google 無人駕駛汽車
當今高度自動化的車輛控制系統的設計， 架構和功能。 在過去20年中由於集成到汽車行業的電子技術的發展驅動了汽車技術發生了革命。
實現高度自動化汽車的主要驅動因素：
1、減少事故發生的數量和事故的嚴重程度
根據歐盟的目標， 減少事故和事故嚴重程度是最重要的，
圖、自2001年以來， 歐盟的道路交通事故
圖、自2001年以來交通事故中的死亡人口
擴充現有的道路網路並不現實， 因此解決方案必須面對有限的基礎設施和交通運輸需求的進一步增長。 這就是為什麼高度自動化的汽車（融入智慧環境）將會在改善道路安全方面發揮關鍵作用。
2、節約能源， 減少有害廢氣排放
另一個全球性的挑戰是使交通更加高效和環保。 全世界都在加快向低碳社會卡張， 以達到到2050年之前將排放量降低到1990年80％以下的目標。 為了實現這一目標， 到2030年的排放量應該減少40％， 到2040年減少60％， 每個部門必須為實現這一目標做出貢獻， 其中交通運輸更是必不可少。
圖、向低碳經濟轉型的歐洲路線圖
高度自動化的駕駛可以通過諸如Active Green Driving（AGD）， 自動佇列協助（AQUA：Automated Queue Assistance）， 以及前瞻性駕駛和速度規劃等功能來增加效率和降低有害排放。 主動綠色駕駛的主要目標是通過使用環境感測器增強的e-Horizon系統和車輛速度曲線的連續預測來降低車輛的燃油消耗和潛在的排放。
3、機電一體化的作用
人們應該明白， 有一些客觀的自然規律使得電子（機電一體化）在未來的駕駛中別無選擇。 我們不應該忘記公共道路上的大多數司機並不是專業的飛行員，即使是最有天賦的駕駛員也不能在以下領域與智慧機電系統競爭：
有限的資訊：駕駛員無法訪問安裝在汽車裡面每個部分的最先進的感測器的資訊。關於車輛狀態和周圍環境的準確詳細資訊對決策至關重要（感知層）
有限的時間：電子系統中的資訊以光速傳播。與任何人類或機械系統相比，機電系統的反應時間顯著縮短。車載網路內的智慧電子設備之間的資訊交換速度與商業電腦網路相當。
有限的訪問：例如機電系統可以根據每秒可能該改變百次的情況來單獨制動每個車輪，同時駕駛員只是或多或少的地按下制動踏板。
圖、車速與書庫嚴重性之間的關係
電子聯網駕駛員輔助系統將會成為增加道路安全的關鍵因素。據統計，只有3％的交通事故可以追溯到技術原因（車輛），而97％的事故是由人為因素（司機）造成的。除了某輛車的技術狀況不足外，車輛事故的主要根源是駕駛員決定錯誤，情況不當或者缺乏考慮。如果駕駛員的身體或精神狀況不佳，例如疲勞或某種其他原因導致的錯誤決定的概率會大幅增加。
高度自動化汽車的設計
毫無疑問，高度自動駕駛將來會在個人行動中發揮重要作用。問題只是發生作用的時間和方式。高度自動化的駕駛系統將減輕駕駛員分心或者壓力和緊張情緒，確保更安全和可持續的駕駛。用戶接受是實現高度自動化駕駛的關鍵因素，因為大多數駕駛員可以在特殊情況下受益於自動化輔助系統。當駕駛員超載或欠載情況時特別需要幫助，當駕駛員必須同時執行多個任務時，如同時必須注意其他車輛（例如密集的情況，例如在交叉路口轉彎或在道路工地的狹窄通道中行駛）等情況下可能會發生駕駛員超載情況，駕駛員壓力可能導致情緒惡化。駕駛員欠載情況發生在單調駕駛期間，當駕駛員真正感到很少的衝動導致瞌睡（例如無聊的情況，如堵車或長途駕駛）時。駕駛員欠載或超載情況會導致他們的反應能力下降，從而導致風險。高度自動駕駛是在這些特殊情況下向司機提供協助來降低風險。下圖顯示駕駛員的壓力與駕駛員反應之間的相關性。
駕駛員的壓力與駕駛員反應之間的相關性
自動化級別
最先進的駕駛員輔助系統（ADAS）已經為司機提供了一系列的支撐功能。根據替代駕駛員任務的程度，可以把汽車自動化的水準分為幾層（根據HAVEIT組織定義http://www.haveit-eu.org/displayITM1.asp?ITMID=6&LANG=EN）。
圖、HAVEIT系統的自動化級別
基於感知層資訊，命令層以層次的方式確定每個自動化級別。自動化級別只能按照向上和向下的順序改變。根據需要，駕駛員負責選擇其中一個自動化級別。如果某個自動化水準不可用時，車輛會警告司機接管對車輛的控制。
a、警告
向司機提供幫助的第一個級別是告知駕駛員潛在的危險情況。 在這個階段，沒有進一步的支持或干預，司機只是被警告潛在的危險。 使用可見（例如儀錶板），聲學（例如警報器）或觸覺（例如座椅或方向盤振動）回饋來將警告資訊經由車輛的主人機界面（HMI）發送給駕駛員。 如果在收到警告後採取行動，完全由司機決定。 一個很好的例子是司機嗜睡檢測，警告駕駛員在疲勞的情況下，通過持續監控方向盤的運動來進行提示是否需要停車喝咖啡休息。 警告資訊是橙色背景的咖啡杯的圖示，並且在HAVEIT HMI的顯示幕上顯示如下圖所示的短信“請休息”。
圖、司機嗜睡警告：休息時間到了！
b、支援
提供援助的第二個級別不只是警告司機，而是支持他指導他如何駕駛處於潛在危險狀況中的汽車。 該級別假設駕駛員知道可能不安全的情況（警告），並且有更多提示給司機來指示他正確的操縱。
車道出發警告是支援控制項內的基本功能。 它警告司機是否太靠近車道標記，然後通過聲光和視覺警告或方向盤輕微振動來警告司機。
圖、LDW支持引導駕駛員回到車道中心
另一個不安全但典型是舒適功能的例子是停車輔助系統。 有三個功能可以進入支撐級別：停車位元測量，停車輔助資訊和停車指導資訊。
圖、停車位元測量
停車輔助資訊系統通過超聲波感測器監視車輛前方和/或後方的特定區域，並告知駕駛員車輛與障礙物的距離和/或聲音信號。
當停車位測量有效時，超聲波感測器會掃描路邊。 一旦系統識別到足夠長的適合停車位會立即通知駕駛員，駕駛員可以通過按下按鈕啟動停車輔助並啟動停車操作。
停車轉向資訊系統通過顯示器提供方向盤位置和必要的停止和切換點的清晰說明，從而引導駕駛員進入完美的停車位置。
圖、停車輔助系統運行原理
c 、干預
下一個級別的駕駛員輔助是對車輛控制的自動干預。 根據干預規模，有半自動駕駛和高度自動駕駛的類別。 在半自動駕駛期間，車輛的縱向運動處於自動控制之下，而在高度自動化駕駛期間，縱向和橫向控制都是車輛運動的一部分。
半自動干預
基本上半自動駕駛可以描述為支持駕駛再加上車輛運動的縱向運動控制。 目前市場上在這一部分提供了多種功能，如自我調整巡航控制（ACC），Stop＆Go擴展或緊急制動輔助。 該功能使用雷達感測器來監控前方的行駛情況來調整車速，並通過線控和線控智慧執行器保持前方車輛的安全間距。 如果沒有檢測到前車輛，但無論道路傾斜如何，速度控制都保持恒定的車速，但是當前方檢測到車輛時，距離控制變為有效，保持兩車之間與速度相關的安全距離。 下圖顯示了距離控制啟動的時刻。
圖、ACC商用車距離控制功能
高度自動化的干預
高度自動化駕駛代表了道路汽車自動化的最新技術，即將（2016-2020）將引入公共領域，如自動汽車導航，道路工程和擁堵自動化支援。
高自動化意味著車輛的縱向和橫向控制，不僅可以自動加速和制動車輛，而且可以改變車道和超車。這些功能最初將在高速公路上引入，因為它們是自動駕駛最合適的道路;道路路線只有平滑的變化（曲線或斜坡），它們易於識別的車道的突出標記。
圖、大眾即時汽車導航以130公里/小時的速度行駛
d、完全自動駕駛（無人駕駛）
百度無人駕駛
美國公司是汽車無人駕駛的先驅，美國政府也支持自主研究汽車，這是汽車技術的下一個進化步驟。在內華達州，佛羅里達州和加利福尼亞州，都授權了測試無人駕駛車輛，Google在2012年在內華達州獲得第一個自駕車牌照，
Google招收來自DARPA Challenge的優秀工程師，DARPA Challenge是美國無人駕駛汽車的競賽項目。 2004年開始，由美國國防部研究機構的國防高級研究計畫署資助。 2004年，2005年和2007年舉辦了三次關於自主駕駛的活動。
Google的自駕車使用攝像機，雷達感測器和LIDAR進行環境感測，以及詳細的導航地圖。該車由Google的資料中心提供支援，可以測試汽車對地形處理的反應並收集的資訊。
結語
主要的汽車製造商也正在走向自主的解決方案，他們正在努力實現無人駕駛，但是他們希望能夠分步驟來達成目標。他們正在與其OEM合作開發這樣的子系統，這些子系統可以提高汽車的自動化水準，並且可以作為新的駕駛員輔助系統在正在生產的汽車上銷售，正如戴姆勒的CTO所說的那樣“無人駕駛不會一夜之間實現，而是分階段實現”。
但是無人駕駛終會成為現實！
無人駕駛的商用路標
（完）
我們不應該忘記公共道路上的大多數司機並不是專業的飛行員，即使是最有天賦的駕駛員也不能在以下領域與智慧機電系統競爭：有限的資訊：駕駛員無法訪問安裝在汽車裡面每個部分的最先進的感測器的資訊。關於車輛狀態和周圍環境的準確詳細資訊對決策至關重要（感知層）
有限的時間：電子系統中的資訊以光速傳播。與任何人類或機械系統相比，機電系統的反應時間顯著縮短。車載網路內的智慧電子設備之間的資訊交換速度與商業電腦網路相當。
有限的訪問：例如機電系統可以根據每秒可能該改變百次的情況來單獨制動每個車輪，同時駕駛員只是或多或少的地按下制動踏板。
圖、車速與書庫嚴重性之間的關係
電子聯網駕駛員輔助系統將會成為增加道路安全的關鍵因素。據統計，只有3％的交通事故可以追溯到技術原因（車輛），而97％的事故是由人為因素（司機）造成的。除了某輛車的技術狀況不足外，車輛事故的主要根源是駕駛員決定錯誤，情況不當或者缺乏考慮。如果駕駛員的身體或精神狀況不佳，例如疲勞或某種其他原因導致的錯誤決定的概率會大幅增加。
高度自動化汽車的設計
毫無疑問，高度自動駕駛將來會在個人行動中發揮重要作用。問題只是發生作用的時間和方式。高度自動化的駕駛系統將減輕駕駛員分心或者壓力和緊張情緒，確保更安全和可持續的駕駛。用戶接受是實現高度自動化駕駛的關鍵因素，因為大多數駕駛員可以在特殊情況下受益於自動化輔助系統。當駕駛員超載或欠載情況時特別需要幫助，當駕駛員必須同時執行多個任務時，如同時必須注意其他車輛（例如密集的情況，例如在交叉路口轉彎或在道路工地的狹窄通道中行駛）等情況下可能會發生駕駛員超載情況，駕駛員壓力可能導致情緒惡化。駕駛員欠載情況發生在單調駕駛期間，當駕駛員真正感到很少的衝動導致瞌睡（例如無聊的情況，如堵車或長途駕駛）時。駕駛員欠載或超載情況會導致他們的反應能力下降，從而導致風險。高度自動駕駛是在這些特殊情況下向司機提供協助來降低風險。下圖顯示駕駛員的壓力與駕駛員反應之間的相關性。
駕駛員的壓力與駕駛員反應之間的相關性
自動化級別
最先進的駕駛員輔助系統（ADAS）已經為司機提供了一系列的支撐功能。根據替代駕駛員任務的程度，可以把汽車自動化的水準分為幾層（根據HAVEIT組織定義http://www.haveit-eu.org/displayITM1.asp?ITMID=6&LANG=EN）。
圖、HAVEIT系統的自動化級別
基於感知層資訊，命令層以層次的方式確定每個自動化級別。自動化級別只能按照向上和向下的順序改變。根據需要，駕駛員負責選擇其中一個自動化級別。如果某個自動化水準不可用時，車輛會警告司機接管對車輛的控制。
a、警告
向司機提供幫助的第一個級別是告知駕駛員潛在的危險情況。 在這個階段，沒有進一步的支持或干預，司機只是被警告潛在的危險。 使用可見（例如儀錶板），聲學（例如警報器）或觸覺（例如座椅或方向盤振動）回饋來將警告資訊經由車輛的主人機界面（HMI）發送給駕駛員。 如果在收到警告後採取行動，完全由司機決定。 一個很好的例子是司機嗜睡檢測，警告駕駛員在疲勞的情況下，通過持續監控方向盤的運動來進行提示是否需要停車喝咖啡休息。 警告資訊是橙色背景的咖啡杯的圖示，並且在HAVEIT HMI的顯示幕上顯示如下圖所示的短信“請休息”。
圖、司機嗜睡警告：休息時間到了！
b、支援
提供援助的第二個級別不只是警告司機，而是支持他指導他如何駕駛處於潛在危險狀況中的汽車。 該級別假設駕駛員知道可能不安全的情況（警告），並且有更多提示給司機來指示他正確的操縱。
車道出發警告是支援控制項內的基本功能。 它警告司機是否太靠近車道標記，然後通過聲光和視覺警告或方向盤輕微振動來警告司機。
圖、LDW支持引導駕駛員回到車道中心
另一個不安全但典型是舒適功能的例子是停車輔助系統。 有三個功能可以進入支撐級別：停車位元測量，停車輔助資訊和停車指導資訊。
圖、停車位元測量
停車輔助資訊系統通過超聲波感測器監視車輛前方和/或後方的特定區域，並告知駕駛員車輛與障礙物的距離和/或聲音信號。
當停車位測量有效時，超聲波感測器會掃描路邊。 一旦系統識別到足夠長的適合停車位會立即通知駕駛員，駕駛員可以通過按下按鈕啟動停車輔助並啟動停車操作。
停車轉向資訊系統通過顯示器提供方向盤位置和必要的停止和切換點的清晰說明，從而引導駕駛員進入完美的停車位置。
圖、停車輔助系統運行原理
c 、干預
下一個級別的駕駛員輔助是對車輛控制的自動干預。 根據干預規模，有半自動駕駛和高度自動駕駛的類別。 在半自動駕駛期間，車輛的縱向運動處於自動控制之下，而在高度自動化駕駛期間，縱向和橫向控制都是車輛運動的一部分。
半自動干預
基本上半自動駕駛可以描述為支持駕駛再加上車輛運動的縱向運動控制。 目前市場上在這一部分提供了多種功能，如自我調整巡航控制（ACC），Stop＆Go擴展或緊急制動輔助。 該功能使用雷達感測器來監控前方的行駛情況來調整車速，並通過線控和線控智慧執行器保持前方車輛的安全間距。 如果沒有檢測到前車輛，但無論道路傾斜如何，速度控制都保持恒定的車速，但是當前方檢測到車輛時，距離控制變為有效，保持兩車之間與速度相關的安全距離。 下圖顯示了距離控制啟動的時刻。
圖、ACC商用車距離控制功能
高度自動化的干預
高度自動化駕駛代表了道路汽車自動化的最新技術，即將（2016-2020）將引入公共領域，如自動汽車導航，道路工程和擁堵自動化支援。
高自動化意味著車輛的縱向和橫向控制，不僅可以自動加速和制動車輛，而且可以改變車道和超車。這些功能最初將在高速公路上引入，因為它們是自動駕駛最合適的道路;道路路線只有平滑的變化（曲線或斜坡），它們易於識別的車道的突出標記。
圖、大眾即時汽車導航以130公里/小時的速度行駛
d、完全自動駕駛（無人駕駛）
百度無人駕駛
美國公司是汽車無人駕駛的先驅，美國政府也支持自主研究汽車，這是汽車技術的下一個進化步驟。在內華達州，佛羅里達州和加利福尼亞州，都授權了測試無人駕駛車輛，Google在2012年在內華達州獲得第一個自駕車牌照，
Google招收來自DARPA Challenge的優秀工程師，DARPA Challenge是美國無人駕駛汽車的競賽項目。 2004年開始，由美國國防部研究機構的國防高級研究計畫署資助。 2004年，2005年和2007年舉辦了三次關於自主駕駛的活動。
Google的自駕車使用攝像機，雷達感測器和LIDAR進行環境感測，以及詳細的導航地圖。該車由Google的資料中心提供支援，可以測試汽車對地形處理的反應並收集的資訊。
結語
主要的汽車製造商也正在走向自主的解決方案，他們正在努力實現無人駕駛，但是他們希望能夠分步驟來達成目標。他們正在與其OEM合作開發這樣的子系統，這些子系統可以提高汽車的自動化水準，並且可以作為新的駕駛員輔助系統在正在生產的汽車上銷售，正如戴姆勒的CTO所說的那樣“無人駕駛不會一夜之間實現，而是分階段實現”。
但是無人駕駛終會成為現實！
無人駕駛的商用路標
（完）