智能车辆控制技术 课件 第1章 智能车辆概述

1.1智能车辆定义1.2智能车辆的发展现状与方向1.3智能车辆技术架构与关键技术1.4我国智能车辆的技术现状第1章智能车辆概述1.1

智能车辆的定义智能车辆（IntelligentVehicles，IV）是集传感技术、自动控制、人工智能、视觉计算、程序设计、组合导航、信息融合等众多技术于一体的智能化系统，是充分考虑车路合一、协调规划的车辆系统。智能车辆的发展历程可大致分为三个阶段：第一阶段是20世纪80年代至90年代，以单一功能的辅助驾驶系统为主；第二阶段是21世纪初至2010年，出现了集成多种功能的先进驾驶辅助系统；第三阶段是2010年至今，随着人工智能技术的突破，智能车辆进入快速发展期，自动驾驶技术逐步成熟，车联网应用日益广泛。2013年NHTSA发布了自动驾驶的分级标准，包括特定功能自动化、部分自动化、有条件自动化和完全自动化四个级别。2014年SAE制定的自动驾驶汽车分级标准最为详细，分为L0到L5级，分别对应传统无自动驾驶、辅助驾驶、部分自动驾驶、有条件自动驾驶、高度自动驾驶以及完全自动驾驶六个级别。德国联邦公路研究所（FederalHighwayandTransportResearchInstitute，BASt）则将自动驾驶的技术发展划分为五个阶段，包括：驾驶员控制车辆、驾驶辅助、部分自动驾驶、高度自动驾驶以及完全自动驾驶，分别对应SAE的L0、L1、L2、L4、L5阶段，和SAE相比去掉了有条件的自动驾驶。那么，中国版的汽车驾驶自动化分级又是怎么定义的呢，与NHTSA、SAE、BASt自动驾驶标准有什么区别？

国家市场监督管理总局、国家标准化管理委员会针对自动驾驶功能批准发布了《汽车驾驶自动化分级》（GB/T40429-2021）标准，并于2022年3月1日正式实施。根据《汽车驾驶自动化分级》，中国将驾驶自动化等级划分为L0～L5级:

(1)L0级驾驶自动化，被命名为应急辅助(EmergencyAssistance)该系统不能持续执行动态驾驶任务中的车辆横向或者纵向运动控制，但具备持续执行动态驾驶任务中的部分目标和事件探测与响应的能力。

(2)L1级驾驶自动化，被命名为部分驾驶辅助(PartialDriverAssistance)该系统在其设计运行条件下持续地执行动态驾驶任务中车辆横向或纵向运动控制，且具备与所执行的车辆横向或纵向运动控制相适应的部分目标和事件探测与响应的能力。

(3)L2级驾驶自动化，被命名为组合驾驶辅助(CombinedDriverAssistance)

该系统在其设计运行条件下持续地执行动态驾驶任务中的车辆横向和纵向运动控制，且具备与所执行的车辆横向和纵向运动控制相适应的部分目标和事件探测与响应的能力。

(4)L3级驾驶自动化，被命名为有条件自动驾驶(ConditionallyAutomatedDriving)

该系统可在其设计运行条件下持续地执行全部动态驾驶任务。

(5)L4级驾驶自动化，被命名为高度自动驾驶(HighlyAutomatedDriving)该系统可在其设计运行条件下，持续地执行全部动态驾驶任务。当驾驶自动化系统无法继续执行动态驾驶任务时，系统自行采取措施将车辆的事故风险降低至可接受程度。

(6)L5级驾驶自动化，被命名为完全自动驾驶(FullyAutomatedDriving)该系统没有运行设计范围，可在任何可行驶条件下持续地执行全部动态驾驶任务，当驾驶自动化系统无法继续执行动态驾驶任务时，系统自行采取措施将车辆的事故风险降低至可接受程度。1.2智能车辆的发展现状与方向1.2.1国外智能车辆发展现状与方向2016年，Google将无人驾驶项目拆到独立子公司中进行研究，Waymo公司从此诞生。2017年11月7日，Waymo公司宣布其无人驾驶汽车已达到L4级水平，即该车能够在事先经过地图绘制和测试的区域内实现完全的自动驾驶。截至2018年10月，Waymo无人驾驶汽车路测总里程已累计达到1000万英里，是全球无人驾驶路测数据最高的公司。2018年底，Waymo公司宣布在美国亚利桑那州的凤凰城推出首个商业化无人驾驶出租车服务，成为首家无人驾驶汽车商业化落地的公司。2025年，斯坦福大学发布了《人工智能与生活2030》报告，报告预测到2030年，自动驾驶汽车（包括私家车、卡车、配送车甚至飞行器）将变得更加普遍，人们可能减少私家车拥有量，更多的依赖共享自动驾驶服务，甚至可能导致城市空间格局的重新规划。特斯拉于2014年开始配置Autopilot系统。通过首代自动驾驶系统Autopilot，其已收集全球各种道路、天气条件下行驶超过13亿英里的数据，特斯拉基于该海量数据研发第二代Autopilot系统。2016年，特斯拉发布Autopilot2.0系统，该系统版本硬件包括8个摄像头、1个毫米波雷达、12个超声波雷达和NVIDIADrivePX2计算平台。特斯拉已在所研发生产的所有车型上都配置该系统。2018年初，特斯拉官方发布了Autopilot2.5系统。该系统更新之后拥有更为强大的处理速度，向全自动驾驶又迈进了一步。2024年，特斯拉在自动驾驶领域取得了显著进展，公司推出的FSDV12系统是全球首个端到端自动驾驶系统，通过一个大型神经网络实现从原始传感器数据到车辆操控指令的全过程，减少了延迟和误差，提高了系统的敏捷性和准确性。2025年，通用汽车宣布将与英伟达合作开发下一代智能汽车和机器人工厂，通用汽车计划在其下一代汽车上配备英伟达的“人工智能大脑”，以实现高级驾驶辅助和自动驾驶功能。1.2.2国内智能车辆发展现状与方向1992年，国防科技大学成功研制了我国第一辆真正意义上的自动驾驶汽车，该自动驾驶系统装配在国产面包车上，实现了人工智能驾驶性能。2000年，国防科技大学研制的第四代无人驾驶汽车试验成功，最高时速可达76km/h，创下当时国内无人驾驶汽车最高时速的纪录。2007年，国防科技大学与中国第一汽车集团公司联合研发的红旗旗舰无人驾驶轿车，其总体技术性能和指标已经达到世界先进水平。2008年，国家自然科学基金委设立了大量关于无人驾驶汽车视听觉方面的重大研究计划，在开展视听觉认知计算理论研究的基础上，我国制定了“视听觉信息的认知计算”专项计划，并以无人驾驶汽车作为计算机视听觉认知研究为验证平台，2009年至2015年举行多届中国智能车未来挑战赛。该比赛有力的推动了无人驾驶、环境感知认知等一系列关键技术的研究以及应用。2024年，清华大学车辆与运载学院研究团队，完成了国内首套全栈式端到端自动驾驶系统的开放道路测试。依托车路云一体化智能网联驾驶架构，该团队研发的端到端自动驾驶系统涵盖了“感知-预测-决策-规划-控制”等全链路环节，如图1-1。图1-1从感知到控制的全链路端到端自动驾驶系统原理图2016年11月，广汽传祺全球首发的智联电动概念车“凌云”，其集成了自主研发的“智能交通系统”、“无人驾驶技术”、“无线充电”三大前瞻科技，将未来汽车电动化、智能化、网联化的发展趋势有机融合。2016年11月15日，奇瑞携手百度打造的EQ无人驾驶汽车在乌镇开始试运营。2017年10月，一汽解放“挚途”商用车L3级智能重型载货汽车在高速公路实测成功，这是中国商用车第一次在高速公路环境下完成的智能驾驶功能测试。2017年4月，百度对外宣布自主开发自动驾驶技术平台阿波罗（Apollo），这是全球自动驾驶技术的首次系统级开放；同年7月，发布Apollo1.0，主要开放的是完整的封闭场地循迹自动驾驶；2018年1月，发布Apollo2.0，增加障碍物行为标注数据、2D障碍物标注数据、日志提取仿真场景数据。2018年3月，首批获得自动驾驶路测牌照的百度Apollo自动驾驶汽车已在北京亦庄的开放道路进行了公开测试，标志着针对无人驾驶技术的法律法规的健全化。百度和厦门金龙联合打造的国内首辆商用无人驾驶微循环电动车“阿波龙”号，如图1-2，在福建平潭正式亮相。图1-2

全国首辆商用级无人驾驶微循环电动车“阿波龙”1.3智能车辆技术架构与关键技术1.

智能车辆技术架构

智能车辆整体框架是一个高度集成且复杂的系统，它融合了车辆工程、电子技术、计算机科学、通信技术等多个领域的知识。图1-3展示的智能车辆整体架构主要包括车辆平台、硬件平台、软件平台和云服务平台四大核心部分。基础编程能力，则是智能车辆控制系统的基础。

图1-3

智能车辆整体架构

(1)云服务平台

在最上层，云服务平台扮演着至关重要的角色。它集成了高精度地图、虚拟场景模拟、数据分析与挖掘、数据加密传输、信息交互系统，为智能汽车提供全方位云端支持与服务。

(2)软件平台

软件平台层是智能汽车智能化的核心支撑。其中，地图引擎模块负责对地理数据进行处理与解读；场景理解模块负责明确车辆行驶场景；环境感知模块负责实现对周围环境的识别；实时控制模块根据CPU传输的指令控制车辆运动；行为决策模块根据目的地和实时路况，规划出最优行驶路径并做出迅速决策；而人机交互界面则为用户提供便捷的操作与信息展示平台。

(3)硬件平台

硬件平台层为智能汽车提供了物理基础。计算单元负责处理海量的数据与复杂的计算任务；导航模块为车辆提供精确的位置与姿态信息；传感器套件负责捕捉车辆周围的视觉信息；“黑匣子”负责记录车辆行驶过程中的关键数据；电源管理模块负责为所有车载设备提供能量。对于线控驱动车辆，硬件平台还需支持线控技术，通过电子信号实现对车辆执行机构的精确控制。

(4)车辆平台

车辆平台层包括线控底盘系统、车载语音交互系统以及汽车开放系统架构。线控底盘系统通过特定的通信协议以及控制器局域网、电子配件、数据总线、局部互联网实现对运动系统的精确控制，车载语音交互系统则让用户可以通过语音指令与车辆进行交互，汽车开放系统架构则为汽车电子系统的开发提供了标准化的框架与接口。

(5)基础编程

在基础编程能力方面，智能汽车的开发需要借助各种工具，包括编程学习软件、机器人操作系统、测试工具、数据序列、应用容器引擎等，用于智能车辆的计算机处理。编程语言涵盖Python、C++JavaScript、Bash、C语言等，以满足不同模块的开发需求。同时，机器学习框架如Caffe、Tensorflow等，为智能汽车智能算法的开发提供了强大支持，使其能够实现更高级的自动驾驶功能与环境感知能力。

2.

智能车辆关键技术

绘制了图1-4来系统且全面地阐述智能车辆所涉及的相关技术及它们之间的关联关系，涵盖了智能车辆7大技术能力、30多个技术分支及70多个技术节点。

图1-4

智能车辆相关技术及关联关系1.4我国智能车辆的政策现状2006年，国务院发布的《国家中长期科学和技术发展规划纲要（2006-2020年）》首次将智能车辆列为重点发展领域。2015年，国务院发布《中国制造2025》，将智能网联汽车列为重点发展方向，标志着我国智能车辆政策进入快速发展阶段。2016年，中国汽车工程学会发布《节能与新能源汽车技术路线图》，明确了中国智能网联汽车技术路线发展的短期、中期、长期目标。2017年，工业和信息化部、国家发展改革委、科技部联合发布《汽车产业中长期发展规划》，提出要推进智能网联汽车技术创新，着力推动关键零部件研发，重点支持传感器、控制芯片、北斗高精度定位、车载终端、操作系统等核心技术研发及产业化。2018年，工业和信息化部印发《车联网产业发展行动计划》。该计划制定了两阶段目标，第一阶段，要求智能道路基础设施水平明显提升；第二阶段，要求技术创新、标准体系、基础设施、应用服务和安全保障体系全面建成，高级别自动驾驶功能的智能网联汽车和5G-V2X逐步实现规模化商业应用，“人-车-路-云”实现高度协同。2020年，国家发展改革委等11部门联合发布《智能汽车创新发展战略》，提出到2025年，中国标准智能汽车的技术创新、产业生态、基础设施、法规标准、产品监管和网络安全体系基本形成。2020年