1.1 智能网联汽车概况

智能网联汽车将车联网与智能汽车有机结合，是目前汽车工业界和学术领域研究的热点之一，涵盖了机械、控制、信号处理、模式识别、人工智能和计算机技术等多学科领域。智能网联汽车具备环境感知、决策规划、协同控制等功能，同时融合现代网络与通信技术，是一个集多项功能于一体的综合智能系统。在当今世界范围内新一轮科技革命和产业变革方兴未艾之际，智能网联汽车面临巨大的应用需求，拥有广阔的发展前景，已成为全球汽车产业发展的重要战略方向。

1.1.1 智能网联汽车的基本概念

智能网联汽车是智能汽车和车联网的融合产物，因此其概念包含了智能化和网联化两方面的含义。广义的智能汽车包含配备驾驶辅助系统的汽车、自动驾驶汽车，或其他具备一定智能功能的汽车（如配备智能座舱的汽车等），一般搭载先进的车载传感器、控制器等，能实现车辆的智能控制；网联汽车则主要指具备与网络连接和通信功能的汽车，如车联网、车路协同等功能应用，能实现车与X（人、车、路、后台等，即V2X）的信息交换与共享。随着人工智能、移动互联网、大数据及云计算等技术的发展，以及产业界的不断实践探索，汽车智能化与网联化融合逐渐成为共识。

就技术手段而言，智能网联汽车主要涉及智能驾驶技术和车联网技术。具体而言，智能驾驶汽车是在传统汽车基础上增加智能软硬件系统，如环境感知系统、决策规划系统和控制执行系统等，获取车辆运行环境中的人、车、路等信息，通过车辆运算单元的计算和处理进行行为和路径规划，并控制车辆到达目的地。智能驾驶汽车的自动化水平根据自动化系统在执行动态驾驶任务中的角色分配，以及有无设计运行条件限制等要素，可以划分为6个级别，见表1-1。

车联网技术主要依托无线通信等技术，实现车与车（V2V）、车与路（V2R）、车与人（V2P）、车与路面基础设施（V2I）等的全方位网络连接和信息交互。基于车联网技术的智能网联汽车可以发送、收集并处理其他交通参与者、基础设施和云端的动态信息，例如，基于车车通信可以实现货车队列行驶、特殊车辆通过提醒、车辆故障提醒等；基于车路通信实现交通信号灯智能控制、绿波通行、道路限速提醒等；利用云端管控平台，接入车、路、人等信息，进一步实现交通智能化管理。

1.1.2 智能网联汽车国内外发展历程

在智能网联汽车的发展进程中，美国、欧盟、日本等发达国家和组织起步较早，在智能驾驶汽车领域布局耕耘多年；中国虽起步较晚，但有很强的后发优势，且更加注重智能化与网联化的深度融合。按照智能网联汽车所涉及的智能驾驶技术和车联网技术，国内外智能网联汽车发展历程也主要以上述两个方向为主。

1.1.2.1 国外智能网联汽车发展历程

1.智能驾驶技术发展历程

（1）探索阶段

1925年8月，人类历史上第一辆有证可查的无人驾驶汽车正式亮相。来自美国陆军的电子工程师Francis P.Houdina坐在一辆用无线电操控前车的汽车上。这辆组合式的汽车通过后车发射无线电波来控制前车的转向盘、离合器、制动器等部件。1956年，通用正式对外展出了Firebird Ⅱ概念车，这是世界上第一辆配备了汽车安全及自动导航系统的概念车。1961年，美国斯坦福大学制造的Stanford Cart可以利用摄像头和早期的人工智能系统来绕过障碍物，但移动速度极慢，每移动1m需要20min。探索阶段代表性无人驾驶系统如图1-1所示。

（2）发展阶段

20世纪七八十年代，来自德国慕尼黑联邦国防军大学的航空航天教授Ernst Dickmanns开创了一系列“动态视觉计算”的研究项目，成功地开发出多辆自动驾驶汽车原型。1984年，美国国防部高级研究计划局（DARPA）与陆军合作，发起自主地面车辆（ALV）计划。自1986年开始，美国卡内基·梅隆大学研制了NavLab系列智能车辆。1987年，奔驰公司与慕尼黑联邦国防军大学一起推出无人驾驶车VaMoRs。1998年，意大利帕尔马大学视觉实验室VisLab的ARGO项目进行了长距离无人驾驶试验，试验中94%的路程是通过自动驾驶行驶的。DARPA于2004—2007年举办了3届DARPA无人驾驶挑战赛，在一定程度上推动了无人驾驶技术的快速发展。

（3）蓬勃阶段

2009年，谷歌在DARPA的支持下，开始了自己的无人驾驶汽车研发项目。2015年，第一辆原型汽车正式亮相，并且可以正式上路测试。同年，法国的EasyMile无人驾驶公交车EZ10投入运营，EZ10通过全球定位系统（GPS）、摄像头、雷达等感应位置和障碍，乘客通过手机App就能轻松查阅当前公交车位置并呼唤其停车。同年，福特Fusion迎来了无人驾驶汽车的载客“首秀”，梅赛德斯-奔驰发布超现实F015概念无人驾驶车辆。2018年8月，日本致力于无人驾驶技术的ZMP公司和大型出租车企业“日之丸交通”在东京都内进行供普通乘客使用的无人驾驶出租车试运行。2019年12月，Nuro.ai在美国休斯敦地区与沃尔玛开展无人配送合作。2020年3月，Waymo公布了其第五代自动驾驶测试车Waymo Driver。Nuro无人驾驶配送车如图1-2所示。

2.车联网技术发展历程

在车联网方面，世界各国都已经将V2X无线通信技术发展看作是未来技术创新、产业培育和交通运输服务变革的重要方向。

早在1992年，美国就出台了《智能车-高速路系统战略规划》（Intelligent Vehicle-Highway System Strategic Plan），明确规定智能车-高速路系统的7大领域和29个用户服务功能。1995年，美国运输部与美国智能交通协会（ITS America）联合编制了《美国国家ITS项目规划》，详细阐述了包含智能交通系统（ITS）的推进目标、投资决策、基础设施、用户服务等内容的引导性政策，并制订了具体研究计划。1998年，美国政府颁布《面向21世纪的运输平衡法案》（Transportation Equity Act for the 21st Century，TEA-21），从立法的角度宣布了工作重点由ITS研究开发转为ITS基础设施建设与集成，美国ITS的发展正式进入实际应用阶段。

2010年，美国发布《智能交通系统战略规划2010—2015》（ITS Strategic Plan 2010—2015），从国家战略角度明确大力发展网联汽车，并于2015年继续发布《智能交通系统战略规划2015—2019》（ITS Strategic Plan 2015—2019），将汽车智能化和网联化作为双重发展战略，重点推进智能汽车的安全性应用研究、移动性应用研究、政策研究、智能网联技术研究和示范工程研究。

2017年10月，福特、诺基亚、AT&T和高通宣布开展美国首个C-V2X试验项目；2018年6月，福特、松下、高通以及加利福尼亚州的科罗纳多交通局宣布商用C-V2X技术取得突破。

欧洲各国也大力推动车联网技术的发展。2010年，欧盟委员会制定的《ITS发展行动规划》是欧盟范围内第一个协调部署ITS的法律基础性文件。2014年，欧盟委员会启动“Horizon 2020”项目，推进智能网联汽车研发。2015年，欧盟委员会发布《GEAR 2030战略》，重点关注高度自动化和网联化驾驶领域等技术的推进与合作。2016年，欧盟委员会通过“合作式智能交通系统战略”，旨在推进2019年在欧盟成员国范围内部署协同式智能交通系统（C-ITS）服务，实现V2V、V2I等网联式信息服务。2018年5月，欧盟委员会发布《通往自动化出行之路：欧盟未来出行战略》，明确到2020年在高速公路上实现自动驾驶、2030年进入完全自动驾驶社会的目标。

2019年，欧盟委员会再次出台新规，计划全面在欧洲道路上部署协同式智能交通系统。新规的出台是实现车联网，即车辆间通信技术的一个重要阶段。从2019年开始，在欧盟范围内的车辆、交通标识和高速公路将配备智能化技术，以便与所有交通参与方实现信息共享。欧盟连续多年组织开展基于ETSI ITS-G5的Plugtest技术试验，欧洲5GAA联盟联合汽车业和电信业共同推动C-V2X的技术成熟和产业化。

1.1.2.2 中国智能网联汽车发展历程

1.智能驾驶技术发展历程

（1）探索阶段

清华大学在国防科学技术工业委员会和国家“863计划”的资助下，从1988年开始研究开发THMR系列智能车，THMR-Ⅴ智能车能够实现结构化道路环境下的车道线自动跟踪。“八五”期间，由北京理工大学、国防科技大学等5家单位联合成功研制了ATB-1（Autonomous Test Bed-1）无人车，这是我国第一辆能够自主行驶的测试样车，其行驶速度可以达到21km/h。2009年，首届中国“智能车未来挑战赛”在西安举行，几年里共吸引了南京理工大学、陆军军事交通学院、陆军装甲兵学院、北京理工大学、武汉大学、湖南大学、西安交通大学、上海交通大学、同济大学、厦门理工学院、国防科技大学、清华大学、长安大学等多家研究单位的数十辆无人驾驶车辆先后参加该项比赛。“智能车未来挑战赛”与美国国防部高级研究计划局（DARPA）在2004年开始举办的“机器车挑战大赛”（Grand Challenge）一样，在很大程度上促进了无人驾驶技术的发展。

（2）蓬勃阶段

2012年，陆军军事交通学院的“军交猛狮Ⅲ号”实现了以无人驾驶状态行驶114km，最高速度可达105km/h。2015年12月，百度无人驾驶汽车完成北京开放高速路的自动驾驶测试。在2016年4月的北京车展上，北汽集团展示了其基于EU260打造的无人驾驶汽车，其搭载的无人驾驶感知与控制设备大部分都实现了国产化采购，目的是为未来的量产打基础。2017年百度发布阿波罗（Apollo）计划，未来将向合作伙伴提供开放、完整、安全的自动驾驶软件平台。2018年5月，宇通客车在其2018年新能源全系产品发布会上宣布，已具备面向高速结构化道路和园区开放通勤道路的L4级自动驾驶能力。2019年8月，上汽红岩5G智能重卡在上海洋山深水港成功首秀，完成了全球首次5G+AI智能化港区作业任务，并在进口博览会期间在深水港物流园、东海大桥、洋山码头的开放道路完成集装箱智能转运工作。2020年3月6日，上汽通用五菱对外宣布，以宝骏新能源无人物流车作为运输载体，率先基于宝骏基地厂区建成了一条无人驾驶物流线路。2020年4月20日，百度Robotaxi上线百度地图及智能App Dutaxi，向长沙市民全面开放试乘服务，运营范围约130km2。上汽红岩5G智能重卡如图1-3所示。

2.车联网技术发展历程

国内始终注重车联网技术的发展。在标准化方面，国内LTE-V2X标准体系建设和核心标准规范也基本建设完成，包括总体技术要求、空中接口技术要求、安全技术要求以及网络层与应用层技术要求等各部分。在产品研发方面，我国已建成全球最大的4G网络，并初步形成了覆盖LTE-V2X系统、芯片、终端的产业链。在应用示范方面，工信部、交通运输部从车联网、车路协同不同角度积极推动国家示范区建设；无锡建成世界首个车联网（LTE-V2X）城市级开放道路示范样板，为跨行业产业协同营造有利条件；上海支持开展了世界首个跨通信模组、终端设备、整车厂商的“三跨”互联互通应用展示，验证了中国V2X标准的全协议栈有效性。在测试验证方面，IMT-2020 5G推进组C-V2X工作组协同跨行业各方完成了实验室和小规模外场环境下的LTE-V2X端到端通信功能、性能和互操作测试，为大规模应用示范和商用部署奠定了基础。

1.1.3 智能网联汽车的关键技术

1.1.3.1 环境感知技术

环境感知作为智能汽车的关键技术之一，其获得的环境信息是智能网联汽车决策与规划的输入条件，是智能网联汽车完成行驶任务的基础。环境信息主要以车辆行驶的动静态环境为主，包括道路、交通标志、车辆、行人等要素。

针对行驶场景信息的获取，按照感知信息的方式不同，主要可以分为基于主动式传感器和基于被动式传感器的环境感知技术。主动式传感器的典型代表包括毫米波雷达和激光雷达等。毫米波雷达通过发射毫米波（探测信号）并探测回波（反射信号）来获得被测对象的相关信息；激光雷达则采用激光作为辐射源，测量收发激光的时间间隔实现距离探测。被动式传感器主要以视觉传感器为主，通过感知外部环境对光线的反射来获得环境图像。

环境感知的各类传感器提供硬件基础，同时需要运行在处理器上的环境感知与认知算法，才能够实现环境信息的感知与识别。基于视觉传感器的认知算法，通过图像处理，采用支持向量机、深度神经网络等方法可以从图像中提取和识别特征，进一步实现语义分割、对象识别与跟踪、态势识别等不同深度层次的环境信息获取，作为决策系统的依据。

借助多种传感器的信息融合技术和深度学习技术，环境感知系统能够提供更准确、更丰富的环境信息；随着传感器技术和计算机技术的不断发展，环境感知技术将逐步从对象级别的感知认知，向场景全局的态势理解与预测方向发展，从而更好地满足智能驾驶的需要。

1.1.3.2 决策规划技术

决策规划系统在智能网联汽车中处于信息处理的中心位置。它接收并处理感知系统获取的环境信息，进行行为决策和运动规划，之后发送指令信息至运动控制模块。因此，决策规划系统在智能网联汽车信息传递与处理的过程中占据非常重要的地位。

决策功能系统是智能驾驶系统的“大脑”，需要在复杂环境中，融合多种环境信息，选择最优的驾驶行为和行驶路径，以保证行驶安全性，并满足其他各行驶性能的要求。目前主要有两类决策模型。①基于规则的行为决策模型，例如，将行驶行为划分为有限个状态，根据行驶规则、知识、经验等建立行为规则库，实时依据环境信息进行行为规则匹配，从而确定车辆当前状态和行驶行为。②基于机器学习的决策模型，如模仿学习的决策方法，直接模仿专家并根据专家数据学习从状态到规则的映射；如基于强化学习的决策模型，通过与环境的不断交互，进行迭代学习，获得最优的动作策略。

规划是指根据环境信息、车辆实时位姿和行为决策指令，考虑交通规则和道路边界，以及车辆运动学和动力学约束，实时规划车辆运动轨迹，并将轨迹发送至底层控制系统。规划功能主要包括全局规划和实时局部规划两方面。全局规划是在道路网络的数字地图上进行从起点到目的地的路线规划；局部规划则是在全局规划的基础上，考虑与周围交通参与者的交互，生成具备安全性、舒适性和鲁棒性的轨迹。

1.1.3.3 运动控制技术

车辆的运动控制系统根据决策规划系统的输出和实时车辆行驶状态来控制底盘执行器的操作，使车辆稳定、平滑、精确地跟踪期望轨迹。运动控制分为纵向控制和侧向控制，其性能表现直接影响车辆行驶安全和用户体验。

纵向运动控制主要是指通过对驱动和制动执行器的协调，实现对期望车速或期望距离的精确跟随。这类控制问题可归结为对驱动电机、发动机、传动和制动系统的控制。纵向控制通常会采用分层控制结构，控制方法主要包括比例积分微分（PID）控制、滑模控制、模型预测控制等。

侧向运动控制是指对转向执行器以及直接横摆力矩的控制，在保证车辆稳定性的前提下实现侧向位移跟踪误差收敛，使行驶路径趋近期望路径。

1.1.3.4 定位导航技术

对于智能网联车辆来说，确定自身在道路上的具体位置是自动驾驶的基础。在地理位置信息的获取中，根据工作原理可将定位信息获取的方法分为三大类：①以全球卫星导航系统（Global Navigation Satellite System，GNSS）为代表的基于信号的定位；②利用惯性导航、轮速传感器等，通过轨迹推算方式的定位；③以激光雷达、相机为传感器，采用同步定位与建图（Simultaneous Localization and Mapping，SLAM）技术的基于地标的定位方法。

全球卫星导航系统具有全球性、全天候、实时性的优点，使得其在导航领域占据了重要地位。同时，其也有不可忽视的缺点，如自主性和可靠性差、易于受各种环境因素的影响等。惯性导航技术广泛用于各个领域，有着极强的独立性和可靠性。惯性导航在短时间内精度比较高，但由于误差积累，长时间工作精度不高，这也限制了惯性导航的应用。基于地标的定位技术则根据视觉或者激光雷达的感知数据，与数据库中的特征匹配，确定车辆本体的位姿。

由于各种定位系统均有一定的使用局限性，故而组合导航技术已成为研究重点方向。

1.1.3.5 无线通信技术

无线通信技术是利用电磁波信号可以在自由空间中传播的特性进行信息交换的一种通信方式。在车联网产业中，无线通信技术主要包括基于LTE移动通信技术演进形成的LTE-V2X/LTE-eV2X技术以及基于5G NR平滑演进形成的NR-V2X技术。无线通信技术可将人、车、路、云交通参与要素有机地联系在一起，一方面可以支持车辆获得比单车智能更多的信息，如解决非视距感知或易受恶劣环境影响等问题；另一方面能够支持构建智慧交通体系，通过车-路-云的融合，实现车辆优先级管理、交通优化控制等应用。

1.1.3.6 信息处理技术

信息处理技术主要包含信息融合以及信息安全两方面内容。智能网联汽车采集和传输的信息种类多、数量大，必须采用信息融合技术才能保障实时性和准确性。信息融合是指在一定准则下利用计算机技术对多源信息分析和综合以实现不同应用的分类任务而进行的处理过程，主要用于对多源传感器所获取的信息进行采集、传输、分析和综合，将不同数据源在时间和空间上的冗余或互补信息依据某种准则进行组合，产生出完整、准确、及时、有效的综合信息。

智能网联汽车接入网络的同时，会引发信息安全等问题，因此，信息安全技术在车辆间信息传播的过程中举足轻重。信息安全技术是指保证己方正常获取、传递、处理和利用信息，而不被无权享用的他方获取和利用己方信息的一系列技术的统称，主要由信息保密技术、信息确认技术和网络控制作用三部分组成。分层密钥管理和身份认证技术是现阶段车联网解决信息安全的重要突破口之一。

1.1.4 智能网联汽车的主要特点

智能网联汽车是智能驾驶与车联网技术深度融合形成的汽车交通发展新方向。其所涉及的不同领域技术形成的综合特点，集中体现为系统组成及架构的复杂性，依赖人工智能、传感器技术的智能性，以及与基础设施和交通参与者互联互通的互联性。

1.复杂性

智能网联汽车的复杂性，一方面体现在系统组成的复杂性。智能网联汽车包含环境感知、决策规划、控制执行、网联通信等多个子系统，各个子系统涉及不同的技术领域，包含大量软硬件模块和部件，任何子系统都缺一不可，方可实现智能网联汽车的多种功能。复杂性的另一方面体现在系统架构的复杂性。由于智能网联汽车所涉及的物理网络系统组成的复杂性，为了保证功能的实现以及安全性，系统架构也趋于复杂化，尤其涉及系统冗余、信息安全等问题，使得构建安全可靠的智能网联汽车系统架构非常困难，需要进行大量的测试与验证工作。

2.智能性

智能性是智能网联汽车的显著特点之一。具体表现为车辆具备代替人类执行动态驾驶任务的能力。不同自动化等级的智能驾驶车辆虽然智能性有所差别，但总体而言，智能驾驶汽车具备对复杂环境的感知、认知甚至综合理解能力，并能够根据对行驶场景的理解和评估做出判断决策，并最终控制车辆按照期望的路线行驶。而由于智能网联汽车在环境感知、量化计算和评估、精确控制以及数据接入和存储方面的优势，其感知能力、计算能力及控制能力等方面具备优于人类驾驶员的巨大潜力。在合理的安全性、舒适性、经济性指标引导下，智能网联汽车将能更好地发挥其智能性特点，满足人类多样的交通出行需求。

3.互联性

互联性是智能网联汽车的另一个显著特征，也是其区别于一般智能驾驶车辆的重要特点。依托无线通信技术，智能网联汽车可以与交通基础设施、周围车辆和行人等建立数据联系，从而大大扩展自车的感知边界和算力限制，实现基于路侧传感器的超视距环境感知、基于边缘云计算和中心云计算的群体决策与控制等车路协同应用。在云平台、路侧单元（包括路侧感知、边缘云计算、路侧通信）以及高可靠低时延通信技术的支持下，智能网联汽车能够与道路、其他车辆和行人互联互通，成为有机系统，共享感知信息、行驶数据、交通数据等，大大提高交通系统的安全性和效率。

总而言之，智能网联汽车可以提供更安全、更高效、更舒适、更节能的驾驶方式和交通出行综合解决方案，是城市智能交通系统的重要组成部分，是构建绿色汽车社会的核心要素，其意义不仅在于汽车产品与技术的升级，更有可能带来汽车以及相关产业全业态和价值链体系的重塑。