自動駕駛汽車中人工智能的應用研究

郭建宏

蘭州石化職業技術大學 甘肅省蘭州市 730060

1 引言

自動駕駛儀與人工智能相結合是汽車發展和傳統駕駛技術的重要指標。人工智能已集成到自動駕駛系統中，提高了車輛的自動化程度，增加了檢測控制系統的數量，并通過有效的控制面板引導了車輛的自動化。尤其是感覺系統準確地識別道路交通的潛在障礙，并發出預警以確保交通安全。人工智能與自動駕駛儀相結合也處于許多研究階段，需要不斷改進人工智能，以推動自動汽車的發展。

2 自動駕駛概述

2.1 自動駕駛

自動駕駛通常稱為無人駕駛駕駛駕駛，是一種針對交通事故疲勞等問題的自動駕駛概念。

2.2 類別

國際SAE分類標準規定了自主車輛最低6級。第一層是手動轉發，完全由司機控制，并得到其他系統(如警告和干預系統)的支持。二樓是二級回轉，即方向盤支撐以實際行駛環境為基礎進行回轉或加速，而其他動作仍需司機執行。第三階段是半自動的，這意味著它根據實際駕駛環境控制多個操作，包括加速度、減速和旋轉，而其他操作則由駕駛員執行。第四層是自動高度控制，即汽車由自動駕駛系統翻轉和控制，在某些情況下，司機必須作出反應。第五層是自主自主自主驅動，即在所有操作中，即使司機沒有反應，也使用自主駕駛系統。第6階段不再需要司機的參與，司機可以在所有司機都能應付的條件下繼續駕駛自動化系統。

3 自動駕駛的技術現狀

人工智能的發展近年來進展良好，已應用于許多行業。人工智能今天已被用于汽車工業。此外，我們在2016年對自主汽車進行了測試，并取得了一些成果。汽車、環保意識、規劃決策等與復雜信息的物理和合成系統緊密集成，無需手動執行。該系統主要由檢測系統、決策系統和執行子系統組成，采用環境控制、控制、決策和V2X通信等關鍵技術。綠色智能系統主要利用自動傳感傳感器和5g網絡環境來提供信息，如保持車輛狀態、交通環境等，從而通過將信息整合到汽車坐標系中來支持決策和自動時刻表規劃。決策規劃技術主要基于環境檢測系統中的信息，提供路線選擇、交通預測、決策、動作規劃、反饋控制等功能。運行時控制主要采用反饋運行的輸出控制指令來控制車輛的轉速、制動和汽油。V2X通信技術使車輛能夠與外界互動，并為環保意識和決策提供優質服務。

4 人工智能對自動駕駛的意義和社會價值

4.1 人工智能對自動駕駛的意義

由于完全由汽車故障引起的事故比例遠遠低于由人為錯誤引起的事故比例，毫無疑問，自動駕駛消除了由人為錯誤引起的交通事故。美國、德國和包括中國在內的其他國家鼓勵自動駕駛汽車的立法，也可以看作是未來不可阻擋的趨勢。通過智能化、數字化和信息化操作，自動駕駛汽車可以檢測到人的狀態，在人疲勞的情況下，自動代替人駕駛，避免事故發生。汽車的自動轉向系統解放了人的雙手，在沒有駕駛員的控制下，汽車可以通過自己的導航到達目的地。一旦選擇了目的地，汽車的自動駕駛儀就會使用導航系統來規劃通往目的地的最佳路線，而汽車則會選擇一個停車位進行自動停車。使用導航系統進行路線規劃，可以有效地避免交通堵塞或路線過長的問題，并能盡可能快速和安全地到達目的地。

4.2 自動駕駛的社會價值

自駕車的社會價值在于：第一，大幅減少交通事故，這是自駕車的首要目標，也是世界各國加快通過政策或法律來推動自駕車發展的主要原因。第二，需要改善目前的交通。該>技術可以克服人類感知的局限性，比人類更準確、更敏感，并通過機器學習和使用繪圖技術，對道路狀況進行預測和反應。這可以更好地規劃駕駛，減少人類需要更慢的反應和對道路狀況的反應的較長距離，從而減少交通擁堵。第三，駕駛員范圍的擴大，傳統的汽車駕駛要有駕駛員資格要求，以及年齡、視力、健康狀況、連續駕駛時間等。機動車，特別是L4和L5類的機動車，一般不需要人工干預，允許駕駛能力有限的人單獨乘車出行，從而擴大了駕駛汽車的范圍。

5 人工智能在汽車自動駕駛領域的應用

5.1 總體技術特點

自動駕駛儀系統是一種交互式系統，由芯片和汽車制造技術等各種硬件和軟件以及包括自動駕駛儀軟件、地圖和通信網絡在內的軟件組成。在軟件領域，您可以將以下三個功能模塊進行分組。第一，提高認識模塊使用傳感器實時收集環境信息，例如通過使用相機等設備，并利用動態采集自動狀態信息。第二、行為決策模塊:基于現有網絡、環境和線路信息，根據最佳決策實現出行自動化，運動控制指令。第三，運動控制模塊:根據計劃行駛路線，根據當前汽車的位置、速度和位置發出控制命令。

5.2 高級駕駛輔助工具的應用

自動駕駛儀與人工智能相結合，也體現在先進駕駛輔助工具的應用上。一種先進的駕駛輔助系統，主要通過處理傳感器信息來幫助駕駛車輛。汽車行業采用多個傳感器，系統定位在傳感器位置，使汽車信息及時采集，及時處理數據，準確識別車輛行駛過程中的靜態和動態物理元素，確保車輛檢測系統正常運行。車輛的現代駕駛幫助系統可以監控自動汽車的安全，更好地隔離司機，無論如何都要盡快采取必要措施避免駕駛風險。輔助車輛的現金支付，通過人工智能和智能系統(LDWS(預警系統外的軌道移動)和汽車停車等實現汽車自動化，提高了自主性。使用先進的駕駛輔助工具智能控制車輛，包括行車道接收(LKA)、自適應導航(ACC)、預交互警報(FCW)等，以避免交通事故。汽車高級駕駛助推器在國內尚未廣泛應用，但我們在這方面有較大的市場區段，是汽車工業發展的重要證據。

5.3 信息自動共享的應用

在汽車自動駕駛系統中，人工智能允許自動共享駕駛信息。在專用通道中，一輛汽車可以與其他車輛共享其位置、速度等，使其他車輛的行駛能夠實時獲得信息，并實時調整車輛狀態以確保其安全。此外，車輛可以使用相機、雷達等技術。檢測道路交通事故，檢測前面道路事故，調整汽車參數。隨著技術水平的提高，汽車的3D街燈穩步增加，超聲波目前為20毫米，毫米波200米，激光100米。同時，人工智能通過直接向汽車自動駕駛系統傳遞信息，實現了汽車的自動旋轉運動。一旦檢測到地形變化，就會自動降低速度以確保車輛的安全。共享Autopilot信息至關重要。如果不及時使用和存儲數據，可能會導致數據丟失，從而對自動駕駛系統的健康產生負面影響。在這方面，綜合數據挖掘技術可以從大量數據中提取有價值的信息，篩選出多馀的信息，確保優化利用，充分利用人工智能的優勢。

5.4 執行系統控制應用程序

在應用自動駕駛儀控制面板時，傳統方法包括膜控制、PID控制、模型預測控制、模糊控制等。應用人工智能控制執行、過于智能控制，主要是模型控制、強化學習方法、神經網格控制等。例如，Clearwater大學智能汽車互聯網專家研究中心主任Rick進行了智能控制系統研究，以提高道路安全、減少駕駛疲勞、減少油耗、提高運輸效率和改善道路安全。

6 自動駕駛汽車中人工智能的應用控制方法

6.1 最佳控制

LBD控制器(LQR)是一種經典的反饋方法，其控制器增量是線性LII優化方法。該方法的核心思想是:系統的故障模型在每個控制周期都是線框的，第二優化目標函數試圖確定控制尺寸的最優變化率，從而優化跟蹤控制。提供全面、水平和穩定的控制，通過集成反饋所需的振動速度，提高車輛的運行穩定性，同時考慮到車輛位置和狀態變化對控制的影響。采用基于q矩陣的自適應線性高斯控制方法監測控制器設計，在定位和規劃階段考慮噪聲。LQR使一輛汽車在低、簡單的道路上行駛時能夠更好地控制。但是，當汽車具有復雜的非線性特性時，由于線性反饋和模型的簡化，控制器的有效性可能會大大降低。為此，開發了基于LQR的自適應控制器，將基于道路信息的車輛反饋控制和車輛動態反饋控制集成到控制器設計中，以補償車輛動態建模中的誤差和干擾。

6.2 智能控制

智能控制方法是一種基于智能算法的控制算法，包括機器人學習。隨著機器人學習算法的發展，越來越多地用于智能汽車和移動機器人的控制，學習算法是一種基于受控對象實時狀態的PID控制組合的非建模控制算法。利用離線培訓的性能功能，結合簡單跟蹤與基于受控對象實時狀態的PID控制，平滑權重和控制權重，控制智能汽車前輪角度，提高極軸追蹤精度。一種基于戰略景深算法控制無人駕駛船舶軌跡的控制器。這意味著它可以從基于密集學習算法的跟蹤控制器跟蹤到優點，并且與純跟蹤方法相比大大減少了高速過渡。考慮到深度教學算法尚未建模，結合神經網絡離線訓練可直接用于智能汽車的控制，汽車的非線性特性非常具有補償性。

7 自動駕駛汽車中人工智能的應用前景

智能駕駛是指人工智能直接支持或取代駕駛員的行為，從而有效彌補了常規出行的不足。通過研究和開發，公共事務智能流程領域的許多技術都有所發展，相應的成本也有所降低。與長期發展相關，智力是一種長期的駕駛模式，在這種模式下，必須建立一定的航線，以確保自動駕駛儀的正確應用。當今智能駕駛機制可能比盡可能高的自動駕駛級別更合適，主要是因為當前的計算機系統不符合人腦的要求，不能像人腦那樣思考，而且很難應對駕駛過程中可能出現的問題。在這方面，加強人工智能的應用是現階段自動發展的主要方向之一。當今許多國內車輛都有一系列輔助系統，不斷監測這些車輛周圍的實際交通情況。在此基礎上，未來可以從人的互動入手，增強新二元出版模式的發展力。因為人的參與提高了駕駛的靈活性，對日益復雜的環境做出了反應。人工智能的改進可以在汽車輔助系統的應用中發揮更大的作用。

7.1 汽車定位

車輛的定位對于車輛的自動控制至關重要。基于人工智能，汽車定位技術不斷發展。采用激光技術和GPS技術，自動駕駛汽車實時接收道路信息，通過激光導航、視覺導航等識別汽車的地理位置，主動將道路信息發送給駕駛員系統，做出正確的駕駛選擇。例如，磁共振成像技術要求在道路的兩側都已經安裝了磁鐵、電線等，并且磁鐵必須向其方向翻轉才能起到導航器的作用。當一輛汽車自動駛進該段時，它連接地下電磁設備，收集和分析數據，完成道路信息，分析汽車位置，指示自動駕駛系統重定向。

7.2 深度識別

深度識別是汽車駕駛中人工智能的經典應用。深入識別提供環境信息并及時分析的傳感器。人工智能的設計是基于深刻的學習，不僅滿足了加工環境的精度要求，而且提高了計算機技術的知識和分析能力。汽車工業中，汽車高度依賴數據、計算資源和算法。車輛通過人工智能與云服務相結合，可快速訪問實時數據，并可使用復雜算法直接將結果返回駕駛系統。人工智能還有助于優化用戶體驗。具有自動人臉識別功能的駕駛員，測量和分析駕駛員的駕駛偏好，并返回中央控制部門自動調節座椅和汽車溫度；或通過觀察頭部和眼睛觀察疲勞、醉漢、精神病等，對駕駛員進行實時測試，以保護駕駛員。分析和預警。深度檢測有助于提高汽車行駛等級和質量。

8 結語

總之，自動駕駛系統與人工智能相結合，將進一步支持自主汽車的智能發展，從而決定汽車系統的方向。發展和應用現代互補駕駛系統，加快汽車產業發展，提高汽車產業競爭力，為汽車產業的真正智能發展創造條件。