什么是自动驾驶预测决策与规划控制?自动驾驶安全冗余系统介绍

自动驾驶是目前很多公司都在研究的内容，可以说，自动驾驶至今为止已经有了一定的进展。为增进大家对自动驾驶的认识，本文将对自动驾驶预测决策与规划控制、自动驾驶安全冗余系统等内容予以介绍。如果你对自动驾驶具有兴趣，不妨继续往下阅读哦。

1、预测决策与规划控制

预测决策与规划控制技术模块相当于自动驾驶汽车的大脑。预测决策与规划是软件算法核心模块， 直接影响车辆自动驾驶的能力和效果。该算法模块基于交通安全规范与共识规则，为车辆规划出安全、 高效、 舒适的行驶路径和轨迹。为了更好提升算法的泛化能力， 应用数据挖掘和深度学习算法来实现智能规划驾驶行为。

在给定车辆设定的出发地与目的地后， 系统生成最优的全局规划路径。车辆能够实时接收感知模块提供的环境和障碍物信息， 结合高精度地图， 跟踪并预测周边车辆、 行人、 骑行者或其他障碍物的行为意图和预测轨迹， 综合考虑安全性、 舒适性和效率， 生成驾驶行为决策(跟车、 换道、 停车等) ， 并按照交通规则和文明交通礼仪对车辆进行运行规划(速度、轨迹等) ， 最终输出到控制模块实现车辆加减速和转向动作。车辆控制部分是最底下一层，直接与车辆底盘通信， 将车辆的目标位置和速度通过电信号传给底盘来操作油门、 刹车和方向盘。

自动驾驶的目标是应对城市道路的复杂交通场景， 在任何道路交通状况下都能保证自动驾驶车辆处于安全驾驶状态。在软件算法层， 有基于海量测试数据训练的深度学习模型， 保证自动驾驶车辆在常规驾驶场景下安全高效平稳的通行;在安全算法层， 针对各种典型危险场景设计了一系列安全驾驶策略， 保证自动驾驶车辆在任何场景下都能做出安全的驾驶行为。如在恶劣天气、 视野遮挡等极端场景下， 会触发防御性驾驶策略， 通过多观察减速驾驶降低安全风险等。自动驾驶车辆更加遵守交通规则和道路优先通行权， 在道路交叉口与其他交通参与者交汇场景下， 在高路权情况下遇到抢行车辆， 也会以安全第一原则考虑减速让行， 避免风险。在遇到“鬼探头”等高危风险场景时， 也会坚持安全第一原则采取紧急制动策略尽可能避免伤害。随着自动驾驶道路测试数据和大量的极端场景数据的积累， 自动驾驶核心算法通过数据驱动的深度学习算法模型， 得以持续不断进化， 成为能够提前预判、 安全谨慎驾驶的“老司机”。

2、自动驾驶安全冗余系统

根据《ISO 26262 道路车辆功能安全》， 系统功能安全必须考虑功能冗余的要求。按照功能安全的设计标准， 功能冗余从部件级、 系统级和整车级三个层面来完成。冗余的系统设计是保证自动驾驶安全可控的关键， 依托全线冗余设计可有效应对车辆控制系统、 硬件平台、软件平台三个层次单点故障或功能失效， 为完全无人自动驾驶系统提供基础支撑。

L4级自动驾驶系统在车载主计算单元和传感系统之外又配置了安全冗余实现了软件和硬件的异构冗余设计， 避免了各个系统的单点失效， 主计算系统和冗余安全系统分工不同且互为校验， 整体上实现安全性和可靠性极大提升。冗余安全系统在功能和算法策略设计上，侧重于对主计算系统软硬件的实时监控， 并进行危害识别， 当检测到主计算系统异常时将触发 MRC 机制， 通过告警、 缓刹、 靠边停车、 紧急制动等方法让车辆进入最小风险状(Minimal Risk Condition， MRC) 。

3、硬件和传感器冗余

从传感器、 计算单元到车辆控制系统， 都具备两套互为独立冗余的系统， 避免单点失效，提升系统整体可靠性和安全性。

、4计算单元冗余

安全系统通过配置一套 SafetyDCU 作为冗余计算单元， 实时运算并监控主系统工作状态。当主计算单元故障时， 能够支持冗余系统的算法运算继续控制车辆， 做出风险最小回退的缓刹、 靠边停车等动作。