商用车自动驾驶技术介绍
浏览:657次    类型:智能化    来源:东方网    作者:东方网    2018-12-31 11:18

商用车自动驾驶介绍

自动驾驶在商用车中已经应用越来越广泛,尤其是在重卡和客车领域,以一汽、东风为代表的重卡厂家都在加大投入,并也取得了一定的成果。智能汽车已经成为不可阻挡的发展趋势,因为拥有了智能驾驶技术,不仅可以解放驾驶员的双手,还能减少事故发生、提高道路和汽车利用率。这些传统汽车难以替代的优势,为智能汽车带来了不可估量的市场前景。



本文主要从商用车自动驾驶驱动因素、应用场景、关键技术等介绍商用车自动驾驶的发展和应用。


一、驱动因素


1.1 政策法规驱动
政策支持:工信部、发改委、交通部等多项政策的顶层设计,《中国制造2025》将无人驾驶汽车作为汽车产业未来转型升级的重要方向之一,可以说,汽车智能化为中国制造业发展进程带来了一次革命;
政府管理:北京、上海、重庆等开发路测
安全性法规升级:新GB7258-2017等

ADAS标准(发布6项)、未来中高等级智能汽车标准


1.2 市场环境
产业升级、技术升级带动重卡运输需求变化
货物运输方式的多元化和综合化,多种运输方式联运带来对卡车运输的冲击和需求变化
互联网+带来物流运输行业新的增长点

物流运输行业提供管理水平带来网联化需求


1.3 客户需求
节能:对燃油经济性更高要求
安全:辅助驾驶员安全驾驶,减轻驾驶员劳动强度和降低技能要求;
高效:对提高运输效率的更高要求

舒适:改善驾驶环境


1.4 技术发展
电动化:利用电驱动技术辅助/替代传统内燃机驱动
智能化:监测/驾驶辅助-部分/条件/完全自动驾驶
网联化:辅助车载传感器感知环境

二、典型应用场景


无人驾驶在公共道路开放场景的商业落地依然难度大、风险高,而且依然受到法律法规、安全性、道路环境复杂的制约。如今,更适合无人驾驶技术落地的还是环境封闭、点对点的运输场景。


2.1 受控区域:港口、园区、矿区

港口:港口一般24小时运营,司机多班倒,常伴有疲劳驾驶现象;沿海风吹日晒,集装箱装卸环节存在操作风险,工作环境艰苦,对年轻人吸引力差,同时内集卡对司机的驾驶经验和驾驶资格要求高,造成港口内集卡司机短缺问题严重。因此,自动驾驶更容易实现。



港口

园区:环卫车行驶路线较为固定,并且行驶速度较慢;环卫车大多在夜晚或者凌晨等人少的时候进行作业,道路环境较为简单。车队沿着设计好的路径进行清扫作业,在清扫的过程中,它们能够顺利通过红绿灯,绕过路上的障碍物,而清扫的动作就是环卫车本身所带有的动作,包括扫地、洒水、将垃圾导入垃圾桶内。清扫完成之后,环卫车自动驶入停车位。



园区

矿区:如露天煤矿、铁矿、铅锌矿等。这一场景下,汽车的运输作业大都是在低速和固定的行驶线路,其次由于工作环境较为恶劣,人员招聘和管理很是困难。不过这些困境都恰好形成了满足特定区域无人驾驶所需的应用条件。



矿区

2.2 中长途高速运输

物流行业中的干线运输,由于中长途高速运输距离长,时间长等特点,会导致驾驶员容易疲劳驾驶室,导致安全隐患。而无人货运可缩减运输时间,降低时间成本,这对干线运输行业而言自然是佳音了。据了解,一段需5天时间送达的普通货运,无人货运仅需三天即可完成。



高速公路

三、关键技术

3.1 自动驾驶等级

按照SAE的标准,自动驾驶汽车视智能化、自动化程度水平分为6个等级:无自动化(L0)、驾驶支援(L1)、部分自动化(L2)、有条件自动化(L3)、高度自动化(L4)和完全自动化(L5),等级越高,自动化程度越高。



3.2 自动驾驶关键技术

自动驾驶包括感知、决策和控制三个方面



3.2.1 感知:

环境感知:自动驾驶车辆想要在路上安全行驶,首要的是能够准确感知周围环境,如车辆、行人、交通标识等,需要搭载多种传感器,包括摄像头、毫米波雷达、LiDAR(激光雷达)等。不同传感器的原理和功能各不相同,能在不同场景中发挥各自优势,目前难以相互替代。



高精定位:目前高级别智能驾驶的解决方案,基本上还是采用了最早的测绘级定位手段,主要是依赖专业级的GNSS,再加上一个专业级陀螺仪做的INS来做车辆的姿态估计,为了能达到车道级别的定位准确性,会辅以RTK信号,可以用自建的基站或者是用千寻位置等企业提供的RTK服务。大部分无人驾驶系统中,高精定位做为一个独立运作的功能模块,主要是通过卫星和惯导信号的组合来得到对车辆位置的独立估计。这在以寻迹为主,或者一些规定路线驾驶中也能达到很好的效果。



3.2.2 决策:

自动驾驶在技术上的竞争,主要聚焦于决策环节。决策系统的任务包括任务决策、行为决策和轨迹规划。做好自动驾驶的规划决策,必须要懂得执行控制。其中行为决策是根据全局行车目标、自车状态及环境信息等,决定当前(以及有限时长内)采用的驾驶行为及动作。


简单来看,自动驾驶的路径规划可以分为全局路径规划和局部路径规划。其中全局路径规划是为车设计一条从A点到B点安全通过的路线,局部路径规划是指根据某段路程的环境信息和车辆自身状态,规划一段无碰撞的路径。前者就像在地图上输入起始点和终点,生成可行路线,后者主要包括转弯、变道、超车、遇到施工等情况的车辆运动,这部分和执行控制的关系便密切起来了。


决策算法面临的最大挑战,就是如何达到自动驾驶所需要的极高的安全性和可靠性。综合考虑安全、节能、高效的决策机制将是商用车的重要发展方向。



3.2.2 控制:

智能车辆控制包括轨迹跟踪控制、车辆姿态控制和执行机构控制
其中轨迹跟踪控制是指以车辆姿态作为控制输入,实际轨迹作为状态变量,期望轨迹作为参考状态,跟踪车辆轨迹规划模块输出的行驶轨迹,包括位置、航向和速度。
随着智能网联汽车对执行机构主动容错和协同控制需求的提升,执行机构控制器在原相互独立的分散式控制的基础上向相互协调的分布式控制系统发展。