|
在过去的几十年里，学术界和工业界都对发展自动驾驶汽车以保障道路安全、方便驾驶员和提高交通效率产生了巨大的兴趣。汽车工程师学会（SAE）定义了自主车辆的标准，根据驾驶自动化水平分为六个级别，从零自动化到完全自动化。4级以上的自动驾驶汽车系统主要分为三个子系统：感知、规划和控制。感知子系统利用照相机、LiDAR和雷达等车载传感器，从传感数据中提取有意义的信息。在规划子系统中，诸如行动预测、路径规划和避障等功能被结合起来，以实时（RT）的方式产生一个有效的计划。最后，控制子系统根据这个计划来管理车辆的纵向和横向运动。尽管已经提出了各种方法来提高感知、计划和控制子系统的稳健性，但传感器有限的感知范围是一个无法克服的自然限制；这也对后续计划和控制子系统的性能产生了相当大的负面影响。随着车对万物（V2X）通信的出现[1]，自主车辆有能力识别盲区路口，以及在恶劣天气条件下行驶。V2X还使车辆能够获得全面的信息，而这些信息是单独的传感器无法记录的（例如，交通状况、邻近车辆的详细状态以及有关前方建筑工地的信息）。基于上述特点，V2X在确保道路安全、燃油效率和可管理的交通流方面显示出巨大的潜力。合作自适应巡航控制（CACC）或通过将两辆或更多连续的自动驾驶车辆与一辆领先的车辆进行分组，是V2X被用于智能交通的最知名的应用之一。通常，CACC采用一种间隔策略，利用通过V2V通信传递的领头车辆的状态信息保持车辆之间的必要距离。因此，后续车辆的目标速度（高级命令）可以由主导车辆确定，以确保燃油效率和道路安全。研究人员[6]为CACC开发了一个低级控制器，侧重于排级自动化，考虑到车辆动态的不确定性。考虑到部分自动化交通环境中的情况，上述控制器的有效性已经通过连接巡航控制进行了实验证明，这是一种非常现实的方法[7]。此外，研究人员[8]通过实验验证了具有不同连接拓扑结构的互联巡航控制的影响，从而证明了互联自动驾驶车辆可以减弱人类主导的交通中的速度扰动。与上述研究类似，大多数采用V2X进行智能交通的现存研究利用V2X系统在自动驾驶车辆中执行一项任务，如汽车跟踪或变道。然而，在高度自动化的车辆（4级及以上）中，可以在没有驾驶员干预的情况下到达目的地，这些系统必须能够以良好的系统结构执行各种功能，并应对道路环境中的各种情况。此外，许多与V2X系统有关的研究都分析了这些系统或其算法在模拟环境中的性能。其主要原因是，V2X技术是最近才出现的，目前还没有很多具有V2X基础设施的测试平台。然而，对于现实环境中的自动驾驶，通过模拟来验证性能是不够的，因为必须考虑各种现实世界的问题，如通信延迟、交通状况和有限的计算资源。建议的系统由一个V2X系统与各种自主驾驶功能（导航、控制、规划等）的核心算法组成，起着补充作用。也就是说，拟议的系统不依赖于V2X基础设施的存在，它被配置为在V2X通信因某种原因不可能的情况下实现自主驾驶。我们提出的自主驾驶系统由三个子系统组成：超视距（BLOS）感知、扩展规划和控制。为了克服车载传感器的自然缺点，即其有限的视线（LOS），BLOS感知系统在通过V2X接收的信息之间进行数据融合。车载传感器可以识别本地的感知结果。这拓宽了自主车辆的感知范围，并能在诸如十字路口等遮挡环境中实现可靠的感知。在扩展的规划子系统中，全局路径规划算法考虑了从V2X系统和本地路径规划算法收到的RT交通状态，以避免碰撞，速度和行为规划算法被执行。基于规划结果，自主车辆的控制子系统执行车辆的横向和纵向控制。我们将我们的自主驾驶系统集成到一个全尺寸的汽车平台（现代i30），并参加了2019年现代汽车自主驾驶竞赛（AVC）以验证其性能。比赛在K城举行，这是一个没有人烟的城市，用于基于V2X网络的自主车辆测试，包括各种任务，如行人过马路、观察交通灯和避免事故。
|
