自動駕駛是目前很多公司都在研究的內容，可以說，自動駕駛至今為止已經(jīng)有了一定的進展。為增進大家對自動駕駛的認識，本文將對自動駕駛預測決策與規(guī)劃控制、自動駕駛安全冗余系統(tǒng)等內容予以介紹。如果你對自動駕駛具有興趣，不妨繼續(xù)往下閱讀哦。

1、預測決策與規(guī)劃控制

預測決策與規(guī)劃控制技術模塊相當于自動駕駛汽車的大腦。預測決策與規(guī)劃是軟件算法核心模塊， 直接影響車輛自動駕駛的能力和效果。該算法模塊基于交通安全規(guī)范與共識規(guī)則，為車輛規(guī)劃出安全、 高效、 舒適的行駛路徑和軌跡。為了更好提升算法的泛化能力， 應用數(shù)據(jù)挖掘和深度學習算法來實現(xiàn)智能規(guī)劃駕駛行為。

在給定車輛設定的出發(fā)地與目的地后， 系統(tǒng)生成最優(yōu)的全局規(guī)劃路徑。車輛能夠實時接收感知模塊提供的環(huán)境和障礙物信息， 結合高精度地圖， 跟蹤并預測周邊車輛、 行人、 騎行者或其他障礙物的行為意圖和預測軌跡， 綜合考慮安全性、 舒適性和效率， 生成駕駛行為決策(跟車、 換道、 停車等) ， 并按照交通規(guī)則和文明交通禮儀對車輛進行運行規(guī)劃(速度、軌跡等) ， 最終輸出到控制模塊實現(xiàn)車輛加減速和轉向動作。車輛控制部分是最底下一層，直接與車輛底盤通信， 將車輛的目標位置和速度通過電信號傳給底盤來操作油門、 剎車和方向盤。

自動駕駛的目標是應對城市道路的復雜交通場景， 在任何道路交通狀況下都能保證自動駕駛車輛處于安全駕駛狀態(tài)。在軟件算法層， 有基于海量測試數(shù)據(jù)訓練的深度學習模型， 保證自動駕駛車輛在常規(guī)駕駛場景下安全高效平穩(wěn)的通行;在安全算法層， 針對各種典型危險場景設計了一系列安全駕駛策略， 保證自動駕駛車輛在任何場景下都能做出安全的駕駛行為。如在惡劣天氣、 視野遮擋等極端場景下， 會觸發(fā)防御性駕駛策略， 通過多觀察減速駕駛降低安全風險等。自動駕駛車輛更加遵守交通規(guī)則和道路優(yōu)先通行權， 在道路交叉口與其他交通參與者交匯場景下， 在高路權情況下遇到搶行車輛， 也會以安全第一原則考慮減速讓行， 避免風險。在遇到“鬼探頭”等高危風險場景時， 也會堅持安全第一原則采取緊急制動策略盡可能避免傷害。隨著自動駕駛道路測試數(shù)據(jù)和大量的極端場景數(shù)據(jù)的積累， 自動駕駛核心算法通過數(shù)據(jù)驅動的深度學習算法模型， 得以持續(xù)不斷進化， 成為能夠提前預判、 安全謹慎駕駛的“老司機”。

2、自動駕駛安全冗余系統(tǒng)

根據(jù)《ISO 26262 道路車輛功能安全》， 系統(tǒng)功能安全必須考慮功能冗余的要求。按照功能安全的設計標準， 功能冗余從部件級、 系統(tǒng)級和整車級三個層面來完成。冗余的系統(tǒng)設計是保證自動駕駛安全可控的關鍵， 依托全線冗余設計可有效應對車輛控制系統(tǒng)、 硬件平臺、軟件平臺三個層次單點故障或功能失效， 為完全無人自動駕駛系統(tǒng)提供基礎支撐。

L4級自動駕駛系統(tǒng)在車載主計算單元和傳感系統(tǒng)之外又配置了安全冗余實現(xiàn)了軟件和硬件的異構冗余設計， 避免了各個系統(tǒng)的單點失效， 主計算系統(tǒng)和冗余安全系統(tǒng)分工不同且互為校驗， 整體上實現(xiàn)安全性和可靠性極大提升。冗余安全系統(tǒng)在功能和算法策略設計上，側重于對主計算系統(tǒng)軟硬件的實時監(jiān)控， 并進行危害識別， 當檢測到主計算系統(tǒng)異常時將觸發(fā) MRC 機制， 通過告警、 緩剎、 靠邊停車、 緊急制動等方法讓車輛進入最小風險狀(Minimal Risk Condition， MRC) 。

3、硬件和傳感器冗余

從傳感器、 計算單元到車輛控制系統(tǒng)， 都具備兩套互為獨立冗余的系統(tǒng)， 避免單點失效，提升系統(tǒng)整體可靠性和安全性。

、4計算單元冗余

安全系統(tǒng)通過配置一套 SafetyDCU 作為冗余計算單元， 實時運算并監(jiān)控主系統(tǒng)工作狀態(tài)。當主計算單元故障時， 能夠支持冗余系統(tǒng)的算法運算繼續(xù)控制車輛， 做出風險最小回退的緩剎、 靠邊停車等動作。

以上便是此次帶來的自動駕駛相關內容，通過本文，希望大家對自動駕駛已經(jīng)具備一定的了解。如果你喜歡本文，不妨持續(xù)關注我們網(wǎng)站哦，將于后期帶來更多精彩內容。最后，十分感謝大家的閱讀，have a nice day!