TRAFFIC AND SAFETY | 交通与安全
时代汽车 wwwautotime
雷先华 戴安妮 陈宇奇
湖南交通工程学院 机电系 湖南省衡阳市 421000
摘 要： 自动驾驶技术在解决驾驶安全问题和交通效率问题上有着极大的应用前景，国内外汽车相关企业近几年纷纷将自动驾驶技术作为研究重点。本文将对自动驾驶技术的重要环节数据采集和数据融合技术现状进行总结分析，并对自动驾驶技术与通讯技术的融合发展进行展望，通讯技术的融合不仅使单位车辆更加安全，而且对于一个复杂的城市交通网络而言也将大大提高交通效率。
关键词：自动驾驶技术 汽车数据采集系统 通讯技术 技术融合
1 引言
根据公安部公布消息，截止到2018年底，汽车保有量这一数据在中国已达到2.4亿辆，汽车保有量超过100
万辆的城市已有66个之多，汽车保有量超过300万辆的城市更有11个之多[1]。汽车保有量及驾驶员人数的基数过大，使得交通出行风险也随之提高，每年约130万人死于交通事故，另外有数千万人因交通事故致伤致残。疲劳驾驶、酒后驾驶、自身驾驶技术欠缺、受其他事物影响而造成的注意力分散、个人情绪波动等都是交通事故产生的主要原因[2]。如果自动驾驶技术的研发瓶颈能被突破，中国乃至世界将有望规划建立出新的交通格局。自动驾驶汽车是一种通过AI系统实现无人驾驶的智能汽车，具有高效节能性等特点，可以有效缓解城市交通拥堵状况并提高汽车安全程度[3]。
自动驾驶汽车要实现各种自动驾驶操作必须对周围路况有一个精准实时的判断，各类传感器利用自身优势取长补短相互配合以达到要求。基于通讯技术在汽车上的应用，高等级的自动驾驶技术将与通讯技术融合发展实现真正的自动驾驶[4]。本文将对自动驾驶技术的重要环节数据采集和数据融合技术应用现状进行总结分析，并对自动驾驶技术与
通讯技术的融合发展进行展望
2 自动驾驶的数据采集与分析
美国汽车工程师协会将自动驾驶技术划
分为五个等级，分别是L1级别，即少数时候
个别装置发挥作用；L2级别，少数装置自动
发挥作用；L3级别，合适条件整车自主驾驶；
L4级别，大部分条件自主驾驶；L5级别，所
有场景自主驾驶。就目前而言量产汽车仍处
于L3级别上。在自动驾驶过程中，数据采集
是该技术运用的第一要素，车辆获得认知能
力是预测驾驶安全性的基石。时刻收集外界
环境的数据信息，这将需要更高精度传感器
的监测感知、更加迅速的数据处理、以及更
为密切协同的工作配合。智能汽车的数据采
集由两大部分组成，一是各类传感器采集车
内数据及周围环境数据；二是依靠大数据信
息技术支持以了解行驶路径大范围的道路交
通状况。
2.1 红外线传感器
红外线传感器不易被天气状况所影响，
有着较为优越的对象信息分析能力，可以轻
松分辨静物和行人，同时兼具强大的横向分
辨能力和距离测量能力。现阶段远红外线技
术（FIR）在某种程度上甚至能取代雷达。基
于此技术的摄像头能释放出远红外线光波，
探测车辆行驶方向是否有异常的热辐射，并
且由于各目标物的辐射率存在差异，远红外
线摄像头可感知到其路径内的所有目标物[5]。
凭借如此性能，该款摄像头可创建道路的可
视化绘图，配合高精度的激光雷达互相印证
探测结果，能更好地为夜间驾驶及行人安全
提供保护。
2.2 雷达传感器
高性能的雷达传感器对自动驾驶领域有
着巨大的影响。虽然在对象识别能力和横向
测量能力上雷达传感器远不及相机传感器和
红外传感器，但高性能雷达传感器有更为优
越的“看到”物体的能力，能为汽车操控提
供更长的反应时间。毫米波雷达按工作频段
和工作带宽可分为短距离毫米波雷达和中长
距离毫米波雷达。短距离毫米波雷达一般布
置在汽车保险杠四周，对30m以内的静止物
体能达到0.1m的探测精度，对于此范围内移
动速度35m/s以内的移动物体能达到0.2m/
s的纵向分辨率和0.25m/s的横向分辨率[6]。
2.3 多功能相机传感器
相机传感器一般安装在汽车四周以实现
360°的全方位拍摄，其测量范围较大，测量
Research on the Application of Autonomous V ehicle Data Acquisition System
Lei Xianhua Dai Anni Chen Yuqi
Abstract： A utonomous driving technology has great application prospects in solving driving safety problems and traffi c effi ciency issues. In recent years, domestic and foreign auto-related companies have made autonomous driving technology a research focus. This article will summarize and analyze the current status of data collection and data fusion technology in important aspects of autonomous driving technology, and look forward to the development of the integration of autonomous driving technology and communication technology. The integration of communication technology not only makes unit vehicles safer, but also for a complex the urban transportation network will also greatly improve transportation effi ciency.
Key words：autonomous driving technology, automobile data acquisition system, communication technology, technology fusion
AUTO TIME 181
TRAFFIC AND SAFETY | 交通与安全
所得信息量大，如图1所示。配合成熟的软件支持会使其对于物体的识别能力远大于其它传感器。对于信号灯、人行横道、交通标志牌等有较强的识别能力。相机传感器与激光雷达相互辅助以构建精准的三维成像图。可以进一步提高汽车的识别环境中障碍物种的能力[7]。
图1 多功能相机传感器及其原理框图
图像采集
图像输入
初始人机交互
数字化预处理特征提取
图像分割
图像识别结果输出
2.4 定位辅助传感器
仅仅对车辆附近的环境有一个感知的相对定位依然是不够的，还需要一套完整的绝对定位系统来确定车
辆位置以推断车辆的行驶路线，从而选择最优路径。定位辅助传感器即卫星定位及导航系统可以很好的完成绝对位置感知这项任务。现阶段最成熟的解决方案是用GNSS全球卫星导航系统、IMU惯性传感器、里程传感器三者结合定位，这套系统能很好的获得汽车的经纬度信息和目前状态信息。这种定位方式可以避免短时间内GNSS信息丢失导致定位中断，在GNSS信号丢失后IMU和里程传感器开始依靠惯性推算来维持汽车的定位，使GNSS信号不强时仍能保持定位的连续性。而今，更是进一步提出了融合MM地图匹配，其利用高德地图的应用优势加之成熟的多传感器硬件系统融合出一套完整可行的措施方案，以此解决汽车高精度的绝对定位问题[8]。
2.5 数据处理
目前较为先进的ADAS高级辅助驾驶系统的数据处理方式简可以分为三个部分：第一部分：信息采集系统。利用车上的各种传感器，比如毫米波雷达、激光雷达、单\双目摄像头以及卫星导航等，在汽车行驶过程中随时来感应周围的环境，收集数据。
第二部分：数据和信息的分析系统。车载电子芯片对采集的信息，进行静态、动态物体的辨识、侦测与追踪，并结合导航仪地图数据进行系统的运算与分析，凭此提前察觉可能发生的危险。
第三部分：相应系统。当发生危险的可能性超过系统设置的阈值时，即可触发类似自动紧急刹车AEB-C/I/P的功能，让车辆自动停止下来，防止失控及碰撞，增加汽车驾驶的安全性并降低事故率[9]。
3 通讯技术与自动驾驶的融合
自动驾驶技术的数据主要来源于两个方
面：车辆自身的传感器对环境数据的收集和
通过联网从云端传输的数据。前者源于汽车
自身传感器，后者源于以5G为基础的通讯技
术。通讯技术和自动驾驶技术的深度融合将
会是未来汽车一个必然的发展过程。
城市数据大脑是一个服务于政府和大型
企业之间、进行智慧城市治理的大型信息共
享平台。城市数据大脑通过人工智能技术对
海量的数据进行实时建模分析，并以此对城
市信息进行宏观把握，合理调配公共资源。
就城市交通方面，城市数据大脑可以融合一
个城市的数十万条交通信息，包括实时交通
状态，行人出行信息，公交车运营信息等。
基于大数据和人工智能技术，城市数据大脑
有能力预测未来一小时的交通情况变化，甚
至有能力掌握城市交通运行规律[9]。在目前阶
段，城市智慧大脑有能力从整体上提高城市
场景中自动驾驶汽车的安全系数和通行效率。
2016年城市数据大脑在萧山进行初步实验，
道路车辆平均通行效率提升3%到5%，试点
路段更是提高11%。况且本次实验仅仅通过
改变交通信号灯作为测量通行效率的变量，
当城市数据大脑能实现与所有终端联接后这
一效率将会大幅提高。
4 总结
目前相对高等级的自动驾驶技术已经能
在量产车上运用。以2019款奥迪轿车为例，
其已经拥有了L3等级的城市拥堵路段自动驾
驶解决方案。目前汽车企业大多将自动驾驶
发展思路定位在一个固定场景的问题解决之
中。从最简单的单个动作如高速下刹车场景
的控制，到对汽车的整体自动驾驶如拥堵路
段自动驾驶，再到上海洋山港无人码头实现
小区域内的全部自动驾驶。表明运用信息互
联互通的自动驾驶技术已然初具雏形。当场
景足够丰富并足以覆盖所有驾驶情形时，自
动驾驶技术将会进入下一个阶段与通讯技术
融合发展。
目前随着高性能传感器、通讯技术、AI
技术的快速发展，自动驾驶技术已经来到黎
明前。通讯技术与现有自动驾驶技术融合是
未来自动驾驶汽车的发展方向，目前与5G
通讯技术的融合发展，可以预测未来的自动
驾驶汽车甚至不需要自带行车电脑就有强大
的处理能力。汽车可以将收集的数据上传云
端，由云端处理器计算并结合所在地整体交
通情况规划合适路径来控制车辆。通讯技术
的融合不仅仅对于单位车辆更加安全，而且
对于一个复杂的城市交通网络而言也将大大
提高交通效率。驾驶不再是重复劳动，驾驶
员将变为乘客，体验舒适惬意又安全高效的
交通。
参考文献：
[1]中华人民共和国公安部.2018 年全国小汽
车保有量首次突破2亿量[Z].www.
conte -nt. html,2019.1.12.
[2]孙轶轩.基于数据挖掘的道路交通事故的
分析研究[D].北京交通大学，2014.
[3]葛金芬.自动驾驶车辆事故中驾驶员的刑
事责任及边界[J].南京航空航天大学报，
汽车保险杠2019，21（2）：48-52.
[4]Ziebinski, Adam, Rafal Cupek, Hueseyin
Erdogan, and Sonja Waechter. A survey of
ADAS technologies for the future perspective
of sensor fusion[C]. Springer, 2016.
[5]Ahmed M.Sallam Qasem.Vehicle Safety
Detection System Based on Radar and Sensor
Fusion Modeling[D].兰州：兰州理工大学，
2019.
[6]房骥，杨渊，刘瑞婷，等.车载雷达应用及
频率划分现状[J].产业观察，2017，12：
25.
[7]陈超.智能汽车辅助驾驶技术的研究[D].
贵州：贵州大学，2019.
[8]王治平.自动驾驶汽车及技术发展研究[J].
科技经济导刊，2019，05：99.
[9]郭伟伊，王立伟.基于大数据的贵阳市交
通拥堵问题治理研究[N].贵州师范大学学
报，2019-5（自然科学版）.
作者简介
雷先华： （1988—），男，硕士，讲师。研究方
向：车辆工程、智能材料的应用。
182AUTO TIME
发布评论