高级辅助驾驶系统：驾驶员应知应会

相反，基于规则的系统一般非常直观：您可以读取一条规则，知道为什么在此处要采用它。但是，基于规则的系统实行起来也有局限。很难设计一个能够在不可预见的环境中正常工作的系统—务要求很好的进行抽象思维，找到胜任于某些环境的规则。随着规则的增多，计算要求和行为预测都会带来问题。例如，有可能加入看起来非常合理的规则，不经意间，在基于规则的判断树上设立了死循环，或者，建立了无法实时遍历的规则列表。

除了混合神经网络和规则之外，还有第三种因素。很多系统设计人员觉得根本不可能只从传感器数据中得出正确的环境模型，因此，他们要求来自基础设施的数据：来自道路和十字路口的固定传感器的数据，以及从其他车辆送来的数据。Ng-Thow Hing 观察到，“在日本，计划是使用智能基础设施来实现问题追溯。” 道路传感器可以定位车辆，非常精确的测量其速度，减少物体识别和分类的压力，从而减少判断单元的不确定性。来自其他车辆的数据是另一关键参数，车内传感器很难理解这些数据：其他车辆要往哪里开。

但是，基础设施数据需要非常好的社会组织，还要考虑政治因素，以及只有少数国家能够承担得起的投入等。因此，目前世界上大部分 ADAS 设计人员还不能依靠这些。Schumacher 提醒说：“最后，您还需要地图信息，需要基础设施信息。我们还有时间来‘靠边停车’。”

无论ADAS判断阶段采用哪种实施计划，它都必须产生两类输出 (图2)。第一类是必须的，输出至人机接口，告诉并提醒驾驶员。第二类输出—只是在某些设计中有，只用于某些环境中，直接作用在车辆主系统上：转向，刹车，传动等，如果所有这些都失效了，那么还有被动安全系统。

图2. 判断系统有两类不同的基本输出流。

可能让人吃惊的是，最热门的争议是人机接口：它什么时候应该起作用，怎样起作用?福特公司的 Buczkowski 在其 DAC 主题演讲中，建议应该让驾驶员感到 “这辆车很理解我—也是这么干的。”

这就说明了问题：对于驾驶员，ADAS是有个性的。Schumacher 提醒说：“如果错误的反应太多，或者系统太谨慎了，那么，驾驶员就会把它关掉。” Ng-Thow Hing 对此表示同意：“其复杂性在于有很多不同的驾驶习惯。” 谨慎的驾驶员喜欢报警甚至是直接干预。冲动的驾驶员不愿意受到干涉;甚至是那些符合安全驾驶要求的干涉。如果他们觉得 ADAS 系统让他们在乘客面前出丑了，他们会永久关掉系统。

Schumacher 解释说：“例如，道路保持功能在提醒驾驶员时，乘客也会很清楚的知道。如果设计成直接干预，可以通过控制转向系统或者采用不同的刹车扭矩来完成。一种方法要比其他方法作用更明显。”

让人分散注意力也是问题。人机接口必须引起驾驶员的注意，并给出正确反应的建议。不能给出不具指导性的警报，这只能进一步分散驾驶员的注意力—特别是在某些紧急时刻。

干预

如果我们越来越需要自动驾驶汽车，那么 ADAS 对汽车的控制会更多。这就带来了其他两种设计难题—什么时候以及怎样控制车辆。

第一个问题是两个问题中最难解决的。很明显，系统不应该尝试在当前环境下有可能出现危险或者无法进行的操作。例如，60 kph 时，ADAS 不能尝试右转。这种要求实际上意味着，判断单元必须有详细设定的规则来控制能否使用车辆控制系统接口。但是考虑到有各种各样的车辆速度、车辆方向以及道路状况组合，在实时控制系统中，基于规则的方法很难解决问题。ADAS 可能需要车辆的连续动态模型，这样，它能够从所需的轨迹中计算出可行的控制输入。这对于其本身并不意味着计算负载。

第二个问题是个性问题的另一种表现。ADAS 总是应该控制汽车吗?如果驾驶员的行动与计算策略相冲突，它应该干预吗?或者，它应该拖延驾驶员的操作，直到避免发生事故的最后一刻?如果驾驶员不听指挥，那么 ADAS 应该怎么响应?最后一个问题的答案是环境预知，例如驾驶员酒驾或者出现了危险行人的情况，还是应该可以调整，或者适应驾驶员的个性?

开弓没有回头箭

所有这些问题都代表了设计人员的价值判断，答案会在 ADAS 系统设计、成本以及性能上产生非常不同的结果。那么，您购买汽车时怎么判断系统的质量和个性化问题呢?

Ng-Thow Hing 提醒说：“市场上汽车的质量和性能良莠不齐。我们需要非常有经验的专家来帮助购车者理解他们能得到什么。”

Schumacher 更悲观一些，至少对于美国市场是这样的。他说：“在美国，简单的产品通常能够获得成功。在欧洲，情况则完全不同。购车者在做出决定之前会研究资料，反复比较。”

我们知道 ADAS 系统还有很多未解决的问题，也