智能机械车辆研究综述

林澄奇

（福州大学至诚学院，福建 福州350000）

0 引言

汽车安全是汽车发展的重要课题研究方向[1]。随着我国交通运输业的高速发展，也出现大量的交通事故，交通安全领域的研究受到车辆工程研究人员的广泛关注[2]。包括中国在内的世界各国在研究智能车辆自主导航技术时，投入了大量的人力和物力，致力于提升汽车自身稳定性和安全性能。随着空间技术、遥感技术的发展，西方发达国家正致力于发展本国的智能交通系统（ITS），车辆作为ITS中的重要组成部分，可分为车辆控制系统、驾驶员信息系统、安全保障和自主导航等四个方面，其中安全保障和自主导航是智能车辆研究的重点。安全保障技术可以应用于驾驶人员的辅助驾驶，而自主导航技术则可以利用与ITS的关系建立和完善。通过结合以上两种技术，可以大大降低驾驶人员主观因素产生的交通事故[3]。另外，除了在公路交通运输外，在生产自动化、制作业、危险环境作业等领域，都具有重要的研究价值。论文就智能机械车辆的研究方向、控制理论、研究范围与应用做了详细的报道，以期能够展望未来智能车辆研究方向。

1 智能机械车辆研究方向

从近几年智能汽车的发展来看，目前智能汽车的研究方向主要包括以下几个方面的内容：监控、预警系统，此部分包括了障碍物的预警、行车道偏航预警、道路交通信号提示等[4]；自主车辆控制系统，实现车辆行驶的自动化，无序方向盘；半自动车辆控制系统，具有一定的智能化，可以对驾驶员反应不及时，车辆可进行自动控制，自我管理，拉大车距，回到安全状态[2]。具体可以分为以下：

（1）操作者习惯性驾驶分析：通过数据统计分析驾驶员的驾驶行为、通过探头感知驾驶员精神状态，目的是建立驾驶员安全预警系统，为智能车辆辅助驾驶或者自动驾驶提供相关的数据[5]。若识别到驾驶员驾驶状态异常，可发出预警信号，提醒驾驶员注意休息。

（2）周边环境感知分析：通过运用空间传感器技术，获取车辆周边环境或障碍物的信息，如车流量、人流量、障碍物、路况、车牌、行车标识等[6]。

（3）极端环境驾驶条件分析：在极端条件下，如台风、暴雨、大雾等情况下，测试驾驶员的反应速度极限和事故出现可能性预测。

（4）车辆运动系统：主要研究车辆的动力学、运动学模型、停车控制等问题。

（5）安全系统：安全系统可以分为主动安全系统和被动安全系统[7]，主动安全系统是以预防为主，如超速自动预警减速，避开障碍物，防治撞击等。

（6）交通与车辆交互作用系统：感知车辆之间的距离，道路情况，主要是各种交通工具之间的相互通讯功能。

2 智能机械车辆控制理论基础

目前，智能机械车辆的研究内容主要包括模糊控制理论、人工神经网络和神经模糊技术等研究工作。

2.1模糊控制理论研究智能机械车辆

对车辆的操作本质上可以看成是一个计算方式，通过多种输入、多种输出，在输入和输出之间进行较为复杂的不确定多干扰源的非线性计算。驾驶员对汽车认识是建立这模糊的认知基础上的，以车速为例，车数飞快、快、较快、慢、较慢、非常慢等，都是一个模糊的认知，对汽车的转向也是如此，如转多少度合适，转大转小等问题。基于模糊控制理论所引导的智能车辆，让不同的装有该系统的车辆保持前后车距适当，速度越快车距越大，由前面的车引导后面的车行驶。利用红外线相关参数计算车速，根据前后距离变化对模糊控制系统主导的车速和方向进行控制。模糊汽车的模型结合模糊驾驶员控制模型，模仿人类操作驾驶车辆的行为，通过实验表明，这种理论能够在很大程度上反应驾驶员的驾驶行为[8，9]。

2.2人工神经网络研究智能机械车辆

人工智能的重要实现途径就是人工神经网络的开发和发展，神经网络为解决非线性系统和模型的不确定性解决方式提供了新的思路。人工神经网络主要集中在智能车辆的研究中，用智能驾驶员控制模型的建立，对车辆进行操控，实现对车辆部分或者完全的自动化，替代人类驾驶。以美国密歇根大学的研究为例，该套系统通过当前所处路面位置和运动取向性，通过传感器，对驾驶员控制方向的模型进行识别，达到模仿人类操作汽车的目的[9]。

2.3神经模糊技术研究智能机械车辆

模糊技术和神经网络对于车辆的自身发展而言，发挥着巨大的作用，但是本身也存在这非常明显的问题，如用神经网络解决时，在计算推理上还存在局限性，而模糊技术在知识方面的获取上同样存在很大的局限性。神经模糊技术是把神经网络和模糊技术结合起来，相互弥补对方的不足而建立起来的，其能够使知识获取和加工成为较为容易实现的事情，在高度不确定性和动态条件下，取得较为满意的成果[9]。

3 智能机械车辆研究范围

3.1计算机视觉

当驾驶员驾驶时，能够接收来自外界的信号大部分来源于视觉和听觉，其中，所涉及到的信号包括交通信号灯、道路周边环境、路人等均可作为驾驶员的识别语言，可以让计算机视觉来解释和计算这些环境语言。一个具有较大应用价值的智能车系统必须同时具备实施更新性（汽车驾驶与数据处理需要同步进行）、鲁棒性（智能车辆对不同的道路环境）和应用实用性等特点（智能汽车的成本可以被普通用户所接受），要解决智能车辆的导航功能，必须解决CCD技术和计算机技术在价格上过于昂贵的问题[8]。

3.2传感器数据融合

一个智能车系统的正确性和可靠性是通过不同传感器相互交织，对数据进行精确的处理而成的。目前在智能车辆领域，除了传感器外，常用的还有雷达、激光、红外线、GPS等传感器[10]。雷达系统可以得到计算机视觉比较难以解决的距离传输问题，能够在不同的环境中进行传输，不受恶劣天气的影响；激光系统可以得到瞬间汽车速度的信息和汽车前方车辆的信息，可以广泛的用于避障、超车等系统中；GPS是目前使用较为广泛的导航系统，但是精确度不高，一般在几米到十几米之间的误差，但是可以通过算法来消除其精度误差[8]。

3.3智能控制技术在智能汽车上的应用

总体而言，智能车辆的控制主要包括广义模型和数学模型结合的混合控制过程，同时也具有相对模糊的特性和不确定性，可能有时候算法是不存在的，是一种非数字的过程，需要通过一般性推理，用来启发和引导求解过程。日本和美国等发达国家已经在该智能专家系统的基础上建立的智能汽车辅佐驾驶系统，可以提供驾驶方案，通过识别周围危险环境，给驾驶员以警告。智能系统中，专家控制系统与模糊逻辑控制系统在一些方面是类似的，两者主要建立在人类行为和决策基础上，但是模糊逻辑控制基本是基于规则系统上开发的，来自于控制系统工程，是模糊逻辑设计人员构造的。综合以上特点，较为符合人的驾驶习惯，许多研究者通过研究某一特定的对象，按照传统的设计理论和一定的规则形成的模糊控制器，同样得到了广泛的运用[8，11]。

4 智能机械车辆研究应用

目前，智能机械车辆已经逐渐的从特种车、军事车辆衍生到了民用轿车、卡车等普通车辆。以轿车为例，民用普通轿车的安全是人民财产和自身安全的重要组成部分，对其具有较高的要求，相对于新的技术而言，开发过程较为保守和缓慢，三菱公司宣布了在未来几年推出轿车防撞报警系统，该系统也是智能车辆的重要组成部分，在辅助驾驶方面，ACC自调节巡航控制系统也在欧美和日本有一定程度的应用。目前，世界上许多国家在开发研究自动驾驶技术，如韩国大学、俄亥俄和州立大学、加利福尼亚大学等均在研究低俗自动驾驶的LSA技术。

当重型卡车发生事故时，往往会照成巨大的经济损失，因此，各种提高汽车安全性能的产品在市场上广泛出现。据统计，美国大约有50000套防撞系统应用在卡车上。车道偏航报警也是在1999年出现，基于计算机视觉算法的。

军事方面的应用，目前有代表性的是DEMOIII车辆，包括了CCD、激光、雷达、超声波、红外线和微波等技术[12]。

5 结论与展望

文章介绍了智能机械车辆的研究进展，主要包括智能机械车辆的研究方向、控制理论基础、研究范围与应用。要发展智能机械车辆必须全面掌握其控制理论基础，在其基础上开发计算机视觉，传感器数据融合和智能控制技术，并将其运用于实际。从科技发展、理论研究的角度，超前的研究是必要的，结合我国基本国情，把智能汽车深入细致的研究，为今后智能车辆的发展打下坚实基础。

参考文献：

[1]毕腾飞.汽车安全技术的研究分析[J].科海故事博览·科技探索，2011（01）：95-105.

[2]宇仁德，张洪宾，李大龙.道路交通安全预测与预警系统的研究[J].交通企业管理，2006，21（8）：42-43.

[3]王荣本，李 斌，储江伟，等.世界智能车辆行驶安全保障技术的研究进展[J].公路交通科技，2002，19（2）：117-121.

[4]周 勇.智能车辆中的几个关键技术研究[D].上海：上海交通大学，2007.

[5]柳金梅.基于机器视觉的智能车辆驾驶员模型的研究[D].北京：北京信息科技大学，2008.

[6]黄 伟.基于雷达和机器视觉的车辆前方障碍物检测系统设计与实现[D].武汉：武汉理工大学,2010.

[7]宋晓琳，李诗福，冯广刚.汽车主被动安全集成控制系统方案设计[J].汽车工程，2009，31（7）：653-658.

[8]王荣本，李 兵，施树明，等.世界智能车辆研究概述[J].公路交通科技，2001，18（5）：93-97.

[9]党宏社，韩崇昭，段战胜.智能车辆系统发展及其关键技术概述[J].公路交通科技，2002，19（6）：127-130.

[10]赵万里.基于雷达的智能车多目标检测与跟踪技术研究[D].长沙：中南大学，2011.

[11]韩俊淑，韩佳文，高 翔，等.智能车辆的研究及发展[J].世界汽车，2003（9）：79-80.

[12]余国亮.基于双CCD摄像技术的车辆主动安全预警系统研究[D].太原：太原科技大学，2013.