深圳市宝安中学 广东 深圳 518101
摘要：自动驾驶技术早已不再是一项陌生的技术，近几年来，关于自动驾驶技术的投入越来越多，自动驾驶的车辆也离我们越来越近。自动驾驶是一项涉及多项技术的复杂系统，各项技术之间需要相互联系，共同辅助才能使得该系统完善执行。本文首先介绍了国内外部分科技公司和高校在自动驾驶技术方面的发展情况，随后主要对自动驾驶涉及到的多种技术进行展开说明，包括环境感知，信息融合，决策规划等，并阐述自动驾驶汽车和普通汽车相比较的优势。
关键词：自动驾驶；环境感知；信息融合；决策规划
1. 引言
自动驾驶汽车是一种通过电脑系统实现无人驾驶的智能汽车。自动驾驶这一概念很早就已经提出，但是完全脱离人类的自动驾驶车辆却迟迟没有真正的落地，可见自动驾驶技术还是一项充满挑战的技术。究其原因，主要还是自动驾驶所涉及的各种技术，无论硬件还是软件都还难以达到真正的实用要求。因此对自动驾驶目前所涉及到的原理进行探究和分析，可以为以后自动驾驶技术的不断提升打下良好基础。
2.自动驾驶技术发展情况
自动驾驶汽车必须要能够执行一系列的关键功能：它必须知道周围发生了什么，它必须知道它在哪里和它想去哪里，它必须具有推理和决策的能力从而制定安全的行驶线路，而且它必须有驱动装置来掌控车辆的转向和控制系统【1】。
德国博世公司是世界上最早开展道路测试自动驾驶车辆的公司，将测试条件由实验室过渡到真实世界，并且开发了一系列驾驶辅助技术来协助真正自动驾驶的实现。英国牛津大学也已经研制出低成本的自动导航系统，这项技术摆脱了以往高成本的卫星导航技术，而是像人类驾驶员一样，只需要自身控制即可。日本本田公司也推出了最新的预测性巡逻控制系统，能够根据其他车辆的行为自动做出反应，在这一过程中，主要是利用评估预测各车道的切入可能性。国内关于自动驾驶的公司和高校也在近些年取得了很大的进步，百度的“Apollo”系统目前已经参与到自动驾驶产业链中，旨在向汽车行业及自动驾驶领域的合作伙伴提供一个开放、完整、安全的软件平台，帮助其他厂商结合车辆和硬件系统，快速搭建一套完整的自动驾驶系统。此外，国家也制定了一系列法律法规鼓励自动驾驶技术和相关产业的发展。
3.自动驾驶技术分析
自动驾驶是一个复杂的控制系统，如何将这个系统中的各个元器件和软件设计集成起来，使之合理和谐工作，沿着规划的路线、速度等进行安全的行驶是需要解决的核心问题。自动驾驶主要涉及到的技术包括环境感知，信息融合，决策规划和后续的具体执行。
3.1 环境感知技术
自动驾驶技术的核心要素在于可以依靠计算机代替人类驾驶员完车驾驶任务，因而为了实现该功能，自动驾驶的车辆自身必须具备感知周围环境的能力。自动驾驶的感知能力即能够识别车身周围的环境情况，例如其他行人运动情况，周围建筑物场景的分布情况以及各种道路信号，指示和其他车辆的行驶状态等。
为了实现自动驾驶的感知能力，这就离不开丰富的传感设备，利用这些传感设备就可以让车辆“看到”周围的景象，随之执行相对应的操作。目前，常见的传感设备包括激光雷达传感器，图像采集器，GPS定位系统等，激光雷达传感器可以直接测量出车辆本身和其余事物之间的距离，可以实现自动避障和惯性导航；图像采集器则利用摄像头采集车身周围的图像信息，并对收集到的图像信息进行分析决策；GPS定位系统则能够实时获取车辆的地理位置，实现导航功能。感知技术的核心问题是识别外界的环境内容，感受外界的环境变化，目前大规模的计算机视觉技术，机器学习技术都已应用在该领域，通过对周围环境的分析为车辆的下一步执行提出依据。
3.2 信息融合技术
自动驾驶的汽车在行驶的过程中，会收集到大量不同类型的数据信息，例如周围车辆的速度和行驶趋势，行人的运动状态，周围建筑物的距离等。
期刊文章分类查询,尽在期刊图书馆在感知到这些信息后就需要对这些信息进行融合，这样就涉及到多传感器信息融合的问题，各种不同的传感器，对应不同的周围环境和感知目标。借助机器系统实现信息融合，既能有效地提高系统性能，也能扩展人的认识能力、辅助人类决策、提高解决问题的效率【2】。
对于信息融合，主要包括以下流程，首先是将多传感器系统采集到的所有信号通过数字转化单元转化成数字信号，便于统一处理；随后对这些数据进行预处理工作，消除噪音干扰，统一数据类型等；接下来就是提取数据中的特征信息，针对这些特征信息建立一般规律，将提取出的特征进行融合计算，最后得到计算结果。
车辆所收集到的信息可以相互补充，但也会存在噪音冗余的问题。例如毫米波雷达和超声波雷达就可以分别检测车身外的远距离障碍物和近距离障碍物，两者协同作用，就可以丰富刻画出车身周边的环境。但在有的时候，也会出现不同传感器收集到的信息包含大量噪音，相互干扰，造成信息冗余的问题，这样就会给自动驾驶汽车的决策执行造成困难。
3.3 决策规划技术
在通过传感器获取到外界信息并进行融合后，就需要根据这些信息做出正确的决策，简单地说就是让自动驾驶车辆根据之前收集到的信息执行对应的操作。对于自动驾驶汽车所涉及到的决策规划而言，主要包括横向控制和纵向控制两个方面，其中横向控制即为控制车辆的速度，车辆何时加速，何时制动，纵向控制即为控制车辆的方向，车辆何时变道或者超车等。
自动驾驶车辆的决策规划离不开车内的计算机系统，该系统需要为整个车辆制定理性正确的规则，最简单的包括检测到周围有行人时，适当减速让行，识别出交通信号灯后，根据信号灯的内容做出合理的反应，以上这些场景都是比较简单的，但是自动驾驶汽车在实际场景中往往面临更加复杂的环境，例如如何应对闯红灯的行人，非机动车辆，如何应对其他车辆的随意超车等。对于这些复杂的场景，就需要在计算机研发阶段就做出理性的分析，针对所有可能出现的情景，建立稳定的模型，以在保护人身安全和准守法规的前提下制定各种决策方案。此外，基于神经网络的深度学习提供了解决问题的可能路径，通过人工智能对足够多交通状况的感知，形成自我学习和决定最优解决方案，为自动驾驶提供现实基础【3】。
4.自动驾驶优势分析
随着市场对汽车主动安全技术、智能化等技术的需求不断增加，越来越多的企业投入其中，共同推动无人驾驶汽车的发展【4】。自动驾驶的车辆带来的最大优势就是可以极大的节省原本驾驶员的成本，假定一辆普通汽车每天有2个小时的驾驶时间，其余时间都是停放在某处，现在以自动驾驶汽车取代上述普通汽车，那么最直观的就是可以节省2个小时的驾驶时间，此外原本大量的停放时间也可以让汽车为其他需要出行的人提供服务，那么这样的就可以节省下大量的时间成本和经济成本。
自动驾驶带来的是一种全新的驾驶模式，在这种模式下，合理的交通运转可以很好的缓解交通拥堵的问题，压缩出行时间，减缓环境污染等问题。此外，普通的驾驶员或多或少会因为各种原因产生交通事故，但是对于自动驾驶的车辆而言，一旦车辆上的传感器精度达到一定精度，那么交通事故将变成一件小概率的事件。这样就可以从根本上避免酒驾毒驾，疲劳驾驶等问题。
5. 结语
自动驾驶技术的完全实现需要攻克多项难关，当前的技术水平也需要有很大的提升才能够实现真正的自动化驾驶。无论是汽车本身的软件硬件技术，还是相关观念法规的制定都还需要很长一段时间的积累。在自动驾驶车辆普及之前，也还需要大量的测试与验证，针对自动驾驶我们应该分而治之，解决各个环节中的问题，随后再进行整合以达到预期效果。
参考文献
［1］夏溦. 自动驾驶汽车技术最新发展[J]. 新经济导刊, 2015(7):24-27.
［2］陈科文, 张祖平, 龙军. 多源信息融合关键问题、研究进展与新动向[J]. 计算机科学, 2013, 40(8):6-13.
［3］王远桂, 何欢. 人工智能2.0给自动驾驶发展带来的影响[J]. 现代电信科技, 2017, 47(4):20-24.
［4］王科俊, 赵彦东, 邢向磊. 深度学习在无人驾驶汽车领域应用的研究进展[J]. 智能系统学报, 2018, 13(01):55-69.
论文作者:何泽熹
论文发表刊物:《科技新时代》2018年11期
论文发表时间:2019/1/11
标签：车辆论文; 信息论文; 技术论文; 汽车论文; 传感器论文; 驾驶技术论文; 环境论文; 《科技新时代》2018年11期论文;