项目一
智能网联汽车简介

单元一 智能网联汽车基本概念

学习目标

1.了解智能网联汽车的常用术语。

2.了解智能网联汽车的发展历程。

3.了解智能网联汽车的等级分类。

一、智能网联汽车专用术语

根据GB/T 36415—2018《汽车行业信息化实施规范》的定义，汽车智能网联技术是指通过搭载先进的车载传感器、控制器、执行器等装置，并融合现代通信与网络技术，实现车与人、车、路、后台等智能信息交互共享，具备复杂的环境感知、智能决策、协同控制和执行等功能，可实现安全、舒适、节能、高效行驶，并最终可替代人来操作的一种技术。

2018年12月，工业和信息化部公布了《工业和信息化部办公厅关于开展2018年工业互联网试点示范项目推荐的通知》，许可中国电信、中国移动、中国联通在全国开展第五代移动通信系统（5G）试验。伴随着5G技术的推广应用，信息传输速度得到质的飞跃，万物互联的物联网时代即将来临。物联网是新一代信息技术的重要组成部分，也是信息化时代的重要发展阶段。物联网通过智能感知、识别技术与数据计算等通信感知技术，广泛应用于网络的多方面融合中，被称为继计算机、互联网之后信息产业发展的第三次浪潮。车联网的概念就是源于物联网，物联网这一技术在汽车上的实际应用称之为车联网，而搭载车联网技术的车辆即为智能网联汽车。智能网联汽车被人们习惯性地称作“自动驾驶汽车”或“无人驾驶汽车”。殊不知自动驾驶汽车和无人驾驶汽车是两个不同的概念，代表两种不同的技术路线或技术层次，不能混淆，需要区别对待。

自动驾驶汽车是指汽车可以通过自身的控制系统完成特定场景下的自主行驶，决定驾驶行为的是人。比如奔驰、奥迪、沃尔沃等车企目前开发量产的都是具有特定条件下可以自动驾驶的汽车，驾驶员想自己开就自己开，在满足车辆相关技术要求的前提下，可以让车辆自动驾驶一段时间。

无人驾驶汽车的主体是车辆本身，比自动驾驶汽车要高出一个等级。就是将开车这项工作完全交给机器去完成，也叫作自主驾驶。比如谷歌的无人驾驶汽车，车上没转向盘、踏板，就一个起动和停止按钮。乘员上车后只需设定好目的地，至于车辆走哪条路线，开多快，全部交由车辆自主决定。无人驾驶汽车完全由计算机控制，类似这类无人驾驶车辆会在公共交通、物流运输等领域率先应用。而自动驾驶汽车则会保留手动驾驶的条件，驾驶员可以自由切换自动驾驶和手动驾驶两种工作模式。

智能网联汽车是一项新技术，是一个新领域，很多的技术规范标准处于模糊状态，这在一定程度上阻碍了汽车产业的发展。针对汽车行业对先进驾驶辅助系统及其相关技术没有统一定义的问题，2020年11月19日国家市场监督管理总局、国家标准化管理委员会发布了GB/T 39263—2020《道路车辆 先进驾驶辅助系统（ADAS）术语及定义》，实施日期为2021年6月1日。

1.通用术语

先进驾驶辅助系统（Advanced Driver Assistance System，ADAS）：利用安装在车辆上的传感、通信、决策及执行等装置，监测驾驶员、车辆及其行驶环境并通过影像、灯光、声音、触觉提示/警告或控制等方式辅助驾驶员执行驾驶任务或主动避免/减轻碰撞危害的各类系统的总称。

2.信息辅助类术语

1）驾驶员疲劳监测（DFM）：实时监测驾驶员状态并在确认其疲劳时发出提示信息。

2）驾驶员注意力监测（DAM）：实时监测驾驶员状态并在其注意力分散时发出提示信息。

3）交通标志识别（TSR）：自动识别车辆行驶路段的交通标志并发出提示信息。

4）智能限速提醒（ISLI）：自动获取车辆当前条件下所应遵守的限速信息并实时监测车辆行驶速度，当车辆行驶速度不符合或即将超出限速范围的情况下适时发出警告信息。

5）弯道速度预警（CSW）：对车辆状态和前方弯道进行监测，当行驶速度超过通过弯道的安全车速时发出警告信息。

6）抬头显示（HUD）：将信息显示在驾驶员正常驾驶时的视野范围内，使驾驶员不必低头就可以看到相应的信息。

7）全景影像监测（AVM）：向驾驶员提供车辆周围360°范围内环境的实时影像信息。

8）夜视（NV）：在夜间或其他弱光行驶环境中为驾驶员提供视觉辅助或警告信息。

9）前向车距监测（FDM）：实时监测本车与前方车辆车距，并以空间或时间距离显示车距信息。

10）前向碰撞预警（FCW）：实时监测车辆前方行驶环境，并在可能发生前向碰撞危险时发出警告信息。

11）后向碰撞预警（RCW）：实时监测车辆后方环境，并在可能受到后方碰撞时发出警告信息。

12）车道偏离预警（LDW）：实时监测车辆在本车道的行驶状态，并在出现非驾驶意愿的车道偏离时发出警告信息。

13）变道碰撞预警（LCW）：在车辆变道过程中，实时监测相邻车道，并在车辆侧/后方出现可能与本车发生碰撞危险的其他道路使用者时发出警告信息。

14）盲区监测（BSD）：实时监测驾驶员视野盲区，并在其盲区内出现其他道路使用者时发出提示或警告信息。

15）侧面盲区监测（SBSD）：实时监测驾驶员视野的侧/后方盲区，并在其盲区内出现其他道路使用者时发出提示或警告信息。

16）转向盲区监测（STBSD）：在车辆转向过程中，实时监测驾驶员转向盲区，并在其盲区内出现其他道路使用者时发出警告信息。

17）后方交通穿行提示（RCTA）：在车辆倒车时，实时监测车辆后部横向接近的其他道路使用者，并在可能发生碰撞危险时发出警告信息。

18）前方交通穿行提示（FCTA）：在车辆低速前进时，实时监测车辆前部横向接近的其他道路使用者，并在可能发生碰撞危险时发出警告信息。

19）车门开启预警（DOW）：在停车状态即将开启车门时，监测车辆侧后方的其他道路使用者，并在可能因车门开启而发生碰撞危险时发出警告信息。

20）倒车环境辅助（RCA）：在车辆倒车时，实时监测车辆后部环境，并为驾驶员提供影像或警告信息。

21）低速行车环境辅助（MALSO）：在车辆泊车或低速通过狭窄通道时，探测其周围障碍物，并当车辆靠近障碍物时发出警告信息。

3.控制辅助类术语

1）自动紧急制动（AEB）：实时监测车辆前方行驶环境，并在可能发生碰撞危险时自动启动车辆制动系统使车辆减速，以避免碰撞或减轻碰撞后果。

2）紧急制动辅助（EBA）：实时监测车辆前方行驶环境，在可能发生碰撞危险时提前采取措施以减少制动响应时间并在驾驶员采取制动操作时辅助增加制动压力，以避免碰撞或减轻碰撞后果。

3）自动紧急转向（AES）：实时监测车辆前方和侧方行驶环境，在可能发生碰撞危险时自动控制车辆转向，以避免碰撞或减轻碰撞后果。

4）紧急转向辅助（ESA）：实时监测车辆前方和侧方行驶环境，在可能发生碰撞危险且驾驶员有明确的转向意图时辅助驾驶员进行转向操作。

5）智能限速控制（ISLC）：自动获取车辆当前条件下所应遵守的限速信息并实时监测车辆行驶速度，辅助驾驶员控制车辆行驶速度，以使其保持在限速范围之内。

6）车道保持辅助（LKA）：实时监测车辆与车道线的相对位置，持续或在必要情况下介入车辆横向运动控制，使车辆保持在原车道内行驶。

7）车道居中控制（LCC）：在车辆行驶过程中，持续自动控制车辆横向运动，使车辆始终在车道中央区域内行驶。

8）车道偏离抑制（LDP）：实时监测车辆与车道线的相对位置，在其将要超出车道线时介入车辆横向运动控制，以辅助驾驶员将车辆保持在原车道内行驶。

9）智能泊车辅助（IPA）：在车辆泊车时，自动检测泊车空间并为驾驶员提供泊车指示和/或方向控制等辅助功能。

10）自适应巡航控制（ACC）：实时监测车辆前方行驶环境，在设定的速度范围内自动调整行驶速度，以适应前方车辆和/或道路条件等引起的驾驶环境变化。

11）全速自适应巡航控制（FSRA）：实时监测车辆前方行驶环境，在设定的速度范围内自动调整行驶速度并具有减速至停止及从停止状态起步的功能，以适应前方车辆和/或道路条件等引起的驾驶环境变化。

12）交通拥堵辅助（TJA）：在车辆低速通过交通拥堵路段时，实时监测车辆前方及相邻车道行驶环境，经驾驶员确认后自动对车辆进行横向和纵向控制。

13）加速踏板防误踩（AMAP）：在车辆起步或低速行驶时，因驾驶员误踩加速踏板产生紧急加速而可能与周边障碍物发生碰撞时，自动抑制车辆加速。

14）自适应远光灯（ADB）：能够自适应地调整车辆远光灯的投射范围，以减少对前方或对向其他车辆驾驶员的眩目干扰。

15）自适应前照灯（AFS）：能够自动进行近光灯或远光灯控制或切换，从而为适应车辆各种使用环境提供不同类型的光束。

二、智能网联汽车发展历程

1.我国智能网联汽车发展历程

我国对于自动驾驶汽车的研究始于20世纪80年代，得益于863计划，即《国家高技术研究发展计划纲要》中提出的自动化技术。我国自动驾驶汽车发展过程如图1-1所示。

国防科技大学从20世纪80年代末开始先后研制出基于视觉的CITAVT系列智能车辆。1992年，国防科技大学成功研制出中国第一辆红旗系列无人驾驶汽车。2011年7月，由一汽集团与国防科技大学共同研制的红旗HQ3无人驾驶汽车完成了286km的面向高速公路的全程无人驾驶试验，如图1-2所示。

2012年，军事交通学院研发的“军交猛狮Ⅲ号”无人驾驶汽车，在京津塘高速公路以无人驾驶状态行驶114km，最高速度为105km/h。“军交猛狮Ⅲ号”是中国自主研制的无人驾驶汽车，原型为一辆普通的黑色途胜越野车，如图1-3所示。其车顶安装有复杂的视听感知系统，车内装有两台计算机和一台备用计算机组成的执行系统，以此来处理视听感知系统获得的信息，让无人车可以自主进行加速、制动、换档等动作。

2015年12月初，百度无人驾驶汽车在北京进行全程自动驾驶测试，如图1-4所示。测试过程中实现了多次跟车减速、变道、超车、上下匝道、掉头等复杂驾驶动作，完成了进入高速公路到驶出高速公路不同道路场景的切换，最高速度达100km/h。

2015年8月29日，宇通客车股份有限公司研发的无人驾驶大客车在全开放道路测试成功，如图1-5所示。此次自动驾驶的测试成功，是中国客车行业的一个里程碑事件。测试车辆配有2个摄像头、4个激光雷达、1个毫米波雷达及组合导航系统，可以无人驾驶，也可以像普通客车一样人工驾驶，并可随时转换驾驶方式。该车在郑州至开封的城际快速路上，在其他车辆、行人正常通行的全开放环境下进行了测试，全程行驶32.6km，且无人工干预，途经26个信号灯路口，顺利完成跟车行驶、自主换道、邻道超车、自动识别信号灯、定点停靠等测试项目。

2017年，百度公司与德国博世集团在柏林签署战略合作协议，双方将在自动驾驶、智能交通、智能车联网领域展开深入合作。两家公司合作开发百度阿波罗计划（Apollo），阿波罗计划的目标是向汽车行业及自动驾驶领域的合作伙伴提供一个开放、完整、安全的软件平台，帮助他们结合车辆和硬件系统，快速搭建一套属于自己的完整的自动驾驶系统。百度阿波罗自动驾驶汽车如图1-6所示。

2018年，百度与厦门金龙合作开发阿波龙L4自驾巴士，如图1-7所示。“阿波龙”同时也是中国首辆商用级无人驾驶微循环车，这款无人驾驶微循环车的诞生，使百度Apollo无人驾驶技术平台携手金龙客车进入一个新的高度。阿波龙在设计上全新构建电动化、电子化及智能化的新形态，是全国首辆无转向盘、无加速踏板、无制动踏板的原型车。阿波龙面向商业化开发，自动驾驶级别达到L4高度自动驾驶，由无人驾驶系统完成所有的驾驶操作，计划率先实现特定场景的商业化，比如景区、园区、机场等自动接驳，也能够通过人机交互执行特定的服务任务。随着技术、法规、基础设施、成本等问题的逐步解决，自动驾驶巴士将拓展到半封闭式场地甚至是开放性道路，如班车、旅游、公交等。

2.国外智能网联汽车发展历程

自动驾驶汽车的研究最早可追溯到20世纪60年代，主要集中在美国、日本和欧洲的少数几个发达国家，国外的自主驾驶汽车发展历程如图1-8所示。

1984年9月，美国国防部高级研究计划局（DARPA）与陆军合作，发起了投资6亿美元的自主地面车辆战略计划（ALV）。DARPA隶属于美国国防部，其主要业务是开展基础性、先导性、颠覆性的国防科研项目的管理。其项目类别分为基础研究、预先研究和应用研究，其中，最重要的是成熟度不高、风险大、利润低，一般商业企业等技术创新主体不愿投入的预先研究领域。ALV项目是基于美国军方提出的机器人计划，不过此机器人非彼机器人，而是一种自主地面车辆，如图1-9所示。当时的设计要求是，通过视觉图像处理系统和计算机系统来完成自主车辆的运行前进，但受限于当时的技术条件，这个项目进展得并不顺利。

DARPA资助了卡内基·梅隆大学、斯坦福大学和麻省理工学院等大学和制造商企业共同参与ALV项目。卡内基·梅隆大学的主要任务是解决ALV系统复杂的感知和集成问题，为了攻克该技术，卡内基·梅隆大学的研究人员于1984年组建了导航实验室，命名为“NavLab”。于1986年研发成功NavLab 1自动驾驶汽车，成为全球第一辆由计算机驾驶的汽车，如图1-10所示。该车基于一辆雪佛兰厢式货车改装而成，由三台计算机通过以太网集成在一起，主要用于图像处理、图像理解、传感器信息融合、路径规划和车体控制。但是因为受到软件技术的限制，当时最高速度仅为1.8km/h，直到80年代末期才能以最高32km/h的速度行驶。

1996年，意大利帕尔马大学启动了开发一款名为ARGO的无人驾驶原型车项目。ARGO采用通用芯片、商用MMX奔腾Ⅱ车载计算机系统，配备了一种相对简单且具有成本效益的视觉系统，采用商用低成本CCD摄像机，应用立体视觉检测和定位车辆前方的障碍，通过图像获取车辆前方道路的几何参数，通过I/O板来获得车辆的速度及其他数据。ARGO提供了正常、辅助和自动三种驾驶模式。在正常模式下，汽车发现危险就会发出视觉和听觉警报；在辅助模式下，如果驾驶员没有做出反应，汽车会自行控制；在自动模式下，会处理来自摄像头的信息，以控制汽车的运行。1998年，在意大利汽车百年行活动中，ARGO试验车沿着意大利的高速公路网进行了2000km的道路试验，如图1-11所示。试验车行驶的区域既有平坦路面，也有高架桥和隧道丘陵地区，ARGO试验车的无人驾驶里程达到了总里程的94%，最高车速为112km/h。

美国国防部高级研究计划局（DARPA）为了吸引更多的团队投入智能车研究，决定举办一项奖金为100万美元的无人驾驶汽车挑战赛。从2004年到2007年，DARPA共赞助了三场赛事，分别是2004年、2005年和2007年的DARPA城市挑战赛，如图1-12所示。

2009年谷歌在DARPA的支持下，开始了自己的无人驾驶汽车项目。谷歌通过一辆改装的丰田普锐斯在太平洋沿岸行驶了约22.5万km，历时一年多，如图1-13所示。

2013年，除了科研院校在无人驾驶领域的积极研究外，奥迪、福特、沃尔沃、日产、宝马等众多的传统汽车制造商也纷纷布局无人驾驶汽车。这些传统车企大多采用渐进的方式逐步提高量产车辆的自动化驾驶水平，且同时积极研发无人驾驶技术的发展路线。奥迪自动驾驶测试车如图1-14所示。

特斯拉从2015年10月在Autopilot 1.0架构下释放了第一版自动驾驶软件Autopilot V7.0，如图1-15所示。配套的硬件包括12个超声波传感器、1个摄像头、1个前向毫米波雷达和GPS定位。该系统以图像识别为主，毫米波雷达作为辅助，并不是一个真正的自动控制系统，而是一个辅助驾驶系统，远远达不到自动驾驶的程度。如果汽车感应到驾驶员的手离开转向盘一段时间后，它会发出警报声。

2016年5月19日美国当地时间，Uber（优步）无人驾驶汽车在位于美国宾夕法尼亚州匹兹堡市的Uber先进技术中心正式上路测试，如图1-16所示。Uber首次路测使用的车辆是一款改装的福特混合动力汽车，它同时进行采集测绘数据并试验自动驾驶功能。当车辆处于自动驾驶模式时，会有一名接受过训练的人员在驾驶员座位上监测车辆运行。Uber无人驾驶汽车配备了各种传感器，包括毫米波雷达、激光雷达以及高分辨率摄像头，以便绘制车辆周边环境。

2016年开始，通用汽车开始加大对新业务的投入，宣布向美国第二大打车应用公司Lyft（来福车）投资5亿美元，支持后者车辆共享业务的持续高速增长发展。紧接着通用汽车公司以10亿美元买下位于旧金山的自动驾驶初创公司Cruise Automation（巡航自动化），正式进入无人驾驶领域，开始研发通用Cruise无人车，如图1-17所示。

三、智能网联汽车类别划分

按照汽车控制权与安全责任分配，无人驾驶汽车可分为不同的等级。不同国家和地区对自动驾驶汽车的分级标准也不相同。目前全球汽车行业应用较多的汽车自动驾驶技术分级标准是国际自动机工程师学会（SAE，原美国汽车工程师学会）提出的，如图1-18所示。

国际自动机工程师学会（SAE）早在2014年就发布了自动驾驶的六级分类体系，SAE将汽车智能化水平划分为六个等级：人工驾驶、辅助驾驶、部分自动驾驶、有条件自动驾驶、高度自动驾驶和全自动驾驶。

1）L0为完全人工驾驶，由驾驶员进行驾驶操作，属于纯人工驾驶，汽车只负责执行命令并不进行驾驶干预。

2）L1为辅助驾驶，能够帮助驾驶员完成某些驾驶任务，驾驶员需要监控驾驶环境并准备随时接管，如增加了预警提示类的ADAS功能，该种车辆的主要功能包括车道偏离预警（LDW）、前撞预警（FCW）、盲点检测（BSD）等。

3）L2为部分自动驾驶，具有多项功能，能同时控制车速和车道，但仍需驾驶员监控驾驶环境并准备随时接管车辆，如车辆的自适应巡航（ACC）、紧急自动制动（AEB）、车道保持辅助（LKA）等功能。

4）L3为有条件自动驾驶，在条件许可的情况下，车辆可以完成所有的驾驶动作，并具备提醒驾驶员的功能。驾驶员无需时时监控驾驶环境，可以分心但不可以睡觉，需要随时能够接管车辆。车辆具备了综合干预辅助类功能，包括自动加速、自动制动、自动转向等。

5）L4为高度自动驾驶，属于完全自动驾驶，可以没有驾驶员，但只能在特定的应用场景下实现。对应技术包括激光、雷达、高精度地图、中央处理器、智能道路和交通设施。它可以没有转向盘、加速踏板、制动踏板等控制机构，但需要限定区域（如园区、景区内）或限定行驶环境条件（如雨雪天、夜晚不能开）。

6）L5为完全自动驾驶，是真正的无人驾驶阶段，车辆的驾驶员位置没有驾驶员，也没有人在车内或车外协助认知判别以及干预车辆。车辆不再设置转向盘、加速及制动踏板，能够在全区域、全天候的环境下自主行驶。由于该项技术涉及安全和各国家地区的法律法规问题，因此还需要进行深入研发。