第一篇综述-无人车简介（一）

第一篇综述-无人车简介（二）

定义及分级

发展历程

定义及分级

无人车（driverless car）又称自主车或自动驾驶车，是一种无须人工干预而能够感知其周边环境和导航的车辆。它利用了包括雷达、激光、超声波、GPS、里程计、计算机视觉等多种技术来感知其周边环境，通过先进的计算和控制系统，来识别障碍物和各种标识牌，规划合适的路径来控制车辆行驶。

2013 年，美国国家公路交通安全管理局（NHTSA，National Highway Traffic Safety Administration）发布了汽车自动化的五级标准，将自动驾驶功能分为0~4级，以应对汽车主动安全技术的爆发增长。美国汽车工程师协会（SAE，Society of Automotive Engineers），则将自动驾驶划分为 0~5 共六级。

SAE 的定义在自动驾驶 0~3 级与 NHTSA 一致，分别强调的是无自动化、驾驶支持、部分自动化与条件下的自动化。唯一的区别在于 SAE 对 NHTSA 的完全自动化进行了进一步细分，强调了行车对环境与道路的要求。SAE-Level4 下的自动驾驶需要在特定的道路条件下进行，比如封闭的园区或者固定的行车线路等，可以说是面向特定场景下的高度自动化驾驶。SAE-Level5 则对行车环境不加限制，可以自动地应对各种复杂的车辆、新人和道路环境。

下表是SAE-J3016对自动驾驶等级的划分标准：

等级	名称	定义		驾驶操作	环境监控	DDT支援	系统能力
*人类驾驶员监控驾驶环境*
0	非自动化	始终由人类驾驶员全权执行驾驶任务，即使在有“警告或干预系统辅助”的情况下。		人类驾驶员	人类驾驶员	人类驾驶员	N/A
1	驾驶员支持	部分具体的驾驶模式，如“转向或加速/减速”由辅助驾驶系统完成，其余由人类驾驶员操作。	使用关于驾驶环境的信息，并期望人类驾驶员执行动态驾驶任务的所有剩余方面。	人类驾驶员和系统			部分驾驶模式
2	部分自动化	部分具体的驾驶模式，如“转向或加速/减速”由一个或多个辅助驾驶系统完成，其余由人类驾驶员操作。	使用关于驾驶环境的信息，并期望人类驾驶员执行动态驾驶任务的所有剩余方面。	系统			部分驾驶模式
*自动驾驶系统监控驾驶环境*
3	有条件自动化	特定驾驶模式由自动驾驶系统对各方面的动态驾驶任务执行	期望人类驾驶员对请求进行适当的干预	系统	系统	人类驾驶员	部分驾驶模式
4	高度自动化		即使人类驾驶员没有适当地回应干预的请求			系统	更多驾驶模式
5	全自动化		在可以由人类驾驶员管理的所有道路和环境条件下			系统	全驾驶模式

注释：DDT(Dynamic driving task):动态驾驶任务，指汽车在道路上行驶所需的所有实时操作和策略上的功能，不包括行程安排、目的地和途径地的选择等战略上的功能。

Level 0：无自动化（No Automation）

没有任何自动驾驶功能或技术，人类驾驶员对汽车所有功能拥有绝对控制权。驾驶员需要负责转向、加速、制动和观察道路状况。任何驾驶辅助技术，例如现有的前向碰撞预警、车道偏离预警，以及自动雨刷和自动前灯控制等，虽然有一定的智能化，但是仍需要人来控制车辆，所以都仍属于 Level 0。

Level 1：驾驶辅助（Driver Assistance）

驾驶员仍然对行车安全负责，不过可以授权部分控制权给系统管理，某些功能可以自动进行，比如常见的自适应巡航（Adaptive Cruise Control，ACC）、应急刹车辅助（Emergency Brake Assist，EBA）和车道保持（Lane-Keep Support，LKS）。Level 1 的特点是只有单一功能，驾驶员无法做到手和脚同时不操控。

Level 2：部分自动化（Partial Automation）

人类驾驶员和汽车来分享控制权，驾驶员在某些预设环境下可以不操作汽车，即手脚同时离开控制，但驾驶员仍需要随时待命，对驾驶安全负责，并随时准备在短时间内接管汽车驾驶权。比如结合了 ACC 和 LKS 形成的跟车功能。Level 2 的核心不在于要有两个以上的功能，而在于驾驶员可以不再作为主要操作者。

Level 3：有条件自动化（Conditional Automation）

在有限情况下实现自动控制，比如在预设的路段（如高速和人流较少的城市路段），汽车自动驾驶可以完全负责整个车辆的操控，但是当遇到紧急情况，驾驶员仍需要在某些时候接管汽车，但有足够的预警时间，如即将进入修路的路段（Road work ahead）。Level 3 将解放驾驶员，即对行车安全不再负责，不必监视道路状况。

Level 4：高度自动化（High Automation）

自动驾驶在特定的道路条件下可以高度自动化，比如封闭的园区、高速公路、城市道路或固定的行车线路等，这这些受限的条件下，人类驾驶员可以全程不用干预。

Level 5：完全自动化（Full Automation）

对行车环境不加限制，可以自动地应对各种复杂的交通状况和道路环境等，在无须人协助的情况下由出发地驶向目的地，仅需起点和终点信息，汽车将全程负责行车安全，并完全不依赖驾驶员干涉，且不受特定道路的限制。

发展历程

自动驾驶汽车的研究可以追溯到20世纪20年代，1925年，美国陆军的电子工程师Francis P. Houdina 在纽约街道上，演示了基于无线电控制的代号为“American Wonder”无人驾驶车辆，沿着百老汇和第五大道行驶，能够通过拥挤的交通阻塞，可谓是世界上第一辆无人驾驶汽车。

1956年，美国通用汽车正式对外展示了Firebird II概念车，是世界上第一辆配备了汽车安全和自动导航系统的概念车，如下图所示，看上去像火箭和飞机。

1977年，日本的筑波工程研究实验室开发了第一个基于摄像头来检测前方标记或导航信息的自动驾驶汽车。这辆车配备了两个摄像头，并用模拟计算机技术进行信号处理，时速能达到30公路，但需要高架轨道的辅助。

1996，帕尔马大学的Alberto Broggi教授发起了ARGO项目，该项目致力于使一辆改装的蓝旗亚Thema遵循一条未经修改的公路的正常（油漆）车道标志。该项目的成就是在意大利北部的高速公路上，完成Mille Miglia自动驾驶（意为“一千自动英里”），共耗时超过六天，总行程1900公里，平均速度为90公里/小时。该车在全自动模式下行驶占到94%，其中最长的连续自动驾驶长达为55公里。但这辆车上只配置了两台廉价的黑白摄像机，通过使用立体视觉算法来了解它的环境。

在2004年3月举行的第一次超级挑战中，美国国防部高级研究计划署（DARPA， the Defense Advanced Research Projects Agency）向参赛机器人工程师团队提供了100万美元的奖励，只要该团队的自动驾驶车辆能够在莫哈韦沙漠完成150英里的行程。但没有一个队伍完成。2005年10月，第二次DARPA超级挑战再次在沙漠环境中举行，这次比赛提前确定了GPS点和障碍类型，最终五辆车辆到达了终点，斯坦福的“Stanley” 赛车力压卡内基梅隆的两辆改装悍马，夺得本次冠军。本次的Stanley搭载了激光雷达和摄像头作为主要传感器，几乎成了后来无人车的标配传感器方案。

2007年11月，DARPA再次赞助超级挑战III，但这次挑战是在城市环境中举行的。在这场比赛中，来自卡内基梅隆大学的一辆2007款雪佛兰Tahoe无人车获得了第一名。

谷歌从2009年就开始秘密研发自动驾驶汽车了，直到2014年才对外宣传公布。谷歌原型无人车配备了昂贵的64线激光雷达，搭载了多个摄像头，采用GPS/IMU的RTK定位，结合高精地图，完全放弃了方向盘，是目前为止世界上最先进和完善的自动驾驶车辆。

目前许多主要的公司和研究机构，如奔驰、通用汽车、大陆汽车系统、Autoliv、博世、日产、丰田、奥迪、沃尔沃、帕尔马大学的Vislab、牛津大学和Google都在致力于无人车的研发。与此同时，国内外政府机构也积极立法，为无人车的普及铺路。

截至2013年底，美国的内华达州、佛罗里达州、加利福尼亚和密歇根等4个州都通过了允许自动驾驶汽车的法律。在欧洲，比利时、法国、意大利和英国的部分城市正计划为无人车提升运输系统，德国，荷兰和西班牙已经允许在道路上测试机器人车。

2017 年 12 月 18 日，北京市交通委联合市公安交管局、市经济信息委等部门，制定发布了《北京市关于加快推进自动驾驶车辆道路测试有关工作的指导意见（试行）》和《北京市自动驾驶车辆道路测试管理实施细则（试行）》两个指导性文件，明确在中国境内注册的独立法人单位，因进行自动驾驶相关科研、定型试验，可申请临时上路行驶。

第一篇综述-无人车简介（二）