汽车自动驾驶系统中人工智能的实践

吕高阳

摘 要：现代科技的迅猛发展，各种新技术随之发展开来，人工智能作为代表性的新技术，被广泛应用到我国汽车领域中。汽车与人工智能的结合，汽车实现了自动驾驶，改变了传统驾驶方式，推动了汽车行业的进一步发展。基于此，本文探讨了人工智能在汽车自动驾驶系统中的应用。

关键词：汽车 自动驾驶系统 人工智能 应用

中图分类号：U463 文献标识码：A 文章编号：1674-098X（2019）04（a）-0008-02

车辆自动驾驶功能，是传统汽车的一次重大变革。车辆实现自动驾驶，需要感知系统与控制系统同时作用，控制系统实现对车辆的有效控制，使车来给你依照计划路线行驶，感知系统能够对行驶过程的障碍进行识别与预警，保障车辆行驶安全[1]。虽然，自动驾驶的反制系统与控制系统仍处于研发阶段，自动驾驶仍处于初级层面，但是，在不久的将来，自动驾驶必然会成熟并顺利推广。本文对人工智能在汽车自动驾驶系统中的实践展开探讨。

1 车辆自动驾驶技术现状

近几年，人工智能的兴起，被广泛应用于各个行业，当前，人工智能已经被尝试应用至车辆自动化实践中。并且，在2016年，我国对无人驾驶汽车进行了实验研究，并取得了一定成果。自动驾驶汽车，集环境感知，决策规划等技术为一体，软硬件高度集成的复杂信息物理融合系统，替代了人工操作[2]。该系统主要由感知系统、决策系统、执行子系统构成，自动驾驶技术涉及了环境感知、控制执行、决策规划、V2X通信等关键技术。

环境感知系统，主要采用车载的传感设备与5G网络对交通环境进行感知，并获取车辆状态、交通环境等信息，通过将信息统一于车辆坐标系，为自动驾驶的决策与规划提供信息支持。决策规划技术，主要是根据环境感知系统输出的信息，实现了路由寻径，预测交通，决策行为，规划动作，对控制信号的输出进行反馈等功能。控制执行系统，主要采用了线控执行机构对反馈的控制输出指令进行执行操作，实現汽车转向、制动与油门的控制。V2X通信技术，实现了汽车与外界的信息交互，为环境感知与决策规划提供了优质服务。

2 汽车自动驾驶系统中人工智能的实践

2.1 传感器的应用

汽车想要实现自动驾驶，离不开传感器的感知与识别。当前，随着人工智能在汽车行业应用的不断深入，传感器种类逐渐增多，识别与感知功能逐渐增强，为汽车自动驾驶提供了助推力。当前，自动驾驶汽车常用传感器主要分为以下几类。

其一，雷达传感器：能够对范围内的障碍物进行精确探测，如：车辆和行人的距离、速度。车载雷达主要利用激光、超声波、毫米波等进行探测[3]。其中，以激光探测的雷达探测范围广泛，准确率较高，成本投入较大；超声波雷达的成本低廉，探测距离较近，精确度并不高；毫米波雷达的成本不高，探测距离也相对较远，虽然精度低于激光雷达，以性价比来看，该种雷达性价比最高，被广泛应用于汽车企业中。

其二，视觉传感器：其主要用来识别车道线与标志牌等，通常采用单双目摄像头、红外线摄像头等进行识别。传感器具有成本少、产品多样化的特点，但是，传感器极易受到光照、遮挡等的影响，对此，提高视觉传感器的探测准确性，具有重要意义。

其三，车身传感器：其主要利用整车网络的接口获取车辆信息，如：车速、档位等。

2.2 自动驾驶信息共享的应用

在汽车自动驾驶系统中，人工智能的应用，实现了自动驾驶信息共享。在专用通道中，汽车能够将自身位置、车速等信息与其他汽车共享，使其他汽车的自动驾驶系统实时收到信息并及时调整车辆行驶状态，保障汽车行驶的安全性[4]。并且，汽车能够利用摄像机、雷达等技术，实现3D路况感应，检测汽车行驶前方的路况，并调整汽车设置。而科技水平的提升，汽车3D路况感应的距离逐渐增大，目前超声波是20m，毫米波是200m，激光是100m。

同时，人工智能的应用，使汽车实现了自动变速，一旦检测出地形变化，传感器直接将信息传递给车辆自动驾驶系统，汽车自动减速，保障车辆行驶安全。总之，自动驾驶信息共享的数量非常庞大，若不能及时利用并存储数据，极易导致数据丢失，为自动驾驶系统的健康运行带来影响。对此，积极利用大数据挖掘技术，在海量信息中提取价值信息，过滤无用信息，保障信息的充分利用，全面发挥人工智能的效果。

2.3 决策规划的应用

决策规划系统是汽车自动驾驶系统中的重要子系统，其是人工智能在汽车自动驾驶中应用的重要场景。近年来，在决策规划应用时，兴起了一门热门技术，通过自动深度学习，实现对复杂工况的有效决策。

计算机是自动驾驶汽车的核心，而自动驾驶汽车上的车载计算机与人们日常使用的计算机具有较大差别，因为，在汽车行驶过程中，常出现颠簸、高温、摇晃等状况，在该种状态下，普通计算机很难长时间运行，因此，自动驾驶汽车需要采用工控机，才能充分发挥人工智能的作用。在操作系统模块之上，为支撑模块，其中包含了用于模块通信的虚拟交换模块，用于记录日志、检索信息并回放的日志管理模块，用于监控系统运行的监控模块，用于人员与无人驾驶系统交互的交互调试模块。

在决策规划应用时，将深度学习运用到自动驾驶汽车，涵盖了以下步骤：其一，准备相关数据，做好数据预处理工作，选择有效数据结构，存储训练数据；其二，输入数据，无监督学习第一层数据；其三，将第一层数据进行归类并判断；其四，监督学习，调整第二层各节点阀值，保障数据输入的准确性；其五，通过各类数据，使每层网络能够无监督学习，每次训练一层，将训练结果作为更高一层输入；其六，数据输入后，以监督学习调整各层。如此，为复杂工况决策提供有效数据，充分发挥决策规划的作用。

2.4 控制执行系统的应用

在自动驾驶汽车的控制执行系统应用中，传统控制方式有滑膜控制，PID控制、模型预测控制、模糊控制等。人工智能的应用，控制执行方式向智能控制转变，该种控制方式主要以模型控制、深度学习方法、神经网络控制等为主。如：清华大学智能网联车辆研究中心主任李克强对智能控制系统的研究，全面提高了行车安全，减轻了驾驶疲劳度，实现了低油耗，交通效率提高，行车安全性提高的目标。

3 自动驾驶系统面临的挑战与未来展望

社会在不断发展，车辆不断增多，交通状况日益恶劣，自动驾驶汽车想要发展，还存在诸多制约因素：其一，相关法规制度并不完善；其二，各品牌的自动驾驶系统无法与车型一致，行业标准规范缺失；其三，道路整体状况、信息安全性难以保障；其四，成本投入较大。

无人驾驶汽车拥有一个显著特征，信息化程度非常高，对电脑系统安全性等要求较高。若电脑程序出现混乱、信息泄露、病毒入侵等，极易危害汽车行驶安全，这些问题必须解决，才能保障自动驾驶系统的应用与推广。

当前，自动驾驶系统中还存在一定问题，想要实现车辆自动驾驶并真正推广，还有些遥远，但是，随着及其学习算法等技术的发展，自动驾驶技术必然上升更高台阶。相信，在未来，实现自动驾驶，将成为必然趋势。

参考文献

[1] 史玉申.分析人工智能背景下自动驾驶汽车的挑战与展望[J]. 通讯世界，2018，340（9）：265-266.

[2] 井泉.浅谈人工智能在自动驾驶汽车中的应用[J].轻型汽车技术，2018（z1）：51-54.

[3] 晏欣炜，朱政泽，周奎，等.人工智能在汽车自动驾驶系统中的应用分析[J].湖北汽车工业学院学报，2018（1）.

[4] 胡博瀚.车辆自动驾驶中人工智能的应用实践微探[J].科技传播，2017，9（5）：80-81.