中国人工智能系列白皮书 -智能驾驶 2017 中国人工智能学会 二 一七年十月 1 中国人工智能系列白皮书 -智能交通 编委会 主任： 李德毅 （中国 人工智能学会理事长，中国工程院院士） 执行主任： 邓伟文（中国 人工智能学会智能驾驶专业委员会主任， 北京航空航天大学交通科学与工程学院院长 ） 副主任： 谭铁牛（中国科学院院士） 杨放春（北京邮电大学教授） 黄河燕（北京理工大学教授） 焦李成（西安电子科技大学教授） 马少平（清华大学教授） 刘 宏（北京大学教授） 蒋昌俊 （东华大学教授） 王国胤 （重庆 邮电大学教授 ） 任福继 （合肥工业大学教授） 杨 强 （香港科技大学教授） 胡 郁 （科大讯飞执行总裁） 委 员 ： 陈 杰 （北京理工大学教授） 董振江 （中兴通讯股份有限公司研究员 级 高工） 2 杜军平 （北京邮电大学教授） 桂卫华 （中国工程院院士） 韩力群 （北京工商大学教授） 何 清（中国科学院计算技术研究所研究员） 黄心汉 （华中科技大学自动化学院教授） 贾英民 （北京航空航天大学教授） 李 斌 （华中科技大学教授） 刘 民 （清华大学教授） 刘成林 （中国科学院自动化研究所研究员） 刘增良（ 中国人民解放军国防大学 教授） 鲁华祥 （中国科学院半导体研究所研究员） 马华东 （北京邮电大学教授） 马世龙 （北京航空航天大学教授） 苗夺谦 （同济大学教授 ） 朴松昊 （哈尔滨工业大学教授） 乔俊飞（北京工业大学教授） 任友群 （华东师范大学研究员） 孙富春 （清华大学教授） 孙长银 （北京科技大学教授） 王 轩 （哈尔滨工业大学教授） 王飞跃 （中国科学院自动化研究所研究员） 3 王捍贫（北京大学教授） 王万森 （首都师范大学教授） 王卫宁 （北京邮电大学研究员） 王小捷 （北京邮电大学教授） 王亚杰 （沈阳航空航天大学教授） 王志良 （北京科技大学教授） 吴朝晖（浙江大学教授） 吴晓蓓（南京理工大学教授） 夏桂华 （哈尔滨工程大学教授） 严新平 （武汉华夏理工学院教授） 杨春燕 （广东工业大学研究员） 余 凯 （ 地平线机器人技术创始人兼 CEO） 余有成 （吴文俊人工智能科学技术奖办公室主任） 张学工 （清华大学教授） 赵春江 （北京农业信息技术研究中心研究员） 周志华 （南京大学教授） 祝烈煌 （北京理工大学教授） 庄越挺 （浙江大学教授） 主笔专家 张天雷 任秉韬 郑思仪 王鑫 马楠 张新钰 1 目录 第 1 章 发展概述篇 . 1 1.1. 汽车智能化发展 . 1 1.2. 汽车智能驾驶技术的内涵 . 2 1.3. 汽车智能驾驶技术分级 . 3 1.4. 国内外技术发展现状 . 4 1.4.1 国外智能驾驶技术现状 . 4 1.4.2 国内智能驾驶技术现状 . 8 1.5. 公开性智能驾驶比赛 . 11 1.5.1 国外智能驾驶比赛 . 11 1.5.2 国内智能驾驶比赛 . 15 1.6. 汽车自动驾驶产业概述 . 18 1.7. 智能驾驶社会效益与影响 . 19 1.7.1 安全性 -减少交 通事故 . 19 1.7.2 经济性 -促进节能减排 . 19 1.7.3 互联性 -推动社会变革 . 20 1.7.4 行业性 -改变传 统产业发展，行业交互共赢 . 21 1.8. 国内外相关政府政策 . 21 1.8.1 国外情况 . 22 1.8.2 国内情况 . 25 第 2 章环境感知篇 . 27 2.1 智能驾驶感知任务 . 27 2.2 智能驾驶的感知盲区 . 27 2.3 环境感知功能系统构成 . 27 2.4 系统硬件配置方案 . 28 2 2.5 传感感知技术 . 30 2.5.1 相机视觉 . 30 2.5.2 雷达传感 . 33 2.5.3 听觉传感 . 36 2.6 定位与导航技术 . 38 2.6.1 感知态势的基准 . 39 2.6.2 设备组成和种类 . 39 2.6.3 姿态和状态感知 . 41 2.6.4 测试技术 . 42 2.6.5 数字地图 . 42 2.7 V2X 网联通信技术 . 44 2.7.1 设备组成和种类 . 45 2.7.2 功能和感知范围 . 47 2.7.3 测试技术 . 48 第 3 章 决策规划篇 . 49 3.1 决策规划技术概述 . 49 3.2 决策规划技术结构体系 . 50 3.2.1 分层递阶式体系结构 . 50 3.2.2 反应式体系结构 . 51 3.2.3 混合式体系结构 . 52 3.3 决策规划系统的关键环节 . 53 3.3.1 传感信息融合 . 54 3.3.2 任务决策 . 55 3.3.3 轨迹规划 . 55 3.3.4 异常处理 . 56 3.4 决策规划技术方法 . 56 3 3.4.1 全局规划方法 . 57 3.4.2 局部规划方法 . 58 3.5 路权分配技术 . 60 第 4 章 控制工程篇 . 62 4.1 智能汽车控制架构设计 . 62 4.2 自动驾驶控制核心技术组成 . 64 4.2.1 车辆纵向控制 . 65 4.2.2 车辆横向控制 . 67 4.3 自动驾驶控制方法 . 69 4.3.1 传统控制方法 . 69 4.3.2 智能控制方法 . 70 4.4 自动驾驶控制技术方案 . 72 4.4.1 基于规划 -跟踪的间接控制方法 . 72 4.4.2 基于人工智能的直接控制方法 . 74 4.5 人机交互系统 . 77 4.5.1 人机交互系统的作用和意义 . 77 4.5.2 智能汽车人机交互系统发展现状 . 78 4.5.3 人机交互系统的核心技术 . 83 4.5.4 人机交互系统的 发展趋势 . 86 第 5 章 测试验证篇 . 87 5.1 模拟仿真技术 . 88 5.1.1 需求分析 . 88 5.1.2 技术方案 . 89 5.1.3 未来发展的技术挑战和趋势 . 90 5.2 试验测试示范区 . 91 5.2.1 国外情况 . 92 4 5.2.2 国内情况 . 94 5.3 测试验证技术 . 98 5.3.1 需求分析 . 98 5.3.2 技术方案 . 99 5.3.3 未来发展的技术挑战和趋势 . 107 参考文献： . 108 1 第 1 章 发展概述篇 1.1. 汽车智能化发展 汽车智能化技术在减少交通事故、缓解交通拥堵、提高道路及车辆利用率等方面具有巨大潜能，已成为众多企业的竞争热点。我国发布的中国制造 2025中明确指出将智能网联汽车作为一项重点发展对象，并定义智能网联汽车是指搭载先进的车载传感器、控制器、执行器等装置，并融合现代通信与网络技术，实现车内网、车外网、车际网的无缝链接，具备信息共享、复杂环境感知、智能化决策、自动化协同等控制功能，与智能公路和辅助设施组成的智能出行系统，可实现“高效、安全、舒适、节能”行驶的新一代汽车 12。 智能汽车（ 图 1-1）是新一轮科技革命背景下的新兴技术，集中运用了现代传感技术、信息与通信技术、自动控制技术、计算机技术和人工智能等技术，代表着未来汽车技术的战略制高点，是汽车产业转型升级的关键，也是目前世界公认的发展方向 3。 图 1-1 智能汽车 在智能驾驶技术的研究方面，美国起步较早，早在 1939 年纽约 2 世界博览会上，美国通用汽车公司首次展出了无人驾驶概念车Futurama。 1958 年，美国无线电公司（ RCA， Radio Corporation of America）和通用集团联合，对外展示了智能驾驶汽车原型。依赖于预埋线圈的道路设施，车辆可以按电磁信号指示确定其位置与速度，控制方向盘、油门和刹车。 自 20 世纪 80 年代，在美国国防部先进研究项目局（ DARPA，Defense Advanced Research Projects Agency）的支持下掀起了智能车技术研究热潮。 1984 年由卡耐基梅隆大学研发了全世界第一辆真正意义的智能驾驶车辆，如 图 1-2 所示。该车辆利用激光雷达、计算机视觉及自动控制技术完成对周边 环境的感知，并据此做出决策，自动控制车辆，在特定道路环境下最高时速可达 31km/h。 图 1-2 第一辆真正意义的智能驾驶车辆 欧洲从 20 世纪 80 年代中期开始研发智能驾驶车辆，其研究不强调车路协同，而是将智能驾驶车辆作为独立个体，并让车辆混行于正常交通流。日本智能驾驶技术研发起步较晚，且更多关注于采用智能安全降低事故发生率，以及采用车间通信方式辅助驾驶。日本在智能安全及车联网方面的研究走在世界前列，但对完全智能驾驶技术关注较少。 1.2. 汽车智能驾驶技术的内涵 汽车智能驾驶具有“智慧”和“能力”两层含义，所谓“智慧”是指汽车能够像人一样智能地感知、综合、判断、推理、决断和记忆； 3 所谓“能力”是指智能汽车能够确保“智慧”的有效执行，可以实施主动控制，并能够进行人机交互与协同。自动驾驶是智慧和能力的有机结合，二者相辅相成，缺一不可 3。 为实现“智慧”和 “能力”两方面内容，自动驾驶技术一般包括环境感知、决策规划和车辆控制三大部分。类似于人类驾驶员在驾驶过程中，通过视觉、听觉、触觉等感官系统感知行驶环境和车辆状态，自动驾驶系统通过配置内部传感器和外部传感器获取自身状态及周边环境信息。内部传感器主要包括车辆速度传感器、加速传感器、轮速传感器、横摆角速度传感器等；主流的外部传感器包括摄像头、激光雷达、毫米波雷达以及定位系统等。通过这些传感器提供海量的全方位行驶环境信息。不同传感器的量测精度、适用范围都有所不同，为有效利用这些传感器信息，需要利用传感器融合技术将多 种传感器在空间和时间上的独立信息、互补信息以及冗余信息按照某种准则组合起来，从而提供对环境综合的准确理解。决策规划子系统代表了自动驾驶技术的认知层，包括决策和规划两个方面。决策体系定义了各部分之间的相互关系和功能分配，决定了车辆的安全行使模式；规划部分用以生成安全、实时的无碰撞轨迹。车辆控制子系统用以实现车辆的纵向车距、车速控制和横向车辆位置控制等，是车辆智能化的最终执行机构。 “感知”和“决策规划”对应于自动驾驶系统的“智慧”；而“车辆控制”则体现了其“能力”。 1.3. 汽车智能驾驶技术分级 美国高速公路安全管理 局（ NHTSA）将汽车智能化水平分成五个等级：无自主控制；辅助驾驶；部分自动驾驶；有条件自动驾驶；高度自动驾驶。 SAE 将汽车智能化水平划分为六个等级：人工驾驶；辅助驾驶；部分自动驾驶；有条件自动驾驶；高度自动驾驶；全自动驾驶。 4 中国制造 2025将智能汽车分为 DA， PA， HA， FA 四个等级，并划分了各自的界限 2。其中， DA 指驾驶辅助，包括一项或多项局部自动功能，如 ACC， AEB， ESC 等，并能提供基于网联的智能提醒信息； PA 指部分自动驾驶，在驾驶员短时转移注意力仍可保持控制，失去控制 10 秒以上予以提醒，并能提供基于网联的智能引导信息； HA 指高度自动驾驶，在高速公路和市内均可自动驾驶，偶尔需要驾驶员接管，但是有充分的移交时间，并能提供基于网联的智能控制信息； FA 指完全自主驾驶，驾驶权完全移 交给车辆。 通常将自动驾驶和无人驾驶视作不同的两个概念，二者之间泾渭分明。自动驾驶是指可以帮助驾驶员转向和保持在车道内行驶，实现跟车、制动以及变道等操作的一种辅助驾驶系统，驾驶员可以随时介入对车辆的控制，并且系统在特定环境下会提醒驾驶员介入操控。同自动驾驶汽车相比，无人驾驶汽车也配备有各类传感器和相应的控制驱动器，但是取消了方向盘、加速踏板和制动踏板，汽车在没有人为干预的情况下自主完成行驶任务。 1.4. 国内外技术发展现状 1.4.1 国外 智能驾驶技术现状 汽车自动驾驶技术发展初期，研究者通过无线通信或在道路上铺设电缆、磁诱导设备来实现车辆的自动控制。 1921 年 World Wide Wireless 期刊上出版的一篇论文中提出，通过无线通信技术实现无人驾驶技术。 1955 年美国 Barret Electronics 公司研制出了第一台自动引导车辆系统 AGVS(Automated Guided Vehicle System)，它是一个运行在固定线路上的自动运输平台，具有无人驾驶智能车辆的基本的特征5。 1961 年，斯坦福大学介绍了其研发的自主驾驶汽车 Stanford Cart，该车上装有一个摄像机，通过有线电缆控制 6。日本机械技术研究所在 1978 年进行了世界上首次基于机器视觉的自主汽车驾驶系统道路 5 试验，速度达 30km/h。 1980 年，慕尼黑联邦国防军大学开发了无人驾驶汽车 UniBW，车上装配有 8 个 16 位英特尔微处理器，车速可以达到 90km/h7。同时，美国俄亥俄州立大学的 Robert E. Fenton 提出了 AHS(Automated Highway Systems)概念，旨在促进高速自主驾驶汽车发展。 20 世纪 80 年代，德国联邦国防军大学 Ernst Dickmanns 开发的视觉导航汽车“ Va-Mors”在没有交通流干扰的情况下车速可以得到 100km/h，为汽车智能化发展奠定了重要基础。 1994 年，梅塞德斯-奔驰的“ VaMP”完成了 1600km 测试，全程有 95%为自主驾驶 7。2004 年，美国政府通过资助军事项目 Demo 、推动自主驾驶技术发展。其中最先进的 DEMO III 智能车辆集成了多种子系统，包括 CCD 立体视觉系统、激光深度成像仪、 GPS 导航系统、惯性导航包及遥视机器人驱动系统，该车辆可以在多种恶 劣环境下（如雨天、路面有污垢等）、多种光照条件（比如白天、黑夜和阴影等）下实现自主驾驶。 在汽车智能化技术发展历程中，美国卡内基 梅隆大学研制了NavLab 系列智能车辆。其中， NavLab-1 系统于 1986 年基于雪弗兰的一款厢式货车改装而成，装有 Sun3、 GPS、 Warp 等计算机硬件，但由于软件的局限性，直到上世纪 80 年代末，它的最高速度也只有32km/h。 NavLab-5 系统是 1995 年建成的， CMU 与 Assist-Ware 技术公司合作开发研制的便携式高级导航支撑平台 PANS 为系统提供计算基础和 I/O 功能，并能控制转向执行机构，同时进行安全报警。它使用了一台便携式工作站 Sparc Lx，能够完成传感器信息的处理与融合、路径的全局与局部规划。 NavLab-5以 Pontiac运动跑车作为基础，在试验场环境道路上的自主行驶平均速度达到 88.5km/h，首次进行了横穿美国大陆的长途自主驾驶公路试验，自主行驶里程为 4496km，占总行程的 98.1%。车辆的横向控制实现了完全自动控制，而纵向导 6 航控制仍由驾驶员完成。 NavLab-11系统是该系列最新的智能车平台，车体采用了 Wrangler 吉普车，最高车速达到 102km/h。装备的传感器包括差分 GPS、激光雷达、摄像机、陀螺仪和光电码盘等。 斯坦福大学 Michael 基于大众帕萨特研制出无人驾驶车辆 Junio，车上装备有五个激光雷达 (IBEO, Riegl, SICK, Velodyne)，一个GPS/INS 系统 (Applanix)，五个 BOSCH 雷达，两个 Intel 四核计算机，一个由大众汽车电子实验室开发的电传线控接口。 意大利帕尔玛大学 VisLab 实验室一直致力于 ARGO 项目研究。于 1998 年沿着意大利的高速公路网进行了 2000 公里的长距离道路试验，整个试验途经平原和 山区，也包括高架桥和隧道，试验车的无人驾驶里程为总里程的 94%左右，最高车速达到了 112km/h。在 2010年， ARGO 试验车装载了 5 个激光雷达、 7 个摄像机、 GPS 全球定位系统、惯性测量设备以及 3 台 Linux 电脑和线控驾驶系统，同时将太阳能作为辅助动力源，沿着马可 波罗的旅行路线，全程自动驾驶来到中国上海参加世博会，行程 15900km，经历了多种极端环境条件。2013 年，他们研制的智能车在无人驾驶的情况下能够实现交通信号灯识别、避开行人、安全驶过十字路口和环岛等功能。 除高校在自动驾驶领域的积极研究外，众多 汽车厂商也相继开展了相关研究计划。奥迪推出的无人驾驶系统使用两个雷达探头、八个超声波探头和一个广视角摄像机，可以在设定的时间内，按照导航系统提供的信息，在最高 60km h 的速度下自主转向、加速和刹车，实现完全的自主驾驶。特斯拉开发了自动驾驶系统 Autopilot，并安装在了 8 万辆 Model S 上。车辆挡风玻璃中间安装有一个 MobileyeEyeQ3视觉系统、前保险杠下方安装有一个毫米波雷达、车辆四周安装有 12个超声波雷达。通用于 2010 年推出了电动联网概念车 EN-V，它能够通过对实时交通信息的分析，自动选择 路况最佳的行驶路线，从而避 7 免发生交通堵塞。沃尔沃于 2015 年 3 月 25 日至 28 日在北京六环高速公路上进行高度自动驾驶测试和展示，测试中，自动驾驶车辆以70km/h 的速度巡航，自动驾驶系统在真实的道路情况下完成了自动转弯、跟车、制动等动作，此间完全没有人为干预。尼桑计划于 8 月下旬在日本上市全新 Serena，该车型将配备日产 ProPILOT 自动驾驶系统，该系统支持车道保持和自动跟车等功能。宝马携手大陆集团在自动驾驶领域展开了合作，共同开发驾驶辅助系统。 以谷歌为代表的 IT 公司在自动驾驶领域的表现也十分活跃，谷歌公 司于 2009 年开始研发无人驾驶技术， 2012 年，美国内华达州机动车辆管理部门为其无人驾驶汽车颁发了首例驾驶许可证。谷歌无人驾驶车辆搭载了雷达、车道保持系统、激光测距系统、红外摄像头、立体视觉系统、 GPS 以及车轮角度编码器等设备，而外部装置的核心便是车顶的 64 线激光雷达，它能提供 200 英尺以内的精细 3D 地图数据。据 2015 年 11 月底谷歌提交给机动车辆管理局的报告，谷歌的无人驾驶汽车在自动驾驶模式下已经完成了 130 多万英里。 2013 年，苹果公司宣布向汽车领域进军，开发了智能车载系统 CarPlay，并在2014 年 3 月 4 日的日内瓦国际汽车展上进行了展示。 CarPlay 能够支持“电话”、“音乐”、“地图”、“信息”和第三方音频应用程序。梅赛德斯 -奔驰，法拉利、宝马、福特、通用等汽车厂商也陆续展示各自车型与 CarPlay 的整合界面。 为促进自主驾驶技术的发展，美国国防部高级研究计划局(DARPA)于 2004 到 2007 年共举办了 3 届 DARPA 无人驾驶挑战赛。2004 年的第一届 DARPA 挑战赛在美国的 Mojave 沙漠进行，道路全长 240km，参赛队伍共有 21 支，有 15 支进入了决赛，但却没有一支队伍完成整场比赛。第二届 DARPA 挑战赛于 2005 年举行，有五支队伍通过了全部考核项目，其中来自斯坦福大学的 Stanley 以 8 30.7km/h 的平均速度和 6 小时 53 分 58s 的总时长夺冠。 2007 年 11月，第三届 DARPA 挑战赛在美国加利福尼亚州一个后勤空军基地举行。比赛要求参赛车辆在 6 小时内完成 96km 的城市道路行驶，同时遵守所有交通规则。这次比赛不仅要求参赛车辆完成基本的无人行驶，更重要的是参赛车辆要与其他车辆进行实时交流，相遇时能主动避让。最终来自卡内基 梅隆大学的 BOSS车辆以总时长 4小时 10分 20秒，平均速度 22.53km/h 的成绩 取得了冠军。 1.4.2 国内 智能驾驶技术现状 相比之下，国内在自主驾驶方面研究的起步稍晚。从 80 年代末开始，国防科技大学先后研制出基于视觉的 CITAVT 系列智能车辆。其中，在 CITAVT-、 CITAVT-型无人驾驶小车的研制过程中对无人驾驶汽车的原理进行了研究； CITAVT-型的研究以实现在非结构化道路下遥控和自主驾驶为目的； CITAVT-型自主驾驶车基于BJ2020SG 吉普车改装而成，该车型以研究结构化道路环境下的自主驾驶技术为目标，空载条件下速度最高为 110km/h，车辆具有人工驾驶、遥控驾驶、 非结构化道路上的低速自主驾驶和结构化道路上的自主驾驶四种工作模式 10。 清华大学在国防科工委和国家“ 863 计划”的资助下从 1988 年开始研究开发 THMR 系列智能车。 THMR-智能车能够实现结构化环境下的车道线自动跟踪，准结构化环境下的道路跟踪，复杂环境下的道路避障、道路停障以及视觉临场感遥控驾驶等功能，最高车速达150km/h。 THMR-智能车采用了基于扩充转移网络的道路理解技术，大幅度降低了道路图像处理和车道线识别的计算量，并通过实验测得在车道线跟踪阶段全部计算过程的周期小于 20 毫秒，保证了实际场景下的实时性要求 11。 吉林大学从上世纪 90 年代初开始，在智能车辆的体系结构、道 9 路边界识别、车辆的路径跟踪及车体控制等方面取得了一定成果，先后开发了 JLUIV、 DLIUV 系列智能汽车。重庆大学研制开发出 CQAC系列视觉导航智能车辆。西安交通大学开发了基于 DSP 高速视频处理系统的 Springrobot 智能车，可实时完成道路检测、行人检测、车辆检测等。 国内一汽集团、上汽集团、长安汽车等车企也纷纷涉足自动驾驶。一汽集团于 2007 年与国防科技大学合作，在红旗 HQ3 车型基 础上完成高速公路自动驾驶样车。 2011 年 7 月 14 日，红旗 HQ3 无人车完成了从长沙到武汉 286 公里的高速全程无人驾驶实验，历时 3 小时22 分钟； 2013 年具备 PA-HA 功能的红旗 H7 投放市场； 2015 年 4 月，一汽集团正式发布了其“挚途”技术战略，标志着一汽集团的互联智能汽车技术战略规划正式形成。根据该战略的十年发展计划，“挚途”战略将从当前的 1.0 发展到 4.0。目前“挚途” 1.0 已经于 2013 年应用到红旗轿车上，具备紧急制动、防碰预警、车道偏离等驾驶辅助功能。计划在 2018 年前实现的“擎途” 2.0 计划，可以通过 自主研发的智能互联驾驶系统实现手机叫车、自动泊车和编队跟车功能，且有望搭载于红旗 H7 和解放商用车上。而在 2020 年实现“挚途” 3.0，可以实现 V2X 功能，能够整合高速代驾及深度感知和城市智能技术。最终在 2025 年实现“挚