智能電動(dòng)汽車的感知、決策與控制關(guān)鍵基礎(chǔ)問題及對(duì)策研究

李克強(qiáng)

智能電動(dòng)汽車的感知、決策與控制關(guān)鍵基礎(chǔ)問題及對(duì)策研究

李克強(qiáng)

以移動(dòng)互聯(lián)、大數(shù)據(jù)及云計(jì)算等為代表的新一輪科技革命正推動(dòng)著傳統(tǒng)制造業(yè)快速升級(jí)。汽車作為國民經(jīng)濟(jì)的支柱產(chǎn)業(yè)，其智能化可極大促進(jìn)電子、機(jī)械等上游產(chǎn)業(yè)鏈和生產(chǎn)、服務(wù)等下游產(chǎn)業(yè)鏈的發(fā)展，加速汽車工業(yè)實(shí)現(xiàn)“工業(yè)4.0”。智能電動(dòng)汽車融合了“電動(dòng)化”和“智能化”2大前沿技術(shù)，具有節(jié)能、低碳、安全、高效等特征，已成為繼制造自動(dòng)化、柔性化、高度集成化之后汽車工業(yè)智能制造的重要組成部分，是國內(nèi)外矚目的研究前沿和熱點(diǎn)。

智能電動(dòng)汽車依靠車載傳感器和移動(dòng)互聯(lián)技術(shù)，獲取前方道路、車輛等環(huán)境信息和汽車自身狀態(tài)信息，通過智能決策與自動(dòng)控制，實(shí)現(xiàn)安全、節(jié)能、環(huán)保、舒適的汽車行駛過程。美、日、歐等國家和地區(qū)通過政策引導(dǎo)和研發(fā)投入，初步取得了一些技術(shù)突破，研制了以特斯拉Model X和奔馳F015為代表的智能電動(dòng)汽車原型系統(tǒng)。

1 智能電動(dòng)汽車感知、決策、控制等基礎(chǔ)問題

智能電動(dòng)汽車屬于車輛、能源、人因、交通、電子、信息和控制等多學(xué)科交叉領(lǐng)域，技術(shù)分散度大、集成難度高，系統(tǒng)功能的短板效應(yīng)嚴(yán)重，特別是感知、決策和控制等基礎(chǔ)共性問題，仍亟待突破。

另外，智能電動(dòng)汽車具有其特殊性，在感知方面，它可通過融合電機(jī)力矩和轉(zhuǎn)速等精確可知的信息提高自身狀態(tài)觀測精度；在信息安全方面，充電時(shí)需要與充電設(shè)施進(jìn)行交互，考慮其電池安全性，還需要實(shí)時(shí)地遠(yuǎn)程監(jiān)控；在決策、控制方面，在進(jìn)行多目標(biāo)控制時(shí)需要考慮能量回收等因素，電動(dòng)車自身構(gòu)型也具有多樣化特點(diǎn)，由此引發(fā)的問題需要解決。

1.1 綜合態(tài)勢感知

利用多傳感器信息進(jìn)行駕駛員狀態(tài)監(jiān)測、車輛狀態(tài)估計(jì)和交通環(huán)境感知，是電動(dòng)汽車智能化的前提。在這一領(lǐng)域，谷歌、斯坦福和Mobileye等已取得系列進(jìn)展，包括駕駛員注意力狀態(tài)的機(jī)器視覺監(jiān)測、車輛運(yùn)動(dòng)狀態(tài)和本征參數(shù)的主動(dòng)濾波估計(jì)、攝像頭和雷達(dá)的動(dòng)態(tài)貝葉斯融合及多目標(biāo)識(shí)別跟蹤與即時(shí)場景構(gòu)建等。

然而已有方法在實(shí)時(shí)性、精確性和穩(wěn)健性方面尚存巨大挑戰(zhàn)：復(fù)雜工況和環(huán)境產(chǎn)生的多重干擾，導(dǎo)致視聽覺信息質(zhì)量不高，且嚴(yán)重忽視“人-車-環(huán)境”固有關(guān)聯(lián)特征，單項(xiàng)研究彼此割裂，導(dǎo)致多源信息有效利用率不高。因此，低信噪比和復(fù)雜干擾條件下，面對(duì)異構(gòu)、多模態(tài)、不一致、不完備和不確定的多源信息，利用電動(dòng)汽車驅(qū)動(dòng)力矩準(zhǔn)確可知的特點(diǎn)并通過信息融合實(shí)現(xiàn)“人-車-環(huán)境”綜合態(tài)勢感知，已成為公認(rèn)的前沿課題。

1.2 信息安全

多源信息融合及移動(dòng)互聯(lián)技術(shù)的應(yīng)用提高了電動(dòng)汽車的智能化水平，但所帶來的信息安全問題也日益嚴(yán)峻，信息篡改或“黑客”入侵可造成車毀人亡的嚴(yán)重后果。為此，日本IPA（Information-technology Promotion Agency）、歐洲EVITA（E-safety Vehicle Intrusion Protected Applications）和美國SAE（Society of Automotive Engineers）相繼發(fā)布了汽車信息安全模型、V2X（vehicle to X）網(wǎng)絡(luò)安全報(bào)告和汽車信息安全標(biāo)準(zhǔn)，力圖提升車載信息安全。以IBM、哥倫比亞大學(xué)為代表的諸多機(jī)構(gòu)也對(duì)汽車信息安全框架及保護(hù)機(jī)制、汽車全生命周期的信息安全防護(hù)、汽車CAN（controller area network）總線的安全策略等進(jìn)行了研究。

這些研究大都針對(duì)傳統(tǒng)車輛架構(gòu)的信息安全，沒有考慮到智能電動(dòng)汽車的特殊性，如充電交互及遠(yuǎn)程監(jiān)控，特別是未能考慮電動(dòng)汽車在感知域、決策域、控制域方面不同智能等級(jí)的差異性。如何建立多智能級(jí)別、多域汽車信息安全模型的理論及方法，將是保障智能電動(dòng)汽車安全行駛的關(guān)鍵。

1.3 自主決策與人機(jī)共駕

車輛自主決策是電動(dòng)汽車智能化的核心，而人機(jī)共駕是智能電動(dòng)汽車個(gè)性化的基礎(chǔ)。以谷歌和斯坦福等為代表的團(tuán)隊(duì)對(duì)駕駛行為決策和路徑規(guī)劃進(jìn)行了前期研究，如駕駛決策的模式轉(zhuǎn)移模型，駕駛決策的灰關(guān)聯(lián)熵分析，利用ID3（Iterative Dichotomiser 3）分類算法的駕駛決策分類樹，基于實(shí)時(shí)局部高程地圖、可行方向角和矢量場直方圖的自主運(yùn)動(dòng)規(guī)劃等。

但上述方法偏重于特定場景，缺少道路環(huán)境和交通要素語義的認(rèn)知，不能對(duì)有限的多源異構(gòu)環(huán)境信息進(jìn)行有效認(rèn)知和理解，導(dǎo)致自動(dòng)決策的有效度不足。

人機(jī)共駕方面，目前在駕駛?cè)瞬倏匾鈭D識(shí)別、自動(dòng)駕駛干預(yù)策略、人機(jī)駕駛權(quán)分配等方面開展了多種探索性研究，典型的研究包括基于博弈論的換道駕駛意圖識(shí)別、以安全包絡(luò)為邊界的共享干預(yù)策略、以力平衡為核心的控制權(quán)重分配等。

現(xiàn)有共駕方法的研究大多停留于單一通道的交互，缺乏不同感知通道的誘導(dǎo)機(jī)制和擬人機(jī)制研究，且未能建立平衡人駕駛共性和個(gè)性化特征的駕駛權(quán)分配策略，導(dǎo)致共駕過程偏向于同質(zhì)化，對(duì)不同駕群、不同車型的適應(yīng)性嚴(yán)重不足。

1.4 動(dòng)力學(xué)控制

動(dòng)力學(xué)控制是實(shí)現(xiàn)電動(dòng)汽車智能化的關(guān)鍵環(huán)節(jié)，決定了汽車行駛的安全性、經(jīng)濟(jì)性和舒適性等基本性能。智能內(nèi)燃機(jī)車輛動(dòng)力學(xué)控制的研究重點(diǎn)聚焦于縱橫向動(dòng)力學(xué)控制：國外機(jī)構(gòu)分別從單一性能控制及執(zhí)行器容錯(cuò)控制等方面對(duì)電動(dòng)汽車的動(dòng)力學(xué)控制技術(shù)進(jìn)行研究?；谳喬?cè)偏角估計(jì)的電動(dòng)汽車橫向穩(wěn)定性控制，可有效提高車輛行駛穩(wěn)定性。預(yù)測控制方法設(shè)計(jì)了縱橫協(xié)調(diào)控制律，以提高電動(dòng)汽車行駛安全性。俄亥俄州立大學(xué)Wang等分析了電動(dòng)汽車執(zhí)行系統(tǒng)失效機(jī)理，并提出主動(dòng)容錯(cuò)調(diào)節(jié)方法。中國學(xué)者在系統(tǒng)建模與優(yōu)化控制等方面進(jìn)行了大量研究：清華大學(xué)提出了智能電動(dòng)汽車縱橫向協(xié)調(diào)與重構(gòu)控制，可保證系統(tǒng)狀態(tài)在有限時(shí)間內(nèi)收斂至平衡點(diǎn)；吉林大學(xué)探索了用于電動(dòng)汽車縱向控制的最優(yōu)滑移率辨識(shí)技術(shù)，提出基于帶遺忘因子的最小二乘法的電動(dòng)汽車縱向控制系統(tǒng)。

實(shí)際上，道路上的電動(dòng)汽車與其他車輛耦合成復(fù)雜的異質(zhì)網(wǎng)聯(lián)系統(tǒng)，電動(dòng)汽車的多車隊(duì)列化行駛有望進(jìn)一步解決現(xiàn)有充電管理局限問題，并提升交通效率、安全性和經(jīng)濟(jì)性。汽車隊(duì)列化典型項(xiàng)目如美國PATH（partners for advanced transportation technology）、歐洲ICT4EV（information communication technology for electric vehicles）、日本Energy ITS（intelligent transport systems）等，所關(guān)注的問題包括構(gòu)型優(yōu)化、分布式控制、隊(duì)列穩(wěn)定性等。例如，加州大學(xué)伯克利分校對(duì)隊(duì)列控制目標(biāo)、間距布局、任務(wù)分配等問題進(jìn)行了初探；歐洲沃爾沃實(shí)現(xiàn)了同質(zhì)車輛隊(duì)列的鎮(zhèn)定與路測；日本名古屋名城大學(xué)進(jìn)行了重卡車隊(duì)的控制器設(shè)計(jì)和實(shí)車試驗(yàn)，燃油效率提升14%；瑞典查爾姆斯理工大學(xué)提出了協(xié)同式隊(duì)列設(shè)計(jì)方法，成功應(yīng)用于GCDC（grand cooperative driving challenge）活動(dòng)。

目前，國外單車動(dòng)力學(xué)控制研究僅從單一性能進(jìn)行探討，不能實(shí)現(xiàn)多性能目標(biāo)綜合最優(yōu)，且主動(dòng)容錯(cuò)能力不能滿足行駛要求；隊(duì)列方面的研究正向包含電動(dòng)車的異質(zhì)化隊(duì)列發(fā)展，但僅局限于固定信息拓?fù)浣Y(jié)構(gòu)，尚缺乏統(tǒng)一架構(gòu)下針對(duì)電動(dòng)汽車的多車系統(tǒng)建模、性能分析與控制器設(shè)計(jì)。

2 目標(biāo)與對(duì)策分析

2.1 總體目標(biāo)

以智能電動(dòng)汽車感知、決策及控制關(guān)鍵基礎(chǔ)問題為研究重點(diǎn)，預(yù)期構(gòu)建時(shí)空協(xié)同“視聽體覺”信息融合的智能電動(dòng)汽車“人-車-環(huán)境”系統(tǒng)綜合態(tài)勢感知理論；建立智能電動(dòng)汽車信息系統(tǒng)安全模型、保障理論和防護(hù)方法；提出具備“駕駛腦”認(rèn)知的電動(dòng)車輛最優(yōu)路徑規(guī)劃與駕駛決策方法；探明人機(jī)駕駛的本質(zhì)差異與沖突機(jī)理，建立人機(jī)共駕交互理論與方法；構(gòu)建智能電動(dòng)汽車復(fù)雜機(jī)電系統(tǒng)動(dòng)力學(xué)與控制理論；建立智能電動(dòng)汽車網(wǎng)聯(lián)系統(tǒng)的統(tǒng)一動(dòng)力學(xué)模型，擴(kuò)展不確定電動(dòng)汽車隊(duì)列的魯棒鎮(zhèn)定理論。

2.2 具體對(duì)策

圍繞上述總體目標(biāo)，緊扣國內(nèi)外研究趨勢，提出智能電動(dòng)汽車研究技術(shù)路線圖。該路線圖主要包含6大研究內(nèi)容，具體闡述如下。

1）在分析信息安全理論的基礎(chǔ)上，考慮智能電動(dòng)車輛與充電設(shè)施和其他智能設(shè)備間的交互特性，搭建針對(duì)智能電動(dòng)汽車的信息系統(tǒng)安全模型，結(jié)合安全認(rèn)證鑒權(quán)機(jī)制，建立智能電動(dòng)汽車信息安全保障理論，融合車載信息漏洞檢測技術(shù)，形成汽車信息安全防護(hù)方法。

2）利用智能電動(dòng)汽車電驅(qū)動(dòng)系統(tǒng)的驅(qū)動(dòng)力矩信息準(zhǔn)確可知的特點(diǎn)，結(jié)合不完備、不一致和不確定的視聽體覺信息，基于多源信息的時(shí)空關(guān)聯(lián)機(jī)制，通過多層次深度融合，構(gòu)建擬人認(rèn)知的“人-車-環(huán)境”系統(tǒng)綜合態(tài)勢感知理論，形成智能電動(dòng)汽車綜合態(tài)勢感知方法。

3）考慮電動(dòng)車輛充電需求，結(jié)合感知層的輸出，由駕駛認(rèn)知形式化語言對(duì)其統(tǒng)一描述，構(gòu)成實(shí)時(shí)駕駛態(tài)勢圖，同時(shí)電動(dòng)汽車的SOC（State of Charge）、速度、位置及航向也映射到駕駛態(tài)勢中，形成全面反映當(dāng)前駕駛態(tài)勢的圖簇，再結(jié)合駕駛地圖、駕駛記憶棒、路徑規(guī)劃等知識(shí)，完成自主決策。

4）通過探索具有共性特征的駕駛?cè)笋{駛機(jī)理，理解人機(jī)駕駛的本質(zhì)差異，并揭示兩者的沖突機(jī)理，通過研究反映駕駛?cè)笋{駛行為模式的個(gè)性化物理表征，形成基于駕駛權(quán)分配機(jī)制的人機(jī)共駕交互理論。

5）揭示縱/橫/垂向耦合動(dòng)力學(xué)行為特征，構(gòu)建智能電動(dòng)汽車系統(tǒng)動(dòng)力學(xué)模型，提取描述智能電動(dòng)汽車行駛的特征信息，提出外界隨機(jī)干擾的魯棒抑制方法，分析面向不確定特性的線控電動(dòng)多執(zhí)行器系統(tǒng)故障診斷機(jī)理，提出自適應(yīng)主動(dòng)容錯(cuò)控制方法，研究汽車安全、舒適、節(jié)能等多性能目標(biāo)的量化方法，建立基于可行解空間的優(yōu)化代價(jià)函數(shù)，構(gòu)建具有主動(dòng)容錯(cuò)特性的安全、節(jié)能、舒適多性能目標(biāo)控制構(gòu)架。

6）考慮到電動(dòng)汽車構(gòu)型多樣化，建立適合電動(dòng)汽車隊(duì)列的通用型動(dòng)力學(xué)模型，利用多智能體一致性控制理論研究異質(zhì)隊(duì)列中穩(wěn)定性、魯棒性和可延展性，采用鄰域信息單步傳輸?shù)牟呗栽O(shè)計(jì)分布式模型預(yù)測控制器，最后利用所搭建的智能電動(dòng)汽車平臺(tái)完成多交叉口的隊(duì)列節(jié)能通行驗(yàn)證。

該技術(shù)路線設(shè)計(jì)分層次進(jìn)行技術(shù)架構(gòu)，包含了環(huán)境感知層、人機(jī)共駕層、自主決策層、動(dòng)力學(xué)與控制層、信息安全層。它明確了各層間的支撐關(guān)系，初步形成了涉及智能電動(dòng)汽車感知、決策、控制與信息安全各項(xiàng)內(nèi)容的研究體系。

3 結(jié)論

以解決智能化電動(dòng)汽車的核心問題為目標(biāo)，從綜合態(tài)勢感知、信息安全、自主決策與人機(jī)共駕、動(dòng)力學(xué)控制等方面對(duì)國際研究現(xiàn)狀與發(fā)展趨勢深入分析，制定了層次明晰、邏輯清晰、關(guān)聯(lián)明確的技術(shù)路線。其中信息防護(hù)層保障了其他層次的信息交互；環(huán)境感知層的成果為決策與控制等提供了“人-車-環(huán)境”綜合信息支撐；人機(jī)共駕與決策的路徑規(guī)劃研究確定了上層動(dòng)力學(xué)控制目標(biāo)；動(dòng)力學(xué)控制層通過建立一種多性能的目標(biāo)控制體系構(gòu)架，為網(wǎng)聯(lián)化層的智能電動(dòng)汽車隊(duì)列行駛研究提供支撐。本路線針對(duì)層次內(nèi)部，還闡述了其中的難點(diǎn)問題、關(guān)鍵技術(shù)的解決方法及研究內(nèi)容的推進(jìn)關(guān)系。相應(yīng)地，合理互補(bǔ)的支撐邏輯關(guān)系與研究框架也說明了該技術(shù)路線具有較強(qiáng)的可行性。?

【作者單位：清華大學(xué)汽車安全與節(jié)能國家重點(diǎn)實(shí)驗(yàn)室】

（摘自《科技導(dǎo)報(bào)》2017年第14期）