智能车驾驶脑认知技术、平台与转化研究

In order to achieve the visual and auditory perception,the current research on the intelligent vehicle depends mainly on sensors. However,the essential problem of computation of driver's cognition has still not been considered.The visual and auditory perception cannot replace the brain cognition. Furthermore, sensor-driven intelligent driving cannot reflect the uncertainty of drivers’ driving behavior. In order to solve the two problems, we put forward the concept of"Driving Brain"for the first time, and get down to doing research on the formalization of the brain cognition and driving behavior,the implementation method, and prove their universality and completeness.The project includes the following five aspects: First,Cognitive engineering related to the focus and distraction of attention; Second,the construction of variable granular driving posture CT cluster,and the cloud model of bidirectional cognitive uncertainty represented by mathematical expectation, entropy and hyper-entropy;Third,memory sticks of dangerous scene,crossroad, parking based on driving experience large data; Four,“target”and“target serial”constitute“Driving by targets";And last,complete the design ofparallel driving and collaborative control bus of the intelligent vehicle.The innovation mentioned above has been verified by the driverless testing from the Terminal of Capital International Airport to Tiananmen Square. Due to advantages ofboth the strategic cooperation and special education between BAIC and the applying university, the achievements can be transformed to domestic electric cars and wheeled robots for the human service. It plays an important role not only in improving the quality of people’s lives, but also inguaranteeing national security.

目前，对智能车的研究主要是以传感器形式实现视听觉的感知计算，缺少对驾驶认知计算这一核心问题的理解。以视听觉为重点的感知替代不了脑认知，而且以传感器驱动的自动驾驶无法体现驾驶人行为的不确定性。针对这两个基础理论问题，本项目首次提出"驾驶脑"思想，研究驾驶脑认知的形式化、驾驶行为的形式化表达及实现方法，并证明其普适性和完备性。包括：注意力集中和注意力分散的认知工程学；变粒度的驾驶态势CT图簇的构建，用数学期望、熵、超熵表述不确定性双向认知的云模型；基于驾驶经验大数据的危险场景、路口、泊车记忆棒等实现方法；用"的"和"的串"构成寻的驾驶；完成智能车双驾双控总线设计。以上理论和技术创新通过从首都机场航站楼到天安门广场的无人驾驶试验进行验证，结合申请单位和北汽集团的战略合作优势及特殊教育优势，将成果转化到国产电动汽车和助老助残轮式机器人，在提高国民生活质量、确保国家安全中发挥重要作用。

“智能车驾驶脑认知技术、平台与转化研究”项目由北京联合大学和原总参61所合作承担，鲍泓教授为项目负责人，李德毅院士为首席专家，横向建立了十三个课题组群，纵向建立了＂猛狮＂、＂京龙＂和宇通等六个车队群，历时四年，全过程实行有效的矩阵式管理。.1.主要研究内容. 本项目的核心是研究“如何物化驾驶员在开放道路条件下，对不确定性驾驶环境的认知，自主完成各类驾驶行为”这一科学问题。在CPU+GPU+FPGA的微电子技术支撑下，研发包括计算认知、交互认知和记忆认知在内的多总线架构，可用于深度学习和自学习的机器驾驶脑，并连同汽车CAN总线，和汽车一同构成轮式机器人。在历次比赛和路测试验中，迭代改进，正在向特定应用环境下智能车的小批量量产转化。.2.本项目取得以下重要结果.1）形成驾驶脑认知的完整理论，实现了可二次开发的驾驶脑认知平台；.2）发表SCI/EI检索期刊论文40余篇，国际会议论文10余篇，著作6部；.3）受理和授权发明专利、软件著作权等自主知识产权70余项；.4）参加2014-2017国家自然科学基金委举办的“中国智能车未来挑战赛”、 2016世界机器人大会和2017世界智能大会，成绩稳定，名列前茅；.5）完成在多种开放道路环境下的路测与试验,联合课题组5辆智能汽车参加了2015年郑开大道 (Z2K) 32公里路测，全程无人工干预，在国际上形成巨大影响，园博园成为本课题组近三年来的路测基地，累计路测里程约15万公里；.6）本课题培养出30余名硕博士，还带动了学校的新工科改革和人才培养，在全国率先成立了机器人学院，包括巡逻车、物流车等十个类别的20辆低速电动无人车，用于成果转化和人才培养，全国首创，并多次在全国和国际机器人比赛、大学生学科竞赛中获奖，刘延东副总理等国家领导多次参观指示。.7）正在形成由驾驶脑直接控制的特定港口智能卡车、快速公交运行的智能大客车，以及封闭园区的低速场地智能车的产业化，展现出良好前景。.3.关键数据及其科学意义. 关键数据包括公共数据集和模拟试验报告、比赛数据和总结报告、路测数据和路测报告等。驾驶脑理论与技术不仅适用于汽车的智能化，还可涵盖所有的轮式运载工具，如拖拉机、坦克、轮式服务机器人等，甚至可用于空中和水面机器人，凡需要物化驾驶员在开放航道条件下对不确定性驾驶环境的认知，自主完成各类驾驶行为，都有广泛的科学意义。