摘 要

以科技部国家重点研发计划 “自动驾驶电动汽车集成与示范”为出发点，本文对无人驾驶汽车在高速公路和城市道路的环境下的复杂度量化方法做了研究，目的是为了提供一个合理的方法去量化无人驾驶汽车的驾驶环境复杂度。

本文首先基于BP人工神经网络的理论，对影响环境的各个要素进行了分析，提出了环境复杂度的指标体系。针对于高速公路和城市道路的测试场景，规定了各指标的量化准则，去量化驾驶环境中的不同影响要素，并由此建立了环境复杂度的量化模型，对高速公路和城市道路的环境复杂度进行量化和评估。通过此模型，验证了利用人工神经网络，可以在主观误差较大的情况下将量化的指标输入后训练出准确率较高的网络，所得结果为量化环境的复杂度提供了新的可行性和可操作性，对于环境适应性评价体系和智能系统自主水平能力的研究具有重要意义。

关键词：环境复杂度；BP人工神经网络；量化模型

Abstract

Based on the Key Program "Automatic Driving and Integration of Auto-driving Vehicles" of the Ministry of Science and Technology, this paper studies the complex measurement methods of unmanned vehicles in the environment of highways and urban roads, in order to provide a reasonable method to quantify the complexity of the driving environment of unmanned vehicles.
Firstly, based on the theory of BP artificial neural network, this paper analyzes the various factors that affect the environment as well as putting forward the index system of environmental complexity. For the test scenarios of highways and urban roads, the quantitative criteria of each indicator are specified to quantify the different influencing factors in the driving environment. Thus a quantitative model of environmental complexity is established to quantify and evaluate the environmental complexity of highways and urban roads. Through this model, it is verified that using artificial neural network, the quantified indicators can be input to train the network with higher accuracy when the subjective error is large. The results provide new feasibility and operability for quantifying the complexity of the environment, and are of great significance for the study of environmental adaptability evaluation system and autonomy ability of intelligent system.

Key Words: environment complexity; BP network; quantitative model

目 录

第1章 绪论 1

1.1 选题背景和依据 1

1.2 本课题的研究意义 2

1.3 国内外研究现状 3

1.4 本论文的研究内容和结构划分 7

第2章 环境复杂度指标体系的提出和建立 9

2.1 环境复杂度 9

2.2 环境要素分析 9

3.2.1 高速公路 9

2.2.2 城市道路 10

2.3 指标提出 11

2.4 环境复杂度量化模型的探讨 18

第3章 人工神经网络 20

3.1 人工神经网络的发展历程 20

3.2 人工神经网络的定义 20

3.2.1 基本原理 20

3.2.2人工神经元模拟 21

3.2.3 传递函数 22

3.3 神经网络模型 22

3.3.1 BP神经网络 22

3.3.2 Hopfield神经网络 23

3.3.3 竞争型神经网络 24

3.3.4 对向传播神经网络 24

3.4 BP神经网络 24

3.4.1 基本结构 25

3.4.2 基本原理 25

3.4.3 计算步骤 26

3.4.4 初始值的设定 28

3.4.5 建立BP神经网络模型应该注意的问题 29

第4章 复杂度量化模型的建立 30

4.1 输入指标提出 30

4.2 指标的量化 31

4.2.1 道路类型（平面） 31

4.2.2 道路类型（立体） 32

4.2.3 车道数 32

4.2.4 指示牌 32

4.2.5 指示线 33

4.2.6 车辆类型 34

4.2.7 行人类型 35

4.3 参数的选择 35

4.3.1 评价等级的确定 36

4.3.2 输入层节点数的确定 36

4.3.3 隐含层节点数的确定 36

4.3.4 输出层节点数的确定 37

4.4 训练样本的建立 37

4.5 样本的分类 39

4.6 模型的建立 40

4.6.1 高速公路模型 40

4.6.2 城市道路模型 47

4.7 模型的验证 50

4.7.1 高速公路模型的验证 50

4.7.2 城市道路模型的验证 54

4.7.3 验证结果 58

第5章 结论 59

参考文献 60

致 谢 63

第1章 绪论

1.1 选题背景和依据

自动驾驶电动汽车是一个集路况导航、控制决策、环境感知、人车-车车-车路交互于一体的智能系统，其利用了车载传感器来感知车辆自身的状态和周围的环境，并且可以根据感知到的路径情况、车辆位置、动态物等信息，通过自动的操纵执行机构来控制车辆的速度和转向系统^[1]。

二十一世纪，汽车工程的研究日新月异，在新时代中信息技术和车联网的概念出现，使得汽车与汽车、汽车与外界之间的联系变得越发的紧密起来，汽车除了作为平日交通运输和代步出行的工具之外，还多了传递信息的功用。当智能设备和社交媒体在人们的生活中占据无法替代的角色后，人们的社交方式也发生了翻天覆地的变化，研究显示，比起以往的出门社交，现在的人们更加愿意通过社交媒体来接受其他人传达的支持和陪伴^[7]。随着在信息技术方面的研究日益加深，车载信息系统的出现无疑让汽车的功能从单纯的运输工具发展到一个集运输和信息传递功能为一体的多媒体智能设备，汽车被期待成为除了电脑和手机之外的第三种网络沟通和通讯的载体。这样的预测方向也大大鼓舞了研究机构对于自动驾驶汽车的研究热情，只有当自动驾驶车辆普及之后，汽车在信息传递和沟通世界方面的功能才能够真正的和其自带的运输功能分庭抗礼^[2]。

在国家政策的发布下，众多企业和科学家围绕着自动驾驶电动汽车的技术展开了研究，技术的开发日益接近成熟，但是其是否适应于现今的道路，如何评价其适应性能力也成为了现阶段的难题。我国的自动驾驶汽车评价工作在过去的大部分时期内，都将重心放在了评测其能力和技术上，这对自动驾驶汽车的发展起到了积极作用，然而，随着时代的发展，特别是自动驾驶汽车已经到了真实路面实验的阶段，科学家们逐渐意识到了仅建立了汽车技术评价系统，而没有考虑到与环境的交互评价的局限性。

即使在自动驾驶技术方面国内已经掌握了前沿的科技，但是现有的自动驾驶车辆的智能水平依旧算不上是真正的智能，这是因为两个原因，第一是现在所具有的传感器不够先进，其动态性能和人类的眼睛相比存在的差距还十分大，第二则是因为现在的人工智能技术没有办法在复杂的环境中发挥正常水平，计算机的图像识别能力不够优异^[9]。从某种意义上来说，一件新事物能否得足够的开发，需要观测人们对这件事物的需求程度、市场对这件事物是否有足够大的利润空间以及是否具有一个足够完善的评价体系。一个完整的评价体系，除了对于事物本身能力有评价，也要对其在外界的适应性有足够的评估。

为了实现现阶段的转变，2018年末，年度科技部主持的国家重点研发计划“新能源汽车”重点专项“自动驾驶电动汽车集成与示范”项目启动会顺利召开。这一次的会议针对现阶段的“上路难、评测难、监管难”等问题去构建在研发、评测、应用方面的新技术、规范、系统和工程，为了实现自动驾驶汽车可运行、可推广、可监控、可认证、可提升的目标，并由此推动我国的自动驾驶汽车可以率先走向规模化推广应用^[32]。

1.2 本课题的研究意义

（1）开展汽车的环境复杂度评估，可以用其研究的相关成果规范自动驾驶汽车的比赛。

早在上世纪90年代，美国便开展了自动驾驶车辆的比赛。比赛的前身是美国有关于自动驾驶车辆的测试和评价项目，举办比赛是为了试验车辆的环境感知能力。其测试运用了第三方测试，对于参赛的车队来说比赛测试的环境和内容都是未知的，考核指标是完成所有项目所需要的时间。第一次比赛并未有任何车辆完成整个赛程，且仅仅依靠完成时间来进行考核的缺陷很快就暴露出来，测试队伍发现，驾驶速度只是自动驾驶汽车能力中的一项，若是将其作为唯一的一个能力评估指标，将会使自动驾驶车辆的发展走上一条偏离正确方向的道路。在第一次比赛中发现的不足很快就被第二次比赛改进，在第二次沙漠越野挑战赛中，除了完成任务的时间之外，考核指标还加上了避开障碍物的数目和汽车通过的门数，用以考核车辆在上路行驶中的避障能力。在第三次比赛中，则直接模拟了城市交通的真实环境，在严格遵守城市交通规则的前提下，参赛车辆需要完成三项军事运输任务，并且避免与考核组安排的动态车辆发生碰撞。这一次的考核指标更为多样化，包括了车辆需要以一定的速度安全正确的自主行驶、能够自主的进行车道线的识别、车距保持、限速、安全的通过十字路口和在停车场停车和驶出、正确换道和安全会车等^[2]。

这三次比赛的考核指标变化，清晰明确的表现出了车辆测试比赛不能局限于某种技术上能力的考核，而是要与环境进行交互，在对车辆驾驶环境进行分级之后，考核车辆在不同环境下的适应性能力，便于自动驾驶车辆进一步实现在路面上行驶的规划。

（2）开展汽车的环境复杂度评估，可以帮助道路交通环境从复杂状态转化为简单状态，对研究道路交通环境有重要的意义^[11]。

正确认识行驶的周围环境对于驾驶员和其驾驶行为具有重要意义，对于自动驾驶车辆中的系统也是同理的。量化环境的复杂度，可以使得系统对车辆所处的环境有正确的认识，并且根据环境的复杂情况，对车辆进行合适的指挥和控制，避免交通问题的发生。汽车可以通过实时获取在道路上的行驶过程中周围环境的环境复杂度变化情况去判断其所处的交通环境的安全情况，这为收集交通数据，交通的正确指挥，正确预警车辆安全提供一个研究方向。

（3）开展汽车的环境复杂度评估，有利于帮助推动我国无人驾驶汽车走向规模化应用。

自动驾驶汽车的研究在国内外都属于前沿的研究内容，但是科研机构所投入研究的自动驾驶汽车大多数都是针对于其技术上的，而对于测试评价方面的研究并不多，这也就直接导致了现如今自动驾驶电动汽车的综合评价体系不完善，评价指标体系也不完备。研究指出，国外的自动驾驶汽车发展较国内迅速，从某种程度上来说也是因为他们更胜一筹的评价体系^[2]。如上文中所说，在2004年，美国已经提出了相对应的测评体系，并举办了首次自动驾驶汽车比赛。在比赛上，并没有任何一辆车可以完整的跑完全程，但是到2005年的比赛中，已经有五辆车可以跑完全程^[24-26]。这代表着一个相对完整的测评体系可以对自动驾驶汽车的研究起到不可缺少的重要帮助，得知不同环境下的复杂度，相当于对汽车行驶的路面起到分级作用，这是研究自动驾驶车辆在不同道路上的环境适应性的基础，即评价汽车与环境交互能力的基础，它可以调动研究团队在自动驾驶技术上的研究热情和前进动力，明确当下自动驾驶汽车的不足之处和未来研究的方向，引导新技术的革新。而环境适应性分析，则是评估体系中不可或缺的一部分。研究汽车与环境交互能力的测试与评价体系，指定环境复杂度和环境适应性的测试标准，建立完备的测试和指标体系，这对于科学准确的去考核自动驾驶汽车在智能环境的感知方面和智能行为的决策方面的研究成果有一定帮助作用。这不仅促进了多学科交叉融合，也有效的规范了自动驾驶汽车适宜驾驶的路段和地区，实现自动驾驶汽车的可运行、推广和监控，为未来自动驾驶在运输体系上的正式登场做出积极贡献。此外，相关研究成果可以为无人机动平台、车辆的辅助安全驾驶系统和智能汽车运输系统等研究提供一定的理论方法和参考。

1.3 国内外研究现状

自动驾驶的概念最早出现在1920年末。1925年时，就有公司在美国向民众通过遥控器遥控演示了自动车。到了1939年，通用公司在1939年的纽约世贸会，向着民众们展示出了一个全新的交通模型，认为城郊公路系统可以和自动驾驶车辆的概念相互融合，用以缓解交通拥堵问题。

自动驾驶汽车的发展就此开始。

1940年到1960年，各大的实验室开始对自动驾驶汽车展开了一定的研究，其认为的发展方向和实验理念均有所不同，其中RCA实验室成功制造了有线控制微型车并实现了实车驾驶，通用公司通过车载电子引导系统和自动公路通信控制驾驶行为，还有实验室试图用内嵌在道路上的电子设备引导驾驶。

初步的研究给自动驾驶汽车的功能和技术指引了方向，也让国家看到了这一项项目在未来潮流中的潜力，在1960到2000年，美国国防高级研究计划局资助研究了自动陆地车辆项目。自动陆地车辆项目，就是去研究可以通过激光雷达、计算机视觉以及自动机器人控制技术，指挥车辆的运行的技术。有了国家项目的启动，实验室对于自动驾驶汽车的研究取得了非常大的进展。自动驾驶汽车也从一开始部分功能的实现，变成了整体功能的调试。在1995年，有实验室成功研究出了可以跨越美国行驶的半自动驾驶车辆，除了油门和刹车之外，基本上所有路面行程均为自动驾驶。

从2000年开始，美国政府越发重视自动驾驶车辆的研究，下发人力物力资助了三项军事计划，并且开始举办专门的无人驾驶机器人挑战赛。随着国家支持，通用、福特、大众、奥迪、宝马和奔驰等众多汽车厂商都开始测试研究自动驾驶车辆。自动驾驶车辆的研究进度，也从只能够在高速公路上测试，逐渐演变成可以在城市道路中行驶，有些厂商也还进一步研发了适用于匝道口，校区等特殊地形的车辆^[7]。

一直到今天，自动驾驶汽车技术的研究已经有了将近百年的历史，随着传感器技术、通信技术、GPS技术和计算机人工智能技术的快速发展，虽然自动驾驶车辆还没有真正的面世，但是许多的车型已经配备了自动驾驶功能，如车道保持系统和泊车辅助系统等。

国内的自动驾驶车辆的研究起步比国外要晚，一直到1986年，关于无人控制机器人的战略目标政策才出台，各大研究室和高校展开研究，到了1994年，我国的第一台“室外智能移动机器人”在清华大学成功研制。目前，清华大学自主研制的自动驾驶试验车可以在较为复杂的环境中自主行驶；吉林大学利用了Kuipers算法对各种驾驶行为的模式进行了分析；北京理工大学开发了不同自动驾驶车辆的系统模块，并且对于其行为的复杂轨迹的策略做了研究^[50]；北京航空航天大学利用虚拟现实技术构建了综合城市交通环境并且在仿真系统中得到了实现^[51]；上海交通大学研发了提高交通运行效率的仿真平台，涉及到了各种交叉口，也评价了车辆的运行效率和延误时间。

伴随着自动驾驶车辆的发展的，就是自动驾驶测试技术。

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：