0.简介
交通运输研究(上海)论坛(简称为TRF)是按照国际会议的组织原则,为综合交通运输领域学者们构建的良好合作交流平台。交通运输研究(上海)论坛已经成功举办了十二届,凝聚了全国百余家交通类学科专业的高等院校、科研院所、社会组织和交通企业等单位参会交流,已成为一个面向全国的交通运输工程学科高水平学术交流平台。第十三届交通运输研究(上海)论坛年会定于2024年11月1-2日在上海举行(11月1日进行理事会会议,11月2日进行正式会议),由上海理工大学承办。本届论坛年会主题:智驭交通•新质强国。
本公众号推出第十三届交通运输研究(上海)论坛报告解读系列文章,方便读者了解交通运输研究的前沿。本文解读的是武汉理工大学吴超仲教授所做的主题报告《智能网联汽车技术现状与研究实践》。
本推文由邱雪撰写,审校为许东舟和黄星宇。
1.报告人简介
吴超仲,武汉理工大学教授,副校长。长期从事交通安全、智能交通、车路协同、智能网联汽车等方面的研究。主持国家重点研发专项课题,国家863重点课题、国家自然科学基金等国家及省部级项目10多项;发表学术论文50余篇,获得授权专利20余项,软件著作权10余项;科研成果获省部级及行业奖励5项。兼任中国交通运输协会青年科技工作者工作委员会主任、中国智能交通协会常务理事、中国人工智能学会智能交通专业委员会秘书长、全国智能运输系统标准化委员会委员等。
2.背景现状
智能网联汽车产业正处于快速发展的关键阶段,全球汽车保有量的持续增长推动了智能网联和自动驾驶技术的普及。政府通过政策支持和先导示范项目,促进了技术进步和市场推广。在学术研究方面,智能网联汽车已成为研究热点,相关论文数量逐年上升,研究涉及环境感知、决策规划、优化控制等核心领域,特别是目标识别、感知融合、强化学习等技术的应用,旨在提升系统在复杂环境中的感知与决策能力。
产业层面,各大科技企业积极布局,推出了百度Apollo、华为ADS、特斯拉Cybertruck等自动驾驶解决方案,已经在物流运输、矿区作业和共享出行等场景中实现了商业化应用,推动了智能网联汽车的实际落地。
尽管取得了显著进展,智能网联汽车仍面临多重挑战。在技术方面,自动驾驶在极端或非典型场景下的“长尾问题”仍然带来安全隐患,系统的鲁棒性需要进一步提升。同时,社会接纳度、法律法规和伦理问题等也是普及的重要障碍。此外,行业内部缺乏统一的技术标准,导致数据接口和硬件规格不一致,限制了不同平台之间的协同与互联互通。这些问题亟待解决,以确保智能网联汽车的安全性、可靠性和可持续发展。
3.研究实践
在智能网联汽车和自动驾驶领域,研究团队经过十余年的探索,完成了多项国家级、省部级科研项目,并与高校及企业合作,构建了多个自动驾驶测试平台,成功落地了多项应用。在实际研究中,团队对L3有条件自动驾驶和L5完全自动驾驶的技术路径进行了深入探索,采用人机共融与生成式学习等方式,以应对在极端场景下的长尾问题,并在越野、地下空间等复杂环境中优化算法性能。
1.智能车辆人机共融驾驶决策控制
针对人机共融驾驶的实际需求,团队研究了人机协作中的驾驶权动态分配问题。在曲率适应性和速度适应性实验中,团队测试了多种驾驶模式,分析了人机共融对提升舒适性和跟踪精度的效果。基于强化学习的动态分配策略,研究人员提出了DDPG算法的改进方法,以减少人机冲突,优化车辆性能。实验结果显示,该方法在训练时间、角度偏差和跟踪精度方面表现优异,显著提高了车辆在复杂环境中的驾驶稳定性和舒适性。图1为人机共融驾驶的框架图。
图1 人机共融驾驶的框架图
2.地下空间自动驾驶关键技术
在特殊环境下的自动驾驶研究中,地下矿区场景具备独特的挑战,团队针对极端环境、越野场景和地下空间进行了深入的技术探索。由于地下空间的复杂性,包括空间环境的动态变化、卫星信号不稳定以及非结构化道路的决策控制难度,团队专注于解决这些在传统路况下不常见的问题。尤其是在低光照和复杂地形条件下,智能矿卡的精确定位和路径规划成为技术突破的关键。
(1)环境感知
为应对地下环境中的低光照、多雾和黑暗等情况,团队提出了自适应卷积神经网络的图像增强方法,以提升传感器的视觉感知能力。通过对图像进行去雾处理和亮度增强,系统在夜间或低能见度条件下的表现显著提高。实验结果显示,该方法的图像清晰度和识别准确率相比传统方法分别提高了71.35%和5.67%,为地下自动驾驶提供了更加可靠的感知支持。具体的方法和实验结果如图2、3、4所示。
图2 基于边缘增强的循环对抗生成网络图像去雾方法
图3 基于双分支通道注意力机制融合的井下矿区可行驶区域检测方法
图4 实验结果
(2)融合定位
在地下矿区缺乏卫星信号的环境中,传统GPS导航难以实现,团队研发了基于因子图优化的多传感器融合定位方法。该方法结合了IMU、雷达等多种传感器数据,通过ISAM2算法实现了高精度的定位能力。在实际矿区测试中,该方案在复杂隧道环境下的定位误差小于15厘米,确保了车辆在多变环境中的稳定运行。具体的地下矿区融合定位方法和实验结果如图5、6所示。
图5 基于因子图优化的地下矿区融合定位方法
图6 实验结果
(3)决策规划
针对地下狭窄通道的路径规划需求,团队开发了一种基于路径边界约束的扫描优化模型。该模型能够快速适应转弯、上下坡等特殊路况,并基于分段多项式的量化路径规划方法,提高了空间利用率。在实验中,该路径规划方法在典型场景下的成功率提升了12.5%,空间利用率提高了15.5%,有效支持了矿区自动驾驶的高效、安全运行。具体决策规划和实验结果如图7、8所示。
图7 基于扫掠优化的狭束巷道转向路径规划方法
图8 实验结果
通过在湖北两个地下矿区的三年测试应用,团队验证了这一系列技术的实际效果,实现了1000公里以上的连续安全行驶,为地下空间的无人驾驶技术应用积累了宝贵经验。具体应用如图9所示。
图9 湖北两个地下磷矿开展的近三年的测试应用
4.总结展望
在全球智能网联汽车领域的持续突破下,中国即将主办的“世界智能网联汽车大会”标志着全球化协作的新高峰。当前,智能网联汽车在技术融合、车辆-云数据闭环、中央计算架构、底盘控制、法规研究等方面均取得显著进展,尤其在L3级及以上自动驾驶研发中,加速迈向大规模产业化的步伐。尽管已取得显著成果,但面向L5级完全自动驾驶的道路依然漫长,需要在技术创新、法律框架以及社会认可度方面继续努力。
未来的发展聚焦于以下几个方向:引领前沿科技研究,包括精准控制与传感器技术;多学科的融合协作,加强智能网联系统的综合研究;完善标准和法律,推动智能驾驶技术的法规体系;通过创新人才培育,打造跨学科高端人才队伍;强化国际协作与实验平台,加速智能网联汽车的全球合作,推进自动驾驶的整体发展。