语音中的关键信息抽取是非常重要的一个研究方向。偏口语化的领域相关的语言处理问题成为一个难点。同时无人车的路径决策也是一个热点。本系统的任务是根据听觉信息引导无人车的路径规划。在构建鲁棒性的语音识别系统的基础上，本课题组构建了一套语言理解系统，包含如下模块：1.在句子边界检测部分，抽取了词类及其上下文作为特征，建立序列化标注模型，比较了最大熵与条件随机场两种模型的性能，选择了条件随机场。条件随机场在降噪的情况下能达到81.69%的F值。2.结构化信息抽取模块。比较了完全句法分析与部分句法分析的优缺点，比较了基于上下文无关文法的方法与浅层句法分析的方法的性能差异。上下文无关文法的F值可达到96.0%，浅层句法分析的F值可达到93.6%。为了鲁棒性考虑，选择使用浅层句法分析方法。3.车辆决策接口转换模块。采集了OpenStreetMap的路况数据库，对拥堵程度分成5级，提出了一种将结构化路况信息转换成对应的路况决策接口的方法。