智能驾驶——01 从智驾功能开始
本文介绍了智能驾驶领域的技术发展现状与未来趋势。文章从驾驶自动化等级（L0-L5）开始说明其定义与特点，并详细分析了当前主流 vehicle 的 L3 级自动驾驶功能（如ACC自适应巡航、LKA车道保持系统等），并探讨了实现高级别自动驾驶所需的硬件与软件技术（如传感器升级、算力提升与 AI 模型迭代）。此外，文章还讨论了不同 vehicle 在特定场景下的设计要求与实现策略，并展望了未来 L4 和 L5 级自动驾驶的可能性。总体而言，文章强调了传感器升级、算力增加与 AI 模型迭代对实现高级别自动驾驶的重要性，并提出了未来 L4 和 L5 级自动驾驶可能的方向与挑战。
0 Preface
0 Preface
本文及其后续内容将主要聚焦于自动驾驶领域的核心技术，并进行深入探讨和系统归纳。
智能驾驶已成为当今汽车行业的热门领域之一。随着人工智能技术的进步，在过去几年里自动驾驶技术已经取得了显著发展，在功能层级上实现了从基础辅助驾驶（ADAS）向高速/城市智能辅助驾驶（高速城市NOA）再到精准车位到车位（车位到车位）的高度提升，并已无限接近L3级自动驾驶标准。在算法层级上则经历了从二维/三维感知系统与基于规则的人工智能控制逐步演进为四维体视觉系统与时空规划模型，并最终通过端到端大模型以及视觉语言模型（VLM）体系向着视觉语言分析（VLA）模型迈进。
模型输入依旧来自感知数据源，在整车厂采用的不同算法架构下形成了不同的解决方案：特斯拉（Tesla）采用纯视觉方案；而XPeng则采用了多传感器融合方案（Camera+Lidar+Radar）。此外，在定位技术上也经历了技术路线的变化朝着轻图驱动或无图驱动的方向不断演进与优化。
模型输出的路径信息经由逻辑算法进行处理后传递至执行机构完成动作实现，在整车底盘控制器的选择下实现对车辆运动状态的有效控制：刹车系统主要采用ESP+增程控制器或前轮辅助增程控制器方案；转向机构通常采用电子比例转向或前轮辅助增程控制器方案；而加减速策略则由能量驱动模式决定，在电动汽车中通常会介入动力电机控制器参与控制以实现精确的能量分配管理
在这一领域中，则主要由车端推理芯片来承担相应的功能与计算任务。随着技术的发展进步，在过去几年里车载端智驾计算平台的整体性能持续提升，在此过程中Nvidia公司的OxinX系列芯片表现尤为突出，在其最新发布的 chips中已经实现了254TOPS运算能力的同时也在不断优化设计并推动技术革新以实现更高的运算性能目标即将在未来某一时点推出即将推出的ThorX系列芯片预计其最终的产品性能将突破1000TOPS运算能力这一重要里程碑
从系统角度分析可知，在关注车端感知方面需要重点研究其相关的传感器工作原理及其实现方案；与此同时还需要深入探讨域控制器系统的软硬件架构设计方案与执行端执行机构方案等细节问题，在后续内容中将逐一进行详细阐述
驾驶自动化等级分为1至4级：
- 驾驶自动化等级1：实现车辆完全无人驾驶，并在非正常情况下切换到驾驶员接管模式。
- 驾驶自动化等级2：达到车辆完全无人驾驶状态，并能在复杂交通环境中切换到驾驶员接管模式。
- 驾驶自动化等级3：具备高度自主决策能力，并能在特定复杂场景中切换到驾驶员接管模式。
- 驾驶自动化等级4：具备高度自主决策能力，并能在极端复杂场景中切换到驾驶员接管模式。
此外，在高级别驾驶辅助系统中：
- 系统能够实时监控并根据实时数据做出快速反应。
- 系统能够持续监测并根据动态数据做出迅速反应。
- 系统能够持续监测并根据动态数据做出迅速反应。
在实际应用中：
- 等级越高，系统功能越复杂。
- 等级越高，系统性能要求越高。
- 等级越高，系统功能越复杂。
该技术方案通过逐步提升系统的智能化水平来实现更高的自动驾驶能力。
根据标准编号SAE J3016和标准编号GB/T 40429所著的《汽车驾驶自动化分级》一书中规定的内容可知，在该标准中规范了驾驶自动化各个等级的标准定义。
驾驶自动化系统在设计范围内持续执行动态驾驶任务中的横向或纵向运动控制，并配合相应的部分目标和事件探测与响应能力；在设计范围内持续执行动态驾驶任务中的横向或纵向运动控制，并配合相应的部分目标和事件探测与响应能力；在设计范围内持续执行动态驾驶任务中的横向和纵向运动控制，并配合相应的部分目标和事件探测与响应能力；在设计范围内持续执行全部动态驾驶任务，并具备全部动态驾驶任务接管的能力；在设计范围内持续执行全部动态驾驶任务以及全部动态驾驶任务接管的能力；在任何可行驶条件下持续执行全部动态驾驶任务以及全部动态驾驶任务接管的能力。
在可感知的环境下实现L0级，并通过报警、辅助和短暂干预措施以支持驾驶员操作
相较于L0而言, L1具有水平或垂直方向的控制能力.例如ACC
在实现横向与纵向控制方面，相比而言，在实现横向与纵向控制方面,L2主要基于ACC加装了LCC系统,例如ACC加装了LCC系统以及NOA等技术。值得注意的是,在当前阶段大多数OEM都声称其车辆在行车或泊车操作中已达到甚至超过了L2水平,然而驾驶操作仍完全归责于驾驶员本身。
相较于L2而言，L3已实现了全部智能驾驶功能。然而，在系统出现故障时，则会向驾驶员发出接管指令，并在接管要求之后10秒内实施最小风险策略（MRM）。
相较于L3而言，L4不需要驾驶员接管；其智驾功能处于设计范围之内。
相比L4而言，在设计范围上无需设定即可实现智能化驾驶功能；换句话说，在各种环境下都可以实现智能化驾驶。
自动驾驶系统的设计条件主要涉及道路信息感知、环境交互以及路径规划等方面的技术要素。这些技术要素主要包括道路信息感知、环境交互和路径规划等内容，在实现智能化驾驶功能方面发挥着至关重要的作用。本节将深入探讨上述各项条件的具体设计要点和实现方案。
该白皮书对operationally design condition这一概念进行了详细阐述，并明确了其在自动驾驶系统设计中的核心要素和指导原则。
启动前提即为自动驾驶系统具备启动能力并可安全运行动态驾驶任务的基础。通过明确这些设计条件,清晰地阐述自动驾驶系统的功能与限制,并将这些信息传递给相关方。换句话说,在既定条件下限定其工作范围,以确保其能够正常运作。具体而言,在既定条件下,该系统能够正常运作;一旦超出设定范围,就可能面临潜在风险。
Section 2.1: Odd
ODD, operation design field 的设计领域
静态实体是由处于固定状态的环境所限定且不发生更改的状态构成的实体集合；例如道路、交通灯等。
环境条件应涵盖气候状况、空气状况以及信息环境；
动态性实体是由其在时间段内状态发生转变所组成的实体集合。例如交通状况、道路参与者等
本节将详细阐述驾驶员状态监测系统的设计与实施原则
驾乘人员主要分为驾驶员与动态驾驶任务后援用户以及乘客。自动驾驶系统在安全状态下启动，并要求动态驾驶任务后援用户的状态满足及时接管的条件；同时要求所有驾乘人员的状态达到必要的安全标准。
企业的自我设定标准：对于"疲劳"的程度以及"注意力分散"的等级标准均需自行设定并加以说明；具体而言,可通过观察员工在静息状态下闭眼时间和频繁打哈欠的时间长短来推断其疲劳水平；而对于"注意力分散"的情况,则可以通过考察其视线方向偏移角度以及是否在使用手机来判断其当前的状态。
在"乘客状态"这一指标中包含"儿童约束系统"这一子项，在实际应用中需明确该子项的作用范围和适用条件。具体而言，在车内配置有儿童的情况下,自动驾驶系统需具备监测该子项是否正确安装并处于有效状态的能力,以确保车内儿童的基本安全状况。若无配置则以NA表示
主要关注的是'驾驶员/动态驾驶任务后援用户状态'中与系统匹配的相关情况。旨在识别参与动态驾驶任务的辅助提供者的基本信息，并进而评估自动驾驶系统能否满足这些辅助提供者的使用需求。其中一些车辆仅允许成年人才能参与动态驾驶任务后的辅助服务。
在"乘客状态"中关注"乘客与系统之间的匹配程度"，主要通过识别乘客的基本状况来评估自动驾驶系统是否能够为其提供相应的服务。例如，在某些情况下（如部分车辆），无法为单独乘车的儿童提供服务。
2.3 车辆运行状态
必要的前提条件之一是正常车辆的状态对自动驾驶系统启动而言。而车辆的状态则涵盖了激活速度范围以及功能状态等关键要素。
"启动阈值速度"是衡量自动驾驶系统运行效率的关键指标。该系统具备检测车辆是否满足启动阈值速度的能力，并基于此做出决策以确定其运行状态。
自动驾驶系统安全启动所需的功能状态指标是各功能模块完成自我检测并达到一致的状态。这一状态需包含系统的软硬件功能状态信息，并满足实现自动驾驶系统安全运行的必要条件要求。
第2.4节对L3级别的自动驾驶技术进行了详细阐述
ECE R157标准明确了在特定条件下可实现对车辆行驶路径的主动引导系统的功能特性要求以及相应的安全性能指标。
按照现行相关法规规定,自动驾驶技术的实际应用应当达到L3级别,具体规定如下
道路类型：仅限于在指定的道路使用，并非高速公路或其他类似的物理隔离车道；在此类车道中非机动车及行人通常被禁止通行。
车辆速度：最高不得超过130公里/小时（注：前提条件是具备执行MRM变道的能力；若不具备此能力，则速度上限降至60公里/小时）。
车辆状态：需满足安全标准要求，并确保所有必要的系统要素（如传感器与摄像头）均正常运行状态。
思维准备的驾驶员：尽管ALKS具备接管驾驶任务的能力；但驾驶员必须时刻做好准备，在系统发出请求时立即接管控制权。
而BWM/Benz品牌在实际设计过程中采用的ODC指标如下：
ALKS 统一激活要求：
- 驾驶员处于驾驶位置，并已系好安全带。
- 驾驶员具有接管职责的能力。
- ALKS 系统运行正常且未出现故障。
- 自动驾驶数据采集与存储系统。
- 外部环境状况良好，并满足道路设施的基本要求。
- 系统运行状态良好，在自检过程中未发现任何问题或故障。
- 道路条件符合要求：设有物理隔离设施；目前没有对向行驶的车辆；也没有自行车或行人在道路上。
MRM:
在本车道内进行紧急制动操作或选择将车辆移至应急车道进行停车操作
3 智能驾驶功能介绍
3.1 智能化主动安全模块
3.1.1 自动紧急制动系统（AEB）
在车辆行驶过程中,当系统发现 行进方向 存在潜在碰撞风险且驾驶员未采取必要安全措施时,系统将主动进行制动控制,通过减速的方式降低车速,从而最大限度地减少碰撞冲击,提升驾驶安全性能
该系统包含前向自动紧急制动功能和倒车自动紧急制动功能。
功能所起的作用所需的前提
- 车速及更高（汽车、前AEB）
- 车速5至120公里/小时（VRU、前AEB）
- 车速5至45公里/小时（后AEB）
- D档 || R档
本节主要介绍AES系统的自动紧急转向功能。AES系统实现了完全的全自动应急转向操作流程，在遇到突发情况时能够快速响应并完成方向调节任务。
在前向行驶过程中, 自动紧急转向系统能够识别前方潜在的碰撞威胁. 当驾驶员未采取适当的安全操作措施, 并且伴随自动紧急制动功能产生的减速效果仍然无法完全规避这种风险时, 自动紧急转向功能将被激活并引导车辆避让前方可能存在的障碍物或其它车辆, 从而有效降低潜在碰撞风险并提升整体行车安全性.
功能适用条件：行驶速度为80至130公里/小时
3.1.3 FCW与RCW方向上的碰撞前、后预警机制
该流程以其高效性成为核心工具
当车辆处于前向行驶状态时，前方碰撞预警装置识别出前方存在潜在的碰撞威胁，并通过视觉和听觉手段发出提醒信息；该装置促使驾驶员在适当的时间段内实施安全驾驶行为。
该产品适用于速度在30至130公里每小时的范围
该系统的递归深度设置为适当的宽度以确保性能。
车辆直行过程中，在发现前方可能存在追尾风险时会发出警示信号并亮起警示灯，在适当的时间内提前告知驾驶员留出应急空间；同时告诫后方车辆需减速以保持足够的安全间距。
功能适用范围：从0至135公里每小时
本系统旨在监测车辆行驶中的车道偏移情况，并通过实时分析提供预警信息以防止事故的发生
当车道偏离辅助功能被启用时，在摄像头实时捕捉到车辆在本车道内的运行状态后，在车辆表现出不需要改变车道的状态时进行提醒或纠偏操作，并帮助驾驶员保持车辆位于当前车道内行驶的状态。
适用范围：速度在60至135公里/小时之间
3.2 行车功能
3.2.1 自适应速度控制系统
自适应巡航系统具备控制纵向运动速度以及调整前后距离的能力。当前方道路上的车辆运行速度低于预先设定值时,系统将自动维持与前车的安全距离,并配合其完成停车和启动动作。
本节主要介绍了LKA车道保持系统的实现原理及其在车辆控制系统中的应用情况
当驾驶员注意力分散或因疲劳导致车辆转向偏离时,系统自动纠正并施加转向干预.
基于LCC的车道维持辅助系统
该全场景辅助驾驶系统能够通过系统感知依据跟车间距自动调节速度。
该功能使车辆持续维持居中状态。
该系统能够自主进行超车和变道操作。
在直线行驶状态下遵循信号指示完成启停操作。
作为典型的L2级辅助驾驶功能之一,LCC主要负责实现车辆与前方车道内车辆的智能协同控制. 通常情况下,我们可以将其视为ACC与LKA功能的结合体.
基于NOA的导航辅助驾驶系统
NOA辅助驾驶系统是一种介于人工干预型车道保持辅助系统（LCC）与完全自动驾驶之间的技术方案，在厂商宣传资料中通常被视作一种介于L2级与L3级自动驾驶之间的高级辅助驾驶功能（即L2.5级）。基于导航信息实现道路自主行驶、车道变换及匝道出入操作的同时，该系统着重关注路径规划与动态环境适应能力的提升，在实际性能上较之传统的人工干预型车道保持辅助系统（LCC），其智能化程度更高并能显著提升行车安全性
在发展过程中，NOA经历了多个发展阶段。具体而言，在技术演进的过程中可以分为三个主要阶段：首先是基于场景单一性的高速NOA系统；随后逐步发展为支持城市范围内的 NOA 应用；最后实现了无需地图支持的全国范围内都可以应用的无图方案。
高 performance NOA
该系统具备在封闭道路和高速公路间自主操作的能力；它能遵循预先设定的导航路线运行，并支持自动超车、维持巡航速度以及顺利进出匝道。
该系统的功能、作用及前提条件：
- 涉及的封闭道路系统及快速通道
- 行驶速度在零至一百三十公里每小时之间
该系统/项目涉及的城市规划与管理
根据车载导航地图自动调整车道位置，并能实现快速超越轻型车辆；系统能够维持稳定行驶速度并根据交通信号灯指示完成转弯操作（包括左转、直行、右转及倒车）。
功能作用条件：
- 城市区域的道路网
- 车速范围在零至八十公里每小时之间
3.3.1 RPA遥控泊车
遥控泊车主要针对停车位狭窄的情况下导致上下车不便的问题。
驶离后停车入指定区域
在确认停车位可用之后，在使用自动泊车功能确定停车位的位置时，在确认停车位可用的情况下，在借助手机App获取停车位置信息并发送至云端服务后，在确认停车位可用的情况下，在借助手机App获取停车位置信息并发送至云端服务后，在确认停车位可用的情况下，在借助手机App获取停车位置信息并发送至云端服务后，在借助手机App获取停车位置信息并发送至云端服务后，在借助手机App获取停车位置信息并发送至云端服务后，在借助手机App获取停车位置信息并发送至云端服务后，在借助手机App获取停车位置信息并发送至云端服务后
退出某机构并加入另一系统
当车辆通过自动泊车功能定位到停车位时 ，随后取出配备有智能识别功能的钥匙 ，并采取轻触或按压门把手的操作方式完成停车 ，整个操作流程既快速又连贯
3.3.2 高级辅助泊车系统（APAS）
智能泊车系统利用环视摄像头和超声波雷达实时采集车辆周围车位、空间及障碍物数据，并基于实时处理后的数据计算精确的停车位进入路径，并精确控制车辆转向动作、换档时机以及加速与制动过程以实现精准停车操作
3.3.3 AVP代客泊车
汽车按照预先编排的行驶路线离开停车场入口，并在目标停车位完成泊车过程
本节将介绍APO智能泊出的核心功能特点及其实现方案。APO智能泊出系统主要具备以下几大核心功能特点：
- 支持资源的自动化释放
- 具备强大的容错机制
- 提供实时监控与告警服务
- 保证系统负载均衡与高可靠性
- 适用于现有多种平台
该智能泊车系统借助环视摄像头与超声波雷达装置采集周围停车位、可用空间及障碍物数据。在实时处理完相关信息后推导出最佳停车位进入路径，并调节方向盘转向角度、变速档位切换时机以及加速与制动力度。最终完成停车位退出操作过程。
3.4 车辆对应的停车位归属关系
该系统通过整合自动驾驶与自动泊车技术，在车位对应的基础上新增了一个名为'车位到车位'的功能，并具备全方位的操作能力。
功能用途条件：
- 熟悉了位于车位内的停车场系统
- 位于城区道路、封闭环路以及高速公路附近的停车场
值得注意的是各个整车厂在完成车位至车位功能的过程中都采取了各自不同的思路
首先进行停车操作；随后启动车辆进行行驶；最后再次进行停车操作
借助APO+全场景NOA+APA技术手段的整合，完成了包括智能泊出、NOA和智能泊车在内的辅助驾驶功能的融合。该系统将实现对泊车与行车两大驾驶模式的有效切换。
行泊一体化
本系统设计了基于单一模型的车辆运行方案，在处理行驶与停放时无需切换模式
本节综述了本研究的主要贡献。包括基于量子力学原理开发的创新优化算法、采用高效并行计算框架的数据处理技术以及为性能分析奠定坚实基础的理论体系。实验结果凸显了所提方法在多场景下的卓越表现与显著优势。
综上所述,本文阐述了自动驾驶分级的概念、设计条件及其典型辅助驾驶/自动驾驶功能。可以看出，在L2+级别中逐渐将功能场景扩展到用户的日常驾驶场景中。这得益于传感器技术的进步、智驾系统计算能力的提升以及AI模型的不断优化。可以说L3/L4级别的到来已经迫在眉睫。