智能车的研究现状与发展趋势
徐友春，章永进，王肖，舒飞
军事交通学院汽车工程系，天津，300161
摘要：本文分析了智能车研究的军事及民用价值，简要介绍了智能驾驶技术的国内外发展现状，指出了以“汽车大脑”为特征的智能车的未来发展趋势，并思考了智能车对我国未来交通、汽车工业和国防等方面的影响和作用。
关键词：智能车；汽车大脑
1引言
智能车(Intelligent Vehicle, IV)，也称作无人地面车辆(Unmanned Ground Vehicle, UGV)，是一个集环境感知、动态决策与规划、智能控制与执行等多功能于一体的综合系统[1]，相关技术涉及信息工程、控制科学与工程、计算机科学、机械工程、数理科学、生命科学等诸多学科，是衡量一个国家科研实力和工业水平的重要标志。
智能车及其相关技术具有重要的军事应用潜力。美国在《21世纪战略技术》中指出“20世纪地面作战的核心武器是坦克，21世纪很可能是无人战车”。其中的“无人战车”即是一种应用于军事领域的智能车。近年来，无人战车的军事应用潜力受到各国政要和军事专家的高度重视，以美国为代表的发达国家对军用智能车进行了深入系统的研究，取得了很大进展，部分无人车接近实用，美国已经计划在近几年开始批量装备部队，一场新的以无人系统为代表的新军事变革已经拉开了维幕。
智能车及其技术对我国交通安全及汽车工业的发展都具有极为重要的作用。智能车的出现从根本上改变了传统的车辆驾驶方式，将驾驶员从“车—路—人”的闭环系统中解放出来，利用先进的电子与信息技术控制车辆行驶，让驾驶活动中常规、持久且疲劳的操作自动完成，人仅仅做高级的目的性操作，能够极大地提高交通系统的效率和安全性，具有广泛的社会应用价值。智能驾驶技术的研究将极大地增强我国在汽车主动安全系统方面的核心竞争力，对提升我国汽车电子产品和汽车产业自主创新能力具有重大的战略意义。
2智能驾驶技术的研究现状
在智能驾驶技术的研究方面，国外起步较早，已经论证了技术的可行性并进行了实路测试，典型的研究代表如美国卡耐基梅隆大学的NavLab-5[2]与Boss[3]智能车、谷歌公司的Google Driverless Car、意大利帕尔马大学的The ARGO vehicle[4,5]、德国联邦国防军大学的VaMP智能驾驶系统[6]等。
以美国的智能车研发计划为例，早在1983年，美国国防高级研究项目署(Defense Advanced Research Projects Agency，DARPA)就成立战术技术办公室(Tactical Technology Office，TTO)负责自动陆地车辆(Autonomous Land Vehicle，ALV)的研究开发工作。到90年代中后期，美国陆军提出未来战斗系统(Future Communications Commission，FCS)，包含的多种核心武器都涉及到智能驾驶技术[7]。在该计划促进下，美国明确了智能车的发展路线和发展方向，成立了由国防部、研究所、大学、企业等构成的技术研究联合体，并投入了大量的资金，开始了全面、系统的智能车研究。现阶段美国智能驾驶技术主要应用于军事领域，已经能够依靠智能车执行诸如侦察、巡逻、监视、扫雷破障、战斗突击、物资运输、紧急抢修与救险等多种任务。美军的智能车主要分为：轻型，一般用于侦察和监视，配合士兵作战；中型，完成侦察、巡逻、监测、攻击等任务；重型，定位于重型武器，如坦克、导弹车等；大型，定位于工程机
械，用于工程作业或扫雷[8]。美军部分智能车相关情况统计如表1所示。
国内研究起步较晚，与国际先进水平存在技术差距，迄今为止尚无国内智能车辆参与国际智能车比赛活动，但相关技术研究近年来发展较快，取得了一些有代表性成果。
吉林大学是我国最早的智能车研究单位之一。王荣本教授带领的智能车课题组从上世纪80年代后期开始智能车自主导航的研究，在环境感知、导航技术等方面有较为深入的研究，研发出的智能车具有遥控驾驶和自主行驶两种方式，可在无人操作的情况下自己按照驾驶标识路线前进，同时已具备简单环境中的直线、弧线行驶等功能[11]。
清华大学计算机系智能技术与系统国家重点实验室在视觉导航系统和临场感遥控系统等方面有较深入的研究，其研制的清华移动机器人(TsingHua Mobile Robot V，THMR-V)智能车在结构化道路上自主驾驶跟踪车道的平均速度已达到100km/h，最高时速可达到150km/h[10]。清华大学汽车系“安全与节能”国家重点实验室李克强教授主持研制的THASV智能车侧重于汽车主动安全研究，在视觉导航、主动避障、离线报警等方面取得了较突出的研究成果，目前正在进行智能巡航控制系统、前碰撞预警系统等技术的实用化工作。
表1 美军智能车研究情况统计表
国防科技大学的贺汉根教授带领的智能车课题组也是我国较早进行智能车研究的单位，该课题组参与了1995年国防科工委和2005年军队相关项目的智能车关键技术研究，2003年与中国第一汽车集团联合研制的智能车CA7460在长沙实验成功，其在高速公路上最高稳定自主驾驶速度为130km/h ，自主驾驶的最高时速可达170km/h ，并具备安全超车功能[11]。
浙江大学智能与通信系统研究所所长顾伟康教授曾承担国防科工委 “军用地面智能机器人”项目，所研发的智能车直线跟踪速度达到20km/h ，避障速度达到10km/h 。
此外，上海交通大学、西安交通大学、北京理工大学、武汉大学、湖南大学、军事交通学院、中科院合肥物质科学研究院等近年来都开展了智能车的研究，并取得了一定的成果
。尽管如此，国内针对智能车的研究仍处于实验室阶段，将智能车置于正常交通流中，并像有人驾驶车辆一样，服从交通规则，适应周边环境，尤其是对周边车辆的交互(车灯、笛声的提示等)行为要求，做出响应决策，最终在城际公路和城市道路上安全平稳地行车，仍未实现。究其原因，智能车缺乏对周边车辆驾驶行为、意图的识别与理解，以及在理解的基础上做出合理响应行为的决策能力，也即智能车缺乏与周边其它车辆的有效交互与协同。
3 智能车的未来发展趋势
美国在智能车的发展和应用领域一直都保持着最活跃的发展态势，一定程度上，美国智能车的未来发展方向代表了智能车的发展趋势。
3.1 多军种，系列化与车族化
2009年，美国陆军训练与条令司令部(Training and Doctrine Command，TRADOC)和坦克机动车研发工程中心(Tank-Automotive Research，Development and Engineering Center，TARDEC)联合发布的《机器人战略白皮书》，综合考虑未来装备需求，进行了当前美军智能车的发展规划，确立了智能车研究更加重视多军种、系列化和车族化的发展理念。美军目前所研发的智能车分别针对各军兵种不同的需求，如适应于海军陆战队要求的角斗士(Gladiator)无人战车，适应于阿富汗排雷需要的微型连枷(Mini-Flail)扫雷车；适应于城市环境的侦察、巡逻、监视等任务的龙腾(Dragon Runner)小型智能车等。同时，一部分智能车又发展出多种变型车，以适应多样化的任务需要，例如多功能通用/后勤装备车辆(Multifunction Utility/Logistics Equipment Vehicle ，MULE)共包括3种变型车，分别为：运输车型、扫雷型和轻型突击型[17]。
3.2 总体技术上向通用型发展
现阶段研究的智能车一般都是针对某种特定的任务，为达到最优的性价比，在总体技术上将逐步向平台的模块化、运载子系统的通用化方向发展，也即智能车的通用技术将是未来的研究重点。例如，由美国卡耐基梅隆大学、美国波士顿动力公司等为美国陆军未来战斗系统（FCS）研发的自主导航系统(Autonomic Navigation System，ANS)就是一种通用的智能车控制软件系统，根据需求经过不同配置后，该系统就可以实现不同的功能，能够适用于美军所有的智能车。着眼未来，这种通用型方式将成为今后智能车的主要研发方式。
3.3 以军事应用为牵引，以民间应用为助推，协调快速发展
军用技术与民用技术往往是交叉的，例如美国的阿波罗登月计划、互联网、全球定位系统等最初都是军事项目，发展起来之后转向民用，对社会经济的发展起到了巨大的推动作用，同时也促进了这些军事项目的深入发展。智能驾驶技术也是一种军民通用的技术，其在军事方面的发展，重点应是在越野道路、无路环境、核生化环境中的感知及控制技术；而民用方面则集中在车辆的主动安全、道路规划、辅助(自动)驾驶等技术。智能车的发展需要大量的投入和长期的研究，单纯依靠军事投入显然是不够的，应将其孕育于民用技术的研究中，充分利用民间巨大的资源，加快智能驾驶技术的发展。
4对智能车发展的思考
汽车工业的发展，曾出现了多次大的发展机遇：一是从手工制造向机器大工业转化的机遇；二是机器大工业向精细化生产转化的机遇；三是以微处理器技术为代表的汽车电子信息化机遇。遗憾的是，第一次机遇我国有的没有赶上，第二、三次机遇我国通过开放市场抓住了部分机遇，成就了我国的汽车制造大国地位。但我国的汽车工业的核心技术――汽车电子技术仍然掌握在国外企业手中，我国仅仅处于跟踪模仿状态，尚不具备与国外汽车同行竞争的实力。
从20世纪末开始，随着信息技术的广泛应用，汽车工业出现了从代步工具向智能移动机器人（或称轮式机器人）转变的第四次发展机遇，智能车就是此次转变的标志。这次变革的核心将是研究和开发集感知、决策、控制于一体的人工智能技术，称之为“汽车大脑”。如同操作系统是计算机的灵魂一样，“汽车大脑”将是未来汽车的灵魂。未来汽车（或称“移动机器人”）将包括硬件驱壳和“汽车大脑”，汽车的先进程度不仅取决于其硬件的优劣，更取决于汽车大脑。在这方面，美国人已经走出了实质性的步伐，制定了清晰的线路图：第一步是制
定无人系统联合构架(Joint Architecture for Unmanned System，JAUS)，确定未来汽车的接口标准（目前美军军用车辆必须满足该标准），包括车辆的感知接口、通信接口、车辆操纵控制接口等；第二步是研制基于JAUS标准的自主导航系统ANS，将车辆变成一种自动化的移动工具；第三步是开发具备环境感知、自主控制和任务执行能力的“汽车大脑”，从而将车辆变成一种移动机器人。一旦汽车大脑研制成功，未来的汽车将具备难以置信的智能化水平。
具备“汽车大脑”的智能车进入实用后，由于其强大的易用性、方便性、舒适性和先进性，将会很快在全球推广应用（苹果公司的iPhone4就是一个示例），中国的汽车用户不可避免地也会使用这些“汽车大脑”。试想中国城市里相当数量的汽车是安装美国“汽车大脑”的智能车，在非常时期，有关国家只要一个指令就可以指挥这些智能汽车瘫痪我国的交通运输，甚至将这些汽车变成武器向我方发动攻击。可见，“汽车大脑”不仅影响我国汽车工业的发展，还关乎国防安全，不仅是经济问题，还可能是政治问题。
美军计划从2015年开始在军队装备无人车，并在20年内进入民用车辆[18]。在这段时间内，我国的汽车工业不仅要完成汽车电子技术和精密制造技术领域继续追赶发达国家，更要把握信息技术带来的汽车技术的变革，研发具有自主创新技术的“汽车大脑”，并将智能车研究纳入国家的整体发展规划，有计划、有步骤地制定相应的发展战略，实现智能车的迅速发展。
The Research Progress of Intelligent Vehicle and Its Trends
Youchun Xu, Yongjin Zhang, Xiao Wang, Fei Shu
Department of Automobile Engineering, Military Transportation University, Tianjin, 300161
Abstract: This paper analyzes the benefits of intelligent vehicle (IV) in civilian use and its potential roles in military use. The research progress of IV is provided. The developing trend in IV which is characterized by vehicle brain is proposed. Finally, the great influence of IV on automobile industry and national defense weapons is predicted.
Keywords: Intelligent Vehicle; V ehicle Brain
参考文献
[1]R. Bishop. Intelligent vehicle applications worldwide. IEEE Intelligent Systems and Their
Applications, 2000, 15(1): 78-81.
[2] D. A. Pomerleau, T. M. Jochem. Rapidly adapting machine vision for automated vehicle
steering. IEEE Expert, 1996, 11(2).
[3] C. Urmson, J. Anhalt, D. Bagnell, et al. Autonomous driving in urban environments: Boss and
the urban challenge. Journal of Field Robotics, 2008, 25(8): 425-466.
[4] A. Broggi, M. Bertozzi, A. Fascioli. The 2000 km test of the ARGO vision-based autonomous
vehicle. IEEE Intelligent Systems, 1999, 55-64.
[5] A. Broggi, M. Bertozzi, A. Fascioli, et al. Automatic vehicle guidance: the experience of the
ARGO vehicle. World Scientific. Singapore, 1999.
[6]M. Maurer, R. Behringer, F. Thomanek, et al. A compact vision system for road vehicle
guidance. Proceedings of the 13th International Conference on Pattern Recognition. Vienna, Austria, 1996.
[7]Future combat systems (FCS). https://www.doczj.com/doc/642808575.html,/military/systems/ ground/fcs.htm,
February 24, 2011.
[8]Committee on army unmanned ground vehicle technology. Technology Development for Army
Unmanned Ground Vehicles. The National Academies Press, 2002.
[9]王荣本, 张荣辉, 金立生. 区域交通智能车导航控制技术. 农业机械学报, 2007, 38(7):
39-42.
[10]张振武, 丁冬花. THMR-V道路检测算法设计. 机器人技术, 2005, 21(12): 115-117.
[11]邓剑文, 安向京, 贺汉根等. 基于道路结构特征的自主车视觉导航. 吉林大学学报(信息科
学版), 2004, 22(7): 425-419.
[12]彭新荣, 杨明, 谢强德等. 一种基于RR-ALOHA的智能车多车协作通信协议. 上海交通大
学学报, 2010, 44(9): 1211-1216.
[13]Q. Li, N. Zheng, H. Cheng. Springrobot: a prototype autonomous vehicle and its algorithms for
lane detection. IEEE Trans. on Intelligent Transportation Systems, 2004, 5(4): 300-308.
[14]金辉, 吴乐林, 陈慧岩等. 结构化道路车道线识别的一种改进算法. 北京理工大学学报,
2007, 27(6): 501-505.
[15]徐友春, 常明, 刘洪泉等. 猎豹智能车无人驾驶系统总体设计. 汽车工程, 2006, 28(12):
1081-1086.
[16]安吉尧, 文桂林, 卢远志. 用于车辆自主导航的多传感器数据融合方法. 汽车工程, 2009,
7: 640-645.
[17]Multifunction Utility/Logistics Equipment Vehicle. https://www.doczj.com/doc/642808575.html,/military/
systems/ground/fcs-mule.htm, February 25, 2011.
[18]P. Carl, Evans. Development of world modeling methods for autonomous systems based on the
joint architecture for unmanned System: [M. S. Thesis]. University of Florida, 2009.
作者基本情况表