无人驾驶汽车自动门系统发展现状研究

郑朝捷 曹福顺

摘   要：随着无人驾驶技术的进一步发展，无人驾驶自动门系统越来越受到重视。文章旨在梳理国内外关于无人驾驶自动门系统的研究现状，介绍了无人驾驶汽车自动门系统主要的技术及其发展趋势，并比较了各类技术的优缺点。

关键词：无人驾驶;智能车门;智能汽车

1    无人驾驶汽车简介

无人驾驶汽车是一种智能汽车，依靠智能汽车外部的传感器和内部的计算机系统来实现自动驾驶。根据美国国家公路交通安全管理局公布的划分标准，智能车可以分为4个级别：驾驶辅助、半自动驾驶、高度自动驾驶和完全自动驾驶[1]。第4个级别属于全无人驾驶的最高级别，是汽车驾驶自动化、智能化程度的最高级别，也就是人们习惯所说的无人驾驶。在未来，无人驾驶汽车可以通过车联网进行数据的互相传输，并且将最终取代人类驾驶，由于无人驾驶对车辆高效性、便捷性和可靠性的这一系列要求较高，需要人、车和路高度的协同。无人驾驶的发展需要打造落地生态，纵观目前整个无人驾驶生态发展过程，依然存在很多待改进的地方，比如无人驾驶在技术上做了一些革新。近年推出的5G通信技术和C-V2X技术，从根本上改进了车辆网络通信方式和质量，使得100%安全的自动驾驶成为可能。

2    无人驾驶汽车自动门系统简介

智能自动门系统是无人驾驶汽车的必备系统，在没有车门把手或者驾驶员操控的条件下，无人驾驶车辆能够自动打开和关闭车门，以应对不同的实际情况，让乘客方便地上下车。目前，各大汽车公司推出的无人驾驶汽车自动门系统，不仅支持车门的自动开启和关闭，而且具有防夹保护功能，可以有效保护乘员的手、手指间或财物免于挤压。在智能车门这一方面，目前还未能在有关报道中查到相关的理论研究与实验室测试，更没有商业应用的记录，这对于国内无人驾驶汽车研究来说，是一个很好的方向。

3    无人驾驶汽车自动门系统研究现状

3.1  国内无人驾驶汽车自动门系统研究现状

国内目前无人驾驶汽车自动门技术研究较少，多数研究是集中在车门安全方面。目前已有的资料均只对汽车车门开启时的防碰撞做了研究，而在自适应驱动车门、提升乘客上下车舒适度、方便乘客上下车等方面研究较少。

同济大学汽车学院的孙泽昌等[2]基于控制器局域网络（Controller Area Network，CAN）总线技术，将局域互联网络（Local Interconnect Network，LIN）总线和CAN总线相结合，设计了一种车门防夹算法，实验证明，这项技术具有很高的实用性和可靠性。清华大学汽车安全与节能国家重点实验室的杨新丰等[3]提出了一种座椅联动式的汽车自动门控制系统，并且在Simulink上进行了仿真，证明了此系统的可行性。陕西汽车集团有限责任公司的宋方方等[4]分析研究了车门智能门锁的设计，提出了一种智能车门门锁的改进方案。

3.2  国外无人驾驶汽车自动门系统研究现状

国外Michael Strolz团队提出了借助力觉交互系统的阻抗式模型，研究了通过汽车门的驱动系统完成自动开关门。Halbritter研究了通过各类传感器的组合，最后提出汽车车门开关驱动策略。综合各类研究来看，如果可以将无人驾驶汽车车门自动开关与力觉交互系统结合，并通过传感器感知车周边状况，理论上便可以实现在安全条件下，辅助乘客开门和关门，提高客户上下汽车的舒适度。

目前，力觉交互系统主要有两大类：阻抗控制方式和导纳控制方式，国内外对于力觉交互系统应用较多的主要是机器人场景。阻抗式控制（Impedance Control，IC）检测末端实际运动信息，如位置、速度等，根据动力学模型将运动信息转化成系统内部的驱动力，将该力与自身驱动力比较，力差值进行控制驱动输出。导纳控制方式（Admittance Control，AC）测量与环境接触力，作为控制器输入，根据接触点的理想阻抗模型计算设备在此力作用下的理想位置输出，直接将传感器获得的力转化成设备运动。结合无人驾驶汽车特性，导纳式控制更符合本次方案选择。目前车门把手主要有两种型式：（1）纯机械式，手动拉动把手，解开门锁，然后打开车门。（2）电子感应式，把手上集合电子感应开关，当触发开关时，车身控制器（Body Control Module，BCM）发信号给门锁，门锁电动打开，然后手动打开车门。而当车辆断电时，把手失效，无法打开车门，出现安全隐患，鉴于此，有些车型就配有应急开启机构，在断电时，顺利开启车门，保证人身安全。

4    无人驾驶汽车自动门系统技术现状

4.1  基于边缘计算和云计算的乘客身份识别技术

随着互联网发展的进一步深入，和网络边缘有关的設备数量和这些设备产生的数据都将大幅度提升。互联网数据中心预测，到2020年，全球设备产生的数据量将大于20泽字节，而大约3泽字节的数据都会在互联网络边缘进行处理，在这种情形下，所有的数据都将被上传到云计算中心，云计算中心通过其超强的计算能力处理问题并且将数据反馈给设备。

传统云计算虽然目前运用较为广泛，但仍存有4个不足之处：（1）实时性不够。（2）带宽不足。（3）能耗较大。（4）不利于数据安全和隐私。

目前的无人驾驶技术，要求无人驾驶系统有较好的实时反应能力，而在反应过程中产生的数据，必然包含着大量的无用数据，这些数据想要全部上传到云端明显是不切实际的，而目前兴起的边缘计算很好地解决了这个问题，边缘计算经过计算后再把重要的结果上传到云端，这样一来大大节约了带宽资源。

边缘计算具有3个优点：（1）在边缘处理临时数据，减轻了带宽和数据中心的压力。（2）跳过了设备请求云计算中心的响应过程，减少了系统延迟。（3）不再上传用户数据，将数据存储在边缘设备上，保护了使用者的隐私[5]。

4.2  基于网联协同感知的V2X精确定位技术

车对外界的信息交换（Vehicle to Everything，V2X），是一系列车载通信技术的总称。国际V2X发展情况，以美国、欧洲、日本为代表的发达国家在20世纪90年代末期就开展V2X网联技术的研究，建立了以无线通信技术（802.11 P）为基础的专用短程通信体系，并相继划分了专用频谱，定义了车—车（Vehicle to Vehicle，V2V）、车—路（Vehicle to Infrastructure，V2I）、车—人（Vehicle to Person，V2P）等相关通信标准，并已逐步在实际环境中进行测试[6]。美国方面，颁布了以802.11 P作为底层通信协议和IEEE1609系列规范作为高层通信协议的V2X车联网通信标准，并对V2X通信的系统架构、资源管理、安全机制等进行定义。欧洲方面，成立V2X车联网通信标准组对应用、架构、网络、接入技术及通信安全等方面进行研究，物理层和数据链路层协议同样基于802.11 P[7]。虽然在V2X技术路径选择上，欧美国家有着不同的侧重考虑，比较倾向于802.11 P，但是各方都已经将基于蜂窝网的LTE-V技术看作是未来技术发展，如日本也将V2X候选频段采取技术中立，将LTE-V作为802.11 P方案的另一个备选技术。

C-V2X定义了两种互补的通信模式：Uu口模式以及PCS直接通信模式。C-V2X也可以通过Uu口实现车辆到网络（Vehicle to Network，V2N）通信以及车辆到云端（Vehicle to Cloud，V2C）通信。C-V2X可以将路侧单元（Road Side Unit，RSU）和蜂窝网络两者相结合，从而对汽车的操纵安全性进行较大幅度的改善，通过将两者的结合，可以有效降低成本，提高效益。C-V2X系统包括两种空中接口：Uu和PCS。工作场景也相应分为两种：（1）基于蜂窝网络覆盖，既可以通过蜂窝网络的Uu接口，实现宽频域、长距离通信服务，也可以由PCS接口，实现车辆直接与周边基础设施进行低时延、高可靠信息交互。（2）可独立于蜂窝网络，在网络未覆盖地区借助PCS接口提供的V2X服务保证行车安全。在蜂窝网络部署的场景中，数据通信可以灵活地在PCS接口和Uu接口之间无缝切换。

4.3  基于多信息融合的安全开关门保障技术

由于车门需要通过多传感器进行数据检测，会造成传感器失效或误判等问题，在多信息融合研究方面，为了进一步提高路面坡度角识别的准确度，胥加林提出了一种算法，可以有效地将多传感器信息融合。为了分析车身姿态所受到的纵向加速度影响，胥加林在Simulink中提出了一种识别路面坡度的模型。通过Simulink仿真得到纵向加速度与车身纵向倾角之间的关系。实车实验表明，该算法具有较强的抗干扰能力，能够准确识别当前路面坡度角。基于多传感器融合技术，宋开臣提出了一种涡街信号检测方法：首先，通过差压传感器可以测得钝体前后的压力差;其次，压电传感器可以从钝体下游涡街传感信号中得到频率信息;最后，运用无迹卡尔曼滤波算法将这两种传感器信号进行融合，通过这种方法提升了数字带通滤波器的精度。实验表明：这种信号检测方法能够有效地减少外界的强振动噪声对于流速测量的影响，当最大振动噪声强度为涡街信号强度的4倍时，测量精确度可以达到100，这样可以加强压电式涡街流量计的抗振能力，提高了测量精度[8]。

[参考文献]

[1]常建.无人驾驶或许更安全—从看到紧急情况到刹车只需0.2秒[J].计算机与网络，2017（7）：18-19.

[2]孙泽昌，毛俊培，罗峰，等.基于CAN总线技术的智能车门控制系统[J].中国工程机械学报，2008（2）：8-10.

[3]张新丰，杨殿阁，连小珉，等.一种座椅联动式汽车自动门的控制方法[J].汽车工程，2008（3）：239-242.

[4]宋方方，吴雪峰，杨亚锋.车门智能门锁系统分析与研究[J].汽车实用技术，2017（16）：50-51.

[5]赵梓铭，刘芳，蔡志平，等.边缘计算：平台、应用与挑战[J].计算机研究与发展，2018（2）：327-337.

[6]马佳荣.基于车联网的高速公路事故预警方法研究[D].西安：长安大学，2016.

[7]王建昱.V2X车联网及其关键技术[J].信息技术与信息化，2013（5）：60-64.

[8]宋开臣，曾瑶，叶凌云.基于多传感器信息融合的涡街信號处理方法[J].浙江大学学报（工学版），2016（7）：1307-1312.