智能駕駛系統工程的案例
經緯恒潤智能駕駛開發、測試評估平臺——智能駕駛全量數據感知及分析系統
上一期給大家介紹了平臺的總體方案，本期從“單車智能”開發及測試的角度，為各位看官帶來智能駕駛全量數據感知及分析系統。
智能駕駛全量感知數據實時可視化系統，可實時展示車端各類傳感器數據，可實現感知系統自動對標，并可感知端獲取各類極限場景。包括以下幾部分組成：
智能駕駛數據采集分析及可視化系統
提供一套智能駕駛傳感器全量數據采集及分析軟硬件系統，傳感器數據同步，可實時在可視化界面展示各傳感器數據。
? 全量數據采集
? 定制化傳感器接入
? 遠程事件監控/數據傳輸
? 數據同步
? 數據可視化
? 定制化場景提取
? ADAS功能/測試信號分析
真值系統
真值系統，通過量化真值系統和本車系統的感知結果差異可以評價標注過程，軟件和模型訓練過程。
展開 高級別智能駕駛業務系列：自動駕駛系統
近年來，伴隨著智慧化港口的大潮流，經緯恒潤L4高級別智能駕駛業務產品也陸續扎根港口自動駕駛多個項目中，幫助港口實現無人水平運輸自動化，達到降本增效的效果，助力客戶實現智慧化綠色港口。
在整個港口水平運輸場景中，經緯恒潤提供了端到端的車、路、網、云、圖全棧式自研解決方案，包含自動駕駛系統、路側車路協同、基于5G網絡的遠程遙控駕駛、車隊調度管理平臺、數字孿生、仿真系統、高精地圖等專業模塊，組成了一套完整的智慧港口解決方案。本篇專門介紹其中的自動駕駛系統。
▎系統介紹
經緯恒潤自動駕駛系統作為L4高級別自動駕駛的核心組成部分，結合經緯恒潤自主研發的HAV平板車、車隊調度管理平臺、高性能車規級計算平臺、感知系統、遠程駕駛系統、智能交通系統、智能場端系統、高精度地圖等，部署經緯恒潤自主設計生產的車規級量產域控制器和計算單元，保障自動駕駛水平運輸設備在不同的環境、工況場景下，高效、穩定、安全地運行。
▎高效可靠，已在多個港口園區常態化運營的無人駕駛解決方案
經緯恒潤自2015年開始布局園區類無人駕駛領域，經過不斷錘煉相關技術，于2021年在日照港正式將無人駕駛技術投入商業運營，實現了真正的無人駕駛。該技術方案基于經緯恒潤多年以來在自動駕駛算法商業化落地積累的多項技術突破，不斷挑戰升級，確保系統足夠的安全和高效可靠。
全局導航算法
經緯恒潤的全局導航算法，結合了港口園區運營環境和實際生產需求，根據車隊調度管理平臺基于系統均衡理論下發的路線信息、任務信息，并參考高精地圖和場地內實時識別的障礙物信息規劃出滿足車輛動力學要求、避開障礙物的車端導航全局路徑。
展開 針對智能駕駛的預期安全系統架構
作者 |
符永樂
來源 | 軒轅實驗室
本文來自軒轅實驗室符永樂的研究成果和學習筆記
作為未來智能駕駛的發展方向，關鍵技術的研究取得了重大進展。然而，由于近期無人駕駛事故頻發，安全性能令人擔憂。為了解決安全問題，提出了一種智能駕駛安全系統。該系統針對智能汽車感知、決策和控制方面的預期問題，實時提供安全分析和監控服務模塊。基于預期功能安全的概念，對駕駛場景和系統安全進行分析和評估，以提高智能駕駛的安全性，有助于智能駕駛的發展。
1. 介紹
智能駕駛汽車的駕駛行為高度依賴于操作系統的穩定性、智能性、安全性。
安全風險主要來源于以下三類：
硬件安全
與傳統汽車相比，智能駕駛汽車不要求駕駛員直接控制車輛，而是將部分或者是全部的控制權限交由自動控制系統。硬件架構設置是否科學合理；各無人計算控制單元和控制器的設置是否完善；無人駕駛的傳感器是否完善；車輛能夠快速準確地獲取道路環境信息，車輛運動感知和信息融合功能在無人駕駛車輛中起著決定性作用。
軟件安全
與傳統汽車相比，自動駕駛汽車的開發時間較短，技術開發仍不成熟，軟件系統仍需要長期的可靠性分析。例如，著名的無人駕駛汽車制造商谷歌已經在無人駕駛汽車平臺上進行了9年的封閉式測試，但測試時間不夠，因素也相對很簡單。因此，其安全性和穩定性仍需要長期監測。
環境安全
在人工智能算法的基礎上，智能駕駛汽車能夠實現自動避障和完成自動駕駛在一些較為復雜的道路上。然而，無人駕駛汽車仍然需要其他的交通參與者的正確駕駛來駕駛。
展開 智能駕駛系統與軟件升級的關聯設計方案
例如升級車輛的智駕系統，讓駕駛員享受越來越多的輔助駕駛功能；升級車輛的座艙系統，提高駕駛員疲勞檢測的準確率；升級車輛的制動系統，提升車輛的制動性能。
SOTA實際可看成一種軟件可售策略的核心需求，他是通過給車輛控制器安裝“增量包”，來實現控制器功能的一個“增量”更新，一般應用于娛樂系統和智駕系統。例如更換多媒體系統操作界面，優化儀表盤顯示風格，更新娛樂主機里的地圖程序時，用到的都是SOTA升級方式。SOTA涉及控制器應用層一個小范圍的功能局部更新，對整車性能影響較小，升級前置條件要求較低。SOTA的增量更新策略，可以大幅減小升級包文件大小、從而節約網絡流量和存儲空間。
這里我們舉例說明FOTA和SOTA分別如何在智能駕駛升級中進行有效定義。
例如升級智能駕駛汽車系統，為了讓駕駛員享受越來越多的輔助駕駛功能；通常根據功能開發難度、時間長度來確定對階段性功能的不斷更新迭代（包含從低級別功能向高級別功能進階的軟件更迭）。同時，過程中需要升級車輛的座艙系統，提高駕駛員疲勞檢測的準確率；升級智能駕駛車輛的關聯子系統（如制動、轉向系統等模塊），提升車輛的制動性能。
2.智駕系統中的軟件升級架構
對于整個OTA升級而言，從下至上主要包括如下三方面：升級對象、OTA管理器、OTA云服務平臺。自動駕駛域控制器與座艙域控制器通過以太網連接，升級協議一般為常用的DoIP，除開域控本身外，升級過程還包括高精定位模塊升級，傳感器升級。
展開 
ESC系統在智能駕駛浪潮中的進化（中）
更進一步地：
如果是ESC+真空助力器制動組合，制動請求則有ESC系統主動增壓實現
如果是ESC+電助力系統eBooster制動組合，制動請求由ESC系統轉化為對eBooster的液壓請求，由eBooster系統建壓實現
隨著混合動力系統的發展，后一種制動系統的配置越來越流行起來，ESC系統和eBooster系統協調工作大致原理如下：
eBooster和ESC共用一套制動油壺、制動主缸和制動管路。
eBooster內的助力電機產生驅動力推動主缸活塞運動，使油壺中的制動液流入主缸管路并進入ESC進液閥，經ESC中的調壓閥和進液閥流入4個輪缸，從而建立起制動力。
當eBooster不工作時，ESC也可以獨立控制制動液從主缸流入輪缸，從而建立制動力。
eBooster和ESP的制動組合
由于eBooster建壓的動態響應速度比ESC主動建壓更快，且NVH表現更好，因此相比于ESC+真空助力器的制動系統組合，ESC+eBooster制動控制系統在ACC和AEB中的表現更佳。
總結
本文總結了具有主動增壓功能的ESC系統在主流的輔助駕駛功能中的應用，可以看出除了基本的穩定性控制以外，ESC系統被挖掘出越來越多的增值功能，使得ESC系統在智能駕駛發展的浪潮中依然扮演著重要的角色。
自動駕駛系統對制動系統提出了更高地要求——制動冗余。而ESC系統如何支持制動冗余呢？下期將進行探討。
展開 ESC系統在智能駕駛浪潮中的進化（上）
編輯 | 一驥絕塵
系列文章概述
說到電子穩定性控制系統ESC（Electric Stability Controller）大家都不陌生，自1995年博世研發出第一代ESP系統（博世ESC系統的專有稱呼）并首次應用在奔馳S級轎車上以來，這個汽車發展史上劃時代的主動安全產品為降低交通事故做出了卓越的貢獻。
ESC的初衷是提高車輛動態穩定性，同時也正是由于ESC有主動控制四個輪子制動力的能力，使得ESC的控制潛力又不限于穩定性控制，于是乎衍生出了一系列的輔助功能，如坡道輔助、制動助力等；到了自動駕駛系統架構日漸成熟的今天，ESC仍然發揮著它的價值，活躍在主流的自動駕駛的制動冗余方案中。
基于此，系列文章將分以下三期講解ESC在智能駕駛浪潮中的進化之路：
ESC與穩定性控制 (上)
ESC與輔助功能 (中)
ESC與自動駕駛 (下)
本文即為系列文章的上篇，探討ESC穩定性控制系統的發展過程以及控制原理。
1. 前言
據對汽車安全性研究顯示，在道路交通事故中，大約10％的事故是由于車輛在制動瞬間偏離預定軌道或甩尾造成的。因此完善制動性能是減少交通事故和促進汽車工業發展的重要措施，而對制動進行主動干預是完善制動性能的關鍵。
展開 ESC系統在智能駕駛浪潮中的進化（下）
編輯 | 一驥絕塵
前言
在上期文章《ESC系統在智能駕駛浪潮中的進化（中）》介紹了ESC系統憑借其不依賴駕駛員的主動增壓的能力在主流的輔助駕駛功能中的應用，可以看出除了基本的穩定性控制以外，ESC系統被挖掘出越來越多的增值功能，使得ESC系統在輔助駕駛發展的浪潮中依然扮演著重要的角色。
這一點在自動駕駛中依然成立。自動駕駛對制動提出了冗余的新要求，而ESC系統作為中高檔車型的標配，對其稍加“升級”就能和其他制動系統組成支持自動駕駛的制動冗余對OEM來說不失為一種低成本的方案。
本文將對以ESC系統作為制動系統之一的冗余制動方案進行介紹。
1. 自動駕駛與冗余制動
讀者對SAE J3016對車輛自動化級別的分類已不陌生。Level~Level5代表著車輛智能化程度的逐漸遞增。如果將這五個級別進行進一步歸類則可以歸納為：
輔助駕駛汽車 （包含Level1 / Level2）
自動駕駛汽車 （包含Level3 / Level4 / Level5）
J3016對車輛自動劃級別的分類
輔助駕駛汽車和自動駕駛汽車最大的區別在于系統故障導致事故的責任方的不同：
對于輔助駕駛，當系統出現故障以后，只要正確向駕駛員報告了故障，接下來能否脫險全看駕駛員的水平，出了事故責任方在駕駛員，汽車廠家是沒有責任的。
對于自動駕駛，系統在出現故障之后，需要系統來自己操作避免事故（自動駕駛等級越高，駕駛員可以越晚介入接管甚至是完全不用接管），出了事故是汽車廠家的責任而不是駕駛員的責任。
展開 一文詳解智能駕駛感知系統測試技術
摘要
隨著人工智能、邊緣計算、無線通信和車載傳感器等關鍵技術的進步和突破，自動駕駛系統迎來了新一輪的發展。交通應用的安全攸關場景給自動駕駛系統提出了更高的質量保障要求。感知系統是自動駕駛的核心，圍繞感知能力的測試驗證工作是保障自動駕駛軟件系統安全可靠的有效且必要途徑。本文簡要分析了國內外自動駕駛感知系統測試的研究現狀，并對圖像、激光雷達、以及感知融合測試方法和技術發展進行了討論。
前言
隨著人工智能及其軟硬件技術的進步，近年來自動駕駛獲得了快速發展。自動駕駛系統已經被應用于民用汽車輔助駕駛器、自動物流機器人、無人機等領域。感知組件是自動駕駛系統的核心，它使得車輛能夠分析并理解內外交通環境信息。然而，與其他軟件系統一樣，自動駕駛感知系統困擾于軟件缺陷。并且，自動駕駛系統運行于安全攸關場景，其軟件缺陷可能導致災難性后果。近年來，已經發生多起自動駕駛系統缺陷導致的人員傷亡事故。自動駕駛系統測試技術受到學術界和工業界的廣泛重視。企業與研究機構提出了一系列包括虛擬仿真測試、實景道路測試和虛實結合測試等在內的技術和環境。然而，由于自動駕駛系統輸入數據類型的特殊性和運行環境的多樣性，這類測試技術的實施過程需要消耗過多資源，并需要承擔較大風險。本文簡要分析當前自動駕駛感知系統測試方法的研究和應用現狀。
1 自動駕駛感知系統測試
自動駕駛感知系統的質量保障越來越重要。感知系統需要幫助車輛自動分析和理解路況信息，其構成非常復雜，需要充分檢驗待測系統在眾多交通場景下的可靠性和安全性。當前自動駕駛感知測試主要分為三大類。無論何種測試方法，都表現出了一個區別于傳統測試的重要特征，即對于測試數據的強依賴性。
第一類測試主要基于軟件工程理論和形式化方法等，以感知系統實現的模型結構機理為切入點的測試。
展開 前沿 | 針對智能駕駛的預期安全系統架構
來源 |
軒轅實驗室
作為未來智能駕駛的發展方向，關鍵技術的研究取得了重大進展。然而，由于近期無人駕駛事故頻發，安全性能令人擔憂。為了解決安全問題，提出了一種智能駕駛安全系統。該系統針對智能汽車感知、決策和控制方面的預期問題，實時提供安全分析和監控服務模塊。基于預期功能安全的概念，對駕駛場景和系統安全進行分析和評估，以提高智能駕駛的安全性，有助于智能駕駛的發展。
1.介紹
智能駕駛汽車的駕駛行為高度依賴于操作系統的穩定性、智能性、安全性。
安全風險主要來源于以下三類：
硬件安全
與傳統汽車相比，智能駕駛汽車不要求駕駛員直接控制車輛，而是將部分或者是全部的控制權限交由自動控制系統。硬件架構設置是否科學合理；各無人計算控制單元和控制器的設置是否完善；無人駕駛的傳感器是否完善；車輛能夠快速準確地獲取道路環境信息，車輛運動感知和信息融合功能在無人駕駛車輛中起著決定性作用。
軟件安全
與傳統汽車相比，自動駕駛汽車的開發時間較短，技術開發仍不成熟，軟件系統仍需要長期的可靠性分析。例如，著名的無人駕駛汽車制造商谷歌已經在無人駕駛汽車平臺上進行了9年的封閉式測試，但測試時間不夠，因素也相對很簡單。因此，其安全性和穩定性仍需要長期監測。
環境安全
在人工智能算法的基礎上，智能駕駛汽車能夠實現自動避障和完成自動駕駛在一些較為復雜的道路上。然而，無人駕駛汽車仍然需要其他的交通參與者的正確駕駛來駕駛。只有當其他駕駛員做出正確駕駛的判斷時，無人駕駛汽車的測試才會相應做出正確、合理的判斷。
該論文在對無人駕駛事故和安全隱患的分析基礎上，提出了自動駕駛汽車的預期安全系統。
展開 智能駕駛實車測試系統-VDAS
智能駕駛技術的迭代研發，需要多種傳感器、海量數據、海量場景的支撐。而目前多種傳感器Gbit/s級別的數據同步采集、海量數據的快速分析和評估、關鍵場景的切片和提取，是業界公認的棘手問題。
為了解決上述的棘手問題，經緯恒潤推出了智能駕駛實車測試系統——VDAS。VDAS主要由數據采集設備、環境感知系統、數據分析軟件VDA組成。
數據采集設備
數據采集設備由車載工控機、多種數據采集板卡、傳感器、車載顯示屏等組成。通過配套的數據采集軟件，實現各類車載總線數據、感知數據的采集，適配CAN/CANFD、以太網、車載以太網、USB、串口等各類常用接口。
感知系統
通過激光雷達、高清網絡攝像頭、組合導航傳感器，并結合環境感知算法和傳感器融合算法，可以感知周圍環境信息，包括周圍交通參與者的類別、距離、速度、加速度、航向角等，以及周圍交通標志的距離、類型、顏色等，對于車道線檢測，還可以檢測是否越線，以及統計壓線次數等。
下面的動圖為在城市快速路場景，激光雷達通過多目標跟蹤、機器學習分類等算法輸出的感知效果。
激光雷達感知
為了減少單個傳感器的檢測不確定度，系統采用激光雷達+攝像頭的信息融合方案，結合激光雷達精度與攝像頭信息豐富的特點，融合效果如下圖所示。
激光雷達+攝像頭傳感器融合
通過相機標定與圖像特征提取，系統可以識別出車道線信息，具體包括車道線類型、與車道線距離、擬合出的車道線方程等。
車道線識別效果
VDA數據分析
VDA是恒潤自主研發的一款實車測試數據分析軟件，配合數據采集系統，可以支持各類場地測試和開放道路測試的關鍵指標自動提取、數據統計和測試報告自動生成。
展開 近萬字闡述：智能駕駛系統功能如何定義
由于公開信息的不完整性，在某些情況下使用工程判斷來預測某些數據。在這些情況下，在附表中提供了一個"？"，而不是"X"。
第1類，L3有條件自動交通擁堵駕駛功能
L3交通擁堵駕駛功能是為走走停停的交通提供自主行駛。如果可以跟蹤前面的汽車，它允許車輛在較慢的速度下不需要人類操作員的輸入就可以行動。人類操作員是DDT的退路。奧迪交通擁堵試點（奧迪，2015年）使用自適應巡航控制和LKA，允許在交通堵塞中緩慢行駛。2017年的奧迪A4和Q7，包含了這個功能的早期版本（SAE國際L2），跟隨前面的車輛，在系統的限制范圍內自動操作油門和剎車，使車輛保持在車道上。汽車自動轉向、加速和剎車，并允許司機在慢速行駛的交通中雙手離開方向盤，每次15秒（Jaynes, 2016），該功能的未來版本有望實現L3級自動駕駛，并在2019年的奧迪A8上投入商業使用。
福特已經宣布，該公司正在敲定他們自己的交通擁堵輔助系統；然而，他們沒有提供其首次亮相的時間表。交通擁堵輔助系統將是一個結合了ACC和LKA的自動駕駛系統，協助司機進行轉向、制動和加速（福特汽車公司，2015）。結合相關行業信息，福特L3量產預計在2022年，其自動駕駛控制器具備L3系統冗余和自動泊車駕駛功能的系統。
表3. L3有條件的自動交通擁堵駕駛功能
第2類，L3有條件的高速公路自動駕駛功能
L3高速公路駕駛功能允許車輛在高速公路上不需要人類操作員的輸入就能采取行動（例如，ACC和近距離排隊）。該功能使車輛能夠以理想的速度行駛，并根據周圍的交通情況調整速度。該系統還能超越較慢的車輛或在高速公路路口并線。
表4.
展開 
抬頭顯示系統HUD（四）：AR-HUD與智能駕駛
作者 | HYZY
出品 | 焉知
一智能駕駛人機交互的設計原則
對于L3及L3以下的智能駕駛汽車來說，人和車需要協同合作，共同完成駕駛任務。在這個過程中，車和人之間主要的交互方式就是人機界面HMI。智能駕駛的人機界面需要使車了解駕駛員的命令和意圖，同時還要為用戶提供一個清晰的系統運行狀態，最終使用戶增強對系統的信任。
圖 1 自動駕駛交互界面
智能駕駛人機交互設計應遵循以下三條原則：
建立用戶信心：通過“你見即我見”及“決策預告”設計，將智駕系統感知信息及規劃、預測信息以視覺形式實時顯示給用戶，增強用戶使用信心；
明確駕駛責任分配：需通過視覺等形式清晰告知用戶，當前自己與系統所承擔的任務及擔負的責任；
駕駛接管：無論是系統接管用戶，還是用戶接管系統，交互設計都必須保證雙方對駕駛權的更替進行反饋認可。
二.AR-HUD的應用場景
智能駕駛人機界面中所有需要通過視覺顯示的內容，AR-HUD無疑都是一個理想選項。因為AR-HUD讓用戶得以和周圍環境直接互動，而不只是注意車前的位置。用戶可通過AR-HUD準確掌握自己的車在干什么。以下為具體的AR-HUD的應用場景：
1. 車道輔助
AR-HUD可根據智能駕駛系統輸入的車道線信息，將圖像直接顯示在真實的車道線上，可增強車道輔助類智能駕駛功能體驗效果。
圖 2 AR-HUD車道輔助
2.
展開 新科工程在以色列研發智能交通及自動駕駛技術
據外媒報道，新加坡科技工程有限公司（新科工程，ST Engineering）與阿什杜德自治市（municipality of Ashdod）簽訂了合作協議，將在以色列研發智能交通系統及自動駕駛車輛的車載功能，該協議涵蓋了道路智能交通系統及客車車隊管理系統。
新科工程想要啟用一家研發中心，幫助該項目團隊共享先進傳感器的專業知識及人工智能技術，上述技術可用于自動駕駛平臺。該設施將為公司的自動駕駛客車提供測試場地。
此外，新科工程的智能鐵軌套件及道路交通方案可提供實時交通感知并傳送服務中斷警示。
大眾也在以色列測試自動駕駛出租車服務，該項計劃長達四年，與Mobileye和Champion Motors簽訂了合作協議。
該項目以“以色列新移動出行（New Mobility in Israel）”的名義進行，作為移動出行即服務（Mobility as a Service）模式的重要一環，該服務正在經受測試，該模式通常會通過自動駕駛車輛來實現。
Mobileye也配置了大眾的電動車，提供四級自動駕駛套件，該款無人駕駛方案由硬件、駕駛策略、安全軟件及地圖數據組成。而Champion Motors是以色列的汽車進口商，負責運行車隊運用及控制中心。
來源：蓋世汽車網
展開 制動和轉向自適應控制下的智能駕駛系統
諸如全局底盤控制（GCC）之類的概念通過集成主動底盤系統為駕駛動力，穩定性和舒適性開辟了新的領域。目標是優化每個系統的潛力，并將其集成到智能的整體系統中。AUTOSAR硬件和軟件將支持功能集成。控制車輛動力學的鏈接系統是一個正在進行的項目。目前正在針對以下挑戰進行深入研究：
– 確定可以并希望通過控制系統確定汽車特性的區域
– 為給定的智能汽車家族組裝最佳的主動系統產品組合
– 針對給定的智能汽車電子架構設計機箱控制功能，以應對復雜性
對于所有主機廠來說，全面的車輛動力學控制協調概念的目標還有很長的路要走。盡管如此，有關目標仍存在一致意見。
在正常情況下，底盤控制應提供最大的舒適度和娛樂性。主機廠擁有創建個人汽車角色的所有自由。在處于摩擦極限的臨界情況下，每個可用的執行器都將起作用，自適應的主動底盤控制將幫助駕駛員避免發生意外。
展開 量產的智能駕駛系統缺陷及解決方案詳解（二）
前文“量產的智能駕駛系統缺陷及解決方案詳解（一）”我們對智能駕駛2級輔助中的功能控制問題進行了詳細介紹，其中包括低速跟車功能TJA以及高速跟線功能ICA的一些常見問題，并且針對性的提出了相應的解決方案。該兩類功能控制問題主要涉及邏輯層面解決方案，而本文將針對控制層面進行講解。
目前從售后市場統計的基本的橫向控制功能問題主要包括如下幾類：
1）橫向控制超調問題
橫向控制過程中，容易出現控制超調，導致急速偏離車道；
2）駕駛員縱向干預時，橫向控制魯棒性降低
當駕駛員踩油門踏板對縱向進行加速控制時，橫向壓線行駛不退出；
3）駕駛員橫向干預時，橫向控制魯棒性降低
駕駛員對方向盤超控后，系統出現強烈對抗或極易退出兩種極端；
對于自動駕駛控制回環中我們不難看出主要體現在控制器+執行器的交互執行結果上，其整個橫向控制邏輯圖如下：
當控制端準確地發送的控制信號時，執行端則需要在適當延遲條件下將性能響應到位，如果執行器響應過程中出現如下不同的情況，則會導致不同的執行結果。
1）延遲較長時間開始響應自動駕駛控制器指令
2）響應執行器結果的最小值比控制端發出的最大值更大
3）響應執行結果的最大值比控制端發出的最大值小
4）響應執行結果后執行器清零（或回退）慢
本文主要針對如上問題進行原因分析并提出解決方案。
橫向控制超調問題
橫向控制超調主要表現為當系統控制器發出轉向指令后，執行器在執行轉向過程中會出現轉向過度或轉向不足等情況，此時系統功能無法及時的滿足駕駛員的駕駛需求導致偏出目標車道的情況，這種控制缺陷主要影響系統性能指標，且會在一定程度上一定程度上影響控制執行結果（如偏離車道可能導致系統退出）。
對于超調控制來說，主要是指執行器執行結果超過控制端指令發出值后導致車輛偏出車道。
展開 