人工智能技术在无人驾驶汽车领域的应用

摘要：我国经济的高速发展和城市人口的迅速增加，交通出行是保证经济社会运转的重要因素。随着人工智能技术的发展与应用，无人驾驶技术在交通运输业中的地位和潜在价值逐渐凸现。人工智能技术在过去几十年取得了长足发展，但同无人驾驶技术一样存在着制约其进一步发展的因素。通过调研历史数据和文献资料，本文整理和总结了人工智能和无人驾驶技术的发展与未来，为其进一步融合发展提出建议。

关键词：人工智能;无人驾驶汽车;

1 引言

随着我国经济的快速发展和城市人口的快速增加，每天的交通旅行是如何保证安全和快捷的?随着人工智能技术的快速发展，无人驾驶的汽车技术已经不再是天方夜谭，而是开始受到国家级的关注。人工智能和无人驾驶相结合成为主要的发展方向。

在人工智能技术方面，过去数十年间经历了两次发展热潮。这是1956年首次提出人工智能技术。大家对这个技术有着非常乐观的态度。虽然在这个领域投入了大量的资金和人力，但是受到当时计算能力和硬件条件的限制，很快就进入了瓶颈阶段。二十世纪以来，摩尔定律和统计机械学习的快速发展和广泛应用，给人工智能带来了二次爆炸。人工智能技术目前处于历史交叉点，只有与实际领域交叉发展才能发挥真正的力量，进而促进发展。无人驾驶领域在很多领域引入了人工智能的概念，无人驾驶的发展是人类逐步交付操作权、提高安全系数的过程。无人驾驶进化的阶段是人将车辆的操作权慢慢传递给计算机系统的过程。我国无人驾驶汽车的驾驶技术还有很多问题，例如技术体系不完善，面临着技术不成熟的挑战等。管理和法律方面也有一些问题。人工智能技术能发挥其更大的技术优势吗?推进无人驾驶车尽快进入人们的日常旅行，这些问题值得我们进行研究。

2 人工智能技术与无人驾驶技术概述

2.1 人工智能技术概述

2.1.1 历史发展

1950年，一位名叫马文·明斯基(后来被称为“人工智能之父”)的大四学生和他的同班同学丹·埃德蒙一起，制作了世界上第一台神经网络计算机。这也是人工智能的出发点。1956年，计算机专家约翰麦卡锡提出了“人工智能”一词。这被认为是人工智能正式诞生的。麦卡锡和赛斯基两人创建了世界上第一个人工智能实验室MIT AI LAB实验室。人工智能的第一个高峰是50年代，人工智能迎来了顶峰。

电脑广泛应用于数学和自然语言领域。人工智能首次进入低谷是在70年代，人工智能进入了低谷期。科学研究者低估了人工智能的难度，美国国防高级研究计划局的合作计划失败了。人工智能增长在80年代，卡耐基梅隆大学为数字设备公司(DEC)设计了X音乐会这个专家系统。这是一个拥有完全专业知识和经验的计算机智能系统。到1986年为止，为了公司一年可以节省4000万美元以上的经费。两个峰值之间的人工智能在1987年苹果和IBM生产的桌面性能超过了Symbolis等制造商生产的通用计算机。80年代末，美国国防部先进研究项目局高层认为人工智能不是“下一波”。这样人工智能再次变成了广大太平洋中的夕阳的颜色。回顾人工智能60多年的发展历程，长期以来，科技人员不断突破障碍，可以看到今天人工智能的辉煌成就。比如1997年IBM的深蓝击败了国际象棋世界冠军卡斯帕罗夫。2009年瑞士联邦理工学院发起的蓝色大脑计划，成功地模拟了一部分老鼠的大脑。然后在2016年，Google AlphaGO击败了韩国的李世石。在可以预测的未来，人工智能将成为我们的朋友、家人、伙伴。

2.1.2 发展现况

现在的人工智能是将身临其境推动体验技术发展的主要动力。与身临其境体验相关联的人本技术(例如，智能工作空间、因特网家庭、现实增强、虚拟现实、脑机接口)是牵引其他两个趋势的尖端技术。另外，数字平台在曲线上处于急速上升期，量子计算和区块链在今后的5～10年内会带来变革性的影响。如图所示，人工智能的发展是从现在的互联网基础应用向云端大数据和高性能计算发展的。预计未来十几年内人工智能技术会进一步影响我们的生活。但是，经过技术发展阶段，进入绿色箭头的位置，人工智能技术的发展需要新的基础学科的发展，注入新的动力。

2.1.3 技术分析

现在人工智能技术的主要研究是从三个方向展开的。一个是模拟人的智慧，典型地表示符号学派、知识光谱的方式。两种是模拟人脑的构造，典型的是连结学派、神经网络方式。第三，模拟人的行动，典型地表示行动学派，例如机器人自主地学习。目前的三种技术都很先进。主要技术方向是机器学习的方向和知识的光谱方向。具体地，深度学习是基于数据表征学习的方法。观测值(例如，一张图像)可以用各种方法来表示，例如各像素的强度值的向量，或者更抽象地以一系列边缘、特定形状的区域等。使用一些特定的表现方法，可以从实例中更容易地学习任务(例如，面部识别或面部表情识别)。深度学习的优点是使用用于非监督性或半监督性特征学习和分层特征提取的有效算法来代替手工获得特征。知识谱旨在描述实际世界中存在的各种实体或概念及其关系，通常由三个组表示，知识谱被认为是巨大的图，其中节点表示实体或概念，而一个表示属性或关系构成。

当前这两项技术的主要瓶颈在于计算机性能不足、处理复杂问题的能力不足、数据量严重缺失这几个方面。相应的在无人驾驶领域的表现则为实际路测信息缺失、本地计算能力不足、处理复杂路况能力不足等。

2.2 无人驾驶技术概述

2.2.1 发展历史

传统的汽车是上古神人发明的。德国人卡尔奔驰。说起自动驾驶车可能很难知道是谁发明的，人们对于自动驾驶的梦想已经接近一个世纪了。一般公认的第一辆车是斯坦福汽车，最初是1961年建造的。70年代初期可以利用相机和初期的人工智能系统绕行障碍物。1995年，卡耐基梅隆大学的研究人员托德·艾哈姆和迪安·波马罗驾驶具备自动驾驶能力的1990年庞蒂亚克Trans Sport NavLab5穿过了美国。在近3000英里的路程上，这辆卡车的确是自动驾驶的。用挡风玻璃的照相机找车道，踩油门和刹车的人。谷歌Prius的这种快速发展的步伐使Google成立了2009年Thrun指导的自动驾驶汽车项目。2012年开始自动驾驶原型车进入美国的公共道路。他们跑了数百万英里变得更安全更可靠了。但是，这个技术在大规模配置上还有距离。在今后的几年里，Google掌握了在自动驾驶车领域的发言权，使汽车工业不能轻视技术。2020年，滴滴将与沃尔沃合作，自动驾驶“未来之旅”开始滴滴出租车服务测试。特斯拉中国工厂建成后，可以在全系统上安装自动运转功能。上述介绍的这些时间段是无人驾驶领域过去几十年的重要时间段，正是前人的努力，逐渐给我们的生活带来了无人驾驶技术。

2.2.2 技术分析

汽车的自动驾驶系统的主要目的是防止部分交通事故的发生，提高道路的利用率，提高驾驶员的便利性，减轻驾驶员的负担，实现车辆的安全和效率性的行驶。主要技术和系统由图8所示。其中，安全报警系统在车身各部位设置的传感器、激光雷达、红外雷达、点眼探测器、超声波传感器、电波雷达等设施具有事故检测功能，由计算机控制、超车、倒车、车道转换在容易发生雨雾天气等事故的情况下，随时以声音、图像等方式提供给司机。车辆周边及车辆自身的必要信息可以自动或半自动进行车辆控制，对防止事故有效。防止碰撞系统通过车辆前后设置的雷达探测器和激光传感器等，分别探知前后潜在冲突和即将发生的冲突事件，并及时向驾驶员回避操作指令，自动控制车辆加速，保持适当的车辆间隔防止车辆和车辆和其他障碍物的正面或追尾。撞上车线保持系统主要起到防止车辆错位的作用，当驾驶员疏忽大意时，以一边控制车辆一边行驶为目的。警告采用系统通知司机偏移，必要时启动自动控制装置的自动控制转向。具备了车道保持系统的车，没有司机的操作，可以自动沿着道路行驶。车辆行驶中偏离车道的情况下，如果司机没有反应，系统会自动让车辆回到原来的车道。视野扩展系统也称为视觉增强系统。车辆有检查设备、画面显示设备和计算机处理设备，加强傍晚、晚上、雨雾天气的视觉感知性，提高行车安全。美国通用汽车开发的夜间电视系统可以像电视那样调整显示器的亮度，不管前灯是否亮，对向车也不会使系统失明。监视控制系统基于车道保持系统追加了雷达。雷达不断测量与前面车辆的距离，计算两辆车的相对速度，操作传到车上的计算机，操作节气门和控制装置，与前面的车自动保持安全距离。那样的话，车可以以更小的间隔在车道上行驶。紧急警报系统主要是缩短事故时的响应时间，提高事故处理效率的系统。使用GPS、GIS技术、GSM通信技术，在发生事故的情况下，自动发出包含车辆位置的无线信号。该系统利用GPS、GIS、GSM等技术，为驾驶员提供最佳的行驶路线，避免交通堵塞。环境保护系统在电脑上监视燃料、排放等情况，以获得最佳的环境保护效果。

2.2.3 发展瓶颈

汽车的无人自动驾驶技术是指通过车载设备、道路侧、道路表的电子设备检测周围行驶环境的变化，进行一部分或完全的自动驾驶控制的系统。该系统的本质是将车辆——道路系统中的现代通信技术、控制技术和交通信息理论相结合，提供良好的驾驶环境，在特定条件下，车辆自动控制和安全行驶。

美国汽车工程师协会制作的量化表将自动驾驶的等级分为5个等级。等级1的自动驾驶包含着基本的合作。在Level 2级水平上，增加了保持车道等功能，可以在高速公路上行驶，但正在催促司机注意。奥迪今年推出的A8是第一款达到3级的车型，可以自动驾驶监控周围环境，但应系统要求，司机必须立即接收。奥迪A8 Waymo、Uber等公司正试图直接跳入4级。也就是说，在特定条件下，例如在城市特定地区，汽车可以完全自动驾驶。部分行业相关人士认为，等级2和等级3的不完全自动驾驶不安全。即使系统控制了车辆，司机也需要经常注意。特斯拉的Autopilot属于等级2的。

自动驾驶车面临的问题之一是，道路是为司机而修建的。自动驾驶车必须共享道路。人通过照明，使用其他非语言的提示进行交流。这些提示因地区而异。将来，可能出现用于支持自动驾驶车专用的道路或区域以及它们的专用设备，即V2I(车对基础设施)技术。几个地区已经有自动驾驶车在运行，但是修改了交通信号的一部分。将来，V2I和V2V(车对车)技术可以帮助自动驾驶车更好的协调。

3 人工智能技术与无人驾驶技术融合发展探讨

3.1 融合发展的风险与法规瓶颈

在现在的研究中，从辅助运转到无人驾驶的过程是不断提高对非结构化环境的适应的过程，其中隐藏着危险和错误背后的隐患：1、受黑客入侵内部网或不当干扰车辆传感器;2、对环境状况理解不充分，导致安全事故。在诸如汽车网络等开放共享数据的趋势下，第一类安全隐患系数也有所提高。第二类错误可以具体细分为(1)例如汽车的主动制动系统突然启动等安全隐患。(2)系统技术水平未能达到导致系统错误的“分类”和“理解”，因此存在安全隐患。(3)无人驾驶系统是利用机器来学习的，但由于缺乏知性，最后的行动可能会超出汽车制造商的预料。这些隐患随时都会引起交通事故。除了辅助人和机器的共同运转的模式以外，用共同的错误来判断有困难的问题。事实上，在从副驾驶席转移到一部分无人驾驶、完全无人驾驶的过程中，交通事故的责任呈现出由人类转向汽车制造商的倾向。那么，考虑到巨大的法律责任，无人汽车制造商可能会考虑从安全隐患中限制汽车能力。

3.2 融合发展建议

在技术方面，无人驾驶系统需要算法的支持来实现以下三个条件。首先，要切实检测影响行驶的动态障碍物，传感器必须正确测量障碍物的位置变化，提取障碍物的特征，并在不同时的时间内与障碍物进行匹配，完成同一障碍物的跟踪。第二，必须预测动态障碍物的运动路径。最终识别了动态障碍物的种类，不同的障碍物具有不同的运动特性，直接影响了无人驾驶车最终采用的避难战略。除了感知和决策方面，无人驾驶还涉及汽车控制、汽车动力学、汽车工程等众多技术学科，同时还需要汽车控制(刹车、转向、照明、油门等)部件的支持。这意味着未来算法与硬件融合交流的发展是一个很大的趋势，我们不能忽视硬件的发展，也不能忽视新硬件的新平台的发展和理论的发展。

从伦理道德法规方面来说，驾驶无人车最后能否顺利进入社会，不是完全依赖技术成熟度，更依赖于来自下的社会接受度和上下的政策、立法管制的考虑因素。我国逐步完善相关试验场和实验法规的建立，为无人驾驶车的发展铺路。

4 结论与展望

人工智能技术在经历了近七十年的发展逐渐从理论应用到我们的实际生活当中，从天猫精灵到大数据购物等等，无人驾驶汽车技术也在人工智能技术的加持下逐步发展了起来。两者在发展过程中是正相关正促进的关系，单一方面的技术进步都可以带动另一方的升级进步，这也是人工智能技术与无人驾驶技术的深刻内联关系所决定的，未来的人工智能技术在无人驾驶领域内的应用，除了技术层次的发展是无人驾驶汽车最终能否进入社会应用的一个关键因素外，法律法规的完善健全，监管和立法体系的完善程度也是其制约因素。

参考文献

[1]邹蕾，张先锋.人工智能及其发展应用.信息网络安全，vol.12，no.2，pp.11-13，2012.

[2]钟纯.人工智能视域下的伦理挑战与应对——以无人驾驶作为分析对象.唐都学刊，vol.35，no.3，pp.65-71，2019.

[3]王科俊，赵彦东，邢向磊.深度学习在无人驾驶汽车领域应用的研究进展.智能系统学报，vol.13，no.1，pp.55-69，2018.

[4]杨帆.无人驾驶汽车的发展现状和展望.上海汽车，no.3，pp.35-40，2014.

[5]张雪梅.论车辆的智能化与道路交通安全.警察技术，no.6，pp.46-48，2005.