6、迈向自动驾驶车辆与系统：人工智能的潜力与挑战

迈向自动驾驶车辆与系统：人工智能的潜力与挑战

1. 引言

在自动化不断发展的背景下，汽车行业越来越多地采用自动化系统。先进驾驶辅助系统（ADAS）能在众多任务中为驾驶员提供支持，旨在提升车辆的舒适性和安全性。近年来，借助各类先进驾驶辅助系统，道路交通事故中的人员伤亡数量有所下降，像电子稳定程序（ESP）和自适应巡航控制（ACC）等主动安全系统发挥了重要作用。

然而，尽管人员伤亡数量呈下降趋势，但2020年欧洲仍有超过18,800人在道路交通事故中丧生。约3.7%的道路交通事故人员伤亡是由驾驶员变道不当造成的。合适的支持变道的先进驾驶辅助系统可以部分避免这些事故。目前，大多数乘用车已配备变道碰撞预警系统，市场上也有在驾驶员启动后自动完成变道的系统。

进一步发展这些系统，实现完全自动变道，即系统自主决定是否执行变道，无需驾驶员启动。但将此类全自动系统推向市场既关乎安全又成本高昂，因为只有对所有可能情况进行充分测试，才能确保功能安全。由于需执行大量测试用例，进行实际驾驶测试变得不经济，因此这类系统借助模拟进行开发，实际驾驶测试仅用于最终测试阶段。不过，模拟车辆可能计算量巨大，成本高且耗时，这取决于所使用车辆模型的复杂程度，通常最复杂的模型能产生最逼真的结果。

2. 车辆模型

随着时间推移，为描述车辆行为开发了多种模型，如单轨模型、双轨模型和先进多体模拟等。这些模型在系统描述的复杂程度上有所不同，单轨模型自由度最少，通常为2 - 7个，而多体模拟通常有超过20个自由度，使用有限元方法时甚至超过500个。在这些模型类型中，复杂程度还有进一步的分级。下面重点介绍单轨模型：
- 线性单轨模型 ：由P.