2017中国人工智能系列白皮书--智能驾驶_127页-4mb

《中国人工智能系列白皮书-智能驾驶2017》总结

核心内容

本白皮书全面介绍了中国在智能驾驶领域的研究现状、技术体系、产业进展及政府政策，重点围绕环境感知、决策规划、控制工程和测试验证四大核心技术模块展开分析。白皮书还讨论了智能驾驶对社会、经济和交通行业的影响，并列举了国内外智能驾驶技术的发展历程与主要成果。

主要观点

1. 智能驾驶技术的定义与发展目标

• 智能驾驶技术包括环境感知、决策规划、车辆控制三大核心部分。
• 智能驾驶是汽车智能化的体现，旨在实现高效、安全、舒适、节能的驾驶体验。
• 智能驾驶系统通过传感器和人工智能技术，实现对环境的感知、判断、决策与控制。

2. 智能驾驶技术分级

• 美国NHTSA将智能驾驶分为5个等级，从无自主控制到高度自动驾驶。
• SAE将智能驾驶分为6个等级，包括人工驾驶、辅助驾驶、部分自动驾驶、有条件自动驾驶、高度自动驾驶和全自动驾驶。
• 《中国制造2025》将智能汽车分为DA（驾驶辅助）、PA（部分自动驾驶）、HA（高度自动驾驶）、FA（完全自主驾驶）四个等级。

3. 智能驾驶技术的国际发展现状

• 美国在智能驾驶技术研究和测试方面起步较早，DARPA无人驾驶挑战赛是推动智能驾驶技术发展的关键赛事。
• 欧洲重视智能驾驶与车路协同技术的结合，强调人车路一体化和道路安全。
• 日本更关注智能安全和车联网技术，但对完全自动驾驶研究较少。
• IT公司如谷歌、苹果也积极参与智能驾驶技术研发，推动了技术的商业化进程。

4. 智能驾驶技术的国内发展现状

• 国内智能驾驶研究起步较晚，但发展迅速，高校和车企纷纷投入研发。
• 防御性驾驶辅助系统（ADAS）已逐步从高端车型向中低端车型推广。
• 一汽、上汽、长安、北汽等车企均在智能驾驶领域取得阶段性成果，部分车型已具备自动驾驶能力。
• 百度、乐视等科技公司也通过人工智能技术推动智能驾驶的发展。

5. 智能驾驶比赛与测试

• 国内外举办了多场智能驾驶比赛，如DARPA挑战赛、中国智能车未来挑战赛、世界智能驾驶挑战赛等，推动了技术进步。
• 国内比赛内容逐步扩展，涵盖城市、乡村、高架道路等不同场景，强调安全性和智能化。
• 测试技术包括模拟仿真、试验测试示范区和实际道路测试，为智能驾驶技术发展提供了重要支持。

6. 智能驾驶的社会效益与影响

• 智能驾驶可有效减少交通事故，提高道路安全性和交通效率。
• 有助于节能减排，改善城市交通环境。
• 推动社会变革，如改变传统交通行业、减少对人工驾驶的依赖。
• 促进汽车产业链的变革，如自动驾驶汽车的出现将影响保险、维修等行业。

7. 政府政策与产业支持

• 国内外政府均积极制定智能驾驶相关法规和政策，如美国允许智能驾驶上路测试，日本启动自动驾驶立法。
• 中国在2015年发布《中国制造2025》，将智能网联汽车作为重点发展对象。
• 国内智能驾驶标准体系逐步建立，涵盖安全、通信、导航等方面。
• 多个企业和机构联合推动智能驾驶技术标准制定，如中电14所、清华大学等。

关键信息

技术发展

• 环境感知：包括视觉、雷达、听觉等多种传感器的融合应用，以提高感知精度与全面性。
• 决策规划：通过分层递阶、反应式、混合式等体系结构，实现安全、实时的路径规划与决策。
• 车辆控制：采用传统与智能控制方法，实现车辆的纵向和横向控制。
• 测试验证：通过模拟仿真、试验测试和实际道路测试，确保智能驾驶系统的安全性与可靠性。

传感器技术

• 相机视觉：用于识别交通标志、车道线等，但受天气和光照影响较大。
• 雷达传感：包括激光雷达、毫米波雷达和超声波雷达，具有高精度和抗干扰能力。
• 听觉传感：用于感知交通声音信息，如警笛、喇叭等，辅助车辆做出决策。

定位与导航

• 卫星导航系统：包括GPS、北斗等，用于车辆定位和路径规划。
• 惯性导航系统：通过陀螺仪和加速度计实现车辆姿态和位置的实时推算。
• V2X技术：实现车辆与道路、行人、其他车辆之间的信息交互，提升交通效率和安全性。

产业与政策

• 中国智能驾驶技术发展迅速，已形成从辅助驾驶到全自动驾驶的完整技术路线。
• 多家车企（如一汽、上汽、长安、北汽）已发布智能驾驶技术战略，推动产品化与商业化。
• 政府政策支持智能驾驶发展，包括立法、测试、标准制定等方面，促进产业规范化。

技术挑战与发展趋势

• 技术挑战：传感器存在感知盲区，定位与导航技术受限于环境干扰，V2X通信面临标准化与安全问题。
• 发展趋势：智能驾驶技术将逐步实现全自动驾驶，推动人机交互系统发展，提升交通智能化水平，促进社会变革与产业转型。

未来展望

• 智能驾驶技术将逐步从实验测试走向商业化应用，实现高度自动驾驶。
• 汽车厂商与科技公司合作日益紧密，推动智能驾驶技术的集成与优化。
• 政府政策与行业标准的完善将为智能驾驶的发展提供制度保障。
• 深度学习等新技术将加速智能驾驶技术的突破，提高感知、决策与控制的智能化水平。