智能汽車的切換型人機共駕研究進展與展望

張玲玉，王 力，張立立，張 驍，孫德輝

(1. 北方工業(yè)大學 電氣與控制工程學院，北京 100144； 2. 北京石油化工學院 信息工程學院，北京 102617；3. 河北政法職業(yè)學院，河北 石家莊 050000)

0 引 言

汽車雖然在提高人們生活水平等方面做出了巨大貢獻，但同時也帶來了出行安全、環(huán)境污染、能源消耗、交通擁堵等日益嚴重的社會問題[1]。汽車智能化和網(wǎng)聯(lián)化的快速發(fā)展，為解決上述社會問題提供了新思路、新方法[2]。因此，歐盟、美國和日本等陸續(xù)發(fā)布相應的發(fā)展規(guī)劃、研究計劃、政策法規(guī)等來加快推進智能汽車行業(yè)的發(fā)展[3]。我國也已經(jīng)從國家層面對智能汽車的發(fā)展進行了部署，《智能汽車創(chuàng)新發(fā)展戰(zhàn)略》[4]、“十四五”發(fā)展規(guī)劃[5]等為智能汽車及自動駕駛產(chǎn)業(yè)的發(fā)展理清方向、找準路徑。根據(jù)我國工信部對智能汽車的定義可知，它的研究領域不僅包括車輛工程學科，還涉及到信息、計算機、交通運輸工程、法學和社會學等學科[6]。

關于汽車的智能化、自動化等級，美國汽車工程師協(xié)會(society of automotive engineers，SAE)發(fā)布了自動駕駛等級劃分標準[7]，如表1。智能汽車的L2～L3等級需要駕駛?cè)撕妥詣玉{駛系統(tǒng)協(xié)同合作完成駕駛?cè)蝿眨纱吮阋隽巳藱C共駕的概念。盡管智能汽車的自動駕駛控制技術已經(jīng)取得了突破性進展，然而，由于單車智能系統(tǒng)有其感知和決策局限性，導致智能汽車頻頻發(fā)生事故[8]，智能汽車在實現(xiàn)完全自動駕駛前還需要經(jīng)歷較長時間的人機共駕階段。近年來世界各國開始陸續(xù)推出支撐自動駕駛的道路設施和協(xié)同信息的劃分標準，將單車智能化逐漸推向車輛與道路環(huán)境的信息融合[9-10]。因此，充分發(fā)揮駕駛?cè)?、自動駕駛系統(tǒng)、路側(cè)終端各自的優(yōu)勢，實現(xiàn)“人-車-路”在感知與決策層的混合增強，可促進智能汽車的自動駕駛技術的發(fā)展。

表1 SAE自動駕駛等級劃分標準

筆者首先介紹了人機共駕的概念，并總結了單車智能化人機共駕汽車在感知與決策層面存在的問題；其次，梳理了車路協(xié)同環(huán)境下智能汽車自動駕駛技術的研究進展；最后，根據(jù)交通要素的參與程度將人機共駕的發(fā)展劃分為3個階段，同時對當前人機共駕研究中存在的問題提出了初步的解決思路。

1 人機共駕的概念

2020年，我國工信部公示了《汽車駕駛自動化分級》[11]國家標準。總體上，該標準與國際SAE標準對自動駕駛的等級劃分比較相似，均將自動駕駛劃分為6個等級，在等級命名和定義描述上有略微不同，《汽車駕駛自動化分級》如表2。

由表1和表2可知，當自動駕駛汽車處于L2～L3(2～3)級別時，車輛由自動駕駛系統(tǒng)控制，而動態(tài)駕駛?cè)蝿招枰{駛員及時響應并接管，自動駕駛系統(tǒng)和駕駛員相互合作協(xié)同控制車輛，由此便引出了人機共駕的概念。

表2 汽車駕駛自動化分級

2012年，F(xiàn).FLEMISCH等[12]對人機系統(tǒng)協(xié)同控制的方式進行了闡述與定義，智能汽車的人機共駕方式也適用此定義，分為切換型人機共駕和共享型人機共駕兩種控制方式。切換型人機共駕：車輛行駛過程中，其控制權要么交由駕駛?cè)耍唇挥勺詣玉{駛系統(tǒng)。共享型人機共駕：駕駛?cè)撕妥詣玉{駛系統(tǒng)同時擁有車輛的控制權，控制權會隨著車輛智能化程度、道路環(huán)境等改變而不斷重新分配。

2017年，李克強等[13]認為人機共駕指駕駛?cè)撕妥詣玉{駛系統(tǒng)共同享有車輛控制權，二者合作協(xié)同完成駕駛?cè)蝿?。廣義的人機共駕包含感知層、決策層和控制層3個層次，狹義的人機共駕主要指控制層的控制互補，按照系統(tǒng)功能，可以分為共享型控制和包絡型控制。

2018年，吳超仲等[14]定義人機共駕為駕駛?cè)撕妥詣玉{駛系統(tǒng)合作完成動態(tài)駕駛?cè)蝿盏淖詣玉{駛過渡階段，當自動駕駛處于L2與L3級時，盡管車輛具備自動駕駛能力，但是當發(fā)生自動駕駛系統(tǒng)無法應對情況下，駕駛?cè)司蛻摷皶r響應并接管車輛。

2019年，劉瑞等[15]認為廣義的人機共駕指所有駕駛?cè)撕妥詣玉{駛系統(tǒng)共同駕駛車輛的系統(tǒng)，并且人機共駕主要可以被分為單駕雙控、雙駕單控和雙駕雙控3種控制模式，也論述了雙駕雙控是一種能夠在駕駛?cè)撕妥詣玉{駛系統(tǒng)間慢慢過渡的切換方式，優(yōu)于另外兩種控制模式。

雖然智能汽車自動駕駛領域內(nèi)的專家學者普遍認為，在實現(xiàn)真正的無人駕駛前將長期處于人機共駕階段，但是目前智能汽車人機共駕的定義以及人機共駕到底以何種形式存在尚未統(tǒng)一。

目前，智能汽車的人機共駕控制主要分為切換型人機共駕和共享型人機共駕兩種方式。傳統(tǒng)智能汽車一般都采用切換型人機共駕控制方式，車輛的控制權會隨著道路環(huán)境的改變在駕駛?cè)撕妥詣玉{駛系統(tǒng)間適度切換。因為當自動駕駛系統(tǒng)接管并控制車輛時，駕駛?cè)送鶗氖缕渌虑?，不在控制回路?nèi)，所以切換型人機共駕在設計控制算法時，只需考慮自動駕駛系統(tǒng)的控制目標與客觀環(huán)境約束條件。與傳統(tǒng)智能汽車的切換型人機共駕控制方式相比，共享型人機共駕控制方式還是有所不同的，它能夠隨著車輛行駛道路環(huán)境的改變，動態(tài)調(diào)整駕駛?cè)撕妥詣玉{駛系統(tǒng)之間的控制權重，兩者同時在環(huán)，均是控制實體，共同制約車輛狀態(tài)轉(zhuǎn)移。因此，共享型人機共駕的控制算法設計更加復雜。筆者主要介紹切換型人機共駕控制國內(nèi)外研究現(xiàn)狀。

智能汽車的人機共駕控制與傳統(tǒng)的汽車駕駛過程相同，主要包括駕駛員和自動駕駛系統(tǒng)在感知層、決策層和執(zhí)行層的合作協(xié)同，如圖1。

圖1 智能汽車的人機共駕控制

2 人機共駕的研究現(xiàn)狀

切換型人機共駕控制的關鍵是由人工駕駛到自動駕駛，或者由自動駕駛到人工駕駛的切換，然而想要實現(xiàn)這兩種駕駛模式的最優(yōu)決策，必須解決切換時機、切換平穩(wěn)性和切換方式這3個問題。從系統(tǒng)角度上講，需要盡可能的檢測駕駛員和車輛的狀態(tài)，感知行駛道路以及周圍環(huán)境信息，并基于“人-車-環(huán)境”多源信息的融合，制定更智能的切換策略。筆者主要對單車智能化人機共駕車輛的環(huán)境感知和駕駛模式?jīng)Q策方法進行了總結。

2.1 單車智能化的人機共駕

2.1.1 人機共駕智能汽車的環(huán)境感知

感知層是智能汽車實現(xiàn)智能化的基礎，也是決策與執(zhí)行層的前提，全面精確的環(huán)境感知是車輛行駛安全性的基本保障。當前，人機共駕控制的感知層主要是駕駛?cè)撕妥詣玉{駛系統(tǒng)之間的信息交換和感知增強，包括駕駛?cè)送ㄟ^語音和肢體動作等向自動駕駛系統(tǒng)發(fā)送信息，也包括自動駕駛系統(tǒng)利用視覺、激光雷達、毫米波雷達和超聲波雷達等車載傳感器向駕駛?cè)颂峁└鞣N環(huán)境信息，以擴展駕駛?cè)说沫h(huán)境感知范圍。

視覺傳感器具有成本低、檢測范圍廣以及采集數(shù)據(jù)豐富等優(yōu)點。隨著圖像處理、計算機視覺、深度學習等技術的快速發(fā)展，基于視覺的智能汽車環(huán)境感知受到了國內(nèi)外專家學者的關注，且取得了一定的研究成果。視覺傳感器技術主要能夠?qū)崿F(xiàn)道路檢測[16-18]、車道線檢測[19-20]、障礙物檢測[21-22]、目標定位與跟蹤[23-24]、交通場景語義分割[25-27]等功能，以保障智能汽車可以在比較復雜的道路環(huán)境中平穩(wěn)行駛?；谝曈X的環(huán)境感知容易受到光線、天氣等環(huán)境因素的影響，而且無法獲取車輛行駛環(huán)境的三維信息，所以激光雷達受到智能汽車自動駕駛領域的青睞。搭載激光雷達的智能汽車可以實現(xiàn)道路邊界的檢測[28-29]、道路內(nèi)障礙物的檢測與跟蹤[30-31]、自主定位[32-33]等功能。但是激光雷達也存在著造價昂貴、數(shù)據(jù)處理速度慢等缺點，這導致激光雷達無法在自動駕駛領域得到廣泛應用。二十世紀六、七十年代，西方各國陸續(xù)開始研發(fā)并應用車載毫米波雷達，通過不斷創(chuàng)新來提高毫米波雷達在復雜交通環(huán)境感知方面的各項性能。R.FEGER等[34]提出了基于毫米波雷達的道路環(huán)境目標識別與障礙物檢測方法；Y.KOBAYASHI等[35]通過采用合成孔徑雷達技術、構造補償因子等方法提高毫米波雷達方位分辨率和成像質(zhì)量；M.STOLZ等[36]提出一種新的毫米波雷達數(shù)據(jù)聚類方法；Y.SON等[37]提出一種復雜交通環(huán)境下刪減虛假目標的方法；F.UYSAL等[38]提出一種基于毫米波雷達的單一目標定位與跟蹤算法。

智能汽車常用傳感器的優(yōu)缺點對比如表3。由表3可知，目前智能汽車搭載的傳感器各有優(yōu)缺點。隨著行駛場景復雜程度以及感知任務的增加，依賴單一傳感器難以達到期望的檢測目標以及實現(xiàn)智能汽車的安全、平穩(wěn)、自動行駛。因此，結合視覺、激光雷達、毫米波雷達和超聲波雷達等多種傳感器的優(yōu)勢，形成經(jīng)濟且高效的感知融合方案也是智能汽車在環(huán)境感知方面的研究重點。目前智能汽車傳感器融合方式主要有兩種，它們分別是激光雷達與視覺[39-40]、毫米波雷達與視覺[41-42]。在自動駕駛中，數(shù)據(jù)層[43]、特征層[44-45]、目標層[46]這3個不同層級的融合隨著傳感器性能的提升也慢慢向基于神經(jīng)網(wǎng)絡的深度學習方法發(fā)展。通過多種車輛傳感器的融合，能夠有效解決在復雜行駛環(huán)境中單一傳感器感知范圍受限而導致的檢測錯誤或漏檢等問題。

表3 智能汽車常用傳感器優(yōu)缺點對比

盡管現(xiàn)階段智能汽車的環(huán)境感知能力得到很大提升，然而單車智能化的自動駕駛汽車因感知問題造成的交通事故仍頻頻發(fā)生，如2016年的特斯拉追尾致人死亡事件以及2018年的Uber撞傷行人致死事件等[47]。單車智能化的自動駕駛汽車因其感知局限性(僅依賴駕駛?cè)艘曈X和車載傳感器)難以處理存在盲區(qū)、障礙物遮擋和易受天氣影響以及遠距離無法感知等問題，極易導致交通事故的發(fā)生。

2.1.2 人機共駕智能汽車的駕駛模式?jīng)Q策

人機共駕控制的決策層主要是駕駛?cè)撕妥詣玉{駛系統(tǒng)關于駕駛行為決策的交互引導。切換型人機共駕的控制目標是實現(xiàn)車輛駕駛模式的最優(yōu)決策，因此駕駛?cè)撕妥詣玉{駛系統(tǒng)之間存在博弈和沖突。

駕駛?cè)藸顟B(tài)和車輛行駛狀態(tài)是決定車輛控制權切換與否的重要影響因素。C.BLASCHKE等[48]認為人機共駕車輛的控制權切換可以考慮駕駛?cè)藸顟B(tài)且將其分心程度量化，從而實現(xiàn)一種柔性切換，在此基礎上建立了一種車輛橫向駕駛控制權切換模型；SHENG Weihua等[49]提出了一種由疲勞檢測觸發(fā)的智能汽車人工駕駛與自動駕駛兩種模式自動切換的框架模型，測試結果表明該框架模型十分有效；L.R.P.GOMEZ等[50]提出一種能幫助智能汽車安全平穩(wěn)地從人工駕駛切換到自動駕駛的方法，當需要進行切換時，車輛要在預定的地點停車，只有在確保車輛各性能指標正常且經(jīng)由URL(Uniform Resource Locator)得到自動駕駛指令后，才能切換到自動駕駛模式；D.DOLGOV等[51]設計了一種車輛控制權由自動駕駛系統(tǒng)轉(zhuǎn)移到駕駛?cè)说淖赃m應方法和系統(tǒng)，該系統(tǒng)可以依據(jù)自動駕駛模式的有關參數(shù)來確定車輛的狀態(tài)，并基于此確定切換控制相對應的指令。

智能汽車駕駛模式的決策也與道路環(huán)境危險程度有關。F.O.FLEMISCH等[52]將“人騎馬”的原理引入到智能汽車人機共駕控制，研究了車輛控制權隨道路環(huán)境改變的分配方法；Y.KOO等[53]、S.NOH等[54]將智能汽車的自動駕駛分為人工駕駛、輔助駕駛和無人駕駛?cè)?，提出一種基于車輛行駛道路環(huán)境危險程度評估的控制權切換機制；J.URHAHNE[55]提出一種新的適用于行駛在高速公路上智能汽車的人工駕駛與自動駕駛模式切換策略，該策略根據(jù)周圍交通流的車道變化發(fā)出軟硬警告，對警告的生成和發(fā)出時間進行建模，保證駕駛?cè)丝梢愿踩椒€(wěn)地接管車輛；TANG Fengmin等[56]為了提高從人工駕駛到自動駕駛切換邏輯的準確性和適應性，設計了一種新的指標來衡量駕駛員的糾正能力，并將其與駕駛風險指標進一步集成，以構建一個二維空間全面評估駕駛能力。

更多的研究則是綜合考慮人、車、環(huán)境的信息，以實現(xiàn)最優(yōu)的駕駛模式?jīng)Q策。J.NILSSON等[57-58]提出了一種在車輛自動駕駛功能失效條件下評估從自動駕駛模式切換到人工駕駛模式安全性的方法。研究發(fā)現(xiàn)，駕駛?cè)藢囕v自動駕駛功能失效的應對反應也有所差異，因此其所提出的評估車輛模式切換安全性的方法可以適應此差異性。人工駕駛時，將駕駛?cè)瞬倏啬芰γ枋鰹檐囕v狀態(tài)空間的子集，在自動駕駛功能失效情況下，如果車輛狀態(tài)在該子集中，則認為駕駛?cè)擞心芰庸苘囕v。M.WALCH等[59]認為，設計全新的人機交互方式以避免車輛在自動駕駛系統(tǒng)需要駕駛?cè)藭r的頻繁完全切換，是一種更合理的人機共駕方式。當智能汽車的自動駕駛功能失效時，M.WALCH等[59]所設計的人機交互界面上不僅有駕駛?cè)私庸苘囕v這一種選擇方案，駕駛?cè)艘部梢酝ㄟ^評估車輛狀態(tài)和道路行駛環(huán)境等協(xié)助車輛的自動駕駛系統(tǒng)做出決策，如果駕駛?cè)藳]有任何動作，那么車輛會立刻停車，不再向前行駛。嚴利鑫等[60]綜合考慮駕駛行為和道路行駛環(huán)境這兩種人機共駕模式?jīng)Q策的影響因素，提出了一種智能汽車人機共駕的模式?jīng)Q策方法。嚴利鑫等[61]為進一步研究人機共駕模式?jīng)Q策的影響因素，通過實車試驗采集了“人-車-環(huán)境”狀態(tài)數(shù)據(jù)，結合駕駛?cè)俗允龊蜕硇畔?shù)據(jù)分析結果來標定車輛駕駛模式，研究結果表明，車輛速度、車頭時距、車道中心距離、前輪轉(zhuǎn)角標準差、駕駛?cè)酥饔^經(jīng)驗這5項指標可以作為智能汽車人機共駕模式?jīng)Q策的依據(jù)。劉瑞等[15]通過建立駕駛?cè)撕妥詣玉{駛系統(tǒng)協(xié)同控制車輛的駕駛模型，設計非合作模型預測控制人機共駕模式?jīng)Q策策略，實現(xiàn)車輛控制權的柔性切換，保證駕駛?cè)耸冀K在環(huán)，提高智能汽車人機共駕控制的安全性。何仁等[62]根據(jù)駕駛?cè)丝梢詫崟r對車輛行駛環(huán)境風險做出反應這一特征，提出了一種智能汽車人機共駕模式?jīng)Q策方法，該方法能自動調(diào)整駕駛?cè)嗽谖ｋU行駛道路環(huán)境中的駕駛操作，從而提高智能汽車的行駛安全性。

目前，關于人機共駕駕駛模式?jīng)Q策方法的研究大多側(cè)重于單車智能化的人機協(xié)同控制，可是單車智能人機共駕系統(tǒng)因其感知局限性，駕駛模式的決策只能參考駕駛?cè)藸顟B(tài)、車輛狀態(tài)和道路環(huán)境危險評估等自身不全面的影響因素，沒有考慮到其他車輛以及宏觀交通流變化等因素，因此駕駛模式?jīng)Q策結果局部最優(yōu)，此時不能保證車輛行駛的安全性。此外，現(xiàn)有研究忽略了駕駛?cè)伺c自動駕駛系統(tǒng)均不適合接管車輛的情況。

2.2 車路協(xié)同環(huán)境下的自動駕駛

為解決單車智能自動駕駛汽車環(huán)境感知范圍受限、決策結果局部最優(yōu)等問題，亟需將研究重點轉(zhuǎn)移至能做到超視距感知、具備協(xié)同決策能力的車路協(xié)同，以獲得比單車智能感知更多的信息，增強車與車、車與路之間的系統(tǒng)性決策，將自動駕駛車輛由孤軍作戰(zhàn)轉(zhuǎn)換為團隊協(xié)作，實現(xiàn)更安全的駕駛。

關于車路協(xié)同系統(tǒng)的接受度和駕駛行為適應性， H.FARAH等[63]通過調(diào)查問卷的形式對其進行了研究，結果表明駕駛?cè)耸墙邮苘嚶穮f(xié)同系統(tǒng)的，然后通過分析車輛行駛速度、加速度、換道頻次等發(fā)現(xiàn)，與沒有車路協(xié)同系統(tǒng)相比，車路協(xié)同環(huán)境下車輛平均行駛速度明顯降低，這對駕駛安全有積極作用；H.FARAH等[64]進一步利用駕駛模擬器進行車路協(xié)同試驗，與沒有車路協(xié)同系統(tǒng)相比，車路協(xié)同環(huán)境下駕駛?cè)说男奶l率和眨眼次數(shù)等生理數(shù)據(jù)表明，駕駛?cè)嗽谲囕v行駛過程中緊張程度有所降低；陳昊[65]主要從駕駛?cè)俗⒁饬?、駕駛行為和操作負荷這3個方面研究了車聯(lián)網(wǎng)系統(tǒng)的適應性，結果表明，車聯(lián)網(wǎng)信息不僅能夠提高駕駛?cè)说鸟{駛績效，還能降低其操作負荷；常鑫等[66]對駕駛模擬器進行試驗，分析了車路協(xié)同環(huán)境下車輛行駛速度、加速度、跟車距離、超速駕駛?cè)吮壤锐{駛行為，實驗結果表明，車路協(xié)同系統(tǒng)對駕駛?cè)撕蛙囕v行駛能夠產(chǎn)生積極作用；趙曉華等[67]針對高速公路的13種不同場景，從主觀和客觀兩個方面對車路協(xié)同環(huán)境下駕駛?cè)藸顟B(tài)的適應性進行評估，結果表明，車路協(xié)同系統(tǒng)可以對駕駛?cè)诵袨楫a(chǎn)生積極影響，能夠提高車輛行駛的安全性；毛偉[68]從駕駛?cè)诵睦硪蛩亍Ⅰ{駛行為、車輛狀態(tài)3個方面選取評價指標設計車路協(xié)同適應性測試實驗，從而確定了車路協(xié)同系統(tǒng)接受度的影響因素，分析了車路協(xié)同環(huán)境下駕駛?cè)诵袨榈倪m應性特征。

關于車路協(xié)同系統(tǒng)提高車輛行駛安全性和高效性，WANG Weifeng等[69]在車路協(xié)同環(huán)境下，提出并實現(xiàn)了車輛與路側(cè)設備之間的信息交互和目標融合，以擴大時空風險識別和碰撞預警的應用范圍，提高自動駕駛系統(tǒng)在復雜環(huán)境中的適應性。車輛控制權的切換需要一些時間，假如多輛車在相同時間或者區(qū)域執(zhí)行控制權切換，可能會導致交通中段和安全風險增加，因此B.COLL-PERALES等[70]利用車路協(xié)同技術來協(xié)助自動駕駛系統(tǒng)執(zhí)行駕駛權切換，并且建議控制權切換的空間分布。CHEN Lei 等[71]、荊彬彬等[72]、鹿應榮等[73]基于車路協(xié)同技術，實現(xiàn)城市道路交叉口的智能決策，使車輛安全、快速、高效地通過道路交叉口，提高車輛通行效率；HUANG Zichao等[74]、 S.W.KIM等[75]、安樹科等[76]研究了車路協(xié)同環(huán)境下路側(cè)感知系統(tǒng)可以為自動駕駛車輛提供數(shù)據(jù)信息并發(fā)送控制指令，協(xié)助車輛實現(xiàn)跟馳、換道、軌跡規(guī)劃、路徑引導等自動駕駛?cè)蝿?；N.J.GOODALL[77]、劉玢滟[78]、李璇[79]基于車路協(xié)同環(huán)境下車輛能夠感知更全面信息等優(yōu)勢，構建面向普通城市道路、彎曲道路、高速公路等不同交通場景的避障控制方法。

當前，車路協(xié)同環(huán)境下自動駕駛的研究僅限于車聯(lián)網(wǎng)信息對駕駛?cè)松?、心理、操作負荷等駕駛績效的適應性影響分析，以及如何利用車路協(xié)同技術獲取更全面的交通環(huán)境信息，以提高車輛行駛安全性和高效性。關于如何融合駕駛?cè)艘曈X感知、自動駕駛系統(tǒng)車載感知以及車路協(xié)同系統(tǒng)的路側(cè)感知，并基于此制定人機切換控制策略的研究罕見報道。

3 人機共駕的研究展望

由于單車智能化人機共駕存在先天的感知和決策局限性，借鑒以系統(tǒng)性思維打破單點思維局限性的技術更迭思路，基于智能車、智慧路和強大云之間的相互協(xié)作配合，形成“人-車-路-云”一體化的自動駕駛系統(tǒng)，實現(xiàn)自動駕駛車輛的人機協(xié)同。因此，按照交通要素的參與程度，將智能汽車的人機共駕劃分為3個階段(S1～S3)，如圖2。

圖2 人機共駕發(fā)展階段劃分

S1代表單車智能化的人機共駕。相比于人工駕駛，該階段智能汽車的自動駕駛系統(tǒng)能夠輔助駕駛?cè)送瓿神{駛?cè)蝿铡?/p>

S2代表車路協(xié)同環(huán)境下人機共駕車輛在感知層面的增強與決策層面的協(xié)同合作。該階段的自動駕駛車輛可以將行駛速度與路徑、駕駛意圖、車載感知等信息發(fā)送到交通云控平臺，路側(cè)終端也會把感知到的交通數(shù)據(jù)信息上傳，由駕駛?cè)?、自動駕駛系統(tǒng)和交通云控平臺共同基于“人-車-路”全局信息做出人機控制權的最優(yōu)決策。

S3代表車路協(xié)同環(huán)境下駕駛?cè)?、自動駕駛系統(tǒng)與交通云控平臺共同為車輛的執(zhí)行主體，如圖3，在S2階段的基礎上，增加遠程遙控駕駛、協(xié)同駕駛等模式，以滿足駕駛?cè)伺c自動駕駛系統(tǒng)均無法接管車輛的情況下人工遠程介入的需求。

圖3 “人-車-云”協(xié)同駕駛

4 結 論

1)針對現(xiàn)階段人機共駕研究中智能汽車環(huán)境感知范圍受限的問題，構建適用于智能汽車人機共駕控制的車路協(xié)同環(huán)境，建立考慮駕駛?cè)艘曈X感知、自動駕駛系統(tǒng)車載感知和車路協(xié)同系統(tǒng)路側(cè)感知的智能汽車“人-車-路”綜合感知模型，實現(xiàn)多約束條件下駕駛主體多維度的狀態(tài)觀測，以避免智能汽車環(huán)境信息感知不全面引發(fā)的安全風險問題，進而形成具有普遍應用性的智能汽車綜合感知理論體系。

2)為解決現(xiàn)有研究中駕駛模式?jīng)Q策局部最優(yōu)的問題，將交通云控平臺也作為決策主體，從精細化道路交通流管理角度出發(fā)，根據(jù)“人-車-路”綜合感知分析得到?jīng)Q策主體與駕駛模式影響因素的耦合關系，通過建立人機共駕控制模型實現(xiàn)車輛駕駛模式的最優(yōu)決策，以保障車輛運行的穩(wěn)定性，為人機共駕技術的實際應用提供理論依據(jù)。

3)面對自動駕駛系統(tǒng)失效時駕駛?cè)艘膊贿m合接管車輛的情況，構建“人-車-路-云”一體化協(xié)同決策控制系統(tǒng)?；谥悄芷嚒叭?車-路”綜合感知模型實時獲取車輛的行駛狀態(tài)和周邊交通環(huán)境信息，通過發(fā)送指令遠程控制車輛，完成啟動、加減速、轉(zhuǎn)向等真實駕駛操作，可以滿足自動駕駛失效情況下人工遠程介入的需求，有利于構建智慧交通體系。