智能汽车综述

智能车辆综述学号：123085234377姓名：樊杰玉汽车与交通学院摘要:智能车辆作为智能交通系统的重要组成部分,能够提高驾驶安全性,大幅改善公路交通效率,降低能源消耗量,该技术的研究日益受到国内外学者关注。给出了智能车辆研究的主要内容和该领域当前的研究概况;讨论了该技术涉及的关键技术,分析了各项技术存在的优缺点,并指出了在今后进一步研究中关注的5项问题。讨论了智能汽车研究对交通安全的重要性,综述了发达国家关于智能汽车研究的历史、发展和趋势。关键词:智能交通系统;智能车辆;车辆安全;关键技术Abstract:Intelligentvehicleisanimportantconstituentoffutureintelligenttransportationsystems.Intelligentvehiclesystemscanofferthepotentialtosignificantlyenhancesafetyandoperationalefficiency.Thefieldofintelligentvehicleisrapidlygrowingworldwide.Themajorcontentofintelligentvehiclestudyandthecurrentresearchstatusaregiven.Somekeysupportingtechnologiesarediscussed,andananalysisismadeonthesetechnologiesbetweentheadvantagesanddisadvantages.Fivekeyissueswhichremainopeninthisfieldarepointedout.Theimportanceofimprovingtransportationsafetybyresearchonintelligentvehicleisdiscussed，history,developmentandsearchtrendaresummarized.Keywords:intelligenttransportationsystem;intelligentvehicle;;automobilesafety;keysupportingtechnologies1、前言智能车辆也叫无人车辆，是一个集环境感知、规划决策和多等级辅助驾驶等功能于一体的综合系统。它集中运用了计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术，是典型的高新技术综合体。它具有道路障碍自动识别、自动报警、自动制动、自动保持安全距离、车速和巡航控制等功能。它的主要点是在复杂的道路情况下，能自动地操纵和驾驶车辆绕开障碍物并沿着预定的道路或者轨迹行进。智能车辆在原车辆系统的基础上要由计算机处理系统、摄像机和些传感器组成。摄像机主要用来获得道路图像信息，车速传感器用获得当前车速，障碍物传感器用获得前方、侧方、后方障碍物信息，计算机处理系统主要完成对来自摄所获取的图处、增强、分析、识别等工作。智能车辆基本原理如图1所示。智能汽车指的是利用多种传感器和智能公路技术实现的汽车自动驾驶。它有一套导航信息资料库，存有全国公路以及各种服务设施的信息资料以及GPS定位系统、道路状况信息系统、车辆防碰系统等。它集中运用了计算机、现代传感、通讯、人工智能及自动控制等技术。目前对智能车辆的研究主要是针对汽车的安全性、舒适性以及人车交互界面。智能车辆的主要特点是以技术弥补人为因素的缺陷，使得即便在很复杂的道路情况下，也能自动地操纵和驾驶车辆绕开障碍物行驶。智能汽车不需要人去驾驶，人只舒服地坐在车上享受这高科技的成果就行了。因为这种汽车上装有相当于汽车的“眼睛”、“大脑”和“脚”的电视摄像机、电子计算机和自动操纵系统之类的装置，这些装置都装有非常复杂的电脑程序，所以这种汽车和人一样会“思考”、“判断”、“行走”，可以自动启动、加速、刹车，可以自动绕过地面障碍物。在复杂多变的情况下，它的“大脑”能随机应变，自动选择最佳方案，指挥汽车正常、顺利地行驶。美国的研究人员目前也在设计一款新的智能汽车，这款智能汽车可以自动分析道路状况和车流量，能够提示即将到来的风险并做出正确的驾驶选择，避免车祸发生。智能汽车非常贴心聪明，如果看到你因忙于应付复杂的交通状况而不希望分心，它可以帮着关掉手机；或者在怀疑你因注意力分散而不足以应付路况时，向你提出一些用以提高警惕性的针对性问题。当遇到交通阻塞的情况时，导航系统将引领驾驶员绕道而行。并且随机应变，依据不同的道路状况和速度变化状况自动启动、加速或刹车。智能车辆有着十分广泛的应用前景。世界上许多国家也都在积极进行智能车辆的研究，最典型的应用就是在智能运输系统ITS上的应用。这主要体现在它有利于缓解交通状况，减轻交通拥挤与交通阻塞。同时，减少恶性交通事故的发生，提高车辆行驶安全性。智能车辆本身可以完成道路识别、道路跟踪和障碍避让等，在驾驶员长时间驾车疲劳的情况下，它还可以接替驾驶员自动驾驶，可以完成自动转向、自动制动等操作，减轻驾驶员工作量。智能车辆在舒适性、友好的人车环境和信息化等方面也有很多优点。智能车辆在智能物流运输方面的应用也是不容忽视的。对于仓库，特别是有害、有毒物品的仓库，采用建立在智能车辆技术基础上的仓库智能车辆物流运输平台完成物流自动运输，既可以提高运输效率，又可以避免有害物质对人体的伤害，有效地完成有毒作业。智能车辆还被广泛应用于军事领域，美国的DEMOIII项目的研究就是指第三代军用无人驾驶车的研究。智能车辆在军事领域被广泛应用于巡逻、侦察、攻击、战场运输、扫雷和导弹发射等诸多方面。在未来战争中，使用智能车辆代替人员在核、生物、化学污染区进行侦察、巡逻与污染程度的采样工作，可以更加准确的搜集、掌握相关信息，并可以有效地避免人员伤亡，提高执行任务的效率和安全性。同时，无人驾驶的进攻性武器系统是现代军事技术的发展方向之一，智能车辆的发展为无人攻击车提供技术支持平台。2、智能车辆研究目前，智能车辆的研究主要是基于模糊控制理论、人工神经网络技术和神经模糊技术等人工智能的最新理论和技术而开展研究工作的。2.1基于模糊控制理论的智能车辆研究操纵车辆实质上可被看作是一个多输入、多输出、输入输出关系复杂多变、不确定多干扰源的复杂非线性系统的控制过程。驾驶员对汽车的认识是建立在模糊认识的基础之上的，如对汽车速度的认识就是车速很快、快、较快、较慢、慢，对汽车的转向操纵是左转大、左转小、零、右转大、右转小等。基于模糊控制理论的车辆的引导控制系统，即车辆模糊引导控制系统是使各车辆都装有该系统的车队保持前后车辆的合适车距，由引导车辆引导随后的车辆自动行驶。它利用节气门开度值引导车辆的即时速度，根据车辆的前视距离和前视距离的变化来确定模糊控制系统对车速和转向进行控制，从而完成车辆的自动行驶。模糊汽车模型和模糊驾驶员控制模型是在汽车-驾驶员-环境闭环系统的研究中，模仿人类驾驶员操纵和驾驶车辆的行为。而且，模糊汽车模型和模糊驾驶员控制模型通过了试车实验，结果表明是可行的，这在一定程度上反映了驾驶员的智能行为。2.2基于人工神经网络技术的智能车辆研究人工神经网络在更高层次上体现了人脑的智能行为，神经网络为解决非线性系统、模型未知系统的控制问题提供了新的思路。人工神经网络在智能车辆的研究中主要是用于智能驾驶员控制模型的建立，这种模型实质是一种智能控制系统，用于车辆的智能化操纵，部分或全部地代替人类驾驶员。美国密歇根大学交通研究所提出的基于神经网络的汽车转向智能控制系统就是人工神经网络在智能车辆研究中的一例。该系统是根据来自能反应当前车辆相对于路面边缘的位置和运动取向的传感器信息，对驾驶员控制方向的模型进行模式辩识，以最终达到用神经网络模仿人的行为驾驶车辆的目的。2.3基于神经模糊技术的智能车辆研究不论模糊技术还是神经网络技术在智能车辆的研究中都发挥了巨大作用，然而它们自身又都存在一定的问题。用神经网络解决问题时，在知识的推理上还存在相当大的困难;而在知识的获取方面，模糊技术又显得十分软弱。把神经网络和模糊技术结合起来，就能互相弥补其不足，使得知识的获取和加工成为一种较为容易实现的事情，在复杂的动态系统和高度不确定的情况下能获得优质的控制效果。神经网络和模糊理论结合起来就产生了模糊神经网络学科。国内外汽车工程界的专家和学者已经及时地把该技术用到了智能车辆的研究中。除此以外，现代控制理论、自动导航技术等先进技术和理论也在智能车辆的研究中得到了广泛应用。3、智能车辆的发展及关键技术20世纪80年代以来，随着科学技术的发展，特别是计算机技术、信息技术、人工智能、电子技术的突飞猛进，智能车辆技术具有了实现的技术基础，并开始从20世纪90年代进入深入、系统、大规模研究阶段。从20世纪80年代中后期开始，世界主要发达国家对智能车辆开展了卓有成效的研发工作。在欧洲，普罗米修斯项目于1986年开始这个领域的探索。1995年，美国政府成立了国家自动高速公路系统联盟(NA日SC)，该机构的目标之一就是研究发展智能车辆的可行性，并促进智能车辆技术进入实用化。1996年，日本成立了高速公路先进巡航/辅助驾驶研究协会，主要目的是研究自动车辆导航的方法，促进日本智能车辆技术的整体进步。到目前为止，智能车辆领域的3次公开实验代表了国际上20世纪90年代智能车辆的研究水平，它们是:1995年VaMP进行的从德国的Munich到丹麦的Odense的道路试验;1995年RALPH系统在NavLabs5上进行测试，试验从美国宾夕法尼亚州开始，到加拿大的圣地亚哥结束;1998年在汽车百年行活动中，A尺GO试验车由GOLO系统驾驶进行了穿越意大利近2000喻的道路试验。我国开展智能车辆技术方面的研究起步较晚，20世纪80年代沈阳自动化研究所曾进行过采用地下埋线式导航的自动引导车辆(AGVS)的研究;清华大学自动化系在20世纪90年代中期曾研究过一种采用图像识别来实现自动导航的智能车辆;国防科技大学也在进行基于图像视觉导航的车辆研究;北京理工大学近年来也在进行用GPS与数字地图导航的智能车辆方面的研究。吉林大学智能车辆课题组1994年研制出了第一辆模型车JUTIV-l，实现了自主驾驶功能;1998年课题组又研制出了JU丁IV-11型智能车，实现了车道线作为导航路径的自动导航，时速30km/h。总之，我国在智能车辆技术方面总体上落后于世界上发达国家，20世纪90年代虽然做了一些初步的研究工作，但与发达国家相比仍存在一定的技术差距。3.1感知技术人类在驾驶汽车时所接受的信息几乎全部来自于视觉，交通信号、交通标志、交通图案、道路标志等均可以看作是环境对驾驶员的视觉通讯语言。同时，人类在驾驶汽车时，通过对周围路面场景的观测来决定采取什么样的操作。因此，选择机器视觉作为感知路面场景的传感器是一种很自然的选择。视觉系统在智能车辆中主要用来识别车辆周围的交通环境，如确定车辆在车道中的位置和方位、车道的几何结构、检测车辆周围的障碍物如车辆和行人、识别交通标志和交通信号等。当机器视觉用于智能车辆时必须具备实时性、鲁棒性和实用性三方面的技术特点。实时性是指视觉处理系统的数据处理必须与车辆的高速行驶同步进行；鲁棒性是指智能车辆对不同的道路环境如高速公路、市区标准公路、普通公路等，不同的路面环境如路面及车道标线的宽度、颜色、纹理、动态随机障碍与车流等，以及变化的气候条件如日照及景物阴影、黄昏与夜晚、阴天与雨雪等均具有良好的适应性；实用性是指智能车辆在体积和成本等方面能够为普通汽车用户所接受。智能车辆系统可靠运行的前提是通过各种传感器准确的捕捉环境和车辆自身的状态信息，并加工处理，随后发出预警或者自动操控车辆。研究如何将传感器传来的信息加以有效处理、分析，并准确的确定环境和车辆自身的状态是非常重要的。然而到目前为止，没有任何一种传感器能保证在任何情况下提供完全可靠的信息，采用多传感器融合技术，即将多个传感器采集的信息进行合成，形成对环境特征的综合描述的方法，能够充分利用多