交通运输工程学（第3版）课件 第十篇第1章 公路交通自动驾驶

交通运输工程学（第3版）高等职业教育“十三五”规划教材第一节自动驾驶车辆第二节自动驾驶交通第三节

自动驾驶基础设施第十篇第一章公路交通自动驾驶第一节自动驾驶车辆概述自动驾驶整体技术高精地图感知预测决策规划控制定义与分类概述自动驾驶定义自动驾驶是指通过计算机系统和各种传感器，使汽车能够在没有人工干预的情况下，自动完成行驶任务的技术。自动驾驶分类自动驾驶可以根据自动化程度分为五个等级，从L0到L5，L5级别为完全自动驾驶，无需人类参与。自动驾驶技术原理自动驾驶主要依赖于人工智能、深度学习、大数据等技术，通过收集和处理大量的行车数据，实现对车辆的精准控制。123定义与分类概述自动驾驶整体技术概述第一节自动驾驶车辆自动驾驶使车辆能够自主感知周围环境、做出适当的决策，并以安全、高效的方式行驶。自动驾驶技术主要包括高精度地图、环境感知、预测、决策规划和控制执行等关键领域，通过这些技术模块的协同工作，实现了自动驾驶车辆的智能化、自主化驾驶。1.整体技术高精地图HDMap(HighDimensional)第一节自动驾驶车辆概述：高精度地图是自动驾驶系统的关键组成部分，提供了详细的道路信息、交通标志、车道线和建筑物等数据，为车辆的定位、导航和决策提供重要支持。特点：高维度和高精度（厘米级的精度）道路网的精确三维表征,如交叉路口布局和路标位置。地图应用：车辆定位、路径规划、环境感知。挑战与未来展望地图更新频率：需要及时更新地图数据以适应道路和环境的变化。地图精度：地图数据的准确性和精度对自动驾驶系统的性能至关重要。地图标准化：制定统一的地图数据标准，促进地图数据的共享和交换。1.整体技术感知Perception：自动驾驶系统的眼睛第一节自动驾驶车辆概述：感知是指自动驾驶系统通过传感器（如摄像头、激光雷达、毫米波雷达等）获取周围环境的信息，并利用这些信息来理解道路状况、检测其他车辆、识别行人等。基础任务:检测、分类、跟踪、分割。感知的常用算法：根据数据源：图像/点云/毫米波雷达/多模态的算法。根据融合阶段：前融合和后融合算法。挑战与未来展望复杂环境下的感知：在城市交通和复杂道路条件下，感知变得更加困难，需要应对各种复杂情况。传感器数据融合：不同传感器之间的数据融合和一致性是一个挑战，需要有效的算法来整合不同传感器的信息。环境变化的处理：需要及时更新环境模型以适应环境的动态变化，包括道路施工、交通流量变化等情况。语义分割基于图像的3D目标检测基于点云的3D目标检测1.整体技术预测Prediction第一节自动驾驶车辆概述：自动驾驶预测任务是指对周围环境中的车辆、行人和其他动态物体的未来行为进行预测，以便自动驾驶系统做出相应的决策和行为规划。预测对象：车辆、行人、其他动态物体（包括自行车、摩托车等）。预测方法：基于规则的方法：基于交通规则和道路几何约束，预测其他交通参与者的行为。基于机器学习的方法：使用深度学习等机器学习技术，从历史数据中学习并预测未来行为。挑战与未来展望复杂交通环境：城市交通中存在多变的交通情况和复杂的道路结构，增加了预测的难度。不确定性处理：行为预测中存在不确定性，如其他交通参与者的突发行为和环境变化。1.整体技术决策规划Planning第一节自动驾驶车辆概述：自动驾驶决策规划任务是指自动驾驶系统根据感知到的环境信息和目标，制定最佳行车策略和行动方案的过程。决策规划内容：路径规划：确定车辆行驶的最佳路径，考虑交通流量、道路状况和导航目标。行为规划：决定车辆的行驶速度、转向、变道和避让障碍物等行为。决策方法：基于模型的方法：基于对环境和车辆动力学的建模，通过求解优化问题来制定最佳行车策略。基于学习的方法：使用机器学习技术，从历史数据中学习并预测最佳行车策略。混合方法：结合规则和学习方法，充分利用领域专家知识和大数据学习能力。1.整体技术控制Control第一节自动驾驶车辆概述：自动驾驶控制任务是指通过调整车辆的速度、转向和加减速等参数，使车辆按照预定的路径和行为规划安全、高效地行驶的过程。控制内容：车辆速度控制、转向控制、加减速控制。控制算法：PID控制：使用比例、积分和微分三个控制项，根据误差信号调整控制参数，实现车辆稳定控制。模型预测控制（MPC）：基于对车辆和环境的动态模型，预测未来一段时间内的行驶轨迹，优化控制策略。深度强化学习：使用深度学习和强化学习技术，从交互式的实时环境中学习最优的控制策略。控制评估：稳定性、准确性、响应速度。1.整体技术第二节自动驾驶交通概述国内外自动驾驶发展历程我国自动驾驶发展战略自动驾驶发展路径自动驾驶重点挑战自动驾驶未来发展前景国内外自动驾驶人才培养需求

概述自动驾驶技术正通过信息技术与交通系统的融合重塑交通方式。智慧化基础设施建设需加快，以满足自动驾驶对感知、网联化及车路协同的需求。法律法规完善、技术突破和人才培养是推动其发展的关键。自动驾驶交通主要难点：技术融合Integration法律法规Legislation商业推广应用Deployment1.发展历程第二节自动驾驶交通（1）国外发展历程：全球发达国家通过不断的技术研发、政策规划和跨部门合作推动了自动驾驶技术的快速发展，涉及车路协同、无人驾驶测试及其相关安全标准。

1939年-美国通用汽车在纽约世博会上首次提出无人驾驶概念2007年-美国DARPA城市挑战赛发掘了无人车的研究潜力2016年-欧洲（荷兰）荷兰举办自动驾驶卡车挑战赛，展示自动列队行驶技术2017年-欧洲（德国）德国设立自动驾驶测试区，用于实际跨境交通测试2018年-美国交通部和多个机构合作，开展协作式自动驾驶研究，涵盖数据、标准、公共安全等2014-2018年-日本SIP“车路协同系统”通过公私合作，推动跨部门创新2016年至今-日本发布《车路协同汽车安全技术指南》，推动车路协同技术测试2021年-欧洲（欧盟）ERTRAC提出2030年网联协同自动驾驶目标，涵盖高速公路、城市混合交通等场景2021年-美国发布AVCP计划，设定多式联运战略，提升交通系统的现代化水平2020年-日本SIP-adus规划提出加速车路协同自动驾驶技术的发展，重点研究协同决策...2019年-美国ARC-IT参考架构9.0版本提出车路协同和网络安全的应用2022年-日本丰田、通用、福特等公司成立自动驾驶汽车安全联盟，推动自动驾驶立法和安全标准2022年-欧洲（德国）德国成为允许L4级无人驾驶汽车上路的国家1.发展历程第二节自动驾驶交通（2）国内发展历程：中国在政策支持和市场需求的推动下，通过车路协同、智能交通系统的构建，快速推动自动驾驶技术发展，并制定了适合中国国情的自动驾驶分级标准。2011年国家科技部启动“863计划”项目，围绕车路协同技术进行研究，清华大学、东南大学等团队参与2018年新增“综合交通运输与智能交通”专项，推动交通科技进步，构建现代交通运输体系2016年“新能源汽车”重点专项启动，目标是突破智能汽车核心关键技术2021年中国已建设16个智能网联汽车测试示范区，开放测试道路超过3500公里，发放测试牌照700余张，测试总里程超700万公里2022年国家标准《汽车驾驶自动化分级》(GB/T40429-2021)开始实施，提出了适合中国发展的自动驾驶分级标准，明确了系统与驾驶员的角色分配2.发展战略（1）交通强国建设纲要：推动大数据、互联网、人工智能等新技术与交通行业深度融合，打造交通创新生态。第二节自动驾驶交通2019年9月19日,中共中央、国务院印发了《交通强国建设纲要》,其中明确提出要推动大数据、互联网、人工智能和区块链等新技术与交通深度融合,推进数据资源赋能交通发展,鼓励交通行业各类创新主体建立创新联盟,建设具有国际影响力的创新平台。2.发展战略（2）汽车产业中长期发展规划：完善跨产业协同机制，推广智能网联汽车，推动高度和完全自动驾驶汽车进入市场。第二节自动驾驶交通2017年4月,工信部、发改委和科技部印发《汽车产业中长期发展规划》,强调要不断完善跨产业协同创新机制,重点攻克核心关键技术,开展智能网联汽车示范推广。到2025年汽车DA、PA、CA新车装配率达80%,其中PA、CA级新车装配率达25%,高度和完全自动驾驶汽车开始进入市场。2.发展战略（3）交通领域科技创新中长期发展规划纲要：推动智能化交通管理技术研究，提升自动驾驶与非自动驾驶车辆的混行系统安全管理能力。第二节自动驾驶交通2022年3月25日,交通运输部、科学技术部联合印发《交通领域科技创新中长期发展规划纲要(2021-2035年)》,强调推动自动驾驶与非自动驾驶车辆混行系统安全智能管控技术研究,研制适应自动驾驶的交通安全设施。提出围绕人工智能等前沿领域,加强相关立法研究,提高城市交通“全息感知+协同联动+动态优化+精准调控”智能化管理水平。2.发展战略（4）新一代人工智能示范应用场景：通过车路云一体化协同决策技术，推动复杂路况下自动驾驶的示范应用。第二节自动驾驶交通2022年8月,科技部发布《科技部关于支持建设新一代人工智能示范应用场景的通知》,提出为加快推动人工智能应用,运用车端与路端高准确环境感知与超视距信息共享、车路云一体化的协同决策与控制等关键技术,开展复杂行车条件下自动驾驶场景示范应用。2022年11月,工信部发布关于《开展智能网联汽车准人和上路通行试点工作的通知》对L3/L4级别智能网联汽车的准入和上路通行进行试点工作,组织开展城市级“车路云一体化”示范应用。3.发展路径第二节自动驾驶交通（1）技术发展路径：自动驾驶技术分为单车智能和车路协同两种路线，前者依靠车自身感知与决策，后者通过车联网连接“人-车-路-云”提升自动驾驶能力。3.发展路径第二节自动驾驶交通（2）产业发展路径：自动驾驶的产业发展有三条路径：逐级演化至L4/L5、直接研发L4/L5、以及L2/L3与L4/L5并行发展。L2/L3与L4/L5并行发展直接研发L4/L5逐级演化至L4/L54.重点挑战第二节自动驾驶交通重点挑战：自动驾驶面临的主要挑战集中在法律法规不健全、核心技术尚需突破、以及商业应用场景的不足。法律法规交通事故划分保险理赔策市场准入与退出隐私保护...核心技术感知盲点反应速度单车决策能力有限…商业应用主要针对高级自动驾驶车辆路侧设施的智能服务难以充分发挥作用车路协同的实际应用场景较少…重点挑战5.发展前景第二节自动驾驶交通（1）感知与定位技术：多传感器融合和高精度卫星导航是实现自动驾驶可靠性的关键，未来将依靠北斗等系统实现厘米级定位。5.发展前景第二节自动驾驶交通（2）车路协同云控平台：云计算与车路协同结合，为数据存储和计算提供支持，提升系统安全性和效率。5.发展前景第二节自动驾驶交通（3）智能网联技术：网联化技术使车辆获取更多交通信息，增强感知和决策能力，推动车群协同发展。智慧移动智慧能源智慧交通智慧生活L3/L4级自动驾驶无人驾驶…V2HV2G…超视距防碰撞十字路口通行辅助红绿灯车速引导不停车收费…最近停车场商场促销推荐…6.人才培养需求第二节自动驾驶交通人才培养现状：国内外高校如斯坦福、麻省理工、清华、东南大学等，注重理论与实践结合，开设了涉及感知、控制、人工智能、交通管理等多学科课程，培养具备技术与管理能力的交叉型人才。企业人才需求：自动驾驶企业需要多学科交叉人才，研发生产侧需掌握计算机、软件和交通领域知识，运营管理侧需具备项目管理、数据分析与质量控制能力，监管侧则需要掌握政策法规和安全评估技能。人才培养需求：国内外自动驾驶人才培养侧重多学科交叉，企业需求集中在研发生产、运营管理和行业监管三大方向。第三节自动驾驶交通基础设施概述面向自动驾驶的交通基础设施基本特征物理基础设施数字基础设施自动驾驶基础设施展望与挑战

公路交通自动驾驶技术作为新一代信息技术与交通系统深度结合的产物，正在改变着人类的出行方式。同时，传统公路应进行相应的改造和升级，形成智慧化的基础设施网络，以满足自动驾驶车辆的新需求。聪明的车+智能的路+友好和谐的环境未来道路交通主要趋势：自动驾驶化Automation电气化Electrification数字化Digitization多功能化

Functionalization概述1.基本特征（1）信息交互：共享信息、连接与协作是智慧公路的重要主题之一，其核心技术手段是“车路协同”。第三节自动驾驶交通基础设施V2I车路协同：不同于单车智能的自动驾驶路线，车路协同旨在通过部署路端智能感知计算设备，基于5G等先进通信技术实现车路信息共享，通过路端感知补足车端感知的有限视距、感知盲区等问题，从而极大提升自动驾驶的安全性。车路协同1.基本特征第三节自动驾驶交通基础设施安全高效超视距感知突破车载算力限制车与路互通信息，并把所有信息汇聚到云，做出全局最优、最安全的决策落地广省去大量利用人工智能网络进行单车深度学习的时间帮助解决交通拥堵问题推进智能交通、智慧城市的进程成本低将在每一辆无人驾驶汽车上节约两万元以上从长远的角度考虑，所花费的成本比单车智能更低单车智能vs车路协同（1）信息交互：共享信息、连接与协作是智慧公路的重要主题之一，其核心技术手段是“车路协同”。1.基本特征（2）自感知Self-awareness：能够实现路表功能状况甚至交通状况的自动、实时连续感知和监控。第三节自动驾驶交通基础设施自感知路面需要获取路面环境状态和结构状态参量，实时传输至路侧数据单元，一方面向道路行驶车辆广播当前道路环境状态，达到辅助安全驾驶目的；另一方面将数据上载至路网数据平台，评估路面实时结构状态，并预测未来路面状态，输出至路网服务终端以实现导航路径规划、智能养护决策等功能。1.基本特征（3）自适应Self-adaptation：能够自动适应各种道路环境情况。第三节自动驾驶交通基础设施自适应智慧公路可包括：适用于交通流管理的ITS解决方案；道路标志、标识及信号（包括动态的）的ITS解决方案；能自适应路面承载性能需求的智能材料（自愈合，自控温等）。1.基本特征（4）自供能Energyharvesting：利用路面、路基或其他基础设施组成部分主动收集绿色能源，为整个智能道路系统提供能源供给。第三节自动驾驶交通基础设施自供能道路太阳能地热能温差能汽车动能风能…2.物理基础设施第三节自动驾驶交通基础设施自动驾驶物理基础设施主要涵盖：道路标识、道路线形设计、道路结构设计、道路运维方法和城市规划设计等方面。当前研究关注点集中在车辆的智能化和交通控制的智能化，忽略了传统道路本体服役性能和服务属性与自动驾驶交通模式和运行状态的不匹配性。传统道路线形、结构、功能与性能，将难以充分满足和保障未来自动驾驶车辆和交通的流畅性、舒适性和安全性。2.物理基础设施第三节自动驾驶交通基础设施现有道路交通标志标识设计规范存在不适用性问题：（1）道路标识标识可感知性不适用：自动驾驶车辆使用传感器来检测和解释环境，然而现有规范基于人眼视觉特征进行标识设计，其特征不适应自动驾驶车辆的感知系统。标识缺乏数字化存储与实时更新：现有规范依据标志的颜色、形状、符号对标识信息进行定义，其所传递的信息均为静态信息，无法反映道路条件、交通流量和其他因素的变化。标识无法满足车辆交互需求：传统标志通常用于指导驾驶员的行为，但在自动驾驶车辆中，驾驶员不再处于主动控制地位。因此，需要设计新的交互性标志，以便与车辆通信，为车辆驾驶提供指导。2.物理基础设施（1）道路标识第三节自动驾驶交通基础设施通过路侧单元RSU和车载单元OBU，车辆可以识别，读取和理解道路信息，使得自动驾驶车辆能够更好地感知路况，从而做出更准确的驾驶决策。道路标识信息感知驾驶决策新型智能标识技术磁性标记探测技术RFiD射频技术2.物理基础设施第三节自动驾驶交通基础设施传统线形设计思路考虑驾驶员特性面向自动驾驶的线形设计思路忽略驾驶员特性适应自动驾驶特性现有道路线形设计规范存在不适用性问题：（2）道路线形设计过度考虑驾驶员行为特性：直线的最大、最小长度，曲线与缓和曲线最小长度等主要考虑驾驶员可能的分心、超速趋势和感知误差来进行设定。自动驾驶车辆不存在感知困难、疲劳等问题。缺少对自动驾驶技术特性的考虑：自动驾驶汽车配备了多种传感器，使其具有快速、准确的感知与反应能力，以及能够实现精确的轨迹控制等。缺少对V2X技术带来的信息优势的考虑：随着V2X技术和云计算的发展，车辆不再仅依赖于传统的人眼视觉感知，而是能够获取超视距的线形信息，如前方的弯道、曲率等信息，便于提前做出反应。2.物理基础设施第三节自动驾驶交通基础设施自动驾驶车辆与有人驾驶车辆行驶特性的差异对高速公路线形设计提出了新要求。（2）道路线形设计自动驾驶车辆行驶作用于路面的荷载形式与普通车辆具有显著差异。2.物理基础设施第三节自动驾驶交通基础设施面向自动驾驶的路面结构应如何设计？自动驾驶有人驾驶轮迹横向分布车辆编队行驶矩形编队圆形编队三角形编队行驶速度高速公路场景下时速110km/h的无人驾驶货车（3）道路结构设计基于自动驾驶交通形式与普通交通形式的显著差异，针对性提出相应的路面结构长期性能分析预测模型，明确基于性能预测模型的路面结构设计指标要求并提出验算流程，形成基于自动驾驶行驶特性的路面结构优化设计方法，是面向未来自动驾驶的道路结构设计的关键。2.物理基础设施第三节自动驾驶交通基础设施（3）道路结构设计沥青面层基层2.物理基础设施第三节自动驾驶交通基础设施通过引入智能技术，道路管理者可以更精准地监测、维护和管理道路基础设施，提高交通安全性和效率。传感器网络布设道路标志和标线维护自动化巡检交通流量监测路表状况监测环境信息监测（4）道路运维与养护3.数字基础设施第三节自动驾驶交通基础设施数字基础设施是自动驾驶系统所需道路环境的数字化呈现。它包括车辆与道路基础设施之间的信息连接、定位基础设施、数字地图以及与先进道路管理系统的信息连接。信息互联Connectivity高精度地图Highdefinitionmap定位基础设施Positioninginfrastructure数字基础设施的基本概念3.数字基础设施第三节自动驾驶交通基础设施通过车辆之间和车辆与基础设施之间的实时通信（V2X），能够增强无人驾驶感知能力，提升交通的安全性、效率和流畅性。VehicletoEverything(V2X)

ConceptV2I车路协同无法有效检测非线性视线和盲点；易受雨、雪、雾、霾等恶劣天气影响；无法有效检测路面结冰并调整转弯操作；感知距离较短；无法实现全天候自动驾驶。自动驾驶汽车感知系统存在的问题（1）信息互联3.数字基础设施第三节自动驾驶交通基础设施通过数据融合技术(DataFusion)，即不同来源的知识协同，可以帮助自动驾驶车辆建立对场景的整体理解，是传感器局限性的潜在解决方案。（1）信息互联数据融合技术，可有效解决汽车感知系统能力不足的问题。3.数字基础设施第三节自动驾驶交通基础设施高精度地图是一种具备极高空间分辨率和精确度的地理信息数据集，在自动驾驶中通常用于车辆定位、感知、路径规划