摘 要 自动驾驶是汽车产业发展的重要里程碑.汽车驾驶自动化一直都在进行,其发展进程是对驾驶人认知感知、决策规划和执行控制等各个重要环节的逐步增强或最终替代.智能时代下,大数据分析、泛在计算、泛在传感和人工智能等颠覆性技术为汽车驾驶自动化向着高级别迈进提供了新的机遇.控制技术是智能时代汽车自动化进程中的基石,更多的信息在先进控制技术的赋能下将衍生出更多的新功能与新系统,从而实现汽车安全性、经济性以及舒适性等各个方面的提升.本文对智能时代的汽车控制进行综述,首先回顾汽车自动化的发展进程,然后探讨汽车自动化进程中面临的问题,最后梳理出一些未来智能汽车控制发展趋势与关键技术。

汽车驾驶自动化覆盖了汽车、交通、互联网、电子、测绘等多个产业,集成了5G通讯、人工智能、物联网、先进机器人、大数据、云计算、智能制造等多项对未来科技和人类社会产生重大影响的颠覆性技术.汽车驾驶的自动化是汽车产业发展的一个重要的阶段,目前已经成为全球汽车业关注的焦点,无论是政府还是企业都在大力推动汽车自动化技术的发展和应用。

美国汽车工程师学会(SAE)在J3016自动驾驶分级中,根据自动化的程度将自动驾驶汽车分为L0∼L5等6个等级,如图1所示,即L0级完全驾驶员驾驶、L1∼L2级驾驶辅助与部分自动化、L3级有条件自动化、L4级高度自动化和L5级完全自动化.欧洲道路交通研究咨询委员会(European Road Transport Research Advisory Council,ERTRAC)在《Automated Driving Roadmap》 中,以美国SAE自动化分级为基础,对不同类型的车辆进行进一步的讨论,如从功能和自动驾驶场景的角度对乘用车各级自动化发展进行规划.我国也给出汽车自动驾驶发展的阶段目标,关于汽车驾驶自动化的研发和产业化发展规划已经提上了日程[1].此外,自动驾驶发展所涉及的道路测试环境和信息获取(如地图测绘等)等相关政策也在逐步放开[2−3]。

从汽车驾驶任务的角度来讲,无论是新能源汽车还是传统内燃机汽车,有人驾驶的汽车还是自动驾驶的汽车,汽车驾驶的主要任务并没有改变,即实现从起点到终点的行驶,反映在操作层面上主要是对转向、油门、制动和挡位的操作.图2是汽车驾驶控制的示意图.人类驾驶员是智能度最高的驾驶控制器,汽车在行驶过程中,人做出制动、驱动和转向等操作,车辆的执行系统会根据这些驾驶操作意图,结合车辆和交通道路状态,计算出相应的车辆纵、侧、垂向运动控制信号,实现满足节能、安全和舒适等驾驶需求下的随意图行驶.在此过程当中,人的身体可以感受到车辆的震动、惯性、方向盘的反力等,驾驶员的感官如眼睛、耳朵、大脑的感知功能对周围的行车环境进行充分的感知和理解,然后根据驾驶经验、环境认知给出相应的驾驶决策.而汽车驾驶的自动化实际上是利用先进传感、自主交互,在完成驾驶任务的前提下,以提升安全、节能、环保、舒适等性能指标为目标,实现转向、驱动、制动等的自动化操作.从控制的角度来看,这种操作层面的自动化是对人− 车−路−环境闭环系统的感知认知、决策规划、执行控制各个环节的增强或彻底替代。

在汽车驾驶自动化的发展过程中,感知层面的自动化就是增强、替代驾驶员的眼睛、耳朵、大脑的感知功能,进而辅助或替代驾驶员对环境的理解,如增加车载感知的摄像头、雷达,增加V2X、GPS等;决策与规划层面的自动化就是增强、替代驾驶员大脑的决策规划功能,比如在自适应巡航当中,车辆的辅助驾驶控制器对前车或障碍物的位置、速度、加速度进行识别,实现驱动和制动的决策与规划,其他辅助驾驶功能如自动泊车、自动超车等部分工况的自动驾驶都是在特定场景下替代或增强驾驶员的决策;在执行层面上的增强主要体现在转向、制动、驱动、换挡控制系统功能与性能的提升。

图1 汽车自动化分级
Fig.1 Levels of automotive automation

图2 汽车驾驶控制系统框图
Fig.2 Diagram of automated vehicle control system

对驾驶员感知、决策、执行各个方面的增强与替代程度其实也是驾驶自动化的分级的依据.如图1所示,替代和增强程度越高,自动化程度就越高.可以看出,这种发展不是突然出现,而是伴随着汽车技术的发展一直都在进行.在驾驶自动化发展的初期,由于传感技术、控制及计算芯片的性能的限制,传统汽车自动控制技术主要集中在执行层面上,如自动变速箱是实现纵向行驶时换挡的自主决策与执行,彻底释放了左脚并减轻了右手的操作负担;自适应巡航系统可以在有限范围内实现加减速的自主决策与执行,释放了右脚;车身电子稳定程序(Electronic stability controller,ESC)、紧急制动(Autonomous emergency braking,AEB)、车道偏离辅助系统(Lane keeping assistant,LKA)等技术的出现,都对驾驶员的操作起到很好的辅助增强的作用.在智能时代下,随着泛在传感、泛在计算的快速发展,在先进控制技术的赋能下,驾驶自动化将逐渐渗透到了感知、规划、决策等各个环节,从而实现汽车安全、经济、环保、舒适等各个方面性能的提升。

作为汽车控制综述文章[4]的后续,本文旨在传统汽车控制的基础上,对最近5∼10年逐渐步入智能时代下的汽车自动化进程进行综述.首先从汽车纵、侧向行驶自动化的角度简要回顾汽车控制的发展历程,然后针对感知、决策、协同控制等方面概述汽车自动化进程中面临的主要问题,最后对大数据、信息融合为特征的智能时代下汽车控制的发展趋势及关键技术进行探讨,希望为从事汽车控制的读者在未来研究方向上带去一些启发.出于篇幅的限制,综述内容难以面面俱到,未尽之处还将在未来的工作中不断的补充。

1 汽车控制发展进程回顾

由于综述文章[4]曾对传统汽车控制进行了较为详细的讨论,本文只进行简要回顾并对最新发展做适当补充.车辆运动分为纵向、侧向和由于路面不平引起的垂向运动,本文将从车辆纵向、侧向以及侧-纵向耦合三个方面来回顾汽车控制系统的发展现状.由于汽车垂向运动主要与乘坐舒适性相关,将不做深入讨论。

1.1 汽车纵向运动控制发展回顾

车辆纵向运动描述的是汽车的纵向行驶特征,涉及动力系统、传动系统和制动系统.在动力系统方面,传统内燃机车辆的发动机是纵向最重要的执行机构,其控制性能决定了车辆的燃油经济性、排放与纵向行驶品质.电子节气门[5-6]的成功应用正式拉开了发动机自动控制时代的序幕,随后空燃比控制[7]、点火正时控制[8]、怠速控制[9]等关键电控技术逐步得到了应用.针对发动机系统复杂、控制需求矛盾的问题,博世公司在1998年提出了以扭矩需求为中心的动力总成控制方案[10],目前已经成为动力总成控制的行业标准.随着节能减排法规的日益严格,发动机先进燃烧控制[11]、复杂进气控制[12−13]与排放后处理控制[14]也得到了广泛的研究.关于发动机控制的详细综述请参考文献[15].传动系统是在发动机系统基础上实现车辆纵向动力传递、提高传动效率与燃油经济性的又一重要执行机构.随着电子控制技术的发展,变速器衍生出多种类型(包括AMT、AT,CVT、DCT以及EVT等),实现了换挡过程的自动化[16−18],从而使驾驶员从手动换挡操作彻底解放出来.随着电动汽车的发展,针对电动汽车的多挡位换挡控制成为研究热点,文献[19−20]根据电机工作效率MAP,研究了基于模型的换挡过程和换挡规律.随着电动化程度的升高,多能量源混合动力车辆能量管理技术[21]与纯电动车轮毂电机力矩分配[22]也是近年来研究的热点。

在制动系统方面,目前发展成熟的控制单元有制动防抱死系统(Anti-braking system,ABS)、驱动防滑系统(Traction control system,TCS)等,对纵向行驶的稳定性和安全性有重要作用.随着电子技术的发展,出现了更加高效和节能的线控技术.线控制动系统将传统气压或制动执行元件改为电驱动元件,每个车轮都有单独的控制器来确保制动力的最优分配,实现了汽车电子技术与网络通信技术的有机结合,更好地提升了汽车的自动化水平[23].线控制动系统按照执行机构的不同可分为电液线控制动系统(Electronic hydraulic brake,EHB)和电子机械式线控制动系统(Electronic mechanical brake,EMB)[24]。

动力、传动与制动系统的自动控制技术的发展,为纵向辅助驾驶/自动驾驶提供了底层执行基础.纵向辅助/自动驾驶主要根据前后车间距、设定的期望车速以及车辆自身状态对驱动和制动进行控制.自适应巡航(Adaptive cruising control,ACC)在定速巡航控制基础上融合了防撞系统,通过动力、传动与制动系统的协同控制,实现更加智能和安全的纵向速度控制策略,在特定工况将驾驶人从油门踏板和制动踏板的操作解放出来.文献[25]通过极点配置的方法设计了基于PID的自适应巡航控制器,保证了车间距误差和相对速度收敛到零.为了综合协调跟车时的追踪性能、跟车安全性以及燃油经济性,文献[26]研究了基于模型预测控制的多目标的ACC算法,并提出了优化问题在线快速计算解决方案.根据不同驾驶员对于舒适度的需求,文献[27−28]研究了考虑驾驶风格的ACC控制方算法.此外,近年来针对城市交通中低速行驶、频繁起停的工况,ACC系统已经扩展到起停控制(Stop and go,SG)、避撞控制(Collision warning/avoidance,CW/CA)等。

1.2 汽车侧向运动控制发展回顾

汽车行驶时因制动、转动惯性等原因引发某一轴车轮或两轴车轮出现横向移动的现象称为侧滑.汽车侧滑对安全行车威胁较大,常造成甩尾、翻车等恶性交通事故[29−30].车身电子稳定系统(Electronic stability program,ESP)是对ABS和TCS功能的进一步扩展,增加了车辆侧向运动相关的传感器,通过控制车轮的驱动力和制动力,增强了车辆行驶的稳定性[31−32].此外,主动转向控制技术近年来也引起了国内外研究机构的兴趣.主动转向通过对驾驶员施加的转向角进行修正,依据汽车所处的不同工况进而自动调整汽车转向传动比,从而提升车辆低速时转向轻便性和高速时的侧向稳定性[33−34].随着技术的不断发展,主动转向可将人的因素考虑在控制算法的设计中,针对不同风格驾驶员的驾驶习惯进行人性化设计,变“人适应车”为“车适应人”,从而更好地辅助驾驶员操控车辆的行驶[35]。

为了提高转向准确性和响应速度,线控转向系统(Steering-by-wire,SBW)得到广泛研究.为提高系统的安全性,线控转向系统可能同时装配多套驱动系统,保证一套系统失灵的情况下车辆仍能维持行驶和转向[36−37].线控转向系统能根据不同的行驶工况实时改变传动比,与传统的机械式转向系统对比,线控转向的响应速度和准确性都有很大的提升,能进一步减轻驾驶员的驾驶负担[38−39].线控转向系统是高度电子化和智能化的产物,也是实现汽车完全自动驾驶的关键技术[40]。

上述侧向运动控制系统为自动驾驶技术提供了车辆侧向自主控制的可行性.在车辆自动化进程的L2阶段,侧向运动控制仍然是针对特定驾驶任务、特定场景的辅助驾驶系统,如车道保持、自动换道、自动泊车控制系统等.其中,车道保持辅助系统着眼于车辆的安全性,通过主动转向系统对车辆的行驶姿态进行矫正,避免驾驶过程中车辆发生无意识的车道偏离行为,在修正的同时不影响驾驶员的正常驾驶[41−42].而自动泊车技术则是为满足汽车使用的方便性,实现帮助甚至替代驾驶员泊车的功能.自动泊车技术主要采用基于路径规划和基于经验规划两大研究方向[43].此外,自动换道系统根据驾驶员整体期望速度和周边车辆信息,进行主动换道决策,帮助驾驶员进行换道的操作。

1.3 汽车侧− 纵向耦合运动控制发展回顾

随着汽车运动控制子系统的不断增多,由于子系统控制对汽车运动作用交互耦合、相互制约导致车辆的整体性能无法实现最优.因此,如何避免控制系统间的冲突,充分发挥出各自优势,实现整车综合性能的最优,已成为当今汽车底盘控制领域亟需解决的关键问题[44−45]。

在车辆运动控制系统中,车辆状态(轮胎力、纵向速度、侧向速度、横摆角速度、质心侧偏角等量)和路面信息(如道路坡度、附着系数)是非常关键的信息[46],车辆状态和道路参数的实时在线估计[47]是汽车底盘协调控制的一个重要的问题.在侧-纵向运动协同控制方面,文献[48−49]从优化轮胎力的角度研究了前轮转向、后轮转向和直接横摆力矩控制(Direct yaw-moment control,DYC)的协同控制.文献[50]基于前馈和反馈控制方法,提出ARS(Active rear-wheel steering)和DYC的协同控制策略.文献[51]研究了主动转向和DYC在不同工况下切换的协同控制.文献[52]讨论了侧向运动控制和持续减震控制(Continuous damping control,CDC)的协同。

目前,城市低速区与高速公路是L 3级自动驾驶技术率先应用的两个场景,即在高速公路的标示牌、车道线等结构化特征清晰的简单交通环境中实现人机共驾.同时,车辆运动控制系统为典型的多输入多输出、强耦合非线性系统,在侧−纵向耦合工况中,如何设计高品质的运动控制策略已成为实现自动驾驶技术的重点和难点[53−55].目前,可实现侧纵向完全自动驾驶的车辆仍然处于研究当中,其主要针对的是特殊车辆,并在特定环境下使用,如矿山、校园等。

2 汽车自动化进程中面临的问题

回顾汽车控制发展的历程,可以看到当前的汽车行驶自动化基本可以实现辅助驾驶或特定工况下自动驾驶,包括自适应巡航、车道线保持辅助、低速转向跟车、自动远程泊车等.然而,面对更为复杂工况,如工况频繁转换或者突发状况时,目前的自动驾驶控制系统还无法可靠应对.近期,自动驾驶应用进程中所发生的一系列事故也给我们敲响了警钟,当前技术的发展成熟度还不足以支撑复杂混合交通(含机动车、非机动车、行人、施工障碍等)情况下的汽车完全自动驾驶的需求.Nature 的评论文章[56]指出,当前自动驾驶在可靠性和安全性方面尚存在不足,机器还达不到人类的灵活性、适应性、创造性,仍无法应对各种突发事件.下面从感知、决策以及协同控制技术等方面,概述其在当前汽车自动化进程中所处在的水平,并对面临的一些典型问题进行分析。

2.1 感知与信息融合的准确性、快速性亟待提高

目前,基于单一传感器的环境感知技术发展的比较成熟,并广泛应用于自动化级别比较低的辅助驾驶技术中.在自适应巡航控制技术ACC方面,毫米波雷达可以实现多车道目标跟踪与检测,并结合弯道位置补偿技术,实现对目标车辆识别与跟踪[59].另外,采用CMOS单目摄像头可以对目标车辆与道路环境进行检测识别并较为精确地获得车辆行驶纵向信息,也是ACC控制技术中的感知技术方案[60].在盲区检测和辅助泊车方面,基于激光雷达或视觉的感知技术可以有效检测盲区和障碍物位置,锁定目标停车区域[61−63]。

随着车辆自动化级别的提升,为了获得更为丰富和准确的环境信息,车辆通常装有多个传感器,基于多传感器信息融合的环境感知技术是目前的研究热点.信息融合算法是实现多传感器环境感知技术的核心.针对目前车辆避撞系统单一传感器不能有效识别前方车辆目标的问题,文献[64]应用联合概率数据关联进行雷达和摄像头数据的融合.文献[65]通过对由激光雷达和摄像头获得的复杂交通场景建模,利用混杂系统理论获得车辆的最优加速度,用于有效加强多车辆目标环境下的自适应巡航控制性能.文献[66]集成采用单目摄像头、激光雷达、毫米波雷达、超声雷达等传感器,并通过机器学习算法设计了一种最优Gabor滤波器用于对障碍物的检测识别与分类。

环境感知系统作为汽车驾驶自动化发展过程中的关键环节之一,其感知能力的水平直接决定智能车的智能化的水平.目前的传感器布置方案和感知技术可以保证在特定工况下实现有效的感知,但是对于环岛、交叉路口、非结构化道路等复杂道路环境以及光照、噪声、建筑物和天气等强干扰环境,感知与信息融合的准确性难以得到保证.主要问题分析总结如下:1)在复杂交通环境以及恶劣天气下的鲁棒性有待加强,如非铺装路面下俯仰/侧倾、雨雪极端天气、进出隧道的忽明忽暗等因素的干扰都会对感知系统的准确性产生很大影响;2)车辆高速暂态行驶的情况下,车辆与目标物的相对速度、相对加速度等信息很难准确获得,导致感知系统的准确度很难得到根本性验证;3)复杂交通环境下由原始级别测量数据到目标级别信息构成的准确性仍有待提升;4)由感知系统获得的目标级别信息如何按需分配给各控制子系统还不明确.此外,涉及到汽车安全方面的控制系统需要感知系统提供快速更新的感知融合信息,先进信息融合算法的快速实现仍然是亟待解决的问题。

2.2 适应开放不确定环境的自主规划决策能力不足

在自动驾驶系统中,决策与规划是中枢指挥系统,相当于车辆的大脑.决策与规划系统在接收到各种感知信息后,结合对当前环境和车辆状态的分析,对底层执行控制系统下达指令.在自动驾驶车辆中,决策规划一般分为路径规划、行为决策、运动规划三个层次.关于自动驾驶决策规划的发展现状可以参考文献[67],下面仅做简要概述。

路径规划一般可分为全局路径规划和局部路径规划.全局路径规划是根据起点和终点以及道路拓扑结构等从宏观层面上规划出可选择的路径.局部路径规划则是在全局路径规划的基础上需要充分考虑路径的可行性[68],并对其进行进一步细化.关于路径规划的方法主要有栅格法(图搜索法)、采样法、曲线插值法、数值优化法等[69].行为决策层是在接收到规划路径后,结合感知系统的环境信息,对车辆做出具体的最佳行为决策,如跟随、变道和超车等[70],其主要的方法有基于规则[71,73]、学习方法[72]、随机理论[74]、群体智能算法[75]等.在决策行为确定之后,将行为转化为具体的行驶轨迹的过程是运动规划.运动规划在机器人领域中已经有较长的研究历史[71],并逐渐移植到自动驾驶中。

决策与规划系统能够处理场景的复杂度是衡量和评价自动驾驶能力的核心指标之一.当前,决策规划系统主要应用于简单工况或封闭道路环境,在各种不确定性存在下的实际复杂工况,做出可靠自主决策的能力仍有不足.主要问题分析总结如下:1)开放场景下的自动驾驶自主决策需要考虑很多不确定性,这些不确定性主要来自于感知误差[76]、模型误差、障碍物[78−79]以及其他交通使用者的行为不确定与随机性[77]等,如何预测和估计环境中的不确定性还是一个很难的问题;2)目前自动驾驶的路径规划需要考虑多种运动约束,如何在满足算法实时计算速度需求的前提下,规划出光滑且满足车辆运动学约束的路径是亟待解决的问题;3)相比于驾驶人的决策,现阶段的自动驾驶决策系统还无法像人类司机那样的“思考”问题,以换道决策为例,自动驾驶可能在安全条件下做出反复频繁换道的“愚蠢”决策.总之,类比于人类驾驶决策,自动驾驶决策系统在提前避让[80]、博弈[81]、记忆[82]和不确定性估计[83]等类人决策的各个环节上发展的不够完善,仍需继续探索。

2.3 车辆运动协同控制尚未实现

随着汽车自动化程度的升高,其运动控制系统集成复杂程度也不断增加(包含车辆侧−纵−垂等方向的控制子系统,如TCS、ESC、ABS等).在当前实际工程中,车辆运动控制通常是让一个子系统介入同时让另一个子系统退出,各子系统作用分界线通过基于规则的方法标定得到,系统间的协同未完全实现.在极限工况下(指汽车动力学系统进入非线性区的“非常规工况”,如图3所示),运动控制子系统及相关执行器之间相互干涉与冲突明显,如何协同并扩大车辆稳定边界是一个难题.主要体现在:1)侧−纵−垂动力学存在复杂的非线性耦合、轮胎力存在饱和及轮胎侧偏刚度时变等特征,各子系统的安全性控制目标之间存在耦合;2)在自动驾驶发展的大背景下,主动安全控制需要协调上层的规划、决策,各子系统的标定量急剧增大,为了需要满足上层自动驾驶的准确、快速执行的功能,各子系统要具备良好的控制性能.然而,目前运动控制各系统是单独开发的,分布式的控制方案给规划、决策、控制的协调执行带来了障碍.因此,为了从本质上解决子系统和执行器之间的干涉和冲突问题,扩大极限工况下的稳定边界,需要从顶层的控制系统架构设计出发,通过直接对侧−纵−垂向动力学进行优化,实现汽车运动主动安全的一体化协同控制。

图3 车辆极限工况示意图(侧向−纵向)
Fig.3 Schematics of extreme driving condition(lateral-longitudinal)

目前,关于车辆协同控制还基本处于科学研究阶段.文献[84]提出了一种主动前后轮转向与制动/驱动力分配的子系统协同控制策略,基于制动/驱动力分配的车轮载荷均衡可以提高车辆的转向性能,同时对横摆力矩进行补偿方法以减小横摆率跟踪误差,整个协同控制策略可实现载荷均衡以及期望横摆率的快速跟踪.文献[85−88]针对高速行驶的汽车发生爆胎危险工况,分别采用约束H∞控制方法和鲁棒非线性控制方法,通过协调转向子系统和制动子系统实现对爆胎汽车的轨迹跟踪控制和方向稳定性控制.文献[89]探讨了四轮转向角度和主动悬架调节协同控制的方法,在轮胎侧偏角较小的工况下控制主动悬架力,提高了舒适性;在轮胎侧向力达到饱和时,通过控制车辆四轮转向角与垂向力的综合手段调节轮胎侧偏角达到车辆稳定性控制目标.文献[90]以改善极限工况下操纵稳定性为目标,通过汽车动力学一体化控制的方式,运用模糊逻辑规则对四轮力矩与后轮转向角进行分配,改善车辆的操控性能,实现湿滑路面下防止车辆的轨迹偏离功能.现有的协同控制主要针对典型工况下单一安全目标进行研究,针对极限工况下非线性耦合系统协调优化控制问题还属开放性问题,如何利用网联信息提高汽车主动安全性能也是现今的难点。

力学演示实验的操作控制包括三个特点：首先，上课教师的演示操作必须正确、规范，这样才能保证演示现象的成功，让学生从观看教师操作时养成良好的操作习惯；其次，根据实验目的、课堂需求和学生的反应，教师应有效地控制演示实验过程的快慢、次数、方向、位置等，并在操作过程中给予学生适当的语言启发，引导学生；最后，在不影响这一力学演示实验现象的情况下，对操作过程进行某些特殊的控制，使演示现象更直观、明显，便于学生分析概括实验结论或实验规律，从而达到这一演示实验的目的。

2.4 人机协同共驾刚刚起步

除了车辆运动控制系统之间存在协同问题,驾驶员与车辆之间也存在交互与协同,人机协同的实现难度也更大,即如何协调人机混合驾驶决策自动控制系统和人类驾驶员的权重,形成一种人机动态交互关系,实现驾驶员和控制系统的驾驶权优化分配和切换。

目前,人机协同共驾技术还处在科学研究阶段.文献[91]采用模型预测方法利用道路信息规划出优化路径,指导帮助驾驶员能更好驾驶.文献[92]完善了Copilot概念,给出自动化程度选择建议,驾驶员根据多方面因素进行综合决策,因此驾驶员具有直接控制权.由于这类系统控制权由驾驶员决定,在驾驶员注意力不集中或忽略自动控制器给出的指导意见时,会出现驾驶操作错误,很难有效避免交通事故.为避免交通事故,有些研究者采用驾驶员和自动控制器切换控制方法.该方法通过对道路信息和驾驶员信息的分析,判断是否适合人类驾驶员控制,并进行人类驾驶员和自动控制器驾驶权的切换.文献[93]通过对处境分析和危险评估进行驾驶员控制、辅助驾驶和自动驾驶等模式的切换.为解决人机共驾系统频繁切换的稳定性问题,文献[94]利用复合Lyapunov 函数分析了驾驶员单独驾驶、辅助驾驶、自动驾驶三种模式切换的稳定性.人机协同的优化与控制权决策以驾驶员和机器的交互学习为基础.如果汽车动力学进入非线性区域,一般的驾驶员由于经验不足及心理恐慌等影响,极易出现操作不当导致汽车进入失稳状态,因此如何考虑人机耦合与驾驶环境的复杂性、驾驶员驾驶习性与行为不确定性,是人机共驾面临的挑战性问题.更多关于人机共驾研究现状的讨论可以参考文献[95],本文不再做过多的展开。

3 智能时代汽车控制发展趋势与关键技术

智能时代新兴技术的快速发展,为汽车驾驶自动化发展提供了新的机遇.泛在传感(如高精度地图、网联技术)不断发展,可以为汽车控制系统提供更为丰富、快速、准确的环境信息;泛在计算下的大数据分析、人工智能等技术的兴起为汽车控制与优化决策提供了更为智能高效的手段.总而言之,这些新技术在汽车上的应用使汽车的各项性能都上升到了新的高度,使得以汽车、环境、驾驶员为载体的车辆控制系统逐渐成为一个典型的集成信息资源、物理资源、人类活动的综合智能系统(Cyber-Physical-Human Systems).将智能时代新兴技术融合到汽车控制系统的感知、认知建模、智能决策、以及执行各个核心环节,实现新控制系统与新功能来提高汽车控制系统的安全性、节能性、环保性、舒适性和经济性是智能时代汽车控制的主题.以下主要围绕车载计算与通信、大数据信息融合、先进控制理论在汽车控制的应用、智能化汽车控制系统新功能、人在回路的汽车控制、自动驾驶的测试与评价等6个方面,分析智能时代汽车控制的未来发展趋势。