无人车路径规划研究现状论文

现在很多品牌的汽车都可以实现自动驾驶，未来的汽车一定是无人驾驶的。特斯拉、宝马、奔驰等品牌的汽车已经能够实现无人驾驶，这主要依靠摄像头、传感器、gps定位系统和电子控制系统。许多汽车带着l2级自动驾驶离开工厂。在一些特殊情况下，汽车可以自动行驶，而无需车主控制汽车。还有很多车有自动泊车功能，类似于无人驾驶功能。停车时，车主只需换挡。现在也有很多公司涉足无人驾驶技术领域。随着工程师们突破一个又一个难关，无人驾驶的时代总有一天会到来。无人驾驶可以避免人为的不正确操作，响应速度和准确率都比人高，因此无人驾驶技术可以避免交通事故的发生概率。虽然目前的无人驾驶技术偶尔会引发事故，但随着科技的发展，无人驾驶技术也在不断进步。未来，无人驾驶技术肯定可以避免事故，甚至在关键时刻挽救车内成员的生命。

《无人机城市物流配送路线规划优化理论与方法》是由张树南，郭雪松和刘国胜在2016年出版的一本书。它提供了关于无人机配送路线规划优化的有用技术和实践方法。

2016年5月23-25日，2016中国国际智能交通展览会在北京举办。说到智能交通，大家关注的焦点之一就是“无人驾驶”，尤其是近两年，不断听到无人驾驶汽车路测的消息，也不断有朋友问我，路上是不是很快要出现无人驾驶汽车的身影了？今天我们就一起聊聊这个问题。

1、无人驾驶汽车上路?有希望,也有困难

无人驾驶汽车以前只出现在007等科幻电影中，但现在,它已经不只存在于幻想。未来的几年内，你可能就会买得起一辆能载着你自动穿梭在城市道路上的智能汽车。但是，要想让一辆无人驾驶汽车能够安全、舒适、高效、智能地混入到现有交通中跑起来，这中间还有一段艰难的道路要走。

2、无人驾驶汽车技术现状

典型无人驾驶汽车结构如图1所示，无人驾驶汽车的“眼睛”——“即感知系统”，负责感知道路周边的环境，包括相机、微波雷达和激光雷达等传感器。

无人驾驶汽车的“小脑”——即导航定位系统,负责感觉车辆自身的运行姿态，包括轮速、GPS定位、惯导和指南/北等传感器。

无人驾驶汽车的“大脑”——即决策系统，通过复杂的计算软件，选择短距离的轨迹和长距的驾驶路线。

无人驾驶汽车的“四肢”——即控制系统，负责控制刹车、油门及方向等，包括相应的电机控制或汽车总线控制模块。

在国家基金委“视听觉信息的认知计算”重大研究计划推动下，国内多家无人车辆研究单位也与车企合作，研制了各具特色的原型车辆，在每年都参加中国智能车未来挑战赛，部分车辆如图2所示。

3、无人驾驶汽车上路的难点

(1)精确环境感知

无人驾驶汽车的“即感知系统”主要由相机、微波雷达和激光雷达等传感器组成。

无人驾驶汽车的“眼睛”必须能够感知和识别行驶车道的周边的物体，如图3所示，摄像头能够看到实际场景，可以辨识车道线和交通信号，检测运动目标等；激光雷达则通过激光点云来建立周边环境的3D模型，检测出包括车辆、行人、树木、路缘等；微波雷达用于检测运动目标，感应车身周围的移动障碍物等。最后融合成一幅如图3的车辆“眼睛”看到的场景。

为什么说无人驾驶车辆环境感知那么难？

毕竟计算机视觉还在不断发展中，要理解复杂的交通环境，存在不少挑战。例如我们人类司机开车过程中，看到前方漂浮的塑料袋就不会刹车或者躲避，而无人驾驶汽车就需要复杂的算法，才能理解和识别这个场景。

对于每个地方的交通基础设施，不同标志的表示形式有所差异，需要进行本土化对待，计算机视觉系统才能辨识。

另外就是不同天气和气候情况下，针对复杂的交通环境，克服传感器各自物理限制和车辆运动干扰，提高环境感知精确程度，也存在很大难度。

（2）精确状态感知

无人驾驶汽车通过“小脑”知道自己的姿态和确切位置。如图4所示，车载的高精度IMU惯性单元能够知道车辆倾斜角、横摆角和滚动角，相应轴向上的角速度、加速度等，通过车身控制系统实现车辆稳定性控制，确保车辆“稳当”行驶。

要想实现无人驾驶，就需要通过“小脑”进行精确定位，这样才知道自己确切位置，以便执行下一步驾驶任务。在这方面, 无人驾驶汽车正面临挑战，现有的GPS捷联惯导等车载定位设备不能满足拥堵交通流中的高精度定位要求。特别是隧道和高架桥下等交通场景中，会出现接收不到GPS信号等情况，这时，无人驾驶汽车就需要通过其他途径来进行定位，例如辅以SLAM、视觉导航等技术，在复杂交通环境中增强无人驾驶车辆的定位能力。

（3）精确控制

人类驾驶员开车的时候，往往会基于经验操控车辆，结合实际道路情况对车辆方向、速度进行微调。由于具备了精确的感知系统，无人驾驶汽车通过“四肢”可以实现更加精确的控制。

如图6所示典型场景中，无人驾驶汽车准备执行右侧超车时，能够精确感知前车距离、速度和加速度以及临近车道车辆运动情况，并合理控制自身速度和方向，进行换道操作。而人类驾驶员由于受限于视野等因素，在这种情况下往往容易出现事故。

但是，无人驾驶汽车要具备发达的“四肢”，还需要汽车厂商进一步将智能化功能与车身总线进行集成，将无人驾驶汽车的控制系统中刹车、油门及方向等控制模块通过汽车总线进行控制。

（4）智能导航与决策

无人驾驶汽车的“大脑”负责进行导航和决策。

在给定了目标任务地点之后，无人驾驶汽车要能够在路网中找到最经济、最快捷的路径，将乘客送到地点。但是在实际中，交通环境常是部分已知，可能还有障碍物临时出现/发现，必须重新规划路径。

如图7所示，从A点到B点最短的道路被隔断之后，无人驾驶汽车能够重新规划路径，到达目的地。

此外，道路拥堵情况不断在发生变化，如何正确判断道路拥堵并进行正确的通行决策，对无人驾驶汽车的“大脑”智能性提出了更高要求。

由于不同国情决定了交通参与者不同行为，使得无人驾驶汽车要具备学习与自适应能力，这一点最具挑战性。无人驾驶汽车发达的“大脑”，要能遵守交通规则，在复杂交通场景下实现安全的、与人类驾驶行为类似的自主驾驶，使其不会对正常交通流造成影响，同时还要保障车辆自主行驶的安全性。

此外，无人驾驶汽车需要推断前后左右其他车辆的意图、处理不同驾驶员的异常行为，处理不遵守交通法规的行人、自行车和电动车等突发情况。通过将机器学习的研究成果应用于自主驾驶，将使得智能车辆能够处理复杂的交通环境，并产生自适应行为。

2、无人驾驶汽车上路的对策

（1）更好的软件

无人驾驶汽车需要更安全的软件，车载软件要足够棒。

（2）需要更加精细的地图

Google无人驾驶汽车对试驾场地地图进行了强化，这样汽车就知道街道具体情况，如果碰到障碍可以轻松应对。但要轻松的应对目前城市道路情况，就需要更多的细致地图。

（3）更加廉价和性能优秀的传感器

需要优秀的传感器，最好能让无人驾驶汽车识别对它造成威胁的面上上的钉子和坑洞，快速判断路边行人或者汽车是否突然进入自己的车道。而且传感器价格要控制在合理的区间，为广大消费者接受。

（4）汽车之间能否进行有效沟通

无人驾驶汽车要做到面对各种路况都能够行驶自如，甚至能够智能规划路线，车与车之间的沟通是少不了的。这样每个汽车在开启的时候，都可以共享数据，然后再重新绘制自己的驾驶路线，避免拥堵的产生。但现在如何做到汽车之间有效沟通，技术上还有待突破。我们能够预想到的是，需要V2X无线网络、接入服务中心获得多种智能服务。

（5）基于大数据和云计算来实现智能的共享

数据与无人驾驶技术的高度关联性。“谷歌无人车借助于高精度导航地图开发无人驾驶软件，提高自主驾驶安全性、可靠性，已经在路上安全开展了大量无人驾驶测试。但要实现在复杂多变的交通环境下的安全驾驶，还有待机器学习等人工智能技术的进步，特别是基于大数据和云计算来实现智能的共享。”

（6）人工智能技术突破人工智能技术最新突破要能尽快应用到无人驾驶上面，特别是图像识别和深度学习技术取得了突破能够用在交通环境的感知。能够用人工智能来扩展驾驶智能，使得自主驾驶系统自适应调整优化，学习驾驶员行为和适应驾驶环境。

（7）需要开展自主等级和安全测评，解决自动驾驶存在的问题

通过分析自主驾驶功能组成与测评指标，开展功能测评；研究自主驾驶综合测评规范与体系，在复杂交通场景下开展测试；通过自主驾驶测评，分析存在的技术问题、技术可靠和成熟程度，随后有针对性得开展研究。

我们在驾驶汽车的时候，碰到突发情况，有时候是需要做出抉择的。在无人驾驶车辆设计中，需要无人驾驶软件衡量不同的结果并得出一个有道德抉择。这也许是无人驾驶技术上一个很重要的突破，需要制定适应无人驾驶车辆的交通法规，从法理和道德上加以约束。

3、无人驾驶汽车美好的前景

无人驾驶汽车通过提供智能仓储和物流运输，将提高运输效率；通过智能的士服务，将减少路网中的车辆，减少对停车场的需求。例如最近ITF（国际交通论坛）基于严谨的数学建模和实践，报告探讨了两种自动驾驶共享车服务模式，最关键是定量预测了车队规模，用以满足目标城市所有人的出行需求。其研究得出的理想化结果表明：辅以大容量公共交通（地铁、快轨等）的情况下，路面上只需要现有数量10%的轿车就能满足一个中型欧洲城市的出行需求。

此外，兰德公司也对无人驾驶车辆的应用对现有交通系统的影响进行了评估，认为将会产生以下潜在影响：

（1）无人车辆可以充分调度，极大减少对停车场地的需求。

（2）自动驾驶汽车由于轻量级设计，智能和节能地操控汽车，从而节省燃料。此外，采用新能源汽车可以减少排放。

（3）由于无人驾驶车辆可以通过合理调度共享出行，减少了车辆数目；安全操控减少了交通事故；列队出行，加快行驶速度等，从而可以缓解交通拥堵。

（4）由于机器不会分心很少犯错误，从而减少了人为因素引起的交通事故，从而提高了交通安全。

如图8，Google的无人驾驶汽车已经在道路上测试了240多万公里。此外，还有许多汽车产商和IT公司加入无人驾驶汽车研发队伍，并且正在取得日新月异的进展。

在可以预见的几年之内，将会有成熟的无人驾驶汽车产品入市。期待无人驾驶汽车在未来改善我们拥堵的交通，给我们交通出行带来安全与便利。

出品:科普中国

制作:中国科学院自动化研究所 黄武陵

监制:中国科学院计算机网络信息中心

“科普中国”是中国科协携同社会各方利用信息化手段开展科学传播的科学权威品牌。

本文由科普中国融合创作出品，转载请注明出处。

行业主要上市企业：目前国内自动行业的上市公司主要有北汽蓝谷(600733)、长城汽车(601633)、舜宇光学()、欧菲光(002456)、韦尔股份(300990)、国瑞科技(600562)、四维图新(002405)、德赛西威(002920)

本文核心数据：蔚来NIO Pilot自动辅助驾驶系统功能、自动驾驶分级标准、造车新势力历代车型及自动驾驶系统配置

大部分消费者被夸大宣传的“自动驾驶”误导

2021年8月12日下午，上善若水投资管理公司创始人、意统天下餐饮管理公司创始人、美一好品牌管理公司创始人林文钦，驾驶蔚来ES8汽车启用自动驾驶功能(NOP领航状态)后，在深海高速涵江段发生交通事故，不行逝世，终年31岁。

一时间，大众舆论的关注焦点从车祸转到了“自动驾驶”。而蔚来则表示，NOP领航功能并不等同于“自动驾驶”，而是自动驾驶辅助功能。

NOP是导航系统、高精地图与蔚来NIO Pilot自动辅助驾驶系统的深度融合，在Pilot功能已实现的巡航车速控制、车距保持、转向辅助和转向灯控制变道功能的基础之上，使车辆在高精地图覆盖范围内的大部分高速公路及城市高架路段内，按照导航规划的路径实现自动汇入主路、变道以及自动切换至下一条高速/高架等功能。

NOP的正常工作非常依赖于摄像头、毫米波雷达等传感器的状态。如发现车辆提示传感器受限，或怀疑传感器出现异常，则NOP的功能可能会失灵。NOP的正常工作非常依赖于摄像头、毫米波雷达等传感器的状态。如发现车辆提示传感器受限，或怀疑传感器出现异常，则NOP的功能可能会失灵。

目前市场上通用的自动驾驶分类方式采用的是国际汽车工程师学会(SAE)于2014年制定的J3016自动驾驶分级标准。SAE对自动化的描述分为6个等级，即L0级至L5级，以动态驾驶任务(DynamicDrivingTask，DDT)为核心来进行自动驾驶分类。

L0到L2为辅助驾驶，L3到L5属于自动驾驶。目前L2级别的高级辅助驾驶技术上基本实现，渗透率正在逐步提升，自动驾驶技术已经开始向L3级别迈进，实现从辅助驾驶(ADAS)到自动驾驶(ADS)的飞跃。

在中国，工信部也同样与2020年3月发布了《汽车驾驶自动化分级》，将自动驾驶分成了6个等级。

目前“自动驾驶”已经成为了新能源汽车在技术上宣传的卖点之一。特斯拉进入中国市场后，将“自动驾驶比人类驾驶更安全”的概念灌输到了部分消费者的心里。作为造国内造车新势力龙头之一的未来，在2020年9月北京车展上发布了(NOP)。2021年1月，小鹏汽车业推出了NGP(自动导航辅助驾驶功能)，理想也在2021年5月底发布新款理想ONE是把NOA(自动导航辅助驾驶)当做卖点。

新晋车企的介入也倒逼传统车企在智能化浪潮下进行改革。传统车企一方面在汽车智能化上积极布局，投入研发经费;另一方面，凭借技术积累，与谷歌、百度、阿里、华为等互联网企业展开合作，布局智能汽车领域。

政策和市场将推动自动驾驶加速发展

从目前车企自动驾驶技术的发展来看，基本仍处于L1或者L2级别，也就是辅助驾驶，随时需要人类驾驶员接管。对于“自动驾驶”黑科技的营销也给消费者在购买和使用时造成了误解。

2021年，8月12日，工信部发布《工业和信息化部关于加强智能网联汽车生产企业及产品准入管理的意见》，明确规定“企业生产具有驾驶辅助和自动驾驶功能的汽车产品的，应当明确告知车辆功能及性能限制、驾驶员职责、人机交互设备指示信息等信息”，并对具备自动驾驶产品的汽车提出各项具体要求。如若发现生产、销售的汽车产品存在数据安全、网络安全、在线升级安全、驾驶辅助和自动驾驶安全等严重问题的，将依法依规立即停止相关产品的生产、销售，采取措施进行整改，并及时向相关部门报告。

目前，无论是中国，还是全球其他国家和地区，都在积极推动自动驾驶的落地。在企业加大科研投入的同时，中央和地方政策也加速落地。未来，在政策和市场的推动下，我国自动驾驶行业将加速成熟，“自动驾驶”所造成的车祸也将逐渐减少。

以上数据参考前瞻产业研究院《中国智能网联汽车(ICV)行业发展模式与投资战略规划分析报告》。

无人机城市物流配送路线规划优化理论与方法是目前比较尖端的一个理论，他的理论是让无人机能正常的配送，他的方法是给无人机制定新的路线。