论文部分内容阅读
摘 要：随着现代科技的快速发展，各种新技术也随之发展起来，以人工智能为代表的新技术，在我国汽车领域得到了广泛运用。车辆自动驾驶是以计算机为核心，完成车辆自动驾驶。目前，车辆自动驾驶能够感知部分问题，其他问题还要依赖于人工智能技术。本文从车辆自动驾驶技术现状入手，对人工智能在汽车自动驾驶系统中的应用进行了深入分析。
关键词：人工智能汽车 自动驾驶系统 运用
中图分类号：TPI8 文献标识码：A 文章编号：1672-3791（2018）09（a）-0066-02
车辆自动驾驶需要感知与控制系统同时作用，其中，车辆控制系统，是对车辆的行驶情况进行有效控制，让车辆可以按照计划路线行驶；感知系统，也就是识别车辆行驶阶段所产生的故障问题，并加以提醒，从而使车辆能够安全运行。现如今，感知系统还处在研发试验阶段，而将人工智能运用到车辆自动驾驶中，能够发挥很大的作用。
1 车辆自动驾驶技术现状
自动驾驶汽车集环境感知、决策规划等各项技术为一体，其主要依靠现代信息技术以相应的传感、采集设备。采集设备收集路况信息，通过智能系统的分析后，将结果上传至自动行驶系统中，再由控制系统对车辆进行控制等，各项技术的应用，确保了车辆行驶的安全性[1]。
近年来，随着人工智能的兴起，现已被运用到车辆自动化实践研究过程中，且在2年前，我国就专门针对无人驾驶汽车进行了试验研究，取得了一些成果。我国与国外自动驾驶车辆研究比较，其主要是通过汽车生产企业、高校科研共同研究，其中包含一汽、奇瑞等，在研究阶段也花费了很多的人力、物力资源，而現在科技的快速发展，也为企业自动驾驶提供了技术保障。
2 人工智能在汽车自动驾驶系统中的运用
2.1 人工智能在自动驾驶凸显识别、感知中的运用
无人驾驶汽车主要是依赖于传感器进行感知。现如今，传感器种类逐渐增多，性能越来越高，成为了汽车无人驾驶的重要助推力。反之，无人驾驶对传感器的要求也逐步提高，促进其更好地发展。运用于无人驾驶的传感器可以分成以下几类。
（1）雷达传感器。主要是对某范围内出现的障碍物精心探测，如车辆与行人的距离、速度等，运用的比较多的车载雷达主要有激光、超声波雷达及毫米波雷达[2]。其中，激光雷达准确率最高、探测范围非常高，但是成本投入大。虽然，超声波雷达成本比较低，但是能够探测的距离非常近、精确度不高，只能运用于低速状态下的碰撞预警；毫米波雷达成本不高，探测距离很远，被一些汽车企业广泛运用，但精度比激光雷达要低。
（2）视觉传感器主要是进行识别车道线、标志牌等。一般使用的是单双目摄像头及红外摄像头。该种传感器投入成本少、相关产品比较多，但也存在自身不足之处，极易受到光照、遮挡等的影响，准确性需要进一步提高[3]。
（3）车身传感器。其主要来自于车辆本身，利用整车网络接口获得相应的车辆信息，即车速档位等。
2.2 人工智能在自动深度学习中的运用
无人驾驶汽车的核心是计算机，当然，无人汽车所使用的计算机与我们平常所用到的笔记本电脑存在很大的区别，因为车辆在行驶过程中经常会出现颠簸、摇晃、高温等一系列状况，普通的计算机难以在这种环境下长时间运行，因此，无人驾驶车都是使用的工控机。操作系统模块上面是支撑模块，也就是计算机程序；支撑模块主要是包含虚拟交换模块，便于各模块将能够相互通信；日志管理模块主要是记录日志、完成检索和信息回放；监控模块主要是对系统运行状态进行监控，若是发现某一模块运行不规范、出现运行故障，则能够立刻做出反应，提醒相关人员解决问题；交互调试模块，主要是实现人员和无人驾驶系统的交互[4]。
除了需要具备认知能力外，机器还需要学习。深度学习是保证无人驾驶技术成功的必备条件。实际上，深度学习来源于人工神经网络非常高效的一种学习方式。通过深度学习能够增强汽车识别道路、阻碍物等的效率，确保识别的准确率，经过各种数据训练后，汽车就能够收集到各种图形，将电磁波信息转变成相应数据，借助深度学习算法能够完成无人驾驶。
汽车利用雷达收集到的相关数据信息时，必须要对原始数据训练数据进行处理，计算均值时，还应该对均值进行标准化分析、处理。如可以将激光收集到的时间数据转化成车、物体间距离；将车载摄像头拍摄到的图片信息转变成对障碍物、行人等的判断[5]。
将深度学习运用到无人驾驶汽车中，主要涵盖如下步骤：（1）准备好相关数据信息，做好数据的预处理工作，再选择有效的数据结构将训练数据存储下来；（2）输入数据，并无监督学习第一层数据；（3）对第一层数据进行归类，并做出判断；（4）通过监督学习，对第二层中各节点阀值进行调整，确保数据输入的准确性；（5）借助各种数据完成每层网络无监督学习，每次只能训练一层，并将训练结果当作更高一层进行输入；（6）完成输入后，通过监督学习的方式对各层进行调整。
2.3 人工智能在自动驾驶信息共享中的运用
（1）借助无线网络完成车和车间的信息共享。在专用通道，一辆汽车能够将自己的位置等相关信息分享给其他汽车，便于其他汽车自动驾驶系统及时接收到信息，并根据需要及时做出调整。
（2）3D路况感应。汽车会综合摄像机、雷达等各项技术，检测出前方5m范围内的路况，并依据地形特征自动调整汽车设置。
（3）汽车还可以自动变速，一旦检测出地形有变化，就会自动减速，路面状况正常后，就会恢复到原先运行状态。
汽车共享信息数量十分庞大，若是不能及时利用和存储这些数据，就会被新数据所湮没。所以，还应该采取数据挖掘及人工智能等方法来提取有价值的信息，将无用信息过滤掉[6]。
3 无人驾驶技术所面临的挑战及展望
随着社会的不断发展，各种车辆的不断增多，交通出行状况变得更加恶劣，无人驾驶汽车发展前景还存在一些制约因素：（1）法规制度不完善；（2）各品牌车型难以达成一致协议，缺乏行业标准规范；（3）道路整体状况、信息安全性得不到有效保证；（4）成本投入大。
另外，无人驾驶汽车还有一个非常显著的特征，就是车辆信息化程度高，对电脑系统安全性等各方面要求也比较高。一旦出现电脑程度混乱、信息泄漏、黑客入侵等问题，车辆行驶安全得不到有效保证，这也是未来必须要解决的重点问题。
虽然，汽车无人驾驶还存在一些问题，完全实现无人驾驶也有些遥远，但是随着机器学习算法等各项技术的不断发展、应用，无人驾驶技术必定会上升到更高的台阶，在未来，无人驾驶会成为必然趋势。
参考文献
[1] 徐振涵，周丽敏.关于网联车自动驾驶系统研究及停车场场景下的应用[J].中国战略新兴产业，2015，10（2）：196-221.
[2] 高兴芳，周立国.人工智能背景下自动驾驶汽车的挑战与展望[J].财经界：学术版，2015，12（17）：225-229.
[3] 张昭，刘卫华，张硕.试论分数阶PID仿人智能控制算法在车辆自动驾驶系统中的应用[J].电脑与信息技术，2016，22（16）：195-196.
[4] 胡晓梅，王新民.基于仿人智能控制的无人地面车辆自动驾驶系统研究[J].中国科学技术大学，2017，13（18）：141-146.
[5] 宫志彬.浅谈人工智能在汽车领域中的应用[J].科学技术创新，2016（17）：253-254.
[6] 闫华红，尤浩明，王新宇.无人驾驶汽车的研究现状及发展方向[J].汽车维修友，2016（10）：136-138.
关键词：人工智能汽车 自动驾驶系统 运用
中图分类号：TPI8 文献标识码：A 文章编号：1672-3791（2018）09（a）-0066-02
车辆自动驾驶需要感知与控制系统同时作用，其中，车辆控制系统，是对车辆的行驶情况进行有效控制，让车辆可以按照计划路线行驶；感知系统，也就是识别车辆行驶阶段所产生的故障问题，并加以提醒，从而使车辆能够安全运行。现如今，感知系统还处在研发试验阶段，而将人工智能运用到车辆自动驾驶中，能够发挥很大的作用。
1 车辆自动驾驶技术现状
自动驾驶汽车集环境感知、决策规划等各项技术为一体，其主要依靠现代信息技术以相应的传感、采集设备。采集设备收集路况信息，通过智能系统的分析后，将结果上传至自动行驶系统中，再由控制系统对车辆进行控制等，各项技术的应用，确保了车辆行驶的安全性[1]。
近年来，随着人工智能的兴起，现已被运用到车辆自动化实践研究过程中，且在2年前，我国就专门针对无人驾驶汽车进行了试验研究，取得了一些成果。我国与国外自动驾驶车辆研究比较，其主要是通过汽车生产企业、高校科研共同研究，其中包含一汽、奇瑞等，在研究阶段也花费了很多的人力、物力资源，而現在科技的快速发展，也为企业自动驾驶提供了技术保障。
2 人工智能在汽车自动驾驶系统中的运用
2.1 人工智能在自动驾驶凸显识别、感知中的运用
无人驾驶汽车主要是依赖于传感器进行感知。现如今，传感器种类逐渐增多，性能越来越高，成为了汽车无人驾驶的重要助推力。反之，无人驾驶对传感器的要求也逐步提高，促进其更好地发展。运用于无人驾驶的传感器可以分成以下几类。
（1）雷达传感器。主要是对某范围内出现的障碍物精心探测，如车辆与行人的距离、速度等，运用的比较多的车载雷达主要有激光、超声波雷达及毫米波雷达[2]。其中，激光雷达准确率最高、探测范围非常高，但是成本投入大。虽然，超声波雷达成本比较低，但是能够探测的距离非常近、精确度不高，只能运用于低速状态下的碰撞预警；毫米波雷达成本不高，探测距离很远，被一些汽车企业广泛运用，但精度比激光雷达要低。
（2）视觉传感器主要是进行识别车道线、标志牌等。一般使用的是单双目摄像头及红外摄像头。该种传感器投入成本少、相关产品比较多，但也存在自身不足之处，极易受到光照、遮挡等的影响，准确性需要进一步提高[3]。
（3）车身传感器。其主要来自于车辆本身，利用整车网络接口获得相应的车辆信息，即车速档位等。
2.2 人工智能在自动深度学习中的运用
无人驾驶汽车的核心是计算机，当然，无人汽车所使用的计算机与我们平常所用到的笔记本电脑存在很大的区别，因为车辆在行驶过程中经常会出现颠簸、摇晃、高温等一系列状况，普通的计算机难以在这种环境下长时间运行，因此，无人驾驶车都是使用的工控机。操作系统模块上面是支撑模块，也就是计算机程序；支撑模块主要是包含虚拟交换模块，便于各模块将能够相互通信；日志管理模块主要是记录日志、完成检索和信息回放；监控模块主要是对系统运行状态进行监控，若是发现某一模块运行不规范、出现运行故障，则能够立刻做出反应，提醒相关人员解决问题；交互调试模块，主要是实现人员和无人驾驶系统的交互[4]。
除了需要具备认知能力外，机器还需要学习。深度学习是保证无人驾驶技术成功的必备条件。实际上，深度学习来源于人工神经网络非常高效的一种学习方式。通过深度学习能够增强汽车识别道路、阻碍物等的效率，确保识别的准确率，经过各种数据训练后，汽车就能够收集到各种图形，将电磁波信息转变成相应数据，借助深度学习算法能够完成无人驾驶。
汽车利用雷达收集到的相关数据信息时，必须要对原始数据训练数据进行处理，计算均值时，还应该对均值进行标准化分析、处理。如可以将激光收集到的时间数据转化成车、物体间距离；将车载摄像头拍摄到的图片信息转变成对障碍物、行人等的判断[5]。
将深度学习运用到无人驾驶汽车中，主要涵盖如下步骤：（1）准备好相关数据信息，做好数据的预处理工作，再选择有效的数据结构将训练数据存储下来；（2）输入数据，并无监督学习第一层数据；（3）对第一层数据进行归类，并做出判断；（4）通过监督学习，对第二层中各节点阀值进行调整，确保数据输入的准确性；（5）借助各种数据完成每层网络无监督学习，每次只能训练一层，并将训练结果当作更高一层进行输入；（6）完成输入后，通过监督学习的方式对各层进行调整。
2.3 人工智能在自动驾驶信息共享中的运用
（1）借助无线网络完成车和车间的信息共享。在专用通道，一辆汽车能够将自己的位置等相关信息分享给其他汽车，便于其他汽车自动驾驶系统及时接收到信息，并根据需要及时做出调整。
（2）3D路况感应。汽车会综合摄像机、雷达等各项技术，检测出前方5m范围内的路况，并依据地形特征自动调整汽车设置。
（3）汽车还可以自动变速，一旦检测出地形有变化，就会自动减速，路面状况正常后，就会恢复到原先运行状态。
汽车共享信息数量十分庞大，若是不能及时利用和存储这些数据，就会被新数据所湮没。所以，还应该采取数据挖掘及人工智能等方法来提取有价值的信息，将无用信息过滤掉[6]。
3 无人驾驶技术所面临的挑战及展望
随着社会的不断发展，各种车辆的不断增多，交通出行状况变得更加恶劣，无人驾驶汽车发展前景还存在一些制约因素：（1）法规制度不完善；（2）各品牌车型难以达成一致协议，缺乏行业标准规范；（3）道路整体状况、信息安全性得不到有效保证；（4）成本投入大。
另外，无人驾驶汽车还有一个非常显著的特征，就是车辆信息化程度高，对电脑系统安全性等各方面要求也比较高。一旦出现电脑程度混乱、信息泄漏、黑客入侵等问题，车辆行驶安全得不到有效保证，这也是未来必须要解决的重点问题。
虽然，汽车无人驾驶还存在一些问题，完全实现无人驾驶也有些遥远，但是随着机器学习算法等各项技术的不断发展、应用，无人驾驶技术必定会上升到更高的台阶，在未来，无人驾驶会成为必然趋势。
参考文献
[1] 徐振涵，周丽敏.关于网联车自动驾驶系统研究及停车场场景下的应用[J].中国战略新兴产业，2015，10（2）：196-221.
[2] 高兴芳，周立国.人工智能背景下自动驾驶汽车的挑战与展望[J].财经界：学术版，2015，12（17）：225-229.
[3] 张昭，刘卫华，张硕.试论分数阶PID仿人智能控制算法在车辆自动驾驶系统中的应用[J].电脑与信息技术，2016，22（16）：195-196.
[4] 胡晓梅，王新民.基于仿人智能控制的无人地面车辆自动驾驶系统研究[J].中国科学技术大学，2017，13（18）：141-146.
[5] 宫志彬.浅谈人工智能在汽车领域中的应用[J].科学技术创新，2016（17）：253-254.
[6] 闫华红，尤浩明，王新宇.无人驾驶汽车的研究现状及发展方向[J].汽车维修友，2016（10）：136-138.