智能駕駛汽車研究綜述

智能駕駛汽車，主要依靠車內(nèi)的以計算機系統(tǒng)為主的智能駕駛系統(tǒng)來實現(xiàn)無人駕駛的目標。

文獻[1]對智能駕駛汽車的技術規(guī)范進行介紹，將責任和設計兩種雙重原則引入智能汽車領域；文獻[2]對智能駕駛汽車的研究現(xiàn)狀、面臨的技術挑戰(zhàn)及優(yōu)點進行介紹，對該技術的前景進行展望；文獻[3]指出停車難問題十分嚴重，每年浪費大量油耗等，提出了一種智能停車系統(tǒng)，文獻也指出實現(xiàn)智能停車，需要對汽車進行準確的室內(nèi)定位，但是現(xiàn)有技術精度不足，且成本較高；文獻[4]對汽車室內(nèi)定位問題進行解決，采用WiFi技術能夠替代GPS進行室內(nèi)環(huán)境汽車精確定位，可以降低成本；文獻[5]介紹了一種防止惡意軟件協(xié)同攻擊的智能汽車保護系統(tǒng)；文獻[6]介紹了使用智能手機估算前方汽車速度的系統(tǒng)，該系統(tǒng)對智能駕駛智能汽車有重要作用；文獻[7]和文獻[8]分別對博世公司和巴西圣保羅大學LRM實驗室關于智能駕駛智能汽車的研究現(xiàn)狀進行介紹。

1 智能駕駛汽車技術規(guī)范的研究[1]

英國工程和自然科學研究委員會（EPSRC）制定的有關機器人技術的原則，已經(jīng)出版近五年，這個原則由機器人學和人工智能（AI）專家在一個EPSRC/AHRC會議上提出。這些原則在機器人研究中發(fā)揮了重要的作用?，F(xiàn)在公眾更加關注機器人技術的發(fā)展，文中認為有必要重新審視這些原則。

EPSRC提出的主要原則是：人類應對研制的機器人負責，應在現(xiàn)有法規(guī)規(guī)范下設計機器人。該原則要求兩方面內(nèi)容，一方面，要對機器人的行為負責，另一方面，要研究機器人的設計方法，是一個雙重原則。智能駕駛汽車（AIC）領域同樣適用該原則，文中將責任和設計引入該領域，關注當前AIC的發(fā)展和部署來檢驗這個雙重原則。

現(xiàn)在關于無人駕駛的智能汽車研究越來越多，已經(jīng)設計出很多可以智能駕駛的汽車，文中基于已有AIC，進行分析研究，得出以下結論：在EPSRC/AHRC會議上，由機器人學和AI專家開發(fā)的EPSRC機器人原則目前仍然有效，因此，該原則可放心用于AIC領域，指導AIC技術的研發(fā)。

2 智能汽車駕駛技術的研究[2]

智能駕駛汽車技術源于對智能機器人的研究，現(xiàn)在關于智能駕駛汽車技術的研究越來越多，Google、Uber和Tesla等不同領域的全球領先企業(yè)，都展開了在智能駕駛汽車技術領域的研究。然而，在智能駕駛汽車可以大量投放市場之前，仍然需要解決許多技術和非技術方面的挑戰(zhàn)。

智能駕駛汽車技術可以改變?nèi)祟惖默F(xiàn)有生活方式，克服由于不斷增加的交通密度造成的交通堵塞問題。以往機器人只能在高度特定的環(huán)境中工作，通過學習如何應對未知的情況，克服這個限制，是實現(xiàn)汽車智能駕駛的面臨的主要技術方面挑戰(zhàn)。同時，智能駕駛汽車技術能否保證省油、減少交通堵塞、降低空氣污染，也是其面臨的技術方面挑戰(zhàn)。隨著傳感器技術及其成本的下降、車聯(lián)網(wǎng)等新技術的發(fā)展，智能駕駛汽車技術已變?yōu)楝F(xiàn)實。

而目前還沒有針對智能駕駛汽車技術的相關法律規(guī)范，事故責任很難斷定等是其面臨的非技術方面的挑戰(zhàn)。隨著智能駕駛汽車技術研究的深入，其面臨的一些技術及非技術問題已得到初步解決。

文中通過閱讀相關參考文獻，對智能駕駛汽車技術進行了研究，認為隨著各國政府相關政策的出臺及相關技術的不斷發(fā)展，未來智能駕駛汽車會廣泛運用于我們的生活。

3 一種智能泊車系統(tǒng)設計[3]

自從汽車發(fā)明以來，停車系統(tǒng)已經(jīng)出現(xiàn)。在交通量很大的地區(qū)，建有停車場系統(tǒng)。停車系統(tǒng)是在20世紀初，為滿足汽車停放的需要而開發(fā)的。隨著近年來汽車的供應量和使用量的迅速增長，尋找空置的停車位變得越來越困難。尤其在大城市，停車問題日益嚴重。隨著無線技術的廣泛使用，通過數(shù)字數(shù)據(jù)傳播可以解決現(xiàn)有停車問題。

智能停車系統(tǒng)可為使用者提供便利，使城市空間得到有效利用，同時可以節(jié)省時間，金錢和空間，簡化了停車的繁瑣任務。目前有兩種類型的停車系統(tǒng)：傳統(tǒng)的和智能的。從長遠來看，與傳統(tǒng)的停車場相比，智能化的停車系統(tǒng)可能更節(jié)約成本。智能化的多層智能停車系統(tǒng)使每個停車位更便宜，因為相比傳統(tǒng)停車設施，它們需要使用更少的土地面積。

主要結論：文中開發(fā)了一種智能停車系統(tǒng)，可以盡量減少人力，并節(jié)省了車主等待尋找停車位的寶貴時間。該智能停車系統(tǒng)使用太陽能電池板及價格較低的紅外傳感器，降低了成本。同時，文中為這個系統(tǒng)開發(fā)了一個應用程序，允許用戶查找可用停車信息，同時通過能源管理策略，降低了整個系統(tǒng)的功耗。

4 基于WiFi進行智能汽車室內(nèi)定位[4]

智能汽車能否實現(xiàn)智能駕駛功能主要取決于環(huán)境中汽車的精確定位能力。一般來說，所有智能汽車都會基于GPS等非累積誤差定位方法與更精確的定位方法相結合的定位方法。然而，由于GPS僅適用于戶外環(huán)境，而室內(nèi)環(huán)境（一般指室內(nèi)停車場）也是智能汽車應用的重要場景，因此需要尋找可替換GPS用于室內(nèi)定位的方法。

找到成功取代GPS的方法，不僅可以為汽車提供可靠的室內(nèi)定位方法，而且可以保持汽車定位系統(tǒng)架構的一致，實現(xiàn)從室外到室內(nèi)的平滑過渡，反之亦然。通常，室內(nèi)汽車的移動速度往往低至10-12km/h，但仍然超過了人行走的速度（3-5km/h），又由于室內(nèi)緊湊而復雜的環(huán)境，這對智能汽車的定位提出了挑戰(zhàn)。

研究表明，汽車95%的時間會處在停車場或室內(nèi)環(huán)境中，它可以是靜止或行駛狀態(tài)。在巴黎和里昂每輛汽車每天平均需要20-40分鐘的時間搜索停車地點，這在法國汽車每年大約花費近7000萬小時，在不考慮噪音污染、空氣污染和擁堵等其他影響情況下，會導致7億歐元的損失。智能汽車室內(nèi)導航系統(tǒng)允許智能泊車，可解決這一問題。為了實現(xiàn)室內(nèi)智能泊車，需要在車輛上安裝大量傳感器（如相機傳感器）實現(xiàn)汽車定位，已達到了很高的準確度（最佳情況下約40厘米），但是覆蓋范圍不足及受到照明條件的影響。

文中提出了一種改進的WiFi識別方法可以取代GPS，進行汽車室內(nèi)定位。所提出的方法基于神經(jīng)網(wǎng)絡，對WiFi信號強度原始數(shù)據(jù)進行平滑處理，同時應用環(huán)境約束對定位結果進行優(yōu)化，提高了使用WiFi進行汽車定位的精度及可靠性。實驗表明，該方法能夠替代GPS進行室內(nèi)環(huán)境汽車定位。

5 防止惡意軟件協(xié)同攻擊的智能汽車保護系統(tǒng)[5]

智能汽車不僅僅是機械裝置，而且可以根據(jù)實際工況，實時做出相應響應，進行動作。但是智能汽車系統(tǒng)存在一些技術漏洞，易被黑客攻擊，所以，需要考慮一些安全方案。

文中考慮了智能汽車的安全漏洞，開發(fā)了可應用于實際汽車的保護程序和惡意軟件檢測系統(tǒng)，可進行身份驗證?，F(xiàn)有汽車身份驗證，通過汽車鑰匙或鑰匙代碼啟動汽車，通過RF信號檢測特定鑰匙是否放置在車內(nèi)。但是這種驗證系統(tǒng)存在以下缺點：不管車上操作者是誰，只要有鑰匙就可以啟動汽車。

針對現(xiàn)有驗證系統(tǒng)的缺點，文中開發(fā)了一種驗證系統(tǒng)。所開發(fā)的方法將確保只有經(jīng)過授權的人，才可以操作汽車，從而確保防止未經(jīng)授權的訪問。當啟動汽車點火時，安全程序將首先驗證操作者是否經(jīng)過合法認證，只允許經(jīng)過合法授權的操作者操作汽車。如果檢測到任何未經(jīng)授權的訪問，將禁止該訪問，并發(fā)送警報。

主要結論：隨著安全系統(tǒng)的重要程度的增加，文中提出的驗證系統(tǒng)可以解決系統(tǒng)惡意軟件識別和操作者驗證問題。所提出的認證系統(tǒng)可以保證智能汽車安全，避免車輛被盜用，禁止未經(jīng)授權用戶的使用。所提出的驗證系統(tǒng)，有助于降低系統(tǒng)的復雜性，提高安全性，相比傳統(tǒng)的系統(tǒng)更便宜、更智能。

6 使用智能手機估算前方汽車速度[6]

汽車變得更加智能化，裝有多個反饋傳感器，為駕駛員提供道路和周邊地區(qū)的相關數(shù)據(jù)，可以解決道路安全和擁堵等問題。許多主動安全系統(tǒng)工作，依賴于正確估計周圍汽車的速度。對車輛技術社會（VTS）和智能交通社會（ITS）來說，估算周圍汽車的速度對于下一代智能駕駛智能汽車是非常重要的。

對于智能駕駛智能汽車應該安裝可以估計附近的汽車，尤其是前方汽車距離和速度的駕駛輔助系統(tǒng)（DAS）。準確估計汽車速度對于安全駕駛、避免碰撞、駕駛員輔助系統(tǒng)等是至關重要的。

文中提出了一種通過攝像機采集實時圖像進行汽車速度估計的新方法。該系統(tǒng)利用安裝在擋風玻璃后面的智能手機攝像機來捕捉前方街道的連續(xù)視頻，然后基于各幀視頻，精確地估計前方汽車的距離（以厘米為單位）和前方汽車的速度。

測試表明，該系統(tǒng)估算前方汽車車速效果較好，最壞情況的準確率為96%，表明從單個攝像頭獲得的動態(tài)圖像中，進行實時速度估計的方法是可行的。未來作者會對方法進一步進行擴展和測試，從而可以更好地估計周圍的環(huán)境中所有汽車的距離和車速。

7 博世公司第一個具有大腦的智能汽車[7]

將人工智能應用于汽車領域，前景廣闊，已經(jīng)吸引了大量投資者的注意。今年3月份，在柏林舉行的博世公司互聯(lián)世界大會上，提出預計未來幾年智能汽車將成為汽車領域研究的前沿和核心?，F(xiàn)在區(qū)塊鏈技術不僅可用于金融支付領域，同樣可以用于智能汽車領域，如可以儲存數(shù)據(jù)，記錄可用的停車位。

汽車工業(yè)中智能汽車領域的研發(fā)需要巨大的投資，沒有任何一家汽車制造商能夠自行生產(chǎn)、組裝出一輛汽車，需要和其他行業(yè)企業(yè)進行合作。智能汽車的研發(fā)需要與汽車相關的IT企業(yè)與汽車制造商進行合作。但是，目前對于智能汽車實現(xiàn)看起來很簡單的任務，如尋找一個停車位，仍然未能很好地解決。

在柏林舉行的第四屆博世互聯(lián)世界大會上，博世公司首席執(zhí)行官Volkmar Denner博士也認識到智能汽車面臨巨大的挑戰(zhàn)，他在開幕致辭中指出了停車問題中，尋找停車位的重要性。實現(xiàn)尋找停車位，需要記錄街道旁邊的所有可用停車位，但是并不是所有空閑空間都可被指定為停車位。同時，博世代表指出，智能泊車系統(tǒng)的研究有望使特定區(qū)域的汽車停泊率達到65%以上。從中可以看到隨著研究的深入和技術的發(fā)展，可以解決智能汽車面臨的挑戰(zhàn)。

幾個月前，博世宣布成立人工智能中心，并計劃在2021年前投資約3億歐元，擴大其研發(fā)能力。但是，沒有人能保證其所有發(fā)展目標可以帶來預期的利潤。未來，智能汽車領域研發(fā)工作還有很長的路要走。

8 圣保羅大學智能機器人和汽車實驗室[8]

圣保羅大學（USP）是巴西最大的公立大學，也是該國最負盛名的教育機構。移動機器人實驗室（LRM）隸屬于數(shù)學和計算機科學研究所（ICMC），位于圣卡洛斯市，成立于2008年，之后由Denis F.Wolf教授主管。與許多其他研究機器人的小組類似，LRM的研究從小型移動平臺開始，進行智能導航等問題的研究。

2010年，LRM實驗室收購了一款高爾夫汽車，以此為平臺進行智能汽車研發(fā)，早期以簡單的反饋算法進行汽車導航，試驗結果表明該算法不適于在較高車速下進行汽車導航。汽車導航技術的進步可以減少道路交通事故數(shù)量，改善城市交通狀況，為促成智能交通社會（ITS）提供強大動力。從2010開始，LRM一直致力于智能汽車感知、控制和決策技術的研究，不僅涉及城市用乘用車，而且也涉及重型汽車。

智能汽車Carina2（智能汽車導航系統(tǒng)）是LRM的主要研究平臺，包括計算控制轉向、油門和剎車裝置，同時該平臺還配備了相機、激光雷達、和高精度GPS等裝置。2013年10月，Carina2在Sao Carlos的街道上智能駕駛測試，試驗結果表明汽車能夠檢測人員和其他汽車等障礙物，并與它們保持安全的距離。這是拉丁美洲第一次在公共街道上進行智能駕駛試驗。2016年，LRM與斯堪尼亞拉美公司合作，以一輛G360（9噸）汽車為平臺，推出了巴西第一款智能駕駛卡車。

如前所述，過去幾十年來，LRM一直致力于汽車環(huán)境感知的研究，將來還會在環(huán)境感知方向做進一步研究。

[1]Buning M D C,Bruin R D.Autonomous intelligent cars：proof that the EPSRC Principles are future-proof[J].Connection Science,2017,29(3)：189-199.

[2]Zarges C.Hod Lipson and Melba Kurman：Driverless：intelligent cars and the road ahead[J].Genetic Programming&Evolvable Machines,2017：1-3.

[3]F.Islam,M.Adil,et al.PLC Based Automatic Intelligent Car Parking System.International Journal of Computer Theory and Engineering,Vol.9,No.1,February 2017

[4]Dinh-Van N,Nashashibi F,Thanh-Huong N,et al.Indoor Intelligent Vehicle localization using WiFi received signal strength indicator[C]//IEEE Mtt-SInternational Conference on Microwavesfor Intelligent Mobility.IEEE,2017：33-36.

[5]PG Scholar,Dept of ECE,et al.Intelligent Vehicle Protection System for Safeguarding Against Collaborative Assaults by Malware[J].International Journal of Innovative Technologies,VOL.5,NO.7,JULY 2017.

[6]Salahat S,Al-Janahi A,Weruaga L,et al.Speed Estimation from Smart Phone in-Motion Camera for the Next Generation of Self-Driven Intelligent Vehicles[C]//IEEE,Vehicular Technology Conference.IEEE,2017.

[7]Burkert A.The First Car with a Brain[J].Atz elektronik Worldwide,2017,12(2)：8-13.

[8]Olaverri C.Intelligent Vehicles at the Mobile Robotics Laboratory,University of Sao Paolo,Brazil[ITSResearch Lab][J].IEEE Intelligent Transportation Systems Magazine,2017,9(1)：136-139.