人工智能公交車自動駕駛技術

張永江

摘 要：現代信息技術的發展，對社會的影響是深遠而廣泛的，在此基礎上發展而來的人工智能技術更是現代社會發展的重要動力，人工智能技術的優勢在于能夠對人的行為進行模仿，具有較強的環境判斷能力以及自我學習能力，人工智能技術經過不斷的進化，目前實用性更強，同時應用范圍也更廣，尤其在自動駕駛領域人工智能技術展現出了比較大的優勢。結合我國國情，人工智能自動駕駛技術在公共交通領域能夠發揮出更大的價值。因此本文主要就人工智能公交車駕駛技術進行論述以及研究，希望能夠推動人工智能自動駕駛技術的發展。

關鍵詞：人工智能;公交車自動駕駛;論述

從現代人工智能以及自動駕駛技術的發展情況上來看，技術不斷完善，同時實用性越來越強，在公共交通領域，人工智能自動駕駛技術的應用是未來重要的發展方向。相比傳統的公交車駕駛技術，人工智能自動駕駛技術有著很大的優勢。在人工駕駛形式下，駕駛的水平以及駕駛的安全性在很大程度上受司機狀態以及司機駕駛經驗的影響，尤其對于公交車的駕駛來說對司機的駕駛水平以及駕駛的安全性有比較高的要求，同時駕駛員培養的周期比較長，而人工智能自動駕駛技術，不受駕駛員狀態以及駕駛經驗的影響，利用現代先進的傳感技術以及智能技術能夠實現對駕駛環境的有效判斷，在駕駛的穩定性以及安全性上有很大的優勢，目前人工智能自動駕駛技術是各國研究的重點，需要將人工智能自動駕駛技術研究重視起來，促進該技術的早日落地。

1 人工智能公交車自動駕駛技術概述

在人工智能技術以及自動駕駛技術不斷發展的背景下，傳統的公交駕駛方式將逐步被淘汰，同時人車交互方式也將發生很大的改變，車輛之間能夠進行更加全面的交互通信，在此基礎上發展而來的智能交通網絡將在很大程度上提升交通的效率以及交通的安全性。人工智能公交車自動駕駛技術利用大量的傳感器以及自動化的環境感知決策機制實現了車輛的自主控制，不需要人為對車輛的行駛進行控制，改變了傳統公交車駕駛的方式。在實際的應用中，僅僅能夠對車輛進行控制是不夠的，還需要雷達系統，影像感知系統，車輛通信系統，尤其是人工智能決策系統來加以輔助，在以上技術的幫助下，能夠實現對道路車輛的有效監控，避免發生車輛碰撞事故。同時車輛內置的智能分析系統能夠獲取各個路段的交通信息，并對數據加以分析，從而規劃出最優的行駛路線。從目前技術發展的情況上來看，該技術正在不斷的成熟，隨著該技術不斷完善和大量的應用，傳統交通系統中的交通管制方式可能成為過去式，整體交通網絡的生態都將更加的智能化。同時公共交通的安全性以及效率也將得到很大的提升。

2 人工智能公交車自動駕駛技術的應用

2.1 標識自動識別技術

在人工智能公交車自動駕駛技術中，標識自動識別技術是實現自動駕駛的基礎。在應用的過程中，依靠人工智能技術對相關的交通標識進行深度的學習，讓公交車能夠對相關的標識進行準確地識別，并采取相應的駕駛控制。這其中還涉及到運動跟蹤以及車輛行人的識別。由于在標識自動識別技術中，沒有駕駛員對車輛進行控制指引，相關的駕駛策略全部依賴于人工智能系統的判斷，需要交通車能夠自主準確地識別車輛，行人以及交通標識。在人工智能深度學習技術的支持下，能夠讓駕駛系統掌握車輛，行人以及交通標識在不同環境下的特征，在車輛識別到行人后會主動地避讓，同時能夠根據不同的車道來改變駕駛的策略。在識別在紅燈標識后也會主動停車，綠燈亮起再繼續行駛，在自動駕駛模式下，以上行為均需要車輛自主進行判斷以及分析。標識自動識別技術很強的綜合性，僅僅依靠車載雷達是無法實現這一點，由于車載雷達的像素較低，因此在判斷障礙物時有所不足，而標識自動識別技術能夠較好地對車載雷達進行補充。

2.2 行為決策技術

在人工智能公交車自動駕駛技術從應用中，行為決策技術是實現自動駕駛的核心技術，可以將決策系統分為局部壁障避險以及全局路徑規劃，在行為決策技術的支持下，能夠實現車輛對危險以及障礙物的主動規避，同時對駕駛的路徑進行合理的規劃。在這個過程中相關的交通規則是其形式策略，需要用到神經網絡技術，快速優化遺傳算法以及基于推理邏輯的規則技術。在實際的應用中，神經網絡技術是保證決策分析科學性準確性的關鍵。在技術實現的過程中將大量的車輛行駛數據作為對神經網絡訓練的素材，這種學習機制能夠節省大量的代碼。在車輛行駛的過程中該技術會根據實際的行駛情況對多種行駛策略進行篩選，保證最優的駕駛策略。一般來說通過動態規劃或者是線性回歸的方式來進行策略選擇。

2.3 車輛控制技術

傳統的PID系統為主要的車輛控制技術，但是隨著技術的發展完善，如今的車輛控制技術有了更好的選擇，從目前人工智能公交車自動駕駛技術的特點上來看，主要是應用了神經網絡模糊控制技術，該控制技術更加的智能也更加地靈活。在控制策略的選擇上主要是將避障DWA、即時駕駛、圖像識別神經網絡相結合，其中神經網絡主要是對車輛的傳感信息以及圖像信息進行提取分析，根據不同的環境要素對車輛進行剎車、減速、加速、變道等控制。目前谷歌所研究的自動駕駛技術即采用這種控制策略，將原始的像素圖特征輸入到神經網絡系統中，經系統分析再將相關的操作指令向車輛輸出。另外還可以利用該技術將車輛行人，標識，交通標識的像素特征進行提取，進而實現更加復雜的操作指令。

3 總結

隨著人工智能技術的不斷發展完善，該技術已經逐漸地滲透到公共交通領域，在此基礎上發展而來的人工智能公交車自動駕駛技術正展現出巨大的應用價值以及應用潛力。無論從公共交通發展的角度上還是從技術發展的角度上都需要將人工智能公交車自動駕駛技術的應用重視起來，加大對該技術的研究，在不斷的研究論證中對技術進行完善，進一步提升人工智能公交車自動駕駛技術的安全性以及穩定性，促進相關研究成果的實際應用。

參考文獻：

[1]王長林.自動駕駛汽車中人工智能的應用研究[J].南方農機，2020，51（06）：170-171.

[2]王奕博.自動駕駛及其關鍵技術的研究[J].通訊世界，2019，26（10）：279-280.

[3]饒柏清.人工智能在自動駕駛汽車中的應用研究[J].時代汽車，2019（16）：37-38.