摘 要

无人驾驶汽车发展是交通上的一场重大改革。随着互联网，物联网，人工智能等科学技术的不断发展和进步，智能感知设备及智能控制系统的不断先进使无人驾驶成为可能。毫无疑问，未来汽车的发展方向是无人驾驶汽车。本文从无人驾驶汽车目前在国内外的发展状况进行了介绍，然后对其发展中存在的问题如关键技术以及其发展所需的外部环境进行了相关研究，并提出解决方案，提出无人驾驶汽车未来的发展前景。

关键字：无人驾驶汽车、发展现状、关键技术、发展前景

Abstract

The development of driverless cars is a major change in transportation. With the continuous development and progress of science and technology such as Internet, IoT of things, artificial intelligence, intelligent sensing equipment and intelligent control system make unmanned driving possible. There is no doubt that the future direction of car development is unmanned cars. This paper introduces the development of unmanned vehicle at home and abroad, and then studies the problems in its development, such as the key technology and the external environment, and puts forward the solutions to the future development of unmanned vehicles.

Key words: Unmanned vehicles, development status, critical technology, development prospects

目 录

摘 要 I

Abstract II

1绪论 1

1.1 无人驾驶汽车的概述 1

1.2 研究背景 1

1.3 研究意义 1

2 无人驾驶汽车在国内外发展现状 3

2.1 国外无人驾驶汽车的发展现状 3

2.2 国内无人驾驶汽车的发展现状 4

3 无人驾驶汽车发展中存在的问题及解决方法 6

3.1 关键技术的研究 6

3.2 外部环境要求 8

4 无人驾驶汽车的发展前景 11

5 结语 12

参考文献： 12

第1章 绪论

1.1 无人驾驶汽车的概述

无人驾驶汽车，通过应用感知技术来探测车辆行驶环 境，并依据所得到的道路信息、障碍信息，有效的控制车速及其行进方向，从而确保车辆的安全稳定行驶^[1]。无人驾驶汽车使用智能联网系统，实现车辆与人、其他车辆、道路等外界的信息交换，进行定位、导航^[2]。无人驾驶汽车发展是交通上的一场重大改革。随着互联网，物联网，人工智能等科学技术的不断发展和进步，智能感知设备及智能控制系统的不断先进使无人驾驶成为可能。

1.2 研究背景

自上个世纪七十年代开始，国外就已开始无人驾驶汽车技术的研究。而我国较国外发展较慢，在上个世纪八十年代才开始进行。

无人驾驶汽车需要像真人一样，能够辨识行人、汽车、道路标志等信息，处理各种复杂的城市道路交通环境，尤其是交叉路口，需要根据实时路况作出相应的判断和反应。它须具有深度学习能力、良好的视觉感知等能力。因此，虽然无人驾驶汽车在20世纪 70年代就开始了研制，但是，历经几十年的发展，无人驾驶汽车离真正上路还存在一定的距离。无人驾驶对人工智能要求很高，但是，在过去的 10 年里，在人工智能方面的研究取得了指数型进展。现在，人工智能在某些方面的表现已然超越了人类。人工智能显示出优越的性能，它不仅能够胜任人类的工作，甚至还能够解决人类自身很难解决甚至是解决不了的问题^[3]。

1.3 研究意义

1.解决交通拥挤问题

根据一些研究报告，如果无人驾驶汽车能够投入使用，高速公路的汽车容量将增加5倍。Sebation Thrun，斯坦福大学计算机科学家，同时也是前谷歌无人驾驶汽车团队成员表示，一旦无人驾驶汽车成为公路交通工具的主流，可以减少路面汽车的总量，大约只需目前的三分之一左右。另外，随着中国近年来智能交通的发展，人们能够更好，更方便，更迅速的了解到路面状况，避免拥挤道路节约时间。无人驾驶汽车的使用，能够更加精确的利用计算机技术实现快速准确的计算和GPS精准定位，找到更加合适的路线规划，从而使中国智慧交通更好的得到实施

2. 大幅减少二氧化碳排放量

无人驾驶汽车能够帮助人们保护地球。无人驾驶汽车拥有比人脑更为快速精准的计算功能，能够使汽车加速、刹车和速度调整达到最大优化效果，更加合理利用动能系统，从而能够极大地提升燃料利用率，进而减少二氧化碳排放量。麦肯锡的一份报告显示，如果无人驾驶汽车投入使用，它们将有助于每年减少二氧化碳排放量300万吨。这相当于全球商业飞机领域每年排出的二氧化碳总量之和的一半。

3.挽救数以千计的性命

根据世界卫生组织公布的数据，目前，全世界每年平均大约有124万人因交通事故被夺走生命。单在中国，从2012年至2016年这五年的时间里，中国因交通事故死亡人数平均达到59634.8人数。这五年具体人数如表1.3.1。

表1.3

当无人驾驶汽车得到普及后，交通事故将会大幅减少，因此它或许能够挽救这百万人的生命。

无人驾驶汽车通过各种技术的结合能够高效感知、准确的进行计算，提高道路交通利用率，解决交通拥挤问题，避免因交通拥挤造成的时间浪费。另外，无人驾驶汽车还可以避免因驾驶员酒后驾驶、恶意驾驶以及各种身体精神原因等造成的各种交通事故，因而减少交通事故中丧生人数。无人驾驶汽车如果能够尽快生产比投入使用，可以给很多想拥有自己的汽车但是不能自己驾驶的人带来福音，让他们无需请司机，自己想去哪就可以让无人驾驶汽车带他们去哪。

但是目前，我国无人驾驶汽车的发展水平还没有走进世界先列，在发展研究中还遇到不少难题，不能投入生产使用。针对这些难题进行相关研究，能够促进我国无人驾驶汽车的进一步发展。

因此，本文对无人驾驶汽车在我国的发展进行相关论述研究，将国内外目前发展现状进行比较研究，找到我国目前无人驾驶汽车研究中的瓶颈问题以及成果出现后所需解决的政策要求，针对性的提出解决方案，促进我国无人驾驶汽车的进展以及缩短投入使用时间。此外，解决了当前无人驾驶车辆的理论和技术问题。使无人驾驶汽车跃上新台阶，促进智能运输系统研究；缩小中国与国际上先进水平的差距。

无人驾驶汽车是一个国家计算机科学、模式识别和智能控制技术的发展水平的代表，也是衡量一个国家科研实力和工业水平的一个重要标志。综上所述，研究无人驾驶汽车的现状，探究其发展的路径，有着重要的现实意义

第2章 无人驾驶汽车在国内外发展现状

2.1 国外无人驾驶汽车的发展现状

• 美国无人驾驶汽车的研究

1995 年，美国卡耐基 • 梅隆大学推出的无人驾驶汽车取得了成功，完成了 5000 多公里的高速道路试验。2005 年，美国斯坦福大学推出的多功能车，完成了在崎岖道路上的长途穿行。2010 年，Google 设计制造的无人驾驶汽车进行并通过了主要城市道路的驾驶测试，确定 具有完备的感知能力和高水平的人工智能^[4]。到了 2014年，无人驾驶技术获得了长足的发展。 2016年，福特 Fusion迎来了无人驾驶汽车的首次载客炫丽登场。在同一年，Google 创建了独立的自动驾驶汽车公司 Waymo， Google 研发的自动驾驶汽车的实际测试里程已达到 200 多万英里。 2016 年10月，特斯拉在新车上都已安装 Autopilot 2.0“完全自动驾驶功能”的硬件系统（软件部分包括多项辅助功能），且成本并没有增加多少。2017 年 3 月，被特斯拉宣布推出 Autopilot 8.1 系统，大大提升了无人驾驶汽车的等级。据统计，在 Autopilot 模式下特斯拉已行驶超过 2.22 亿英里。

• 德国无人驾驶汽车的研究

1987，德国研制的无人驾驶汽车VAMORS -M在德国军队护航舰队和直升机的支持下，在世界上最标准的德国公路上进行了无人驾驶试验，创造了最高速度为97kM/h。而在随后的几年中，无人驾驶车辆研究领域时速上的世界纪录一直被德国国防军大学的VaMoRs系列无人驾驶汽车保持着。1994年，在川流不息的普通高速公路上，VaMoRs—P已经能与有人驾驶的车辆一起以130km／h的速度行驶，并且可以完成超车换道等动作。在2005年，奔驰公司宣布，在其推出的新款轿车中，用户可以选择安装高速公路的无人驾驶功能。2013 年，博世已经成功地在德国高速公路上试验了自动驾驶汽车，这是从试验车道向更动态、更不可预测的真实世界迈进的一大步^[5]。2015 年 5 月的博世汽车新闻发布会上，博世推出的无人驾驶汽车拥有回避转向辅助系统和紧急制动辅助系统等系统。

• 日本无人驾驶汽车的研究

2012年6月，丰田、日产、富士重工、本田、马自达等大型车企参与了日本国土交通省召开研讨会研究汽车自动驾驶技术的实用化研究。同时，日本鼓励车企开展国际研发合作，日产与麻省理工学院、斯坦福大学、牛津大学、卡耐基梅隆大学等顶尖大学已进行多年的全自动驾驶汽车合作研发。2016年3月，日本政府宣布在位于筑波科学城的茨城县日本汽车研究所建设一个自动驾驶汽车测试基地。日本经济贸易产业省将通过跑道、建筑模型、无线电通讯干扰设备等相关设施建设，尽可能地创造所有可能出现的不利条件与场景，用于考验自动驾驶需面临的意外状况^[6]。

由于对无人驾驶技术的研究起步早，美国、德国、日本等发达国家对无人驾驶技术的掌握和对无人驾驶汽车的研发与生产更成熟和可靠。

2.2 国内无人驾驶汽车的发展现状

中国无人驾驶汽车的发展较于国外要稍微落后。从上个世纪80年代开始，我国才开始进行无人驾驶汽车的相关研究，但是到目前为止，也取得了不少的进展。

1989年，国防科技大学研制了我国首辆智能小车。1992年，我国第一辆真正意义上的无人驾驶汽车由国防科技大学成功研制而出。2000年6月，第4代无人驾驶汽车在国防科技大学研制成功，在试验中，最快速度为76km/h，创下了我国无人驾驶的最快速度。2001 年，在贺汉根教授带领下，研制成功的无人车时速达 76 公里^[7]。2002 年，国防科技大学与发达国家联合研制的汽车实现了在公路上的无人驾驶。2005年，首辆城市无人驾驶汽车由上海交通大学成功研制出。同年，国防科技大学实现了 2000 公里的无人驾驶。2011 年 7 月，红旗HQ3无人驾驶汽车由一汽集团与国防科技大学一同研制而出，该辆无人驾驶汽车完成了高速全程无人驾驶试验。全程286公里，其中人工干预仅占2.2公里。2012年，军事交通学院研制出了“军交猛狮Ⅲ号”，该车配备了全球定位系统、超声波雷达传感器等先进技术仪器来感知周围环境，自动规划行车路线。其最大速度达到105公里/小时，并在无人状态下行驶了114公里。2015 年，长安汽车首辆无人驾驶样车在重庆亮相，为国内第二辆原型车。同年12月初，百度研制的无人驾驶汽车在北京进行了全程自动驾驶测跑。该车的车速可达每小时100公里，实现高速、高速行驶时的各种减速、换道、超车、上下坡道、转头等复杂的行驶运动。这次测试是我国迄今为止进行难度最大也最接近真实路面情况的开放道路测试。

与国外车企的自主研发不同，我国无人驾驶汽车的研发大多是汽车厂商和国内科研院所、高校合作进行的，其中一汽、上汽、北汽、奇瑞、长安等企业已经开始进行相关研究工作。其中，2015 年 7 月，长安汽车发布智能化汽车“654”战略，计划到 2025 年建立起 1500 人的研发队伍，累计投入 130 亿元提升无人驾驶等智能汽车技术水平，并掌握全自动驾驶技术。

第3章 无人驾驶汽车发展中存在的问题及解决方法

目前国内无人驾驶技术不断在发展并且取得了巨大的进步，无人驾驶汽车已经得到了大量公众的认可，但是要让无人驾驶汽车得到普及仍然有很长的路要走。关键技术水平不高，零部件非国产化严重、政策法规空洞需要完善等等问题依然需要汽车人的不断努力^[8]。

3.1 关键技术的研究

自动驾驶系统是无人驾驶汽车最为关键的部分，这一系统主要由环境感知、定位系统以及控制系统组成。

3.1.1 环境感知技术

无人驾驶汽车的环境感知类似于驾驶员的眼和耳，眼和耳能够感知驾驶的环境变化，从而使驾驶员根据环境变化做出相应的决策。无人驾驶汽车环境感知模块获取驾驶时周身的环境信息，传送给控制系统，为控制系统做出决策提供信息的支持。驾驶员驾驶汽车时要了解自己车辆的信息和周围环境的信息。与之相关的，无人驾驶汽车的环境感知需要包括自身位姿感知和周围环境感知两部分。目前，无人驾驶汽车的感知是通过传感器进行的。单一传感器只能测量某个对象或是被测对象的某个方面、某个特征。而驾驶员在驾驶过程中是眼观四路，耳听八方的。显然，单一的传感器无法完成人类眼和耳的功能，所以，必须采用多个传感器同时测量某个被测对象的一个或几个特征。将传感器测量的数据收集起来并进行融合处理，提取相关信息传给控制系统。

按照环境感知对象不同采用两种方式测量：无人驾驶汽车位姿感知所需获得的信息主要包括车辆的速度，加速度，倾斜角以及所在的位置等。这类信息比较容易获取，由驱动电机，电子罗盘，倾斜角传感器，陀螺仪等传感器进行测量可以获取。而周围环境感知所需获得的信息主要包括路面情况，周围事物的距离以及周围的环境情况等。这些信息的获取则要以雷达等主动型测距传感器为主，被动型测距传感器为辅，采用信息融合的方法实现。复杂、恶劣的条件需要结合雷达、激光、超声波等主动型测距传感器。

3.1.2 定位导航技术

定位导航类似于驾驶员的地图，用来实现导航功能。导航模块用于确定无人驾驶汽车的地理位置，为控制中心根据规划路线完成相应的路程或任务。而导航可以分为自主导航和网络导航两种。

自主导航技术是指除了定位辅助之外，不需要外界其他的协助，即可独立完成导航任务^[9]。而自主导航的实现需要有无人驾驶汽车自身的定位以及周围环境地图的创建^[10]。而为了实现自身的精确定位需要知道周围的环境地图，而反过来，周围的环境地图的创建又需要有无人驾驶汽车行驶过程中每一个精确定位。这两者相辅相成。而现有的自主导航技术中的定位方式主要分为三种：相对定位、绝对定位和组合定位。

网络导航是指随时随地通过无线通信网络与交通信息中心进行信息交互。通过移动通信网络移动设备可以直接连接到Internet的Web GIS服务器。用户可以通过在智能感应设备和智能控制系统服务器中进行地图存储和复杂计算来从服务器端下载地图数据。网络导航的优点是没有存储容量限制和强大的计算能力。它可以存储任何精细地图，而且地图数据总是最新的。

3.1.3 控制系统

控制系统包括路径规划和决策控制两部分，它类似于驾驶员的大脑，用来对传感器收集的道路信息进行分析，并发出相应的指令。驾驶员在确定目的地后要根据脑海中记忆的路线在路程中针对各种问题对汽车进行操控确保到达目的地。

路径规划是无人驾驶车辆信息感知和智能控制的桥梁，是自主驾驶的基础。路径规划的任务是在有障碍物的环境中找到从起始状态到目标状态的非碰撞路径，包括起始状态中的位置和姿态。

路径规划技术可分为全局路径规划和局部路径规划两部分。全局路径规划是利用已知地图上的障碍物位置和道路边界等已知的局部信息，将优化和反馈机制结合在一起的一种可行的最优路径。局部路径规划是在全局路径规划所产生的运动区域的指导下进行的。根据传感器感知到的局部环境信息，无人驾驶平台前方道路的路径由当地环境信息决定。全局路径规划适用于已知环境的情况。局部路径规划适用于未知环境。

路径规划算法包括视觉图法、网格法、人工势场法、概率地标法、随机搜索树算法、粒子群优化算法等^[11]。

决策控制模块相当于无人驾驶车的大脑。其主要功能是根据感知系统获得的信息做出决策判断，然后对下一步做出决策，然后对车辆进行控制。决策技术主要包括模糊推理、强化学习、神经网络和贝叶斯网络技术。

决策控制系统的行为分为反应式、反射式和综合式三种方案：

无功控制是一种反馈控制过程。根据车辆的当前位置和期望路径的偏差，对转向角和速度不断地进行调整，直到到达目的地为止。

反射控制是一种低水平的行为，用来判断和反应迅速的意外事件正在进行中。

反应式控制规则可以由硬连接或单条控制规则实现，其形式为：

IF X1 is True and X2 is True……and Xn is True THEN Y

综合式控制在反应层中加入机器学习模块．将部分决策层的行为转化成基于传感器的反应层行为，从而提高系统的反应速度。

3.2 外部环境要求

3.2.1 对成本要求

在汽车界绝大多数人士看来，无人驾驶汽车产业化瓶颈主要来自于成本(见表3.2.1)，所面临的挑战包括开发低成本、稳定可靠的传感器及大量的软件开发^[12]。

表3.2.1 CoogIe无人驾驶汽车成本列表

上表是Google无人驾驶汽车的成本列表，并不是中国无人驾驶汽车的成本。美国Google研究的无人驾驶汽车成本都需要35万美元，相比之下，中国的无人驾驶汽车的成本只会比Google无人驾驶汽车更加高昂。因为我国研制的无人驾驶汽车还有不少零部件是本国不能生产的需要依赖进口，因而我国的无人驾驶汽车成本进一步增加。除此之外，上表中出现的成本并没有包括企业在研发阶段以及软件开发领域的成本，另外，无人驾驶汽车的研究还是一个大周期的研究。在整个过程中，需要不断研究，调试，研究再调试。这也是一个需要大量资金的地方。因而，无人驾驶汽车领域的前期研发花费巨大。