汽車自動駕駛系統中人工智能的實踐

呂高陽

摘 要：現代科技的迅猛發展，各種新技術隨之發展開來，人工智能作為代表性的新技術，被廣泛應用到我國汽車領域中。汽車與人工智能的結合，汽車實現了自動駕駛，改變了傳統駕駛方式，推動了汽車行業的進一步發展。基于此，本文探討了人工智能在汽車自動駕駛系統中的應用。

關鍵詞：汽車 自動駕駛系統 人工智能 應用

中圖分類號：U463 文獻標識碼：A 文章編號：1674-098X（2019）04（a）-0008-02

車輛自動駕駛功能，是傳統汽車的一次重大變革。車輛實現自動駕駛，需要感知系統與控制系統同時作用，控制系統實現對車輛的有效控制，使車來給你依照計劃路線行駛，感知系統能夠對行駛過程的障礙進行識別與預警，保障車輛行駛安全[1]。雖然，自動駕駛的反制系統與控制系統仍處于研發階段，自動駕駛仍處于初級層面，但是，在不久的將來，自動駕駛必然會成熟并順利推廣。本文對人工智能在汽車自動駕駛系統中的實踐展開探討。

1 車輛自動駕駛技術現狀

近幾年，人工智能的興起，被廣泛應用于各個行業，當前，人工智能已經被嘗試應用至車輛自動化實踐中。并且，在2016年，我國對無人駕駛汽車進行了實驗研究，并取得了一定成果。自動駕駛汽車，集環境感知，決策規劃等技術為一體，軟硬件高度集成的復雜信息物理融合系統，替代了人工操作[2]。該系統主要由感知系統、決策系統、執行子系統構成，自動駕駛技術涉及了環境感知、控制執行、決策規劃、V2X通信等關鍵技術。

環境感知系統，主要采用車載的傳感設備與5G網絡對交通環境進行感知，并獲取車輛狀態、交通環境等信息，通過將信息統一于車輛坐標系，為自動駕駛的決策與規劃提供信息支持。決策規劃技術，主要是根據環境感知系統輸出的信息，實現了路由尋徑，預測交通，決策行為，規劃動作，對控制信號的輸出進行反饋等功能。控制執行系統，主要采用了線控執行機構對反饋的控制輸出指令進行執行操作，實現汽車轉向、制動與油門的控制。V2X通信技術，實現了汽車與外界的信息交互，為環境感知與決策規劃提供了優質服務。

2 汽車自動駕駛系統中人工智能的實踐

2.1 傳感器的應用

汽車想要實現自動駕駛，離不開傳感器的感知與識別。當前，隨著人工智能在汽車行業應用的不斷深入，傳感器種類逐漸增多，識別與感知功能逐漸增強，為汽車自動駕駛提供了助推力。當前，自動駕駛汽車常用傳感器主要分為以下幾類。

其一，雷達傳感器：能夠對范圍內的障礙物進行精確探測，如：車輛和行人的距離、速度。車載雷達主要利用激光、超聲波、毫米波等進行探測[3]。其中，以激光探測的雷達探測范圍廣泛，準確率較高，成本投入較大；超聲波雷達的成本低廉，探測距離較近，精確度并不高；毫米波雷達的成本不高，探測距離也相對較遠，雖然精度低于激光雷達，以性價比來看，該種雷達性價比最高，被廣泛應用于汽車企業中。

其二，視覺傳感器：其主要用來識別車道線與標志牌等，通常采用單雙目攝像頭、紅外線攝像頭等進行識別。傳感器具有成本少、產品多樣化的特點，但是，傳感器極易受到光照、遮擋等的影響，對此，提高視覺傳感器的探測準確性，具有重要意義。

其三，車身傳感器：其主要利用整車網絡的接口獲取車輛信息，如：車速、檔位等。

2.2 自動駕駛信息共享的應用

在汽車自動駕駛系統中，人工智能的應用，實現了自動駕駛信息共享。在專用通道中，汽車能夠將自身位置、車速等信息與其他汽車共享，使其他汽車的自動駕駛系統實時收到信息并及時調整車輛行駛狀態，保障汽車行駛的安全性[4]。并且，汽車能夠利用攝像機、雷達等技術，實現3D路況感應，檢測汽車行駛前方的路況，并調整汽車設置。而科技水平的提升，汽車3D路況感應的距離逐漸增大，目前超聲波是20m，毫米波是200m，激光是100m。

同時，人工智能的應用，使汽車實現了自動變速，一旦檢測出地形變化，傳感器直接將信息傳遞給車輛自動駕駛系統，汽車自動減速，保障車輛行駛安全。總之，自動駕駛信息共享的數量非常龐大，若不能及時利用并存儲數據，極易導致數據丟失，為自動駕駛系統的健康運行帶來影響。對此，積極利用大數據挖掘技術，在海量信息中提取價值信息，過濾無用信息，保障信息的充分利用，全面發揮人工智能的效果。

2.3 決策規劃的應用

決策規劃系統是汽車自動駕駛系統中的重要子系統，其是人工智能在汽車自動駕駛中應用的重要場景。近年來，在決策規劃應用時，興起了一門熱門技術，通過自動深度學習，實現對復雜工況的有效決策。

計算機是自動駕駛汽車的核心，而自動駕駛汽車上的車載計算機與人們日常使用的計算機具有較大差別，因為，在汽車行駛過程中，常出現顛簸、高溫、搖晃等狀況，在該種狀態下，普通計算機很難長時間運行，因此，自動駕駛汽車需要采用工控機，才能充分發揮人工智能的作用。在操作系統模塊之上，為支撐模塊，其中包含了用于模塊通信的虛擬交換模塊，用于記錄日志、檢索信息并回放的日志管理模塊，用于監控系統運行的監控模塊，用于人員與無人駕駛系統交互的交互調試模塊。

在決策規劃應用時，將深度學習運用到自動駕駛汽車，涵蓋了以下步驟：其一，準備相關數據，做好數據預處理工作，選擇有效數據結構，存儲訓練數據；其二，輸入數據，無監督學習第一層數據；其三，將第一層數據進行歸類并判斷；其四，監督學習，調整第二層各節點閥值，保障數據輸入的準確性；其五，通過各類數據，使每層網絡能夠無監督學習，每次訓練一層，將訓練結果作為更高一層輸入；其六，數據輸入后，以監督學習調整各層。如此，為復雜工況決策提供有效數據，充分發揮決策規劃的作用。

2.4 控制執行系統的應用

在自動駕駛汽車的控制執行系統應用中，傳統控制方式有滑膜控制，PID控制、模型預測控制、模糊控制等。人工智能的應用，控制執行方式向智能控制轉變，該種控制方式主要以模型控制、深度學習方法、神經網絡控制等為主。如：清華大學智能網聯車輛研究中心主任李克強對智能控制系統的研究，全面提高了行車安全，減輕了駕駛疲勞度，實現了低油耗，交通效率提高，行車安全性提高的目標。

3 自動駕駛系統面臨的挑戰與未來展望

社會在不斷發展，車輛不斷增多，交通狀況日益惡劣，自動駕駛汽車想要發展，還存在諸多制約因素：其一，相關法規制度并不完善；其二，各品牌的自動駕駛系統無法與車型一致，行業標準規范缺失；其三，道路整體狀況、信息安全性難以保障；其四，成本投入較大。

無人駕駛汽車擁有一個顯著特征，信息化程度非常高，對電腦系統安全性等要求較高。若電腦程序出現混亂、信息泄露、病毒入侵等，極易危害汽車行駛安全，這些問題必須解決，才能保障自動駕駛系統的應用與推廣。

當前，自動駕駛系統中還存在一定問題，想要實現車輛自動駕駛并真正推廣，還有些遙遠，但是，隨著及其學習算法等技術的發展，自動駕駛技術必然上升更高臺階。相信，在未來，實現自動駕駛，將成為必然趨勢。

參考文獻

[1] 史玉申.分析人工智能背景下自動駕駛汽車的挑戰與展望[J]. 通訊世界，2018，340（9）：265-266.

[2] 井泉.淺談人工智能在自動駕駛汽車中的應用[J].輕型汽車技術，2018（z1）：51-54.

[3] 晏欣煒，朱政澤，周奎，等.人工智能在汽車自動駕駛系統中的應用分析[J].湖北汽車工業學院學報，2018（1）.

[4] 胡博瀚.車輛自動駕駛中人工智能的應用實踐微探[J].科技傳播，2017，9（5）：80-81.