数字化转型时代下电动汽车自动驾驶技术发展研究
王景景田梦常凯迪
摘要：在数字化转型时代下，汽车行业正在向网联化和智能化方向发展，自动驾驶技术的研发成为目前电动汽车企业关注的热点问题之一。本文首先介绍了与自动驾驶相关的技术，然后选取部分电动汽车制造企业，对其自动驾驶的技术路线和能够实现的功能进行研究，最后根据发展现状对自动驾驶技术的发展趋势进行预判。
关键词：数字化转型网联化智能化自动驾驶
随着国家政策引导和汽车强国的需要，以5G、物联网、人工智能为代表的数字技术开始对传统制造业的产品定义、产品规划产生影响[1]。其中，汽车行业正由传统硬件制造向以新四化（汽车电动化、智能互联、汽车共享以及自动驾驶）为特征的未来移动出行转变[2]，尤其是汽车智能化和网联化的快速发展，推动汽车行业全价值链的数字化转型，誕生出“软件定义汽车”的全新产品理念，智能网联化的自动驾驶电动汽车成为未来汽车工业的发展方向[3]。
2自动驾驶相关技术研究
自动驾驶技术是指不需要人为操作即能感测其环境及导航，实现车辆自动驾驶[4]。与自动驾驶相关的技术主要有车辆定位、图像识别、信息共享和深度学习等。
2.1车辆定位
车辆定位是实现环境感知、路径规划与控制等后续功能的基础。汽车在驾驶过程中，通过激光导航、视觉导航等能识别到车辆所处的地理位置，并主动向驾驶系统发送道路信息，以帮助中央导航做出正确的驾驶选择[5]。目前汽车定位采用的传感器主要有激光雷达、毫米波雷达和摄像头等[6]。
2.2图像识别
借助于人工智能和大数据，自动驾驶车辆在行驶过程中会通过视觉传感器将车辆周边环境的图像数据进行持续的采集，然后反馈给自动驾驶系统，自动驾驶系统对接收到的图像进行多层次的信息加工，且随着类似图像数据的多次采集和处理，系统将逐渐熟悉图像特征，当有相似的图像出现后，系统将准确的识别出图像中的信息[7]。
2.3信息共享
由于人工智能的应用，不同汽车之间可以实现对实时路况和车辆位置信息的共享。在专用通道中，汽车能够将自身位置、车速等信息与其他汽车共享，使其他汽车的自动驾驶系统实时接收到信息并及时调整车辆的行驶状态，保证车辆行驶的安全性[8]。另外，车辆的自动驾驶系统还能监控共享信息的时效性，自动删除无效信息，从而保证自动驾驶汽车获得最新的共享信息。
2.4深度识别
深度识别不仅可以及时获取环境信息并进行精准分析处理，而且能够在计算机的帮助下获得更成熟的感知和分析能力。通过将人工智能技术和云服务相结合，汽车自动驾驶系统迅速获得实时数据，通过复杂的算法将结果直接发送到驾驶决策系统，实现真正的智能化驾驶[9]。另外，深度识别能够大幅度提升汽车自动化驾驶的水平和质量[10]，如通过监控和分析驾驶员的驾驶偏好，将信息反馈给中央控制系统，可以帮助车辆实现自动调节车内温度和座椅位置等功能。
3代表企业自动驾驶技术发展
3.1特斯拉
目前特斯拉自动驾驶技术采用的是全视觉路线，其利用8个摄像头的图像数据进行机器学习，取消了激光雷达，靠视觉感知路线、障碍物等，模拟人脑驾驶时的反馈逻辑；车辆图像数据采集完成后，卷积神经网络将对数据进行分层并行处理，且数据量越大，其处理效果越好，识别精度越高；然后神经网络系统根据算法进行学习，进而产生自主判断能力，自行发出行进或避让的指令开启自动驾驶，见图1。
特斯拉的FSD功能，包括自动辅助导航驾驶、自动辅助变道、自动泊车、智能召唤、自动识别信号灯及标识，同时还具有城市街道自动辅助驾驶功能，但目前该功能仅在美国部分地区搭载。
3.2智己
智己的自动驾驶技术以视觉方案为主，同时搭载高精摄像头、毫米波雷达、超声波传感器和高精定位单元、V2X车路协同等高性能感知硬件，具有成本低、可持续依托数据进行迭代的优点；感知系统完成图像数据采集后，将由Xavier计算平台进行图像数据的处理与计算，见图2。
智己自动驾驶系统主要可以实现车辆召唤、高速领航、城市领航和自动泊车等功能，另外，通过判定路况和辅助驾驶能力，可对驾驶员驾驶能力进行分级，给予驾驶员相应的反馈，提高驾驶员的信任程度。
3.3小鹏
小鹏的自动驾驶辅助技术是以视觉和雷达波的融合感知路线为主，感知系统包括高清摄像头、超声波传感器、激光雷达和毫米波雷达以及高精定位单元，能够实现对环境进行视觉和雷达的双重融合感知；采集完成的图像数据，将在NVIDIAXavier超级计算平台上进行计算，形成数据和算法的全闭环，见图3。
小鹏的自动驾驶辅助系统可实现ACC/LCC/NGP工况下，加塞车辆更早识别与应对，提高拥堵路况下的驾驶舒适性；另外可实现自动泊车辅助、停车场超级记忆泊车等智能泊车功能以及NGP高速自动导航辅助驾驶和NGP城市自动导航辅助驾驶功能，全面提升对行人、静态障碍物和小物体的检测能力，实现最高厘米级