车辆安全技术应用分析

导言：作为写作爱好者，不可错过为您精心挑选的1篇车辆安全技术应用分析，它们将为您的写作提供全新的视角，我们衷心期待您的阅读，并希望这些内容能为您提供灵感和参考。

1中国交通发展概况

2020年，是中国“十三五”现代综合交通运输发展规划收官之年，建设期间投资规模达15万亿元人民币，其中公路投资就达7.8万亿元，占据了总投资的半壁江山，重要城市群的核心城市需要达到1-2小时的快速通勤时间，通过该指标打造核心城市与周围节点城市的一体化路网。因此大量的道路基建工程建设充当着城市化发展的重要指标之一，然而交通基建并不能时刻满足日益增长的交通需求，尤其是在发达的一二线城市中，在高峰小时中，庞大的机动车用户群不仅使得城市干线路网的交通运行效率变得低下，为城市经济提升带来了副作用，也带来了愈发严重的交通安全事故问题。据世卫组织统计，全球每年有135万人因交通事故死亡，且死亡人数逐年递增。中国公安部公布的2018年死亡人数达63194人，直接造成的经济财产损失就有13.8亿元左右，其中四分之一的死亡人数来自于行人。无论是驾驶者还是行人的交通法规和交通安全的意识淡薄，都可能为自身和他人带来生命安全的威胁，中国作为全球第一大人口国，不能要求和保证全体人员都时刻遵守交通安全规章制度来减少事故，因此交通工具-车辆，需要能识别潜在事故，并能在大多数情况避免事故，由此需要发展车辆自身的安全及预警技术。在这其中，无人驾驶车辆，可以认为是通过避免碰撞的方式达到全自动驾驶，因此又扮演了推动车辆自动驾驶发展的关键角色。

2国内外自动驾驶发展情况

高级驾驶辅助系统（AdvancedDrivingAssistanceSystem）即为无人驾驶（也称自动驾驶）的初步阶段。在无人驾驶技术的现状方面，国外早已于上个世纪70年代，由卡内基·梅隆大学、斯坦福大学、麻省理工学院等高校先后加牵头开展ADAS的研究，1986年梅赛德斯成功研制出全球首辆计算机控制的自动驾驶汽车，通过避免自身的事故来探索新的驾驶模式。2009年，谷歌公司开始研发无人驾驶技术，偏向于“一步到位”，直接研发L4级别的无人驾驶汽车。2013年，各大传统汽车厂商包括奥迪、沃尔沃、宝马、福特、日产等都纷纷开展无人驾驶汽车的发展布局。2015年特斯拉公司推出半自动驾驶系统Autopilot，首先将ADAS大规模商用并作为核心卖点。我国的无人驾驶技术由国防科技大学于上世纪80年代末开始研究，并于1992年成功研制出第一辆无人驾驶汽车，于2011年首次完成了286km的无人驾驶高速公路试验。2015年，长安汽车、宇通集团、包括互联网企业百度公司均纷纷投入到自动驾驶的研究中。近几年，以蔚来汽车为代表的新能源电动汽车品牌，将自动驾驶技术作为汽车产品的标准配置，作为核心卖点，形成与特斯拉汽车的竞争局面。

3自动驾驶技术实现

2020年，成熟的自动驾驶技术发展路线和各大厂商的阵营界限划分已经形成，但最终自动驾驶要实现完全全自动无人干预，相关技术还需要进行不断的迭代和发展。根据WEVOLVER发布的《2020自动驾驶技术报告》中的解析，自动驾驶方案可以从感知、规划、执行三个层面来实现，而感知层面中配备的传感器设备的是实现车辆主动安全的基础，在执行阶段依靠避碰撞算法和规划路径来实现安全驾驶和自动驾驶的双重功能。

3.1感知层面

传统的车辆不能识别和感知在何种道路环境中行驶，驾驶员通过感官和经验来操作车辆，车辆自动驾驶首要解决的问题就是识别当前未知的行驶环境和条件，所以它需要先创建一个能将自身定位其中的环境地图，通过传感器和AI系统的帮助，实现同步定位和映射过程（SLAM，即时定位和地图构建）的输入。根据各个传感器的技术特点（无源和有源），将他们进行整合和设计在车辆的合适位置之上，来实现车辆对道路环境的全方位态势感知，所以一辆要保证可靠性和安全性的自动驾驶车辆，需要配备多个传感器，其中根据功能可划分为测距和识别，测距包括了激光长距离探测雷达、毫米波中/短距离探测雷达、超声波短距离探测雷达（声纳）等；识别包括了全景摄像头、双目/三目识别摄像头、红外探测雷达（夜视雷达）等。无源传感器能够探测环境中物体反射的现有能量，如光、辐射等。但在弱光环境下，由于没有自己的传播源，无源传感器的性能将有所下降。但是对比有源传感器能生成更高的数据量，因此无源传感器一般用于识别功能，如汽车的双目识别摄像头生成的3D立体图像信息，用于识别车辆、行人和车道线。有源传感器一般依照TOF原理来感知道路条件，并且具有信号传输源、TOF原理用于测量信号源发射到目标反射回来的传播时间，并且信号的发射频率能影响探测的效率，因此，车辆有源传感器需要选择合适的波长，这样才能才自动驾驶系统中实现更高的可靠性。

3.2规划层面

车辆根据感知层面获得的原始数据和环境地图，自动驾驶系统需要通过同时定位与映射算法不停的构建和更新实时地图，保持跟踪车辆的详细定位信息，从而开始规划点到点的对应路径。要实现上述功能，需要SLAM执行定位和构建地图，同时为了提升SLAM的准确性，介入了传感器融合，该方式通过组合多个传感器数据和数据库以实现信息的改进。之后车辆需要筛选提取出关键信息，并基于现有信息执行任务，则需要利用机器学习算法——CNN（卷积神经网络）、RNN（递归神经网络）、DRL（深度强化学习）。机器学习算法将根据经典规划方式进行更多的轨迹优化，从而保证路径规划的精确性。

3.3执行层面

车辆的电子控制单元即ECU将取代驾驶员操作，主动对车辆的电动或液压执行器执行驱动命令，高端的自动驾驶车辆将拥有数十个ECU，该单元在负责控制车辆的同时，也将负责主动安全功能。

3.4车辆安全技术

一般的，应用于车辆的安全技术可以被分为四个阶段：第一级别为被动安全技术，此级别不能避免事故的发生，是作为碰撞发生时的被动安全反馈来降低事故造成的人员伤亡和损失。一般指驾驶员保护（汽车前、侧或膝部安全气囊，安全带）、行人防碰撞保护（引擎盖弹起装置或于车头底部加装行人防卷入横梁）、车辆自身保护（如丰田汽车的碰撞吸能设计，奥迪汽车的AI主动悬挂系统，抬起车辆减轻侧面碰撞等）。第二级别为防碰撞预警技术，此级别的车辆可以主动探测到碰撞的发生并做出保护措施，例如安全带主动收缩，即将碰撞提示与反馈等等。此级别可以预警危险，但并未排除风险。第三级别为主动安全技术，车辆基于第二级别中的手段后，驾驶员介入失效，还将主动协助刹车，在无法通过刹车化解危机时，车辆可以自动辅助变道。此外，在夜间还有智能感知识别方案，通过夜视系统，自适应转向大灯，给驾驶员呈现更为清晰的路况以降低事故风险。在该级别的车辆中，达到了L2自动驾驶级别。第四级别为主动式无人驾驶技术，即全自动驾驶，车辆通过全车传感器实时感知周围道路态势，根据当前环境进行自动识别、判别分析来决定是否加速、减速、超车、甚至靠边停车。此时的驾驶员从理论意义上不需要将注意力集中于道路上，车辆通过自助感知、分析、判断来全部完成的驾驶行为，当然，这也包括全部的驾驶员、行人、的安全预判和化解。车辆可达到L3甚至更高的自动驾驶级别。判别分析来决定是否加速、减速、超车、甚至靠边停车。此时的驾驶员从理论意义上不需要将注意力集中于道路上，车辆通过自助感知、分析、判断来全部完成的驾驶行为，当然，这也包括全部的驾驶员、行人、的安全预判和化解。车辆可达到L3甚至更高的自动驾驶级别。在交通运输部印发的《数字交通发展规划纲要》中明确提出了要同步推动自动驾驶与车路协同技术的研发，鼓励智慧公路与车辆之间形成更多的信息交互内容，促进物理和虚拟空间的交通运输活动不断融合、交互，构建更加智能的现代交通运输体系。然而政策支持是一方面，车辆自动化研发与道路智慧化建设的协同发展还没有形成完整的体系制度来做支撑，因此这需要政府、科技企业、车企、通讯企业等多方共同积极的参与和推动，形成一个良心循环的制度体系来保障城市智慧化进程，从而真正的推动人、车、路交通三要素有机结合，在更完善的交通感知环境中全方位保障三者在交通参与过程中的安全，助力车辆自动驾驶技术实现相应的社会价值。

参考文献：

[1]戴斌，聂一鸣，孙振平，安向京、地面无人驾驶技术现状与应用、汽车与安全，2012，03期、46-49页.

[2]永井正夫、基于先进控制技术的车辆主动安全领域研究展望、汽车安全与节能学报，2010,1（1）、14-22页.

作者:刘秀红 姜圣 单位:江苏省交通运输厅公路事业发展中心 中国信息通信研究院