我參加了今年在拉斯維加斯舉行的消費電子展會(CES)，并設(shè)法乘上了在封閉道路上以12.5mph速度行駛的Inducts公司無人駕駛汽車Navia。整個過程給我的感覺非常安全。但我還是不能肯定放心將作為司機特有的控制權(quán)交給軟件、激光雷達(dá)和攝像機。

商用飛機在飛行過程中使用自動駕駛、自動接近與著陸軟件已經(jīng)有很長時間了，但它們不必處理道路中突然出現(xiàn)的行人，或者在后車中忙著操作短信而沒有觀察到前面車速減慢然后快速撞向你后保險杠的人。

Inducts公司的無人駕駛汽車Navia

令人高興的是，業(yè)界正在軟件和電子控制功能方面做許多開發(fā)工作，這些軟件和電子控制功能有望進(jìn)一步完善自動駕駛汽車的安全性和最終實現(xiàn)。下面讓我們了解其中一些技術(shù)的進(jìn)展。

滑鐵盧大學(xué)

Steven Waslander和Nuvation在自動駕駛汽車方面組成了一個很好的團隊，他們發(fā)表的論文和開發(fā)的測試跟蹤平臺證明理論方案是令人滿意的。Nuvation公司的首席執(zhí)行官Mike Worry是滑鐵盧大學(xué)電子工程專業(yè)畢業(yè)的研究生，他與滑鐵盧大學(xué)簽署了一個為期4年的研究協(xié)議，目標(biāo)是為自動駕駛汽車研發(fā)新產(chǎn)品。

自動駕駛汽車輪胎動力性能的重要性

自動駕駛汽車的動力性能對乘客、行人和道路上其它汽車的安全性來說至關(guān)重要。這些動力性能供自動駕駛汽車中的控制器使用，需要得到很好的理解并經(jīng)過嚴(yán)格的測試，才能證明自動駕駛汽車的安全性。最近的一些控制器設(shè)計正在嘗試操作汽車使其接近輪胎摩擦極限，以便最大限度地提高汽車性能。

輪胎/道路摩擦力和它們的相互作用在自動駕駛汽車動力性能方面起著重要的作用。滑動圓圈(Slip Circle)(圖1)顯示了輪胎產(chǎn)生的最大力。

圖1：滑動圓圈中的水平軸作為歸一化的側(cè)滑角度，垂直軸作為歸一化的縱向滑動比。A點是一個高滑動比和低滑動角度的點，代表汽車加速時的情形。B點是一個低滑動比和高滑動角度的點，代表汽車猛打方向時的情形。虛線代表汽車正以摩擦極限值行駛。(摘自參考文獻(xiàn)1)

研究小組嘗試估計滑動圓圈的參數(shù)，因為滑動角度和縱向滑動可以預(yù)測汽車的動力性能。他們發(fā)現(xiàn)，可以通過精確的GPS和慣性測量單元(這是由最近被飛兆公司收購的Xsens公司定義的)的測量值計算滑動角度。問題是這種方法對噪聲非常敏感，現(xiàn)有商用汽車上的低成本傳感器無法很好地支持。這些問題提醒研究人員考慮估計/觀測器算法，見圖2。

圖2：帶輪胎拖距估計器的觀測器框圖(Nuvation供稿)。

擴展卡爾曼濾波器(EKF)開發(fā)用于估計輪胎在路面上產(chǎn)生的滑動角度和縱向滑移。事實表明，EKF只能在線性輪胎區(qū)精確工作，在非線性區(qū)不能精確工作。

粒子濾波器(PF)可以對滑動角度作出較為精確的估計，代價是運算強度較高，無法做到實時估計。

試用無跡卡爾曼濾波器(UKF)表明，雖然它們可以得到好的結(jié)果，但這種方法也是基于商用汽車中不常見到的傳感器。

最近的研究認(rèn)為，使用輪胎拖距也許是用于估計輪胎/道路摩擦系數(shù)和橫向輪胎力的更好選擇。然而，這種方法也有優(yōu)缺點。這種方法似乎可以很好地估計摩擦系數(shù)和橫向輪胎力，線性觀測器也能精確地跟蹤線性和非線性區(qū)的側(cè)滑角度。而且這種方法較少依靠模型和輪胎參數(shù)的精度，計算也簡單，可以使用目前在大多數(shù)商用汽車上安裝的傳感器。這種方法的缺點是，它有一些前提條件，包括后輪驅(qū)動汽車，可忽略的縱向車輪動力(加速和剎車)(這將限制精確地跟蹤接近滑動圓圈水平軸區(qū)域的滑動角度)。

參考文獻(xiàn)1中的文章使用了基于輪胎拖距的觀測器設(shè)計，其中增加了縱向輪胎動力性能，因此可以在整個滑動圓圈域中得到精確的滑動角度估計值。Dugoff輪胎模型用于計算輪胎/道路力，因為它比大多數(shù)其它模型更精確，使用更少的參數(shù)，對精確的輪胎參數(shù)依賴性也更低。

這篇文章和所用方法的結(jié)論是，這種設(shè)計的反應(yīng)速度快，不需要昂貴的傳感器。這種方法已被證明在性能上超過其它常見的觀測器設(shè)計。目前這種模型只使用單軌自行車模型，但以后可以修改為更精確的四輪汽車模型，從而估計出其它汽車動力性能。

這是接受自動駕駛汽車上路的良好起點，但在放心地將方向盤、油門和剎車交給任何完全自動駕駛系統(tǒng)之前還有很長的路要走。

自適應(yīng)巡航控制和追尾碰撞避免

這些是可以并且正在被應(yīng)用于未來全自動駕駛上路汽車的功能。除了汽車四周的盲點后視鏡和安全攝像機外，任何可以得到的輔助功能都將更好地幫助分心和粗心的司機減少事故。

許多汽車已經(jīng)在使用自適應(yīng)巡航控制(ACC)功能來提高安全性和舒適性?，F(xiàn)在我們正在期待利用汽車到高速公路通信技術(shù)幫助提高交通效率，就像加州那樣，最終發(fā)展成車到車通信。為了達(dá)到這個目的，我們需要實現(xiàn)合作性自適應(yīng)巡航控制(CACC)。這將在汽車之間引入無線通信技術(shù)，實現(xiàn)更近的汽車安全距離和更少的“幽靈式交通擁堵”。這種現(xiàn)象是“人類”司機在交通高峰期彼此跟車太近、即使有一輛車輕踩剎車、后車司機都會接連反應(yīng)從而將此事件放大而發(fā)生的。這種現(xiàn)象也被稱為車流不穩(wěn)定性。CACC可以用來徹底消除這種現(xiàn)象。

GCDC(Grand Cooperative Driving Challenge)組織聲稱，GCDC團隊成員間彼此競爭相當(dāng)激烈，都旨在設(shè)計和實現(xiàn)最高效的合作型汽車系統(tǒng)。這種系統(tǒng)能夠在各種合作性場景中執(zhí)行先進(jìn)的操作。為了達(dá)到這個目的，汽車之間必須通過無線通信交換有關(guān)它們方位和意圖的信息，如圖3所示。

圖3：GCDC挑戰(zhàn)組織支持針對實際高速道路上的協(xié)同駕駛進(jìn)行創(chuàng)新性技術(shù)的開發(fā)。(照片由GCDC提供)

下面是GCDC對作為終極駕駛模式的自動駕駛汽車的評論：

鑒于擁堵、交通安全和排放問題，道路交通將繼續(xù)面臨嚴(yán)重的挑戰(zhàn)。合作型和自動駕駛系統(tǒng)在某種程度上可以讓司機從駕駛工作中解放出來，可能為其中一些問題提供解決方案。

目前市場上存在不同程度的自動駕駛系統(tǒng)，而在所有交通條件下能夠完全自動駕駛的汽車離現(xiàn)在還很遙遠(yuǎn)，不過先進(jìn)駕駛輔助系統(tǒng)(ADAS)已經(jīng)進(jìn)入市場。自適應(yīng)巡航控制和車道保持輔助系統(tǒng)就是明證。

協(xié)同駕駛的關(guān)鍵是通信。信息交換可以實現(xiàn)汽車之間、汽車和路邊系統(tǒng)之間的合作。比如了解有關(guān)事故和危險等即將出現(xiàn)的交通情況的早期告警，可以實現(xiàn)更加高效和安全的交通流量。

在2011年的GCDC中，汽車的CACC使用帶前饋元件的線性反饋控制器，如圖4所示。

圖4：使用帶前饋元件的線性反饋控制器的反饋控制模型(搞自參考文獻(xiàn)3)

比例微分(PD)控制器

PD(Proportional Derivative)的增益通過實驗選取，前饋控制器設(shè)計用于提高高速道路上的車流穩(wěn)定性。這里使用了簡化的汽車模型，其參數(shù)對反饋控制器幾乎沒有影響。這里的關(guān)鍵目標(biāo)是使用能夠完全自適應(yīng)汽車模型中變化的控制器，以便能夠在實際道路駕駛條件下使用。

現(xiàn)有的比例微分控制方法無法包含由本文較早前所說的側(cè)向控制器和滑動圓圈引起的限制。如果我們想要得到適應(yīng)真實高速公路和普通公路的可行工作系統(tǒng)，這些問題都需要解決。

這里的動態(tài)模型使用了源自參考文獻(xiàn)4的模型預(yù)測控制(MPC)技術(shù)。假設(shè)汽車有2個激光雷達(dá)，一個位于車前部，一個位于車后部。所提出的控制模型如圖5所示。

圖5：所提出的控制模型(摘自參考文獻(xiàn)3)。

這種模型使得，當(dāng)后方車輛離得很遠(yuǎn)時，誤差不會累積。每輛汽車都裝備有無線數(shù)據(jù)接收器，用于同時接收前方和后方車輛的加速信息，見圖6。

圖6：每輛車都安裝有無線數(shù)據(jù)接收器，可以同時接收前方和后方車輛的加速信息。

參考文獻(xiàn)3寫道：

開關(guān)依據(jù)的是

。如果

小于10米，那么隨后就是6個狀態(tài)的跟隨式MPC模型，并使用追尾碰撞檢測。否則就使用由Kianfar et al開發(fā)的狀態(tài)MPC，并且只使用前方車輛碰撞檢測。這樣能夠確保我們的控制器在大多數(shù)情況下都與大部分其它MPC控制器一樣工作，并且在關(guān)鍵時候會更出色。

其中

和

是車輛之間的距離誤差。這種誤差在理想情況下應(yīng)該是零。這兩個誤差都設(shè)置有最小約束條件，并且保持用MPC檢查車輛之間的速度和速度誤差。為了確保系統(tǒng)呈現(xiàn)出車流穩(wěn)定狀態(tài)，當(dāng)加速度是正值時，我們需要使汽車的加速度總是小于前方車輛的加速度。如果加速度是負(fù)值，車子的加速度就變成更低的限值(前方汽車存在速度誤差的上限和下限值，但后方汽車只有更低的限值)。

參考文獻(xiàn)3中提到的這個團隊在Nuvation的協(xié)助下已經(jīng)建立了一個平臺，可以用來在測試軌道上運行的1/5大小的遠(yuǎn)程控制電動汽車模型上測試所有CACC算法。

圖7：位于測試軌道上的1/5尺寸的遙控電動汽車模型。這些汽車可以達(dá)到120km/h的速度(Nuvation提供)。

本文小結(jié)

今天的汽車上已經(jīng)有巡航控制功能控制著油門踏板。一些汽車擁有車道偏離避免和安全攝像機。我們將向采用CACC的未來自動駕駛汽車邁出第一步，這將導(dǎo)致追尾碰撞避免功能的追加和更平順、更安全的交通流量。

在華爾街日報的一篇文章中，日產(chǎn)汽車公司透露在2020年之前將發(fā)布多種自動駕駛的功能。日產(chǎn)的首席執(zhí)行官Carlos Ghosn表示，目前有4種社會經(jīng)濟趨勢與自動駕駛(Autonomous Drive)汽車有關(guān)——全球巨型城市的出現(xiàn)、對聯(lián)網(wǎng)要求的增長、人口老化以及市場中婦女的影響力和購買力的增長。

日產(chǎn)的下一步計劃是：

交通擁堵導(dǎo)航。到2016年年底，日產(chǎn)將提供可以在擁堵的高速道路上自動駕駛并且安全的汽車。

完全自動化的停車系統(tǒng)。同樣到2016年底之前，日產(chǎn)將在更大范圍的汽車上安裝完全自動化的停車系統(tǒng)。

多車道控制。到2018年，日產(chǎn)計劃提供能夠自動判斷危險并改變車道的汽車。

交叉路口的自動駕駛。到2020年，日產(chǎn)將推出交叉路口自動駕駛功能，無需司機干預(yù)汽車就能安全通過城市交叉道路。

Ghosn對日產(chǎn)的自動駕駛(Autonomous Drive)技術(shù)和無人駕駛汽車(self-driving cars)作了區(qū)分。

“我想要澄清一下，日產(chǎn)引領(lǐng)的自動駕駛(Autonomous Drive)技術(shù)和無人駕駛汽車(self-driving cars)之間有很大的差別。自動駕駛是要釋放或減輕司機的日常任務(wù)，特別是在擁堵或長距離行車條件下。司機仍然可以控制汽車，但這時的汽車能夠自動做更多的事情。”Ghosn表示，“相較而言不要求任何人工干預(yù)的無人駕駛距離實際商用還有很長的距離。目前它們只適合嚴(yán)格控制的道路環(huán)境，要求速度低，而且面臨著法規(guī)雷區(qū)。”