智能網(wǎng)聯(lián)汽車概論 課件 單元5、6 智能網(wǎng)聯(lián)汽車規(guī)劃與決策控制、車載網(wǎng)絡(luò)系統(tǒng)

單元五

智能網(wǎng)聯(lián)汽車規(guī)劃與決策控制智能網(wǎng)聯(lián)汽車概論1知識(shí)目標(biāo)1.掌握路徑規(guī)劃的種類，掌握全局路徑規(guī)劃與局部路徑規(guī)劃的概念，了解全局路徑規(guī)劃和局部路徑規(guī)劃的主要算法。2.掌握行為決策的概念，掌握交通環(huán)境行為預(yù)測(cè)的基本內(nèi)容，了解行為決策的基本理論。3.了解智能網(wǎng)聯(lián)汽車運(yùn)動(dòng)控制的基本理論和汽車模型，掌握汽車運(yùn)動(dòng)控制方法。在PID控制中，P項(xiàng)、I項(xiàng)、D項(xiàng)各有特點(diǎn)，必須相互配合才能完成最優(yōu)控制。我們每個(gè)人也都有自己的優(yōu)缺點(diǎn)，在學(xué)習(xí)生活中需要學(xué)會(huì)與別人一起合作，優(yōu)勢(shì)互補(bǔ)，發(fā)揮團(tuán)隊(duì)的作用，才能取得更好的成績(jī)。學(xué)習(xí)目標(biāo)學(xué)習(xí)內(nèi)容

智能網(wǎng)聯(lián)汽車路徑規(guī)劃

智能網(wǎng)聯(lián)汽車行為決策

智能網(wǎng)聯(lián)汽車運(yùn)動(dòng)控制

決策規(guī)劃相當(dāng)于人的大腦，接收環(huán)境感知信息和車輛狀態(tài)信息，規(guī)劃全局路徑和行駛過程中的局部路徑，作出自動(dòng)駕駛行為和控制決策，輸出控制信息到車輛控制層，控制車輛按規(guī)劃路徑行駛，保證汽車行駛安全與高效。一

概述2024/4/264cqcet－cqh二智能網(wǎng)聯(lián)汽車路徑規(guī)劃智能車輛的路徑規(guī)劃是根據(jù)行為決策部分做出的駕駛目標(biāo)位置和實(shí)時(shí)感知的環(huán)境指示為智能車輛提供可以行駛的路徑區(qū)域信息和輔助駕駛引導(dǎo)過程。智能車輛路徑規(guī)劃技術(shù)按照對(duì)周圍環(huán)境掌握能力的不同進(jìn)行劃分，可分為兩類：第一類是智能車輛對(duì)周圍環(huán)境信息己經(jīng)驗(yàn)證的基礎(chǔ)上對(duì)路徑進(jìn)行規(guī)劃，所規(guī)劃的路徑為全局路徑；第二類是基于環(huán)境感知器信息，對(duì)智能車輛的路徑進(jìn)行規(guī)劃，規(guī)劃的路徑為局部路徑。2024/4/265cqcet－cqh二智能網(wǎng)聯(lián)汽車路徑規(guī)劃

（一）全局路徑規(guī)劃全局路徑規(guī)劃就是根據(jù)給定的環(huán)境模型（智能車輛地圖數(shù)據(jù)庫），在一定約束條件下，規(guī)劃出一條連接汽車當(dāng)前位置和目標(biāo)位置的無碰撞路徑。全局路徑規(guī)劃的目的是根據(jù)已知電子地圖的起點(diǎn)和終點(diǎn)信息，根據(jù)道路交通實(shí)際情況，采用路徑搜索算法生成一條最優(yōu)化的（時(shí)間最短、路程最短、費(fèi)用最低）全局期望路徑。這種規(guī)劃可以在出發(fā)前離線進(jìn)行，也可以在汽車行駛過程中根據(jù)路段的具體情況（如道路修整、交通擁堵、路途出現(xiàn)危險(xiǎn)情況等）動(dòng)態(tài)規(guī)劃。2024/4/266cqcet－cqh二智能網(wǎng)聯(lián)汽車路徑規(guī)劃

（一）全局路徑規(guī)劃全局路徑規(guī)劃算法介紹

常用的全局路徑規(guī)劃算法主要基于搜索和優(yōu)化，其中搜索算法包括Dijkstra算法、Floyd算法、A*家族和D*家族等，優(yōu)化算法包括遺傳算法、粒子群算法和蟻群算法等。1）迪杰斯特拉算法(Dijkstra)基本思想：引進(jìn)兩個(gè)集合S和U。初始時(shí)，S中只有起點(diǎn)s；U中是除s之外的頂點(diǎn)，并且U中頂點(diǎn)的路徑是"起點(diǎn)s到該頂點(diǎn)的路徑"。然后，從U中找出路徑最短的頂點(diǎn)，并將其加入到S中；接著，更新U中的頂點(diǎn)和頂點(diǎn)對(duì)應(yīng)的路徑。然后，再從U中找出路徑最短的頂點(diǎn)，并將其加入到S中；接著，更新U中的頂點(diǎn)和頂點(diǎn)對(duì)應(yīng)的路徑。重復(fù)該操作，直到遍歷完所有頂點(diǎn)。2024/4/267cqcet－cqh二智能網(wǎng)聯(lián)汽車路徑規(guī)劃

（一）全局路徑規(guī)劃全局路徑規(guī)劃算法介紹2）Floyd算法：從任意節(jié)點(diǎn)i到任意節(jié)點(diǎn)j的最短路徑不外乎2種可能，1是直接從i到j(luò)，2是從i經(jīng)過若干個(gè)節(jié)點(diǎn)k到j(luò)。所以，算法假設(shè)Dis(i,j)為節(jié)點(diǎn)u到節(jié)點(diǎn)v的最短路徑的距離，對(duì)于每一個(gè)節(jié)點(diǎn)k，算法檢查Dis(i,k)+Dis(k,j)<Dis(i,j)是否成立，如果成立，證明從i到k再到j(luò)的路徑比i直接到j(luò)的路徑短，便設(shè)置Dis(i,j)=Dis(i,k)+Dis(k,j)，這樣一來，當(dāng)遍歷完所有節(jié)點(diǎn)k，Dis(i,j)中記錄的便是i到j(luò)的最短路徑的距離。2024/4/268cqcet－cqh二智能網(wǎng)聯(lián)汽車路徑規(guī)劃

（一）全局路徑規(guī)劃全局路徑規(guī)劃算法介紹3）A*算法：在A*算法主循環(huán)的每次迭代中，需要確定對(duì)哪條路徑進(jìn)行擴(kuò)展，A*算法根據(jù)路徑的成本和評(píng)估點(diǎn)到目標(biāo)點(diǎn)的成本的估計(jì)來選擇，具體來說，A*算法選擇待評(píng)估集合中能使下式最小的點(diǎn)作為擴(kuò)展路徑的點(diǎn)：f(n)=g(n)+h(n)

其中f(n)為點(diǎn)n的估價(jià)函數(shù)，g(n)是路徑上從起始點(diǎn)到n點(diǎn)的實(shí)際路徑代價(jià)，h(n)是一個(gè)啟發(fā)式函數(shù)，它是n點(diǎn)到目標(biāo)點(diǎn)的估算代價(jià)。2024/4/269cqcet－cqh二智能網(wǎng)聯(lián)汽車路徑規(guī)劃

（一）全局路徑規(guī)劃全局路徑規(guī)劃算法介紹4）D*算法：同A*算法類似，D-star通過維護(hù)一個(gè)優(yōu)先隊(duì)列（OpenList）來對(duì)場(chǎng)景中的路徑節(jié)點(diǎn)進(jìn)行搜索，所不同的是，D*不是由起始點(diǎn)開始搜索，而是以目標(biāo)點(diǎn)為起始，通過將目標(biāo)點(diǎn)置于Openlist中來開始搜索，直到機(jī)器人當(dāng)前位置節(jié)點(diǎn)由隊(duì)列中出隊(duì)為止（當(dāng)然如果中間某節(jié)點(diǎn)狀態(tài)有動(dòng)態(tài)改變，需要重新尋路，所以才是一個(gè)動(dòng)態(tài)尋路算法）。2024/4/2610cqcet－cqh二智能網(wǎng)聯(lián)汽車路徑規(guī)劃

（一）全局路徑規(guī)劃全局路徑規(guī)劃算法介紹5）遺傳算法（GeneticAlgorithm）：遺傳算法是從代表問題可能潛在的解集的一個(gè)種群（population）開始的，而一個(gè)種群則由經(jīng)過基因（gene）編碼的一定數(shù)目的個(gè)體(individual)組成。初代種群產(chǎn)生之后，按照適者生存和優(yōu)勝劣汰的原理，逐代（generation）演化產(chǎn)生出越來越好的近似解，在每一代，根據(jù)問題域中個(gè)體的適應(yīng)度（fitness）大小選擇（selection）個(gè)體，并借助于自然遺傳學(xué)的遺傳算子（geneticoperators）進(jìn)行組合交叉（crossover）和變異（mutation），產(chǎn)生出代表新的解集的種群。這個(gè)過程將導(dǎo)致種群像自然進(jìn)化一樣的后生代種群比前代更加適應(yīng)于環(huán)境，末代種群中的最優(yōu)個(gè)體經(jīng)過解碼（decoding），可以作為問題近似最優(yōu)解。2024/4/2611cqcet－cqh二智能網(wǎng)聯(lián)汽車路徑規(guī)劃

（一）全局路徑規(guī)劃全局路徑規(guī)劃算法介紹6）粒子群優(yōu)化算法：粒子群算法通過設(shè)計(jì)一種無質(zhì)量的粒子來模擬鳥群中的鳥，粒子僅具有兩個(gè)屬性：速度和位置，速度代表移動(dòng)的快慢，位置代表移動(dòng)的方向。每個(gè)粒子在搜索空間中單獨(dú)的搜尋最優(yōu)解，并將其記為當(dāng)前個(gè)體極值，并將個(gè)體極值與整個(gè)粒子群里的其他粒子共享，找到最優(yōu)的那個(gè)個(gè)體極值作為整個(gè)粒子群的當(dāng)前全局最優(yōu)解，粒子群中的所有粒子根據(jù)自己找到的當(dāng)前個(gè)體極值和整個(gè)粒子群共享的當(dāng)前全局最優(yōu)解來調(diào)整自己的速度和位置。2024/4/2612cqcet－cqh二智能網(wǎng)聯(lián)汽車路徑規(guī)劃

（一）全局路徑規(guī)劃全局路徑規(guī)劃算法介紹7）蟻群算法：用螞蟻的行走路徑表示待優(yōu)化問題的可行解，整個(gè)螞蟻群體的所有路徑構(gòu)成待優(yōu)化問題的解空間。路徑較短的螞蟻釋放的信息素量較多，隨著時(shí)間的推進(jìn)，較短的路徑上累積的信息素濃度逐漸增高，選擇該路徑的螞蟻個(gè)數(shù)也愈來愈多。最終，整個(gè)螞蟻會(huì)在正反饋的作用下集中到最佳的路徑上，此時(shí)對(duì)應(yīng)的便是待優(yōu)化問題的最優(yōu)解。2024/4/2613cqcet－cqh二智能網(wǎng)聯(lián)汽車路徑規(guī)劃

（一）全局路徑規(guī)劃全局路徑規(guī)劃算法介紹8）快速擴(kuò)展隨機(jī)樹(Rapidly-exploringRandomTrees，RRT)算法：RRT是一種基于概率采樣的搜索方法，它采用一種特殊的增量方式進(jìn)行構(gòu)造，這種方式能迅速縮短一個(gè)隨機(jī)狀態(tài)點(diǎn)與樹的期望距離。該方法的特點(diǎn)是能夠快速有效的搜索高維空間，通過狀態(tài)空間的隨機(jī)采樣點(diǎn)，搜索導(dǎo)向空白區(qū)域，從而尋找到一條從起始點(diǎn)到目標(biāo)點(diǎn)的規(guī)劃路徑。它通過對(duì)狀態(tài)空間中的采樣點(diǎn)進(jìn)行碰撞檢測(cè)，避免了對(duì)空間的建模，有效的解決高維空間和復(fù)雜約束的路徑規(guī)劃問題。與其他的隨機(jī)路徑規(guī)劃方法相比，RRT算法更適用于非完整約束和多自由度的系統(tǒng)中。2024/4/2614cqcet－cqh二智能網(wǎng)聯(lián)汽車路徑規(guī)劃

（一）全局路徑規(guī)劃全局路徑規(guī)劃算法介紹9）圖搜索法：在給基本形狀的構(gòu)架自由空間進(jìn)行概念化處理時(shí)，把自由空間分類成諸多單元。當(dāng)中一部分單元把每一個(gè)障礙物都包括在了內(nèi)部，就被叫做障礙物單元；而其余沒有涵蓋到障礙物的單元稱其為自由單元；若存在單元只有部分涵蓋障礙物，就稱其為混合單元。上述單元公共聯(lián)結(jié)組成了一連通圖，之后通過對(duì)應(yīng)的檢索辦法找到對(duì)應(yīng)的方式進(jìn)行檢索。2024/4/2615cqcet－cqh二智能網(wǎng)聯(lián)汽車路徑規(guī)劃

（二）局部路徑規(guī)劃

局部路徑規(guī)劃也叫做運(yùn)動(dòng)規(guī)劃，其包含軌跡規(guī)劃和速度規(guī)劃。局部路徑規(guī)劃以汽車所在局部坐標(biāo)系為準(zhǔn)，將期望全局路徑根據(jù)汽車定位信息轉(zhuǎn)化到汽車坐標(biāo)中表示。局部路徑規(guī)劃的作用是基于一定的環(huán)境地圖，尋找一條滿足汽車運(yùn)動(dòng)學(xué)、動(dòng)力學(xué)約束和舒適性指標(biāo)的無碰撞路徑。規(guī)劃出的局部路徑必須具備對(duì)全局路徑的跟蹤能力與避障能力。

局部路徑規(guī)劃（運(yùn)動(dòng)規(guī)劃）包含三部分：

1）根據(jù)自動(dòng)駕駛汽車自身的位置、速度、與周圍車輛的距離、周圍車輛的速度及預(yù)測(cè)，建立包含障礙區(qū)域與自由區(qū)域的環(huán)境地圖，生成可行駛區(qū)域。

2）在建立的環(huán)境地圖中選擇合適的路徑搜索算法，快速實(shí)時(shí)地搜索出可行駛路徑。

3）進(jìn)行汽車軌跡和速度規(guī)劃。2024/4/2616cqcet－cqh二智能網(wǎng)聯(lián)汽車路徑規(guī)劃

（二）局部路徑規(guī)劃

局部路徑規(guī)劃的模糊邏輯與遺傳算法、人工勢(shì)場(chǎng)法(APF)、虛擬力場(chǎng)法(VFF)等動(dòng)態(tài)路徑規(guī)劃算法。1）模糊邏輯算法：模糊邏輯算法主要是根據(jù)人類駕駛經(jīng)驗(yàn)，設(shè)計(jì)出一個(gè)模糊控制規(guī)則庫。將傳感器獲得的信息作為輸入，經(jīng)過模糊推理后得出車輛所需要的輸出，一般輸出為速度和導(dǎo)航角。因?yàn)橹悄苘囕v的運(yùn)動(dòng)學(xué)模型具有非線性和強(qiáng)耦合性的特點(diǎn)，而模糊控制避障算法不依賴受控對(duì)象的精確運(yùn)動(dòng)模型，因此采用模糊控制避障算法也是研究中經(jīng)常采用的方法之一。但模糊規(guī)則往往是人們通過經(jīng)驗(yàn)預(yù)先制定的，所以存在無法學(xué)習(xí)和靈活性差的缺點(diǎn)，且模糊規(guī)則數(shù)量隨著輸入的增多呈指數(shù)倍增長(zhǎng)。2024/4/2617cqcet－cqh二智能網(wǎng)聯(lián)汽車路徑規(guī)劃

（二）局部路徑規(guī)劃2）人工勢(shì)場(chǎng)法：這一方法的基本理念是把大環(huán)境當(dāng)中車輛的運(yùn)作看成是虛擬人工受力場(chǎng)內(nèi)的一種運(yùn)動(dòng)，在實(shí)踐操作中，設(shè)想障礙物對(duì)車輛產(chǎn)生斥力，而目標(biāo)點(diǎn)對(duì)車輛產(chǎn)生引力，在這兩種力的相互作用下，實(shí)現(xiàn)對(duì)車輛的運(yùn)動(dòng)方向的控制。此類算法操作簡(jiǎn)單，在底層的及時(shí)控制工作中得到廣泛運(yùn)用。2024/4/2618cqcet－cqh二智能網(wǎng)聯(lián)汽車路徑規(guī)劃

（二）局部路徑規(guī)劃3）虛擬力場(chǎng)法：基本思想是構(gòu)造目標(biāo)方位的引力場(chǎng)和障礙物周圍的斥力場(chǎng)共同作用的虛擬人工力場(chǎng)，搜索勢(shì)函數(shù)的下降方向來尋找無碰撞路徑，使船舶沿虛擬排斥力和虛擬引力的合力方向運(yùn)動(dòng)。它是人工勢(shì)場(chǎng)法原理和柵格法原理結(jié)合得到的移動(dòng)機(jī)器人實(shí)時(shí)避障的虛擬力場(chǎng)法。2024/4/2619cqcet－cqh二智能網(wǎng)聯(lián)汽車路徑規(guī)劃

（二）局部路徑規(guī)劃5）動(dòng)態(tài)規(guī)劃算法：動(dòng)態(tài)規(guī)劃算法通常用于求解具有某種最優(yōu)性質(zhì)的問題。在這類問題中，可能會(huì)有許多可行解。每一個(gè)解都對(duì)應(yīng)于一個(gè)值，我們希望找到具有最優(yōu)值的解。動(dòng)態(tài)規(guī)劃算法與分治法類似，其基本思想也是將待求解問題分解成若干個(gè)子問題，先求解子問題，然后從這些子問題的解得到原問題的解。2024/4/2620cqcet－cqh二智能網(wǎng)聯(lián)汽車路徑規(guī)劃

（二）局部路徑規(guī)劃6）曲線插值：曲線插值的方法是按照車輛在某些特定條件（安全、快速、高效）下，進(jìn)行路線的曲線擬合，常見的有貝塞爾曲線、多項(xiàng)式曲線、B樣條曲線等。一般就多項(xiàng)式算法而言，主要考慮以下幾個(gè)幾何約束，從而確定曲線的參數(shù)。2024/4/2621cqcet－cqh二智能網(wǎng)聯(lián)汽車路徑規(guī)劃

（二）局部路徑規(guī)劃7）人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetworks，ANN）系統(tǒng)：它是由眾多的神經(jīng)元可調(diào)的連接權(quán)值連接而成，具有大規(guī)模并行處理、分布式信息存儲(chǔ)、良好的自組織自學(xué)習(xí)能力等特點(diǎn)。BP（BackPropagation）算法又稱為誤差反向傳播算法，是人工神經(jīng)網(wǎng)絡(luò)中的一種監(jiān)督式的學(xué)習(xí)算法。BP神經(jīng)網(wǎng)絡(luò)算法在理論上可以逼近任意函數(shù)，基本的結(jié)構(gòu)由非線性變化單元組成，具有很強(qiáng)的非線性映射能力。而且網(wǎng)絡(luò)的中間層數(shù)、各層的處理單元數(shù)及網(wǎng)絡(luò)的學(xué)習(xí)系數(shù)等參數(shù)可根據(jù)具體情況設(shè)定，靈活性很大，在優(yōu)化、信號(hào)處理與模式識(shí)別、智能控制、故障診斷等許多領(lǐng)域都有著廣泛的應(yīng)用前景。2024/4/2622cqcet－cqh三智能網(wǎng)聯(lián)汽車行為決策

（一）概述

汽車行為決策在自動(dòng)駕駛汽車規(guī)劃控制軟件中扮演作“大腦”的角色，匯聚了所有汽車感知到的重要周圍信息，不僅包含了自動(dòng)駕駛汽車本身當(dāng)前位置、速度、方向、以及到達(dá)目的地的導(dǎo)航信息和當(dāng)前所處車道，還包括自動(dòng)駕駛汽車一定距離范圍內(nèi)障礙物信息。行為決策需要解決的問題是在知曉這些信息的基礎(chǔ)上，決定自動(dòng)駕駛汽車的行駛策略，保障自動(dòng)駕駛汽車安全、快捷地到達(dá)目的地。2024/4/2623cqcet－cqh三智能網(wǎng)聯(lián)汽車行為決策

（二）交通環(huán)境行為預(yù)測(cè)（1）交通參與者行為預(yù)測(cè)1）汽車行為預(yù)測(cè)

汽車行駛軌跡是汽車駕駛員行為（意圖）和外部環(huán)境因素（如交通信息、道路狀況等）共同作用的結(jié)果。由此衍生出多種軌跡預(yù)測(cè)思路：基于物理模型的軌跡預(yù)測(cè)、基于行為模型的軌跡預(yù)測(cè)、基于神經(jīng)網(wǎng)絡(luò)的軌跡預(yù)測(cè)、基于交互的軌跡預(yù)測(cè)、基于仿生學(xué)的軌跡預(yù)測(cè)等2024/4/2624cqcet－cqh三智能網(wǎng)聯(lián)汽車行為決策

（二）交通環(huán)境行為預(yù)測(cè)（1）交通參與者行為預(yù)測(cè)1）汽車行為預(yù)測(cè)

基于物理模型的軌跡預(yù)測(cè)：將汽車表示為受物理定律支配的動(dòng)態(tài)實(shí)體，使用運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)模型來預(yù)測(cè)未來運(yùn)動(dòng)，將一些控制輸入（如轉(zhuǎn)向、加速等）、汽車屬性（重量）和外部條件（道路路面情況）與汽車狀態(tài)（位置、速度等）變化聯(lián)系起來。2024/4/2625cqcet－cqh三智能網(wǎng)聯(lián)汽車行為決策

（二）交通環(huán)境行為預(yù)測(cè)（1）交通參與者行為預(yù)測(cè)1）汽車行為預(yù)測(cè)

基于行為模型的軌跡預(yù)測(cè)：該模型解決了基于物理模型不考慮汽車行為的問題。這種模型中每輛車均被看作一個(gè)正在進(jìn)行某種交通行為（轉(zhuǎn)向、換道、加速等）的客觀運(yùn)動(dòng)目標(biāo)，基于行為先驗(yàn)信息可以幫助推測(cè)未來一段時(shí)間內(nèi)符合某種行為的運(yùn)動(dòng)特征，可以較為準(zhǔn)確地實(shí)現(xiàn)較長(zhǎng)時(shí)間的運(yùn)動(dòng)預(yù)測(cè)。基于行為模型軌跡預(yù)測(cè)有直接通過原型軌跡來進(jìn)行預(yù)測(cè)和先識(shí)別駕駛員意圖再進(jìn)行預(yù)測(cè)兩種方方式。2024/4/2626cqcet－cqh三智能網(wǎng)聯(lián)汽車行為決策

（二）交通環(huán)境行為預(yù)測(cè)（1）交通參與者行為預(yù)測(cè)1）汽車行為預(yù)測(cè)

基于神經(jīng)網(wǎng)絡(luò)的軌跡預(yù)測(cè)：將涵蓋道路結(jié)構(gòu)、交通規(guī)則、駕駛員意圖、汽車操控（如油門、制動(dòng)、換擋）等復(fù)雜因素的汽車運(yùn)動(dòng)軌跡數(shù)據(jù)進(jìn)行深度神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)，車輛軌跡預(yù)測(cè)會(huì)有更強(qiáng)的表達(dá)性，會(huì)得到更好的預(yù)測(cè)效果。進(jìn)行軌跡預(yù)測(cè)前要將采集到的數(shù)據(jù)進(jìn)行預(yù)處理，剔除異常噪聲軌跡點(diǎn)，提高預(yù)測(cè)精度。2024/4/2627cqcet－cqh三智能網(wǎng)聯(lián)汽車行為決策

（二）交通環(huán)境行為預(yù)測(cè)（1）交通參與者行為預(yù)測(cè)1）汽車行為預(yù)測(cè)

基于交互的軌跡預(yù)測(cè)：對(duì)周圍車輛進(jìn)行運(yùn)動(dòng)預(yù)測(cè)時(shí)，將自身與周圍其它車輛看作是相互影響的，考慮它們之間的行為依賴關(guān)系，它能提供更加準(zhǔn)確可靠的預(yù)測(cè)結(jié)果?？紤]交通參與者交互有兩種方法：一種方法是假設(shè)所有駕駛員都盡量避免碰撞，選擇風(fēng)險(xiǎn)小的駕駛行為，該方法在大多數(shù)正常駕駛場(chǎng)景可以取得很好的效果，但在一些真正危險(xiǎn)的場(chǎng)景可能會(huì)出錯(cuò)；另一種方法是利用貝葉斯網(wǎng)絡(luò)描述汽車交互影響，基于因素狀態(tài)計(jì)算汽車之間的因果依賴關(guān)系，建立局部場(chǎng)景函數(shù)，可以大大減少計(jì)算的復(fù)雜度。2024/4/2628cqcet－cqh三智能網(wǎng)聯(lián)汽車行為決策

（二）交通環(huán)境行為預(yù)測(cè)（1）交通參與者行為預(yù)測(cè)1）汽車行為預(yù)測(cè)

基于仿生學(xué)的軌跡預(yù)測(cè)：阿德萊徳大學(xué)的研究團(tuán)隊(duì)發(fā)現(xiàn)蜻蜓大腦細(xì)胞（神經(jīng)元）使得它們能夠有預(yù)謀地追逐和捕捉它們的飛行獵物。這些神經(jīng)元幫助它們識(shí)別和跟蹤復(fù)雜背景中運(yùn)動(dòng)的小物體。蜻蜓的神經(jīng)元可以從大腦接收大量視覺信息中選取單個(gè)目標(biāo)，并隨后預(yù)測(cè)其方向和未來位置。這一發(fā)在未來可能對(duì)自動(dòng)駕駛汽車基于視覺的目標(biāo)軌跡預(yù)測(cè)過程很有幫助。2024/4/2629cqcet－cqh三智能網(wǎng)聯(lián)汽車行為決策

（二）交通環(huán)境行為預(yù)測(cè)（1）交通參與者行為預(yù)測(cè)2）行人軌跡預(yù)測(cè)

行人軌跡預(yù)測(cè)是根據(jù)行人過去一段時(shí)間的軌跡，預(yù)測(cè)其未來軌跡。行人在決策過程中隨機(jī)性很大，完全相同的場(chǎng)景下，不同的人可能采取完全不同的決策，這使得行人行為預(yù)測(cè)難度很大，主要包括以下幾個(gè)方面：

如何使得預(yù)測(cè)的行人軌跡符合物理約束，又符合社會(huì)規(guī)范。

如何對(duì)不同行人之間的相互影響建模。

如何預(yù)測(cè)出多個(gè)合理軌跡。2024/4/2630cqcet－cqh三智能網(wǎng)聯(lián)汽車行為決策

（三）行為決策理論

行為決策理論是一個(gè)多學(xué)科交叉的研究領(lǐng)域。主要內(nèi)容是以決策者的決策行為作為出發(fā)點(diǎn)，研究決策者的認(rèn)知過程，揭示決策者的判斷和選擇的原理，而不是對(duì)決策對(duì)錯(cuò)的評(píng)價(jià)；從認(rèn)知原理學(xué)的角度，研究決策者做決策過程中的信息處理機(jī)制及其所受內(nèi)外環(huán)境影響。集行為決策理論是研究“人們實(shí)際是怎末決策的”以及“為什么會(huì)這么決策”的理論。

自動(dòng)駕駛汽車為了實(shí)現(xiàn)各種交通場(chǎng)景下正常行駛，行為決策系統(tǒng)必須具備以下特性：合理性；實(shí)時(shí)性：行為決策能夠根據(jù)外部環(huán)境變化快速駕駛策略響應(yīng)，避免危險(xiǎn)情況發(fā)生。2024/4/2631cqcet－cqh三智能網(wǎng)聯(lián)汽車行為決策

（三）行為決策理論（1）無人駕駛行為決策系統(tǒng)

行為決策系統(tǒng)首先分析道路結(jié)構(gòu)環(huán)境，明確所處駕駛場(chǎng)景；針對(duì)特定駕駛場(chǎng)景，基于基本交通規(guī)則或駕駛經(jīng)驗(yàn)組成駕駛先驗(yàn)知識(shí)；在多個(gè)可選行為中基于駕駛?cè)蝿?wù)需求等條件，選擇該場(chǎng)景下最優(yōu)駕駛行為，如圖5-2所示圖5-2行為決策系統(tǒng)原理框圖2024/4/2632cqcet－cqh三智能網(wǎng)聯(lián)汽車行為決策

（三）行為決策理論（2）基于規(guī)則的行為決策

1）綜合決策：代表了自動(dòng)駕駛汽車行為決策的最高整體決策。綜合決策是在場(chǎng)景劃分的基礎(chǔ)上產(chǎn)生每個(gè)場(chǎng)景下的個(gè)體決策，再綜合考慮歸納這些個(gè)體決策，得到最終的綜合決策。

2）個(gè)體決策：對(duì)所有重要的決策層面的輸入個(gè)體，都產(chǎn)生一個(gè)個(gè)體決策。個(gè)體可以是感知輸出的路上汽車或行人，也可以是結(jié)合了高精度地圖的抽象個(gè)體如紅綠燈或人行橫道線對(duì)應(yīng)的停車線等）。

3）場(chǎng)景：可以理解為一系列具有相對(duì)獨(dú)立意義的自動(dòng)駕駛汽車周圍環(huán)境的劃分。在每個(gè)場(chǎng)景實(shí)體中，基于交通規(guī)則，并結(jié)合主車意圖，計(jì)算出對(duì)每個(gè)信息元素的個(gè)體決策，再經(jīng)過一系列準(zhǔn)則和必要的運(yùn)算，把這些個(gè)體決策最終綜合輸出給局部路徑規(guī)劃模塊。2024/4/2633cqcet－cqh三智能網(wǎng)聯(lián)汽車行為決策

（三）行為決策理論（3）馬爾可夫決策過程

馬爾可夫決策過程是基于馬爾可夫過程理論的隨機(jī)動(dòng)態(tài)系統(tǒng)的最優(yōu)決策過程。馬爾可夫決策過程是序貫決策的主要研究領(lǐng)域。它是馬爾可夫過程與確定性的動(dòng)態(tài)規(guī)劃相結(jié)合的產(chǎn)物，故又稱馬爾可夫型隨機(jī)動(dòng)態(tài)規(guī)劃，屬于運(yùn)籌學(xué)中數(shù)學(xué)規(guī)劃的一個(gè)分支。2024/4/2634cqcet－cqh三智能網(wǎng)聯(lián)汽車行為決策

（三）行為決策理論（3）馬爾可夫決策過程自動(dòng)駕駛中一個(gè)馬爾可夫決策過程，由下面五元組定義：（S,A,T,R,γ）。1）S代表自動(dòng)駕駛汽車所處的有限狀態(tài)空間。狀態(tài)空間的劃分可以結(jié)合自動(dòng)駕駛汽車當(dāng)前位置及其在地圖上的場(chǎng)景設(shè)計(jì)。2）A代表自動(dòng)駕駛汽車行為決策空間，即自動(dòng)駕駛汽車在任何狀態(tài)下的所有行為空間集合。3）T代表狀態(tài)轉(zhuǎn)移函數(shù)，T(s，s’）＝P(S’|s，a）是一個(gè)條件概率，代表了自動(dòng)駕駛汽車在狀態(tài)S和動(dòng)作a下，到達(dá)下一個(gè)狀態(tài)S’的概率。4）R激勵(lì)函數(shù)，Ra（s，s’)代表了自動(dòng)駕駛汽車在動(dòng)作a下，從狀態(tài)S到狀態(tài)S’所得到的激勵(lì)。5）γ∈(0,1)是激勵(lì)衰減因子，下一個(gè)時(shí)刻的激勵(lì)按照這個(gè)因子進(jìn)行衰減；在任何一個(gè)時(shí)刻，當(dāng)前的激勵(lì)系數(shù)為1，下一個(gè)時(shí)刻的激勵(lì)字?jǐn)?shù)為γ’，依此類推。2024/4/2635cqcet－cqh四、智能網(wǎng)聯(lián)汽車控制智能車輛運(yùn)動(dòng)控制系統(tǒng)負(fù)責(zé)按照路徑規(guī)劃任務(wù)實(shí)現(xiàn)車輛準(zhǔn)確、迅速的跟蹤期望路徑，按照期望路徑進(jìn)行平穩(wěn)行駛。

運(yùn)動(dòng)控制技術(shù)主要功能是首先實(shí)現(xiàn)智能車輛對(duì)期望路徑和期望速度的跟蹤，本質(zhì)是對(duì)智能車輛本身運(yùn)動(dòng)狀態(tài)的控制；其次是通過對(duì)車輛動(dòng)力學(xué)控制保證智能車輛的行駛穩(wěn)定性。智能車輛運(yùn)動(dòng)控制技術(shù)通常分為橫向控制和縱向控制兩部分。其中，橫向控制即車輛路徑跟隨控制，主要體現(xiàn)了對(duì)車輛的側(cè)向動(dòng)力學(xué)控制；縱向控制即車輛速度跟隨控制，主要體現(xiàn)對(duì)車輛的縱向動(dòng)力學(xué)控制。2024/4/2636cqcet－cqh四、智能網(wǎng)聯(lián)汽車控制

（一）汽車運(yùn)動(dòng)控制理論（1）PID控制PID控制包括以下三個(gè)過程：1）比例控制：是PID控制中最簡(jiǎn)單的控制方式，比例控制的輸出與輸入的誤差值成比例關(guān)系。2）積分控制：輸出與輸入誤差值的積分成比例關(guān)系。3）微分控制：輸出與輸入誤差值的微分（即誤差變化率）成正比關(guān)系。。PID控制原理如圖5-3所示。圖5-3PID控制原理框圖2024/4/2637cqcet－cqh四、智能網(wǎng)聯(lián)汽車控制

（一）汽車運(yùn)動(dòng)控制理論（2）現(xiàn)代控制理論1）線性二次型最優(yōu)控制

線性二次型最優(yōu)控制也稱為線性二次型調(diào)節(jié)器（linearquadraticregulation，LQR)，是應(yīng)用線性二次型最優(yōu)控制原理設(shè)計(jì)的控制器。當(dāng)系統(tǒng)狀態(tài)因某種原因偏離平衡點(diǎn)，在不消耗多余能量的情況下，使系統(tǒng)性能指標(biāo)仍然保持在平衡點(diǎn)附近?？刂茖?duì)象具有線性或可線性化，性能指標(biāo)是狀態(tài)變量和控制變量的二次型函數(shù)的積分。典型的LQR控制器原理如圖5-4所示。圖5-4典型LQR控制原理圖2024/4/2638cqcet－cqh四、智能網(wǎng)聯(lián)汽車控制

（一）汽車運(yùn)動(dòng)控制理論（2）現(xiàn)代控制理論2）模糊控制模糊控制器也稱為模糊邏輯控制器，模糊控制器中使用的模糊規(guī)則是由模糊集合中的模糊條件語句來構(gòu)成的。模糊控制器屬于語言型控制器。模糊控制器的性能取決于模糊控制器的結(jié)構(gòu)、模糊規(guī)則、合成推理算法和模糊決策方案等因素。模糊控制器原理如圖5-5所示。圖5-5模糊控制原理2024/4/2639cqcet－cqh四、智能網(wǎng)聯(lián)汽車控制

（一）汽車運(yùn)動(dòng)控制理論（2）現(xiàn)代控制理論3)自適應(yīng)控制自適應(yīng)控制系統(tǒng)需要不斷地測(cè)量系統(tǒng)本身的狀態(tài)、性能、參數(shù)，并對(duì)系統(tǒng)當(dāng)前數(shù)據(jù)和期望數(shù)據(jù)進(jìn)行比較，再作出改變控制器結(jié)構(gòu)、參數(shù)或者控制方法等決策。系統(tǒng)不斷測(cè)量輸入和擾動(dòng)，與參考輸入對(duì)比，根據(jù)需要不斷自動(dòng)調(diào)節(jié)自適應(yīng)機(jī)構(gòu)，既要保證系統(tǒng)輸出滿足要求，又要保證系統(tǒng)的穩(wěn)定性。自適應(yīng)控制原理如圖5-6所示。圖5-6自適應(yīng)控制原理2024/4/2640cqcet－cqh四、智能網(wǎng)聯(lián)汽車控制

（一）汽車運(yùn)動(dòng)控制理論（2）現(xiàn)代控制理論4)模型預(yù)測(cè)控制模型預(yù)測(cè)控制實(shí)際上是一種與時(shí)間相關(guān)的、利用當(dāng)前狀態(tài)和當(dāng)前控制量，實(shí)現(xiàn)對(duì)未來狀態(tài)的控制。系統(tǒng)未來的狀態(tài)是不確定的，在控制過程中要不斷地根據(jù)系統(tǒng)狀態(tài)對(duì)未來的控制量做調(diào)整。模型預(yù)測(cè)控制是一種致力于將長(zhǎng)時(shí)間跨度甚至無窮時(shí)間的最優(yōu)化問題，分解為若干短時(shí)間跨度或者有限時(shí)間跨度的最優(yōu)控制問題，并在一定程度上追求最優(yōu)解。模型預(yù)測(cè)控制原理如圖5-7所示。圖5-7模型預(yù)測(cè)控制原理2024/4/2641cqcet－cqh四、智能網(wǎng)聯(lián)汽車控制

（一）汽車運(yùn)動(dòng)控制理論（2）現(xiàn)代控制理論5)神經(jīng)網(wǎng)絡(luò)控制應(yīng)用神經(jīng)網(wǎng)絡(luò)技術(shù)，對(duì)控制系統(tǒng)中難以精確建模的復(fù)雜非線性對(duì)象進(jìn)行神經(jīng)網(wǎng)絡(luò)模型辨識(shí)，可作為控制器、可以對(duì)參數(shù)進(jìn)行優(yōu)化設(shè)計(jì)、可進(jìn)行推理、可進(jìn)行故障診斷，或同時(shí)兼具上述多種功能。神經(jīng)網(wǎng)絡(luò)控制器首先利用控制樣本進(jìn)行離線訓(xùn)練，然后以系統(tǒng)誤差的均方差為評(píng)價(jià)函數(shù)進(jìn)行在線學(xué)習(xí)。神經(jīng)網(wǎng)絡(luò)原理如圖5-8所示。圖5-8神經(jīng)網(wǎng)絡(luò)原理2024/4/2642cqcet－cqh四、智能網(wǎng)聯(lián)汽車控制

（一）汽車運(yùn)動(dòng)控制理論（2）現(xiàn)代控制理論6)滑?？刂?/p>

滑模變結(jié)構(gòu)是變結(jié)構(gòu)控制中的一種控制策略，是一種解決非線性系統(tǒng)問題的綜合方法。它具有對(duì)對(duì)象的數(shù)學(xué)模型精度要求低，能自適應(yīng)內(nèi)部的攝動(dòng)、外界環(huán)境的擾動(dòng)自己系統(tǒng)參數(shù)的變化，控制算法簡(jiǎn)單、易于工程實(shí)現(xiàn)的優(yōu)點(diǎn)。在一定的特性下，滑模變結(jié)構(gòu)可以迫使系統(tǒng)沿著規(guī)定的狀態(tài)軌跡作小幅度、高頻率的上下運(yùn)動(dòng)。2024/4/2643cqcet－cqh四、智能網(wǎng)聯(lián)汽車控制

（一）汽車運(yùn)動(dòng)控制理論（2）現(xiàn)代控制理論7）魯棒控制

魯棒性（robustness）就是系統(tǒng)的健壯性。它是在異常和危險(xiǎn)情況下系統(tǒng)生存的關(guān)鍵。比如說，計(jì)算機(jī)軟件在輸入錯(cuò)誤、磁盤故障、網(wǎng)絡(luò)過載或有意攻擊情況下，能否不死機(jī)、不崩潰，就是該軟件的魯棒性。所謂“魯棒性”，是指控制系統(tǒng)在一定（結(jié)構(gòu)，大?。┑膮?shù)攝動(dòng)下，維持某些性能的特性。根據(jù)對(duì)性能的不同定義，可分為穩(wěn)定魯棒性和性能魯棒性。以閉環(huán)系統(tǒng)的魯棒性作為目標(biāo)設(shè)計(jì)得到的固定控制器稱為魯棒控制器。2024/4/2644cqcet－cqh四、智能網(wǎng)聯(lián)汽車控制

（二）汽車模型

自動(dòng)駕駛汽車多數(shù)情況下都市按照規(guī)劃軌跡行駛，控制模塊的作用就是控制汽車盡可能按照固化軌跡行駛，這就要求規(guī)劃軌跡盡可能接近實(shí)際情況。也就是說軌跡規(guī)劃過程盡可能考慮汽車運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)約束，使得控制性能更好。

具體的汽車運(yùn)動(dòng)學(xué)模型和動(dòng)力學(xué)模型如何建立，有興趣的同學(xué)可以學(xué)習(xí)汽車設(shè)計(jì)或者汽車?yán)碚撓嚓P(guān)課程。2024/4/2645cqcet－cqh四、智能網(wǎng)聯(lián)汽車控制

（三）汽車運(yùn)動(dòng)控制

運(yùn)動(dòng)控制是自動(dòng)駕駛汽車研究的核心問題之一，根據(jù)當(dāng)前周圍環(huán)境和車體位置、姿態(tài)、速度等信息，按照一定邏輯作出決策，分別控制油門、制動(dòng)及轉(zhuǎn)向等執(zhí)行系統(tǒng)。

運(yùn)動(dòng)控制主要包括橫向控制、縱向控制和縱橫向協(xié)同控制。

橫向控制主要研究自動(dòng)駕駛汽車路徑跟蹤能力，即控制汽車沿規(guī)劃路徑行駛，同時(shí)保證汽車的行駛安全性、平穩(wěn)性、乘坐舒適性；

縱向控制主要研究汽車的速度跟蹤能力，控制汽車按預(yù)訂速度巡航或與前方動(dòng)態(tài)目標(biāo)保持跟車距離；某些復(fù)雜場(chǎng)景單獨(dú)的橫向控制或縱向控制應(yīng)經(jīng)很難滿足自動(dòng)駕駛要求，這時(shí)就需要采用橫縱向協(xié)同控制。2024/4/2646cqcet－cqh四、智能網(wǎng)聯(lián)汽車控制

（三）汽車運(yùn)動(dòng)控制(1)橫向控制建立自動(dòng)駕駛汽車橫向控制系統(tǒng)，首先建立道路－汽車動(dòng)力學(xué)控制模型，根據(jù)最優(yōu)預(yù)瞄駕駛員原理與模型、設(shè)計(jì)側(cè)向角速度最優(yōu)跟蹤PD控制器，得到汽車橫向控制系統(tǒng)；以汽車縱向速度和道路曲率為控制器輸入，預(yù)瞄距離為控制器輸出，構(gòu)建預(yù)瞄距離自動(dòng)選擇的最優(yōu)控制器，實(shí)現(xiàn)汽車橫向運(yùn)動(dòng)的自適應(yīng)預(yù)瞄控制。如圖5-9所示。圖5-9汽車橫向運(yùn)動(dòng)控制原理框圖2024/4/2647cqcet－cqh四、智能網(wǎng)聯(lián)汽車控制

（三）汽車運(yùn)動(dòng)控制(2)縱向控制

自動(dòng)駕駛汽車縱向控制的控制原理是基于油門踏板與制動(dòng)踏板的控制與協(xié)調(diào)，控制汽車加速、減速，實(shí)現(xiàn)自動(dòng)駕駛汽車縱向期望速度的跟蹤控制。汽車縱向控制系統(tǒng)分兩種模式:直接式和分層式。1）直接式運(yùn)動(dòng)控制通過縱向控制器直接控制期望制動(dòng)壓力和節(jié)氣門開度，實(shí)現(xiàn)跟隨速度和減速度直接控制，具有快速響應(yīng)的特點(diǎn)。其結(jié)構(gòu)如圖5-10所示。圖5-10直接式運(yùn)動(dòng)控制原理框圖2024/4/2648cqcet－cqh四、智能網(wǎng)聯(lián)汽車控制

（三）汽車運(yùn)動(dòng)控制(2)縱向控制2）分層式運(yùn)動(dòng)控制

上位控制器控制策略設(shè)計(jì)的目的是產(chǎn)生期望車速或期望加速度；下位控制器接受上位控制器產(chǎn)生的期望狀態(tài)值，并按照其控制算法產(chǎn)生期望制動(dòng)力與期望油門開度值，實(shí)現(xiàn)汽車縱向車間距或速度跟蹤控制。其結(jié)構(gòu)如圖5-11所示。圖5-11分層式運(yùn)動(dòng)控制原理框圖2024/4/2649cqcet－cqh四、智能網(wǎng)聯(lián)汽車控制

（三）汽車運(yùn)動(dòng)控制(3)橫縱向協(xié)同控制為實(shí)現(xiàn)橫、縱向控制器的實(shí)際效果，必須將橫向控制與縱向控制協(xié)同并優(yōu)化控制參數(shù)，構(gòu)建自動(dòng)駕駛汽車綜合控制系統(tǒng)。橫縱向協(xié)同控制包括決策層、控制層與模型層，如圖5-12所示。圖5-12橫縱向協(xié)同控制原理框圖1）決策層：根據(jù)視覺感知系統(tǒng)感知的汽車外界環(huán)境信息和汽車行駛狀態(tài)信息，對(duì)汽車行駛路徑進(jìn)行規(guī)劃，形成期望運(yùn)動(dòng)軌跡，根據(jù)期望運(yùn)動(dòng)軌跡選擇期望速度。2）控制層：根據(jù)決策層得到的期望路徑與期望速度輸入，經(jīng)控制系統(tǒng)分析、運(yùn)算，得到理論前輪轉(zhuǎn)角輸出、油門控制輸出和制動(dòng)器控制輸出信號(hào)，確保自動(dòng)駕駛汽車跟蹤期望速度沿期望軌跡行駛。3）模型層：運(yùn)用數(shù)學(xué)知識(shí)建立整車橫縱向控制數(shù)學(xué)模型。2024/4/2650cqcet－cqh2024/4/2651cqcet－cqh第六章車載網(wǎng)絡(luò)系統(tǒng)智能網(wǎng)聯(lián)汽車概論1.熟知車載網(wǎng)絡(luò)系統(tǒng)的類型與特點(diǎn)。2.掌握車載網(wǎng)絡(luò)系統(tǒng)的分類、特點(diǎn)、應(yīng)用。3.掌握汽車的車載網(wǎng)絡(luò)系統(tǒng)從LIN、CAN總線到Flexray、以太網(wǎng)區(qū)別與聯(lián)系學(xué)習(xí)目標(biāo)學(xué)習(xí)內(nèi)容

汽車網(wǎng)絡(luò)系統(tǒng)概述

車載網(wǎng)絡(luò)的類型一、汽車網(wǎng)絡(luò)系統(tǒng)概述汽車網(wǎng)絡(luò)系統(tǒng)主要由車載網(wǎng)絡(luò)、車載自組織網(wǎng)絡(luò)以及車載移動(dòng)互聯(lián)網(wǎng)絡(luò)組成，如圖6-1所示。其中以車內(nèi)總線通信為基礎(chǔ)的是車載網(wǎng)絡(luò)；以短距離無線通信為基礎(chǔ)的是車載自組織網(wǎng)絡(luò)；以遠(yuǎn)距離無線通信為基礎(chǔ)的是車載移動(dòng)互聯(lián)網(wǎng)絡(luò)。圖6-1汽車網(wǎng)絡(luò)系統(tǒng)的組成

（一）汽車網(wǎng)絡(luò)系統(tǒng)類型（1）以車內(nèi)總線通信為基礎(chǔ)的車載網(wǎng)絡(luò)系統(tǒng)見圖6-2所示。

圖6-2車載網(wǎng)絡(luò)系統(tǒng)圖6-2車載網(wǎng)絡(luò)系統(tǒng)1）A類低速網(wǎng)絡(luò)。傳輸速率一般小于（千比特每秒)，主流協(xié)議是LIN（局域互聯(lián)網(wǎng)絡(luò)），主要用于電動(dòng)門窗、電動(dòng)座椅、照明系統(tǒng)等。2）B類中速網(wǎng)絡(luò)。傳輸速率在之間，對(duì)實(shí)時(shí)性要求不太高，主要面向獨(dú)立模塊之間數(shù)據(jù)共享的中速網(wǎng)絡(luò)；主流協(xié)議是低速CAN（控制器局域網(wǎng)絡(luò)），主要用于故障診斷、空調(diào)、儀表顯示。3）C類高速網(wǎng)絡(luò)。傳輸速率在之間，對(duì)實(shí)時(shí)性要求高，主要面向高速、實(shí)時(shí)閉環(huán)控制的多路傳輸網(wǎng)；主流協(xié)議是高速CAN、FlexRay（服樂克思睿）等，主要用于發(fā)動(dòng)機(jī)控制、ABS、ASR、ESP、懸架控制等。4）D類多媒體網(wǎng)絡(luò)。傳輸速率在之間，網(wǎng)絡(luò)協(xié)議主要有MOST、以太網(wǎng)、藍(lán)牙、ZigBee技術(shù)等，主要用于要求傳輸效率較高的多媒體系統(tǒng)、導(dǎo)航系統(tǒng)等。5）E類安全網(wǎng)絡(luò)。傳輸速率為，主要面向汽車安全系統(tǒng)的網(wǎng)絡(luò)。

（2）車載自組織網(wǎng)絡(luò)是基于短距離無線通信技術(shù)自主構(gòu)建的V2V、V2I、V2P之間的無線通信網(wǎng)絡(luò)，實(shí)現(xiàn)V2V、V2I、V2P之間的信息傳輸，使車輛具有行駛環(huán)境感知、危險(xiǎn)辨識(shí)、智能控制等功能，并能夠?qū)崿F(xiàn)V2V、V2I之間的協(xié)同控制，見圖6-3所示。圖6-3車載自組織網(wǎng)絡(luò)

（3）車載移動(dòng)互聯(lián)網(wǎng)是基于遠(yuǎn)距離通信技術(shù)構(gòu)建的車輛與互聯(lián)網(wǎng)之間連接的網(wǎng)絡(luò)，實(shí)現(xiàn)車輛信息與各種服務(wù)信息在車載移動(dòng)互聯(lián)網(wǎng)上的傳輸，使智能網(wǎng)聯(lián)汽車用戶能夠開展商務(wù)辦公、信息娛樂服務(wù)等，見圖6-4所示。圖6-4車載移動(dòng)互聯(lián)網(wǎng)

（二）汽車網(wǎng)絡(luò)的特點(diǎn)（1）復(fù)雜化。智能網(wǎng)聯(lián)汽車電控系統(tǒng)的網(wǎng)絡(luò)體系結(jié)構(gòu)復(fù)雜，它包含多達(dá)數(shù)百個(gè)ECU通信節(jié)點(diǎn)，ECU被劃分到十幾個(gè)不同的網(wǎng)絡(luò)子系統(tǒng)之中，由ECU產(chǎn)生的需要進(jìn)行通信的信號(hào)個(gè)數(shù)多達(dá)數(shù)千個(gè)。（2）異構(gòu)化。為滿足各個(gè)功能子系統(tǒng)對(duì)網(wǎng)絡(luò)帶寬、實(shí)時(shí)性、可靠性和安全性的不同需求，CAN、LIN、FlexRay、MOST、以太網(wǎng)、自組織網(wǎng)絡(luò)、移動(dòng)互聯(lián)網(wǎng)等多種網(wǎng)絡(luò)技術(shù)都將在智能網(wǎng)聯(lián)汽車上得到應(yīng)用，因此，不同網(wǎng)絡(luò)子系統(tǒng)中所采用的網(wǎng)絡(luò)技術(shù)之間存在很大程度的異構(gòu)性。（3）網(wǎng)關(guān)互連的層次化架構(gòu)。智能網(wǎng)聯(lián)汽車電控系統(tǒng)和先進(jìn)駕駛輔助系統(tǒng)的網(wǎng)絡(luò)體系結(jié)構(gòu)具有層次化特點(diǎn)，它同時(shí)包括同一網(wǎng)絡(luò)子系統(tǒng)內(nèi)不同ECU之間的通信和兩個(gè)或多個(gè)網(wǎng)絡(luò)子系統(tǒng)所包含的ECU之間的跨網(wǎng)關(guān)通信等多種情況。如防碰撞系統(tǒng)功能的實(shí)現(xiàn)依賴于安全子系統(tǒng)、底盤控制子系統(tǒng)、車身子系統(tǒng)以及V2V、V2I、V2P之間的交互和協(xié)同控制。（4）通信節(jié)點(diǎn)組成和拓?fù)浣Y(jié)構(gòu)是變化的。智能網(wǎng)聯(lián)汽車需要實(shí)現(xiàn)V2V、V2I、V2P之間的通信，它的網(wǎng)絡(luò)體系結(jié)構(gòu)中包含的通信節(jié)點(diǎn)和體系結(jié)構(gòu)的拓?fù)浣Y(jié)構(gòu)是變化的。

二、

車載網(wǎng)絡(luò)車載網(wǎng)絡(luò)系統(tǒng)主要由CAN、LIN、FlexRay、MOST、以太網(wǎng)等組成，見圖6-5所示。圖6-5車載網(wǎng)絡(luò)系統(tǒng)的組成

（一）CAN總線網(wǎng)絡(luò)（1）CAN總線定義CAN是控制器局域網(wǎng)絡(luò)（ControllerAreaNetwork）的簡(jiǎn)稱，是德國博世公司在1985年時(shí)為了解決汽車上眾多測(cè)試儀器與控制單元之間的數(shù)據(jù)傳輸，而開發(fā)的一種支持分布式控制的串行數(shù)據(jù)通信總線，見圖6-6所示。目前，CAN總線已經(jīng)是國際上應(yīng)用最廣泛的網(wǎng)絡(luò)總線之一，它的數(shù)據(jù)信息傳輸速率最大為1Mbit/s，屬于中速網(wǎng)絡(luò)，通信距離（無須中繼）最遠(yuǎn)可達(dá)10km。圖6-6車載CAN總線

（2）CAN總線特點(diǎn)CAN總線采用雙絞線作為傳輸介質(zhì)，媒體訪問方式為位仲裁，是一種多主總線，見圖6-7所示。圖6-7車載CAN總線的結(jié)構(gòu)

CAN總線具有如下特點(diǎn)：1）多主控制：在總線空閑時(shí)，所有單元都可開始發(fā)送消息；最先訪問總線的單元可獲得發(fā)送權(quán)；多個(gè)單元同時(shí)開始發(fā)送時(shí)，發(fā)送高優(yōu)先級(jí)ID(標(biāo)識(shí)符)消息的單元可獲得發(fā)送權(quán)。2）消息的發(fā)送：在CAN協(xié)議中，所有的消息都以固定的格式發(fā)送；總線空閑時(shí)，所有與總線相連的單元都可以開始發(fā)送新消息；兩個(gè)以上的單元同時(shí)開始發(fā)送消息時(shí)，對(duì)各消息ID的每個(gè)位進(jìn)行逐個(gè)仲裁比較；仲裁獲勝（被判定為優(yōu)先級(jí)最高）的單元可繼續(xù)發(fā)送消息，仲裁失利的單元?jiǎng)t立刻停止發(fā)送而進(jìn)行接收工作。3）系統(tǒng)的柔軟性：與總線相連的單元沒有類似于“地址”的信息；因此在總線上增加單元時(shí)，連接在總線上的其他單元的軟硬件及應(yīng)用層都不需要改變。4）高速度和遠(yuǎn)距離：當(dāng)通信距離小于40m時(shí)，CAN總線的傳輸速率可以達(dá)到1Mbit/s；通信速度與其通信距離成反比，當(dāng)其通信距離達(dá)到10km時(shí)，其傳輸速率仍可以達(dá)到約5kbit/s。5）遠(yuǎn)程數(shù)據(jù)請(qǐng)求：可通過發(fā)送“遙控幀”請(qǐng)求其他單元發(fā)送數(shù)據(jù)。6）錯(cuò)誤檢測(cè)功能、錯(cuò)誤通知功能、錯(cuò)誤恢復(fù)功能。7）故障封閉：CAN總線可以判斷出錯(cuò)誤的類型是總線上暫時(shí)的數(shù)據(jù)錯(cuò)誤（如外部噪聲等）還是持續(xù)的數(shù)據(jù)錯(cuò)誤（如單元內(nèi)部故障、驅(qū)動(dòng)器故障、斷線等）；當(dāng)總線上發(fā)生持續(xù)的數(shù)據(jù)錯(cuò)誤時(shí)，可將引起此故障的單元從總線上隔離出去。8）連接：CAN總線可以同時(shí)連接多個(gè)單元，可連接的單元總數(shù)理論上是沒有限制的；但實(shí)際上可連接的單元數(shù)受總線上的時(shí)間延遲及電氣負(fù)載的限制；降低傳輸速率，可連接的單元數(shù)增加；提高傳輸速率，則可連接的單元數(shù)減少。

（3）CAN總線應(yīng)用

根據(jù)CAN總線的傳輸速度不同，應(yīng)用范圍就不同，可分為高速CAN和低速CAN。高速CAN是動(dòng)力型，速度為500kbps，控制ECU、ABS等；低速CAN是舒適型，速度為125Kbps，主要控制儀表、防盜等，見圖6-8所示。圖6-8CAN總線的應(yīng)用

（二）LIN總線網(wǎng)絡(luò)（1）LIN總線定義LIN是局部連接網(wǎng)絡(luò)（LocalInterconnectNetwork）的簡(jiǎn)稱，也被稱為局域網(wǎng)子系統(tǒng)，是專門為汽車開發(fā)的一種低成本串行通信網(wǎng)絡(luò)，用于實(shí)現(xiàn)汽車中的分布式電子系統(tǒng)控制，見圖6-9所示。LIN網(wǎng)絡(luò)的數(shù)據(jù)傳輸速率為20kbit/s，屬于低速網(wǎng)絡(luò)，媒體訪問方式為單主多從，是一種輔助總線，輔助CAN總線工作；使用LIN總線可大大降低成本。圖6-9車載LIN總線

（2）LIN總線特點(diǎn)1）LIN總線的通信是基于SCI數(shù)據(jù)格式，媒體訪問采用單主節(jié)點(diǎn)、多從節(jié)點(diǎn)的方式，數(shù)據(jù)優(yōu)先級(jí)由主節(jié)點(diǎn)決定，靈活性好；2）一條LIN總線最多可以連接16個(gè)節(jié)點(diǎn)，共有64個(gè)標(biāo)識(shí)符；3）LIN總線采用低成本的單線連接，傳輸速率最高可達(dá)20kbit/s；4）不需要進(jìn)行仲裁，同時(shí)在從節(jié)點(diǎn)中無須石英或陶瓷振蕩器，只采用片內(nèi)振蕩器就可以實(shí)現(xiàn)自同步，從而降低硬件成本；5）幾乎所有的MCU（微控制單元）均具備LIN所需硬件，且實(shí)現(xiàn)費(fèi)用較低；6）網(wǎng)絡(luò)通信具有可預(yù)期性，信號(hào)傳播時(shí)間可預(yù)先計(jì)算；7）通過主機(jī)節(jié)點(diǎn)可將LIN與上層網(wǎng)絡(luò)（CAN）相連接，實(shí)現(xiàn)LIN的子總線輔助通信功能，從而優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)，提高網(wǎng)絡(luò)效率和可靠性；8）LIN總線通信距離最大不超過40m。

（3）LIN總線應(yīng)用LIN網(wǎng)絡(luò)主要應(yīng)用于車窗、門鎖、開關(guān)面板、后視鏡等，見圖6-10所示。圖6-10LIN總線的應(yīng)用

（三）FlexRay總線網(wǎng)絡(luò)（1）FlexRay總線定義FlexRay是一種用于汽車的高速可確定性的、具備故障容錯(cuò)的總線系統(tǒng)。目前汽車中的控制器件、傳感器和執(zhí)行器之間的數(shù)據(jù)交換主要是通過CAN網(wǎng)絡(luò)進(jìn)行的。然而新的線控技術(shù)（X-by-wire）系統(tǒng)設(shè)計(jì)思想的出現(xiàn)，導(dǎo)致車輛系統(tǒng)對(duì)信息傳送速度尤其是故障容錯(cuò)與時(shí)間確定性的需求不斷增加；FlexRay通過在確定的時(shí)間槽中傳送信息，以及在兩個(gè)通道上的故障容錯(cuò)和冗余信息的傳送，可以滿足這些新增加的要求。

（2）FlexRay總線特點(diǎn)1）數(shù)據(jù)傳輸速率高。最大傳輸速率可達(dá)到10Mbit/s，雙通道總數(shù)據(jù)傳輸速率可達(dá)到20Mbit/s，因此，應(yīng)用在車載網(wǎng)絡(luò)上，F(xiàn)lexRay的網(wǎng)絡(luò)帶寬可以是CAN網(wǎng)絡(luò)的20倍；2）可靠性好。具有冗余數(shù)據(jù)傳輸能力的總線系統(tǒng)使用兩個(gè)相互獨(dú)立的信道，每個(gè)信道都由一組雙線導(dǎo)線組成；一個(gè)信道失靈時(shí)，該信道應(yīng)傳輸?shù)男畔⒖稍诹硪粭l沒有發(fā)生故障的信道上傳輸；此外，總線監(jiān)護(hù)器的存在進(jìn)一步提高了通信的可靠性；3）確定性。確定性數(shù)據(jù)傳輸用于確保時(shí)間觸發(fā)區(qū)域內(nèi)的每