新能源汽車(chē)節(jié)能技術(shù)第六章

智能化目錄6.1智能化技術(shù)的應(yīng)用背景6.2無(wú)人駕駛技術(shù)6.3智能化節(jié)能技術(shù)介紹6.3.1汽車(chē)環(huán)境感知技術(shù)6.3.2駕駛環(huán)境的機(jī)器視覺(jué)識(shí)別6.3.3汽車(chē)導(dǎo)航定位技術(shù)6.3.4汽車(chē)路徑規(guī)劃技術(shù)6.3.5汽車(chē)節(jié)能車(chē)速規(guī)劃技術(shù)6.3.6汽車(chē)自主循跡控制技術(shù)6.3.7自動(dòng)泊車(chē)輔助技術(shù)6.3.8車(chē)胎氣壓監(jiān)測(cè)技術(shù)6.3.9決策控制技術(shù)6.3.10汽車(chē)環(huán)境感知技術(shù)6.4思考題智能化技術(shù)的應(yīng)用背景6.1互聯(lián)網(wǎng)技術(shù)通過(guò)衛(wèi)星定位、交通數(shù)據(jù)收集、車(chē)輛自動(dòng)控制、實(shí)時(shí)診斷監(jiān)控和智能充電等方式，顯著提升了汽車(chē)的節(jié)能效果。例如，車(chē)主利用衛(wèi)星定位獲取最優(yōu)路線，可減少不必要的能耗。互聯(lián)網(wǎng)技術(shù)的節(jié)能優(yōu)勢(shì)人工智能基于大數(shù)據(jù)和互聯(lián)網(wǎng)，通過(guò)先進(jìn)算法優(yōu)化駕駛路徑和車(chē)輛控制策略，進(jìn)一步推動(dòng)了新能源汽車(chē)節(jié)能技術(shù)的發(fā)展。其計(jì)算量和控制精度遠(yuǎn)超人工。人工智能的推動(dòng)作用互聯(lián)網(wǎng)技術(shù)助力節(jié)能無(wú)人駕駛技術(shù)等級(jí)6.2無(wú)人駕駛汽車(chē)的體系結(jié)構(gòu)感知系統(tǒng)由多種傳感器組成，如激光雷達(dá)、攝像頭等，為決策系統(tǒng)提供車(chē)輛周?chē)h(huán)境信息，采用多傳感器信息融合技術(shù)提高可靠性。感知系統(tǒng)決策系統(tǒng)利用人工智能和自動(dòng)控制理論，根據(jù)感知信息做出駕駛決策，如轉(zhuǎn)向、加速或制動(dòng)等操作。決策系統(tǒng)執(zhí)行系統(tǒng)執(zhí)行系統(tǒng)包括轉(zhuǎn)向、調(diào)速、制動(dòng)等執(zhí)行裝置，根據(jù)決策系統(tǒng)的命令完成相應(yīng)的操作，確保車(chē)輛安全行駛。完全由人類駕駛，所有車(chē)輛控制都由人類操作，沒(méi)有自動(dòng)化輔助功能。無(wú)自動(dòng)化（L0）能在特定環(huán)境下為駕駛員提供部分駕駛輔助，如定速巡航和車(chē)道偏離預(yù)警等功能，但駕駛員需時(shí)刻關(guān)注道路情況并準(zhǔn)備隨時(shí)接管車(chē)輛。輔助駕駛（L1）車(chē)輛能夠通過(guò)駕駛環(huán)境對(duì)方向盤(pán)、加速、剎車(chē)等多項(xiàng)操作進(jìn)行部分自動(dòng)化支持，但駕駛員仍需始終保持對(duì)車(chē)輛的監(jiān)控，并在必要時(shí)接管控制。部分自動(dòng)化（L2）自動(dòng)駕駛等級(jí)劃分允許車(chē)輛在特定條件下完成所有駕駛操作，車(chē)內(nèi)需配備安全駕駛員以應(yīng)對(duì)可能的突發(fā)情況。駕駛員在車(chē)輛自動(dòng)駕駛時(shí)無(wú)需進(jìn)行操作，但在系統(tǒng)請(qǐng)求接管時(shí)，必須立即響應(yīng)。條件自動(dòng)化（L3)實(shí)現(xiàn)了更高級(jí)別的自動(dòng)化，全程無(wú)需人類駕駛員介入。車(chē)輛能夠在特定道路和環(huán)境條件下獨(dú)立完成所有駕駛操作、監(jiān)控及支援工作，但對(duì)道路和環(huán)境條件有所限制，主要應(yīng)用于無(wú)人物流、無(wú)人微公交等特定場(chǎng)景。高度自動(dòng)化（L4)代表了無(wú)人駕駛的最高境界，車(chē)輛能夠在任何道路和環(huán)境條件下完成所有駕駛操作，無(wú)需人類駕駛員的介入，可實(shí)現(xiàn)編隊(duì)行駛，提高道路使用效率，甚至可能徹底改變交通方式。完全自動(dòng)化（L5）自動(dòng)駕駛等級(jí)劃分智能化節(jié)能技術(shù)介紹6.3環(huán)境感知是無(wú)人駕駛汽車(chē)的“眼”和“耳”，通過(guò)辨別周?chē)h(huán)境信息為行為決策提供支持，包括自身位姿感知和周?chē)h(huán)境感知兩部分。環(huán)境感知的重要性01無(wú)人駕駛汽車(chē)自身位姿信息主要包括車(chē)輛自身的速度、加速度、傾角、位置等信息。這類信息測(cè)量方便，主要用驅(qū)動(dòng)電機(jī)、電子羅盤(pán)、傾角傳感器、陀螺儀等傳感器進(jìn)行測(cè)量。自身位姿感知02無(wú)人駕駛汽車(chē)周?chē)h(huán)境感知以雷達(dá)等主動(dòng)型測(cè)距傳感器為主，被動(dòng)型測(cè)距傳感器為輔，采用信息融合的方法實(shí)現(xiàn)。激光、雷達(dá)、超聲波等主動(dòng)型測(cè)距傳感器相結(jié)合，能更好的滿足復(fù)雜、惡劣條件下執(zhí)行任務(wù)的需要，數(shù)據(jù)處理量小、實(shí)時(shí)性好，路徑規(guī)劃時(shí)可以直接利用激光返回的數(shù)據(jù)進(jìn)行計(jì)算，無(wú)需知道障礙物的具體信息。周?chē)h(huán)境感知6.3.1汽車(chē)環(huán)境感知技術(shù)特點(diǎn)：非接觸檢測(cè)，對(duì)色彩、光照度不敏感，抗干擾能力強(qiáng)，結(jié)構(gòu)簡(jiǎn)單、成本低，適用于近距離測(cè)量。結(jié)構(gòu)：采用雙晶振子，涂敷薄膜電極，具有圓錐形振子，發(fā)送和接收超聲波效率高。測(cè)距原理：通過(guò)測(cè)量超聲脈沖從發(fā)射到接收的時(shí)間，根據(jù)聲速計(jì)算距離。原理如下圖：超聲波傳感器6.3.1汽車(chē)環(huán)境感知技術(shù)特點(diǎn)：全天候工作，分辨率高，抗干擾能力強(qiáng)，波長(zhǎng)短，結(jié)構(gòu)尺寸小。組成：包括激光發(fā)射、激光接收、掃描部件、信息處理等部分。脈沖測(cè)距法：通過(guò)測(cè)量光脈沖的飛行時(shí)間計(jì)算距離，適用于遠(yuǎn)距離測(cè)量。激光雷達(dá)6.3.1汽車(chē)環(huán)境感知技術(shù)6.3.1汽車(chē)環(huán)境感知技術(shù)干涉測(cè)距法：利用波的疊加原理，通過(guò)分析干涉條紋測(cè)量距離，精度高，但一般用于測(cè)量距離的變化。相位測(cè)距法：利用發(fā)射波和接收波的相位差測(cè)量距離，精度高、體積小、結(jié)構(gòu)簡(jiǎn)單，適合小型化發(fā)展。實(shí)例：LUX4線激光雷達(dá)，具有寬視角、遠(yuǎn)探測(cè)距離、安全激光等級(jí)等優(yōu)點(diǎn)，可輸出原始掃描數(shù)據(jù)和測(cè)量對(duì)象數(shù)據(jù)。特點(diǎn)：探測(cè)性能優(yōu)異，響應(yīng)速度快，對(duì)環(huán)境適應(yīng)性強(qiáng)，抗低頻干擾能力強(qiáng)，但易受天氣影響，傳輸距離較短。測(cè)量原理：分為脈沖方式和調(diào)頻連續(xù)波方式，其中調(diào)頻連續(xù)波方式應(yīng)用廣泛，通過(guò)發(fā)射與接收高頻電磁波，利用短波長(zhǎng)特性進(jìn)行高精度探測(cè)。毫米波雷達(dá)測(cè)距和測(cè)速的計(jì)算公式為：

式中，s為相對(duì)距離（m）；c為光速（m/s）；T為信號(hào)發(fā)射周期（s）；f'為發(fā)射信號(hào)與反射信號(hào)的頻率差（Hz）；△f為調(diào)頻帶寬（Hz）；fa為多普勒頻率（Hz）；f。為發(fā)射信號(hào)的中心頻率（Hz）；u為相對(duì)速度（m/s）。實(shí)例：ESR毫米波雷達(dá)，采用連續(xù)調(diào)制方式，能夠掃描遠(yuǎn)距離范圍內(nèi)的多個(gè)目標(biāo)，提供目標(biāo)的相對(duì)距離、角度和速度等信息。毫米波雷達(dá)6.3.1汽車(chē)環(huán)境感知技術(shù)6.3.1汽車(chē)環(huán)境感知技術(shù)6.3.1汽車(chē)環(huán)境感知技術(shù)組成：包括光源、鏡頭、圖像傳感器、模數(shù)轉(zhuǎn)換器、圖像處理器、圖像存儲(chǔ)器等，主要功能是獲取原始圖像。視覺(jué)傳感器的組成CCD圖像傳感器：利用電荷耦合器件技術(shù)，將光信號(hào)轉(zhuǎn)換為電荷信號(hào)，具有體積小、造價(jià)低的優(yōu)點(diǎn)，廣泛應(yīng)用于掃描儀、數(shù)碼相機(jī)等領(lǐng)域。CMOS圖像傳感器：基于互補(bǔ)金屬氧化物半導(dǎo)體技術(shù)，具有低功耗、快速讀取、隨機(jī)訪問(wèn)等優(yōu)勢(shì)，適用于自動(dòng)控制、自動(dòng)測(cè)量等領(lǐng)域。主要參數(shù)：包括像素、靶面尺寸、感光度、電子快門(mén)、幀率和信噪比，這些參數(shù)影響傳感器的性能和應(yīng)用范圍。差異：CCD和CMOS在制造工藝、工作原理、視覺(jué)掃描方法、感光度、分辨率、噪聲、成本和耗電量等方面存在差異，各有優(yōu)缺點(diǎn)。視覺(jué)傳感器6.3.1汽車(chē)環(huán)境感知技術(shù)傳感器比較傳感器類型測(cè)量性能環(huán)境影響價(jià)格對(duì)比超聲波傳感器測(cè)量范圍：0.2~10m測(cè)量精度：±0.1m測(cè)量頻率：10~20Hz不受光照影響，測(cè)量精度受測(cè)量物體表面形狀、材質(zhì)影響大低激光雷達(dá)測(cè)量范圍：1~150m測(cè)量精度：±0.1m測(cè)量頻率：10~20Hz聚焦性好，易實(shí)現(xiàn)遠(yuǎn)程測(cè)量，受光照煙霧等因素影響大，能量高度集中，具有一定危害性相對(duì)超聲波傳感器高毫米波雷達(dá)測(cè)量范圍：0~100m測(cè)量精度：±0.5m測(cè)量頻率：20~50Hz角度分辨率高，抗電子干擾強(qiáng)，受雨霧等因素影響大相對(duì)激光雷達(dá)高視覺(jué)傳感器測(cè)量范圍：3~25m測(cè)量精度：0.3m測(cè)量頻率：30~50幀/s測(cè)量精度不受物體表面材質(zhì)、形狀等因素影響，受環(huán)境光照強(qiáng)度影響大相比毫米波雷達(dá)高6.3.1汽車(chē)環(huán)境感知技術(shù)視覺(jué)傳感器體積小、成本低，被動(dòng)式工作原理使其不受其他傳感器干擾，廣泛應(yīng)用于物體檢測(cè)和圖像處理，是自動(dòng)駕駛技術(shù)的關(guān)鍵組成部分。視覺(jué)識(shí)別的重要性任務(wù)：提取車(chē)道幾何結(jié)構(gòu)、確定車(chē)輛在車(chē)道中的位置、提取可行駛區(qū)域。方法：分為基于區(qū)域分割、基于特征和基于模型的識(shí)別方法?；趨^(qū)域分割的識(shí)別方法通過(guò)顏色或紋理特征將道路圖像像素分為道路和非道路兩類；基于特征的識(shí)別方法結(jié)合道路圖像的特征識(shí)別道路邊界或車(chē)道標(biāo)識(shí)線；基于模型的識(shí)別方法利用道路圖像模型和檢測(cè)技術(shù)識(shí)別道路邊界或車(chē)道線。車(chē)道檢測(cè)6.3.2駕駛環(huán)境的機(jī)器視覺(jué)識(shí)別6.3.2駕駛環(huán)境的機(jī)器視覺(jué)識(shí)別基于特征的方法：利用車(chē)輛的顏色、輪廓、對(duì)稱性等特征進(jìn)行檢測(cè)，如陰影特征、邊緣特征、對(duì)稱特征、位置特征和車(chē)輛尾燈特征等，但單一特征難以達(dá)到良好效果，通常結(jié)合多種特征。基于機(jī)器學(xué)習(xí)的方法：從樣本中提取特征，訓(xùn)練分類器判斷車(chē)輛區(qū)域，但計(jì)算復(fù)雜度高，難以保證實(shí)時(shí)性?；诠饬鞯姆椒ǎ和ㄟ^(guò)計(jì)算圖像中像素的運(yùn)動(dòng)信息推算目標(biāo)物體區(qū)域，但對(duì)振動(dòng)和噪聲的抗干擾性弱，計(jì)算量大?；谀Ｐ偷姆椒ǎ航④?chē)輛的二維或三維模型進(jìn)行匹配查找，但對(duì)模型依賴度高，難以適應(yīng)多種車(chē)輛外形。前方車(chē)輛檢測(cè)6.3.2駕駛環(huán)境的機(jī)器視覺(jué)識(shí)別基于運(yùn)動(dòng)特性的方法：利用人體運(yùn)動(dòng)的周期性特性檢測(cè)行人，但不適合靜止行人?；谛螤钅Ｐ偷姆椒ǎ阂揽啃腥诵螤钐卣鬟M(jìn)行識(shí)別，適用于運(yùn)動(dòng)和靜止行人。基于模板匹配的方法：通過(guò)定義行人形狀模型在圖像中匹配目標(biāo)，但對(duì)復(fù)雜背景適應(yīng)性差?；诮y(tǒng)計(jì)分類的方法：從樣本中訓(xùn)練行人分類器進(jìn)行判別，具有魯棒性。前方行人檢測(cè)6.3.2駕駛環(huán)境的機(jī)器視覺(jué)識(shí)別基于顏色信息的方法：利用交通標(biāo)志的顏色特征進(jìn)行檢測(cè)，對(duì)圖像旋轉(zhuǎn)、傾斜具有較好的魯棒性?；谛螤钐卣鞯姆椒ǎ航Y(jié)合交通標(biāo)志的形狀特征進(jìn)行識(shí)別，與顏色檢測(cè)相結(jié)合提高準(zhǔn)確性?；陲@著性的方法：利用交通標(biāo)志的顯眼特征進(jìn)行檢測(cè)，但對(duì)復(fù)雜背景適應(yīng)性有限?；谔卣魈崛『蜋C(jī)器學(xué)習(xí)的方法：通過(guò)特征描述符和機(jī)器學(xué)習(xí)方法區(qū)分標(biāo)志和障礙物，提高檢測(cè)精度。交通標(biāo)志檢測(cè)6.3.2駕駛環(huán)境的機(jī)器視覺(jué)識(shí)別6.3.2駕駛環(huán)境的機(jī)器視覺(jué)識(shí)別基于顏色特征的方法：選取色彩空間對(duì)交通信號(hào)燈的顏色進(jìn)行描述，分為基于RGB顏色空間和基于HSI顏色空間的識(shí)別算法，RGB空間識(shí)別實(shí)時(shí)性好（免轉(zhuǎn)換），但三通道依賴性強(qiáng)、易受光照干擾；HSI空間色彩分離度高、識(shí)別更穩(wěn)定，但需從RGB轉(zhuǎn)換導(dǎo)致計(jì)算量大、實(shí)時(shí)性降低?；谛螤钐卣鞯姆椒ǎ豪媒煌ㄐ盘?hào)燈及其支撐物的幾何信息進(jìn)行識(shí)別，可與顏色特征結(jié)合使用。。交通信號(hào)檢測(cè)6.3.2駕駛環(huán)境的機(jī)器視覺(jué)識(shí)別6.3.2駕駛環(huán)境的機(jī)器視覺(jué)識(shí)別6.3.3汽車(chē)導(dǎo)航定位技術(shù)自主導(dǎo)航：在本地存儲(chǔ)地理空間數(shù)據(jù)，獨(dú)立完成導(dǎo)航任務(wù)，但計(jì)算資源有限，有時(shí)不能提供準(zhǔn)確、實(shí)時(shí)的導(dǎo)航服務(wù)。網(wǎng)絡(luò)導(dǎo)航：通過(guò)無(wú)線通信網(wǎng)絡(luò)與服務(wù)器進(jìn)行信息交互，計(jì)算能力強(qiáng)，地圖數(shù)據(jù)始終最新，但依賴網(wǎng)絡(luò)信號(hào)。導(dǎo)航技術(shù)的分類組成：由基準(zhǔn)站、數(shù)據(jù)傳輸設(shè)備和移動(dòng)站組成。原理：基準(zhǔn)站將測(cè)得的位置與真實(shí)位置的差值作為公共誤差校正量，通過(guò)無(wú)線數(shù)據(jù)傳輸設(shè)備將該校正量傳送給移動(dòng)站，移動(dòng)站用該校正量對(duì)本地位置進(jìn)行校正，提高定位精度。差分方式：包括位置差分、偽距差分和載波相位差分，通過(guò)發(fā)送不同的改正數(shù)實(shí)現(xiàn)不同精度的定位。差分全球?qū)Ш蕉ㄎ幌到y(tǒng)組成：由空間部分（導(dǎo)航衛(wèi)星）、地面監(jiān)控部分（監(jiān)控站和主控站）和用戶設(shè)備部分（GPS信號(hào)接收機(jī)）組成。原理：利用到達(dá)時(shí)間測(cè)距原理，通過(guò)接收衛(wèi)星信號(hào)計(jì)算用戶位置，具有全球全天候定位、覆蓋范圍廣、定位精度高、觀測(cè)時(shí)間短等特點(diǎn)。GPS系統(tǒng)的組成與原理6.3.3汽車(chē)導(dǎo)航定位技術(shù)差分全球?qū)Ш蕉ㄎ幌到y(tǒng)6.3.3汽車(chē)導(dǎo)航定位技術(shù)差分全球?qū)Ш蕉ㄎ弧恢貌罘职惭b在基準(zhǔn)站上的GPS接收機(jī)觀測(cè)4顆衛(wèi)星后便可進(jìn)行三維定位，解算出基準(zhǔn)站的觀測(cè)坐標(biāo)。

由于存在著軌道誤差、時(shí)鐘誤差、大氣影響、多徑效應(yīng)以及其他誤差等，解算出的觀測(cè)坐標(biāo)與基準(zhǔn)站的已知坐標(biāo)是不一樣的，存在誤差。將已知坐標(biāo)與觀測(cè)坐標(biāo)之差作為位置改正數(shù)，通過(guò)基準(zhǔn)站的數(shù)據(jù)傳輸設(shè)備發(fā)送出去，由移動(dòng)站接收，并且對(duì)其解算的移動(dòng)站坐標(biāo)進(jìn)行改正。位置差分法適用于用戶與基準(zhǔn)站間距離在100km以內(nèi)的情況系統(tǒng)。6.3.3汽車(chē)導(dǎo)航定位技術(shù)差分全球?qū)Ш蕉ㄎ弧獋尉嗖罘掷没鶞?zhǔn)站已知坐標(biāo)和衛(wèi)星星歷可計(jì)算出基準(zhǔn)站與衛(wèi)星之間的計(jì)算距離，將計(jì)算距離與觀測(cè)距離之差作為改正數(shù)，發(fā)送給移動(dòng)站，移動(dòng)站利用此改正數(shù)來(lái)改正測(cè)量的偽距。最后，用戶利用改正后的偽距來(lái)解出本身的位置，就可消去公共誤差，提高定位精度。偽距差分能將兩站公共誤差抵消，但隨著用戶到基準(zhǔn)站距離的增加，又出現(xiàn)了系統(tǒng)誤差，這種誤差用任何差分法都是不能消除的；用戶和基準(zhǔn)站之間的距離對(duì)精度有決定性影響。6.3.3汽車(chē)導(dǎo)航定位技術(shù)差分全球?qū)Ш蕉ㄎ弧d波相位差分載波相位差分（RTK）技術(shù)是建立在實(shí)時(shí)處理兩個(gè)測(cè)站的載波相位基礎(chǔ)上的，它能夠?qū)崟r(shí)地提供測(cè)站點(diǎn)在指定坐標(biāo)系中的三維定位結(jié)果，并達(dá)到厘米級(jí)精度。在RTK作業(yè)模式下，基站采集衛(wèi)星數(shù)據(jù)，并通過(guò)數(shù)據(jù)鏈將其觀測(cè)值和站點(diǎn)坐標(biāo)信息一起傳送給移動(dòng)站，而移動(dòng)站通過(guò)對(duì)所采集到的衛(wèi)星數(shù)據(jù)和接收到的數(shù)據(jù)鏈進(jìn)行實(shí)時(shí)載波相位差分處理（歷時(shí)不足1s），得出厘米級(jí)的定位結(jié)果。組成：由空間段（靜止軌道衛(wèi)星和非靜止軌道衛(wèi)星）、地面段（主控站、時(shí)間同步/注入站和監(jiān)測(cè)站）和用戶段（接收機(jī)）組成。功能：具有短報(bào)文通信、精密授時(shí)、定位精度高、最大用戶數(shù)多等特點(diǎn)，可在全球范圍內(nèi)提供高精度、高可靠定位、導(dǎo)航、授時(shí)服務(wù)，并具有短報(bào)文通信能力。比較：與全球四大衛(wèi)星導(dǎo)航系統(tǒng)（GPS、北斗、GLONASS、GALILEO）相比，北斗系統(tǒng)在某些方面具有獨(dú)特優(yōu)勢(shì)。北斗衛(wèi)星導(dǎo)航定位系統(tǒng)原理：利用車(chē)輛初始位置、航向角和行駛距離推算當(dāng)前位置，不受外界環(huán)境影響，但誤差隨時(shí)間積累，需與其他定位方法結(jié)合使用。方法：通過(guò)航位推算傳感器測(cè)量位移矢量，根據(jù)公式計(jì)算車(chē)輛位置，但單獨(dú)使用時(shí)不能長(zhǎng)時(shí)間保持高精度。車(chē)輛航位推算組成：由GPS、電子羅盤(pán)、里程計(jì)和導(dǎo)航計(jì)算機(jī)組成。原理：通過(guò)卡爾曼濾波方法融合GPS和DR的數(shù)據(jù)，補(bǔ)償修正DR系統(tǒng)的狀態(tài)，提高定位精度和穩(wěn)定性。優(yōu)勢(shì)：實(shí)現(xiàn)了相對(duì)低成本的高精度導(dǎo)航定位，適用于多種應(yīng)用場(chǎng)景。GPS/DR組合導(dǎo)航定位系統(tǒng)6.3.3汽車(chē)導(dǎo)航定位技術(shù)6.3.3汽車(chē)導(dǎo)航定位技術(shù)GPS/DR組合導(dǎo)航定位系統(tǒng)路徑規(guī)劃是自動(dòng)駕駛汽車(chē)選擇最佳行駛路線和策略的關(guān)鍵技術(shù)，通過(guò)環(huán)境感知、高車(chē)聯(lián)網(wǎng)技術(shù)，實(shí)現(xiàn)自主駕駛的基礎(chǔ)，對(duì)新能源汽車(chē)節(jié)能規(guī)劃與控制技術(shù)的進(jìn)步起到重要推動(dòng)作用。路徑規(guī)劃的重要性可視圖法：通過(guò)連接起點(diǎn)、障礙物頂點(diǎn)和目標(biāo)點(diǎn)形成可視圖，搜索最短路徑，但缺乏靈活性，算法復(fù)雜性與障礙物數(shù)量成正比。柵格法：將工作環(huán)境離散化為柵格單元，分為自由柵格和障礙柵格，操作簡(jiǎn)單但對(duì)柵格大小依賴性大，搜索空間可能急劇增大。自由空間法：構(gòu)造自由空間并表示為連通圖，通過(guò)搜索連通圖進(jìn)行路徑規(guī)劃，較靈活但算法復(fù)雜度與障礙物數(shù)量成正比。拓?fù)浞ǎ簩⒏呔S幾何空間問(wèn)題轉(zhuǎn)化為低維拓?fù)淇臻g問(wèn)題，通過(guò)建立拓?fù)渚W(wǎng)絡(luò)尋找路徑，但建立拓?fù)渚W(wǎng)絡(luò)過(guò)程復(fù)雜，計(jì)算量大。環(huán)境模型建立方法6.3.4汽車(chē)路徑規(guī)劃技術(shù)路徑規(guī)劃的經(jīng)典算法主要有Dijkstra算法、A*算法、D*算法等。Dijkstra算法：解決加權(quán)圖中單源最短路徑問(wèn)題，基于貪心策略逐步擴(kuò)展節(jié)點(diǎn)范圍尋找最短路徑，計(jì)算可靠性高但計(jì)算效果在路徑規(guī)劃范圍較大時(shí)效果不佳。Dijkstra算法的根本思想：若每個(gè)點(diǎn)設(shè)都有一個(gè)坐標(biāo)（d，p），其中d是原點(diǎn)O到某一點(diǎn)j的一條長(zhǎng)度是最短的路徑；p則是d的前一個(gè)點(diǎn)。求解從原點(diǎn)O到某一點(diǎn)j的路徑中最短的一條路徑，其算法應(yīng)該如下：①判斷路徑規(guī)劃的可行性（就是說(shuō)起始點(diǎn)和終點(diǎn)的選擇是否可行和存儲(chǔ)結(jié)點(diǎn)的容器是否正確），將存放節(jié)點(diǎn)的容器初始化，然后把所有結(jié)點(diǎn)粘貼到臨時(shí)緩存。②首先查找離第一個(gè)節(jié)點(diǎn)最近的相關(guān)節(jié)點(diǎn)和兩者之間的道路信息，并把它們都存儲(chǔ)起來(lái)，然后通過(guò)查找與之距離最短的一個(gè)節(jié)點(diǎn)是不是終點(diǎn)，假如是終點(diǎn)，那么將節(jié)點(diǎn)存儲(chǔ)起來(lái)，返回；若不是，則從暫時(shí)緩存中刪除第一個(gè)節(jié)點(diǎn)，執(zhí)行下一步操作。③尋找離目前中間點(diǎn)最近的一個(gè)節(jié)點(diǎn)，將此節(jié)點(diǎn)存儲(chǔ)起來(lái)。④再次判斷目前節(jié)點(diǎn)是不是線路規(guī)劃的終點(diǎn)，假如是則返回節(jié)點(diǎn)，若不是則可以刪除臨時(shí)緩存中的已分析節(jié)點(diǎn)，重新回到步驟③。路徑規(guī)劃的經(jīng)典算法6.3.4汽車(chē)路徑規(guī)劃技術(shù)6.3.4汽車(chē)路徑規(guī)劃技術(shù)路徑規(guī)劃的經(jīng)典算法A*算法：一種啟發(fā)式搜索算法，利用估價(jià)函數(shù)動(dòng)態(tài)調(diào)節(jié)搜索策略，效率高，但估價(jià)函數(shù)設(shè)計(jì)需根據(jù)具體問(wèn)題確定。A*算法是目前最為流行的最短路徑啟發(fā)式搜索算法，它充分運(yùn)用問(wèn)題域狀態(tài)空間的啟發(fā)信息，對(duì)問(wèn)題求解選取比較適宜的估價(jià)函數(shù)，再利用估價(jià)函數(shù)的反饋結(jié)果，對(duì)它的搜索戰(zhàn)略進(jìn)行動(dòng)態(tài)的調(diào)節(jié)，最終得到問(wèn)題的最優(yōu)解。A*算法給出的估價(jià)函數(shù)為

g（j）是從原點(diǎn)到當(dāng)前節(jié)點(diǎn)j的代價(jià)，h（j）是從當(dāng)前節(jié)點(diǎn)j到目標(biāo)節(jié)點(diǎn)之間的最小代價(jià)的估計(jì)函數(shù)。當(dāng)h（j）=0時(shí)，即h（j）沒(méi)有用到任何啟發(fā)式信息，此種情況下，A*算法會(huì)演變衰退為一般的Dijkstra算法。因此，在一般情況下，h（j）到底為何種樣式應(yīng)該按照待求問(wèn)題的實(shí)際情況而定，但是它務(wù)必需要使估價(jià)函數(shù)中的h（j）項(xiàng)小于等于點(diǎn)j到目標(biāo)節(jié)點(diǎn)的實(shí)際最小代價(jià)，那么就能得出結(jié)論，根據(jù)這樣的搜索策略，就肯定可以找到最優(yōu)解。在最短路徑問(wèn)題中，h（j）可選擇為當(dāng)前頂點(diǎn)到目標(biāo)頂點(diǎn)的直線距離d（j），而g（j）則選擇為原點(diǎn)到當(dāng)前節(jié)點(diǎn)的實(shí)際距離d*（j），則估價(jià)函數(shù)為

6.3.4汽車(chē)路徑規(guī)劃技術(shù)路徑規(guī)劃的經(jīng)典算法

A*算法步驟如下：①賦給初始值，初始化所有節(jié)點(diǎn)、臨時(shí)緩存和關(guān)聯(lián)容器。②計(jì)算初始節(jié)點(diǎn)和各個(gè)相關(guān)節(jié)點(diǎn)的權(quán)值f（j），然后保存起來(lái)，從中獲得權(quán)值最小的節(jié)點(diǎn)，并保存該節(jié)點(diǎn)，最后把它從節(jié)點(diǎn)存儲(chǔ)器中去掉。③計(jì)算該節(jié)點(diǎn)是不是終點(diǎn)，假如是終點(diǎn)就返回節(jié)點(diǎn)，若不是終點(diǎn)就接著計(jì)算下一步。④獲得所有的中間節(jié)點(diǎn)與相關(guān)節(jié)點(diǎn)的權(quán)值f（j），然后開(kāi)始判斷，假如這個(gè)節(jié)點(diǎn)沒(méi)有保存，那么把這個(gè)節(jié)點(diǎn)存儲(chǔ)起來(lái)；假如這個(gè)節(jié)點(diǎn)已經(jīng)保存，比較這個(gè)節(jié)點(diǎn)的權(quán)值和已保存節(jié)點(diǎn)的權(quán)值大小，如果不大于已保存權(quán)值，則開(kāi)始更新替換。⑤查找中間點(diǎn)的關(guān)聯(lián)節(jié)點(diǎn)中權(quán)值最小的一個(gè)節(jié)點(diǎn)，將該節(jié)點(diǎn)保存，然后將其從節(jié)點(diǎn)緩存中去掉，并轉(zhuǎn)到步驟③。路徑規(guī)劃的重要性

6.3.4汽車(chē)路徑規(guī)劃技術(shù)路徑規(guī)劃的經(jīng)典算法

D*算法：動(dòng)態(tài)規(guī)劃算法，適用于動(dòng)態(tài)環(huán)境下的路徑規(guī)劃，通過(guò)重新規(guī)劃避開(kāi)障礙物，但計(jì)算量較大?；舅枷肴缦?。①利用A*算法對(duì)地圖上給定的起始點(diǎn)和目標(biāo)點(diǎn)進(jìn)行路徑規(guī)劃，建立OPEN表和CLOSED表，存儲(chǔ)規(guī)劃路徑上的每一路點(diǎn)到目標(biāo)路點(diǎn)的最短路徑信息。②在車(chē)輛對(duì)規(guī)劃出的路徑進(jìn)行跟蹤時(shí)，當(dāng)下一個(gè)路點(diǎn)沒(méi)有障礙能夠通行時(shí)，則對(duì)上面規(guī)劃出的路徑從起始路點(diǎn)向后追溯到目標(biāo)路點(diǎn)，直至車(chē)輛到達(dá)目的地。當(dāng)在跟蹤到某一路點(diǎn)Y時(shí)，檢測(cè)到在下一路點(diǎn)處有障礙發(fā)生時(shí)，則在當(dāng)前路點(diǎn)處重新建立對(duì)后續(xù)路點(diǎn)的規(guī)劃，保存障礙物之前的路點(diǎn)在OPEN表和CLOSED表里的信息和指針，刪除障礙物之后路點(diǎn)在OPEN表和CLOSED表里的信息和后繼指針。③利用A*算法從當(dāng)前路點(diǎn)Y開(kāi)始向目標(biāo)路點(diǎn)進(jìn)行規(guī)劃，重新規(guī)劃得到最短路徑。回到步驟②。路徑規(guī)劃的重要性

6.3.4汽車(chē)路徑規(guī)劃技術(shù)路徑規(guī)劃的智能算法路徑規(guī)劃的智能算法主要有遺傳算法、模擬退火算法、蟻群算法等。遺傳算法（GeneticAlgorithm，GA）：基于生物自然遺傳選擇和進(jìn)化，通過(guò)選擇、交叉、變異等操作進(jìn)行優(yōu)化，具有良好的并行處理能力和全局查詢特色。遺傳算法的基本運(yùn)算過(guò)程如下。1）初始化設(shè)定起始群體P（0），生成N個(gè)個(gè)體，設(shè)定進(jìn)化代數(shù)變量t=0，設(shè)定T最大進(jìn)化代數(shù)。2）個(gè)體評(píng)價(jià)獲得群體P（t）中每個(gè)樣本的適應(yīng)度。3）選擇計(jì)算選擇是為了把優(yōu)秀的個(gè)體或通過(guò)交配產(chǎn)生新的個(gè)體傳到下一代。4）交叉計(jì)算將最核心的交叉算子作用于群體。5）變異計(jì)算把總?cè)褐械拿總€(gè)個(gè)體的一些基因座上的基因值改動(dòng)。種群P（t1）是種群P（t）產(chǎn)生，歷經(jīng)選擇、交叉、變異。6）結(jié)束判斷當(dāng)t=T時(shí)，停止計(jì)算，輸出具有最大適應(yīng)度的個(gè)體。

6.3.4汽車(chē)路徑規(guī)劃技術(shù)路徑規(guī)劃的智能算法模擬退火算法（SimulatedAnnealing，SA）：利用熱力學(xué)中粒子系統(tǒng)的降溫過(guò)程求解最優(yōu)值，能有效解決復(fù)雜系統(tǒng)優(yōu)化問(wèn)題，但收斂速度受溫度下降速度影響。

模擬退火法的基本過(guò)程如下。①設(shè)定初始值，包括溫度T。及函數(shù)值f（x）。②計(jì)算函數(shù)差值△f=f（x'）-f（x）。③若△f>0，可把新點(diǎn)作為下一次計(jì)算的初始值。④若△f<0，則計(jì)算新接受概率：

產(chǎn)生[0，1]區(qū)間上均勻分布的偽隨機(jī)數(shù)r，r屬于[0，1]，根據(jù)p（△f）與r值的大小來(lái)判斷下一次值的選取。如果根據(jù)退火方案把溫度一步步降低，循環(huán)執(zhí)行上述步驟，這樣就形成了模擬退火算法。假如此時(shí)系統(tǒng)的溫度降到足夠低，就會(huì)以為目前就是全局最優(yōu)的狀態(tài)。在此步驟中，如果溫度迅速下降，部分極值點(diǎn)就會(huì)遺失；假如溫度緩慢下降，這樣算法的收斂速度大不如以前。

6.3.4汽車(chē)路徑規(guī)劃技術(shù)路徑規(guī)劃的智能算法蟻群算法（AntColonyAlgorithm，ACA）：尋找最優(yōu)解效仿了真實(shí)螞蟻的尋徑行為，利用螞蟻之間的相互通信與相互合作。蟻群算法有以下優(yōu)點(diǎn)：①蟻群算法能夠把一些常用的分布式計(jì)算、貪婪式搜索等特點(diǎn)綜合起來(lái)，并且是一種正反饋機(jī)制的算法，因此，在優(yōu)化問(wèn)題領(lǐng)域具有很強(qiáng)的搜索較優(yōu)解的能力。想要快速地發(fā)現(xiàn)較優(yōu)解，可利用正反饋機(jī)制得到；而過(guò)早收斂現(xiàn)象可由分布式計(jì)算來(lái)排除；若要減少查找過(guò)程消耗的時(shí)間，可通過(guò)貪婪式搜索來(lái)實(shí)現(xiàn)。②蟻群算法具有很強(qiáng)的并行性。③蟻群中螞蟻之間通過(guò)信息素展開(kāi)協(xié)同合作，則系統(tǒng)會(huì)有比較好的可擴(kuò)展性。蟻群算法也有一些缺陷：①蟻群算法需要消耗時(shí)間較多。尤其是群體規(guī)模較大，剛開(kāi)始尋找路徑時(shí)，各線路上的信息濃度大小幾乎是相同的，短時(shí)間內(nèi)很難發(fā)現(xiàn)一條比較好的線路。②當(dāng)查找過(guò)程進(jìn)行到一定階段時(shí)，蟻群中螞蟻查找到的解相同，很難在深層次去查找得到更好的解，使算法出現(xiàn)停滯現(xiàn)象。6.3.4汽車(chē)路徑規(guī)劃技術(shù)路徑規(guī)劃的智能算法除了上述算法之外，還有其他很多算法，如基于廣度優(yōu)先搜索、深度優(yōu)先搜索、最小生成樹(shù)、神經(jīng)網(wǎng)絡(luò)、層次空間推理等。（a）遺傳算法

（b）粒子群算法GA和PSO算法流程對(duì)比節(jié)能車(chē)速規(guī)劃（eco-driving），即生態(tài)駕駛，是指在行駛環(huán)境和車(chē)輛動(dòng)力系統(tǒng)約束下，規(guī)劃出能耗最優(yōu)車(chē)速軌跡的技術(shù)。影響汽車(chē)車(chē)速規(guī)劃的主要環(huán)境影響因素有動(dòng)態(tài)坡度、動(dòng)態(tài)限速、牽扯、信號(hào)燈、路口隊(duì)列等信息。節(jié)能車(chē)速規(guī)劃在不同交通條件下可降低10%~30%的能耗和20%~30%的排放，隨著市場(chǎng)滲透率的增加，網(wǎng)聯(lián)式汽車(chē)可以從以個(gè)體為中心的路權(quán)競(jìng)爭(zhēng)轉(zhuǎn)向注重車(chē)群整體利益的相互合作，通過(guò)信息共享和協(xié)同控制進(jìn)一步提升節(jié)能效果。在交通層面，節(jié)能車(chē)速規(guī)劃還能夠抑制交通流震蕩，緩解城市道路交通擁堵。車(chē)速規(guī)劃的重要性026.3.5汽車(chē)節(jié)能車(chē)速規(guī)劃技術(shù)車(chē)輛的行駛場(chǎng)景分為城市和高速，可以細(xì)化為跟車(chē)、匝道合流和路口通行等，環(huán)境干擾因素如道路坡度、限速、前車(chē)和信號(hào)燈等構(gòu)成約束條件。在跟車(chē)場(chǎng)景，自適應(yīng)巡航控制（ACC）利用V2V或預(yù)測(cè)信息調(diào)整車(chē)速以節(jié)能。匝道合流場(chǎng)景中，車(chē)輛先在控制區(qū)調(diào)速，后在合流區(qū)匯入；多車(chē)道時(shí)還需換道決策。在信號(hào)燈路口通行場(chǎng)景中，節(jié)能方法利用V2I通信獲取前方多個(gè)路口信號(hào)燈的SPaT信息進(jìn)行多燈感知規(guī)劃，效果優(yōu)于單燈?？紤]信號(hào)燈不確定性時(shí)，可結(jié)合歷史數(shù)據(jù)和實(shí)時(shí)相位預(yù)測(cè)綠燈概率。路口等待隊(duì)列影響也可集成到模型中。節(jié)能車(chē)速規(guī)劃問(wèn)題的優(yōu)化指標(biāo)主要為能耗，還包括行駛時(shí)間和舒適性等。根據(jù)能量傳遞路徑的不同，車(chē)輛能耗分為輪端能耗和動(dòng)力系統(tǒng)能耗。輪端能耗簡(jiǎn)化問(wèn)題但降低最優(yōu)性。無(wú)約束優(yōu)化表明：優(yōu)化輪端能耗重在降低風(fēng)阻；優(yōu)化簡(jiǎn)化動(dòng)力系統(tǒng)能耗時(shí)，燃油車(chē)最優(yōu)為加速-滑行，電動(dòng)車(chē)最優(yōu)車(chē)速呈拋物線函數(shù)。車(chē)輛道路行駛情況6.3.5汽車(chē)節(jié)能車(chē)速規(guī)劃技術(shù)節(jié)能車(chē)速規(guī)劃方法包括解析優(yōu)化方法、數(shù)值優(yōu)化方法、混合求解方法和強(qiáng)化學(xué)習(xí)方法。解析優(yōu)化方法：基于數(shù)學(xué)解析求解最優(yōu)化問(wèn)題，其公式通常涉及到目標(biāo)函數(shù)、約束條件、迭代過(guò)程等。計(jì)算效率高但依賴?yán)硐爰僭O(shè)，適用于相對(duì)簡(jiǎn)單的行駛場(chǎng)景。在解析優(yōu)化方法中，常用的公式包括梯度下降法、牛頓法、擬牛頓法等。這些公式都是通過(guò)數(shù)學(xué)解析的方式來(lái)求解最優(yōu)化問(wèn)題的最優(yōu)解。例如，梯度下降法的公式為：x（k+1）=x（k）-學(xué)習(xí)率梯度，其中x（k）表示第k次迭代的解，學(xué)習(xí)率是控制迭代步長(zhǎng)的參數(shù)，梯度是目標(biāo)函數(shù)在x（k）處的梯度。牛頓法的公式為：f（x）=0時(shí)，x1=x0-f（x0）/f'（x0），其中f（x）表示目標(biāo)函數(shù)，f'（x）表示目標(biāo)函數(shù)的導(dǎo)數(shù)，x0表示初始解。擬牛頓法的公式涉及到矩陣運(yùn)算和迭代過(guò)程，較為復(fù)雜，但也是通過(guò)數(shù)學(xué)解析的方式來(lái)求解最優(yōu)化問(wèn)題的最優(yōu)解。節(jié)能車(chē)速方法分類6.3.5汽車(chē)節(jié)能車(chē)速規(guī)劃技術(shù)數(shù)值優(yōu)化方法：通過(guò)迭代算法找到近似最優(yōu)解，適用面廣但計(jì)算量大，包括動(dòng)態(tài)規(guī)劃、凸優(yōu)化和序列二次規(guī)劃等。用數(shù)學(xué)式子來(lái)表示就是：

數(shù)值最優(yōu)化方法的理論有兩個(gè)關(guān)鍵點(diǎn)：按照一定的規(guī)則產(chǎn)生新的可行解x；產(chǎn)生的解x必須要先符合約束條件，再去研究它是否為最優(yōu)解。產(chǎn)生的新解x后要制定一套詳細(xì)的規(guī)則決定是接受還是拒絕它。因?yàn)楫?dāng)前的解a可能是局部最優(yōu)解，使得新解b有：f（b）<f（a）；如果就此停止迭代，可能找到的就不是全局最優(yōu)解（全局最大值）。這涉及到一個(gè)搜索策略的取舍問(wèn)題：保守&冒險(xiǎn)。保守的策略傾向于根據(jù)已知情況尋找最優(yōu)解；比如已知a附近的取值f（a+Δx）會(huì)越來(lái)越大，那盡量在附近搜索。冒險(xiǎn)的策略則是更愿意去搜索之前沒(méi)有探索過(guò)的區(qū)域，這更可能發(fā)現(xiàn)全局最優(yōu)解，跳出局部最優(yōu)解；但是消耗時(shí)間會(huì)更長(zhǎng)。節(jié)能車(chē)速方法分類6.3.5汽車(chē)節(jié)能車(chē)速規(guī)劃技術(shù)用于節(jié)能車(chē)速規(guī)劃的數(shù)值優(yōu)化方法包括DP、凸優(yōu)化和序列二次規(guī)劃（sequentialquadraticprogramming，SQP）等。DP適用于具有最優(yōu)子結(jié)構(gòu)性質(zhì)的復(fù)雜非線性優(yōu)化問(wèn)題，能夠得到全局最優(yōu)解，對(duì)節(jié)能車(chē)速規(guī)劃問(wèn)題適用性強(qiáng)，可在時(shí)域和空間域靈活建模，用于復(fù)雜行駛場(chǎng)景下的多約束多目標(biāo)優(yōu)化。為提高DP的計(jì)算效率，迭代動(dòng)態(tài)規(guī)劃（IDP）通過(guò)迭代逐步縮小變量搜索范圍，在節(jié)能車(chē)速優(yōu)化中得到應(yīng)用，云計(jì)算支撐的DP算法相比車(chē)載計(jì)算可降低2個(gè)數(shù)量級(jí)的計(jì)算時(shí)間。凸優(yōu)化主要包括二次規(guī)劃（QP）、二次約束二次規(guī)劃（QCQP）和二階錐規(guī)劃（SOCP）。原始的節(jié)能車(chē)速規(guī)劃問(wèn)題一般是非凸的，凸近似和凸松弛是常用技術(shù)手段，空間域建模能更方便地處理隨距離變化的道路坡度和限速。SQP基于Taylor展開(kāi)將原復(fù)雜非線性優(yōu)化問(wèn)題在迭代點(diǎn)處轉(zhuǎn)化為相對(duì)簡(jiǎn)單的QP問(wèn)題，并將求解結(jié)果作為原問(wèn)題的下一迭代方向，直至收斂。SQP計(jì)算效率高，收斂性好，邊界搜索能力強(qiáng)，是求解中小規(guī)模非線性優(yōu)化問(wèn)題的常用方法，一般用于時(shí)域建模的節(jié)能車(chē)速規(guī)劃問(wèn)題。數(shù)值優(yōu)化方法6.3.5汽車(chē)節(jié)能車(chē)速規(guī)劃技術(shù)混合求解方法：在求解過(guò)程中，根據(jù)問(wèn)題的性質(zhì)和求解進(jìn)展，自動(dòng)地選擇合適的方法或組合策略，以達(dá)到最優(yōu)解的目的，如信號(hào)燈路口通行場(chǎng)景中的兩階段優(yōu)化和恒定模式優(yōu)化。牛頓法公式：用于求解非線性方程的根，公式為f（x）=0時(shí)，x1=x0-f（x0）/f'（x0）。梯度下降法公式：用于求解最優(yōu)化問(wèn)題，公式為x（k+1）=x（k）-學(xué)習(xí)率*梯度。共軛梯度法公式：用于求解非線性方程的根，其公式較為復(fù)雜，涉及到迭代過(guò)程和計(jì)算梯度的技巧。節(jié)能車(chē)速方法分類6.3.5汽車(chē)節(jié)能車(chē)速規(guī)劃技術(shù)擬牛頓法公式：用于求解最優(yōu)化問(wèn)題，其公式涉及到矩陣運(yùn)算和迭代過(guò)程，較為復(fù)雜。混合求解方法6.3.5汽車(chē)節(jié)能車(chē)速規(guī)劃技術(shù)然后為：混合求解方法6.3.5汽車(chē)節(jié)能車(chē)速規(guī)劃技術(shù)強(qiáng)化學(xué)習(xí)方法：RL在面向自動(dòng)駕駛的車(chē)速優(yōu)化、換道決策以及橫縱向聯(lián)合控制等方面得到了廣泛研究，包括傳統(tǒng)RL算法和深度強(qiáng)化學(xué)習(xí)（deepreinforcementlearning，DRL）算法。傳統(tǒng)RL算法采用離散Q表記錄動(dòng)作價(jià)值函數(shù)，受限于問(wèn)題維數(shù)和離散精度，包括Q-learning和SARSA等。Q-learning算法在考慮道路坡度的BEV跟車(chē)控制中實(shí)現(xiàn)了93.8%的DP最優(yōu)節(jié)能效果，并在發(fā)動(dòng)機(jī)汽車(chē)信號(hào)燈路口通行場(chǎng)景中降低了CO2排放、停車(chē)時(shí)間和次數(shù)。DRL算法通過(guò)引入深度NN克服了傳統(tǒng)RL算法難以處理高維輸入的缺陷，包括深度Q網(wǎng)絡(luò)（DQN）、深度確定性策略梯度（DDPG）、近端策略優(yōu)化（PPO）和軟演員-評(píng)論（SAC）算法等。其中，DDPG算法結(jié)合了DQN算法與確定性策略梯度算法，能夠?qū)崿F(xiàn)連續(xù)動(dòng)作輸出，在跟車(chē)和信號(hào)燈路口通行場(chǎng)景中取得了良好的控制效果。節(jié)能車(chē)速方法分類6.3.5汽車(chē)節(jié)能車(chē)速規(guī)劃技術(shù)按汽車(chē)模型分類：分為汽車(chē)轉(zhuǎn)向幾何學(xué)模型、汽車(chē)運(yùn)動(dòng)學(xué)模型和汽車(chē)動(dòng)力學(xué)模型，各有其特點(diǎn)和適用場(chǎng)景。汽車(chē)轉(zhuǎn)向幾何學(xué)模型：一種基于前輪轉(zhuǎn)角與期望軌跡幾何關(guān)系的簡(jiǎn)化模型，因其簡(jiǎn)單易用的特性，成為無(wú)人駕駛循跡橫向控制中應(yīng)用最廣泛的基礎(chǔ)模型。汽車(chē)運(yùn)動(dòng)學(xué)模型：通過(guò)車(chē)速、橫擺角與前輪轉(zhuǎn)角的數(shù)學(xué)關(guān)系描述全局位移，適用于編隊(duì)跟隨控制，但因需計(jì)算道路曲率導(dǎo)數(shù)且要求道路連續(xù)平順，在獨(dú)立循跡控制中應(yīng)用受限。汽車(chē)動(dòng)力學(xué)模型：基于牛頓力學(xué)建立受力與運(yùn)動(dòng)變量的關(guān)系，控制精度最高，但受限于線性二自由度模型的簡(jiǎn)化假設(shè)，在非線性工況下精度顯著降低。按汽車(chē)模型分類6.3.6汽車(chē)自主循跡控制技術(shù)技術(shù)分類按控制理論分類：包括經(jīng)典控制理論、現(xiàn)代控制理論和智能控制理論，不同控制理論適用于不同的控制需求。經(jīng)典控制理論：通過(guò)勞斯判據(jù)、奈奎斯特判據(jù)等穩(wěn)定性分析方法保障智能汽車(chē)循跡控制的閉環(huán)系統(tǒng)穩(wěn)定性，至今仍是確?？刂瓶煽啃缘暮诵墓ぞ摺，F(xiàn)代控制理論：基于狀態(tài)空間法框架，通過(guò)系統(tǒng)辨識(shí)、滑模變結(jié)構(gòu)及PID控制等多方法協(xié)同，為無(wú)人駕駛循跡控制提供高適應(yīng)性解決方案。智能控制理論：基于模糊推理與模糊神經(jīng)網(wǎng)絡(luò)的非模型依賴方法，突破傳統(tǒng)控制局限，顯著提升無(wú)人駕駛在非線性區(qū)的循跡適應(yīng)性。按控制理論分類6.3.6汽車(chē)自主循跡控制技術(shù)技術(shù)分類按控制內(nèi)容分類：分為橫向控制和縱向控制，橫向控制調(diào)整轉(zhuǎn)向盤(pán)角度，縱向控制調(diào)節(jié)油門(mén)和制動(dòng)系統(tǒng)。橫向控制：通過(guò)調(diào)整轉(zhuǎn)向盤(pán)角度，讓車(chē)輛能夠沿著預(yù)設(shè)或者是實(shí)時(shí)計(jì)算的路線行駛，同時(shí)要考慮到行駛的舒適性和平順性要求。無(wú)人駕駛汽車(chē)循跡橫向控制分為補(bǔ)償跟蹤控制和預(yù)瞄跟蹤控制。補(bǔ)償跟蹤控制基于當(dāng)前車(chē)輛狀態(tài)與道路信息的實(shí)時(shí)偏差，通過(guò)控制器動(dòng)態(tài)計(jì)算轉(zhuǎn)向盤(pán)轉(zhuǎn)角進(jìn)行即時(shí)校正。預(yù)瞄跟蹤控制通過(guò)模擬駕駛員預(yù)判行為，基于未來(lái)時(shí)刻期望位置與預(yù)測(cè)位置的差值生成超前轉(zhuǎn)向指令。縱向控制：通過(guò)動(dòng)態(tài)調(diào)節(jié)油門(mén)與制動(dòng)系統(tǒng)，精準(zhǔn)管理車(chē)輛速度以適應(yīng)起步、巡航及停車(chē)等場(chǎng)景，其成熟應(yīng)用包括自適應(yīng)巡航、彎道速度控制和起步停車(chē)輔助等關(guān)鍵技術(shù)。按控制內(nèi)容分類6.3.6汽車(chē)自主循跡控制技術(shù)技術(shù)分類模型假設(shè)：忽略汽車(chē)轉(zhuǎn)向系統(tǒng)、地面切向力對(duì)輪胎的影響；忽視懸架，即俯仰和側(cè)傾運(yùn)動(dòng)，假設(shè)汽車(chē)縱向車(chē)速定值，輪胎處于線性區(qū)，側(cè)向加速度限定在0.4g以下。基于以上假設(shè)，汽車(chē)可以用一個(gè)線性二自由度的二輪模型來(lái)表示。汽車(chē)前輪轉(zhuǎn)角和后輪將要行駛的軌跡之間滿足的幾何學(xué)關(guān)系如下圖所示。汽車(chē)轉(zhuǎn)向幾何學(xué)模型汽車(chē)轉(zhuǎn)向幾何學(xué)模型的前輪轉(zhuǎn)角與道路軌跡曲率半徑之間的關(guān)系表示為

式中，δ為前輪轉(zhuǎn)角（deg）；L為汽車(chē)軸距（m）；R為期望軌跡的曲率半徑（m）。汽車(chē)轉(zhuǎn)向幾何學(xué)模型橫向控制原理6.3.6汽車(chē)自主循跡控制技術(shù)不同的無(wú)人駕駛汽車(chē)自主循跡橫向控制方法往往使用汽車(chē)不同位置處的橫向循跡誤差，非預(yù)瞄汽車(chē)轉(zhuǎn)向幾何學(xué)模型橫向控制方法使用汽車(chē)前輪處的橫向循跡誤差ef。汽車(chē)前輪處的橫向循跡誤差與期望軌跡的關(guān)系如圖所示。由圖可知，汽車(chē)前輪處的角度循跡誤差為

式中，θc為角度循跡誤差（deg）；θ為汽車(chē)橫擺角，θP為期望的汽車(chē)橫擺角（deg）。循跡控制器的目的是通過(guò)調(diào)整δ使θc和ef都趨于0，控制率設(shè)計(jì)為

式中，k為調(diào)整系數(shù)；v為車(chē)速（m/s）。汽車(chē)轉(zhuǎn)向幾何學(xué)模型橫向控制原理6.3.6汽車(chē)自主循跡控制技術(shù)汽車(chē)運(yùn)動(dòng)學(xué)模型揭示的是汽車(chē)在全局坐標(biāo)系中的位移與汽車(chē)車(chē)速、橫擺角和前輪轉(zhuǎn)角之間的關(guān)系，如圖所示。圖中x和y表示汽車(chē)后輪中心在全局坐標(biāo)系中的坐標(biāo)，xf和yf表示汽車(chē)前輪中心在全局坐標(biāo)系中的坐標(biāo)。汽車(chē)前后輪中心的坐標(biāo)與汽車(chē)橫擺角和前輪轉(zhuǎn)角之間的關(guān)系可表示為前輪坐標(biāo)可以用后輪坐標(biāo)和軸距表示為整理后可得：汽車(chē)運(yùn)動(dòng)學(xué)模型橫向控制原理6.3.6汽車(chē)自主循跡控制技術(shù)汽車(chē)運(yùn)動(dòng)學(xué)模型使用的是汽車(chē)后輪處的橫向循跡誤差ed，如圖所示。期望軌跡曲率k(s)可用期望汽車(chē)橫擺角θp與汽車(chē)沿期望軌跡行程s表示為

（5-22）汽車(chē)運(yùn)動(dòng)學(xué)模型用矩陣形式表示為

（5-23）汽車(chē)運(yùn)動(dòng)學(xué)模型橫向控制原理6.3.6汽車(chē)自主循跡控制技術(shù)在進(jìn)行汽車(chē)運(yùn)動(dòng)學(xué)模型控制器設(shè)計(jì)時(shí)，通常寫(xiě)成非完整約束系統(tǒng)的標(biāo)準(zhǔn)形式。有2個(gè)輸入的非完整約束系統(tǒng)的標(biāo)準(zhǔn)形式表示為

（5-24）式中，x1、x2、x3和x4為控制系統(tǒng)狀態(tài)變量；u1(t)、u2(t)為控制系統(tǒng)的輸入變量。對(duì)式（5-23）的4個(gè)狀態(tài)變量進(jìn)行變換得

（5-25）

6.3.6汽車(chē)自主循跡控制技術(shù)對(duì)2個(gè)輸入進(jìn)行變換得

（5-26）

α1和α2表示為

（5-27）經(jīng)過(guò)式（5-25）~式（5-27）的變換，式（5-23）可轉(zhuǎn)換為式（5-24）所示的標(biāo)準(zhǔn)形式，此時(shí)控制器的目標(biāo)是使x2、x3和x4趨于0。假定系統(tǒng)輸入u1(t)為已知的，且是與時(shí)間變量相關(guān)的函數(shù)，式（5-24）可寫(xiě)為6.3.6汽車(chē)自主循跡控制技術(shù)

6.3.6汽車(chē)自主循跡控制技術(shù)對(duì)于連續(xù)有界的恒正或者恒負(fù)輸入ui，結(jié)合Hurwitz穩(wěn)定性判據(jù)，可得

取k1=k3，k2=3k2，k3=3k，以保證系統(tǒng)的穩(wěn)定性。6.3.6汽車(chē)自主循跡控制技術(shù)線性二自由度汽車(chē)模型也可以對(duì)汽車(chē)動(dòng)力學(xué)進(jìn)行分析。汽車(chē)動(dòng)力學(xué)模型表征的是汽車(chē)的受力與汽車(chē)的速度、加速度以及橫擺角之間的關(guān)系，如圖所示。將無(wú)人駕駛汽車(chē)的橫向和縱向動(dòng)力學(xué)分開(kāi)，僅研究無(wú)人駕駛汽車(chē)自主循跡橫向控制，汽車(chē)側(cè)向運(yùn)動(dòng)和橫擺運(yùn)動(dòng)的動(dòng)力學(xué)微分方程為

（5-32）

前、后輪側(cè)向力可用簡(jiǎn)化為：

（5-33）汽車(chē)動(dòng)力學(xué)模型橫向控制原理6.3.6汽車(chē)自主循跡控制技術(shù)將式（5-33）代入式（5-32），根據(jù)小角度假設(shè)理論得

（5-34）汽車(chē)動(dòng)力學(xué)模型使用汽車(chē)質(zhì)心處的橫向循跡誤差ecg，如圖所示。

由期望軌跡的曲率可計(jì)算出汽車(chē)期望橫擺角速度和期望側(cè)向加速度分別為

（5-35）式中，k(s)為期望軌跡的曲率(rad/m)；vys為汽車(chē)期望側(cè)向加速度(m/s2)；ωs為汽車(chē)期望橫擺角速度(deg/s)。當(dāng)θc足夠小時(shí)，汽車(chē)質(zhì)心處的橫向循跡誤差ecg和角度循跡誤差θc滿足

（5-36）6.3.6汽車(chē)自主循跡控制技術(shù)假設(shè)vx為固定值，即=0，式（5-36）兩端求導(dǎo)，得

（5-37）將式（5-36）和式（5-37）代入式（5-34），消除vy項(xiàng)和w項(xiàng)，得

（5-38）

將式（5-37）寫(xiě)成狀態(tài)方程的矩陣形式為

（5-39）6.3.6汽車(chē)自主循跡控制技術(shù)

6.3.6汽車(chē)自主循跡控制技術(shù)R為加權(quán)系數(shù)。矩陣P滿足黎卡提方程

（5-45）定義目標(biāo)函數(shù)代價(jià)方程為

（5-46）為了方便對(duì)控制器進(jìn)行調(diào)整，假定對(duì)角陣Q為

（5-47）為了進(jìn)一步簡(jiǎn)化計(jì)算，令R=1，矩陣Q中的對(duì)角線元素q2~q4滿足

（5-48）求出最優(yōu)解對(duì)應(yīng)的矩陣K的4個(gè)特征值k1~k4并通過(guò)式（5-42）可求得最優(yōu)前輪轉(zhuǎn)角。6.3.6汽車(chē)自主循跡控制技術(shù)無(wú)人駕駛汽車(chē)的縱向控制是根據(jù)當(dāng)前道路的曲率、障礙物等情況以及汽車(chē)當(dāng)前的車(chē)速、側(cè)向加速度和縱向加速度等狀態(tài)變量，計(jì)算出期望的縱向車(chē)速。主要模型有側(cè)向加速模型、道路寬度和曲率模型、可容忍誤差模型、循跡誤差模型、數(shù)據(jù)擬合模型等。(1)側(cè)向加速度模型當(dāng)車(chē)速較低時(shí)，縱向車(chē)速vx與側(cè)向加速度ay的關(guān)系滿足

（5-49）

式中，R為期望軌跡的曲率半徑(m)。進(jìn)一步發(fā)展的表征側(cè)向加速度相對(duì)于車(chē)速的遞減關(guān)系經(jīng)驗(yàn)?zāi)Ｐ蜑?/p>

（5-50）式中，aymax因子為最大可忍受的側(cè)向加速度(m/s2)；vo-vx為車(chē)速遞減(m/s)；β為經(jīng)驗(yàn)因子。經(jīng)驗(yàn)因子β的選擇與駕駛習(xí)慣有關(guān)。β越大，表示汽車(chē)達(dá)到最大可忍受側(cè)向加速度之前，傾向以較高的車(chē)速行駛；β越小，表示汽車(chē)達(dá)到最大可忍受側(cè)向加速度之前，傾向以較低的車(chē)速行駛。

無(wú)人駕駛汽車(chē)自主循跡縱向控制6.3.6汽車(chē)自主循跡控制技術(shù)(2)道路寬度和曲率模型道路寬度和曲率有關(guān)的縱向控制模型為：

（5-51）式中，k(s)為道路曲率(rad/m)；W為道路寬度(m)。當(dāng)?shù)缆返那拾霃捷^小時(shí)，期望縱向車(chē)速也較?。划?dāng)?shù)缆返那拾霃街鸩皆龃髸r(shí)，期望縱向車(chē)速也越來(lái)越大，并最終到達(dá)一個(gè)期望的最高車(chē)速。6.3.6汽車(chē)自主循跡控制技術(shù)(3)可容忍誤差模型可容忍誤差指的是預(yù)防汽車(chē)超出道路邊界所允許的最大誤差：

（5-52）式中，λ為可容忍誤差(m)；Wv為汽車(chē)寬度(m)。對(duì)于某一款固定車(chē)型，Wv可視作固定值，可容忍誤差模型就變成了期望車(chē)速與道路寬度之間的關(guān)系模型。研究發(fā)現(xiàn)，汽車(chē)的縱向車(chē)速與道路的寬度之間是一種非線性關(guān)系

（5-53）式中，a1、b為辨識(shí)系數(shù)；

定義為循跡困難度?？扇萑陶`差模型適于連續(xù)彎道的循跡控制任務(wù)，但沒(méi)有考慮道路曲率對(duì)速度決策的影響。6.3.6汽車(chē)自主循跡控制技術(shù)(4)循跡誤差模型循跡誤差模型是使用越線時(shí)間TLC作為安全邊緣的縱向控制。研究發(fā)現(xiàn)，在進(jìn)行車(chē)速選擇時(shí)，TLC并不是一個(gè)固定值，最小的TLC出現(xiàn)在汽車(chē)超越道路中線的瞬間，如圖所示。假定由于轉(zhuǎn)向盤(pán)轉(zhuǎn)角誤差而導(dǎo)致的汽車(chē)實(shí)際行駛軌跡的曲率半徑誤差△R與期望軌跡的曲率半徑R之間是一種線性關(guān)系為

（5-54）式中，△R為曲率半徑誤差(m)；k為待定系數(shù)。越線時(shí)間TLC表示為

（5-55）式（5-55）中的轉(zhuǎn)角α表示為

（5-56）從圖可知，如果不改變汽車(chē)轉(zhuǎn)向角，汽車(chē)在將會(huì)以R-△R的曲率半徑轉(zhuǎn)過(guò)α的角度并沖出車(chē)道邊緣。稱R-△R為循跡誤差，稱這種模型為循跡誤差模型。6.3.6汽車(chē)自主循跡控制技術(shù)(5)數(shù)據(jù)擬合模型無(wú)人駕駛汽車(chē)自主循跡數(shù)據(jù)擬合縱向控制最終的期望車(chē)速為

（5-57）式中，v1為與汽車(chē)前方道路曲率k相關(guān)的車(chē)速部分(m/s)；v2為與汽車(chē)橫向循跡誤差ey相關(guān)的車(chē)速部分(m/s)；v3為與汽車(chē)側(cè)向加速度ay，相關(guān)的車(chē)速部分(m/s)；v4為與汽車(chē)縱向加速度ax，相關(guān)的車(chē)速部分(m/s)；w1~w4為權(quán)值系數(shù)。

（5-58）橫向循跡誤差的絕對(duì)值與車(chē)速的關(guān)系表示為

（5-59）汽車(chē)側(cè)向加速度的絕對(duì)值與其車(chē)速的關(guān)系表示為

（5-60）汽車(chē)縱向加速度與車(chē)速的關(guān)系表示為

（5-61）6.3.6汽車(chē)自主循跡控制技術(shù)取w1=0.5，w2=w3=0.2，w4=0.1，將式（5-58）~（5-61）)代入式（5-57）中，得無(wú)人駕駛汽車(chē)自主循跡數(shù)據(jù)擬合縱向控制方法輸出車(chē)速與原始實(shí)驗(yàn)車(chē)速的對(duì)比如圖所示。6.3.6汽車(chē)自主循跡控制技術(shù)可以看出，無(wú)人駕駛汽車(chē)自主循跡數(shù)據(jù)擬合縱向控制方法輸出的期望車(chē)速與原始實(shí)驗(yàn)車(chē)速基本一致，說(shuō)明該縱向控制方法的控制效果良好。行程位于1200~1400m之間時(shí)，控制器輸出的期望車(chē)速信號(hào)與原始的實(shí)驗(yàn)車(chē)速信號(hào)有明顯差距，這說(shuō)明在某些工況下數(shù)據(jù)擬合方法的控制精度還有待改善。

6.3.6汽車(chē)自主循跡控制技術(shù)模糊神經(jīng)網(wǎng)絡(luò)縱向控制方法輸出的期望車(chē)速與訓(xùn)練樣本的原始實(shí)驗(yàn)車(chē)速的對(duì)比如圖所示。6.3.6汽車(chē)自主循跡控制技術(shù)可以看出，無(wú)人駕駛汽車(chē)自主循跡模糊神經(jīng)網(wǎng)絡(luò)縱向控制方法輸出的期望車(chē)速信號(hào)與原始實(shí)驗(yàn)車(chē)速信號(hào)有較高的一致性，說(shuō)明該縱向控制方法的控制精度較高。另外，還可以采用滑模變結(jié)構(gòu)控制、最優(yōu)控制、魯棒控制、模糊控制等現(xiàn)代控制理論和智能控制理論對(duì)無(wú)人駕駛汽車(chē)進(jìn)行縱向和橫向控制。信息檢測(cè)單元：通過(guò)超聲波傳感器和攝像頭探測(cè)車(chē)輛周?chē)h(huán)境和障礙物，采集數(shù)據(jù)并傳輸給電子控制單元。電子控制單元：分析處理數(shù)據(jù)，確定汽車(chē)的當(dāng)前位置、目標(biāo)位置和環(huán)境參數(shù)，制定自動(dòng)泊車(chē)策略并轉(zhuǎn)換為電信號(hào)。執(zhí)行單元：接收電子控制單元指令，精確控制轉(zhuǎn)向盤(pán)的轉(zhuǎn)動(dòng)、油門(mén)和剎車(chē)的運(yùn)動(dòng)，使汽車(chē)準(zhǔn)確跟蹤路徑并泊車(chē)入位。系統(tǒng)組成與原理自動(dòng)泊車(chē)的過(guò)程通常為汽車(chē)進(jìn)入停車(chē)區(qū)域后緩慢行駛，人工開(kāi)啟自動(dòng)泊車(chē)輔助系統(tǒng)，或者根據(jù)車(chē)速自動(dòng)啟動(dòng)自動(dòng)泊車(chē)輔助系統(tǒng)。自動(dòng)泊車(chē)輔助系統(tǒng)的運(yùn)行過(guò)程主要分為以下三個(gè)部分。（1）車(chē)位檢測(cè)通過(guò)車(chē)載傳感器獲取環(huán)境信息，傳感器主要采用測(cè)距傳感器（如雷達(dá)）和視覺(jué)傳感器（如攝像頭），然后識(shí)別出目標(biāo)車(chē)位。（2）路徑規(guī)劃根據(jù)所獲取的環(huán)境信息，電子控制單元對(duì)汽車(chē)和環(huán)境建模，計(jì)算出一條能使汽車(chē)安全泊入車(chē)位的路徑。（3）路徑跟蹤控制汽車(chē)跟蹤預(yù)先規(guī)劃的泊車(chē)路徑，使汽車(chē)避障泊車(chē)入位。6.3.7自動(dòng)泊車(chē)輔助技術(shù)2015款雪佛蘭科魯茲自動(dòng)泊車(chē)輔助系統(tǒng)通過(guò)泊車(chē)輔助傳感器（APA）實(shí)時(shí)監(jiān)測(cè)與周邊車(chē)輛的相對(duì)位置，自動(dòng)搜索水平/垂直車(chē)位；檢測(cè)到合適車(chē)位后，由APA模塊通過(guò)儀表與音頻提示駕駛員停車(chē)并掛入倒擋，隨后系統(tǒng)向電動(dòng)助力轉(zhuǎn)向（EPS）模塊發(fā)送轉(zhuǎn)向指令，同時(shí)持續(xù)融合APA與駐車(chē)輔助傳感器（UPA）數(shù)據(jù)實(shí)時(shí)校準(zhǔn)車(chē)輛位姿，全程僅需駕駛員操作制動(dòng)、加速踏板及擋桿，最終引導(dǎo)車(chē)輛精準(zhǔn)停入目標(biāo)泊位。自動(dòng)泊車(chē)輔助系統(tǒng)控制框圖如圖所示，圖中實(shí)線表示專線信號(hào)，虛線表示網(wǎng)絡(luò)信號(hào)。(1)雪佛蘭自動(dòng)泊車(chē)輔助系統(tǒng)6.3.7自動(dòng)泊車(chē)輔助技術(shù)應(yīng)用實(shí)例(2)奧迪自動(dòng)泊車(chē)輔助系統(tǒng)利用雷達(dá)探頭測(cè)量距離和角度，通過(guò)車(chē)載電腦計(jì)算操作流程，駕駛員只需控制車(chē)速。(3)奧迪全自動(dòng)泊車(chē)技術(shù)通過(guò)智能手機(jī)應(yīng)用程序?qū)崿F(xiàn)一鍵自動(dòng)停車(chē)，但需停車(chē)場(chǎng)安裝激光掃描設(shè)備輔助定位。(4)寶馬遠(yuǎn)程代客泊車(chē)技術(shù)基于360°防碰撞系統(tǒng)的激光掃描儀實(shí)時(shí)構(gòu)建環(huán)境模型，駕駛員通過(guò)智能手表在停車(chē)場(chǎng)入口觸發(fā)系統(tǒng)后，車(chē)輛自主完成泊車(chē)全程：通過(guò)融合激光掃描與獨(dú)立運(yùn)算系統(tǒng)，動(dòng)態(tài)避讓行人、車(chē)輛等障礙物，徹底擺脫對(duì)GPS與停車(chē)場(chǎng)基礎(chǔ)設(shè)施的依賴，實(shí)現(xiàn)地下/立體停車(chē)場(chǎng)全場(chǎng)景適用；該技術(shù)計(jì)劃于2026年搭載NeueKlasse平臺(tái)電動(dòng)車(chē)實(shí)現(xiàn)L4級(jí)自主泊車(chē)，真正解決“停車(chē)難”痛點(diǎn)。6.3.7自動(dòng)泊車(chē)輔助技術(shù)應(yīng)用實(shí)例6.3.8車(chē)胎氣壓監(jiān)測(cè)技術(shù)1.系統(tǒng)組成與原理TPMS系統(tǒng)一般由胎壓監(jiān)測(cè)模塊和接收顯示模塊組成，如圖所示。不同類型的輪胎氣壓監(jiān)測(cè)系統(tǒng)具體組成有差異。胎壓監(jiān)測(cè)模塊：安裝在輪胎內(nèi)部或車(chē)輪表面，包括壓力傳感器、ECU、射頻發(fā)射器、電池和天線等，對(duì)輪胎壓力、溫度、電池電壓及加速度等進(jìn)行數(shù)據(jù)采集和處理，并以無(wú)線傳輸?shù)姆绞桨l(fā)射信號(hào)。接收顯示模塊：接收胎壓監(jiān)測(cè)模塊發(fā)來(lái)的射頻信號(hào)，并完成數(shù)據(jù)分析和處理，判別輪胎的當(dāng)前狀態(tài)，在必要的時(shí)候給出報(bào)警6.3.8車(chē)胎氣壓監(jiān)測(cè)技術(shù)2.系統(tǒng)功能與作用TPMS主要功能如下：（1）開(kāi)機(jī)自檢功能10s內(nèi)完成自檢，自檢同時(shí)進(jìn)行當(dāng)時(shí)的胎壓顯示。如有系統(tǒng)故障或有欠壓應(yīng)在10s內(nèi)報(bào)警，并指明欠壓輪胎的位置，直到異常狀態(tài)解除。（2）欠壓報(bào)警功能輪胎氣壓低于制造廠規(guī)定冷態(tài)輪胎氣壓值的75%，應(yīng)在10s內(nèi)報(bào)警并指明欠壓輪胎的位置，直到異常狀態(tài)解除。（3）過(guò)壓報(bào)警功能輪胎氣壓高于制造廠規(guī)定冷態(tài)輪胎氣壓值的125%，應(yīng)在10s內(nèi)報(bào)警，并指明過(guò)壓輪胎的位置，直到異常狀態(tài)解除。（4）系統(tǒng)故障報(bào)警功能系統(tǒng)運(yùn)行后，應(yīng)具有自我診斷功能，系統(tǒng)有異常，應(yīng)及時(shí)報(bào)警給駕駛員。（5）當(dāng)前輪胎壓力顯示功能TPMS系統(tǒng)應(yīng)具有當(dāng)前輪胎壓力值顯示功能，系統(tǒng)運(yùn)行狀態(tài)下，應(yīng)能夠?qū)崟r(shí)查詢每個(gè)輪胎的壓力值信息，以便駕駛員在駕駛過(guò)程中隨時(shí)了解各輪胎胎壓情況，確定是否需要補(bǔ)氣，對(duì)于長(zhǎng)時(shí)間運(yùn)行的車(chē)輛是非常必要的。這些功能對(duì)于駕駛員及時(shí)了解當(dāng)前胎壓、了解TPMS系統(tǒng)是否正常是非常必要的。6.3.8車(chē)胎氣壓監(jiān)測(cè)技術(shù)2.系統(tǒng)功能與作用TPMS主要有以下作用。（1）可有效預(yù)防輪胎爆胎事故。（2）提供"事前主動(dòng)"型安全保護(hù)。（3）具有經(jīng)濟(jì)效益和綠色環(huán)保作用。（4）保障整車(chē)的性能與壽命。6.3.8車(chē)胎氣壓監(jiān)測(cè)技術(shù)3.系統(tǒng)分類按測(cè)量方式分類：分為間接式TPMS、直接式TPMS和混合式TPMS。間接式TPMS系統(tǒng)通過(guò)ABS輪速傳感器監(jiān)測(cè)輪胎轉(zhuǎn)速差異實(shí)現(xiàn)胎壓異常預(yù)警，具備低成本、免額外硬件優(yōu)勢(shì)，但存在無(wú)法定位具體故障輪胎、四輪同步漏氣失效及校準(zhǔn)復(fù)雜的核心缺陷。直接式TPMS系統(tǒng)通過(guò)輪胎內(nèi)置傳感器實(shí)時(shí)監(jiān)測(cè)胎壓與溫度，經(jīng)ECU處理數(shù)據(jù)后由射頻傳輸至駕駛艙顯示器，實(shí)現(xiàn)精準(zhǔn)定位故障輪胎并主動(dòng)報(bào)警，雖成本高昂但已成為寶馬、奔馳等高端車(chē)型的核心安全配置?；旌鲜絋PMS系統(tǒng)通過(guò)雙胎壓傳感器與接收器組合，可檢測(cè)同軸/同側(cè)輪胎壓力差異并支持全胎異常報(bào)警，雖存在無(wú)法實(shí)時(shí)監(jiān)測(cè)、定位不全及可靠性局限，但以更低成本實(shí)現(xiàn)了基礎(chǔ)防護(hù)能力。按是否需要電池分類：分為有源TPMS系統(tǒng)和無(wú)源TPMS系統(tǒng)，目前有源TPMS系統(tǒng)是市場(chǎng)主流產(chǎn)品。有源TPMS系統(tǒng)是指在胎壓監(jiān)測(cè)系統(tǒng)中胎壓、溫度等傳感器及信息發(fā)射電路需要供電設(shè)備。無(wú)源式TPMS系統(tǒng)是指系統(tǒng)中的胎壓傳感器不需要供電設(shè)備，而是通過(guò)射頻耦合、電磁感應(yīng)及自供電等技術(shù)來(lái)實(shí)現(xiàn)信息傳送。6.3.8車(chē)胎氣壓監(jiān)測(cè)技術(shù)4.應(yīng)用實(shí)例別克君越TPMS系統(tǒng)：采用直接式TPMS系統(tǒng)，胎壓顯示位于儀表盤(pán)顯示屏，可通過(guò)手機(jī)客戶端查看，異常時(shí)自動(dòng)提醒。隨著科學(xué)技術(shù)的發(fā)展，TPMS系統(tǒng)也在不斷的發(fā)展，對(duì)于未來(lái)的TPMS系統(tǒng)發(fā)展將會(huì)實(shí)現(xiàn)無(wú)源化、智能化和車(chē)載局域網(wǎng)共享等。決策控制技術(shù)作為無(wú)人駕駛的核心環(huán)節(jié)，通過(guò)模糊推理、強(qiáng)化學(xué)習(xí)等算法解析環(huán)境感知信息，動(dòng)態(tài)生成行為指令并控制車(chē)輛執(zhí)行；其行為策略涵蓋反應(yīng)式控制、反射式控制及綜合式控制，三者協(xié)同實(shí)現(xiàn)從路徑跟蹤到應(yīng)急避障的全場(chǎng)景決策優(yōu)化。決策技術(shù)的重要性反應(yīng)式控制：根據(jù)車(chē)輛當(dāng)前位姿與期望路徑的偏差，調(diào)節(jié)轉(zhuǎn)向盤(pán)轉(zhuǎn)角和車(chē)速，直到到達(dá)目的地。反射式控制：對(duì)行進(jìn)過(guò)程中的突發(fā)事件做出快速判斷和反應(yīng)。綜合式控制：在反應(yīng)層中加入機(jī)器學(xué)習(xí)模塊，將部分決策層行為轉(zhuǎn)化為反應(yīng)層行為，提高系統(tǒng)反應(yīng)速度。決策控制系統(tǒng)的行為方案6.3.9決策控制技術(shù)決策技術(shù)的分類行駛路徑規(guī)劃：通過(guò)智能算法和傳感器數(shù)據(jù)預(yù)測(cè)車(chē)輛行駛路徑和時(shí)間，優(yōu)化路徑減少能源消耗。行駛狀態(tài)控制：根據(jù)車(chē)輛行駛狀態(tài)和傳感器數(shù)據(jù)智能控制車(chē)速、加速度和制動(dòng)等參數(shù)，實(shí)現(xiàn)節(jié)能。能源管理優(yōu)化：通過(guò)智能算法和傳感器數(shù)據(jù)優(yōu)化車(chē)輛的能源管理策略，提高能源利用效率。6.3.9決策控制技術(shù)決策控制技術(shù)作為無(wú)人駕駛的核心大腦，通過(guò)模糊推理、強(qiáng)化學(xué)習(xí)等智能算法解析環(huán)境信息，動(dòng)態(tài)生成行為指令控制車(chē)輛，其反應(yīng)式控制實(shí)時(shí)校正路徑