3.1　无人车

无人车自动驾驶涉及认知科学、人工智能、机器人技术与车辆工程等交叉学科，是各种新兴技术的综合试验床与理想载体，也是当今前沿科技的重要发展方向，同时，研制具有自主知识产权的无人驾驶车辆不仅对改善道路交通、促进国民经济发展具有重要推动作用，也对满足国家安全战略需求具有重要意义。无人车已经在很多领域开始应用，例如物流运输、安防巡逻、抢险救援等。

无人车发展的核心是提高其智能性，发展趋势是提高复杂环境的感知和认知水平，实现智能驾驶决策与规划，实现高速高精度的运动控制。主要关键技术包括以下几点。

基于跨媒体协同的异构信息整合与环境感知技术

基于跨媒体协同的异构信息融合与环境感知技术，包括研究基于深度学习的环境感知方法，运用跨媒体的多源异构信息建立融合多种传感器信息的道路模型，攻克不同道路环境、不同交通流量条件下的环境感知技术，构建智能处理系统，实现对各种典型交通标识（标识牌、红绿灯）、车道线、动静态障碍物的检测与分类，为无人车的行为决策提供可靠的信息输入。

基于驾驶地图的无人驾驶车辆高精度自主定位技术

基于驾驶地图的无人驾驶车辆高精度自主定位技术，包括研究面向无人驾驶车辆的快速驾驶地图构建方法，运用车载卫星定位系统、惯导信息、车载激光雷达、视觉等传感信息，构建复杂环境下的包含多种定位要素的驾驶场景地图；在此基础上，针对车辆行驶时实时高精度定位的需求，利用激光雷达、视觉、驾驶地图等多元传感信息，结合驾驶地图中的街景特征等地图先验知识，提高道路信息检测的准确率与定位的精确性，从而实现无人驾驶车辆的厘米级定位，为智能决策和路径规划提供技术支撑。

复杂环境下交通态势认知与智能决策方法

复杂环境下交通态势认知与智能决策方法，包括针对感知信息的不确定性，决策系统结合各种先验知识，对无人车所处的交通态势（如车辆、行人的交互行为）进行建模与预测，更加有效地支撑安全行为决策与轨迹规划的生成。同时，通过提取人类驾驶员的驾驶经验知识，构建感知不确定性下的智能行为决策模型，实现驾驶知识的自主增量学习，以提高行为决策系统在复杂未知、不确定性场景下的决策水平，从而增强无人车辆的安全性、可靠性和实用性。

基于群体智能的多车交互与协同控制方法

基于群体智能的多车交互与协同控制方法，包括针对未来有人／无人、无人／无人多车交互交通环境下的无人驾驶汽车复杂交互环境，研究基于群体智能的多车交互机理与自组织协同控制方法。在基于群体智能的多车交互机理方面，通过借鉴生物界蚁群、蜂群、鱼群等群体智能交互机制，研究有人／无人、无人／无人多车交互交通环境下的多车交互机理，开发交互模型，并利用仿真、实车测试等手段，实现在多车交互条件下的无人车无碰撞行驶过程。在多车交互机理研究的基础上，进一步研究基于群体智能的多无人车自组织协同控制方法，实现有通信／无通信条件下多车（有人／无人、无人／无人）自动组队、跟车、避障等行为。

无人驾驶车辆智能测试评价方法、测试装备与测试标准

无人驾驶车辆智能测试评价方法、测试装备与测试标准，包括针对系统测试，构建涵盖从虚拟仿真测试、半实物仿真测试到实车测试的无人驾驶车辆测试方法与工具，实现无人驾驶车辆智能能力的量化评价，为无人车上路提供测试与评价工具与依据。