厚勢按：本文為清華大學汽車工程系李克強教授、戴一凡博士、李升波博士和邊明遠博士發(fā)表在 2017 年第 1 期《汽車安全與節(jié)能學報》上發(fā)表的專業(yè)綜述論文，論文詳細介紹了智能網(wǎng)聯(lián)汽車（Intelligent Connected Vehicle，ICV）技術的發(fā)展現(xiàn)狀及趨勢：

ICV 的體系架構包括：價值鏈、技術鏈與產(chǎn)業(yè)鏈；
ICV 的 4 個發(fā)展階段是：自主式駕駛輔助、網(wǎng)聯(lián)式駕駛輔助、人機共駕、高度自動 / 無人駕駛；
ICV 的關鍵技術有：環(huán)境感知、智能決策、控制執(zhí)行、人機共駕、通信與平臺、信息安全等。

全文共 11500 多字，但筆者相信，耐心讀完后，您會對整個智能網(wǎng)聯(lián)汽車技術和產(chǎn)業(yè)有一個較全面的認知。

以移動互聯(lián)、大數(shù)據(jù)及云計算等技術為代表的新一輪科技革命方興未艾。在此背景下，中國政府提出了「中國制造 2025」及「互聯(lián)網(wǎng)+」發(fā)展戰(zhàn)略，大力推動產(chǎn)業(yè)轉型升級和結構優(yōu)化調整。汽車產(chǎn)業(yè)作為國民經(jīng)濟的支柱產(chǎn)業(yè)，其自身規(guī)模大、帶動效應強、國際化程度高、資金技術人才密集，必將成為新一輪科技革命以及中國制造業(yè)轉型升級的重要支柱。

智能網(wǎng)聯(lián)汽車是指搭載先進的車載傳感器、控制器、執(zhí)行器等裝置（注：硬件系統(tǒng)），并融合現(xiàn)代通信與網(wǎng)絡技術，實現(xiàn)車與 X（車、路、人、云等）智能信息交換、共享（注：對外通信系統(tǒng)），具備復雜環(huán)境感知、智能決策、協(xié)同控制等功能（注：軟件系統(tǒng)），可實現(xiàn)安全、高效、舒適、節(jié)能行駛，并最終實現(xiàn)替代人來操作的新一代汽車（注：功能）。

圖 1 智能汽車、智能網(wǎng)聯(lián)汽車與車聯(lián)網(wǎng)等的相互關系

智能網(wǎng)聯(lián)汽車可以提供更安全、更節(jié)能、更環(huán)保、更便捷的出行方式和綜合解決方案，是國際公認的未來發(fā)展方向和關注焦點。智能網(wǎng)聯(lián)汽車、智能汽車與車聯(lián)網(wǎng)、智能交通等概念間的相互關系如圖 1 所示。智能汽車隸屬于智能交通大系統(tǒng)，而智能網(wǎng)聯(lián)汽車則屬于智能汽車與車聯(lián)網(wǎng)的交集。

本文欲梳理智能網(wǎng)聯(lián)汽車的體系架構，包括其價值鏈、技術鏈與產(chǎn)業(yè)鏈，闡述 ICV 發(fā)展的 4 個階段，分析汽車智能化與網(wǎng)聯(lián)化關鍵技術發(fā)展現(xiàn)狀及其趨勢，并對中國 ICV 技術與產(chǎn)業(yè)發(fā)展提出思考與建議。

智能網(wǎng)聯(lián)汽車的體系架構

智能網(wǎng)聯(lián)汽車集中運用了汽車工程、人工智能、計算機、微電子、自動控制、通信與平臺等技術，是一個集環(huán)境感知、規(guī)劃決策、控制執(zhí)行、信息交互等于一體的高新技術綜合體，擁有相互依存的價值鏈、技術鏈和產(chǎn)業(yè)鏈體系。

智能網(wǎng)聯(lián)汽車的價值鏈

智能網(wǎng)聯(lián)汽車在提高行車安全、減輕駕駛員負擔方面具有重要作用，并有助于節(jié)能環(huán)保和提高交通效率。研究表明，在智能網(wǎng)聯(lián)汽車的初級階段，通過先進智能駕駛輔助技術有助于減少 30% 左右的交通事故，交通效率提升 10%，油耗與排放分別降低 5%。進入智能網(wǎng)聯(lián)汽車的終極階段，即完全自動駕駛階段，甚至可以完全避免交通事故，提升交通效率 30% 以上，并最終把人從枯燥的駕駛任務中解放出來，這也是智能網(wǎng)聯(lián)汽車最吸引人的價值魅力所在。

智能網(wǎng)聯(lián)汽車的技術鏈

圖 2 智能汽車的 3 種技術路徑

從技術發(fā)展路徑來說，智能汽車分為3個發(fā)展方向：網(wǎng)聯(lián)式智能汽車（Connected Vehicle，CV）、自主式智能汽車（Autonomous Vehicle，AV），及前二者的融合，即智能網(wǎng)聯(lián)汽車（Connected and Automated Vehicle，CAV 或 ICV），如圖 2 所示。

圖 3 智能網(wǎng)聯(lián)汽車「三橫兩縱」技術架構

智能網(wǎng)聯(lián)汽車融合了自主式智能汽車與網(wǎng)聯(lián)式智能汽車的技術優(yōu)勢，涉及汽車、信息通信、交通等諸多領域，其技術架構較為復雜，可劃分為「三橫兩縱」式技術架構：「三橫」是指智能網(wǎng)聯(lián)汽車主要涉及的車輛、信息交互與基礎支撐 3 個領域技術，「兩縱」是指支撐智能網(wǎng)聯(lián)汽車發(fā)展的車載平臺以及基礎設施條件，如圖 3 所示。

ICV 的「三橫」架構涉及的 3 個領域的關鍵技術可以細分為以下 9 種：

環(huán)境感知技術：包括利用機器視覺的圖像識別技術，利用雷達（激光、毫米波、超聲波）的周邊障礙物檢測技術，多源信息融合技術，傳感器冗余設計技術等。
智能決策技術：包括危險事態(tài)建模技術，危險預警與控制優(yōu)先級劃分，群體決策和協(xié)同技術，局部軌跡規(guī)劃，駕駛員多樣性影響分析等。
控制執(zhí)行技術：包括面向驅動/制動的縱向運動控制，面向轉向的橫向運動控制，基于驅動/制動/轉向/懸架的底盤一體化控制，融合車聯(lián)網(wǎng)（V2X）通信及車載傳感器的多車隊列協(xié)同和車路協(xié)同控制等。
V2X 通信技術：包括車輛專用通信系統(tǒng)，實現(xiàn)車間信息共享與協(xié)同控制的通信保障機制，移動自組織網(wǎng)絡技術，多模式通信融合技術等。
云平臺與大數(shù)據(jù)技術：包括智能網(wǎng)聯(lián)汽車云平臺架構與數(shù)據(jù)交互標準，云操作系統(tǒng)，數(shù)據(jù)高效存儲和檢索技術，大數(shù)據(jù)的關聯(lián)分析和深度挖掘技術等。
信息安全技術：包括汽車信息安全建模技術，數(shù)據(jù)存儲、傳輸與應用三維度安全體系，汽車信息安全測試方法，信息安全漏洞應急響應機制等。
高精度地圖與高精度定位技術：包括高精度地圖數(shù)據(jù)模型與采集式樣、交換格式和物理存儲的標準化技術，基于北斗地基增強的高精度定位技術，多源輔助定位技術等。
標準法規(guī)：包括 ICV 整體標準體系，以及涉及汽車、交通、通信等各領域的關鍵技術標準。
測試評價：包括 ICV 測試評價方法與測試環(huán)境建設。

智能網(wǎng)聯(lián)汽車的產(chǎn)業(yè)鏈

圖 4 智能網(wǎng)聯(lián)汽車的 3 個產(chǎn)品層次

ICV 的產(chǎn)品體系可分為傳感系統(tǒng)、決策系統(tǒng)、執(zhí)行系統(tǒng) 3 個層次，分別可類比人類的感知器官、大腦以及手腳，如圖 4 所示。

ICV 的產(chǎn)業(yè)鏈涉及汽車、電子、通信、互聯(lián)網(wǎng)、交通等多個領域，按照產(chǎn)業(yè)鏈上下游關系主要包括：

芯片廠商：開發(fā)和提供車規(guī)級芯片系統(tǒng)，包括環(huán)境感知系統(tǒng)芯片、車輛控制系統(tǒng)芯片、通信芯片等。
傳感器廠商：開發(fā)和供應先進的傳感器系統(tǒng)，包括機器視覺系統(tǒng)、雷達系統(tǒng)（激光、毫米波、超聲波）等。
汽車電子/通信系統(tǒng)供應商：能夠提供智能駕駛技術研發(fā)和集成供應的企業(yè)，如自動緊急制動、自適應巡航、V2X 通信系統(tǒng)、高精度定位系統(tǒng)等。
整車企業(yè)：提出產(chǎn)品需求，提供智能汽車平臺，開放車輛信息接口，進行集成測試。
平臺開發(fā)與運營商：開發(fā)車聯(lián)網(wǎng)服務平臺、提供平臺運營與數(shù)據(jù)挖掘分析服務。
內容提供商：高精度地圖、信息服務等的供應商。

智能網(wǎng)聯(lián)汽車發(fā)展的 4 個階段

ICV 的發(fā)展可大致分為：自主式駕駛輔助（對應美國汽車工程師學會 SAE 分級 L1 ~ L2）、網(wǎng)聯(lián)式駕駛輔助（對應 SAE 分級 L1 ~ L2）、人機共駕（對應 SAE 分級 L3）、高度自動/無人駕駛（對應 SAE 分級L4 ~ L5）4 個階段。

目前在全球范圍內，自主式駕駛輔助系統(tǒng)已經(jīng)開始大規(guī)模產(chǎn)業(yè)化，網(wǎng)聯(lián)化技術的應用已經(jīng)進入大規(guī)模測試和產(chǎn)業(yè)化前期準備階段，人機共駕技術和無人駕駛技術還處于研發(fā)和小規(guī)模測試階段。

自主式駕駛輔助（ADAS）

自主式駕駛輔助系統(tǒng)（Advanced Driver Assistance Systems，ADAS）是指依靠車載傳感系統(tǒng)進行環(huán)境感知并對駕駛員進行駕駛操作輔助的系統(tǒng)（廣義上也包括網(wǎng)聯(lián)式駕駛輔助系統(tǒng)），目前已經(jīng)得到大規(guī)模產(chǎn)業(yè)化發(fā)展，主要可分為預警系統(tǒng)與控制系統(tǒng)兩類。

其中，常見的預警類系統(tǒng)包括：前向碰撞預警（Forward Collision Warning，F(xiàn)CW）、車道偏離預警（Lane Departure Warning，LDW）、盲區(qū)預警（Blind Spot Detection，BSD）、駕駛員疲勞預警（Driver Fatigue Warning，DFW）、全景環(huán)視（Top View System，TVS）、胎壓監(jiān)測（Tire Pressure Monitoring System，TPMS）等。常見的控制類系統(tǒng)包括：車道保持系統(tǒng)（Lane Keeping System，LKS）、自動泊車輔助（Auto Parking System，APS）、自動緊急剎車（Auto Emergency Braking，AEB）、自適應巡航（Adaptive Cruise Control，ACC）等。

美日歐等發(fā)達國家和地區(qū)已經(jīng)開始將 ADAS 系統(tǒng)引入了其相應的新車評價體系。美國新車評價規(guī)程（United States New Car Assessment Program，USNCAP）從 2011 年起引入 LDW 與 FCW 作為測試加分項，美國公路安全保險協(xié)會（IIHS）從 2013 年起將 FCW 系統(tǒng)作為評價指標之一；而歐洲新車評價規(guī)程（European New Car Assessment Program，E-NCAP）也從 2014 年起引入了 LDW/LKA 與 AEB 系統(tǒng)的評價，2016 年增加了行人防撞 AEB 的測試，并將在 2018 年加入自動車防撞 AEB 系統(tǒng)的測試。2014 年起，汽車駕駛輔助技術已經(jīng)成為獲取E-NCAP 四星和五星的必要條件。中國的 C-NCAP 已將 LDW/FCW/AEB 等駕駛輔助系統(tǒng)納入其評價體系之中。

在引入新車評價體系之外，各國也紛紛開始制定強制法規(guī)推動 ADAS 系統(tǒng)安裝。2015 年 11 月開始，歐洲新生產(chǎn)的重型商用車將強制安裝車道偏離警告系統(tǒng)（LDW）及車輛自動緊急制動系統(tǒng)（(AEB）。2016 年 5 月起，美國各車企將被強制要求對其生產(chǎn)的 10% 的車輛安裝后視攝像頭，這一比例在隨后 2 年中將快速提升至 40% 與 100%。而從 2017 年開始，中國也將逐步在大型客車上開始強制安裝 LDW 與 AEB 系統(tǒng)。

從產(chǎn)業(yè)發(fā)展角度，目前 ADAS 核心技術與產(chǎn)品仍掌握在境外公司手中，尤其是在基礎的車載傳感器與執(zhí)行器領域，博世、德爾福、天合、法雷奧等企業(yè)壟斷了大部分國內市場，Mobileye 等新興的高技術公司在環(huán)境感知系統(tǒng)方面占據(jù)了全球大部分市場；TTE 等一些中國臺灣省企業(yè)也有一定市場份額。近年來，中國內地也涌現(xiàn)了一批 ADAS 領域的自主企業(yè)，在某些方面與境外品牌形成了一定競爭，但總體仍有較大差距。

網(wǎng)聯(lián)式駕駛輔助

網(wǎng)聯(lián)式駕駛輔助系統(tǒng)是指依靠信息通信技術（Information Communication Technology，ICT）對車輛周邊環(huán)境進行感知，并可對周圍車輛未來運動進行預測，進而對駕駛員進行駕駛操作輔助的系統(tǒng)。通過現(xiàn)代通信與網(wǎng)絡技術，汽車、道路、行人等交通參與者都已經(jīng)不再是孤島，而是成為了智能交通系統(tǒng)中的信息節(jié)點。

在美國、歐洲、日本等汽車發(fā)達國家和地區(qū)，基于車-路通信（Vehicle-to-Infrastructure，V2I）/車-車通信（Vehicle-to-Vehicle，V2V）的網(wǎng)聯(lián)式駕駛輔助系統(tǒng)正在進行實用性技術開發(fā)和大規(guī)模試驗場測試。典型的是美國在密歇根州安娜堡開展的示范測試，在美國交通部與密歇根大學等支持下，Safety Pilot 項目于 2013 年完成了第 1 期 3000 輛車的示范測試，目前正在開展第 2 期 9000 輛以上規(guī)模的示范測試，并建設了智能汽車模擬城市（M-City），作為智能網(wǎng)聯(lián)汽車的專用測試場。通過此示范測試，得到了車聯(lián)網(wǎng)技術能夠減少 80% 交通事故的結論，直接推動了美國政府宣布將強制安裝車-車通信系統(tǒng)以提高行駛安全，預計相關強制標準將于 2020 年左右開始實施。美國交通部在 2015 年遞交國會的報告中預測，到 2040 年美國 90% 的輕型車輛將會安裝專用短距離通信（Dedicated Short Range Communication，DSRC）系統(tǒng)。

除美國外，歐洲以及日本等都開展了大量對車聯(lián)網(wǎng)技術的研究與應用示范。歐盟 eCoMove 項目展示了車聯(lián)網(wǎng)技術對于降低排放和提高通行效率的作用，綜合節(jié)油效果可達到 20%，sim 項目 2014 年起開展「荷蘭—德國—奧地利」之間的跨國高速公路測試，驗證基于車聯(lián)網(wǎng)的智能安全系統(tǒng)。日本 Smartway 系統(tǒng) 2007 年開始使用，可提供導航、不停車收費（Electronic Toll Collection，ETC）、信息服務、駕駛輔助等多種功能，基于車路協(xié)同的駕駛安全支援系統(tǒng)（Driving Safety Support Systems，DSSS）2011 年開始使用，可以提供盲區(qū)碰撞預警、信號燈預警、停止線預警等多種功能。

中國清華大學、同濟大學、長安汽車等高校與企業(yè)合作，在國家「八六三」高新技術研究開發(fā)計劃項目的支持下開展了車路協(xié)同技術應用研究，并進行了小規(guī)模示范測試，各汽車企業(yè)也在開展初步研究。2015 年開始，在工業(yè)和信息化部支持下，上海、北京、重慶等多地都開始積極建設智能網(wǎng)聯(lián)汽車測試示范區(qū)，網(wǎng)聯(lián)式駕駛輔助系統(tǒng)均為測試區(qū)設計時考慮的重要因素。

中國華為、大唐等企業(yè)力推的車間通信長期演進技術（Long Term Evolution-Vehicle，LTE-V）系統(tǒng)相比 DSRC，具有兼容蜂窩網(wǎng)、可平穩(wěn)過渡至 5G 系統(tǒng)等優(yōu)勢，目前已發(fā)展成為我國特色的車聯(lián)網(wǎng)通信系統(tǒng)，并在國際市場與 DSRC 形成了競爭之勢。但中國內地也存在缺少類似美日歐的大型國家項目支撐、各企業(yè)間未能形成合力等問題，導致網(wǎng)聯(lián)式駕駛輔助系統(tǒng)發(fā)展相對較慢。

人機共駕

人機共駕指駕駛人和智能系統(tǒng)同時在環(huán)，分享車輛控制權，人機一體化協(xié)同完成駕駛任務。與一般的駕駛輔助系統(tǒng)相比，共駕型智能汽車由于人機同為控制實體，雙方受控對象交聯(lián)耦合，狀態(tài)轉移相互制約，具有雙環(huán)并行的控制結構，因此要求系統(tǒng)具備更高的智能化水平。系統(tǒng)不僅可以識別駕駛人的意圖，實現(xiàn)行車決策的步調一致，而且能夠增強駕駛人的操縱能力，減輕其操作負荷。

廣義的人機共駕包含感知層、決策層和控制層 3 個層次：

感知層主要是利用特定傳感器（如：超聲波雷達、攝像頭、紅外熱釋電等）向人提供環(huán)境信息，增強人的感知能力。例如：Mulder 等通過方向盤的力反饋協(xié)助駕駛人進行車道保持，既減輕了駕駛負擔又提高了車輛安全性。
決策層主要技術包括駕駛人決策意圖識別、駕駛決策輔助和軌跡引導。例如：Morris 和 Doshi 等人采用多層壓縮方法，建立基于實際道路的駕駛人換道意圖預測模型，結果表明系統(tǒng)能夠在實際換道行為發(fā)生前 3s 有效預測駕駛人換道意圖。Thomas 等人考慮交通管制和物理避障等約束，結合車輛非線性動力學特性，根據(jù)模型預測控制方法提出預測軌跡引導模型，輔助駕駛員決策并利用人機交互進行軌跡引導。
人機共駕主要指控制層的控制互補，不同于傳統(tǒng)駕駛過程，人機共駕中狹義的人和系統(tǒng)同時在環(huán)，駕駛人操控動力學與智能系統(tǒng)操控動力學互相交叉，交互耦合，具有雙環(huán)交叉的特點。

高度自動/無人駕駛

處于高度自動/無人駕駛階段的智能汽車，駕駛員不需要介入車輛操作，車輛將會自動完成所有工況下的自動駕駛。其中高度自動駕駛階段（對應 SAE 分級 L4），車輛在遇到無法處理的駕駛工況時，會提示駕駛員是否接管，如駕駛員不接管，車輛會采取如靠邊停車等保守處理模式，保證安全。在無人駕駛階段（對應 SAE 分級 L5），車輛中可能已沒有駕駛員或乘客，無人駕駛系統(tǒng)需要處理所有駕駛工況，并保證安全。

目前，以谷歌為代表的互聯(lián)網(wǎng)技術公司，其發(fā)展思路是跨越人機共駕階段，直接推廣高度自動/無人駕駛系統(tǒng)，而傳統(tǒng)汽車企業(yè)大多數(shù)還是按照漸進式發(fā)展路線逐級發(fā)展。

汽車智能化與網(wǎng)聯(lián)化關鍵技術發(fā)展現(xiàn)狀

環(huán)境感知技術

環(huán)境感知系統(tǒng)的任務是利用攝像頭、毫米波雷達、激光雷達、超聲波等主要車載傳感器以及 V2X 通信系統(tǒng)感知周圍環(huán)境，通過提取路況信息、檢測障礙物，為智能網(wǎng)聯(lián)汽車提供決策依據(jù)。

由于車輛行駛環(huán)境復雜，當前感知技術在檢測與識別精度方面無法滿足自動駕駛發(fā)展需要，深度學習被證明在復雜環(huán)境感知方面有巨大優(yōu)勢，許多學者采用「深度學習」方法對行人、自行車等傳統(tǒng)算法識別較為困難的目標物的識別方法進行了研究。

在傳感器領域，激光雷達由于具有分辨率高的優(yōu)勢，已經(jīng)成為越來越多自動駕駛車輛的標配傳感器，低成本小型化的固態(tài)激光雷達成為研發(fā)熱點。此外，針對單一傳感器感知能力有限，目前涌現(xiàn)了不同車載傳感器融合的方案，用以獲取豐富的周邊環(huán)境信息，具有優(yōu)良的環(huán)境適應能力。

高精度地圖與定位也是車輛重要的環(huán)境信息來源。目前中國內地幾大圖商都在積極推進建設面向自動駕駛的高精度地圖?；诒倍返鼗鰪娤到y(tǒng)的高精度定位系統(tǒng)也已在中國內地范圍內開展應用，將為自動駕駛車輛提供低成本廣覆蓋的高精度定位方案。

圖 5 行人及騎車人聯(lián)合識別架構

針對復雜行駛環(huán)境下行人及騎車人的有效識別，清華大學研究團隊建立了基于車載圖像的行人及騎車人聯(lián)合識別方法，其架構如圖 5 所示。

行人及騎車人的聯(lián)合識別架構主要包括圖像輸入、目標候選區(qū)域選擇、目標檢測、多目標跟蹤及結果輸出等功能模塊：

目標候選區(qū)域選擇模塊的作用是從輸入圖像中選出可能包含待檢測目標的區(qū)域，該過程要在盡量少地選擇背景區(qū)域的前提下，保證較高的目標召回率。
目標檢測模塊主要作用是在保證盡量少誤檢和漏檢的同時，將這些候選區(qū)域正確分類為待檢測目標與背景，并進一步優(yōu)化目標定位。該模塊基于快速區(qū)域卷積神經(jīng)網(wǎng)絡目標檢測框架，使用綜合考慮難例提取、多層特征融合、多目標候選區(qū)域輸入等多種改進方法的網(wǎng)絡結構模型，可以將輸入目標候選區(qū)域對應的行人、騎車人及背景清楚區(qū)分，并實現(xiàn)檢測目標定位的回歸優(yōu)化。
多目標跟蹤模塊的作用是綜合連續(xù)時間內的目標檢測結果，先借助 P-N 專家在線學習方法，實現(xiàn)單個跟蹤目標的在線學習與檢測，再在粒子濾波目標跟蹤方法的基礎上，融合離線檢測器及在線檢測器的檢測結果，實現(xiàn)多類型目標的長時間穩(wěn)定跟蹤。

自主決策技術

決策系統(tǒng)的任務是根據(jù)全局行車目標、自車狀態(tài)及環(huán)境信息等，決定采用的駕駛行為及動作的時機。決策機制應在保證安全的前提下適應盡可能多的工況，進行舒適、節(jié)能、高效的正確決策。常用的決策方法包括有狀態(tài)機、決策樹、深度學習、增強學習等。

狀態(tài)機是一種簡便的決策方法，其用有向圖表示決策機制。狀態(tài)機的優(yōu)點在于：具有高可讀性，能清楚表達狀態(tài)間的邏輯關系，在狀態(tài)明確且較少時設計簡單；缺點在于：需要人工設計，在狀態(tài)復雜時性能不易保證，不能用機器學習。目前的自動駕駛系統(tǒng)多針對部分典型工況，狀態(tài)遷移不是特別復雜，故采用狀態(tài)機方法進行決策的案例較多。

決策樹是一種簡單但是廣泛使用的分類器，從根到葉子節(jié)點實現(xiàn)分類，每個非葉子節(jié)點為一個屬性上的測試，邊為測試的結果。決策樹具有可讀的結構，同時可以通過樣本數(shù)據(jù)的訓練來建立，但是有過擬合的傾向，需要廣泛的數(shù)據(jù)訓練。在部分工況的自動駕駛上應用，效果與狀態(tài)機類似。

深度學習與增強學習是熱門的機器學習方法。在處理自動駕駛決策方面，它能通過大量的學習實現(xiàn)對復雜工況的決策，并能進行在線的學習優(yōu)化；但是其綜合性能不易評價，對未知工況的性能也不易明確。深度學習由于需要較多的計算資源，一般是計算機與互聯(lián)網(wǎng)領域研究自動駕駛采用的熱門技術。

控制執(zhí)行技術

控制系統(tǒng)的任務是控制車輛的速度與行駛方向，使其跟蹤規(guī)劃的速度曲線與路徑。現(xiàn)有自動駕駛汽車多數(shù)針對常規(guī)工況，因而較多采用傳統(tǒng)的控制方法，如比例-積分-微分（Proportion-Integral-Derivative，PID）控制、滑?？刂?、模糊控制、模型預測控制、自適應控制、魯棒控制等。這些控制方法性能可靠、計算效率高，已在主動安全系統(tǒng)中得到應用。

對于現(xiàn)有的控制器，工況適應性是一個難點，可行的方法是：根據(jù)工況參數(shù)進行控制器參數(shù)的適應性設計，如根據(jù)車速規(guī)劃與參考路徑曲率調整控制器參數(shù)，可靈活地調整不同工況下的性能。

線控執(zhí)行機構是實現(xiàn)車輛自動控制的關鍵所在。國內目前對制動、轉向系統(tǒng)關鍵技術已有一定研發(fā)基礎，但是相比博世、德爾福等國外大型企業(yè)，在控制穩(wěn)定性、產(chǎn)品一致性和市場規(guī)模方面仍有較大差距。

多目標協(xié)調式自適應巡航控制

圖 6 MOCACC 控制構架

自適應巡航控制系統(tǒng)中，同時具備自動跟車行駛、低燃油消耗和符合駕駛員特性三類功能對于全面提升行車安全性、改善車輛燃油經(jīng)濟性、減輕駕駛疲勞強度具有重要的意義。目前的研究多針對單一功能的實現(xiàn)，未考慮三者之間的制約關系，以及車輛建模的不確定性和駕駛員行為的非線性，這導致現(xiàn)有的線性最優(yōu)控制方法難以解決三類功能之間的矛盾性。針對此問題，清華大學李克強課題組的研究首次提出并建立了車輛多目標協(xié)調式自適應巡航控制（Multi-Objective Coordinated Adaptive Cruise Control，MOCACC）系統(tǒng)，其控制架構如圖 6 所示。

圖 7 MOCACC 的性能提升效果

仿真與實車實驗結果表明，所開發(fā)的多目標協(xié)調式自適應巡航控制系統(tǒng)，在保障跟蹤性能的前提下可有效降低車輛油耗，且符合期望車距、動態(tài)跟車和乘坐舒適性等多類駕駛員特性。圖 7 是 MOCACC 系統(tǒng)與傳統(tǒng)自適應巡航控制（Adaptive Cruise Control，ACC）系統(tǒng)的性能對比圖。其中：LQACC 為線性二次型自適應巡航控制系統(tǒng)。

協(xié)同式多車隊列控制

圖 8 車輛隊列的「四元素」模型

車輛隊列化是將單一車道內的相鄰車輛進行編隊，根據(jù)相鄰車輛信息自動調整該車輛的縱向運動狀態(tài)，最終達到一致的行駛速度和期望的構型。一種行之有效的方法是多智能體系統(tǒng)（Multi-Agent System，MAS）方法。在控制領域中，多智能體系統(tǒng)是由多個具有獨立自主能力的智能體，通過一定的信息拓撲結構相互作用而形成的一種動態(tài)系統(tǒng)。用多智能體系統(tǒng)方法來研究車輛隊列的一種框架是「四元素」模型，如圖 8 所示。

車輛隊列可以顯著降低油耗、改善交通效率以及提高行車安全性。清華大學設計了一類適用于中長距和中速工況需求，對車輛位置控制的精度要求低（車距誤差 ±5m 即可），而且整體節(jié)能效果不低于10%的周期型節(jié)能控制方案?？刂撇呗杂址Q加速-滑行式策略（Pulse and Gliding，PnG），首先提升發(fā)動機負荷至最佳工作點，使車輛加速至較高速度，然后將發(fā)動機置于怠速狀態(tài)，讓車輛滑行至原速度；周期重復這一過程，利用車身實現(xiàn)動能的存儲與釋放，達到節(jié)能效果。對于車輛隊列而言，周期駕駛實現(xiàn)了車輛動力系特性與車輛運動狀態(tài)的最佳動態(tài)匹配。

人機共駕技術

控制層的控制互補是目前人機共駕領域的核心關注點。人機共駕人機并行控制，雙方操控輸入具有冗余和博弈特征。另一方面，由于駕駛人行為特性（如決策意圖和操控發(fā)力等）的研究不足以及周車環(huán)境信息的缺失，傳統(tǒng)動力學安全控制系統(tǒng)無法擴展至更廣區(qū)域。因此，在傳統(tǒng)主動安全系統(tǒng)中融入駕駛決策識別及周車軌跡預測信息，構建包含動力學穩(wěn)定性風險和運動學碰撞性風險的雙重安全包絡控制系統(tǒng)，是提高人機共駕行駛穩(wěn)定性和主動安全性的核心。因此，控制層的人機共駕技術按照系統(tǒng)功能，可以分為共享型控制和包絡型控制：

共享型控制指人機同時在線，駕駛人與智能系統(tǒng)的控制權隨場景轉移，人機控制并行存在。主要解決因控制冗余造成的人機沖突，以及控制權分配不合理引起的負荷加重等問題。
包絡型控制指通過獲取狀態(tài)空間的安全區(qū)域和邊界條件形成控制包絡，進而對行車安全進行監(jiān)管，當其判定可能發(fā)生風險時進行干預，從而保證動力學穩(wěn)定性和避免碰撞事故。

德國亞琛工業(yè)大學學者，模仿人馬共駕過程，提出了「松、緊」兩種共駕模式，探討了控制權隨場景轉移的分配機制。美國斯坦福大學學者，提出構造穩(wěn)定性安全區(qū)域和碰撞性安全區(qū)域，研究了共駕汽車臨界危險的預防和干預機制。中國的清華大學、吉林大學和第一汽車集團公司等高校與企業(yè)合作，開展了共享控制型的人機共駕研究。人機共駕技術屬于智能汽車領域的新研究方向，國內外研究多數(shù)停留于原理論證與概念演示階段，尚缺乏全面系統(tǒng)的基礎理論支撐。

通信與平臺技術

車載通信的模式，依據(jù)通信的覆蓋范圍可分為車內通信、車際通信和廣域通信：

車內通信，從藍牙技術發(fā)展到 Wi-Fi 技術和以太網(wǎng)通信技術；
車際通信，包括專用的短程通信（DSRC）技術和正在建立標準的車間通信長期演進技術（LTE-V），LTE-V 也是 4G 通信技術在汽車通信領域的一個演化版本；
廣域通信，指目前廣泛應用在移動互聯(lián)網(wǎng)領域的 3G、4G 等通信方式。

通過網(wǎng)聯(lián)無線通信技術，車載通信系統(tǒng)將更有效地獲得的駕駛員信息、自車的姿態(tài)信息和汽車周邊的環(huán)境數(shù)據(jù)，進行整合與分析。

國外在車聯(lián)網(wǎng)平臺的技術標準化方面比較完善，典型的平臺架構是由寶馬公司牽頭聯(lián)合 Connexis、WirelessCar 共同開發(fā)而成的車聯(lián)網(wǎng)平臺體系框架及開放的技術標準協(xié)議（NGTP），即「下一代車聯(lián)網(wǎng)架構」，為車聯(lián)網(wǎng)平臺的發(fā)展應用提供了更大的靈活性及可擴展性。我國企業(yè)基本都是自建服務平臺，各平臺間數(shù)據(jù)之間無法互聯(lián)互通，信息安全管理模式也存在問題。交通部針對營運車輛推出的聯(lián)網(wǎng)聯(lián)控平臺已經(jīng)實現(xiàn)了全國性重點營運車輛的大規(guī)模接入，但沒有涉及規(guī)模最大的乘用車領域。

圖 9 基于云控平臺的汽車節(jié)能駕駛系統(tǒng)框架

通信與平臺技術的應用，極大提高了車輛對于交通與環(huán)境的感知范圍，也為基于云控平臺的汽車節(jié)能技術的研發(fā)提供了支撐條件?；谠瓶仄脚_的汽車節(jié)能駕駛框架如圖 9 所示。車輛通過車與云平臺的通信將其位置信息及運動信息發(fā)送至云端，云端控制器結合道路信息（如坡道、曲率等）以及交通信息（如交通流、交通信號燈等）對車輛速度和擋位等進行優(yōu)化，以提高車輛燃油經(jīng)濟性，并提高交通效率。

在云端控制器中，以車輛行駛路段的油耗為優(yōu)化目標，在車輛動力學約束、交通流速約束和交通信號約束下，對車輛檔位和速度軌跡進行優(yōu)化。利用實車試驗，測試基于云控平臺的汽車節(jié)能駕駛系統(tǒng)性能。實車試驗中包含 3 個信號交叉路口以及 1 臺車輛，車輛運動信息、油耗信息可通過全球定位系統(tǒng)（Global Position System，GPS）及控制器局域網(wǎng)（Controller Area Network，CAN）總線獲取，交通信號信息可從交通信號機中進行采集，利用以上信息對車輛速度進行優(yōu)化。3 個路口的實車試驗結果表明：此系統(tǒng)對不同駕駛員均有提高燃油經(jīng)濟性的效果，通過 3 個交叉路口平均可節(jié)油約 15%。

信息安全技術

汽車信息系統(tǒng)已安全成為汽車行業(yè)的一個重要發(fā)展領域。目前，國際上已經(jīng)有 ISO26262 等汽車安全相關標準，美國也已形成 SAEJ3061/IEEE1609.2 等系列標準，歐洲 EVITA 研究項目也提供了相關汽車信息安全指南，而中國政府在 2014 年「國民經(jīng)濟和社會發(fā)展第十二個五年規(guī)劃」（「十二五」規(guī)劃）中才首次將汽車信息安全作為關鍵基礎問題進行研究，和國際發(fā)展存在較大差距。

急需結合中國智能網(wǎng)聯(lián)汽車實際，確定網(wǎng)聯(lián)數(shù)據(jù)管理對象并實行分級管理，建立數(shù)據(jù)存儲安全、傳輸安全、應用安全三維度的數(shù)據(jù)安全體系。建立包括云安全（實現(xiàn)數(shù)據(jù)加密、數(shù)據(jù)混淆、數(shù)據(jù)脫敏、數(shù)據(jù)審計等技術的應用）、管安全（基于 802.11p/IEEE1609.2，實現(xiàn)通訊加密體系、身份認證體系、證書體系、防重放、防篡改、防偽造等技術應用）、端安全（實現(xiàn)車載安全網(wǎng)關、安全監(jiān)測監(jiān)控系統(tǒng)、車載防火墻、車載入侵檢測技術的應用）在內的「云-管-端」數(shù)據(jù)安全技術框架，制定中國智能網(wǎng)聯(lián)數(shù)據(jù)安全技術標準。

圍繞信息安全技術領域的周邊行業(yè)，也成就了很多創(chuàng)新研究方向。尤其在信息安全測試評估方面，眾多科研機構和創(chuàng)業(yè)公司通過干擾車輛的通信設備以及毫米波雷達、激光雷達和攝像頭等車載傳感設備，進行智能車的信息安全的攻防研究。

智能環(huán)境友好型車輛

為實現(xiàn)汽車電動化與智能化2個發(fā)展趨勢的有機融合，清華大學李克強課題組曾提出具有清潔能源動力、電控化底盤與智能信息交互 3 個系統(tǒng)，集成結構共用、信息融合與控制協(xié)同 3 項技術，綜合實現(xiàn)安全、舒適、節(jié)能與環(huán)保 4 個功能，代表著下一代汽車技術發(fā)展方向的智能環(huán)境友好型車輛（Intelligent Environment-Friendly Vehicle，i-EFV）概念。

在 i-EFV 的概念中，通過將智能交通系統(tǒng)（Intelligent Transportation Systems，ITS）中的環(huán)境識別、駕駛輔助和駕駛員識別技術等先進技術，與搭載電驅動系統(tǒng)的混合動力車輛、純電動車輛等新能源車輛有機結合，既可獲取多源信息以實現(xiàn)新能源車輛的安全行駛并進一步降低能耗，還可實現(xiàn)車輛與交通系統(tǒng)（車輛、行人）、電力系統(tǒng)（充電站）進行協(xié)同優(yōu)化，實現(xiàn)交通系統(tǒng)和電網(wǎng)系統(tǒng)的高效安全運行。

圖 10 電動車輛智能節(jié)能控制示意圖

利用 V2X 通信技術使車輛預知前方行駛環(huán)境中的交通信息，有利于使車輛適應多變的交通環(huán)境，以實現(xiàn)在保證車輛安全行駛的前提下，降低純電動汽車 i-EFV 行駛能量消耗。i-EFV 的智能節(jié)能控制的應用場景如圖 10 所示。

圖 11 Bayes 網(wǎng)絡結構簡圖

車輛 B 的運動受到車輛 C 的運動的影響，兩者間存在因果關系，為預測車輛 B 的未來運動行為，需要基于 B 和 C 兩輛車的運行信息。利用 Bayes 網(wǎng)絡方法對車輛B的運動進行建模，結構簡圖如 11 所示。圖 11 中，vp(i) 為前方車輛B在時刻i的速度值，vp(i-1) 為前方車輛 B 在時刻 i-1 的速度值，ap(i) 是前方車輛 B 在時刻i的加速度，Δdp_pp(i) 是前方車輛 B 和 C 在時刻 i 的相對距離，pep_drive(i) 是前方車輛 B 在時刻 i 的加速踏板位置，pep_brake(i) 是前方車輛 B 在時刻 i 的制動踏板位置，vpp(i) 是前方車輛 C 在時刻i的速度值，app(i) 是前方車輛 C 在時刻 i 的加速度。vp(i+1) 是前方車輛 B 在時刻 i+1 的速度預測值，vp(i+1) 是前方車輛 B 在時刻 i+1 的速度預測均值，σvp(i+1) 是前方車輛B在時刻 i+1 的速度預測均方差。

基于前車運動預測信息，利用非線性模型預測控制方法對電動車輛A進行智能節(jié)能控制。在傳統(tǒng)的研究中，并未對前方車輛 B 的運動進行預測，一般假設在車輛 A 的控制周期內，車輛 B 進行勻速或勻加速運動。

圖 12 為基于不同的信息輸入，自車 A 的速度控制結果曲線。

由圖 12 可知，對前車 B 運動進行預測后，能夠使自車提早對車輛 B 的運動進行反應，降低了行駛過程中的不必要的加速與減速過程。與不對前車運動進行預測相比，電動車輛的智能節(jié)能控制方法的節(jié)能效果可以達到 10% 左右。

汽車智能化與網(wǎng)聯(lián)化技術發(fā)展趨勢分析

以深度學習為代表的 AI 技術快速發(fā)展和應用

以「深度學習」方法為代表的人工智能（Artificial Intelligence，AI）技術在智能網(wǎng)聯(lián)汽車上正在得到快速應用。尤其在環(huán)境感知領域，深度學習方法已凸顯出巨大的優(yōu)勢，正在以驚人的速度替代傳統(tǒng)機器學習方法。

深度學習方法需要大量的數(shù)據(jù)作為學習的樣本庫，對數(shù)據(jù)采集和存儲提出了較高需求；同時，深度學習方法還存在內在機理不清晰、邊界條件不確定等缺點，需要與其他傳統(tǒng)方法融合使用以確?？煽啃裕夷壳耙彩芟抻谲囕d芯片處理能力的限制。

激光雷達等先進傳感器加速向低成本、小型化發(fā)展

激光雷達相對于毫米波雷達等其他傳感器具有分辨率高、識別效果好等優(yōu)點，已越來越成為主流的自動駕駛汽車用傳感器；但其體積大、成本高，同時也更易受雨雪等天氣條件影響，這導致它現(xiàn)階段難以大規(guī)模商業(yè)化應用。

目前激光雷達正在向著低成本、小型化的固態(tài)掃描或機械固態(tài)混合掃描形式發(fā)展，但仍需要克服光學相控陣易產(chǎn)生旁瓣影響探測距離和分辨率、繁復的精密光學調裝影響量產(chǎn)規(guī)模和成本等問題。

自主式智能與網(wǎng)聯(lián)式智能技術加速融合

網(wǎng)聯(lián)式系統(tǒng)能從時間和空間維度突破自主式系統(tǒng)對于車輛周邊環(huán)境的感知能力。

在時間維度，通過 V2X 通信，系統(tǒng)能夠提前獲知周邊車輛的操作信息、紅綠燈等交通控制系統(tǒng)信息以及氣象條件、擁堵預測等更長期的未來狀態(tài)信息。
在空間維度，通過 V2X 通信，系統(tǒng)能夠感知交叉路口盲區(qū)、彎道盲區(qū)、車輛遮擋盲區(qū)等位置的環(huán)境信息，從而幫助自動駕駛系統(tǒng)更全面的掌握周邊交通態(tài)勢。

網(wǎng)聯(lián)式智能技術與自主式智能技術相輔相成，互為補充，正在加速融合發(fā)展。

高速公路與低速區(qū)域自動駕駛系統(tǒng)將率先應用

高速公路與城市低速區(qū)域將是自動駕駛系統(tǒng)率先應用的 2 個場景。

高速公路的車道線、標示牌等結構化特征清晰，交通環(huán)境相對簡單，適合車道偏離報警（LDW）、車道保持系統(tǒng)（LKS）、自動緊急制動（AEB）、自適應巡航控制（ACC）等駕駛輔助系統(tǒng)的應用。目前市場上常見的特斯拉等自動駕駛汽車就是 L1 ~ L2 級自動駕駛技術的典型應用。

而在特定的城市低速區(qū)域內，可提前設置好高精度定位、V2X 等支撐系統(tǒng)，采集好高精度地圖，利于實現(xiàn)在特定區(qū)域內的自動駕駛，如自動物流運輸車、景區(qū)自動擺渡車、園區(qū)自動通勤車等。

自動駕駛汽車測試評價方法研究與測試場建設成為熱點

自從特斯拉汽車被曝光幾起重大安全事故后，自動駕駛汽車的安全性越來越多的受到關注，關于自動駕駛汽車測試評價方法的研究以及測試場、示范區(qū)的建設成為全球熱點。

如何測試自動駕駛汽車？一種潛在的解決方案是引入「普通人類駕駛員」的抽象概念并建立安全基線——一系列定性、定量的關鍵功能、性能指標，表征自動駕駛系統(tǒng)駕駛汽車的安全程度。如果把自動駕駛系統(tǒng)看作一個駕駛員，對其的考核也可以類比駕駛員的考核過程：

首先需要「體檢」，檢查自動駕駛系統(tǒng)對環(huán)境感知、車輛控制等的基本能力；
其次理論測試，測試自動駕駛汽車對交通法規(guī)的遵守能力；
再次是場地考，既在特定場景下的自動駕駛測試；
最后是實路考核，將自動駕駛汽車放置于特定開放測試道路內進行實際測試。

在測試場建設方面，美國密歇根大學率先建成了面積約13 hm^2 的智能網(wǎng)聯(lián)汽車專用測試場M-City。日本、歐洲等多地也已建成或在積極建設各類智能網(wǎng)聯(lián)汽車專用測試場。上海嘉定于 2016 年率先建成中國第一個專業(yè)的智能網(wǎng)聯(lián)汽車測試場。重慶、北京等多地在正在積極建設。

中國智能網(wǎng)聯(lián)汽車發(fā)展的思考與建議

建設國家智能網(wǎng)聯(lián)汽車聯(lián)合創(chuàng)新中心

整合政產(chǎn)學研多方資源，建設國家智能網(wǎng)聯(lián)汽車聯(lián)合創(chuàng)新中心，面向智能網(wǎng)聯(lián)汽車創(chuàng)新發(fā)展的重大需求，充分利用現(xiàn)有創(chuàng)新資源和載體，推動重點領域前沿技術和共性關鍵技術從開發(fā)到轉移擴散及首次商業(yè)化應用的創(chuàng)新鏈條各環(huán)節(jié)的活動，打造跨界協(xié)同的創(chuàng)新生態(tài)系統(tǒng)。

建設國家級智能網(wǎng)聯(lián)汽車基礎數(shù)據(jù)平臺

目前網(wǎng)聯(lián)汽車并未實現(xiàn)真正「互聯(lián)」，各類企業(yè)級平臺以及政府監(jiān)管平臺數(shù)據(jù)互不聯(lián)通。應從國家層面推動建設智能網(wǎng)聯(lián)汽車的三級式平臺，包括全國性基礎數(shù)據(jù)平臺、公共服務平臺與應用開發(fā)平臺。由國家主導建設和運營智能網(wǎng)聯(lián)汽車基礎數(shù)據(jù)平臺，通過標準的數(shù)據(jù)交互方式，與各企業(yè)級平臺以及行業(yè)管理平臺實現(xiàn)互聯(lián)互通，實現(xiàn)大數(shù)據(jù)共享，提供基礎數(shù)據(jù)服務，提高行業(yè)監(jiān)管效率。

加快出臺智能網(wǎng)聯(lián)汽車相關標準與測試規(guī)范

網(wǎng)聯(lián)化技術的發(fā)展要求車-車、車-路、車與平臺之間交互時必須有標準的數(shù)據(jù)格式與協(xié)議，應加快研究確定具有我國特色的智能網(wǎng)聯(lián)汽車通信系統(tǒng)與通信協(xié)議標準，研究制定車輛信息安全相關標準。同時應加快出臺智能網(wǎng)聯(lián)汽車在開放道路進行測試的相關規(guī)范，對智能網(wǎng)聯(lián)汽車的示范運行與測試進行有效管理。

結語

智能網(wǎng)聯(lián)汽車，可以提供更安全、更節(jié)能、更環(huán)保、更舒適的出行方式和綜合解決方案，是城市智能交通系統(tǒng)的重要環(huán)節(jié)，是構建綠色汽車社會的核心要素，其意義不僅在于汽車產(chǎn)品與技術的升級，而且有可能帶來汽車及相關產(chǎn)業(yè)全業(yè)態(tài)和價值鏈體系的重塑。

與發(fā)達國家相關項目對比，中國 ICV 發(fā)展整體上還存在差距；但在車聯(lián)網(wǎng)通信技術、高精度定位與地圖、車聯(lián)網(wǎng)應用等方面發(fā)展出了自己的特點和優(yōu)勢。若能充分結合中國體制優(yōu)勢，依托頂層設計，中國 ICV 技術與產(chǎn)業(yè)發(fā)展勢必將成為汽車工業(yè)轉型升級、形成國際競爭力的重要機遇。

作者簡介

李克強教授，清華大學汽車工程系教授，教育部「長江學者」特聘教授，國家智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)技術創(chuàng)新戰(zhàn)略聯(lián)盟專家委員會主任，兼任先進車輛控制國際科學委員會委員，《國際車輛自主操作系統(tǒng)》和《國際智能交通系統(tǒng)研究學報》編委，《國際汽車設計學報》、《國際汽車系統(tǒng)動力學學報》審稿人等。主要從事智能網(wǎng)聯(lián)汽車、車輛動力學與控制等方向的研究。