孔凡忠 徐小娟 褚景堯

智能汽車計(jì)算平臺(tái)關(guān)鍵技術(shù)不僅包含汽車本身的硬件/軟件平臺(tái)、系統(tǒng)安全平臺(tái)、整車通信平臺(tái)、核心算法等基礎(chǔ)技術(shù)，也包括云控平臺(tái)的系統(tǒng)架構(gòu)和核心算法，最重要的核心器件是中央處理器、云端域控制器等。智能計(jì)算平臺(tái)關(guān)鍵技術(shù)和核心器件研發(fā)難度高、周期長(zhǎng)、投入大，目前大多掌握在歐美日等供應(yīng)商手中，并受其技術(shù)保護(hù)和壟斷，因而加強(qiáng)共性核心技術(shù)攻關(guān)迫在眉睫。

智能汽車已成為我國(guó)汽車社會(huì)發(fā)展的戰(zhàn)略新契機(jī)，其重要性不僅僅局限于產(chǎn)業(yè)本身，而且涉及整個(gè)社會(huì)的智能化進(jìn)程，同時(shí)與國(guó)家信息安全密切相關(guān)。

目前，智能汽車的發(fā)展已經(jīng)被提升至國(guó)家高度，國(guó)家制造強(qiáng)國(guó)戰(zhàn)略中明確提出，到2020年掌握智能輔助駕駛總體技術(shù)及各項(xiàng)關(guān)鍵技術(shù)，初步建立智能汽車自主研發(fā)體系及生產(chǎn)配套體系；到2025年，掌握自動(dòng)駕駛總體技術(shù)及各項(xiàng)關(guān)鍵技術(shù)，建立完善的智能汽車自主研發(fā)體系、生產(chǎn)配套體系及產(chǎn)業(yè)群，基本完成汽車產(chǎn)業(yè)轉(zhuǎn)型升級(jí)。

汽車計(jì)算平臺(tái)的現(xiàn)狀與趨勢(shì)

隨著智能汽車的高速發(fā)展，系統(tǒng)功能越來越復(fù)雜、實(shí)時(shí)性要求越來越高、安全等級(jí)也越來越高，以CAN總線為基礎(chǔ)的傳統(tǒng)汽車分布式控制架構(gòu)已不能滿足未來需求，集成化的主干網(wǎng)加多域控制的新型電子電器架構(gòu)成為未來智能汽車發(fā)展的最佳選擇，對(duì)于智能汽車復(fù)雜功能和大量互聯(lián)信息的高效傳輸及管理，以及系統(tǒng)安全十分必要。

針對(duì)智能駕駛控制部分，L2級(jí)及以下采用基于MCU的多ECU分布式控制方式，而L3以上則必須采用基于高性能SOC（System on Chip）構(gòu)建的域控制器DCU（Domain Control Unit）的集中控制策略。DCU集成了多塊高性能的芯片，基于高端智能計(jì)算平臺(tái)，可以平行運(yùn)行多應(yīng)用程序，集成化的域控制器可取代許多較小的ECU，簡(jiǎn)化整車電子電器控制復(fù)雜度。該計(jì)算平臺(tái)采用模塊化的分層架構(gòu)，可以將不同廠商的軟件和應(yīng)用程序同時(shí)集成到域控制器DCU上，此運(yùn)算平臺(tái)衍生出許多關(guān)鍵技術(shù)要求。未來，在DCU成熟的基礎(chǔ)上，有望形成集成度更高、算力更強(qiáng)、功耗更低的SOC集成方案。

智能汽車計(jì)算平臺(tái)關(guān)鍵技術(shù)

智能駕駛計(jì)算平臺(tái)以環(huán)境感知數(shù)據(jù)、GPS信息、車輛實(shí)時(shí)數(shù)據(jù)和V2X交互數(shù)據(jù)等作為輸入，基于環(huán)境感知定位、路徑?jīng)Q策規(guī)劃和車輛運(yùn)動(dòng)控制等核心控制算法，輸出驅(qū)動(dòng)、傳動(dòng)、轉(zhuǎn)向和制動(dòng)等執(zhí)行控制指令，實(shí)現(xiàn)車輛的自動(dòng)控制，并通過人機(jī)交互界面（如儀表）實(shí)現(xiàn)自動(dòng)駕駛信息的人機(jī)交互。為了實(shí)現(xiàn)智能駕駛系統(tǒng)高性能和高安全性的控制需求，智能汽車計(jì)算平臺(tái)匯集了多項(xiàng)關(guān)鍵技術(shù)：包括基礎(chǔ)硬件/軟件平臺(tái)技術(shù)、系統(tǒng)安全平臺(tái)技術(shù)、整車通信平臺(tái)技術(shù)、云計(jì)算平臺(tái)技術(shù)、核心控制算法技術(shù)等。

基礎(chǔ)硬件平臺(tái)關(guān)鍵技術(shù)

智能汽車計(jì)算平臺(tái)硬件架構(gòu)如圖2所示：其中高性能傳感器實(shí)現(xiàn)環(huán)境路況信息采集，基于高性能CPU/GPU的SOC芯片實(shí)現(xiàn)環(huán)境感知定位、路徑?jīng)Q策規(guī)劃等核心算法，安全MCU實(shí)現(xiàn)高安全級(jí)別的車輛控制和車內(nèi)通信等。同時(shí)為了達(dá)到智能駕駛功能安全等級(jí)ASIL D的要求，目前一般采用主從兩個(gè)主控制器，實(shí)現(xiàn)故障監(jiān)測(cè)和冗余控制等。

智能駕駛計(jì)算平臺(tái)需要強(qiáng)大的硬件運(yùn)算資源，能夠基于攝像頭、毫米波雷達(dá)、激光雷達(dá)、定位系統(tǒng)和高精地圖等多信息融合實(shí)現(xiàn)環(huán)境感知定位、路徑?jīng)Q策規(guī)劃和車輛運(yùn)動(dòng)控制等，滿足智能駕駛系統(tǒng)高性能和高安全性的控制需求。智能駕駛硬件平臺(tái)需要滿足如下要求：

一是強(qiáng)大的運(yùn)算能力滿足計(jì)算性能與實(shí)時(shí)性要求；二是滿足ISO 26262的功能安全要求；三是滿足信息安全要求；四是支持多種車內(nèi)通信協(xié)議CANFD/Ethernet等；五是支持FOTA升級(jí)，實(shí)現(xiàn)功能迭代；六是滿足車規(guī)級(jí)標(biāo)準(zhǔn)（溫度、電磁兼容、可靠性等）；七是滿足低功耗要求；八是滿足成本要求。

電子電器軟件架構(gòu) 智能駕駛計(jì)算平臺(tái)軟件架構(gòu)基于Adaptive AUTOSAR，采用分層的架構(gòu)，可集成多應(yīng)用程序（APP），圖3即是基于主流技術(shù)分析軟件架構(gòu)示意圖。計(jì)算平臺(tái)軟件上層為應(yīng)用層，運(yùn)行“核心控制算法”及“安全管理”。智能駕駛的核心控制算法，包括環(huán)境感知定位、路徑?jīng)Q策規(guī)劃和車輛控制。同時(shí)針對(duì)智能駕駛需求，實(shí)現(xiàn)功能安全和信息安全管理，包括錯(cuò)誤監(jiān)測(cè)、信息安全策略，處理器監(jiān)測(cè)和執(zhí)行安全糾正，以及安全警示和降級(jí)的策略等。計(jì)算平臺(tái)軟件下層為基礎(chǔ)軟件，實(shí)現(xiàn)通信和I/O驅(qū)動(dòng)、錯(cuò)誤管理、硬件安全管理和存儲(chǔ)管理等，操作系統(tǒng)采用滿足POSIX接口的RTOS（Real-Time Operating System），通過虛擬機(jī)從硬件層面分割硬件資源保持片上多軟件系統(tǒng)獨(dú)立。

POSIX接口RTOS技術(shù)對(duì)于滿足POSIX接口的RTOS，大家普遍青睞Linux開源軟件。因?yàn)殚_源可以帶來自由定制，基于汽車控制領(lǐng)域需求優(yōu)化任務(wù)調(diào)度/搶占機(jī)制，開發(fā)實(shí)現(xiàn)RT-Linux。雖然也有供應(yīng)商與整車廠在使用QNX，但是一旦涉及深度軟件定制開發(fā)，QNX本身的開放程度將會(huì)影響未來可應(yīng)用范圍。

Adaptive AUTOSAR技術(shù) 汽車行業(yè)的控制軟件涉及車輛安全，為解決汽車智能駕駛等問題，提出統(tǒng)一的軟件要求，同時(shí)也為了滿足統(tǒng)一的接口要求，因此提出Adaptive AUTOSAR，今年10月將釋放第一個(gè)完整版本。國(guó)外已促成Adaptive AUTOSAR成為行業(yè)標(biāo)準(zhǔn)，第三方軟件供應(yīng)商會(huì)將標(biāo)準(zhǔn)頒布時(shí)間滯后，但像VW這樣的業(yè)內(nèi)巨頭，已提前獲得對(duì)應(yīng)版本并完成軟件平臺(tái)開發(fā)。

Hypervisor技術(shù) 自動(dòng)駕駛域控制器的功能實(shí)現(xiàn)需要覆蓋環(huán)境感知、傳感器融合、決策控制等，同時(shí)功能安全和信息安全的需求加入，對(duì)控制器軟硬件系統(tǒng)提出了更高的性能要求?？赏ㄟ^在硬件（物理芯片）和軟件操作系統(tǒng)之間嵌入Hypervisor層，基于硬件抽象層，直接模擬成幾個(gè)OS（Operating System），解決資源沖突和虛擬機(jī)的選擇問題，如圖4的TYPE1所示。Hypervisor是所有虛擬化技術(shù)的核心，主要目的是為了使多操作系統(tǒng)和應(yīng)用共享一片硬件資源，也被認(rèn)為是硬件虛擬器。

通過使用Hypervisor層的改進(jìn)式架構(gòu)，可以增加操作系統(tǒng)使用的靈活性，是多操作系統(tǒng)應(yīng)用的發(fā)展必然，也是軟件設(shè)計(jì)的重點(diǎn)內(nèi)容。

Hypervisor主要根據(jù)具體的產(chǎn)品類型和系統(tǒng)標(biāo)準(zhǔn)等來選擇最合適的解決方案。未來廠商必須要有這種Hypervisor的集成經(jīng)驗(yàn)，會(huì)涉及虛擬的驅(qū)動(dòng)開發(fā)和資源配置，包括對(duì)各種虛擬機(jī)的支持，其他就是對(duì)全新CPU的適配。目前芯片主要包括Intel、Renesas、NXP、TI等；操作系統(tǒng)主要包括Linux、QNX等。

系統(tǒng)安全平臺(tái)關(guān)鍵技術(shù)

智能汽車的網(wǎng)聯(lián)化給乘客帶來越來越多的方便服務(wù)的同時(shí)，也掌握了駕駛員越來越多的個(gè)人信息和隱私，甚至可以遠(yuǎn)程訪問操控汽車，為網(wǎng)絡(luò)安全埋下了隱患。同時(shí)因?yàn)樽詣?dòng)駕駛完全由計(jì)算機(jī)控制車輛而不需駕駛員判斷操作，需要在傳統(tǒng)車輛上增加大量的傳感器、控制器，執(zhí)行器也需升級(jí)，系統(tǒng)變得越發(fā)復(fù)雜，增大了系統(tǒng)故障的概率，而且自動(dòng)駕駛汽車要求系統(tǒng)發(fā)生故障情況下，車輛仍具有操控性。所以智能系統(tǒng)的網(wǎng)絡(luò)安全技術(shù)和功能安全成為智能汽車的關(guān)鍵技術(shù)。

功能安全 目前，針對(duì)功能安全主要采用ISO 26262標(biāo)準(zhǔn)汽車功能安全要求，詳細(xì)地描述了電子電氣系統(tǒng)的硬件隨機(jī)失效，以及潛在、多點(diǎn)故障失效，軟件故障注入測(cè)試等內(nèi)容。汽車風(fēng)險(xiǎn)定制的方案、運(yùn)行汽車安全等級(jí)要求發(fā)現(xiàn)潛在的風(fēng)險(xiǎn)，根據(jù)要求確保安全等級(jí)達(dá)到規(guī)定的要求，強(qiáng)調(diào)了產(chǎn)品的生命周期以及安全完整等級(jí)要求。電子電器系統(tǒng)發(fā)生故障后，可能導(dǎo)致系統(tǒng)功能的異常表現(xiàn)，造成車輛的非預(yù)期運(yùn)動(dòng)風(fēng)險(xiǎn)。電子電氣系統(tǒng)的故障可分為隨機(jī)硬件故障和軟件或流程原因?qū)е碌南到y(tǒng)性故障。通過實(shí)施功能安全，以危害分析和風(fēng)險(xiǎn)評(píng)估后得到的安全目標(biāo)及汽車安全完整性等級(jí)（ASIL 等級(jí)）為導(dǎo)向，開發(fā)和落實(shí)相關(guān)安全要求，能有效降低系統(tǒng)功能失效導(dǎo)致的風(fēng)險(xiǎn)。針對(duì)自動(dòng)駕駛要求的系統(tǒng)失效時(shí)仍需fail-operational的需求，需要根據(jù)安全狀態(tài)分析，制定具體的系統(tǒng)冗余設(shè)計(jì)策略。

同時(shí)，自動(dòng)駕駛汽車是一項(xiàng)極其復(fù)雜的系統(tǒng)，配置了頂級(jí)尖端科技。要證實(shí)系統(tǒng)可以完成設(shè)定的目標(biāo)，即所說的預(yù)期功能安全SOTIF（Safety Of The Intended Function），這是一項(xiàng)非常具有挑戰(zhàn)性的工程。SOTIF 針對(duì)的系統(tǒng)功能局限可分為：目標(biāo)使用場(chǎng)景考慮不周全，導(dǎo)致系統(tǒng)不能準(zhǔn)確識(shí)別環(huán)境要素；功能仲裁邏輯不合理，導(dǎo)致系統(tǒng)決策失誤；執(zhí)行器響應(yīng)能力不足，導(dǎo)致運(yùn)動(dòng)控制偏離預(yù)期等。

功能局限的產(chǎn)生原因主要是：設(shè)計(jì)開發(fā)時(shí)系統(tǒng)功能定義不能充分覆蓋目標(biāo)市場(chǎng)的使用需求。為此，需要充分搜集預(yù)期使用場(chǎng)景的數(shù)據(jù)，作為功能設(shè)計(jì)輸入，同時(shí)要求進(jìn)行大量的驗(yàn)證工作，包括實(shí)地實(shí)車測(cè)試，以盡可能涵蓋全部使用工況，須在廣泛相異的情形以及天氣情況下實(shí)現(xiàn)安全目標(biāo)。道路測(cè)試在可控性、重復(fù)性、詳盡性或者快速性方面都有著不足之處，所以，仿真模擬環(huán)境是非常有必要的。

信息安全 智能汽車可以被看作是利用計(jì)算機(jī)通過無線通信技術(shù)和云端大數(shù)據(jù)庫(kù)相連接，通過系統(tǒng)軟件來實(shí)現(xiàn)車的自動(dòng)控制，智能汽車的計(jì)算機(jī)聯(lián)網(wǎng)屬性，決定所有計(jì)算機(jī)可能遇到的信息安全風(fēng)險(xiǎn)都可能出現(xiàn)在智能汽車上，不僅涉及用戶數(shù)據(jù)丟失、物品被盜取，而且涉及駕駛安全，因此智能汽車的信息安全尤為重要；目前針對(duì)智能汽車的信息安全危害分析，需要重點(diǎn)開展車外通信、架構(gòu)隔離、車內(nèi)通信和控制器內(nèi)部，從外至內(nèi)四層級(jí)信息安全防護(hù)策略，逐層進(jìn)行多級(jí)防護(hù)。

網(wǎng)聯(lián)汽車的互聯(lián)網(wǎng)安全是未來汽車行業(yè)的一項(xiàng)非常艱巨的任務(wù)，各國(guó)都由政府牽頭提醒行業(yè)掌握智能汽車網(wǎng)絡(luò)安全主動(dòng)權(quán)。

整車通信平臺(tái)關(guān)鍵技術(shù)

V2X是指借助當(dāng)前的各種無線通信技術(shù)，將“車、路、人、云”等交通參與要素有機(jī)地聯(lián)系在一起，不僅可以支撐車輛獲得更多的感知信息，促進(jìn)自動(dòng)駕駛技術(shù)創(chuàng)新和應(yīng)用；還有利于構(gòu)建一個(gè)智慧的交通體系，促進(jìn)汽車和交通服務(wù)的新模式新業(yè)態(tài)發(fā)展，對(duì)提高交通效率、節(jié)省資源、減少污染、降低事故發(fā)生率、改善交通管理具有重要意義。

V2X是智能網(wǎng)聯(lián)的必要支持，通過開發(fā)上層應(yīng)用，可以提升全方位的智能網(wǎng)聯(lián)生態(tài)，服務(wù)于自動(dòng)駕駛、高效出行、交通管理、遠(yuǎn)程監(jiān)控等多維度應(yīng)用。3GPP標(biāo)準(zhǔn)組織定義的V2X技術(shù)包括車與車通信（V2V）、車與路邊基礎(chǔ)設(shè)施通信（V2I）、車與行人通信（V2P）、車與網(wǎng)絡(luò)/云平臺(tái)通信（V2N/V2C）等通信場(chǎng)景。目前階段我國(guó)V2X的研究熱點(diǎn)主要集中在C-V2X（Cellular）上，包括基于4G網(wǎng)絡(luò)的LTE-V2X的應(yīng)用和未來5G的NR-V2X研究。

V2V技術(shù) V2V（Vehicle to Vehicle），指通過車載終端進(jìn)行車輛間的通信。最普遍的應(yīng)用場(chǎng)景是在城市街道與高速公路中，車輛之間相互通信，發(fā)送數(shù)據(jù)，實(shí)現(xiàn)信息和數(shù)據(jù)的共享。

智能汽車計(jì)算平臺(tái)可以通過發(fā)送或接收以下數(shù)據(jù)：車輛的時(shí)速、相對(duì)位置、剎車、直行還是左拐等所有與行駛安全相關(guān)的數(shù)據(jù)，甚至包括拍攝周圍事物的圖片或者音視頻等，分析和預(yù)判其他車輛的駕駛行為，從而實(shí)現(xiàn)主動(dòng)的安全策略，提升行駛安全，為半自動(dòng)駕駛、自動(dòng)駕駛提供數(shù)據(jù)支撐。

V2V車輛通信可以通過C-V2X中的D2D協(xié)議實(shí)現(xiàn)車與車之間的通信，為整車廠帶來了另一種運(yùn)維模式，即自由有效建立智能車隊(duì)，規(guī)劃路徑，降低油耗，提升營(yíng)運(yùn)收益。

V2I技術(shù) V2I（Vehicle to Infrastructure），指車載設(shè)備與路邊基礎(chǔ)設(shè)施（如紅綠燈、交通攝像頭、路側(cè)單元等）進(jìn)行通信，路邊基礎(chǔ)設(shè)施獲取附近區(qū)域環(huán)境的信息并發(fā)布各種實(shí)時(shí)信息。車與路通信主要應(yīng)用于實(shí)時(shí)信息服務(wù)、車輛監(jiān)控管理、不停車收費(fèi)等。

智能汽車計(jì)算平臺(tái)需要通過分析接收到路邊基礎(chǔ)設(shè)施的警示信息如：十字路口的盲區(qū)碰撞、道路險(xiǎn)情、道路施工、救急車輛、交通堵塞和事故警告，以及視線盲區(qū)的交通信號(hào)或標(biāo)志指示，提示用戶相應(yīng)的險(xiǎn)情，推薦優(yōu)化的駕駛行為，促進(jìn)道路車輛行駛和周邊信息的合理化和完善化。

V2I車輛通信可以C-V2X中的超密集組網(wǎng)技術(shù)以及D2D協(xié)議實(shí)現(xiàn)車與路基礎(chǔ)設(shè)施通信。智能汽車計(jì)算平臺(tái)通過強(qiáng)大的CPU處理接收的信息，結(jié)合GPU處理通過攝像頭識(shí)別的圖像，再輔助高精地圖和云端支持，建立協(xié)同式環(huán)境感知系統(tǒng)，便于整個(gè)智慧城市的搭建。

V2P技術(shù) V2P（Vehicle to People） 是指車輛中的車載設(shè)備和弱勢(shì)交通群體（包括行人、騎行者等）使用用戶設(shè)備（包括行人、騎行者等）使用用戶設(shè)備（如智能手機(jī)、可穿戴式設(shè)備、自行車GPS信號(hào)儀等）進(jìn)行通信。車與行人通信主要應(yīng)用于交通安全、智能鑰匙、位置信息服務(wù)、汽車共享等。

智能汽車計(jì)算平臺(tái)通過支持強(qiáng)大的安全通信，通過智能鑰匙，實(shí)現(xiàn)無鑰匙進(jìn)入和遠(yuǎn)程啟動(dòng)等功能。同時(shí)還要通過強(qiáng)大的計(jì)算能力，實(shí)時(shí)推算行人或者騎行者的行動(dòng)軌跡，為駕駛員提供駕駛預(yù)判，避免發(fā)生交通事故。

V2P通信主要取決于用戶設(shè)備的無線通信協(xié)議，這就需要智能汽車計(jì)算平臺(tái)能夠支持盡可能多的無線通信協(xié)議，譬如BT、WIFI、Zigbee、Z-WAVE、NB-IoT/LoRA、LTE/5G，才能夠有效地實(shí)現(xiàn)V2P。

V2N/V2C技術(shù) V2N/C（Vehicle to Network/Cloud）是指車輛中車載設(shè)備通過網(wǎng)絡(luò)與云平臺(tái)連接，云平臺(tái)與車輛之間進(jìn)行數(shù)據(jù)交互，并對(duì)獲取的數(shù)據(jù)進(jìn)行存儲(chǔ)和處理，提供遠(yuǎn)程交通信息推送、娛樂、商務(wù)服務(wù)和車輛管理等。車與云平臺(tái)通信主要應(yīng)用于車輛導(dǎo)航、車輛遠(yuǎn)程監(jiān)控、緊急救援、信息娛樂服務(wù)等。

對(duì)于V2N/V2C來說，智能汽車計(jì)算平臺(tái)需要強(qiáng)大而迅捷的數(shù)據(jù)處理能力以及海量的數(shù)據(jù)存儲(chǔ)機(jī)制，以處理超高速率、超高吞吐量、高可靠性、超低延時(shí)的網(wǎng)絡(luò)數(shù)據(jù)。

毫無疑問，V2N/V2C需要采用C-V2X中的新型天線傳輸技術(shù)、高頻段傳輸、同頻全雙工等高效技術(shù)，這就要求智能汽車計(jì)算平臺(tái)需要支持新型網(wǎng)絡(luò)架構(gòu)，譬如D-RAN、C-RAN，D2D、MTC等接入技術(shù)相融合的方式，通過各種低成本高速光傳輸網(wǎng)絡(luò)，實(shí)現(xiàn)V2N/V2C通信。

云計(jì)算平臺(tái)關(guān)鍵技術(shù)

當(dāng)前云計(jì)算平臺(tái)主要應(yīng)用于對(duì)實(shí)時(shí)性要求不高的內(nèi)容服務(wù)和數(shù)據(jù)分析，譬如智能互聯(lián)中的信息娛樂功能、用戶的駕駛行為分析等。車輛通過網(wǎng)絡(luò)將ECU數(shù)據(jù)上傳到云平臺(tái)，云平臺(tái)通過數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)挖掘、數(shù)據(jù)分析，然后將數(shù)據(jù)模型下發(fā)給車輛，供車輛提升用戶體驗(yàn)使用。

隨著4G數(shù)據(jù)網(wǎng)絡(luò)上行下行速度越來越快，并且在車輛中的大量搭載，計(jì)算平臺(tái)有從車載終端向云計(jì)算平臺(tái)遷移的趨勢(shì)。其主要的優(yōu)勢(shì)是規(guī)模大、虛擬化能力強(qiáng)、高可靠性、通用性、高擴(kuò)展性、按需服務(wù)和低成本性。一旦超高速網(wǎng)絡(luò)成為現(xiàn)實(shí)，云控平臺(tái)的域控制器將承擔(dān)更多的計(jì)算量，相應(yīng)的AI芯片及核心算法將成為重點(diǎn)研發(fā)領(lǐng)域。

核心算法開發(fā)關(guān)鍵技術(shù)

智能駕駛計(jì)算平臺(tái)的核心控制算法包括：環(huán)境感知與定位、決策與規(guī)劃、控制和執(zhí)行。

環(huán)境感知與定位 環(huán)境感知的主要目的是通過智能汽車傳感器（如攝像頭、毫米波雷達(dá)、激光雷達(dá)、超聲波雷達(dá)及差分GPS等）收集車輛自身、周圍障礙物及道路等與駕駛?cè)蝿?wù)相關(guān)的信息。車輛周圍障礙物及道路信息可通過多種車載傳感器檢測(cè)獲得，基于多傳感器的信息融合方法能夠綜合利用多傳感器的優(yōu)點(diǎn)，有效克服單一傳感器性能缺陷，從而獲得穩(wěn)定、準(zhǔn)確的障礙物及道路信息。因此，多傳感器信息融合技術(shù)是自動(dòng)駕駛汽車系統(tǒng)中的核心技術(shù)之一。而且，近年來算法（如多傳感器融合等）越來越成為AI芯片發(fā)展的驅(qū)動(dòng)力，如地平線、寒武紀(jì)等芯片公司的算法。

環(huán)境感知系統(tǒng)總體方案設(shè)計(jì)。根據(jù)智能汽車駕駛場(chǎng)景分析設(shè)計(jì)環(huán)境感知系統(tǒng)總體方案。針對(duì)自動(dòng)駕駛360度全域安全指標(biāo)要求，一般通過在車輛周邊布置多個(gè)毫米波雷達(dá)和攝像頭，以及多個(gè)激光雷達(dá)，完成車道線、車輛、行人、非機(jī)動(dòng)車輛、障礙物、道路標(biāo)識(shí)等環(huán)境信息的檢測(cè)。選擇高性能處理器作為運(yùn)算平臺(tái)，運(yùn)行基于深度學(xué)習(xí)的多傳感器信息融合算法。

環(huán)境感知系統(tǒng)核心融合算法 環(huán)境感知系統(tǒng)一般采用基于機(jī)器學(xué)習(xí)的方法進(jìn)行目標(biāo)的檢測(cè)和跟蹤，利用深度學(xué)習(xí)進(jìn)行攝像頭、毫米波雷達(dá)、激光雷達(dá)信息的融合算法處理。為了滿足系統(tǒng)實(shí)時(shí)性要求，需要采用高性能芯片作為計(jì)算平臺(tái)，滿足神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法運(yùn)算要求。

多源信息融合感知系統(tǒng)軟件體系架構(gòu)設(shè)計(jì)。多源信息融合感知系統(tǒng)軟件主要由傳感器標(biāo)定、坐標(biāo)變換、數(shù)據(jù)采集與預(yù)處理、數(shù)據(jù)存儲(chǔ)緩沖、信息融合、目標(biāo)檢測(cè)與識(shí)別、綜合調(diào)配狀態(tài)網(wǎng)絡(luò)管理、環(huán)境模型構(gòu)建等軟件單元模塊組成（見圖5）。

為實(shí)現(xiàn)多源信息融合感知系統(tǒng)目標(biāo)檢測(cè)與跟蹤和環(huán)境建模功能，設(shè)計(jì)不同的軟件類庫(kù)來實(shí)現(xiàn)具體的軟件功能，并利用面向?qū)ο蟮姆椒ǎ褂贸橄箢悗?kù)設(shè)計(jì)抽象接口類，實(shí)現(xiàn)數(shù)據(jù)、設(shè)備驅(qū)動(dòng)、軟件算法等方面的模塊化設(shè)計(jì)，為進(jìn)行功能擴(kuò)展、設(shè)備替換提供方便，形成智能汽車多源信息融合感知系統(tǒng)的基礎(chǔ)軟件平臺(tái)。

基于機(jī)器學(xué)習(xí)的算法研究。環(huán)境感知系統(tǒng)一般采用基于機(jī)器學(xué)習(xí)的方法進(jìn)行目標(biāo)的檢測(cè)和跟蹤，涉及的工作包括：Robust（魯棒）的城市復(fù)雜動(dòng)態(tài)場(chǎng)景點(diǎn)云配準(zhǔn)方法；自動(dòng)駕駛環(huán)境下多視角環(huán)境模型構(gòu)建理論；基于證據(jù)理論和支持向量機(jī)的多傳感器數(shù)據(jù)融合；基于深度學(xué)習(xí)的視覺雷達(dá)融合方法。

高精定位關(guān)鍵技術(shù)。厘米級(jí)實(shí)時(shí)高精定位是目前自動(dòng)駕駛最大的挑戰(zhàn)之一。高精定位一般包含相對(duì)定位，絕對(duì)定位和組合定位，對(duì)于自動(dòng)駕駛汽車來說一般采用組合定位方法，目前常用的定位方法包括RTK-GPS定位、IMU（Inertial Measurement Unit）定位和SLAM（Simultaneous Localization and Mapping）定位。

組合定位是基于RTK-GPS的絕對(duì)定位的初始位置信息，利用IMU傳感器的加速度計(jì)、陀螺儀等來測(cè)量相對(duì)于汽車初始位姿的距離和方向來確定當(dāng)前汽車的位姿。然后用激光雷達(dá)或視覺感知環(huán)境，用主動(dòng)或被動(dòng)標(biāo)識(shí)、地圖匹配、GPS或?qū)Ш叫艠?biāo)進(jìn)行高精定位。

決策與規(guī)劃 智能汽車路徑規(guī)劃決策是實(shí)現(xiàn)汽車智能駕駛的關(guān)鍵技術(shù)之一，智能駕駛是將車從起始位置移動(dòng)到目標(biāo)位置，車輛的運(yùn)動(dòng)限制在路面上、同時(shí)考慮汽車動(dòng)力學(xué)，因此規(guī)劃的路徑除了考慮路程最短、無碰撞外還需要考慮車輛運(yùn)動(dòng)軌跡的可執(zhí)行性。路徑規(guī)劃任務(wù)可以分為三層，如圖6所示，上層全局路徑規(guī)劃、中層局部路徑規(guī)劃和下層軌跡規(guī)劃，每層執(zhí)行不同任務(wù)，三大規(guī)劃是智能駕駛計(jì)算平臺(tái)最復(fù)雜的部分，算法很多。谷歌、百度等科技公司切入智能車領(lǐng)域擅長(zhǎng)的就是這些算法；傳統(tǒng)整車廠如福特和豐田，擁有對(duì)車輛動(dòng)力學(xué)的絕對(duì)優(yōu)勢(shì)，在此領(lǐng)域也在重點(diǎn)發(fā)力。

上層全局路徑規(guī)劃，是指在電子地圖、路網(wǎng)以及交通信息等基礎(chǔ)上，根據(jù)某優(yōu)化目標(biāo)得到兩點(diǎn)之間的最優(yōu)路徑，完成路徑規(guī)劃的傳感信息主要來自于GPS定位信息以及電子地圖。

中層局部路徑規(guī)劃，是指根據(jù)當(dāng)前行駛區(qū)域內(nèi)道路交通等環(huán)境信息，決策出當(dāng)前時(shí)刻滿足交通法規(guī)、道路約束的最優(yōu)行駛行為，動(dòng)態(tài)規(guī)劃的局部路徑序列組成宏觀路徑。局部路徑規(guī)劃的傳感信息主要來自車載傳感器如雷達(dá)、攝像頭等，用以識(shí)別道路障礙、車道線、道路標(biāo)識(shí)信息和交通信號(hào)燈信息等。

下層軌跡規(guī)劃是指在當(dāng)前時(shí)刻以完成當(dāng)前行車行為為目標(biāo)，考慮周圍交通環(huán)境并滿足不同約束條件，根據(jù)目標(biāo)動(dòng)態(tài)規(guī)劃決策出的最優(yōu)軌跡。下層軌跡規(guī)劃除了必要的外部環(huán)境信息外，還需要對(duì)本車狀態(tài)信息進(jìn)行測(cè)量或估計(jì)，車輛的動(dòng)力學(xué)約束也會(huì)在軌跡規(guī)劃中得到體現(xiàn)。

全局路徑規(guī)劃。全局路徑規(guī)劃主要任務(wù)是根據(jù)全局地圖數(shù)據(jù)庫(kù)信息規(guī)劃出自起始點(diǎn)至目標(biāo)點(diǎn)的一條無碰撞、可通過的路徑。在滿足汽車行駛諸多約束的前提下，以某性能指標(biāo)最優(yōu)為目的，規(guī)劃出車輛的運(yùn)動(dòng)軌跡。全局型路徑規(guī)劃不算復(fù)雜，這對(duì)地圖廠家來說很容易。

車輛路徑規(guī)劃算法可分為靜態(tài)路徑規(guī)劃算法和動(dòng)態(tài)路徑算法。此外，還有實(shí)時(shí)啟發(fā)式搜索算法、基于分層路網(wǎng)的搜索算法、神經(jīng)網(wǎng)絡(luò)、遺傳算法及模糊理論等。

局部路徑規(guī)劃。局部路徑規(guī)劃是在智能車輛的行駛過程中，以局部環(huán)境信息和自身狀態(tài)信息為基礎(chǔ)，規(guī)劃出一段無碰撞的理想局部路徑。主要是探測(cè)障礙物，并對(duì)障礙物的移動(dòng)軌跡跟蹤做出下一步可能位置的推算，最終繪制出一幅包含現(xiàn)存碰撞風(fēng)險(xiǎn)和潛在碰撞風(fēng)險(xiǎn)的障礙物地圖。

局部路徑規(guī)劃的主要前提是對(duì)周圍環(huán)境有深刻的理解，并有一個(gè)非常完善實(shí)時(shí)的環(huán)境，通常采用柵格法構(gòu)建環(huán)境模型。

針對(duì)規(guī)劃決策方面的研究，尤其是復(fù)雜動(dòng)態(tài)環(huán)境下具備仿生認(rèn)知決策能力的相關(guān)研究較少。

規(guī)劃決策可基于社會(huì)屬性的深度強(qiáng)化學(xué)習(xí)的決策方法，如圖7所示，可以借鑒駕駛員規(guī)劃決策知識(shí)進(jìn)行機(jī)器學(xué)習(xí)，探究具有不完整數(shù)據(jù)、不確定知識(shí)特點(diǎn)的駕駛規(guī)劃決策知識(shí)獲取算法，消除多源信息間可能存在的冗余和矛盾信息，降低其不確定性，以形成對(duì)駕駛系統(tǒng)的相對(duì)完整一致性描述，從而提高駕駛系統(tǒng)決策及反應(yīng)的快速性和準(zhǔn)確性，為智能汽車輛智能行為決策控制提供理論依據(jù)。

軌跡規(guī)劃是在全局路徑規(guī)劃和局部路徑規(guī)劃的基礎(chǔ)上，考慮時(shí)間序列和車輛動(dòng)力學(xué)對(duì)車輛運(yùn)行軌跡的規(guī)劃。

控制與執(zhí)行 目前智能駕駛車輛運(yùn)動(dòng)控制主要掌握在核心供應(yīng)商和國(guó)外主流主機(jī)廠手中，國(guó)內(nèi)積累薄弱，而且一級(jí)核心供應(yīng)商對(duì)國(guó)內(nèi)整車廠底層執(zhí)行協(xié)議的開放不足，多為黑盒子，控制協(xié)議均為付費(fèi)公開，而且接口開放程度也直接影響著汽車操控的可控程度。但車輛運(yùn)動(dòng)控制技術(shù)是自動(dòng)駕駛真正落地的基礎(chǔ)，自動(dòng)駕駛汽車想要平穩(wěn)行駛，并保持舒適性，很大程度上取決于底盤和動(dòng)力控制技術(shù)。同時(shí)，自動(dòng)駕駛能否達(dá)到專業(yè)的操控性，很大程度上在于自動(dòng)駕駛決策規(guī)劃時(shí)對(duì)車輛控制動(dòng)力學(xué)的理解程度。

智能汽車計(jì)算平臺(tái)核心器件

在傳統(tǒng)汽車領(lǐng)域，芯片供應(yīng)商包括英飛凌、恩智浦、意法半導(dǎo)體和瑞薩等公司，幾乎壟斷了全球汽車芯片市場(chǎng)；但隨著高級(jí)駕駛輔助系統(tǒng)ADAS和自動(dòng)駕駛技術(shù)的發(fā)展，智能汽車對(duì)芯片的計(jì)算能力需求也隨之快速增長(zhǎng)，因此消費(fèi)類電子芯片公司如英偉達(dá)、高通、英特爾等相繼進(jìn)入汽車芯片行業(yè)；同時(shí)瑞薩、德州儀器、英飛凌等也均在自動(dòng)駕駛領(lǐng)域進(jìn)行布局。

英特爾主要是通過并購(gòu)來完成布局，包括Mobileye的EyeQ系列專用芯片（ASIC）、Altera的FPGA芯片和Movidius的視覺處理單元VPU，以及自己的CPU處理器，形成自動(dòng)駕駛的整體硬件解決方案。

英偉達(dá)的Drive PX和PX2可滿足L2、L3級(jí)ADAS應(yīng)用；新一代的自動(dòng)駕駛處理器Xavier可滿足L3/L4級(jí)自動(dòng)駕駛應(yīng)用。

高通通過將自己的移動(dòng)處理芯片升級(jí)為車規(guī)級(jí)切入汽車電子領(lǐng)域，2019年將量產(chǎn)的820A支持深度學(xué)習(xí)的ADAS應(yīng)用；同時(shí)收購(gòu)傳統(tǒng)的汽車電子芯片商恩智浦，其發(fā)布的BlueBox平臺(tái)，集成了S32V234汽車視覺和傳感器融合處理器、S2084嵌入式計(jì)算處理器和S32R27雷達(dá)微控制器，能夠提供L4級(jí)自動(dòng)駕駛計(jì)算解決方案。

地平線機(jī)器人、中科寒武紀(jì)、森國(guó)科等國(guó)內(nèi)公司，開始進(jìn)行車載級(jí)芯片研究，可滿足L2級(jí)以下ADAS場(chǎng)景需求。但目前我國(guó)半導(dǎo)體芯片行業(yè)整體競(jìng)爭(zhēng)力較弱，缺乏核心技術(shù)，導(dǎo)致目前中國(guó)的車載芯片幾乎全部依賴進(jìn)口。因此，如果可以借助智能汽車引導(dǎo)的行業(yè)革命發(fā)展國(guó)產(chǎn)芯片，或許將是我國(guó)汽車產(chǎn)業(yè)的一個(gè)難得機(jī)會(huì)。