学文网摘要：本文介绍了智能车辆导航技术（Intelligent vehicle steering control）的发展情况。从研究背景出发，介绍了几类常用的算法，并通过总结当前车辆导航技术的研究现状，对未来导航技术的发展方向做出展望。
关键词：智能车辆，导航技术，传感器，最短路径算法
一、研究背景
随着交通与汽车工业的快速发展，全世界高速公路里程数及汽车保有量在迅速增长，道路交通事故也急剧增加，造成巨大的人员伤亡和经济损失。据***统计，2005年中国共发生道路交通事故45万多起，造成9.87万人死亡和46.99万人受伤，直接财产损失18.8亿元。研究表明，人的因素，如疲倦、精力不集中、过度紧张及酒后驾驶息等情况，是导致许多交通事故的主要因素。
所以，当前自动驾驶加之人的辅助驾驶甚至实现无人驾驶是当前汽车业发展的趋势。其实，在智能汽车的目标实现之前，实际上已经出现许多辅助驾驶系统，已经广泛应用在汽车上，如智能雨刷，可以自动感应雨水及雨量，自动开启和停止；自动前照灯，在黄昏光线不足时可以自动打开；智能空调，通过检测人皮肤的温度来控制空调风量和温度；智能悬架，也称主动悬架，自动根据路面情况来控制悬架行程，减少颠簸；防打瞌睡系统，用监测驾驶员的眨眼情况，来确定是否很疲劳，必要时停车报警。
计算机技术的广泛应用，为汽车的智能化提供了广阔的前景。
二、实现车辆动态路径规划的几种算法
根据车辆导航系统的研究历程，车辆路径规划算法可分为静态路径规划算法和动态路径算法。静态路径规划是以物理地理信息和交通规则等条件为约束来寻求最短路径。静态路径规划算法已日趋成熟，相对比较简单，但对于实际的交通状况来说，其应用意义不大。动态路径规划是在静态路径规划的基础上，结合实时的交通信息对预先规划好的最优行车路线进行适时的调整直至到达目的地最终得到最优路径。下面介绍几种常见的车辆路径规划算法。
2.1 Dijkstra算法
Dijkstra算法是最短路算法的经典算法之一，由 E.W.Dijkstra在 1959年提出的。该算法适于计算道路权值均为非负的最短路径问题，可以给出***中某一节点到其他所有节点的最短路径，以思路清晰，搜索准确见长。相对的，由于输入为大型稀疏矩阵，又具有耗时长，占用空间大的缺点。其算法复杂度O（n2 ），n 为节点个数。
2.2 Lee算法
Lee算法最早用于印刷电路和集成电路的路径追踪，与Dijkstra算法相比更适合用于数据随时变化的交叉路口处的交通规则，而且其运行代价要小于D ijkstra 算 法。只要最佳路径存在，该算法就能够找到最佳优化路径。Lee算法的复杂度很难表示，而且对于路径规划则需要很大的空间。
2.3Floyd 算法
Floyd算法是由Floyd于1962年提出的，计算***中任意两点间的最短距离的算法。其时间复杂度为O （n3 ），与对每一节点作一次D ijkstra算法的时间复杂度相同，但是实际的运算效果比D ijkstra算法要好。
此外，还有双向搜索法、蚁群算法等，在此不一一赘述。
三、当前导航技术研究现状
智能车辆导航技术的研究在早期主要侧重于对各种单一导航方式的研究，如视觉、引导磁钉或电缆、GPS等。但每种导航方式都有自身固有的局限性和工作盲区，因此，自20 世纪90 年代末期以来，智能车辆的多传感器组合导航技术成为国内外的研究热点。根据导航方式与原理的不同，目前，智能车辆所应用的导航技术主要可包括：
3.1 机器视觉
在智能车辆的研究中，机器视觉具有检测范围广、信息容量大（结构化或者非结构化道路环境均能提供丰富的信息）、类似于人类驾驶决策且成本低廉等诸多优势，因此，受到了高度的重视，成为当前研究最多的导航技术。目前，国内研制的智能车辆、以及国外的许多智能车辆都主要是依靠视觉来识别道路和障碍物，进而经过局部路径规划实现对车辆方向的控制。为实现车辆的自主驾驶，视觉技术应具备实时性与鲁棒性等特点。应当指出，天气状况和光线的变化对机器视觉影响很大，在光照条件不好或无光照的情况下单纯依靠视觉无法保证能够进行可靠的检测与导航，这也是机器视觉的不足之处。
3.2 引导磁钉或引导电缆
这种导航技术通过在车道下埋设磁钉或电缆来为智能车辆提供导航信息。其优点是具有较好的环境适应能力，它在雨天、冰雪覆盖、光照不足、无光照的情况下都可以提供可靠的导航信息。其不足之处在于探测范围小，且需要对现行的道路设施做辅助驾驶。
3.3 惯性导航系统
捷联惯性导航系统（Strapdown Inertial Navigation System，SINS）是一种完全自主式的导航系统，因此具有隐蔽性好、抗干扰、不受任何气象条件限制的优点，此外还具有数据更新率快、短期精度高和稳定性好等特点。长期以来，惯性导航系统的研究和应用一直以***事应用为主要目的。这主要是由于惯性导航系统的成本较高，难以在民用领域得到应用。
3.4 全球定位系统/数字地***
全球定位系统（Global Positioning System，GPS）能够为全球用户实时而全天候地提供三维位置、三维速度和时间信息，并且没有累积误差。而载波位差分GPS技术（Carrier phase differential GPS，CP-DGPS）已可以达到厘米级的动态测量精度。目前，车载数字地***（Digital Map，DM）技术得到了较大的发展与应用。车载数字地***基本上用于辅助驾驶，主要是为了给驾驶员提供位置信息、路径规划与诱导信息等。在车辆的自主驾驶研究中，同样可以利用DM进行导航与路径引导。但由于应用背景的特殊性，在精度、内容和功能上对数字地***提出了特 殊的要求，需要进行专门的制作。GPS/DM 导航技术的诸多优势，使得该技术
在智能车辆的自主驾驶研究中也受到了重视与应用。在实现智能车辆的方向控制需要指出的是，GPS技术也存在局限，还需要对现有高等级道路做磁性化改造，成本高、难度大。
3.5 多传感器组合导航技术
智能车辆在实际运行中，外部环境总是复杂多变的。在这种情况下，为保证自主驾驶过程的高度可靠，仅靠上述任何一种传感器来获取可靠的导航信息是不切实际的。因此，近年来，智能车辆的多传感器组合导航技术研究受到广泛的关注。
四、未来发展趋势
正如前文所言，任何一种车辆导航传感器都有其局限性。为适应复杂环境下的智能车辆导航要求，采用多传感器并实现它们的有机融合是最有效、最可靠的手段。多传感器组合导航系统利用各个传感器在时间和空间上的冗余性和互补性，扩大系统的时空和频率覆盖范围，增加信息维数，避免单一导航传感器的工作盲区，提高导航系统的工作性能与可靠性，直至增强导航系统的容错性能和适 应复杂环境的能力。因此，智能车辆采用多传感器组合导航技术已成为今后的发展趋势。但是，智能车辆多传感器组合导航研究仍处于发展之中，目前还没有成熟可靠的模式与方法。国内外目前已提出的组合导航方法在可靠性、智能性和容错性等方面仍然满足不了较为复杂环境下智能车辆的导航要求，在许多方面仍需开展大量深入的研究，而下面将是最主要的几个方面：
4.1低成本、小型化和高可靠性的车载导航
传感器研究为使智能车辆的导航系统能够适应复杂的环境，一方面要求车载导航传感器要具有很高的工作可靠性和抗干扰能力，另外还应针对民用级的特点，注重低成本、低功耗与小型化。因此，研制高性价比的车载导航传感器将是一个重要的研究领域，以期从元器件级别来提高导航可靠性。如对于视觉导航，应研制能够适应大动态光线范围的CCD摄像头，以满足户外道路环境的要求。再如对于惯性导航，近年来随着MEMS技术的快速发展，深入研究低成本的硅微陀螺、硅微加速度计和微型惯性测量组合等，使其性能和可靠性不断地提高，以满足车载惯性导航领域的巨大需求。
4.2智能车辆多传感器组合导航
不同的车辆导航传感器由于工作原理的不同，当导航模型存在较大建模误差或者系统特性发生变化时往往会导致滤波发散。为提高滤波算法的稳健性和自适应能力，可针对智能车辆的导航要求与特点，研究适当的自适应Kalman滤波算法、鲁棒滤波算法（如H ∞滤波）或智能滤波（如模糊推理、神经网络以及专家系统）方法等。
五.结束语
高可靠性导航是实现智能车辆安全无人驾驶的前提和基础，一直是国内外智能车辆界的研究重点和难点。本文探讨了智能车辆导航技术的研究现状与发展方向，希望能对智能车辆导航技术的发展起到积极的促进作用。（作者单位：华北电力大学机械工程系）