杨幂视频不雅,最小比基尼美女视频

導(dǎo)讀/ 智能駕駛汽車通過搭載先進(jìn)的車載傳感器、控制器和數(shù)據(jù)處理器、執(zhí)行機(jī)構(gòu)等裝置，借助車聯(lián)網(wǎng)和 V2X 等現(xiàn)代移動通信與網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)交通參與物彼此間信息的互換與共享，從而具備在復(fù)雜行駛環(huán)境下的傳感感知、決策規(guī)劃、控制執(zhí)行等功能，以實(shí)現(xiàn)安全、高效、舒適和節(jié)能的自動或智能行駛。智能駕駛汽車代表了汽車技術(shù)和產(chǎn)業(yè)化的重要發(fā)展方向，也是未來汽車技術(shù)創(chuàng)新的主流趨勢。

來源：專知

智能汽車控制架構(gòu)設(shè)計

智能駕駛汽車通過搭載先進(jìn)的車載傳感器、控制器和數(shù)據(jù)處理器、執(zhí)行機(jī)構(gòu)等裝置，借助車聯(lián)網(wǎng)和 V2X 等現(xiàn)代移動通信與網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)交通參與物彼此間信息的互換與共享，從而具備在復(fù)雜行駛環(huán)境下的傳感感知、決策規(guī)劃、控制執(zhí)行等功能，以實(shí)現(xiàn)安全、高效、舒適和節(jié)能的自動或智能行駛。智能駕駛汽車代表了汽車技術(shù)和產(chǎn)業(yè)化的重要發(fā)展方向，也是未來汽車技術(shù)創(chuàng)新的主流趨勢。

智能駕駛系統(tǒng)基于環(huán)境感知技術(shù)對車輛周圍環(huán)境進(jìn)行感知，并根據(jù)感知所獲得的信息，通過車載中心電腦自主地控制車輛的轉(zhuǎn)向和速度，使車輛能夠安全、可靠地行駛，并到達(dá)預(yù)定目的地。無人駕駛是汽車智能化追求的終極目標(biāo)，是信息通信等先進(jìn)技術(shù)在汽車上的深度應(yīng)用，體現(xiàn)了更便捷、更簡單的人車交互方式，是對人的更大程度的 “解放”。它將在減少交通事故、提高運(yùn)輸效率、完成特殊作業(yè)、國防軍事應(yīng)用等領(lǐng)域發(fā)揮至關(guān)重要的作用。

智能駕駛的關(guān)鍵技術(shù)是環(huán)境感知技術(shù)和車輛控制技術(shù)，其中環(huán)境感知技術(shù)是無人駕駛汽車行駛的基礎(chǔ)，車輛控制技術(shù)是無人駕駛汽車行駛的核心，包括軌跡規(guī)劃和控制執(zhí)行兩個環(huán)節(jié)，這兩項(xiàng)技術(shù)相輔相成共同構(gòu)成智能駕駛汽車的關(guān)鍵技術(shù)，其系統(tǒng)組成如圖 4-1 所示。智能駕駛的整個流程歸結(jié)起來有三個部分，首先，是通過雷達(dá)、像機(jī)、車載網(wǎng)聯(lián)系統(tǒng)等對外界的環(huán)境進(jìn)行感知識別；然后，在傳感感知融合信息基礎(chǔ)上，通過智能算法學(xué)習(xí)外界場景信息，規(guī)劃車輛運(yùn)行軌跡，實(shí)現(xiàn)車輛擬人化控制融入交通流中；其次，跟蹤決策規(guī)劃的軌跡目標(biāo)，控制車輛的油門、剎車和轉(zhuǎn)向等駕駛動作，調(diào)節(jié)車輛行駛速度、位置和方向等狀態(tài)，以保證汽車的安全性、操縱性和穩(wěn)定性。如果能夠默契地進(jìn)行，那么整個智能駕駛流程就算完成了。因此研究自動駕駛的控制技術(shù)變得具有十分重要的意義。

因此，智能駕駛的系統(tǒng)將駕駛認(rèn)知形式化，利用駕駛認(rèn)知的圖表達(dá)語言，設(shè)計通用的智能駕駛軟件架構(gòu)。在這一架構(gòu)中，智能決策模塊并不直接與傳感器信息發(fā)生耦合，而是基于多傳感器的感知信息、駕駛地圖和車聯(lián)網(wǎng)通信等先驗(yàn)信息綜合形成的駕駛態(tài)勢完成自主決策。智能駕駛試驗(yàn)平臺軟件的架構(gòu)如圖 4-2 所示。

平臺軟件運(yùn)行流程：多傳感器信息處理模塊，由駕駛認(rèn)知的圖表達(dá)語言統(tǒng)一輸出構(gòu)成駕駛態(tài)勢實(shí)時信息；駕駛地圖的信息，則根據(jù)車輛實(shí)時位置及朝向，映射到駕駛態(tài)勢中，與駕駛態(tài)勢實(shí)時信息融合，形成全面反映當(dāng)前駕駛態(tài)勢的公共數(shù)據(jù)池；車聯(lián)網(wǎng)通信信息，利于V2X 系統(tǒng)使得車與車、車與基站之間能夠通信互聯(lián)，獲得周邊交通流實(shí)時路況、路口標(biāo)識、交通燈標(biāo)示信息以及來自外部云服務(wù)器的超視距路況信息；決策控制模塊，以這行駛環(huán)境信息數(shù)據(jù)池為基礎(chǔ)，綜合考慮交通規(guī)則、駕駛經(jīng)驗(yàn)、全局路徑等先驗(yàn)知識，完成決策。此外，融合了實(shí)時信息與先驗(yàn)知識的行駛環(huán)境信息數(shù)據(jù)池，也能夠幫助傳感器信息處理模塊確定感興趣區(qū)域、幫助定位模塊提高定位準(zhǔn)確性、幫助駕駛地圖模塊及時更新先驗(yàn)信息，提升智能駕駛的性能。

此外，智能汽車的軟件架構(gòu)將決策控制與傳感器的感知信息解耦，增加或減少一路或幾路傳感器、改變傳感器型號或安裝位置，不再對決策控制直接造成影響。整個軟件架構(gòu)只需做很少的改動，甚至完全不需要調(diào)整，就可以在不同試驗(yàn)平臺上方便的進(jìn)行移植。

自動駕駛控制核心技術(shù)組成

智能駕駛汽車的車輛控制技術(shù)旨在環(huán)境感知技術(shù)的基礎(chǔ)之上，根據(jù)決策規(guī)劃出目標(biāo)軌跡，通過縱向和橫向控制系統(tǒng)的配合使汽車能夠按照跟蹤目標(biāo)軌跡準(zhǔn)確穩(wěn)定行駛，同時使汽車在行駛過程中能夠?qū)崿F(xiàn)車速調(diào)節(jié)、車距保持、換道、超車等基本操作。

自動駕駛控制的核心技術(shù)是車輛的縱向控制和橫向控制技術(shù)?？v向控制，即車輛的驅(qū)動與制動控制；橫向控制，即方向盤角度的調(diào)整以及輪胎力的控制。實(shí)現(xiàn)了縱向和橫向自動控制，就可以按給定目標(biāo)和約束自動控制車運(yùn)行。所以，從車本身來說，自動駕駛就是綜合縱向和橫向控制。但要真正實(shí)現(xiàn)點(diǎn)到點(diǎn)的自動駕駛運(yùn)行，車輛控制系統(tǒng)必須獲取道路和周邊交通情況的詳細(xì)動態(tài)信息和具有高度智能的控制性能。完善的交通信息系統(tǒng)和高性能、高可靠性的車上傳感器及智能控制系統(tǒng)是實(shí)現(xiàn)自動駕駛的重要前提。由于點(diǎn)到點(diǎn)自動駕駛的難度，人們提出首先實(shí)現(xiàn)自動駕駛路段的概念，即在路況簡明的高速公路段開辟可自動駕駛路段，進(jìn)入這種路段可以啟動白動駕駛，出這個路段時再轉(zhuǎn)人手操縱。由于道路條件和車上控制系統(tǒng)性能的限制，目前考慮的自動駕駛結(jié)構(gòu)幾乎都是手動自動可轉(zhuǎn)換的。

自動駕駛控制技術(shù)需要在智能駕駛汽車上配置各種對應(yīng)的系統(tǒng)才能實(shí)現(xiàn)其復(fù)雜的功能，目前包絡(luò)車道保持系統(tǒng) LKA、自適應(yīng)巡航控制系統(tǒng) ACC、自動泊車系統(tǒng)、緊急制動和衛(wèi)星導(dǎo)航系統(tǒng)等：

車道保持系統(tǒng) LKA：使汽車遵循道路標(biāo)志和聲音警告并在車輛開始偏移車道時調(diào)整方向，保證汽車沿著目標(biāo)車道線行駛。
自適應(yīng)巡航控制系統(tǒng) ACC：使汽車和前而的車輛始終保持一個安全的距離，確保無人駕駛汽車的安全性。
自動泊車系統(tǒng) AP：使無人駕駛汽車能夠順利地實(shí)現(xiàn)在停車位的倒入和離開。
緊急制動系統(tǒng) AEB：使汽車在遇到緊急情時能夠充分有效制動，同時使無人駕駛汽車處于人類的監(jiān)視和控制范圍之內(nèi)。

車輛縱向控制

車輛縱向控制是在行車速度方向上的控制，即車速以及本車與前后車或障礙物距離的自動控制。巡航控制和緊急制動控制都是典型的自動駕駛縱向控制案例。這類控制問題可歸結(jié)為對電機(jī)驅(qū)動、發(fā)動機(jī)、傳動和制動系統(tǒng)的控制。各種電機(jī)-發(fā)動機(jī)-傳動模型、汽車運(yùn)行模型和剎車過程模型與不同的控制器算法結(jié)合，構(gòu)成了各種各樣的縱向控制模式，典型結(jié)構(gòu)如圖 4-3 所示。

此外，針對輪胎作用力的滑移率控制是縱向穩(wěn)定控制中的關(guān)鍵部分。滑移率控制系統(tǒng)通過控制車輪滑移率調(diào)節(jié)車輛的縱向動力學(xué)特性來防止車輛發(fā)生過度驅(qū)動滑移或者制動抱死，從而提高車輛的穩(wěn)定性和操縱性能。制動防抱死系統(tǒng)（antilock brake system）簡稱 ABS，在汽車制動時，自動控制制動器制動力的大小，使車輪不被抱死，處于邊滾邊滑（滑移率在 20%左右）的狀態(tài)，以保證地面能夠給車輪提供最大的制動作用力值。一些智能滑移率控制策略利用充足的環(huán)境感知信息設(shè)計了隨道路環(huán)境變化的車輪最有滑移率調(diào)節(jié)器，從而提升輪胎力作用效果。

智能控制策略，如模糊控制、神經(jīng)網(wǎng)絡(luò)控制、滾動時域優(yōu)化控制等，在縱向控制中也得到廣泛研究和應(yīng)用，并取得了較好的效果，被認(rèn)為是最有效的方法。而傳統(tǒng)控制的方法，如 PID 控制和前饋開環(huán)控制，一般是建立發(fā)動機(jī)和汽車運(yùn)動過程的近似線形模型，在此基礎(chǔ)上設(shè)計控制器，這種方法實(shí)現(xiàn)的控制，由于對模型依賴性大及模型誤差較大，所以精度差、適應(yīng)性差。從目前的論文和研究的項(xiàng)目看，尋求簡單而準(zhǔn)確的電機(jī)-發(fā)動機(jī)-傳動、剎車過程和汽車運(yùn)動模型，以及對隨機(jī)擾動有魯棒性和對汽車本身性能變化有適應(yīng)性的控制器仍是研究的主要內(nèi)容。目前應(yīng)用的系統(tǒng)如巡航控制、防碰撞控制，都是自主系統(tǒng)，即由車載傳感器獲取控制所需信息，而往往缺乏對 V2X 車聯(lián)網(wǎng)信息的利用。在智能交通環(huán)境下，單車可以通過 V2X 通訊信息系統(tǒng)獲得更多周邊交通流信息以用于控制。在縱向控制方面，可利用本車及周邊車輛位置、當(dāng)前及前方道路情況、前車操縱狀態(tài)等信息實(shí)現(xiàn)預(yù)測控制，達(dá)到提高速度減小車間距的同時保證安全，即達(dá)到安全、高效和節(jié)能的目的。

車輛橫向控制

車輛橫向控制指垂直于運(yùn)動方向上的控制，對于汽車也就是轉(zhuǎn)向控制。目標(biāo)是控制汽車自動保持期望的行車路線，并在不同的車速、載荷、風(fēng)阻、路況下有很好的乘坐舒適性和穩(wěn)定性。

車輛橫向控制主要有兩種基本設(shè)計方法，一種是基于駕駛員模擬的方法；另一種是給予汽車橫向運(yùn)動力學(xué)模型的控制方法?；隈{駛員模擬的方法，一種策略是使用較簡單的運(yùn)動力學(xué)模型和駕駛員操縱規(guī)則設(shè)計控制器；另一策略是用駕駛員操縱過程的數(shù)據(jù)訓(xùn)練控制器獲取控制算法?；谶\(yùn)動力學(xué)模型的方法要建立較精確的汽車橫向運(yùn)動模型。典型模型是所謂單軌模型，或稱為自行車模型，也就是認(rèn)為汽車左右兩側(cè)特性相同。橫向控制系統(tǒng)基本結(jié)構(gòu)如圖 4-4?？刂颇繕?biāo)一般是車中心與路中心線間的偏移量，同時受舒適性等指標(biāo)約束。

針對低附著路面的極限工況中車輛橫擺穩(wěn)定控制是車輛橫向控制中的關(guān)鍵部分。傳統(tǒng)操縱穩(wěn)定性控制思路，如電子穩(wěn)定性控制系統(tǒng)（ESP）[46][47]和前輪主動轉(zhuǎn)向系統(tǒng)（AFS）[48][49]等，控制分布的輪胎作用力和前輪轉(zhuǎn)向，通過利用輪胎附著力和降低輪胎利用率來提高車輛穩(wěn)定性。大多數(shù)文獻(xiàn)沿襲冗余驅(qū)動的控制分配框架，通過改變內(nèi)外側(cè)輪胎驅(qū)/制動力差異的方法，增加單側(cè)驅(qū)/制動轉(zhuǎn)矩，并相應(yīng)減小另一側(cè)驅(qū)/制動轉(zhuǎn)矩的方式為整車產(chǎn)生一個附加的橫擺轉(zhuǎn)矩來改善車輛轉(zhuǎn)向動態(tài)特性，以保證車輛的橫擺穩(wěn)定性和行駛安全性。電子控制技術(shù)和電氣化的發(fā)展給汽車底盤技術(shù)的突破帶來了革命性的契機(jī)，也使得汽車的整體集成控制成為可能。同時在智能網(wǎng)聯(lián)的交通環(huán)境下，單車可以通過自身環(huán)境傳感、定位導(dǎo)航和 V2X 通訊信息系統(tǒng)獲得更多周邊交通流信息以用于橫向控制，以利于提前感知道路危險（圖 4-5），提高智能駕駛的安全性。

自動駕駛控制方法

傳統(tǒng)控制方法

傳統(tǒng)的汽車控制方法主要有：PID 控制、模糊控制、最優(yōu)控制、滑?？刂频龋@些算法應(yīng)用都較為廣泛。

PID 控制

PID 控制器(比例-積分-微分控制器)，由比例單元 P、積分單元 I和微分單元 D 組成。通過 Kp、Ki 和 Kd 三個參數(shù)的設(shè)定。PID 控制器主要適用于基本上線性、且動態(tài)特性不隨時間變化的系統(tǒng)。PID 是以它的三種糾正算法而命名的。這三種算法都是用加法調(diào)整被控制的數(shù)值，其輸入為誤差值（設(shè)定值減去測量值后的結(jié)果）或是由誤差值衍生的信號。

模糊控制

模糊邏輯控制策略（FuzzyLogicControlStrategy)簡稱模糊控制（Fuzzy Control），其本質(zhì)是一種計算機(jī)數(shù)字控制技術(shù)，集成了模糊理論、模糊集合論、模糊語言變量和模糊邏輯推理等。與經(jīng)典控制理論相比，模糊邏輯控制策略最大的特點(diǎn)是不需要準(zhǔn)確的數(shù)學(xué)公式來建立被控對象的精確數(shù)學(xué)模型，因此可極大簡化系統(tǒng)設(shè)計和數(shù)學(xué)建模的復(fù)雜性，提高系統(tǒng)建模和仿真控制的效率。模糊控制系統(tǒng)在建模過程中，利用人類積累的相關(guān)知識和生活經(jīng)驗(yàn)進(jìn)行推理，模擬人類大腦處理復(fù)雜事件的過程，進(jìn)而產(chǎn)生相應(yīng)的控制思想，控制思想經(jīng)過編譯成為控制策略。模糊邏輯控制策略由工程人員的控制思路和實(shí)踐經(jīng)驗(yàn)積累編譯而成，具有較佳的魯棒性、適應(yīng)性以及容錯性。其主要由定義模糊變量、模糊變量模糊化、定義規(guī)則庫、推理決策和解模糊化五個環(huán)節(jié)組成

最優(yōu)控制

最優(yōu)控制理論是變分法的推廣，著重于研究使控制系統(tǒng)的指標(biāo)達(dá)到最優(yōu)化的條件和方法。為了解決最優(yōu)控制問題，必須建立描述受控運(yùn)動過程的運(yùn)動方程，給出控制變量的允許取值范圍，指定運(yùn)動過程的初始狀態(tài)和目標(biāo)狀態(tài)，并且規(guī)定一個評價運(yùn)動過程品質(zhì)優(yōu)劣的性能指標(biāo)。通常，性能指標(biāo)的好壞取決于所選擇的控制函數(shù)和相應(yīng)的運(yùn)動狀態(tài)。系統(tǒng)的運(yùn)動狀態(tài)受到運(yùn)動方程的約束，而控制函數(shù)只能在允許的范圍內(nèi)選取。同時，最優(yōu)控制的實(shí)現(xiàn)離不開最優(yōu)化技術(shù)。最優(yōu)化技術(shù)是研究和解決如何將最優(yōu)化問題表示為數(shù)學(xué)模型以及如何根據(jù)數(shù)學(xué)模型盡快求出其最優(yōu)解這兩大問題。

滑?？刂?/p>

在系統(tǒng)控制過程中，控制器根據(jù)系統(tǒng)當(dāng)時狀態(tài)，以躍變方式有目的地不斷變換，迫使系統(tǒng)按預(yù)定的“滑動模態(tài)”的狀態(tài)軌跡運(yùn)動。變結(jié)構(gòu)是通過切換函數(shù)實(shí)現(xiàn)的，特別要指出的是，通常要求切換面上存在滑動模態(tài)區(qū)，故變結(jié)構(gòu)控制又常被稱為滑動模態(tài)控制。

智能控制方法

相對于傳統(tǒng)的控制方法，智能控制方法主要體現(xiàn)在對控制對象模型的運(yùn)用和綜合信息學(xué)習(xí)運(yùn)用上，主要有基于模型的控制、神經(jīng)網(wǎng)絡(luò)控制和深度學(xué)習(xí)方法等，目前這些算法已逐步在汽車控制中廣泛應(yīng)用。

基于模型的控制

基于模型的控制 , 一般稱為模型預(yù)測控制（Model predictive control，MPC）,又可稱為滾動時域控制（Moving horizon control，MHC）和后退時域控制（Receding horizon control，RHC），它是一類以模型預(yù)測為基礎(chǔ)的計算機(jī)優(yōu)化控制方法，在近些年來被廣泛研究和應(yīng)用的一種控制策略。其基本原理可概括為：在每個采樣時刻，根據(jù)當(dāng)前獲得的當(dāng)前測量信息，在線求解一個有限時域的開環(huán)優(yōu)化問題 1，并將得到的控制序列的第一個元素作用于被控對象，在一個采樣時刻，重復(fù)上述過程，再用新的測量值刷新優(yōu)化問題并重新求解。在線求解開環(huán)優(yōu)化問題獲得開環(huán)優(yōu)化序列是模型預(yù)測控制與傳統(tǒng)控制方法的主要區(qū)別。預(yù)測控制算法主要由預(yù)測模型、反饋校正、滾動優(yōu)化、參考軌跡四個部分組成，最好將優(yōu)化解的第一個元素（或第一部分）作用于系統(tǒng)。

神經(jīng)網(wǎng)絡(luò)控制

神經(jīng)控制是研究和利用人腦的某些結(jié)構(gòu)機(jī)理以及人的知識和經(jīng)驗(yàn)對系統(tǒng)的控制。利用神經(jīng)網(wǎng)絡(luò)，可以把控制問題看成模式識別問題，被識別的模是映射成“行為”信號的“變化”信號。神經(jīng)控制最顯著的特點(diǎn)是具有學(xué)習(xí)能力。它是通過不斷修正神經(jīng)元之間的連接權(quán)值，并離散存儲在連接網(wǎng)絡(luò)中來實(shí)現(xiàn)的。它對非線性系統(tǒng)和難以建模的系統(tǒng)的控制具有良好效果。一般情況下，神經(jīng)網(wǎng)絡(luò)用于控制系統(tǒng)有兩種方法：一種是用其建模，主要利用神經(jīng)網(wǎng)絡(luò)能任意近似任何連續(xù)函數(shù)和其學(xué)習(xí)算法的優(yōu)勢，存在前饋神經(jīng)網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)兩種類型；另一種是直接作為控制器使用。

深度學(xué)習(xí)方法

深度學(xué)習(xí)源于神經(jīng)網(wǎng)絡(luò)的研究，可理解為深層的神經(jīng)網(wǎng)絡(luò)。通過它可以獲得深層次的特征表示，免除人工選取特征的繁復(fù)冗雜和高維數(shù)據(jù)的維度災(zāi)難問題。深度學(xué)習(xí)在特征提取與模型擬合方面顯示了其潛力和優(yōu)勢。對于存在高維數(shù)據(jù)的控制系統(tǒng)，引入深度學(xué)習(xí)具有一定的意義，近年來, 已有一些研究關(guān)注深度學(xué)習(xí)在控制領(lǐng)域的應(yīng)用。目前較為公認(rèn)的深度學(xué)習(xí)的基本模型包括基于受限玻爾茲曼機(jī)(Restricted

Boltzmann machine，RBM)的深度信念網(wǎng)絡(luò) (Deep belief network，DBN)、基于自動編碼器 (Autoencoder，AE)的堆疊自動編碼器 (Stacked autoencoders, SAE)、卷積神經(jīng)網(wǎng)絡(luò) (Convolutional neural networks，CNN)[6]、遞歸神經(jīng)網(wǎng)絡(luò) (Recurrent neural networks，RNN)。無人駕駛系統(tǒng)需要盡量減少人的參與或者沒有人的參與，深度學(xué)習(xí)自動學(xué)習(xí)狀態(tài)特征的能力使得深度學(xué)習(xí)在無人駕駛系統(tǒng)的研究中具有先天的優(yōu)勢。如何充分利用和發(fā)揮深度學(xué)習(xí)在無人駕駛系統(tǒng)中的優(yōu)勢并發(fā)展深度學(xué)習(xí)在環(huán)的無人駕駛系統(tǒng)控制是目前的研究方向。

自動駕駛控制技術(shù)方案

根據(jù)從行駛環(huán)境到駕駛動作的映射過程，自動駕駛控制技術(shù)可以分為間接控制和直接控制兩種不同方案。

基于規(guī)劃-跟蹤的間接控制方法

自動駕駛間接控制是一類基于規(guī)劃-跟蹤的主流智能駕駛車輛控制方法。根據(jù)當(dāng)前車輛行為需求，在滿足車輛自身運(yùn)動學(xué)和動力學(xué)約束條件下規(guī)劃出一條空間上可行且時間上可控的無碰撞安全運(yùn)動軌跡，然后設(shè)計適當(dāng)?shù)目刂坡筛櫳傻哪繕?biāo)軌跡，從而實(shí)現(xiàn)自主駕駛（如圖 4-6）。

早期的軌跡規(guī)劃方法實(shí)際上是機(jī)器人研究領(lǐng)域的路徑規(guī)劃方法的某種擴(kuò)展，80 年代后期被引入到智能汽車輛[63]。這類方法給出的路徑由直線和圓弧線兩種基本元素構(gòu)成，由于曲率在線段連接點(diǎn)處不連續(xù)，迫使車輛運(yùn)動到連接點(diǎn)處時需要停下來完成轉(zhuǎn)向動作，導(dǎo)致車輛運(yùn)動過程的不連續(xù)。要消除這種情況，一種方法是采用精確的位置傳感器和高頻跟蹤控制器來實(shí)現(xiàn)；另一種是通過修改軌跡規(guī)劃方法來獲得平滑的連續(xù)曲率軌跡。顯然，后者更具現(xiàn)實(shí)意義。

回旋曲線是一種被廣泛應(yīng)用于高速公路設(shè)計的線形表達(dá)方法，當(dāng)用于連接直線和圓弧線時，能有效地起到平滑作用[65]。Nelson認(rèn)為這類方法的缺點(diǎn)是軌跡表達(dá)式以弧長為參數(shù)，使用時需要進(jìn)行積分，容易產(chǎn)生積累誤差，并建議用五次多項(xiàng)式和極坐標(biāo)樣條以封閉式表達(dá)方式給出軌跡表達(dá)式。類似地，Bravo采用了刀樣條。Fraichard在Reeds 和 Shepp的研究基礎(chǔ)上，考慮了軌跡曲率和曲率變化率的限制，相當(dāng)于用運(yùn)動學(xué)特性來約束軌跡曲率，這種方法在低速情況下，例如輔助泊車系統(tǒng)中獲得了較好地應(yīng)用，但在車輛行駛速度較高時將無法適用。

基于規(guī)劃的智能駕駛車輛的轉(zhuǎn)向控制律的設(shè)計發(fā)展較為成熟。Tsugawa 等最先報道了采用視覺輸入的比例控制方法解決自動駕駛車輛轉(zhuǎn)向控制的問題。Broggi[72]在 ARGO 無人車中也采用了類似的經(jīng)典 P 控制器。近期研究表明，經(jīng)典 PID 控制法可以應(yīng)用于某些典型路況，但控制精度難以保證。人工智能法為復(fù)雜系統(tǒng)的控制問題提供了一條新的途徑，在自動駕駛車輛轉(zhuǎn)向行為控制中已有很多應(yīng)用的報道。Pomerleau 基于人工神經(jīng)網(wǎng)絡(luò)設(shè)計了自動駕駛車輛轉(zhuǎn)向控制器。Naranjo 等利用模糊邏輯建立控制模型來模仿人類駕駛員的駕駛行為，研究了轉(zhuǎn)向行為控制和換道行為控制。該方法中，控制規(guī)律和控制器先以駕駛員對駕駛經(jīng)驗(yàn)的描述初步確定參數(shù)，再根據(jù)實(shí)驗(yàn)結(jié)果對參數(shù)進(jìn)行調(diào)整至最優(yōu)性能。Perez 等基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的模糊推理系統(tǒng)設(shè)計了無人駕駛車輛控制器，可以直接從人類駕駛經(jīng)驗(yàn)樣本中離線獲得控制器參數(shù)的配置。Onieva 等研究了遺傳算法對控制器參數(shù)的離線自調(diào)整方法。Bageshwar 和 Keviczky 基于模型預(yù)測控制理論，分別研究了自動駕駛車輛自主巡航控制模型和主動轉(zhuǎn)向控制模型。Zhang 和 Gong 等基于跟蹤預(yù)估控制和模糊邏輯理論，研究了控制器參數(shù)的自調(diào)整方法。高振海和管欣分別提出了基于預(yù)瞄理論的其次自適應(yīng)轉(zhuǎn)向控制算法，及駕駛員確定汽車預(yù)期軌跡的模糊決策控制模型。

基于人工智能的直接控制方法

自動駕駛的直接控制是一類基于人工智能的智能駕駛車輛自主控制決策方法。實(shí)際過程中如果控制對象的特性和環(huán)境的狀態(tài)全部已知，即可以進(jìn)行精確的數(shù)學(xué)建模，則基于傳統(tǒng)控制策略就可以獲得滿意的控制性能。實(shí)際上汽車行駛環(huán)境包括行駛道路、周邊交通和氣象條件等諸多因素，具有高度的不確定、不可重復(fù)、不可預(yù)測和不可窮盡等特征，同時車輛本身的非線性、不確定性也很嚴(yán)重，很難建立精確的數(shù)學(xué)模型進(jìn)行控制律的設(shè)計，因此傳統(tǒng)控制策略已無法完全滿足智能駕駛控制的要求。自動駕駛直接控制方法采用人工智能等手段，建立了從行駛環(huán)境到駕駛動作的直接映射過程，具體講是在認(rèn)知的范疇內(nèi)試圖建立一種先進(jìn)的駕駛員模型以完成實(shí)際復(fù)雜駕駛過程，此外控制過程無需建立被控對象的數(shù)學(xué)模型，具有較強(qiáng)的機(jī)動性和實(shí)時性。

優(yōu)秀的汽車駕駛員應(yīng)具有過硬的汽車駕駛操作能力。不僅能夠及時察覺、判斷車內(nèi)外環(huán)境的變化，還能夠據(jù)此選擇正確的方位和反應(yīng)動作，從而有效地防止道路交通事故的發(fā)生。具體到簡單場景(忽略道路中的其他車輛)的轉(zhuǎn)向問題，優(yōu)秀的駕駛員行為應(yīng)至少具備：

正確的視覺注意機(jī)制，駕駛員的駕駛動作大部分是基于環(huán)境對視網(wǎng)膜的刺激，因此優(yōu)秀的駕駛員在轉(zhuǎn)向過程中視界應(yīng)趨向于某些習(xí)慣的固定區(qū)域；
根據(jù)環(huán)境對視網(wǎng)膜的刺激而采取的正確安全的操縱動作，某一固定曲率的彎道必然對應(yīng)合適的方向盤轉(zhuǎn)角和打方向的時刻，而優(yōu)秀的駕駛員則會通過合適地組合這二者的時序和大小達(dá)到理想的轉(zhuǎn)向效果。

已有的基于人工智能的控制方法均需要較多的先驗(yàn)知識，且模型參數(shù)難以在線自適應(yīng)，對環(huán)境的適應(yīng)性差。近年來，利用增強(qiáng)學(xué)習(xí)來解決以上問題已經(jīng)成為一大趨勢。增強(qiáng)學(xué)習(xí)的基本原理是基于心理學(xué)的“試錯法”，能夠在與環(huán)境的交互過程中根據(jù)評價性的反饋信號實(shí)現(xiàn)序貫決策的優(yōu)化，從而可以解決某些監(jiān)督學(xué)習(xí)難以應(yīng)用的優(yōu)化控制始條件的假設(shè)”一直是尚未得到解決的問題。同時對于復(fù)雜大系統(tǒng)的求解，其算法收斂速度直接影響控制器的實(shí)時性，因此如何利用有限已知的信息提高學(xué)習(xí)算法的實(shí)時性也是當(dāng)前的一個研究難點(diǎn)。

基于人工智能決策控制模型本質(zhì)上是模擬人腦對外界環(huán)境信息和車體本身信息的感知（圖 4-7），同時由駕駛經(jīng)驗(yàn)并同在線學(xué)習(xí)機(jī)制來獲得持續(xù)穩(wěn)定輸出的過程。因此如何建立合適的駕駛過程模型成為認(rèn)知領(lǐng)域的一大難題。駕駛員行為的研究始于上世紀(jì) 50 年代，通用汽車研發(fā)人員希望通過研究駕駛員的行為，開發(fā)合理的輔助控制策略提高駕駛舒適性，降低交通事故率。通過對駕駛員駕駛樣本數(shù)據(jù)的統(tǒng)計分析和系統(tǒng)辨識技術(shù)，建立基于某種場景的數(shù)學(xué)模型。

駕駛行為具有異常復(fù)雜的模型，其分類方法也不盡相同，一種分類方法將駕駛員模型分為：跟車模型、轉(zhuǎn)向模型、駕駛負(fù)擔(dān)模型和安全模型等。跟車模型的研究起步相對較早，研究人員先后提出了線性和非線性動力學(xué)模型、線性最優(yōu)模型、神經(jīng)網(wǎng)絡(luò)和模糊邏輯模型等一般認(rèn)為駕駛員轉(zhuǎn)向模型研究的里程碑為MACDAM的最優(yōu)預(yù)瞄模型，內(nèi)學(xué)者郭孔輝也進(jìn)行了相應(yīng)的跟進(jìn)研究，其研究思路基本上是基于車輛動力學(xué)和閉環(huán)操縱穩(wěn)定性的研究，目的在于替代人類駕駛員從事專業(yè)且危險的汽車動力學(xué)測試工作，旨在對汽車設(shè)計過程進(jìn)行指導(dǎo)，并沒有涉及對無人駕駛車輛的轉(zhuǎn)向控制的直接研究。據(jù)筆者的調(diào)研，到目前為止從學(xué)術(shù)界到工程界并沒有建立一個公認(rèn)的完善的轉(zhuǎn)向控制模型。MACDAM 和郭孔輝等提出的最優(yōu)預(yù)瞄理論并沒有考慮航向偏差對最優(yōu)預(yù)瞄模型的貢獻(xiàn)，且其最優(yōu)預(yù)瞄僅限于高速公路上具有光滑曲率的小曲率轉(zhuǎn)向模型，在交義路口這樣的城市工況下，其理論顯然是不成立的。因此研究轉(zhuǎn)向過程中具有普適性的的駕駛員生理特性成為建立轉(zhuǎn)向駕駛模型的當(dāng)務(wù)之急。M.F. LAND 在文獻(xiàn)中提出駕駛員在轉(zhuǎn)向過程中視線總是集中在轉(zhuǎn)向內(nèi)側(cè)的道路邊緣的“TANGENT POINT'(道路變向的點(diǎn))。D.D. Salvucci 在 M.F.LAND 基礎(chǔ)上提出了一種“兩點(diǎn)”轉(zhuǎn)向駕駛員模型，他指出駕駛員在轉(zhuǎn)向過程中注視前方一個遠(yuǎn)點(diǎn)和近點(diǎn)，利用近點(diǎn)保持汽車在路中問行駛，利用遠(yuǎn)點(diǎn)補(bǔ)償前方的道路彎曲，實(shí)驗(yàn)結(jié)果顯示和駕駛員駕駛相近。

盡管生理學(xué)、心理學(xué)在研究駕駛員轉(zhuǎn)向行為中取得了很多令人欣慰的結(jié)果，卻極少有人將這些成果應(yīng)用到自動駕駛車輛技術(shù)中。其原因主要是：前期研究的駕駛員轉(zhuǎn)向計算模型都是基于某些固定的場景，獲得的駕駛員模型適應(yīng)能力較弱，距離工程應(yīng)用還有一定的距離；駕駛員模型的研究始于車輛工程領(lǐng)域，其目的多是為了研究汽車閉環(huán)操縱穩(wěn)定性以及汽車動力學(xué)優(yōu)化設(shè)計等。

人機(jī)交互系統(tǒng)

人機(jī)交互系統(tǒng)的作用和意義

人機(jī)交互系統(tǒng)作為智能駕駛的關(guān)鍵技術(shù)之一，對于智能汽車發(fā)展和應(yīng)用有著十分重要的作用和意義，包括：

進(jìn)一步提高智能汽車的可靠性和安全性。發(fā)展智能駕駛技術(shù)的一個主要目的就是提高了交通系統(tǒng)的效率和安全性。絕大多數(shù)情況下，智能汽車對于問題的反應(yīng)和處理速度都要比人快的多，其安全性要比人為控制高很多。但智能汽車畢竟不是人腦，其算法的復(fù)雜程度更無法與人的思維相比，在一些比較復(fù)雜、特殊的情況，例如在通過一些無路、施工或惡劣道路地域時，人們可以方便快速的對智能汽車進(jìn)行接管控制。
擁有更強(qiáng)的實(shí)用性和更加出色的用戶體驗(yàn)。智能汽車的設(shè)計最終是要讓其能夠?yàn)槿怂?，更好的為用戶服?wù)，最大限度的滿足人們的需求，人永遠(yuǎn)都是控制和享受服務(wù)的主體。優(yōu)秀的用戶體驗(yàn)對于智能汽車自然是必不可少的。
增強(qiáng)智能汽車的靈活性和機(jī)動性。優(yōu)秀的人機(jī)交互系統(tǒng)可以使人們隨時隨地對智能汽車的行為進(jìn)行干預(yù)，使其在處理問題時，能夠根據(jù)實(shí)際情況的不同，按照人們的要求，采取更加合理的實(shí)施方案。
提高智能汽車的任務(wù)執(zhí)行力。人們可以通過交互系統(tǒng)，方便的給智能汽車下達(dá)任務(wù)命令，進(jìn)行遠(yuǎn)程控制，實(shí)時監(jiān)控其任務(wù)完成情況，并可以隨時對目標(biāo)進(jìn)行變更和修正，使智能汽車能夠更好的應(yīng)用于智能交通及國防科技領(lǐng)域。

智能汽車人機(jī)交互系統(tǒng)發(fā)展現(xiàn)狀

目前世界上比較主流的人車交互系統(tǒng)主要有以下幾種：

奧迪 MMI
奧迪多媒體交互系統(tǒng) MMI(Multi Media Interface)，它包含兩個部分：終端操作裝置和顯示區(qū)域。終端操作裝置位于換檔桿和中央扶手之間；顯示區(qū)域包括多媒體交互系統(tǒng)顯示屏(位于中控臺頂部)和駕駛員信息系統(tǒng)顯示屏。在設(shè)計方面，兩個部分都具有用戶友好性和清晰易讀性。
多媒體交互系統(tǒng)的終端操作裝置具有最佳的操作便利性和清晰的布局，是一個依照人體工程學(xué)設(shè)計非常出色的控制裝置。與儀表盤中的駕駛員信息系統(tǒng)顯示屏一樣，多媒體交互系統(tǒng)的顯示屏不僅易于讀取，而且安裝于駕駛員的直接視線范圍之內(nèi)。顯示屏和控制區(qū)域分別處于駕駛員能夠直接讀取和便于操作的位置，確保了道路始終在駕駛員的直接視野之中。
多媒體交互系統(tǒng)概念包含兩個部分：終端操作裝置和顯示區(qū)域。終端操作裝置位于換檔桿和中央扶手之間；顯示區(qū)域包括多媒體交互系統(tǒng)顯示屏（位于中控臺頂部）和駕駛員信息系統(tǒng)顯示屏。在設(shè)計方面，兩個部分都具有用戶友好性和清晰易讀性。
在行駛時，駕駛員信息系統(tǒng)顯示屏顯示車輛的最新數(shù)據(jù)以及電話和導(dǎo)航系統(tǒng)的狀態(tài)信息(視設(shè)備而定)，也可以讀取基本的信息娛樂功能(例如選擇無線電臺或 CD 曲目)。這意味著大部分的重要信息始終處于駕駛員的直接視野之中。儀表盤顯示屏與多媒體交互系統(tǒng)顯示屏具有同樣的外形風(fēng)格，通過多功能方向盤上的菜單滾動鍵也可對其進(jìn)行操作。
由于兩個裝置的操作原理一致，駕駛員從一個裝置轉(zhuǎn)向另一個裝置時無需轉(zhuǎn)換思維模式。駕駛員可以繼續(xù)同樣的操作邏輯?？照{(diào)系統(tǒng)也是如此。鑒于溫度調(diào)節(jié)對于駕駛員的重要性，空調(diào)系統(tǒng)采用了單獨(dú)的控制裝置，這個控制裝置具備與多媒體交互系統(tǒng)相同的用戶友好型操作邏輯。
奔馳 COMMAND
COMMAND 包括顯示屏、控制器、功能按鈕和電話鍵區(qū)，COMMAND 可操作車內(nèi)的以下功能：音響功能、導(dǎo)航系統(tǒng)、電話和通信功能、DVD 視頻和電視以及各種車輛設(shè)置。COMMAND 控制器正前方是四個功能按鈕，可以直接控制光盤播放器/收音機(jī)、HOME(回家功能)、多方向可調(diào)座椅和電話/導(dǎo)航功能
COMMAND 的聰明之處在于其可以區(qū)分該功能是每日使用的(舉例來說如電臺的選擇和交通信息的播放)還僅僅是單次的設(shè)置(舉例來說如系統(tǒng)的設(shè)置和低音的設(shè)置)。這樣做的結(jié)果是，會根據(jù)功能使用的頻繁性來決定操作的先后順序。菜單是根據(jù)項(xiàng)目的相互關(guān)聯(lián)性和使用的頻率來進(jìn)行安排的。當(dāng)在菜單上進(jìn)行項(xiàng)選擇時，系統(tǒng)會表明需要執(zhí)行的操作路徑。下一次當(dāng)你再次選擇這個菜單時，系統(tǒng)會直接顯示該備選項(xiàng)目。這會減少操作的步驟。
而在競爭者的同類系統(tǒng)中，日常使用的功能通常位于子菜單中的，這就會增加所需操作的步驟。
寶馬 iDrive
智能駕駛控制系統(tǒng) iDrive(intelligent Drive system)，它是一種全新的、簡單、安全和方便的未來駕駛概念，屬于自動化信息化駕駛系統(tǒng)的范疇，某些高級轎車和概念車上配備了這項(xiàng)最新的科技新技術(shù)。iDrive 的使用節(jié)約了設(shè)置傳統(tǒng)控制裝置大量空間，使設(shè)計人員可以發(fā)揮他們的才智，創(chuàng)新地進(jìn)行車內(nèi)設(shè)計，使之更加符合人體工程學(xué)，使操縱更加便捷，同時儀表板更加簡潔。iDrive 使用起來非常簡便。8 個主菜單分別為車內(nèi)氣候、通信(車載電話等)、娛樂(CD／電視等)、導(dǎo)航、信息、寶馬服務(wù)支持、功能設(shè)置和幫助菜單。其中經(jīng)常使用的前4 個主菜單可通過圓形旋鈕向上下左右四個方向推拉控制器進(jìn)入。以氣候調(diào)節(jié)為例，3 次簡單操作就可以調(diào)節(jié)車內(nèi)不同位置的溫度和氣流分布，比如可以設(shè)設(shè)定某個座椅的加熱從腰部位置開始(當(dāng)然，這也歸功于寶馬的舒適性座椅)，而氣流是以某種流量按設(shè)定的方向吹出。
iDrive 具備記憶功能，駕駛者可以把某種設(shè)置儲存，信息就自動儲存在汽車'鑰匙'中。寶馬 7 系列的車鑰匙是一個智能卡片，進(jìn)入汽車后將之放入插座內(nèi)，然后簡單地按'啟動／熄火'鍵發(fā)動／關(guān)閉發(fā)動機(jī)。另外，該電子鑰匙還可自動儲存汽車所需維修保養(yǎng)服務(wù)的信息數(shù)據(jù)，使客戶可以獲得更便捷的服務(wù)。
但是，寶馬在新 7 系上推出 iDrive 系統(tǒng)時，由于操作相對較為復(fù)雜，曾引起巨大爭議。在開車之前要閱讀詳細(xì)的說明書，一些人對此功能并不認(rèn)同。在后推出的新 5 系上，寶馬的 iDrive 系統(tǒng)已作為大大簡化，這也使 iDrive 系統(tǒng)的優(yōu)勢充分發(fā)揮出來。
豐田 G-BOOK
豐田 G-BOOK 智能副駕系統(tǒng)于 2002 年在日本正式發(fā)布，是由無線網(wǎng)絡(luò)、數(shù)據(jù)中心以及車載智能通信技術(shù)組成，其最基本的功能可以看作是導(dǎo)航系統(tǒng)功能的延伸和擴(kuò)展。在功能逐漸擴(kuò)展后，可為車主提供資訊、救援以及話務(wù)員直接服務(wù)等多種功能。
豐田 G-BOOK 有如下 7 項(xiàng)主要功能：話務(wù)員服務(wù)、G 路徑檢索、資訊提供、緊急救援、道路救援、防盜追蹤、保養(yǎng)通知。
豐田 G-BOOK 在功能上主要是輔助設(shè)定導(dǎo)航、安全保障和資訊服務(wù) ，沒有太多的應(yīng)用和擴(kuò)展功能，與安吉星相比顯得比較單薄。在安全保障方面，提供了最重要的事故自動報警和防盜追蹤，但缺乏遠(yuǎn)程控制閃燈、解鎖車門這些比較實(shí)用的功能。同時 G-BOOK 沒有電話撥號和語音控制功能，行車中操作也比較繁瑣。
蘋果 CarPlay
CarPlay 是蘋果公司發(fā)布的車載系統(tǒng)，即將用戶的 iOS 設(shè)備，以及 iOS 使用體驗(yàn)，與儀表盤系統(tǒng)無縫結(jié)合。CarPlay，可以將 iPhone手機(jī)的絕大部分基礎(chǔ)功能，通過汽車的控制面板來使用。其中的部分功能包括 Siri 語音助理工具，iTunes 音樂播放，蘋果地圖以及短信服務(wù)。通過 CarPlay，駕車人可以雙手不離開方向盤就接打電話，另外可以聽到語音郵件的內(nèi)容，如圖 4- 8 所示。

絕大多數(shù)汽車廠 CarPlay 絕對是又愛又恨的。畢竟原本的車載 CD機(jī)、硬盤、航儀和車載電話都是可以當(dāng)做配置作為賣點(diǎn)，現(xiàn)在全部都被一個集成的 CarPlay 取代了。所以這點(diǎn)很大程度上限制了自主品牌加入 CarPlay 聯(lián)盟，配置受到?jīng)_擊。

支持蘋果全 CarPlay 的具體車型還很少，只有法拉利 FF、梅賽德斯奔馳 C-Class 以及沃爾沃 XCS90 SUV 三種車型。而且現(xiàn)在 CarPlay移植于汽車上技術(shù)并不成熟，日內(nèi)瓦車展上展出的法拉利樣車，CarPlay 基本操作也會出現(xiàn)這樣那樣的問題。CarPlay 并非蘋果的一大步，而更像是一個輕量級的 App，作用是把 iPhone 映射到車載中控屏幕上，而非真正的車載系統(tǒng)。就如蘋果自己所說，“It's a smarter, safer way to use your iPhone in the car”，所以 CarPlay 只是一種輔助方式。

此外，從 CarPlay 的發(fā)布節(jié)奏來看，蘋果試水的成分很大。作為全球最具影響力的 IT 公司，CarPlay 的發(fā)布幾乎是用新聞通稿的形式傳播，而且所有的展現(xiàn)形式都是通過合作伙伴來展示，這顯得過于平常了?？梢哉f，對于 CarPlay，我們無需給予太高的期望。但業(yè)界也有分析說，CarPlay 只是蘋果公司進(jìn)軍車載系統(tǒng)的一個跳板，因此，對于CarPlay 我們要給予足夠的關(guān)注度，說不定某天，CarPlay 在蘋果公司的演變下就變成行業(yè)顛覆性產(chǎn)品了。

人機(jī)交互系統(tǒng)的核心技術(shù)

人機(jī)界面技術(shù)

人機(jī)界面技術(shù)的研究主要針對駕駛員和車輛駕駛信息的交互。從上個世紀(jì)九十年代開始，美國、日本、歐洲等開始立項(xiàng)研究如何利用信息和通訊技術(shù)來加強(qiáng)車輛的安全性和操縱性。如美國從 1960s 晚期就開始研發(fā)的電子路徑導(dǎo)航系統(tǒng)（Electronic Route Guidance System）；日本政府推出了復(fù)雜車輛交通控制系統(tǒng)（Comprehensive AutomobileTraffic Control System）等研究項(xiàng)目；歐洲實(shí)施的交通和安全先導(dǎo)計劃（[ROMETHEUS）等。這些項(xiàng)目的研究推動了智能交通技術(shù)的發(fā)展。各大汽車廠商，如 Honda，Toyota，Nissan，Bosch，BMW 等相繼推出了自主的電子導(dǎo)航系統(tǒng)。而開放給用戶的導(dǎo)航界面正是最早的人機(jī)交互界面。

隨著車輛控制功能的持續(xù)增多，越來越多的研究開始關(guān)注于人機(jī)界面的設(shè)計，如 Toyota 的集成操縱按鈕，BMW 的 i-Drive 系統(tǒng)，Nissan的人機(jī)交互界面等，如圖 4-9 所示。一直到九十年代末期，中控臺的主流設(shè)計風(fēng)格依然是屏幕加按鈕的形式。

一直到 1990 年，駕駛員在人車系統(tǒng)中和車輛的交互僅僅是通過轉(zhuǎn)向盤，操縱桿和踏板等機(jī)構(gòu)。但是導(dǎo)航系統(tǒng)的出現(xiàn)，使得駕駛員在操縱汽車的同時還需要分散一部分精力到 HMI 上。這勢必將增加駕駛員的操縱負(fù)擔(dān)，影響正常駕駛行為。因此，針對駕駛員在使用 HMI中造成的精力分散的問題，人們開展了對 HMI 的改進(jìn)設(shè)計研究，并提出了很多 HMI 的設(shè)計準(zhǔn)則錯誤!未找到引用源，如 UMTRI 設(shè)計準(zhǔn)則；HARDIE 設(shè)計準(zhǔn)則；ISO 也提出了車內(nèi) HMI 的相關(guān)設(shè)計準(zhǔn)則。由于畫面交互系統(tǒng)會分散駕駛員的目光，從而增加駕駛員的駕駛負(fù)擔(dān)，為了解決這一問題，聲音交互系統(tǒng)逐漸發(fā)展起來。駕駛員信息交互的研究開始于 1970s，但直到 1990s 車輛導(dǎo)航系統(tǒng)的出現(xiàn)才真正應(yīng)用到商業(yè)產(chǎn)品中。在這一發(fā)展過程中個，研究人員開始認(rèn)識到駕駛員在車輛行駛過程中的重要性。和傳統(tǒng)汽車相比，駕駛員可以通過 HMI 實(shí)時的獲得大量的車輛信息，在幫助駕駛員做出操縱判斷的同時，也增加了駕駛員的精神負(fù)荷。在過去十年間，人們通過駕駛員負(fù)荷測量技術(shù)研究了駕駛員在利用 HMI 信息時的精神負(fù)擔(dān)，這方面的研究結(jié)果對 HMI 的設(shè)計起到十分重要的作用，并且進(jìn)一步推動了相關(guān)標(biāo)準(zhǔn)和設(shè)計準(zhǔn)則的制定。

人機(jī)共駕技術(shù)
人機(jī)共駕技術(shù)的研究主要面向先進(jìn)駕駛輔助系統(tǒng)。進(jìn)入二十一世紀(jì)以后，人們對于車輛安全的研究已經(jīng)從原先的被動安全轉(zhuǎn)變?yōu)橹鲃影踩?970 年，制動防抱死系統(tǒng)（ABS）第一次市場化應(yīng)用標(biāo)志著主動安全系統(tǒng)的開始。隨后，電子穩(wěn)定性控制系統(tǒng)（ESC），自適應(yīng)巡航系統(tǒng)（ACC）等在 1990s 相繼研發(fā)出來。除此之外，嵌入在 HMI 界面中的后視系統(tǒng)，車道保持系統(tǒng)（LK），車道偏離預(yù)警系統(tǒng)（LKW），盲點(diǎn)監(jiān)測系統(tǒng)，輔助換道系統(tǒng)等也都相繼展開了研究。
為了發(fā)展輔助駕駛過程中的人機(jī)交互系統(tǒng)研究，歐洲，德國，日本等相繼啟動了相關(guān)方面的研究項(xiàng)目。作為先進(jìn)輔助駕駛系統(tǒng)中的一部分，駕駛員行為特性也得到了廣泛的研究，如跟車行為，車道保持行為和制動行為等。
隨著具有不同功能的 ADAS 系統(tǒng)的發(fā)展，多個 ADAS 系統(tǒng)和駕駛員之間的協(xié)調(diào)問題日益凸現(xiàn)出來。如果車輛上安裝有多個 ADAS 系統(tǒng)，那么駕駛員將會收到多個預(yù)警信號和其他信息，尤其是在復(fù)雜工況下。這會使駕駛員感到困惑并無法對預(yù)警信號作出回應(yīng)。對于輔助駕駛系統(tǒng)，人機(jī)交互是其中很重要的一環(huán)。隨著越來越多的輔助駕駛系統(tǒng)進(jìn)入產(chǎn)品化的階段，系統(tǒng)對于車輛的控制權(quán)變得越來越大，越來越復(fù)雜。如果不能很好地協(xié)調(diào)好各個輔助駕駛系統(tǒng)，駕駛員就不能正確分析出車輛的運(yùn)動狀態(tài)，進(jìn)而無法做出正確的操縱判斷。因此，如何將多個輔助駕駛系統(tǒng)和駕駛員之間進(jìn)行集成已經(jīng)成為當(dāng)前的一個研究熱點(diǎn)。ADAS 系統(tǒng)本身就被定義為輔助駕駛系統(tǒng)，這就不可避免的需要考慮到和駕駛員行為之間的交互關(guān)系。如果輔助駕駛系統(tǒng)不考慮駕駛員的操縱行為反而會增加車輛行駛過程中的危險性。
駕駛行為特性研究
駕駛員在真實(shí)道路中的駕駛行為研究是人機(jī)共駕技術(shù)中十分重要的一部分，也是智能輔助系統(tǒng)的研究的基礎(chǔ)。盡管真實(shí)道路試驗(yàn)具有成本高，數(shù)據(jù)量大，試驗(yàn)采集復(fù)雜等缺點(diǎn)，但是各國依然在這一方面做了大量的工作。美國國家高速公路交通安全局（NHTSA）投入100 輛汽車進(jìn)行了駕駛員行為研究。他們采集了車輛狀態(tài)信息，道路交通信息和在事故工況下以及瀕臨事故工況下的駕駛員行為信息。最終研究表明，注意力分散是事故發(fā)生的根源。日本新能源和工業(yè)技術(shù)發(fā)展組織（NEDO）利用三年的時間收集了正常工況下真實(shí)環(huán)境下駕駛員行為數(shù)據(jù)。歐洲 EURO-FOT 和 PROLPGUE 項(xiàng)目收集了數(shù)量十分可觀的駕駛員信息。其中，EURO-FOT 主要關(guān)注于駕駛員信息在 ADAS 系統(tǒng)中的應(yīng)用部分。
計算機(jī)圖形學(xué)和計算性能的發(fā)展使得道路結(jié)構(gòu)和交通車行為的虛擬建模成為可能，這就使得駕駛模擬器可以模擬更為廣泛的道路和交通狀況。再加上處理器處理能力的發(fā)展和成本的下降，駕駛模擬器再次成為駕駛員行為特性研究的有力工具。和真實(shí)道路試驗(yàn)相比，駕駛模擬器具有可重復(fù)性好，工況設(shè)定更為靈活，耗時少，效率高，風(fēng)險低等優(yōu)點(diǎn)。盡管駕駛模擬器現(xiàn)在被廣泛的應(yīng)用于駕駛員特性研究中，但是對于通過駕駛模擬器獲得的駕駛員特性數(shù)據(jù)和真實(shí)道路試驗(yàn)獲得的駕駛員特性數(shù)據(jù)相比，其可靠性仍然需要進(jìn)一步的驗(yàn)證。一個高質(zhì)量的研究項(xiàng)目仍然需要平衡好駕駛模擬器實(shí)驗(yàn)數(shù)據(jù)和真實(shí)道路試驗(yàn)數(shù)據(jù)之間的關(guān)系。

人機(jī)交互系統(tǒng)的發(fā)展趨勢

通過對目前人機(jī)交互系統(tǒng)的研究現(xiàn)狀的分析，未來有關(guān)人機(jī)界面，人機(jī)交互和人機(jī)共駕可能的發(fā)展趨勢包括：

在人機(jī)交互設(shè)計過程中，需要考慮不同人群的需求，這也是未來HMI 設(shè)計標(biāo)準(zhǔn)和準(zhǔn)則的制定方向。
車輛中和駕駛員操縱輸入密切相關(guān)的部分，如轉(zhuǎn)向盤力感，踏板腳桿，座椅舒適度，體感等，依然會是未來的研究方向之一。更適合駕駛員的操縱輸入和身體感知將是一個需要持續(xù)努力的研究方向。
對于 ADAS 系統(tǒng)，駕駛員在獲得輔助駕駛的同時，也會分散注意力增加駕駛負(fù)擔(dān)，這是 ADAS 系統(tǒng)面臨的一個重要問題。如何協(xié)調(diào)好駕駛員基本操縱行為和輔助駕駛系統(tǒng)之間的關(guān)系需進(jìn)一步研究。
未來車輛以及交通領(lǐng)域不僅僅是駕駛員和車之間關(guān)系的研究，這一領(lǐng)域所面臨的問題可能會是更為廣泛的社會問題，需要更多領(lǐng)域的研究人員參與進(jìn)來，如城市規(guī)劃師，社會學(xué)家，人類學(xué)家等。
目前各國雖然都獲得大量的駕駛員行為信息的數(shù)據(jù)庫，但是如何將這些數(shù)據(jù)應(yīng)用于工程系統(tǒng)中仍有待研究。

來源：專知

本站僅提供存儲服務(wù)，所有內(nèi)容均由用戶發(fā)布，如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請點(diǎn)擊舉報。

国产一级a片免费看高清,亚洲熟女中文字幕在线视频,黄三级高清在线播放,免费黄色视频在线看