探討人工智能在汽車自動駕駛系統中的運用

余金榮 汪永壯 李阿兵 劉強

摘 要：隨著現代科技的快速發展，各種新技術也隨之發展起來，以人工智能為代表的新技術，在我國汽車領域得到了廣泛運用。車輛自動駕駛是以計算機為核心，完成車輛自動駕駛。目前，車輛自動駕駛能夠感知部分問題，其他問題還要依賴于人工智能技術。本文從車輛自動駕駛技術現狀入手，對人工智能在汽車自動駕駛系統中的應用進行了深入分析。

關鍵詞：人工智能汽車 自動駕駛系統 運用

中圖分類號：TPI8 文獻標識碼：A 文章編號：1672-3791（2018）09（a）-0066-02

車輛自動駕駛需要感知與控制系統同時作用，其中，車輛控制系統，是對車輛的行駛情況進行有效控制，讓車輛可以按照計劃路線行駛；感知系統，也就是識別車輛行駛階段所產生的故障問題，并加以提醒，從而使車輛能夠安全運行。現如今，感知系統還處在研發試驗階段，而將人工智能運用到車輛自動駕駛中，能夠發揮很大的作用。

1 車輛自動駕駛技術現狀

自動駕駛汽車集環境感知、決策規劃等各項技術為一體，其主要依靠現代信息技術以相應的傳感、采集設備。采集設備收集路況信息，通過智能系統的分析后，將結果上傳至自動行駛系統中，再由控制系統對車輛進行控制等，各項技術的應用，確保了車輛行駛的安全性[1]。

近年來，隨著人工智能的興起，現已被運用到車輛自動化實踐研究過程中，且在2年前，我國就專門針對無人駕駛汽車進行了試驗研究，取得了一些成果。我國與國外自動駕駛車輛研究比較，其主要是通過汽車生產企業、高校科研共同研究，其中包含一汽、奇瑞等，在研究階段也花費了很多的人力、物力資源，而現在科技的快速發展，也為企業自動駕駛提供了技術保障。

2 人工智能在汽車自動駕駛系統中的運用

2.1 人工智能在自動駕駛凸顯識別、感知中的運用

無人駕駛汽車主要是依賴于傳感器進行感知。現如今，傳感器種類逐漸增多，性能越來越高，成為了汽車無人駕駛的重要助推力。反之，無人駕駛對傳感器的要求也逐步提高，促進其更好地發展。運用于無人駕駛的傳感器可以分成以下幾類。

（1）雷達傳感器。主要是對某范圍內出現的障礙物精心探測，如車輛與行人的距離、速度等，運用的比較多的車載雷達主要有激光、超聲波雷達及毫米波雷達[2]。其中，激光雷達準確率最高、探測范圍非常高，但是成本投入大。雖然，超聲波雷達成本比較低，但是能夠探測的距離非常近、精確度不高，只能運用于低速狀態下的碰撞預警；毫米波雷達成本不高，探測距離很遠，被一些汽車企業廣泛運用，但精度比激光雷達要低。

（2）視覺傳感器主要是進行識別車道線、標志牌等。一般使用的是單雙目攝像頭及紅外攝像頭。該種傳感器投入成本少、相關產品比較多，但也存在自身不足之處，極易受到光照、遮擋等的影響，準確性需要進一步提高[3]。

（3）車身傳感器。其主要來自于車輛本身，利用整車網絡接口獲得相應的車輛信息，即車速檔位等。

2.2 人工智能在自動深度學習中的運用

無人駕駛汽車的核心是計算機，當然，無人汽車所使用的計算機與我們平常所用到的筆記本電腦存在很大的區別，因為車輛在行駛過程中經常會出現顛簸、搖晃、高溫等一系列狀況，普通的計算機難以在這種環境下長時間運行，因此，無人駕駛車都是使用的工控機。操作系統模塊上面是支撐模塊，也就是計算機程序；支撐模塊主要是包含虛擬交換模塊，便于各模塊將能夠相互通信；日志管理模塊主要是記錄日志、完成檢索和信息回放；監控模塊主要是對系統運行狀態進行監控，若是發現某一模塊運行不規范、出現運行故障，則能夠立刻做出反應，提醒相關人員解決問題；交互調試模塊，主要是實現人員和無人駕駛系統的交互[4]。

除了需要具備認知能力外，機器還需要學習。深度學習是保證無人駕駛技術成功的必備條件。實際上，深度學習來源于人工神經網絡非常高效的一種學習方式。通過深度學習能夠增強汽車識別道路、阻礙物等的效率，確保識別的準確率，經過各種數據訓練后，汽車就能夠收集到各種圖形，將電磁波信息轉變成相應數據，借助深度學習算法能夠完成無人駕駛。

汽車利用雷達收集到的相關數據信息時，必須要對原始數據訓練數據進行處理，計算均值時，還應該對均值進行標準化分析、處理。如可以將激光收集到的時間數據轉化成車、物體間距離；將車載攝像頭拍攝到的圖片信息轉變成對障礙物、行人等的判斷[5]。

將深度學習運用到無人駕駛汽車中，主要涵蓋如下步驟：（1）準備好相關數據信息，做好數據的預處理工作，再選擇有效的數據結構將訓練數據存儲下來；（2）輸入數據，并無監督學習第一層數據；（3）對第一層數據進行歸類，并做出判斷；（4）通過監督學習，對第二層中各節點閥值進行調整，確保數據輸入的準確性；（5）借助各種數據完成每層網絡無監督學習，每次只能訓練一層，并將訓練結果當作更高一層進行輸入；（6）完成輸入后，通過監督學習的方式對各層進行調整。

2.3 人工智能在自動駕駛信息共享中的運用

（1）借助無線網絡完成車和車間的信息共享。在專用通道，一輛汽車能夠將自己的位置等相關信息分享給其他汽車，便于其他汽車自動駕駛系統及時接收到信息，并根據需要及時做出調整。

（2）3D路況感應。汽車會綜合攝像機、雷達等各項技術，檢測出前方5m范圍內的路況，并依據地形特征自動調整汽車設置。

（3）汽車還可以自動變速，一旦檢測出地形有變化，就會自動減速，路面狀況正常后，就會恢復到原先運行狀態。

汽車共享信息數量十分龐大，若是不能及時利用和存儲這些數據，就會被新數據所湮沒。所以，還應該采取數據挖掘及人工智能等方法來提取有價值的信息，將無用信息過濾掉[6]。

3 無人駕駛技術所面臨的挑戰及展望

隨著社會的不斷發展，各種車輛的不斷增多，交通出行狀況變得更加惡劣，無人駕駛汽車發展前景還存在一些制約因素：（1）法規制度不完善；（2）各品牌車型難以達成一致協議，缺乏行業標準規范；（3）道路整體狀況、信息安全性得不到有效保證；（4）成本投入大。

另外，無人駕駛汽車還有一個非常顯著的特征，就是車輛信息化程度高，對電腦系統安全性等各方面要求也比較高。一旦出現電腦程度混亂、信息泄漏、黑客入侵等問題，車輛行駛安全得不到有效保證，這也是未來必須要解決的重點問題。

雖然，汽車無人駕駛還存在一些問題，完全實現無人駕駛也有些遙遠，但是隨著機器學習算法等各項技術的不斷發展、應用，無人駕駛技術必定會上升到更高的臺階，在未來，無人駕駛會成為必然趨勢。

參考文獻

[1] 徐振涵，周麗敏.關于網聯車自動駕駛系統研究及停車場場景下的應用[J].中國戰略新興產業，2015，10（2）：196-221.

[2] 高興芳，周立國.人工智能背景下自動駕駛汽車的挑戰與展望[J].財經界：學術版，2015，12（17）：225-229.

[3] 張昭，劉衛華，張碩.試論分數階PID仿人智能控制算法在車輛自動駕駛系統中的應用[J].電腦與信息技術，2016，22（16）：195-196.

[4] 胡曉梅，王新民.基于仿人智能控制的無人地面車輛自動駕駛系統研究[J].中國科學技術大學，2017，13（18）：141-146.

[5] 宮志彬.淺談人工智能在汽車領域中的應用[J].科學技術創新，2016（17）：253-254.

[6] 閆華紅，尤浩明，王新宇.無人駕駛汽車的研究現狀及發展方向[J].汽車維修友，2016（10）：136-138.