先進(jìn)的自動(dòng)駕駛數(shù)據(jù)采集與存儲(chǔ)技術(shù)研究綜述*

趙浩源 劉金來(lái) 禹梓浩 武濤 孫天駿,2

（1.吉林大學(xué)，長(zhǎng)春 130022；2.吉林大學(xué)，汽車仿真與控制國(guó)家重點(diǎn)實(shí)驗(yàn)室，長(zhǎng)春 130022）

主題詞：自動(dòng)駕駛 數(shù)據(jù)采集 數(shù)據(jù)存儲(chǔ) 影子模式

1 前言

汽車行駛過(guò)程中的數(shù)據(jù)采集技術(shù)當(dāng)前已不陌生，從行車記錄儀的使用開始，已經(jīng)實(shí)現(xiàn)了一段時(shí)間內(nèi)視頻數(shù)據(jù)的記錄。隨著汽車自動(dòng)駕駛功能的不斷完善與城市道路交通環(huán)境的愈發(fā)復(fù)雜，單純的視頻數(shù)據(jù)大多只作為交通事故責(zé)任劃分的依據(jù)，而不能為智能汽車自動(dòng)駕駛功能的完善提供更多、更有效的信息[1-2]。如何高效地找到問(wèn)題、精準(zhǔn)地定位問(wèn)題并合理地解決問(wèn)題成為制約下一代自動(dòng)駕駛技術(shù)發(fā)展的難題。

先進(jìn)的自動(dòng)駕駛數(shù)據(jù)采集與存儲(chǔ)技術(shù)將有效解決這一問(wèn)題。目前，先進(jìn)的數(shù)據(jù)采集技術(shù)一般分為交通場(chǎng)景數(shù)據(jù)采集和駕駛行為數(shù)據(jù)采集。對(duì)于交通場(chǎng)景數(shù)據(jù)的收集，現(xiàn)有方案主要是將激光雷達(dá)、毫米波雷達(dá)、先進(jìn)的視覺攝像頭和全球?qū)Ш叫l(wèi)星系統(tǒng)（Global Navigation Satellite System，GNSS）等多套傳感器系統(tǒng)組合使用；對(duì)于駕駛行為數(shù)據(jù)的采集，現(xiàn)有方案主要基于車載設(shè)備和移動(dòng)設(shè)備開展，同時(shí)需要大量的傳感器配合。因此，傳感器已成為自動(dòng)駕駛系統(tǒng)數(shù)據(jù)采集的窗口。

自動(dòng)駕駛汽車用于數(shù)據(jù)獲取的傳感器一般分為外部傳感器和本體傳感器。外部傳感器包括攝像頭、激光雷達(dá)和毫米波雷達(dá)等，其功能是觀察、檢測(cè)和識(shí)別車輛行駛過(guò)程中的障礙物、道路、車輛和行人等；本體傳感器包括輪速編碼器、轉(zhuǎn)速計(jì)、慣導(dǎo)定位系統(tǒng)等，功能是記錄車輛自身的行駛狀態(tài)信息，可以通過(guò)車輛CAN 總線訪問(wèn)。自動(dòng)駕駛汽車要實(shí)現(xiàn)安全有效的自主行為決策與運(yùn)動(dòng)控制，需要對(duì)交通環(huán)境進(jìn)行精確識(shí)別與準(zhǔn)確理解，在此過(guò)程中，各類傳感器利用自身優(yōu)勢(shì)取長(zhǎng)補(bǔ)短、相互配合，以提供精確的環(huán)境數(shù)據(jù)[3]。為使自動(dòng)駕駛系統(tǒng)對(duì)環(huán)境工況完全識(shí)別并作出正確判斷，現(xiàn)有的主要解決方案為在硬件層面上進(jìn)行堆疊，而自動(dòng)駕駛數(shù)據(jù)采集系統(tǒng)所需記錄的數(shù)據(jù)量也隨之增長(zhǎng)。

然而，考慮到當(dāng)前的自動(dòng)駕駛系統(tǒng)無(wú)法處理實(shí)際交通場(chǎng)景中的全部工況，一旦自動(dòng)駕駛汽車發(fā)生事故，研究人員需要保留記錄以便回溯整個(gè)過(guò)程，包括事故發(fā)生時(shí)的行駛環(huán)境視頻、車輛行駛狀態(tài)以及駕駛員實(shí)際操控指令等，這些重要的信息將幫助研究人員快速、精確地分析事故發(fā)生的原因。更重要的是，測(cè)試驗(yàn)證及后續(xù)路試過(guò)程中出現(xiàn)的每個(gè)事件都能在一定時(shí)間內(nèi)回溯[4-5]。

而進(jìn)行自動(dòng)駕駛功能測(cè)試時(shí)，絕大多數(shù)研發(fā)機(jī)構(gòu)仍堅(jiān)持選擇“人工標(biāo)定”的方法，即除駕駛員外，另外配備一名輔助測(cè)試人員坐在副駕駛位置記錄每次駕駛員介入自動(dòng)駕駛系統(tǒng)并接管車輛控制權(quán)時(shí)的行駛環(huán)境，標(biāo)記為當(dāng)前算法無(wú)法有效處理的工況。這樣，研究人員逐漸形成一種類似人工標(biāo)定異常工況（指自動(dòng)駕駛算法無(wú)法有效處理的工況）的技術(shù)流程，但實(shí)際標(biāo)定過(guò)程所需的人力成本與時(shí)間成本無(wú)疑是巨大的，“人-車”控制指令之間的偏差已成為表征數(shù)據(jù)是否有價(jià)值的關(guān)鍵，也將為下一代自動(dòng)駕駛汽車擬人智能化決策與控制算法開發(fā)提供重要理論依據(jù)與數(shù)據(jù)支撐。

2 先進(jìn)的數(shù)據(jù)采集技術(shù)

以L3、L4級(jí)自動(dòng)駕駛汽車為例，其所需記錄的信息主要分為交通場(chǎng)景信息和駕駛行為信息兩類[6]，包括車輛行駛狀態(tài)數(shù)據(jù)、道路交通環(huán)境數(shù)據(jù)、駕駛員操控行為數(shù)據(jù)、自動(dòng)駕駛狀態(tài)數(shù)據(jù)、執(zhí)行器狀態(tài)數(shù)據(jù)等，相關(guān)的輸入、輸出和中間控制模塊如圖1所示。

圖1 控制執(zhí)行模塊

2.1 交通場(chǎng)景數(shù)據(jù)采集

交通場(chǎng)景是指車輛在參與道路交通過(guò)程中所處的場(chǎng)景，它是無(wú)人駕駛算法開發(fā)和測(cè)試的基礎(chǔ)，也是算法落地應(yīng)用的具體情境[7-8]。針對(duì)交通場(chǎng)景數(shù)據(jù)的采集，現(xiàn)有方案主要將毫米波雷達(dá)、激光雷達(dá)、超聲波雷達(dá)和攝像頭等多套傳感器系統(tǒng)組合使用[9-10]。

毫米波雷達(dá)是高級(jí)駕駛輔助系統(tǒng)的核心傳感器，其探測(cè)性能較穩(wěn)定，作用距離較長(zhǎng)，但成本較高、識(shí)別行人較困難[11-13]。激光雷達(dá)是L3、L4級(jí)自動(dòng)駕駛環(huán)境感知系統(tǒng)中的關(guān)鍵傳感器，其感知距離較遠(yuǎn)、覆蓋范圍廣、掃描時(shí)間短、探測(cè)精度較高，能夠?qū)崟r(shí)進(jìn)行3D 建模[14-16]。超聲波雷達(dá)成本較低，能實(shí)現(xiàn)高精度、短距離測(cè)量[17-19]。攝像頭主要通過(guò)鏡頭和圖像傳感器實(shí)現(xiàn)圖像信息的采集功能，可實(shí)現(xiàn)360°視覺感知，并彌補(bǔ)雷達(dá)在物體識(shí)別上的缺陷，是最接近人類視覺的傳感器。

2.1.1 特斯拉傳感器配置方案

特斯拉（Tesla）的傳感器配置方案如圖2所示，每輛車均配有8個(gè)攝像頭、1個(gè)毫米波雷達(dá)和12個(gè)超聲波雷達(dá)。

圖2 特斯拉傳感器配置

在車輛的前風(fēng)窗玻璃內(nèi)側(cè)有3個(gè)攝像頭，分別為前視寬視野（超廣角）攝像頭、前視主視野（主）攝像頭和前視窄視野（長(zhǎng)焦）攝像頭。超廣角攝像頭視野較寬，能夠拍攝到交通信號(hào)燈、障礙物以及車輛周圍距離較近的物體，適用于城市街道或低速緩行的場(chǎng)景；主攝像頭可覆蓋大部分交通場(chǎng)景；長(zhǎng)焦攝像頭視野較窄，但探測(cè)距離足夠遠(yuǎn)，可以清晰地拍攝到遠(yuǎn)距離物體，適用于高速行駛的場(chǎng)景。在車輛的左、右側(cè)B柱內(nèi)各有1個(gè)側(cè)方前視攝像頭，視野范圍90°，能夠精準(zhǔn)判定加塞車輛，在進(jìn)入視野盲區(qū)較大的十字路口時(shí)，也能監(jiān)測(cè)到更多場(chǎng)景。在車輛的前輪后方，左、右側(cè)各有2個(gè)側(cè)方后視攝像頭，用于檢測(cè)車輛后方盲區(qū)。在車輛尾部裝有1 個(gè)后視攝像頭，用于復(fù)雜的泊車場(chǎng)景[20-22]。攝像頭成像的動(dòng)態(tài)效果如圖3所示。

圖3 特斯拉攝像頭成像動(dòng)態(tài)效果

車輛毫米波雷達(dá)的探測(cè)角度與長(zhǎng)焦攝像頭基本相同，但毫米波雷達(dá)的特定波長(zhǎng)使其在雨、霧、雪等天氣條件下均能判斷距離，識(shí)別前方車輛下方空間，從而彌補(bǔ)視覺傳感器的不足。超聲波雷達(dá)可以探測(cè)強(qiáng)行并道的車輛，并可在泊車時(shí)判斷距離[23]。

通過(guò)特斯拉車主手冊(cè)、隱私聲明等渠道的調(diào)查發(fā)現(xiàn)，該車輛利用3 個(gè)系統(tǒng)進(jìn)行車輛數(shù)據(jù)的整合，即事件數(shù)據(jù)記錄（Event Data Recorder，EDR）系統(tǒng)、車輛遠(yuǎn)程信息系統(tǒng)以及完全自動(dòng)駕駛（Full Self-Driving，F(xiàn)SD）計(jì)算平臺(tái)。其中，EDR系統(tǒng)在Model S、Model X和Model 3車型中均進(jìn)行了配置，在正常行駛時(shí)，EDR系統(tǒng)不會(huì)記錄數(shù)據(jù)，當(dāng)系統(tǒng)檢測(cè)到碰撞發(fā)生或類似碰撞的情況（如撞擊道路障礙物）時(shí)，EDR系統(tǒng)才會(huì)記錄與車輛動(dòng)力學(xué)和安全系統(tǒng)相關(guān)的數(shù)據(jù)，主要包括車輛各系統(tǒng)的工作狀況（電機(jī)轉(zhuǎn)速、橫向加速度、縱向加速度、轉(zhuǎn)向盤轉(zhuǎn)角、橫擺角速度、橫滾角速度等），駕駛員、前排乘員安全帶是否系好，駕駛員踩下加速、制動(dòng)踏板的情況以及車速，便于事故發(fā)生后的責(zé)任認(rèn)定。

車輛遠(yuǎn)程信息系統(tǒng)可以收集更完整的行車數(shù)據(jù)。其中，電機(jī)、自動(dòng)輔助駕駛（Autopilot）組件、電池、制動(dòng)、電氣系統(tǒng)內(nèi)的電子模塊會(huì)記錄駕駛過(guò)程中的各種駕駛狀況和行車情況，主要包括制動(dòng)、加速、旅程信息和其他行車信息。同時(shí)，車輛充電情況（狀態(tài)、時(shí)間）、啟用/禁用各系統(tǒng)、診斷故障代碼、車輛識(shí)別代碼（Vehicle Identification Number，VIN）、車速，行車方向和地點(diǎn)也會(huì)被記錄。相比于EDR 系統(tǒng)收集的數(shù)據(jù)，車輛遠(yuǎn)程信息系統(tǒng)所收集的數(shù)據(jù)更加敏感，同時(shí)，可訪問(wèn)這些數(shù)據(jù)的人員范圍更廣。例如，在車輛的維修過(guò)程中，特斯拉工程師可以訪問(wèn)、使用、存儲(chǔ)這些數(shù)據(jù)，車載遠(yuǎn)程信息系統(tǒng)也會(huì)將數(shù)據(jù)定期無(wú)線傳送至特斯拉總部。擁有這些數(shù)據(jù)后，特斯拉將為車主提供遠(yuǎn)程信息服務(wù)等。另外，除車主或租賃公司同意/贊成、警方的正式要求、為特斯拉辯護(hù)、法庭下令、用于研究目的（不會(huì)泄露車主身份信息）、向下屬公司或其信息系統(tǒng)及數(shù)據(jù)管理提供者披露6個(gè)因素外，特斯拉承諾不會(huì)向任何第三方泄漏車輛的記錄數(shù)據(jù)[24-26]。

如表1所示，縱觀特斯拉自動(dòng)駕駛硬件處理平臺(tái)的發(fā)展歷程，最值得一提的是其于2019年3月自主研發(fā)并于2020年10月升級(jí)迭代的FSD計(jì)算平臺(tái)。

表1 特斯拉自動(dòng)駕駛硬件平臺(tái)升級(jí)歷程

Tesla自主研發(fā)的FSD芯片采用三星14 nm工藝，面積為260 mm2，封裝了約60×108個(gè)晶體管，集成了12 工作頻率為2.2 GHz 的Cortex-A72 內(nèi)核、1 個(gè)工作頻率為2 GHz 的MAli G71 MP12 圖形處理器（Graphics Processing Unit，GPU）、2 個(gè)工作頻率為2 GHz 的神經(jīng)處理單元（Neural Processing Unit，NPU）以及各種硬件加速器，同時(shí)支持單、雙精度的浮點(diǎn)運(yùn)算。在相機(jī)接口方面，F(xiàn)SD 芯片具有1 個(gè)攝像頭串行接口（Camera Serial Interface，CSI），該接口能夠進(jìn)行每秒高達(dá)25×108像素的處理；在視頻編碼器方面，F(xiàn)SD 芯片集成了H.265（高效率視頻編碼，HEVC）視頻編碼器，可用于攝像頭顯示、行車記錄儀和云剪輯記錄等；在圖像信號(hào)處理器方面，F(xiàn)SD 芯片集成了內(nèi)部帶有24 bit 流水線的信號(hào)處理器（Image Signal Processor，ISP），每秒能夠處理10×108像素，同時(shí)具有降噪能力；在神經(jīng)處理單元方面，F(xiàn)SD芯片集成了2個(gè)定制的NPU，每個(gè)NPU都封裝了32 MB的靜態(tài)隨機(jī)存取存儲(chǔ)器（Static Random-Access Memory，SRAM）用于存儲(chǔ)臨時(shí)數(shù)據(jù)。另外，F(xiàn)SD芯片具有專用的神經(jīng)網(wǎng)絡(luò)處理器，算力強(qiáng)大（每秒鐘可處理144×1012次操作）；配有雙獨(dú)立電源，確保安全冗余；水冷設(shè)計(jì)，散熱好（全球首例）。

在FSD 硬件計(jì)算平臺(tái)基礎(chǔ)上，特斯拉在軟件升級(jí)中基于鳥瞰圖（Birdview）映射網(wǎng)絡(luò)及循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network，RNN）遮擋處理技術(shù)增加了深度預(yù)測(cè)和時(shí)間預(yù)測(cè)，實(shí)現(xiàn)了識(shí)別畫面從2.5D到4D的變革，主要體現(xiàn)在無(wú)高精度地圖、無(wú)激光雷達(dá)的條件下僅憑視覺，利用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)代替激光雷達(dá)來(lái)確定物體深度及實(shí)現(xiàn)交叉路口預(yù)測(cè)，如圖4、圖5所示。

圖4 基于FSD Beta的視覺檢測(cè)

圖5 基于RNN及時(shí)間預(yù)測(cè)的交叉口預(yù)測(cè)

特斯拉FSD Beta 版的更新說(shuō)明中指出：新的功能可以使車輛在離開高速路的情況下自動(dòng)變道，并根據(jù)導(dǎo)航路線行駛，在路口實(shí)現(xiàn)自動(dòng)轉(zhuǎn)彎。然而，特斯拉FSD 之所以能夠?qū)崿F(xiàn)這些新功能，關(guān)鍵在于其人工智能（Artificial Intelligence，AI）團(tuán)隊(duì)正在開發(fā)的DOJO 超級(jí)訓(xùn)練計(jì)算機(jī)。DOJO 能夠處理大量的視頻訓(xùn)練數(shù)據(jù)，并能夠高效地運(yùn)行帶有超大量參數(shù)的超空間陣列。DOJO能夠從視頻中自主地學(xué)習(xí)和識(shí)別先前未被定義或未被標(biāo)記的信息，如行人、動(dòng)物、坑洼地段等，進(jìn)而可以大幅提高訓(xùn)練速度和效率。因此，無(wú)論在白天或夜晚，特斯拉FSD Beta 在任何路況下都會(huì)以標(biāo)記大量“點(diǎn)”的方式來(lái)構(gòu)建附近的“實(shí)時(shí)三維地圖”，連續(xù)的“點(diǎn)”構(gòu)成線和面，附近一切靜止和運(yùn)動(dòng)的目標(biāo)則會(huì)一目了然。

2.1.2 奧迪傳感器配置方案

2019 年，奧迪（Audi）公司推出的奧迪A8 車系搭載了交通擁堵導(dǎo)航（Traffic Jam Pilot）系統(tǒng)，這是全球首款搭載L3級(jí)別自動(dòng)駕駛技術(shù)的車型[27]。利用前向攝像頭以及處理芯片Eye Q3，該車可以實(shí)現(xiàn)多車道線識(shí)別；利用長(zhǎng)距離、中距離毫米波雷達(dá)可以實(shí)現(xiàn)車輛及護(hù)欄的檢測(cè)。激光雷達(dá)與毫米波雷達(dá)傳入自動(dòng)駕駛系統(tǒng)的信息不同，是由多條線段組成的一個(gè)面。有了面狀信息，系統(tǒng)即可精確地判斷自身車輛與周圍障礙物的位置關(guān)系，進(jìn)而進(jìn)行精確的控制[28]。其系統(tǒng)主要架構(gòu)如表2所示。

表2 奧迪A8交通擁堵導(dǎo)航系統(tǒng)主要架構(gòu)

2.1.3 谷歌傳感器配置方案

谷歌公司在其改裝的捷豹I-Paces自動(dòng)駕駛車型中配備了第五代傳感器系統(tǒng)，該系統(tǒng)可以實(shí)現(xiàn)L3 級(jí)別的自動(dòng)駕駛，包括激光雷達(dá)系統(tǒng)、視覺系統(tǒng)、雷達(dá)系統(tǒng)和補(bǔ)充傳感系統(tǒng)[29]。車頂使用1臺(tái)高性能中遠(yuǎn)距離激光雷達(dá)傳感器，將其與一組具有360°視野的立體攝像頭整合在同一個(gè)整流罩下，同時(shí)配備了4 個(gè)近距離激光雷達(dá)，分布在前、后車牌以及車前輪輪拱處協(xié)助處理盲區(qū)，并且各增加了1個(gè)攝像頭與其進(jìn)行配合。在6個(gè)毫米波雷達(dá)中，4 個(gè)安裝在車頂四角與車身成45°夾角、2 個(gè)安裝在車前輪輪拱處與車身平行探測(cè)十字路口側(cè)向來(lái)車情況，也可探測(cè)側(cè)向車道的車輛和行人，以便于變道決策。毫米波雷達(dá)中的天線罩、天線、電路板、機(jī)械外殼、固件、軟件等均為慧摩（Waymo）自研。全車29個(gè)攝像頭能最大程度地降低光照條件和極端天氣的影響，輪拱處的攝像頭可緊盯靠近車輛的異物，車頂前方安裝了一組麥克風(fēng)陣列，用于對(duì)聲音進(jìn)行收集。除了以上傳感器，車上還裝有GPS 接收機(jī)、即慣性測(cè)量單元（Inertial Measurement Unit，IMU）等傳感器用于實(shí)現(xiàn)整車定位，幫助車輛更加安全、穩(wěn)定地運(yùn)行[30]。其傳感器配置發(fā)展歷程如表3 所示。

表3 慧摩（Waymo）傳感器配置發(fā)展歷程

2.1.4 華為傳感器配置方案

極狐阿爾法S華為HI 版搭載了華為提供的全套高階自動(dòng)駕駛解決方案，配備了3個(gè)激光雷達(dá)（左前、右前及中間）、13個(gè)攝像頭、6個(gè)毫米波雷達(dá)、1個(gè)車頂慣性導(dǎo)航系統(tǒng)和1個(gè)域控制器[31]。該車型配備的車規(guī)級(jí)高性能激光雷達(dá)產(chǎn)品選擇了華為自主設(shè)計(jì)、開發(fā)的96 線中長(zhǎng)距激光雷達(dá)產(chǎn)品，能實(shí)現(xiàn)對(duì)城區(qū)行人、車輛的檢測(cè)覆蓋，并兼具高速車輛檢測(cè)能力[32-33]。華為自動(dòng)駕駛?cè)珬＝鉀Q方案（Autonomous Driving Solution，ADS）系統(tǒng)架構(gòu)如表4所示。

表4 華為ADS自動(dòng)駕駛系統(tǒng)

2.1.5 理想傳感器配置方案

理想在2020年發(fā)售的理想ONE車型上搭載了1個(gè)ADS 攝像頭、4 個(gè)環(huán)視攝像頭、1 個(gè)毫米波雷達(dá)和12 個(gè)超聲波雷達(dá)，并在2021 年發(fā)售的理想ONE 車型上新增了4 個(gè)毫米波雷達(dá)，同時(shí)其前視攝像頭升級(jí)成了一個(gè)800 萬(wàn)像素/120°視角的感知攝像頭[34]。2023 年推出的理想L7 車型上的AD Max 輔助駕駛系統(tǒng)搭載了1 個(gè)激光雷達(dá)、6 個(gè)800 萬(wàn)像素?cái)z像頭、5 個(gè)200 萬(wàn)像素?cái)z像頭、1個(gè)毫米波雷達(dá)和12個(gè)超聲波傳感器。

如表5 所示，對(duì)比近年理想車型，理想L 系列強(qiáng)化了依賴攝像頭的視覺感知。

表5 理想部分車型傳感器配置變化對(duì)比 個(gè)

2.1.6 蔚來(lái)傳感器配置方案

蔚來(lái)?yè)碛形祦?lái)自動(dòng)輔助駕駛（NIO Pilot）系統(tǒng)和蔚來(lái)自動(dòng)駕駛（NIO Autonomous Driving，NAD）系統(tǒng)2種自動(dòng)駕駛系統(tǒng)[35]。NIO Pilot 系統(tǒng)由3 個(gè)ADS 攝像頭、4 個(gè)環(huán)視攝像頭、5 個(gè)毫米波雷達(dá)、12 個(gè)超聲波雷達(dá)和1 個(gè)駕駛員監(jiān)控系統(tǒng)（Driver Monitor System，DMS）攝像頭組成[36]。3 個(gè)ADS 攝像頭組成一個(gè)三目攝像頭，主要可以實(shí)現(xiàn)道路標(biāo)志識(shí)別、遠(yuǎn)近光自動(dòng)控制、車道偏離預(yù)警、車道自動(dòng)保持、緊急制動(dòng)輔助、前向碰撞預(yù)警等功能。5個(gè)毫米波雷達(dá)包括1個(gè)前置長(zhǎng)距離雷達(dá)和4個(gè)角雷達(dá)，主要可以實(shí)現(xiàn)車道變換預(yù)警、車輛盲點(diǎn)監(jiān)控、側(cè)方開門預(yù)警、前向來(lái)車預(yù)警、后向來(lái)車預(yù)警等功能。相較于NIO Pilot系統(tǒng)，NAD系統(tǒng)的感知解決方案AQUILA超感知系統(tǒng)則更加完善。在前置攝像頭方面，NAD 系統(tǒng)采用2 個(gè)ADS 前視攝像頭、2 個(gè)側(cè)前視攝像頭（瞭望塔式布局）和1 個(gè)前置激光雷達(dá)，完全能夠覆蓋NIO Pilot 系統(tǒng)采用三目攝像頭情況下的視野探測(cè)范圍。此外，NAD 系統(tǒng)還增加了1 個(gè)前置激光雷達(dá)和蜂窩車聯(lián)網(wǎng)（Cellular Vehicle-to-Everything，C-V2X）通信模塊。這些硬件布局的完善使得自動(dòng)駕駛更加智能化。2 個(gè)系統(tǒng)的主要傳感器配置如表6所示。

表6 蔚來(lái)NIO Pilot系統(tǒng)與NAD系統(tǒng)對(duì)比

為使自動(dòng)駕駛系統(tǒng)能夠應(yīng)對(duì)外部環(huán)境的多變性和復(fù)雜性，現(xiàn)有的解決方案主要在硬件層面進(jìn)行堆疊，通過(guò)添加冗余的傳感器確保對(duì)場(chǎng)景進(jìn)行完整復(fù)現(xiàn)。如上文所述，特斯拉、蔚來(lái)等整車制造商均采用了比普通ADAS 系統(tǒng)更多的攝像頭進(jìn)行環(huán)境感知，其主要目的是保證無(wú)死角地采集數(shù)據(jù)，全方位還原交通場(chǎng)景。但與此同時(shí)，這些冗余的高精度傳感器也產(chǎn)生了更多高噪聲、低質(zhì)量的數(shù)據(jù)，為后續(xù)的數(shù)據(jù)存儲(chǔ)及處理帶來(lái)了挑戰(zhàn)。

2.2 駕駛行為數(shù)據(jù)采集

駕駛行為數(shù)據(jù)包括車輛在行駛過(guò)程中的各項(xiàng)狀態(tài)參數(shù)和駕駛員的操作行為，這些駕駛行為數(shù)據(jù)在算法的驗(yàn)證和測(cè)試階段可發(fā)揮重要作用。例如，當(dāng)同向車道車輛意圖換道時(shí)，由于環(huán)境中的強(qiáng)光或?qū)Ψ今{駛員不開啟轉(zhuǎn)向燈，導(dǎo)致外部環(huán)境感知的結(jié)果是同向車輛在正常直行，智能駕駛算法可能對(duì)此作出誤判。但是，如果有人類駕駛員介入車輛換道場(chǎng)景，通過(guò)采集人類駕駛員的駕駛行為數(shù)據(jù)，即可用人類駕駛員的操作行為數(shù)據(jù)和算法模擬出的操作行為數(shù)據(jù)進(jìn)行對(duì)比，進(jìn)而驗(yàn)證算法的合理性并進(jìn)一步優(yōu)化算法。

駕駛行為數(shù)據(jù)采集系統(tǒng)可分為基于移動(dòng)設(shè)備的駕駛行為數(shù)據(jù)采集系統(tǒng)和基于車載設(shè)備的駕駛行為數(shù)據(jù)采集系統(tǒng)[37]。當(dāng)下廣泛使用的智能手機(jī)均安裝有高精度運(yùn)動(dòng)傳感器和全球定位系統(tǒng)，充分利用這些已有傳感器可以大幅降低數(shù)據(jù)采集的成本，并能獲取大量較高精度的車輛位置、速度和加速度等信息[38-40]。使用車載設(shè)備采集駕駛行為數(shù)據(jù)，可以獲取種類更多的數(shù)據(jù)，如駕駛員眼動(dòng)信息、心電信息和環(huán)境視頻信息等，車載設(shè)備同時(shí)兼具采樣頻率高、測(cè)量誤差低等優(yōu)點(diǎn)[41-43]。

目前已公開的駕駛行為數(shù)據(jù)集有2 個(gè)[44]：州立農(nóng)業(yè)公司分心駕駛員數(shù)據(jù)集（State Farm’s Distracted Driver Dataset）和開羅美國(guó)大學(xué)分心駕駛員（AUC Distracted Driver）數(shù)據(jù)集。前者[45]是一個(gè)關(guān)于駕駛姿勢(shì)分類的數(shù)據(jù)集（用以檢測(cè)駕駛員的駕駛行為），由State Farm 公司發(fā)布，通過(guò)將2D 攝像機(jī)固定在乘員頭頂?shù)姆鍪稚线M(jìn)行數(shù)據(jù)采集，分類好的圖像數(shù)量高達(dá)22 424 張；后者[46]是開羅美國(guó)大學(xué)仿照前者所創(chuàng)建的，主要收集駕駛員分心時(shí)的駕駛動(dòng)作，通過(guò)華碩ZenPhone（型號(hào)Z00UD）手機(jī)進(jìn)行數(shù)據(jù)收集，目前共包含17 307張圖像。

除上述2種公開的駕駛行為數(shù)據(jù)集外，國(guó)內(nèi)的東南大學(xué)也建立了類似的數(shù)據(jù)集[47]，不過(guò)只包含了4類駕駛動(dòng)作，普遍性較低且尚未公開。

2.2.1 基于車載設(shè)備的駕駛行為數(shù)據(jù)感知

基于車載設(shè)備的駕駛行為數(shù)據(jù)感知過(guò)程是指在某一時(shí)間段內(nèi)，車載傳感器對(duì)車輛自身的狀態(tài)進(jìn)行感知，然后數(shù)據(jù)采集系統(tǒng)進(jìn)行數(shù)據(jù)采集[48]，這些數(shù)據(jù)包括但不限于行駛過(guò)程中車輛的加速度、輪轂轉(zhuǎn)動(dòng)的角速度、油箱液位等車輛最基本的信息，反映了車輛在當(dāng)前工況下的基本狀態(tài)。同時(shí)，這些信息也可以反映駕駛員的駕駛行為和習(xí)慣，例如，通過(guò)一段時(shí)間內(nèi)的車速變化可以推測(cè)駕駛員的駕駛行為是激進(jìn)還是保守。

車載環(huán)境感知傳感器系統(tǒng)主要分布于汽車的動(dòng)力總成、底盤和車身。其中，車身傳感器覆蓋范圍很廣，任何不應(yīng)用在動(dòng)力總成和底盤上的傳感器都可歸類為車身傳感器[49]。相較于激光雷達(dá)、毫米波雷達(dá)、超聲波雷達(dá)等較為精確的新型傳感器[50]，動(dòng)力總成、底盤和車身傳感器則可視為傳統(tǒng)傳感器，相應(yīng)分類與工作原理如表7所示。

表7 傳統(tǒng)傳感器種類及應(yīng)用原理

傳感器收集車身數(shù)據(jù)后發(fā)送給電控系統(tǒng)，電控系統(tǒng)對(duì)數(shù)據(jù)進(jìn)行處理，最終實(shí)現(xiàn)對(duì)駕駛員駕駛信息的完整收集。

基于車載設(shè)備的駕駛行為數(shù)據(jù)獲取主要流程如圖6所示：駕駛員的駕駛行為被車載傳感器感知；數(shù)據(jù)采集系統(tǒng)記錄傳感器采集到的數(shù)據(jù)。由于初始數(shù)據(jù)量龐大，數(shù)據(jù)采集系統(tǒng)往往需要對(duì)采集到的冗余數(shù)據(jù)進(jìn)行刪除，保留可用的數(shù)據(jù)供自動(dòng)駕駛算法或研究人員使用[51]。

圖6 駕駛行為數(shù)據(jù)獲取流程

為研究駕駛員的行為中與碰撞風(fēng)險(xiǎn)相關(guān)的因素，弗吉尼亞理工運(yùn)輸研究所（Virginia Tech Transportation Institute，VTTI）為其試驗(yàn)車輛配備攝像頭、雷達(dá)等傳感器來(lái)自動(dòng)和連續(xù)地收集駕駛參數(shù)，包括速度、碰撞時(shí)間、位置、加速度和眼睛瞥視行為。在自然駕駛研究領(lǐng)域，Lee 等為了研究青少年新手駕駛員和成年有經(jīng)驗(yàn)的駕駛員的駕駛碰撞事故率，在車輛上裝配了數(shù)據(jù)采集系統(tǒng)（Data Acquisition System，DAS），采集駕駛員駕駛過(guò)程中的視頻和運(yùn)動(dòng)傳感器的數(shù)據(jù)[52]。

2.2.2 基于移動(dòng)設(shè)備的駕駛行為數(shù)據(jù)感知

基于移動(dòng)設(shè)備的駕駛行為感知主要是利用手機(jī)等智能移動(dòng)設(shè)備自帶的傳感器實(shí)現(xiàn)對(duì)駕駛員駕駛行為信息的采集。該類設(shè)備通過(guò)GPS模塊采集駕駛行為數(shù)據(jù)，并通過(guò)網(wǎng)絡(luò)上傳到云端。此類數(shù)據(jù)采集方式速度快、頻率高、參與人員廣泛。

目前可利用的移動(dòng)設(shè)備傳感器分為2類。第1類是大多數(shù)智能手機(jī)中自帶的運(yùn)動(dòng)傳感器，包括利用加速度計(jì)測(cè)量汽車速度或加速度來(lái)記錄汽車縱向行駛的數(shù)據(jù)、利用陀螺儀測(cè)量汽車角速度來(lái)記錄汽車橫向行駛的數(shù)據(jù)，或者利用磁力計(jì)（如指南針）分辨汽車行駛方向與確定駕駛路況，相應(yīng)流程如圖7所示。

圖7 手機(jī)數(shù)據(jù)收集處理方案

第2類是位置傳感器，如常用于室外環(huán)境的GPS和其他基于網(wǎng)絡(luò)的位置服務(wù)，利用車載GPS接收機(jī)或手機(jī)自帶的位置服務(wù)模塊獲取車輛的軌跡信息，進(jìn)而計(jì)算車輛的行駛速度、加速度和轉(zhuǎn)彎信息等[53]。這些傳感器與自動(dòng)駕駛系統(tǒng)相互配合，對(duì)駕駛行為數(shù)據(jù)進(jìn)行分析收集，得益于相應(yīng)的傳感器與GPS 定位功能，智能手機(jī)已成為收集和處理汽車移動(dòng)感知數(shù)據(jù)的有效工具。

但利用智能手機(jī)進(jìn)行駕駛行為數(shù)據(jù)的收集也有十分明顯的缺點(diǎn)：首先，大多數(shù)智能手機(jī)中自帶的運(yùn)動(dòng)傳感器精度較低，所以收集的數(shù)據(jù)噪聲較大；其次，參與數(shù)據(jù)收集的人員十分廣泛，存在駕駛?cè)藛T職業(yè)與習(xí)慣多樣性的問(wèn)題，數(shù)據(jù)總體的不確定性較強(qiáng)[54]，數(shù)據(jù)量也十分龐大且冗雜。因此，如何有效處理采集的車載傳感器數(shù)據(jù)將成為基于移動(dòng)設(shè)備的駕駛行為數(shù)據(jù)采集技術(shù)開發(fā)的關(guān)鍵。

3 自動(dòng)駕駛數(shù)據(jù)記錄系統(tǒng)

隨著自動(dòng)駕駛技術(shù)的不斷發(fā)展，車輛上所搭載的各種傳感器、控制設(shè)備與感知設(shè)備的數(shù)量愈發(fā)龐大，自動(dòng)駕駛的軟件愈加復(fù)雜化，事故分析所需數(shù)據(jù)越來(lái)越多。此時(shí)，先進(jìn)的自動(dòng)駕駛數(shù)據(jù)記錄與存儲(chǔ)技術(shù)顯得極為重要。數(shù)據(jù)記錄系統(tǒng)可以幫助進(jìn)行數(shù)據(jù)重建，這些數(shù)據(jù)不但能作為還原事故現(xiàn)場(chǎng)的依據(jù)，還能為自動(dòng)駕駛系統(tǒng)的升級(jí)提供數(shù)據(jù)支撐[55-57]。

3.1 汽車事件數(shù)據(jù)記錄系統(tǒng)

汽車EDR系統(tǒng)是由1個(gè)或多個(gè)車載電子模塊構(gòu)成，具有監(jiān)測(cè)、采集并記錄碰撞事件發(fā)生前、發(fā)生時(shí)和發(fā)生后車輛和乘員保護(hù)系統(tǒng)的數(shù)據(jù)功能的裝置或系統(tǒng)[58]。

EDR 系統(tǒng)一般會(huì)記錄如下信息：碰撞發(fā)生前汽車的動(dòng)力學(xué)數(shù)據(jù)和系統(tǒng)的狀態(tài)信息；駕駛?cè)溯斎胄畔ⅲ慌鲎舶l(fā)生信息；乘員約束裝置使用/關(guān)閉狀態(tài)信息；碰撞后數(shù)據(jù)，如碰撞自動(dòng)求助（Automatic Collision Notification，ACN）系統(tǒng)啟用及工作情況的信息[59]。多數(shù)情況下，在事故發(fā)生時(shí)，EDR 系統(tǒng)都會(huì)觸發(fā)并對(duì)數(shù)據(jù)進(jìn)行記錄和儲(chǔ)存。事故發(fā)生后，對(duì)EDR 系統(tǒng)數(shù)據(jù)進(jìn)行提取[60]，通過(guò)客觀證據(jù)分析事故的成因，判定責(zé)任[61]。

在EDR 系統(tǒng)研究方面，20 世紀(jì)70 年代，美國(guó)已經(jīng)開發(fā)出了EDR系統(tǒng)的相關(guān)產(chǎn)品，并在2006年頒布法規(guī)，規(guī)范了汽車碰撞事件記錄的內(nèi)容和讀取方法。美國(guó)國(guó)家道路交通安全管理局要求，自2014年9月后，美國(guó)境內(nèi)所有銷售的車輛都需要配備EDR 系統(tǒng)。在日本，目前已經(jīng)形成EDR 系統(tǒng)的行業(yè)標(biāo)準(zhǔn)，但并未強(qiáng)制實(shí)施。在歐洲，目前還沒有統(tǒng)一的EDR系統(tǒng)標(biāo)準(zhǔn)及法規(guī)，但大多數(shù)車輛已經(jīng)具備EDR功能。我國(guó)之前在EDR系統(tǒng)標(biāo)準(zhǔn)的研究與制定領(lǐng)域存在空白，為加強(qiáng)對(duì)汽車事件的成因分析及取證，建立完整、可信的車輛事件數(shù)據(jù)記錄系統(tǒng)，工業(yè)和信息化部組織行業(yè)機(jī)構(gòu)、重點(diǎn)企業(yè)等研究開展了《汽車事件數(shù)據(jù)記錄系統(tǒng)》強(qiáng)制性國(guó)家標(biāo)準(zhǔn)的制定，并于2022年1月1日正式實(shí)施[62]。

該標(biāo)準(zhǔn)提出了“碰撞事件觸發(fā)閾值”的概念，即當(dāng)車輛達(dá)到以下觸發(fā)閾值條件時(shí)，該事件才應(yīng)被記錄[63]：

a.當(dāng)車輛僅記錄“縱向delta-V”時(shí)，觸發(fā)閾值為在X軸方向上150 ms時(shí)間區(qū)間內(nèi)不小于8 km/h的車輛速度變化。

b.當(dāng)車輛同時(shí)記錄“橫向delta-V”時(shí)，觸發(fā)閾值為在X軸方向或者Y軸方向上150 ms 時(shí)間區(qū)間內(nèi)不小于8 km/h的車輛速度變化。

其中，“delta-V”表示速度變化量，即碰撞前車速與碰撞后車速的矢量差：

式中：v1為碰撞前車速，v0為碰撞后車速。

對(duì)于以上2 種情況，如果事件持續(xù)時(shí)間小于150 ms，那么車輛速度的變化等于或者超過(guò)8 km/h 時(shí)，該事件也應(yīng)被記錄。

EDR系統(tǒng)通過(guò)CAN總線對(duì)車輛運(yùn)行數(shù)據(jù)進(jìn)行連續(xù)監(jiān)控，當(dāng)車輛在一定時(shí)間內(nèi)縱向或橫向速度變化量達(dá)到閾值時(shí)，EDR 系統(tǒng)便儲(chǔ)存碰撞前至碰撞后共計(jì)幾秒內(nèi)的車速、發(fā)動(dòng)機(jī)轉(zhuǎn)速、制動(dòng)踏板開關(guān)狀態(tài)、縱向加速度、轉(zhuǎn)向盤轉(zhuǎn)角、安全帶使用情況等數(shù)據(jù)。當(dāng)車輛的被動(dòng)安全裝置如安全氣囊起爆時(shí)，儲(chǔ)存的數(shù)據(jù)將被鎖定，不可更改。若被動(dòng)安全裝置未起爆，EDR 系統(tǒng)儲(chǔ)存的數(shù)據(jù)可能隨車輛的后續(xù)運(yùn)行而被其他事件覆蓋[64-66]。

近幾年，隨著EDR系統(tǒng)的部署，研究人員在此基礎(chǔ)上研發(fā)了一種自動(dòng)駕駛汽車事件數(shù)據(jù)記錄（Autopilot Data Recorder，ADR）系統(tǒng)。ADR 系統(tǒng)由ADR 設(shè)備、車載以太網(wǎng)網(wǎng)關(guān)、車載網(wǎng)聯(lián)終端、視頻記錄設(shè)備及云平臺(tái)5 個(gè)部分組成，能自動(dòng)偵聽和采集自動(dòng)駕駛控制器（Autopilot Control Unit，ACU）發(fā)來(lái)的自動(dòng)駕駛系統(tǒng)數(shù)據(jù)并將不同數(shù)據(jù)寫入各自的文件緩存中。其中，事件信號(hào)由自動(dòng)駕駛系統(tǒng)的決策程序進(jìn)行判斷和提供，數(shù)據(jù)處理流程如下：

a.當(dāng)接收到事件信號(hào)時(shí)，ADR 設(shè)備將通過(guò)音頻視頻橋（Audio Video Bridge，AVB）協(xié)議向網(wǎng)聯(lián)終端和視頻記錄設(shè)備發(fā)送事件通知，并將發(fā)生時(shí)刻前90 s和后30 s的數(shù)據(jù)進(jìn)行鎖定保護(hù)。

b.ADR 設(shè)備和視頻記錄設(shè)備通過(guò)文件傳輸協(xié)議（File Transfer Protocol，F(xiàn)TP）將該時(shí)間段內(nèi)采集的自動(dòng)駕駛系統(tǒng)數(shù)據(jù)和車輛視頻數(shù)據(jù)上傳至網(wǎng)聯(lián)終端，最終由網(wǎng)聯(lián)終端上傳至云平臺(tái)[67-68]。

3.2 自動(dòng)駕駛數(shù)據(jù)記錄系統(tǒng)

自動(dòng)駕駛車輛投入市場(chǎng)前，必須解決如何準(zhǔn)確獲取自動(dòng)駕駛過(guò)程的相關(guān)信息并利用這些信息對(duì)事故進(jìn)行重建的問(wèn)題。自2021 年起，國(guó)內(nèi)外整車制造商正在陸續(xù)實(shí)現(xiàn)L3 級(jí)別自動(dòng)駕駛車輛的量產(chǎn)。而L3 級(jí)別自動(dòng)駕駛車輛在使用過(guò)程中存在的人機(jī)共駕行為會(huì)使交通事故責(zé)任主體的判定變得模糊，給法律責(zé)任界定帶來(lái)較大困難。因此，用于獲取自動(dòng)駕駛過(guò)程信息的自動(dòng)駕駛數(shù)據(jù)記錄系統(tǒng)（Data Storage System for Automobile Driving，DSSAD）的研究顯得極為重要[69-72]。

DSSAD可以視為自動(dòng)駕駛的“黑匣子”[73]，用于記錄L3 級(jí)別及以上自動(dòng)駕駛車輛在達(dá)到觸發(fā)條件時(shí)刻前、中、后特定時(shí)間段車輛、駕駛自動(dòng)化系統(tǒng)、行車環(huán)境及駕駛員數(shù)據(jù)信息，以此確定在不同時(shí)間、地點(diǎn)，控制車輛的是駕駛員或是自動(dòng)駕駛系統(tǒng)。

根據(jù)數(shù)據(jù)記錄裝置的集成方式，DSSAD 可分為2種[74]：

a.通過(guò)單獨(dú)的數(shù)據(jù)記錄裝置對(duì)關(guān)鍵信息數(shù)據(jù)進(jìn)行記錄。首先，DSSAD實(shí)時(shí)讀取車輛的各項(xiàng)數(shù)據(jù)，如車輛的運(yùn)行狀態(tài)（轉(zhuǎn)向盤轉(zhuǎn)角、車速、加速度、制動(dòng)力等）、車輛周圍的環(huán)境信息、駕駛員的行為信息等；之后，系統(tǒng)通過(guò)DSSAD 控制器內(nèi)規(guī)劃的事件邏輯進(jìn)行實(shí)時(shí)監(jiān)測(cè)，當(dāng)檢測(cè)到的數(shù)據(jù)達(dá)到系統(tǒng)閾值時(shí)，DSSAD 控制器自動(dòng)觸發(fā)記錄，并將關(guān)鍵信息儲(chǔ)存在DSSAD 內(nèi)部的存儲(chǔ)單元中。值得注意的是，由于該類系統(tǒng)使用單獨(dú)的數(shù)據(jù)記錄裝置，存儲(chǔ)容量有限，系統(tǒng)將會(huì)按照數(shù)據(jù)的優(yōu)先級(jí)覆蓋過(guò)去的數(shù)據(jù)。存儲(chǔ)具體流程如圖8所示。

圖8 具有單獨(dú)數(shù)據(jù)記錄裝置的DSSAD數(shù)據(jù)記錄流程

b.將數(shù)據(jù)記錄模塊集成在域控制器中。該類DSSAD通過(guò)將數(shù)據(jù)記錄模塊集成在域控制器中實(shí)現(xiàn)與各控制器的通信，對(duì)感知、決策、控制信號(hào)進(jìn)行儲(chǔ)存。DSSAD 控制器集成在自動(dòng)駕駛中央控制器內(nèi)部，并與其他控制器通過(guò)總線進(jìn)行連接通信，系統(tǒng)根據(jù)事先規(guī)劃的事件邏輯進(jìn)行實(shí)時(shí)監(jiān)測(cè)，當(dāng)滿足觸發(fā)條件時(shí)進(jìn)行邏輯觸發(fā)，并通過(guò)總線向各控制器發(fā)送數(shù)據(jù)記錄鎖存信號(hào)。各控制器在接收到此信號(hào)后根據(jù)設(shè)計(jì)要求記錄關(guān)鍵數(shù)據(jù)信息。與第1種方式相比，該方法更加高效，所儲(chǔ)存的數(shù)據(jù)更加完整，但相應(yīng)地失去了其獨(dú)立性，與其他控制器關(guān)聯(lián)性較強(qiáng)。一旦其他控制器存在故障或數(shù)據(jù)傳輸異常，會(huì)嚴(yán)重影響其功能。其具體實(shí)現(xiàn)原理如圖9所示。

圖9 中央控制器集成DSSAD數(shù)據(jù)記錄流程

EDR 系統(tǒng)與DSSAD 的數(shù)據(jù)存儲(chǔ)包括本地存儲(chǔ)和云端存儲(chǔ)，其中EDR 系統(tǒng)要求存儲(chǔ)一個(gè)事故中前90 s與后30 s 的數(shù)據(jù)，存儲(chǔ)容量不少于3 次連續(xù)碰撞事故的數(shù)據(jù)大小。而DASSD 則要求記錄每一次事故中駕駛員與自動(dòng)駕駛系統(tǒng)之間決策對(duì)象的轉(zhuǎn)換情況，存儲(chǔ)容量要求在6 個(gè)月內(nèi)至少存儲(chǔ)2 500 次相應(yīng)事故的數(shù)據(jù)。根據(jù)Insup Kim 等的研究，EDR 系統(tǒng)與DASSD 的云端數(shù)據(jù)存儲(chǔ)量可根據(jù)其本身需要數(shù)據(jù)量的大小、觸發(fā)數(shù)據(jù)采集的次數(shù)以及數(shù)據(jù)保存的周期計(jì)算。而本地存儲(chǔ)量可以通過(guò)傳感器數(shù)據(jù)的帶寬以及過(guò)程中所需的傳感器數(shù)量來(lái)計(jì)算。如果EDR 系統(tǒng)與DSSAD 在存儲(chǔ)數(shù)據(jù)時(shí)盡可能地節(jié)省傳感器的使用，則其存儲(chǔ)的數(shù)據(jù)如表8所示。

表8 EDR系統(tǒng)與DSSAD所需存儲(chǔ)數(shù)據(jù)量

EDR系統(tǒng)和DASSD的不同點(diǎn)主要在于系統(tǒng)設(shè)計(jì)目的、搭載車輛、數(shù)據(jù)可用性以及系統(tǒng)任務(wù)4個(gè)方面。

在系統(tǒng)設(shè)計(jì)目的方面：EDR 系統(tǒng)側(cè)重于發(fā)生碰撞時(shí)的相關(guān)數(shù)據(jù)，一方面可用于確認(rèn)事故發(fā)生的原因，另一方面可以借此改善車輛的安全系統(tǒng)；DSSAD 側(cè)重于記錄L3 級(jí)別及以上車輛在自動(dòng)駕駛過(guò)程中，在達(dá)到觸發(fā)條件前、中、后自動(dòng)駕駛系統(tǒng)、行車環(huán)境以及駕駛?cè)藛T等數(shù)據(jù)信息。事故發(fā)生時(shí)，自動(dòng)駕駛車輛可能會(huì)成為責(zé)任主體[75]，所以要確定在不同時(shí)間、地點(diǎn)，控制車輛的是駕駛員還是自動(dòng)駕駛系統(tǒng)，以厘清責(zé)任[76-78]。

在搭載車輛方面：EDR 系統(tǒng)用于所有車輛，包括乘用車、輕型貨車及重型貨車，而DSSAD則適用于配備了L3、L4 級(jí)自動(dòng)駕駛功能的車輛?？梢灶A(yù)見，未來(lái)在L3及更高級(jí)別的自動(dòng)駕駛車輛中，EDR 系統(tǒng)與DSSAD 的共同使用將成為一大趨勢(shì)。

在數(shù)據(jù)可用性方面：EDR 系統(tǒng)主要記錄碰撞等較為嚴(yán)重的事故（如安全氣囊啟動(dòng)、翻車）的相應(yīng)數(shù)據(jù)，且數(shù)據(jù)在被提取前一直可用，而DSSAD觸發(fā)的閾值更低，且至少可用6個(gè)月。

在系統(tǒng)任務(wù)方面：EDR 系統(tǒng)提供碰撞前、后小片刻時(shí)間的簡(jiǎn)單數(shù)據(jù)，DSSAD 側(cè)重于記錄駕駛員及自動(dòng)駕駛系統(tǒng)對(duì)車輛駕駛權(quán)轉(zhuǎn)移的分析，并對(duì)車輛周圍的環(huán)境數(shù)據(jù)進(jìn)行記錄。

3.3 一般L3級(jí)別車輛數(shù)據(jù)存儲(chǔ)方法

L3級(jí)自動(dòng)駕駛車輛的數(shù)據(jù)記錄與存儲(chǔ)主要服務(wù)于自動(dòng)泊車（Autonomous Valet Parking，AVP）場(chǎng)景、高速代駕（High Way Pilot，HWP）場(chǎng)景、交通擁堵導(dǎo)航（Traffic Jam Pilot，TJP）場(chǎng)景、自動(dòng)緊急制動(dòng)（Automatic Emergency Braking，AEB）場(chǎng)景，自動(dòng)駕駛數(shù)據(jù)存儲(chǔ)內(nèi)容如表9所示。

表9 自動(dòng)駕駛數(shù)據(jù)存儲(chǔ)內(nèi)容

數(shù)據(jù)記錄系統(tǒng)伴隨著自動(dòng)駕駛系統(tǒng)功能的開啟而觸發(fā)，但不一定是激活狀態(tài)，如果本地存儲(chǔ)空間充足，則利用本地存儲(chǔ)空間進(jìn)行存儲(chǔ)，否則告知后臺(tái)啟動(dòng)無(wú)線網(wǎng)絡(luò)存儲(chǔ)，要求在網(wǎng)絡(luò)空閑時(shí)將記錄的數(shù)據(jù)上傳到指定的云端，同時(shí)支持收到遠(yuǎn)程發(fā)送的請(qǐng)求后上傳（每類事件每次數(shù)據(jù)單獨(dú)區(qū)分），便于及時(shí)讀取、分析。數(shù)據(jù)上傳可由車載主機(jī)（Head Unit，HU）通過(guò)車載通信終端（Telematics BOX，T-BOX）或控制器自行上傳。各存儲(chǔ)單元存儲(chǔ)內(nèi)容如表10所示。數(shù)據(jù)記錄的具體操作過(guò)程如下：當(dāng)車輛起動(dòng)時(shí)，數(shù)據(jù)記錄系統(tǒng)進(jìn)行自檢及初始化，無(wú)故障時(shí)發(fā)送相關(guān)的信息至自動(dòng)駕駛系統(tǒng)，系統(tǒng)接收到該信息后，由駕駛員進(jìn)行激活操作，此時(shí)數(shù)據(jù)記錄系統(tǒng)進(jìn)入可激活待機(jī)狀態(tài)。進(jìn)而，一般有2種典型的觸發(fā)方式可激活數(shù)據(jù)記錄系統(tǒng)：

表10 各存儲(chǔ)單元存儲(chǔ)內(nèi)容

a.當(dāng)L3 級(jí)自動(dòng)駕駛系統(tǒng)正常工作時(shí)，會(huì)發(fā)送相應(yīng)的功能標(biāo)志位給數(shù)據(jù)記錄系統(tǒng)，自動(dòng)駕駛系統(tǒng)的功能狀態(tài)標(biāo)志包括激活、退出、超越、接管以及緊急制動(dòng)等，隨后數(shù)據(jù)記錄系統(tǒng)隨時(shí)進(jìn)行監(jiān)控，并根據(jù)相關(guān)數(shù)據(jù)信號(hào)發(fā)起記錄過(guò)程。當(dāng)數(shù)據(jù)記錄系統(tǒng)有故障時(shí)，則需要將故障狀態(tài)發(fā)送給L3 級(jí)自動(dòng)駕駛系統(tǒng)知曉，為了規(guī)避無(wú)數(shù)據(jù)記錄駕駛車輛的情況，系統(tǒng)此時(shí)將不能進(jìn)入自動(dòng)駕駛激活狀態(tài)。

b.當(dāng)L3 級(jí)自動(dòng)駕駛系統(tǒng)工作異常時(shí)，各記錄終端自動(dòng)開始記錄，記錄內(nèi)容一般包括當(dāng)前時(shí)間節(jié)點(diǎn)前一定時(shí)間（一般設(shè)置為20 s）內(nèi)系統(tǒng)相關(guān)內(nèi)容狀態(tài)，此時(shí)從觸發(fā)記錄開始計(jì)時(shí)，當(dāng)觸發(fā)時(shí)間大于一定值，如10 s 后系統(tǒng)仍不能恢復(fù)時(shí)，則退出此次記錄過(guò)程，并將數(shù)據(jù)上傳至后臺(tái)。

上述2種情況可能存在交叉，比如TJP或HWP系統(tǒng)正常工作時(shí)，系統(tǒng)檢測(cè)到記錄事件發(fā)出數(shù)據(jù)記錄請(qǐng)求，但是在發(fā)送請(qǐng)求到系統(tǒng)響應(yīng)期間，若數(shù)據(jù)記錄系統(tǒng)檢測(cè)到L3 系統(tǒng)異常，則數(shù)據(jù)記錄終端應(yīng)保持記錄前一個(gè)異常事件，同時(shí)待記錄完成后判斷當(dāng)前系統(tǒng)狀態(tài)是否恢復(fù)正常，若未恢復(fù)，則從此時(shí)開始向前瞬移一定時(shí)間進(jìn)行系統(tǒng)狀態(tài)記錄，同時(shí)向后順延一定時(shí)間結(jié)束記錄過(guò)程。當(dāng)觸發(fā)多個(gè)事件記錄時(shí)，則需按照事件觸發(fā)的時(shí)間先后及緊急狀態(tài)自動(dòng)進(jìn)行歸類存儲(chǔ)。

數(shù)據(jù)記錄過(guò)程完成后，需要根據(jù)系統(tǒng)的存儲(chǔ)空間進(jìn)行上傳存儲(chǔ)，具體過(guò)程包括本地存儲(chǔ)空間檢測(cè)與上傳確認(rèn)：

a.本地存儲(chǔ)空間檢測(cè)。當(dāng)檢測(cè)到DVR、GW、AVM存儲(chǔ)空間將滿時(shí)，則發(fā)出相應(yīng)的提示信息。自動(dòng)駕駛數(shù)據(jù)與T-BOX 建立通信，將相應(yīng)的記錄數(shù)據(jù)上傳至TBOX，當(dāng)T-BOX 也存儲(chǔ)滿時(shí)，則進(jìn)行實(shí)際狀態(tài)轉(zhuǎn)發(fā)，并將相應(yīng)的數(shù)據(jù)通過(guò)TSP上傳到云端。

b.上傳確認(rèn)。DVR、網(wǎng)關(guān)、AVM上傳時(shí)需要支持?jǐn)帱c(diǎn)續(xù)傳，無(wú)論是由于電源斷電還是網(wǎng)絡(luò)卡頓、中斷等，需要保留數(shù)據(jù)斷點(diǎn)信息，以便在系統(tǒng)電力或網(wǎng)絡(luò)恢復(fù)后重新接續(xù)上傳。同時(shí)，本地?cái)?shù)據(jù)上傳完成后，需要定時(shí)刪除以保持相對(duì)應(yīng)的容量。由于最終記錄的數(shù)據(jù)會(huì)上傳至云端，其存在一定的數(shù)據(jù)泄密風(fēng)險(xiǎn)，因此需要對(duì)數(shù)據(jù)信息進(jìn)行安全保護(hù)，可以采用多重加密算法進(jìn)行數(shù)據(jù)加密。記錄數(shù)據(jù)的讀取方式可通過(guò)發(fā)送診斷請(qǐng)求形式，通過(guò)診斷口或?qū)Ｓ媒涌谧x取所記錄的數(shù)據(jù)。

隨著智能網(wǎng)聯(lián)技術(shù)在汽車行業(yè)深入發(fā)展、傳感器數(shù)量與精度的不斷提高，不僅是先進(jìn)的自動(dòng)駕駛數(shù)據(jù)采集方法所收集的數(shù)據(jù)容量在增加，先進(jìn)的自動(dòng)駕駛數(shù)據(jù)存儲(chǔ)方法所需處理與存儲(chǔ)的數(shù)據(jù)也在增多。按照當(dāng)前行業(yè)內(nèi)較為先進(jìn)的汽車數(shù)據(jù)采集設(shè)備估算，一輛自動(dòng)駕駛汽車每小時(shí)采集的數(shù)據(jù)量可達(dá)1 TB。假定按照每天采集里程500 km，每天采集時(shí)長(zhǎng)16 h（白天和夜晚各8 h）進(jìn)行測(cè)算，那么，單輛汽車在一個(gè)200天的測(cè)試周期中，數(shù)據(jù)采集量將高達(dá)3.2 PB。這些海量數(shù)據(jù)中含有大量相似或重復(fù)數(shù)據(jù)，特征性不足，甚至是含有噪聲的低質(zhì)量數(shù)據(jù)，給自動(dòng)駕駛系統(tǒng)測(cè)試與驗(yàn)證過(guò)程帶來(lái)復(fù)雜的問(wèn)題和巨大的工作量，為系統(tǒng)性能的優(yōu)化帶來(lái)了新的阻礙，形成了自動(dòng)駕駛系統(tǒng)的“大數(shù)據(jù)災(zāi)難”[79-81]。

4 特斯拉影子模式

2018 年2 月，特斯拉在遞交給加州交通管理局（California Transportation Authority，CTA）的報(bào)告中稱，該公司在2017年并未在加州州際公路上開展完全自動(dòng)駕駛路測(cè)，但其Autopilot系統(tǒng)卻在持續(xù)記錄車輛真實(shí)的駕駛數(shù)據(jù)。2019 年4 月，特斯拉正式提出“影子模式（Shadow-mode）”的概念，如圖10所示。

圖10 特斯拉影子模式

影子模式的含義是自動(dòng)駕駛算法伴隨人的駕駛一同運(yùn)行但不實(shí)際控制車輛[82]，其目的是希望共享所有特斯拉車輛的駕駛數(shù)據(jù)，從而代替原本只采集少量特定試驗(yàn)車的測(cè)試方案，同時(shí)也能改善自動(dòng)駕駛測(cè)試場(chǎng)景過(guò)于局限等問(wèn)題。

影子模式的工作機(jī)理是：當(dāng)自動(dòng)駕駛算法產(chǎn)生的預(yù)期動(dòng)作指令與真實(shí)駕駛員的實(shí)際控制指令存在差異時(shí)觸發(fā)系統(tǒng)記錄功能開啟，系統(tǒng)會(huì)計(jì)算產(chǎn)生的預(yù)期動(dòng)作指令的實(shí)際正確率，針對(duì)高錯(cuò)誤率的預(yù)期動(dòng)作指令所對(duì)應(yīng)的場(chǎng)景，系統(tǒng)會(huì)記錄下相應(yīng)數(shù)據(jù)用于后續(xù)的神經(jīng)網(wǎng)絡(luò)訓(xùn)練。也就是說(shuō)，自動(dòng)駕駛算法一直在持續(xù)模擬決策并且將決策結(jié)果與駕駛員的行為進(jìn)行對(duì)比，如果駕駛員的實(shí)際駕駛行為與自動(dòng)駕駛算法輸出指令不一致，則觸發(fā)系統(tǒng)的記錄功能。

特斯拉的影子模式將一系列傳感器所捕獲的數(shù)據(jù)傳回云端用于算法的進(jìn)一步開發(fā)。盡管對(duì)于自動(dòng)駕駛系統(tǒng)算法的開發(fā)而言，這樣的方法頗為有益，但隨之而來(lái)的是用戶的隱私問(wèn)題。雖然沒有證據(jù)表明特斯拉收集的數(shù)據(jù)超出了該公司服務(wù)條款的范圍，但公眾也并不清楚特斯拉收集了哪些信息以及如何利用這些信息[83]。無(wú)論如何，特斯拉影子駕駛系統(tǒng)所提出的一種人機(jī)共駕下自動(dòng)駕駛系統(tǒng)實(shí)時(shí)運(yùn)行但不控制車輛的數(shù)據(jù)記錄方法仍值得研究。

5 總結(jié)與展望

隨著自動(dòng)駕駛系統(tǒng)技術(shù)的升級(jí)與車輛自動(dòng)化程度的提高，如何處理精確傳感器產(chǎn)生的大量冗余、低質(zhì)量數(shù)據(jù)已成為限制先進(jìn)的自動(dòng)駕駛數(shù)據(jù)采集與存儲(chǔ)技術(shù)發(fā)展的主要問(wèn)題，成為實(shí)現(xiàn)自動(dòng)駕駛系統(tǒng)在無(wú)限場(chǎng)景下的測(cè)試與驗(yàn)證的關(guān)鍵。開發(fā)出一種能夠?qū)崟r(shí)記錄行車數(shù)據(jù)，并同步篩選出少量高質(zhì)量數(shù)據(jù)存儲(chǔ)用于責(zé)任劃分與算法升級(jí)的數(shù)據(jù)采集與存儲(chǔ)系統(tǒng)，已成為先進(jìn)自動(dòng)駕駛數(shù)據(jù)采集與存儲(chǔ)系統(tǒng)的趨勢(shì)。