基于人工智能的自動駕駛專利技術綜述

摘 要：【目的】基于專利信息梳理人工智能自動駕駛的主要技術，為我國智能交通領域的創新發展提供參考。【方法】從國內外的主要專利申請人、典型技術等多方面對人工智能自動駕駛技術進行統計分析。【結果】基于人工智能的自動駕駛專利的專利申請量不斷增加，其中，國內專利申請數量最多的企業是百度和華為。【結論】國內外基于智能決策、深度學習的研究正在不斷完善，現階段主要以提高自動駕駛的安全性和可靠性為主，側重于對自動駕駛的智能化、便捷化技術進行研發。

關鍵詞：人工智能；自動駕駛；新質生產力

中圖分類號：G306" " " 文獻標志碼：A" " "文章編號：1003-5168（2024）20-0135-05

DOI：10.19968/j.cnki.hnkj.1003-5168.2024.20.026

Overview of Patent on Autonomous Driving Technologies Based on

Artificial Intelligence

Abstract：[Purposes] The main technologies involved in autonomous driving based on artificial intelligence are sort out to provide reference for the innovation and development of intelligent transportation in China.[Methods] Statistical analysis of AI automatic driving technology is carried out from the main patent applicants at home and abroad， typical technologies and other aspects. [Findings] The application number of patents related to autonomous driving based AI is rising， and among them， the domestic enterprises with the largest number of patent applications are Baidu and Huawei. [Conclusions] The research based on intelligent decision-making and deep learning is constantly advancing both domestically and internationally. At present， the main focus is on improving the safety and reliability of autonomous driving， which puts emphasis on the research and development of intelligent and convenient technologies for autonomous driving.

Keywords： artificial intelligence; autonomous driving; new quality productive forces

0 引言

2024年政府工作報告提及“大力推進現代化產業體系建設，加快發展新質生產力”，新質生產力指以創新驅動為主導的生產力質的躍升，具有高科技、高效能、高質量特征。人工智能（AI）是新一輪科技革命和產業變革的核心驅動力，也是發展新質生產力的主要陣地，正在滲透顛覆每個被涉及的行業。自動駕駛作為人工智能最活躍的領域之一，能夠提高道路交通安全、顯著減少交通事故，已經成為世界范圍智能交通領域的研究熱點。

現階段，在大數據、機器學習等新一代人工智能技術的推動下，自動駕駛技術在環境感知、智能決策、輔助駕駛、數據分析等方面有了顯著的進展［1］。伴隨ChatGPT的推出，智能網聯汽車在智能化車內生態和高級別自動駕駛兩個領域實現重大突破和應用［2］。隨著認知智能的發展，認知計算和人類認知過程也被引入自動駕駛用于認知能力的提升［3］。人工智能的飛速發展加快了自動駕駛智能化的進步。

1 智能駕駛技術

自動駕駛技術最初是基于傳感器和計算機處理的輔助駕駛技術，如自適應巡航控制ACC。其中，隨著計算機視覺和人工智能技術的引入，出現了高級駕駛輔助系統ADAS。伴隨近幾年深度學習和人工智能的快速發展，自動駕駛技術進入新的階段。通過5G、計算機視覺、云計算、大數據決策訓練的技術加成，車輛的智能駕駛系統具備更強的感知能力、決策能力，且無需駕駛員干預和操控車輛行駛。綜上可知，人工智能在自動駕駛中的應用，從最初的輔助駕駛，正逐步向安全的完全自動駕駛發展［4］，主要包括智能感知、智能定位、智能決策、智能控制、智能學習五個方面。

智能感知是自動駕駛技術中的首要環節，它依靠雷達、攝像頭、傳感器等來感知和理解周圍環境，這些設備能夠實時獲取車輛周圍環境的圖像、聲音、距離以及道路條件等信息。人工智能則基于深度學習和計算機視覺技術，通過圖像識別、目標檢測和傳感器分析等手段，識別和分析車輛周圍環境中的道路、行人、車輛、交通標志等信息，提供準確的感知判斷［5］。

智能定位是自動駕駛技術中的重要環節，通過融合傳感器獲取的數據，如車載傳感器、慣性測量單元IMU、全球衛星定位系統GPS等，實現動態環境下對車輛的實時高精度定位，利用精準的地圖數據和先進的SLAM技術，生成和更新準確的地圖數據，為自動駕駛車輛后續的導航和路徑規劃提供有力支持。

智能決策是自動駕駛技術中的核心環節。人工智能基于機器學習等技術，通過對環境的感知和理解，對交通規則和路況條件的整合，做出合理的決策，生成車輛的行駛意圖。它能夠實時感知環境信息、預測周圍環境中其他車輛和行人的動態行為，分析路徑標志、紅綠燈信號等交通狀況，并進行交通流預測、路徑規劃等，生成安全和高效的駕駛決策［6］。

智能控制是自動駕駛技術中的實踐環節，它使車輛能夠執行決策并操控車輛的行駛。人工智能依靠車輛動力學模型、控制算法和傳感器反饋，基于對車輛各個器件的實時監測和調整，向車輛發送包括加速、剎車、轉向等指令，控制車輛的速度和方向等，讓車輛按照預定的決策在道路上安全行駛。

智能學習是自動駕駛技術中的必要環節，是人工智能自適應優化在自動駕駛技術中的關鍵體現。它通過對大量實時數據的采集和處理，利用車輛之間的通信共享信息，不斷地訓練和優化模型，使自動駕駛系統能夠不斷進行自適應學習，提高了自動駕駛技術的安全性［7］。

2 智能駕駛技術專利申請狀況分析

2.1 申請人國家分布

近些年，中國人工智能專利申請量大幅領先于其他國家，相應地，基于人工智能的自動駕駛相關專利申請也大量涌現。圖1為基于人工智能的自動駕駛技術專利的國家申請量分布。由圖1可知，中國、美國在相關技術的專利申請量最大，其次為韓國、德國、日本、法國、英國。

2.2 主要申請人

申請量排名前13的專利申請人如圖2所示，分別是百度在線網絡技術（北京）有限公司、北京圖森未來科技有限公司、韓國LG集團、Argo AI自動駕駛公司、阿波羅智聯（北京）科技有限公司、華為技術有限公司、英國自動駕駛公司Five AI、騰訊科技（深圳）有限公司、深圳元戎啟行科技有限公司、北京小馬智行科技有限公司、德國大眾汽車公司、上海人工智能創新中心、保時捷股份公司。

國內申請人中，百度的申請量較多，其通過AI、大模型、云服務等技術使自動駕駛的生態環境更加智能，百度的蘿卜快跑“車內無人”自動駕駛更是為我國自動駕駛技術的商業化應用按下了加速鍵。國外申請人中，LG的申請量最多，并且LG在CES 2024中展示了一款集成高級駕駛輔助系統（ADAS）、自動駕駛（AD）和車載信息娛樂（IVI）技術的全新跨域平臺，鞏固了其在車載信息娛樂系統領域的領先地位。

3 智能駕駛典型技術分析

通過對專利技術的梳理可知，基于人工智能的自動駕駛技術主要以避免車輛的軌跡沖突、提高車輛的駕駛效能為目標，使車輛根據實際的駕駛場景執行相應的行駛策略，以保證車輛的安全行駛。

3.1 智能感知技術

自動駕駛技術的第一步就是對車輛周圍環境的感知。分析現階段的專利申請，發現計算機視覺是人工智能在自動駕駛中的重要體現。其中，對環境信息的感知主要集中在交通信號、車輛周圍環境、車輛周圍對象的預測上。此外，還包括對車輛自動駕駛系統的自身檢測技術，即從外部、內部兩方面對車輛的自動駕駛環境進行全面感知，以確保車輛自動駕駛的安全性。

華為技術有限公司在專利申請CN117157687A中提出了一種交通信號狀態檢測方法和裝置，其通過獲取的目標路口交通行為信息確定交通信號的狀態檢測結果。其中，目標路口為車輛行駛方向的交通信號燈所處的路口，交通行為信息指至少一個交通參與者的行為；交通信號包括交通信號燈或者交警的手勢信號，狀態檢測結果指示交通信號的狀態。該申請通過目標路口的交通行為信息反向預測出關聯交通信號的狀態，可以提高交通信號狀態檢測的準確率，豐富了無人駕駛的可行駛場景。

韓國LG集團在專利申請US2017/0001650A1中提出了一種駕駛員輔助裝置。如圖3所示，駕駛員輔助裝置包括處理器，該處理器需要確定車輛的導航信息、圖像信息或傳感器信息中的至少一個，并且基于導航信息、圖像信息或傳感器信息中的至少一個來檢測車輛的駕駛狀態，從而確定適合于被檢測到的車輛駕駛狀態的輔助駕駛操作。

3.2 智能決策技術

智能決策技術是自動駕駛技術的核心，其通過預判路況，做出相應的車輛控制。現階段的專利申請主要涉及路徑規劃、駕駛決策等方法。

華為技術有限公司在專利申請CN115285149A中提出了一種涉及目標車輛和目標對象存在碰撞可能性場景下的控制方法，包括傳感器組件、智能駕駛功能組件，主要基于傳感器組件采集的數據，預測其他對象的行駛軌跡，做出行駛決策。具體為確定車輛的可行策略集合，分析可行策略執行代價，根據最低的執行代價所對應的行駛策略做出最終的搶行或讓行決策，由此實現緩慢加速搶行或緩慢減速讓行的效果，提升駕駛體驗。

百度在線網絡技術（北京）有限公司在專利申請CN105811513A中提出一種無人駕駛的用電汽車及充電方法。汽車包括電池管理組件、汽車智能大腦、汽車行駛組件、通信組件、圖像采集組件等。首先，當電池的電量低于預定閾值時，系統將基于實時路況信息和預先設定的路線選定規則確定目標充電樁，例如基于到達充電樁耗時最少路線、路程最近路線、躲避擁堵路線、避免收費路線、避免高速路線和高速優先路線等規則。然后，控制無人駕駛的用電汽車行駛至目標充電樁，向目標充電樁發送充電請求。最后，達到預設充電額度后，系統向目標充電樁發送停止充電請求，從而實現了通過汽車智能大腦自行進行電量管理、并通過路徑決策尋找充電樁的過程。

3.3 智能學習技術

隨著深度學習、強化學習等新一代人工智能技術在計算機視覺、自然語言處理等領域的應用，基于大規模數據訓練的大模型等人工智能模型極大地推動了自動駕駛技術的發展。

Argo AI自動駕駛公司在專利申請US2020/0379461A1中提出了一種使用遞歸神經網絡預測自主車輛行駛軌跡的方法和系統。該系統通過接收、分析與多個對象的狀態相對應的時間序列信息數據，確定每個對象的軌跡序列，將其作為輸入以訓練用于預測多個對象未來軌跡的預測模型，并接收自主車輛的狀態數據和對所處環境內其他物體的感知數據，將感知數據輸入到預測模型中以預測一個或多個物體的未來軌跡。此外，將與自主車輛相對應的狀態數據和預測的每個對象的未來軌跡輸入到預測模型中以生成自主車輛的計劃行駛軌跡。

百度在線網絡技術（北京）有限公司在專利申請CN117671410A中提出了一種地圖生成大模型的訓練方法和地圖生成方法。如圖4所示，首先，獲取包括基于專業的自采車獲取的全景圖像以及點云數據所生成的道路俯視圖等信息的訓練樣本集，將道路俯視圖樣本輸入初始地圖生成大模型進行訓練。然后，初始地圖生成大模型可以基于神經網絡構建、采用多任務學習框架，基于模型損失對初始地圖生成大模型的參數進行調整，以得到地圖生成大模型。最后，訓練完成后的地圖生成大模型可以基于輸入的待處理的道路俯視圖輸出道路元素的矢量化地圖元素，利用矢量化地圖進行車道級導航或自動駕駛。

4 高價值現有技術借鑒

為推動知識產權高質量發展，促進經濟發展和科技創新，高價值專利的培育工作至關重要。高價值專利培育時，需要以市場為導向、明確研發焦點、加強專項研究、確保有效產出，同時，還需要開展侵權風險排查，避免侵權。以下列舉基于人工智能的自動駕駛技術的高價值典型技術，以期為創新主體提供借鑒與參考。

豐田于2016年4月20日向中國專利局提交的專利申請CN106338988A研究了一種自動駕駛車輛的控制裝置，在自動駕駛模式時，基于由外部傳感器檢測到的車輛周邊信息，生成表示自身車輛的速度和行進方向的時間變化的多條車輛行駛路線，在手動駕駛模式時存儲各行駛場景下的自身車輛行駛路線作為表示駕駛員駕駛特性的特定車輛行駛路線。該專利一共被引用48次，豐田除了向中國專利局申請了專利之外，還向歐洲專利局、美國專利商標局、日本專利局進行了申請，并均獲得專利授權。該專利屬于自動駕駛領域基于車輛周圍信息的智能感知技術以及智能決策技術的基礎性專利。

福特于2014年7月2日向中國專利局提交的專利申請CN104276180A研究了具有監測駕駛員是否存在及其生理指標功能的自動駕駛車輛，駕駛員感應系統感應駕駛座上的駕駛員存在以及駕駛員的生理狀態，在主動駕駛模式期間，探測沒有駕駛員存在的時間段，如果時間段達到閾值以上則終止主動駕駛模式并安全發起停機模式，將感應的生理狀態與預定的緊急狀態比較，匹配時，則自動駕駛控制終止主動駕駛模式并發起緊急響應模式。該專利一共被引用36次，福特就該專利技術向中國專利局、美國專利商標局、德國專利商標局、俄羅斯聯邦知識產權局、墨西哥專利局均申請了專利，在中國、美國、德國、墨西哥均獲得了授權，且專利權均維持十年以上。該專利是自動駕駛領域基于駕駛員狀態智能感知技術的基礎性專利。

通用于2012年5月5日向中國專利局提交的專利申請CN102765420A涉及自適應車道對中系統的車輛智能控制方法，通過測量車輛轉向角測量值、車道偏移量測量值或其他車輛動態測量值，自動控制車輛維持車輛相對于道路的位置。該專利一共被引用18次，通用就該專利技術向中國專利局、美國專利商標局、德國專利商標局均申請了專利，在中國、德國均獲得了授權，且專利權均維持十年以上。該專利是基于車輛自身信息和車輛周圍信息的智能感知技術的基礎性專利。

華為于2014年5月6日向中國專利局提交的專利申請CN105094767A涉及自動駕駛車輛調度方法、車輛調度服務器及自動駕駛車輛，首先接收乘車請求，根據每個候選車輛的當前位置信息、當前路況信息和已規劃路線信息，計算每個候選車輛到達乘車目的地所需的時間，確定最終候選車輛，實現車輛的精準調度。該專利一共被引用121次，華為就該專利技術向中國專利局、美國專利商標局、世界知識產權組織均申請了專利，部分專利在中國、美國均獲得了授權且專利權均維持十年以上。該專利是自動駕駛領域智能決策技術的核心專利，具有基礎性的重要影響。

百度于2017年3月13日向中國專利局提交的專利申請CN106951847A涉及障礙物檢測方法和裝置，獲取無人駕駛車輛行駛過程中所采集的3D點云，將其投影到二維網格上、并提取各網格的特征信息，將特征信息輸入預先訓練得到的預測模型，分別獲取各網格的障礙物預測參數、并進行網格聚類，得到障礙物檢測結果并反饋給規劃控制系統，以便進行避障操作。該專利一共被引用76次，百度就該專利技術向中國專利局、美國專利商標局均申請了專利，且均獲得了授權。該專利是自動駕駛領域智能學習技術的基礎性專利，具有突破性的重要影響。

整體看來，各大汽車公司和科技公司都在針對自動駕駛領域積極布局。國外創新主體在智能感知技術、智能決策技術已經搶占先機，國內科技公司例如百度在基于智能學習的自動駕駛方面也沉淀了具有重要影響的基礎性專利。隨著人工智能技術的不斷發展和自動駕駛市場的持續擴大，國內創新主體在后續的創新研發和產業應用中，應以專利儲備為基礎，拓展專利合作，加快專利產業化。

5 結論

從基于人工智能的自動駕駛技術的專利分析可知，目前，自動駕駛技術的研究公司或企業致力于研究如何使自動駕駛更加智能化、便捷化。自動駕駛在實踐中主要是以輔助用戶駕駛、提升用戶的駕駛體驗為主，距離全自動的無人干預自動駕駛還有一段路程，如何確保和提高無人干預自動駕駛的安全性仍有待研究。

參考文獻：

［1］YURTSEVER E，LAMBERT J，CARBALLO A，et al.A survey of autonomous driving：Common practices and emerging technologies［J］.IEEE Access，2020，8：58443?58469.

［2］王卉捷，鄒博松，郭永利.生成式預訓練語言模型在智能網聯汽車領域的應用分析［J］.智能網聯汽車，2024（1）：74-76.

［3］王曉，張翔宇，周銳，等.基于平行測試的認知自動駕駛智能架構研究［J］.自動化學報，2024，50（2）：356-371.

［4］劉沈.自動駕駛技術的安全性和可靠性問題研究［J］.汽車維修，2024（1）：23-26.

［5］尹騁宇，劉怡良，彭海霞.基于生成式人工智能的網聯自動駕駛：通感融合決策技術［J］.移動通信，2023，47（12）：60-65.

［6］崔冰艷，李賀，崔哲，等.智能網聯汽車換道決策安全性研究綜述［J］.交通信息與安全，2023，41（4）：1-13.

［7］張華雪，徐野.基于深度強化學習的多智能體高速車道檢測研究［J］.工業控制計算機，2024，37（2）：86-88，164.