无人驾驶拖拉机研究国际竞争态势与研究热点

袁建霞，张秋菊，胡小鹿，齐江涛，吴海华

(1.中国科学院科技战略咨询研究院，北京 100190； 2.中国农村技术开发中心，北京 100045；3.吉林大学生物与农业工程学院，吉林 长春 130022； 4.中国农业机械化科学研究院，北京 100083)

0 引言

拖拉机作为重要的农业机械之一，是实现各种各样机械化作业的动力。随着计算机技术、全球卫星定位技术、地理信息技术的发展及精准农业的兴起，国内外许多研究机构开始围绕无人驾驶拖拉机展开研究工作。1999年，法国雷诺拖拉机公司与法国Cemagref研究中心、法国巴斯卡尔(Pascal)大学电子自动化科研实验室合作，经过两年多的研制和试验，成功研发出首台基于GPS的无人驾驶农用拖拉机[1]。2016年，我国首台无人驾驶拖拉机问世，这款东方红LF954-C型无人驾驶拖拉机采用北斗高精度定位技术，可应用于农田耕整地和植保[2]。无人驾驶拖拉机系统的出现是农业装备迈向现代化的重要标志，除了引导拖拉机自动转向，实现复杂环境下与农机具配套的高精度作业之外，还可对田间作业环境进行智能识别，自主决策实现整车控制功能，可实现拖拉机全空间长航时的自动控制[3]。无人驾驶拖拉机可提高农机作业标准，保证作业质量，使农业生产更加高效、智能和精准，增加作业收益，促进农业生产方式的改变，在机械自动化的基础上进一步降低人力成本并减少环境影响。本文以研究无人驾驶拖拉机的SCI论文为对象，分析了该领域的国际竞争态势及研究热点，旨在为相关科技管理部门及时掌握该领域的科技发展态势和研究重点，优化研究布局和项目管理提供决策支撑。

1 研究数据与方法

以科睿唯安(Clarivate Analytics)科学引文索引(SCI)数据库的研究论文为数据源，利用“拖拉机”“无人”和“自动驾驶”相关主题词，以及无人驾驶拖拉机技术体系的关键词构建论文检索式，检索发表于2010—2020年的无人驾驶拖拉机研究性论文。然后，以检索到的论文作为数据集进行国际竞争态势和研究热点分析，分析思路和框架如图1所示。

图1 无人驾驶拖拉机竞争态势和研究热点分析框架Fig.1 Analysis framework of unmanned tractor competition situation and research hots

竞争态势分析以检索到的全部SCI论文为对象，主要利用文献计量学方法进行分析。首先，利用科睿唯安的数据分析工具DDA(Derwent Data Analyzer)进行数据清洗，包括国家、关键词等字段的规范和统一。然后，利用该工具对清洗后的标准化数据进行分析，包括论文产出趋势、领先国家和热点研究主题比较等，以反映无人驾驶拖拉机的国际竞争态势。

研究热点分析以检索到的近5年(2016—2020年)发表的SCI论文为对象，主要采用论文内容分析法。首先，在上述检索到的全部SCI论文中选取近5年发表的论文请专家进行甄选，对其中的重点论文逐篇进行内容解读。然后，在此基础上根据研究方向进行人工分类，对当前无人驾驶拖拉机的研究热点方向及其重点研究内容进行分析。

2 国际竞争态势分析

2010—2020年，共检索到与无人驾驶拖拉机研究相关的SCI论文321篇(检索日期是2020年10月)，其年度论文数量总体呈逐年稳步上升趋势，从2010年的11篇增加到近3年的每年40多篇，增长势头强劲。近3年的论文数量占比超过了40%，反映出近年来无人驾驶拖拉机研究规模在不断扩大，处于研究的上升期，越来越受到关注。

2.1 领先国家

2010—2020年，无人驾驶拖拉机SCI论文数量最多的前10个国家依次是中国、美国、西班牙、伊朗、意大利、德国、日本、波兰、加拿大和韩国(图2)。10个领先国家中，中国和美国的论文数量最多，分别名列第1位和第2位，均超过了50篇，其中，中国58篇，美国53篇，远领先于其他国家。其余8个国家的论文数量均低于40篇。

图2 无人驾驶拖拉机SCI论文数量最多的前10个国家Fig.2 Top 10 countries with the largest number of unmanned tractor research papers

2.2 热点研究主题

提取10个领先国家SCI论文中出现频次最高且具有实质意义的前10个关键词，来揭示和反映无人驾驶拖拉机领域的热点研究主题。10个高频关键词依次是机器人技术、路径追踪、转向控制、导航控制、拖挂车系统、全球定位系统、燃料效率、模型预测控制、自适应控制及滑模控制。然后，通过分析各领先国家论文中高频关键词的出现频次，来比较各国重点关注的热点研究主题(图3)。结果显示，中国比较关注路径追踪、转向控制和导航控制，美国较关注转向控制、路径追踪和全球定位系统，西班牙较关注全球定位系统、机器人技术和导航控制，伊朗较关注路径追踪、机器人技术和自适应控制，意大利相对较关注机器人技术，德国较关注机器人技术、导航控制和全球定位系统，日本较关注机器人技术和转向控制，波兰较关注路径追踪和转向控制，加拿大较关注机器人技术、路径追踪和转向控制，韩国则对机器人技术、路径追踪、转向控制、导航控制、全球定位系统、自适应控制和滑模控制等热点研究主题给予同等关注。

注：图中圆圈的大小表示热点主题关键词出现频次的高低，圆圈越大表示出现的频次越高，反之表示出现的频次越低，圆圈中的数字是出现频次。图3 10个领先国家无人驾驶拖拉机SCI论文热点研究主题比较Fig.3 Comparison of hot topics of research papers of unmanned tractor from top 10 countries

3 研究热点分析

从检索到的321篇无人驾驶拖拉机SCI论文中选择近5年(2016—2020年)发表的62篇论文，请学科领域专家对论文内容进行分析，从专业的角度遴选出被引频次5及以上的重点论文36篇进行详细解读，揭示无人驾驶拖拉机的研究热点方向和重点研究内容。分析结果显示，无人驾驶拖拉机主要聚焦在路径跟踪、自主转向、导航、路径规划、避障及变速与稳定性控制6个研究方向(图4)。其中，研究路径跟踪控制的论文数量最多，有13篇，约占重点论文总量的36%。其次是研究自主转向控制的论文数量，有8篇，约占重点论文总量的22%。排在第三的是研究导航控制的论文数量，有6篇，占比约17%。

图4 无人驾驶拖拉机重点论文在各热点研究方向上的分布Fig.4 Distribution of key papers on unmanned tractor research in various research hot directions

3.1 路径跟踪控制

路径跟踪控制亦称为轨迹跟踪控制，是无人驾驶拖拉机系统中的基础环节，其性能好坏直接影响整个拖拉机是否能够完成给定的驾驶任务。路径跟踪控制的重点是设计出路径跟踪控制器，使无人驾驶拖拉机能够跟随既定行驶轨迹驾驶[4]。本研究中有13篇重点论文研究路径跟踪控制(表1)，重点研究内容包括一般路径跟踪框架、基于滑模鲁棒方法的控制器、线性模型预测控制器、非线性模型预测控制器、多传感融合控制器、基于比例积分微分(Proportional Integral Derivative，PID)的运动学控制器、变时变状态反馈控制器、多电平控制器、基于滑动估计的路径跟踪算法、动力学建模及基于鲁棒轨迹跟踪误差模型等。

表1 无人驾驶拖拉机路径跟踪控制研究方向论文研究重点

3.2 自主转向控制

自主转向是拖拉机实现无人驾驶的关键技术之一，涉及自主转向系统、转向控制方法等。自主转向系统按执行机构主要分为电机动力转向系统和电控液压转向系统。转向控制方法目前的研究热点是模型控制法、PID控制算法及双闭环控制法[5]。本研究中有8篇重点论文在研究自主转向控制(表2)。重点研究内容包括主动侧倾控制系统和主动转向控制系统相结合的新型控制系统、具有低速情况下减少跑偏能力的自动转向控制器、针对不同工况的路径和姿态综合控制策略及控制器、闭环系统非线性立方模型、基于线性二次型调节器理论的转向控制器、液压控制系统及卫星制导的转向模式等。

表2 无人驾驶拖拉机自主转向控制研究方向论文研究重点

3.3 导航与定位

拖拉机的导航与定位是实现拖拉机无人驾驶的关键环节，是保证拖拉机精准转向的重要基础[6]。本研究中有6篇重点论文在研究无人驾驶拖拉机的导航与定位(表3)。重点研究内容：基于双目视觉和三维重建等方法提取田间道路的自主导航线；利用玉米田图像中绿色像素的累积进行作物曲线行和直线行检测，以指导拖拉机前进和定点作业；全球定位系统和惯性导航系统的集成系统；用于导航行内种植和在不同地块间移动的单传感器导航系统控制算法及双机导航系统等。

表3 无人驾驶拖拉机导航与定位研究方向论文研究重点

3.4 路径规划

作业路径的离线规划是自动驾驶系统中的必要组成部分，尤其是转弯路径规划和避障路径规划，对于无人驾驶拖拉机正常行驶和牵引机械作业非常重要[7-8]。本研究中有4篇重点论文在研究无人驾驶拖拉机的路径规划(表4)。重点研究内容：设计优化程序，为多个拖拉机同时作业提供一种路径分配方法；多机器人拖拉机系统的空间格局；对拖拉机的运动实行分层规划；新颖的横向到侧向的三维覆盖路径规划方法，可最小化路径间的跳跃/重叠区域。

表4 无人驾驶拖拉机路径规划研究方向论文研究重点

3.5 避障控制

关于无人驾驶拖拉机的避障问题，利用基于GIS的自动导航越界、陷车预警技术，对于一些固定的、静态的障碍物可以通过上述的路径规划在一定程度上进行解决。另外，还有许多不可预见的、移动的障碍物，以及一些特别的静态障碍物，都需要设计障碍物检测和识别系统，进行避障控制[9-10]。本研究中有3篇重点论文在研究无人驾驶拖拉机的避障控制(表5)。重点研究内容：构建农业障碍物检测数据集；使用安装在拖拉机前面的单摄像头人体检测算法，以识别出行人；一种基于时空分析的农业环境中静态/动态障碍物自动检测策略等。

表5 无人驾驶拖拉机避障控制研究方向论文研究重点

3.6 变速与稳定性控制

对于无人驾驶拖拉机而言，为了实现无人化作业需求，变速与稳定性控制系统的设计和应用非常重要，其变速控制过程由控制器发出指令进行自动化控制，主要参考传感器采集的作业需求信息及作业环境状况，在进行作业、自由行走和转弯时，执行相应的变速过程并保持稳定。本研究中有2篇重点论文在研究无人驾驶拖拉机的变速与稳定性控制(表6)。其中一篇提出一种新型的液力粘性传动动力换挡变速器，可以使拖拉机实现无级调速爬行，实现小冲动、高舒适性的“软启动”。另一篇提出一种基于时变反馈的轮式牵引-挂车机器人控制方法，以稳定轮式拖拉机-挂车机器人在原点附近的位置。

表6 无人驾驶拖拉机变速与稳定性控制研究方向论文研究重点

4 结论

一是无人驾驶拖拉机关键技术的熟化和创新研究是热点。针对导航与定位、自动转向、路径跟踪、路径规划、自动变速、主动制动、避障、地形补偿等几项关键技术的进一步熟化研究及创新研究仍是无人驾驶拖拉机近几年的研究热点，通过融合新技术、新方法等，提高其作业精度、作业效率、作业稳定性及适用性，为最终实现将理论研究应用并服务于实际生产打下坚实基础。

二是无人驾驶拖拉机大型化与小型化发展兼顾。目前世界范围内，农用无人驾驶载具机器人研究项目主要集中在对小型机器人和中小型拖拉机的研发，但大型拖拉机还有10～20年的用武之地和生存空间，仍将在农作物耕种和收获中起主要牵引作用。机械小型化由于有很多优势，如适合在果园和葡萄园等特殊环境运行，可减少对环境的影响等，也是未来无人驾驶拖拉机的发展趋势。此外，小型化后可以由一辆拖挂车搭载多台机器人，形成“可移动农业机器人群”，实现联合协同作业。

三是无人驾驶拖拉机可靠性与安全性研究将加强。凯斯纽荷兰CNH将农机自动驾驶分为5级：L1级导航(Guidance)、L2级协调与优化(Coordination & Optimization)、L3级辅助驾驶(Operator Assisted Autonomy)、L4级有监督的自动驾驶(Supervised Autonomy)、L5级全自动驾驶(Full Autonomy)。国内“无人驾驶拖拉机”一般是指L4级，即有监督的自动驾驶，需要驾驶员在车上监管安全。未来5～10年可以达到L4级。要真正做到L5级无人驾驶拖拉机，需要攻克的首要课题是作业可靠性和安全性问题。传感器模式、传感器融合、信号处理与人工智能之间的相互作用研究，智能和认知能力的无人驾驶拖拉机研究，对保障作业质量和作业安全具有重要意义。

四是无人驾驶拖拉机在5G环境下将实现多机具协同管理。5G网络技术具有高稳定性能、高传输速率、低延时及网络架构灵活的特点，基于5G网络技术可以使车联网通信系统结构更加智能和灵活，系统元素也变得更加多样化，可为无人驾驶拖拉机作业过程中实现田间多机具协同作业管理、作业工况实时监控与报告、作业机具间信息交互及决策和高精度导航等方面提供技术支持。