可以实现优势互补。而云计算技术应用在车路协同自动驾驶中尚处于初级阶段,IaaS 层为车路协同自动驾驶提供处理、存储、网络和基本计算资源,允许部署路网层、路段层和路侧设备通用的应用2426;PaaS 层提供服务,允许将路网层、路段层和路侧设备所需应用部署在云端;SaaS 层可访问云供应商提供的服务应用。如何建立完善的车路协同自动驾驶云分布式平台、 提高云服务的安全性将是车路协同自动驾驶技术发展的重要方向。 2.2.4 融合网联化智能技术的自动驾驶技术急速发展融合网联化智能技术的自动驾驶技术急速发展 相比于自主式智能车辆对周边环境的感知能力,网联化智能技术可以从

    48、时间维度和空间维度获取更多的交通信息,不仅提高单车的感知和决策能力,还能为车辆群体协同感知、决策提供条件。基于 V2X 和 I2X 通信技术进行车-车、车-路、路-云实时信息交互和共享,从时间维度上提前获知或预测周边车辆运行、红绿灯等交通控制系统以及气象条件等信息,从空间维度上感知交叉路口盲区、弯道盲区、车辆遮挡盲区等位置的环境信息, 实现自动驾驶车辆之间的协同与配合,能够大范围开展车辆主动安全控制和协同控制,包括自组编队长度控制、队列跟驰与换道策略以及车辆进出车队决策等。网联化智能技术与自动化智能技术正加速融合发展, 形成一种新的自动驾驶技术发展与应用趋势。 但网联化技术受通讯传输距离以及传

    49、输延误和丢包等因素的影响,只有保证一定精度条件下才能帮助自动驾驶系统更全面掌握周边交通态势, 进而开展大量相关的研究和应用。 2.2.5 车路一体化自动驾驶的交通系统优化技术进入快车道车路一体化自动驾驶的交通系统优化技术进入快车道 基于车路一体化自动驾驶的交通系统将实现车路协同感知、车路协同决策和车路协同控制一体化等功能。由政府主导的交通系统控制管理中心能够更有效地整合车企、IT企业管理下的自动驾驶资源, 从道路系统全局出发为各类不同出行方式和技术层次的出行者提供更安全更有效的自动驾驶出行服务。 车路协同感知一体化技术是以路侧感知设备为主、车辆感知为辅,实现全路全息和全维度的车路一体化感知,改

    50、善车辆感知能力的局限; 车路协同决策一体化以效率、安全和能源消耗作为车路一体化自动驾驶的交通系统优化目标,从路网最优角度出发,对关键节点、路段层、路网层等交通系统单元进中国公路学会自动驾驶工作委员会 车路协同自动驾驶发展报告(2019) 11 行统一规划与优化;车路协同控制一体化是结合道路系统全局最优的决策控制指令,根据单车和群体动力学理论,考虑单车和车辆群体能耗过程及相关影响因素,实现车辆运行安全、舒适、节能与环保的最终目标。 中国公路学会自动驾驶工作委员会 车路协同自动驾驶发展报告(2019) 13 3 3 车路协同自动驾驶产业发展趋势与角色定位车路协同自动驾驶产业发展趋势与角色定位 3.

    展开阅读全文
    提示  三个皮匠报告文库所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    关于本文
    本文标题:中国公路学会自动驾驶工作委员会:车路协同自动驾驶发展报告(2019)(34页).pdf
    链接地址:https://www.sgpjbg.com/baogao/59374.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 联系我们 - 行业研究网

    copyright@ 2008-2013        长沙景略智创信息技术有限公司版权所有
    网站备案/许可证号:湘ICP备17000430号-2