4.2 智能汽车关键技术

智能汽车关键技术在功能上可以划分为三类：第一类关键技术就是感知定位系统，包括高精度定位系统、传感器、雷达和摄像头等，它能够赋予智能汽车一双“慧眼”，给予汽车感知的能力。第二类关键技术是决策与控制技术。当感知定位系统将环境感知反馈给智能汽车时，智能汽车需要具有规划、决策、控制等能力，以应对复杂的交通情况。第三类关键技术则是安全技术。安全技术是排在功能和效率之上的，是智能汽车研发和使用中需重点考虑的方面。

从智能汽车应用而言，智能汽车关键技术包括三个层面：车辆关键技术、信息交互关键技术和基础支撑关键技术。

车辆关键技术涉及环境感知技术、智能决策和路径规划技术、定位导航技术、控制执行技术等。信息交互关键技术涉及V2X通信技术、云平台与大数据技术、信息安全技术。基础支撑关键技术涉及高精度地图、高精度定位、标准法规与测试评价等。这些技术融合了信息、机器学习、人工智能、路径搜索和自动控制等先进技术。

按驾驶模式划分，智能汽车分为自主式自动驾驶关键技术和基于V2X的自动驾驶关键技术。自主式自动驾驶关键技术包括：基于DL（深度学习）的规划与决策、考虑多目标协调的纵向控制、基于DL的行人/骑车人检测、激光雷达点云分割与目标识别、多传感器融合的自动泊车控制、驾驶习惯及驾驶路径学习。基于V2X的自动驾驶关键技术包括：基于V2V的多车协同避撞控制、交通信号-车辆分层协同控制、基于群体智能的交叉路口车辆协同控制、考虑多通信拓扑的车辆队列控制、基于V2I的连续交叉路口节能控制和二维路网中智能网联汽车的协同决策与分布式控制。

4.2.1 环境感知技术

环境感知技术主要通过汽车内部各传感器模块实现对汽车周边环境信息的认知、决策、记忆及自主学习。汽车传感器系统包括各个子系统传感器硬件，在传感器算法的指令下，利用信息融合技术实现各个传感器输出的优化综合，实现对环境的最佳感知。传感系统包括同步定位与建图（Simultaneous Localization and Mapping, SLAM）、传感器融合、特征检测器，其中核心技术是SLAM算法。SLAM是机器人自主定位与导航的主要技术。汽车类似于一个自主移动的机器人，在道路环境中从一个位置开始移动，移动过程中根据位置估计和地图进行自身定位，同步在自身定位的基础上建造增量式地图，实现汽车自身的自主定位和导航。传感器融合是将各个传感器收集的数据结合在一起，使信息更符合汽车自动行驶时的特征，减少各个传感器独立使用数据信息的不确定性。特征检测器对传感器传来的不同图像、点、线、边界、区域等特征数据进行整合，需要对重叠的部分进行检测并整合所需要的技术。常见的传感器包括摄像头、毫米波雷达、激光雷达、GPS导航、惯性导航和超声波雷达等。各类无线传输技术，如DSRC、4G-LTE和5G等也用于智能车辆的信息传递。

环境感知技术是智能汽车商业化应用的挑战之一。受道路结构复杂、交通人流车流行为多变、周边建筑物障碍物、天气变化影响等因素，准确感知交通场景面临很多困难。目前，效果较好的有两种路线。一种是3D街景地图+360°扫描式雷达，以SLAM技术为核心实现环境感知。这一路线成本高、数据量大、技术难度略高，对处理算法的实时性要求很高。另一路线是采用多个传感器融合技术，如毫米波雷达+激光雷达+摄像头+超声波雷达等。这一路线方案成本低，但对信息融合的技术要求较高。由于各自都有优缺点，目前，两个路线已经进行相互融合、相互促进。

LTE-V是面向智能交通和车联网应用、实现V2X的主要通信技术。它包括两类技术。一类是LTE-Cell，是借助已有的蜂窝网络，支持大带宽、大覆盖通信，满足车载信息服务（Telematics）应用需求。另一类是LTE-V-Direct，是独立于蜂窝网络，实现车辆与周边节点低时延、高可靠的直接通信，使车辆感知范围扩大到百米。与DSRC相比，LTE-V技术在容量、覆盖、链路/网络可靠性、基础设施完备性/安全性等关键指标上有优势，在产品化进程方面不及DSRC。5G通信条件下，将在可靠性、速度和端到端时延上更具优势。

4.2.2 决策和轨迹规划技术

自动驾驶汽车（智能汽车）第二个关键技术是控制系统部分的决策和轨迹规划技术。控制系统部分主要分为路径导航层、任务决策层、轨迹规划层和动力学控制层等模块。任务决策与路径导航、动力学控制密切结合，共同完成自动驾驶过程。自动驾驶汽车行驶之前，先采用导航算法搜索一条从起点到终点的可行路线，进入自动驾驶过程中，由决策模块决定具体的行车模式（超车、换道、跟车等），并规划每一个模式的行车轨迹，最后由自动控制算法实现对行车轨迹的跟踪。

4.2.3 动力学控制技术

自动驾驶汽车控制系统的动力学与控制层通常分为上下两层，上层控制器的主要目的是跟踪期望的轨迹，下层控制器实现对每一个执行器的控制。执行器是智能汽车的基础。智能汽车执行器一般包括三个：一个是线控转向系统，控制转向盘转角或者转动速度；第二个是驱动系统，通常直接向发动机ECU发送力矩控制命令；第三个是控制制动，或者是EBS（电子控制制动系统）的制动力命令，或者是ESP（电子稳定程序系统）的制动力命令。

4.2.4 人机交互HMI技术

人机交互技术是通过信息技术实现人对车辆的控制以及对车辆信息的获取，实现系统和用户之间的交互和信息交换。自动驾驶汽车的人机交互技术不同于传统汽车，人机交互技术需要弥补人驾驶汽车的局限。在自动驾驶状态下，人的行为是多样的，因此，人机交互技术需要实现自动驾驶汽车出现异常情况时，人可以对车辆进行控制，保持车辆的安全正常行驶。目前，在人机交互界面里内置更高级的功能和互动，用户界面就能更好地反映对该机器或流程的真实体验。通过增加合适的视觉和触觉效果，使人机界面解决方案从功能性附件提升到用户体验不可分割的一部分。

人工智能在人机交互技术上取得很大进展。如NOMI人工智能系统搭载在蔚来ES8汽车上。NOMI人工智能系统基于车载计算能力和云计算平台，集成了语音交互系统和智能情感引擎，该系统具有倾听、思考、自动调节车内温度、自动净化车内空气以及帮助车主进行自拍、学习、自适应等先进功能。

百度人工智能DuerOS系统搭载在北汽新能源EX5和EX3汽车上，具备对话式语音交互功能。DuerOS是一款开放式的操作系统，能够支持通过手机、电视、音箱和其他设备接入语音操控数字助手，同时支持第三方开发者的能力接入。

观致人工智能技术搭载在观致MILE1概念车上，进行人工交流。AI智能助手可进行人工交流，满足用户的智能用车需求。

日产Brain-to-Vehicle技术搭载在IMx KURO概念车上，实现更好的人车交互。通过设备将从驾驶员收集来的脑电波信息导入转向盘或节气门等部件，利用大脑解码技术预测驾驶员的行为意图，将驾驶员的反应更快地传达给车辆，如进行车辆转向、加速、减速，进一步提升人车之间的交互。

4.2.5 高精度地图

高精度地图在无人驾驶车技术中必不可少，是自动驾驶决策环节的关键部分。和GPS传统地图达到米级精度相比，高精地图需要达到厘米级精度才能保证无人驾驶车的行驶安全。高精度地图要求路网表征的准确性和实时性。如通过路网精确的三维表征，确定路面的几何结构、道路标示线的位置及周边道路环境的3D点云模型等。结合这些高精度的三维表征，车载机器人就可以通过比对车载GPS、IMU、LiDAR或摄像头数据来精确确定车辆位置。高精度地图可以帮助控制系统计划车辆行为。例如，停车、查看红绿灯位置及类型、提示车道曲率坡度和识别驾驶路面等。

高精度地图的采集首先需要使用数据采集车收集，然后通过线下处理，把各种数据融合产生高精度地图。高精度地图需要多个多传感器融合，包括以下几种。①陀螺仪（IMU）：一般使用6轴运动处理组件，包含3轴加速度和3轴陀螺仪。②轮测距器（Wheel Odometer）：用于推算出无人车的位置，但是位置会有偏差。③GPS：通过卫星定位，获得位置信息。④激光雷达（LiDAR）：通过发光反射时间间隔测距，根据距离及激光发射角度，推导出物体的位置信息。通过这些传感器的综合运用，才能精准确定车辆位置、道路信息等。目前，在涉猎高精度地图领域的公司中，EHER获得了宝马、戴姆勒、奥迪、英特尔、博世和大陆汽车公司的投资；百度、高德、四维图新这些地图公司已经获得了国家测绘地理信息局的甲级测绘资质；Deep Map公司聚集了一批从业经验在10年以上的地图行业人才，提供3D、厘米级的高精度地图，支持无人驾驶汽车的实时精准定位，以及车对车的云服务设施等；福特投资的初创公司Civil Maps利用人工智能和位置处理技术，通过汽车内部传感器收集的数据转化，为自动驾驶汽车提供地图信息；硅谷初创公司Lv15采用众包方式，为自动驾驶车辆提供高精度地图并实现在地图中定位；纽约初创公司Carmera公司采用专包模式，采用视觉监控技术，利用物流车队获得数据信息，提供自动驾驶汽车地图解决方案。

4.2.6 5G网络

5G网络是智能汽车实现智能互联的重要的应用环境。根据MIT—2020第5代移动电话行动通信标准，5G网络具有更快的数据传输速率、更低的时延及更可靠的连接，促进更多新技术应用。5G技术将应用于智能汽车、无人驾驶、智慧城市、VR/AR、智慧农业、工业互联网、智能家居、智慧医疗和应急安全等。因此，有关企业都在加速推进5G网络技术的标准及建设。据高通公司2017年年初发布的“5G经济”研究报告显示，2035年5G技术将产生12.3万亿美元的经济效益，并在产业链中产生2200万个工作岗位。

5G关键技术主要有：大规模天线陈列技术或新型多天线技术，主要用于提升频谱效率；超密集组网技术，通过改善网络覆盖，大幅提升系统容量，满足5G网络巨大容量增长；新型多址技术，通过发送信号的叠加传输，提升系统的接入能力，满足5G网络更多设备连接；D-D（Device-to-Device）通信技术，满足用户节点之间发送和接收信号；基于SDN（软件定义网络）、NFV（网络功能虚拟化）、云计算及C-RAN等技术形成新型网络架构的技术等。

目前，全球主要国家和地区纷纷提出5G试验计划和商用时间表，力争引领全球5G标准与产业发展。

欧盟在5G网络方面的规划重点是促进5G网络在各行业的充分应用与融合。推动5G网络架构应具备为汽车、能源、食品、农业、医疗、教育等垂直行业提供定制化网络服务能力，5G技术与商业生态系统的对接，有利于5G网络能够高效率、低成本地提供各类新兴业态服务。欧盟5G行动计划指出，2018年开始预商用测试；2020年年底前，每个成员国确定至少一个提供5G服务的城市；2025年各成员国在主要陆地交通道路实现5G覆盖。

美国5G推进方式主要是通过开放新频谱资源，支持新一代移动无线网络发展。目前，联邦通信委员会正在研究通过采用频谱共享机制，在新型无线服务、当前和未来的卫星业务、联邦应用方面满足频谱需求。美国高通公司5G开发的工作重心是构建以5G NR（New Radio）为基础的5G网络。基于OFDM的全新空中接口的全球5G标准能支持各种各样的5G设备、服务、部署及频段。5G NR引入了大量核心技术，将会大幅提高产品性能和效率。如毫米波移动化、大规模MIMO、共享频谱、先进编码、免许可传输和以设备为中心的移动性。美国移动运营商Verizon宣布完成了其5G无线规范的制定，已进入预商用测试阶段。

日本计划在2020年东京奥运会之前实现5G商用；日本运营商软银（SoftBank）和旗下的无线城市规划公司（Wireless City Planning）宣布面向下一代高速通信标准5G的项目“5G Project”正式启动。在“5G Project”启动的第一阶段，软银将商用可大幅扩展网络容量的大规模天线（Massive MIMO）技术。Massive MIMO通过在基站采用大量天线，实现对多个移动终端用户同时进行通信服务，是5G的核心技术之一。软银的S5G是基于现有的频率、网络和终端，只是在基站侧采用了5G的大规模天线和MIMO技术，采用复杂的算法来提升系统容量，而不影响现有终端的使用。

韩国在5G发展上态度积极，于2018年年初开展5G预商用试验，之后两年着重研究第二阶段的测试工作，同时包括VR、AR以及系统开发等方面的工作。韩国电信（KT）于2017年9月开始正式部署5G网络，2018年2月起正式提供5G服务。SK电信和LG Uplus也加快5G网络的开发，目标是在2019年实现商业化。

中国在2020年将部署超过1万个5G商用基站。中国5G试验工作组发布了5G技术研发试验第三阶段第一批规范。通过5G技术研发试验第三阶段的测试，在2018年年底5G产业链的主要环节基本达到预商用水平，并于2019年6月发布我国5G商用牌照。成都将率先开展5G网络试点，大力推进信息终端、下一代互联网IPv6芯片和系统设备等关键产品的研制和产业化。