人工智能技术在自动驾驶的应用案例.docx

人工智能技术在自动驾驶的应用
一、概要1.1案例背景
随着技术的快速开展云计算、大数据、人工智能一些新名词进入群众的视野, 人工智能是人类进入信息时代后的又一技术革命正受到越来越广泛的重视。作为 人工智能技术在汽车行业、交通领域的延伸与应用，自动驾驶近几年在世界范围 内受到了产学界甚至国家层面的密切关注。自动驾驶汽车依靠人工智能、视觉计 算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动 的操作下，自动平安地操作机动车辆。自动驾驶技术将成为未来汽车一个全新的 开展方向。
二、案例过程分析2」现阶段自动驾驶的情况
自动驾驶等级
自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统 协同合作，它是一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的 综合系统，它集中运用了计算机、现代传感、信息融合、通讯、人工智能及自 动控制等技术，是典型的高新技术综合体。
这种汽车能和人一样会“思考”、“判断”、“行走”，让电脑可以在 没有任何人类主动的操作下，自动平安地操作机动车辆。按照SAE (美国汽车 工程师协会)的分级，共分为：驾驶员辅助(L1)、局部自动驾驶(L2)、有条件 自动驾驶(L3)、高度自动驾驶(L4)、完全自动驾驶五个层级(L5)。
第一阶段(L1)：驾驶员辅助目的是为驾驶者提供协助，包括提供重要或有 益的驾驶相关信息，以及在形势开始变得危急的时候发出明确而简洁的警告。 现阶段大局部ADAS主动平安辅助系统，让车辆能够实现感知和干预操作。例如 防抱死制动系统(ABS)、电子稳定性控制(ESC)、车道偏离警告系统、正面 碰撞警告系统、盲点信息系统等等，此时车辆是能够通过摄像头、雷达传感器 获知周围交通状况，进而做出警示和干预。
第二阶段(L2)：局部自动驾驶车辆通过摄像头、雷达传感器、激光传感器 等等设备获取道路以及周边交通信息，车辆会自行对方向盘和加减速中的多项 操作提供驾驶支援，在驾驶者收到警告却未能及时采取相应行动时能够自动进 行干预，其他操作交由驾驶员，实现人机共驾，但车辆不允许驾驶员的双手脱 离方向盘。例如自适应巡航控制(ACC)、车道保持辅助系统(LKA)、自动紧 急制动(AEB)系统、车道偏离预警(LDW)等。
第三阶段(L3)：有条件自动驾驶由自动驾驶系统完成驾驶操作，根据路况 条件所限，必要时发出系统请求，必须交由驾驶员驾驶。
第四阶段(L4)：高度自动驾驶由自动驾驶系统完成所有驾驶操作，根据系 统请求，驾驶员可以不接管车辆。车辆已经可以完成自动驾驶，一旦出现自动 驾驶系统无法招架的情形，车辆也可以自行调整完成自动驾驶，驾驶员不需要 干涉。
第五阶段(L5)：完全自动驾驶自动驾驶的理想形态，乘客只需提供目的 地，无论任何路况，任何天气，车辆均能够实现自动驾驶。这种自动化水平允 许乘客从事计算机工作、休息和睡眠以及其他娱乐等活动，在任何时候都不需 要对车辆进行监控。
1.1.1 当前自动驾驶技术概况
目前L2级别自动驾驶技术已经非常普及，其已能具备自适应巡航系 统、车道保持系统、自动刹车辅助系统等功能，车辆的各种辅助驾驶 系统确实让我们开车轻松了不少，特别是L2级别智能驾驶已经给我们 带来很大便利性。
而L3目前因为法规的限制只在AUDI A8的Traffic Pilot功能中 出现过很短的一段时间。因为这个功能对驾驶环境要求非常严苛，比 如必须是封闭的单向车道，车速必须很低，比方必须是堵车的情况， 这些条件将L3级别自动驾驶功能的风险降低到很低的水平。至于L4 级别自动驾驶虽然奔驰在某些特定的停车场的自动寻址泊车功能到达 L4级，用户只要在特定的停车场下车，之后车辆会自动寻找车位并泊 入，全程无需用户参与，但这个共能也是需要提前在停车场安置众多 传感器协助实现的，实用性并不高。
目前由特斯拉首推，国产造车新势力纷纷跟进的自动辅助导航驾驶 (NOA, Navigate on Autopilot)技术，使得L2级别辅助驾驶功能迈上新台 阶。其最典型的特征就是高速高架上，自动调节车速、自动变道超车、自动进 出匝道。也就是说，当你从北京四环切换到京藏高速，可以自动实现。这意味 着，对于很多人来说，平时上下班的大局部时间，都可以实现自动驾驶。自动 辅助导航驾驶本质意思是把“导航”和“辅助驾驶”结合。在原来L2辅助驾驶 的基础上(如车道线保持、自动跟车)，加上车机的导航信息(如百度高精地 图)，自动变道，实现从A点到B点的自动驾驶。这和人脑一样，人开车时， 一边看百度地图，一边看路上的车道线和车辆，两者结合，就能驾驶汽车，控 制方向盘、油门和刹车。可以说驾驶员的高速高架的驾驶时间占比越大。越能 在N0A是自动驾驶中受益。
2.2 实现自动驾驶所要解决的问题技术方面
技术方面的问题是自动驾驶汽车所遇到的一个主要问题。不管是何种程度的 自动驾驶，感知都是必不可少的步骤，只有通过感知车辆行驶过程中其周围的路 况环境，才能在此基础上做出相应的路径规划和驾驶行为决策。目前，感知所用 的传感器各有优缺点，很难找到一种能够适应各种环境的传感器器件。例如，激 光雷达对雨雾的穿透能力受到限制，对黑颜色的汽车反射率有限；毫米波雷达对 动物体的反射不敏感；超声波雷达的感知距离与频率受限；摄像头本身靠可见光 成像，在雨雾天、黑夜的情况下其灵敏度会有所下降
除此之外，如何提高汽车的视觉能力也是当前自动驾驶汽车中所面临的一个 难点，自动驾驶汽车不仅需要识别周边的其他车辆，还必须能够在各种环境下能 够检测周围的车道、行人、交通标志等一系列相关因素，而当处于雨雪天等恶劣 的环境中时，自动驾驶汽车可能无法精确识别周围环境中的相关因素，难以进行 判断和决策。此外，复杂的路况问题也是自动驾驶汽车所需要考虑和解决的另一 个难题，不同国家的路况，甚至一个国家的不同城市，不同地区的道路状况会存 在一定程度的差异，以更好的技术手段应对不同的道路状况，并且解决相应的问 题，是未来自动驾驶汽车所面临的任务之一。
2.2.1 认知困境
自动驾驶汽车作为一项新技术新产品，在逐步形成新市场的过程中，政府、 市场以及消费者的认知程度至关重要。消费者对于自动驾驶汽车的理解及接受程 度是一个无法回避的问题。据美国相关研究机构调查，75%的驾驶者对于自动驾 驶汽车保持谨慎的态度，其中一局部甚至持怀疑态度。而在国内，由于自动驾驶 汽车起步较晚，大多数人对于自动驾驶的理解只是简单了解而已对于消费者而 言，自动驾驶平安性的问题是其最为关注的问题，一些负面消息可能使其望而却 步。近年来，随着特斯拉、Uber、福特等主要车企相继出现自动驾驶汽车发生事 故，导致驾驶人员伤亡事件，有关自动驾驶汽车平安问题引起越来越多的广泛讨 论。
2.2.2 伦理和法律困境:
关于自动驾驶，有许多伦理和法律困境尚未解决。当路况发生意外的时候, 自动驾驶汽车做出的判断，是否应该优先保护车主，还是要为了保护装满孩子的 校车，而牺牲掉自己和车主；当自动驾驶出现车祸的时候，是车主负责还是造车 厂负责？相关领域的法律还未成熟。这些伦理困境和法律困境无限延长着无人机 驾驶汽车大规模普及进程。总的来说，虽然目前自动驾驶汽车在技术、认知、成 本以及法律法规方面还面临着诸多困难和问题，产业化也遇到了瓶颈，但是实质 上自动驾驶汽车是建立在传统汽车平安技术和智能化技术逐步升级的基础之上, 对于交通系统的平安性和通行效率有较高的保障，并且在一定程度上代表了未来 智能驾驶的开展方向，因此，其前景为许多企业所看好。
2.3 自动驾驶所采用人工智能技术人工智能在自动驾驶定位技术中的应用
定位技术是自动驾驶车辆行驶的基础。目前常用的技术包括线导航、磁导 航、无线导航、视觉导航、导航、激光导航等。其中磁导航是目前最成熟可靠 的方案，现有大多数应用均采用这种导航技术。磁导航技术通过在车道上埋设磁 性标志来给车辆提供车道的边界信息，磁性材料具有好的环境适应性，它对雨天, 冰雪覆盖，光照缺乏甚至无光照的情况都可适应，缺乏之处是需要对现行的道路 设施作出较大的改动，本钱较高。同时磁性导航技术无法预知车道前方的障碍， 因而不可能单独使用。视觉导航对基础设施的要求较低，被认为是最有前景的导 航方法。在高速路和城市环境中视觉方法受到了较大的关注。
2.3.1 人工智能在自动驾驶图像识别与感知中的应用
自动驾驶汽车感知依靠传感器。目前传感器性能越来越高、体积越来越 小、功耗越来越低，其飞速开展是自动驾驶热潮的重要推手。反过来，自动驾 驶又对车载传感器提出了更高的要求，又促进了其开展。
用于自动驾驶的传感器可以分为四类：
雷达传感器。主要用来探测一定范围内障碍物（比方车辆、行人、路肩等）的 方位、距离及移动速度，常用车载雷达种类有激光雷达、毫米波雷达和超声波 雷达。激光雷达精度高、探测范围广，但本钱高，比方Google无人车顶上的 64线激光雷达本钱高达70多万元人民币；毫米波雷达本钱相对较低，探测距 离较远，被车企广泛使用，但与激光雷达比精度稍低、可视角度偏小；超声波 雷达本钱最低，但探测距离近、精度低，可用于低速下碰撞预警。
视觉传感器。主要用来识别车道线、停止线、交通信号灯、交通标志牌、行 人、车辆等。常用的有单目摄像头、双目摄像头、红外摄像头。视觉传感器成 本低，相关研究与产品非常多，但视觉算法易受光照、阴影、污损、遮挡影 响，准确性、鲁棒性有待提高。所以，作为人工智能技术广泛应用的领域之一 的图像识别，也是自动驾驶汽车领域的一个研究热点。
定位及位姿传感器。主要用来实时高精度定位以及位姿感知，比方获取经纬度 坐标、速度、加速度、航向角等，一般包括全球卫星定位系统（GNSS）、惯性 设备、轮速计、里程计等。现在国内常用的高精度定位方法是使用差分定位设 备，如RTK-GPS,但需要额外架设固定差分基站，应用距离受限，而且易受建 筑物、树木遮挡影响。近年来很多省市的测绘部门都架设了相当于固定差分基 站的连续运行参考站系统（CORS）,比方辽宁、湖北、上海等，实现了定位信 号的大范围覆盖，这种基础设施建设为智能驾驶提供了有力的技术支撑。定位 技术是自动驾驶的核心技术，因为有了位置信息就可以利用丰富的地理、地图 等先验知识，可以使用基于位置的服务。
车身传感器。来自车辆本身，通过整车网络接口获取诸如车速、轮速、档位等 车辆本身的信息。
2.3.2 人工智能在自动驾驶深度学习中的应用
驾驶员认知靠大脑，自动驾驶汽车的“大脑”那么是计算机。除了对外界进 行认知之外，机器还必须要能够进行学习。深度学习是自动驾驶技术成功地基 础，深度学习是源于人工神经网络的一种高效的机器学习方法。深度学习可以 提高汽车识别道路、行人、障碍物等的时间效率，并保障了识别的正确率。通 过大量数据的训练之后，汽车可以将收集到的图形，电磁波等信息转换为可用 的数据，利用深度学习算法实现自动驾驶。
2.3.3 人工智能在自动驾驶信息共享中的应用
利用无线网络进行车与车之间的信息共享。通过专用通道，一辆汽车可以 把自己的位置、路况实时提供给队里的其它汽车，以便其它车辆的自动驾驶系 统，在收到信息后做出相应调整。汽车信息共享所收集到的交通信息量将非常 巨大，如果不对这些数据进行有效处理和利用，就会迅速被信息所湮没。因此 需要采用数据挖掘、人工智能等方式提取有效信息，同时过滤掉无用信息。考 虑到车辆行驶过程中需要依赖的信息具有很大的时间和空间关联性，因此有些 信息的处理需要非常及时。
2.4 解决问题的过程分析解决问题的过程
车身架构联网。智能汽车要实现L4、L5级，从感知到决策到控制全部由汽 车自己完成，这时汽车出现任何问题都要自己能处理，首先得知道自己能出现什 么问题。但汽车现有的架构是满足不了这一点的，因为汽车用了很多总线，车上 的节点可能只有几十个，大量的电器根本没有联网，如果真正想实现高级别自动 驾驶，所有电器都要联网。因此从总线到网络到架构需要一种革命性地变化。
硬件软件别离。汽车现在硬件、软件是高度耦合的，例如你给丰田开发的系 统拿到奔驰车上是用不了的，但是我们人开车的时候谁都可以开，肯定是和硬件 没有关系的。手机和电脑开展很快的原因就是硬件和软件是高度别离的做软件 时不需要考虑硬件;反之，做硬件的时候也不需要考虑软件。软硬件别离是未来 智能汽车开展非常关键的要素，整个汽车上要有对硬件解耦的汽车大脑。
计算平台。未来的自动驾驶车上可能是6~8个摄像头、4飞个雷达，加上各 种各样的超声波传感器和大量接口，要有一个计算平台把所有这些信息接进来, 还要高性能地处理这些信息，要有强大的计算能力，同时要满足智能驾驶的需求, 需要人工智能技术(平台要支持深度学习计算)。因此，未来需要全新的超级计算 平台。
感知技术。车的感知能力必须要超过人的感知能力，通过感知能力弥补决 策能力的缺乏。很多事情发生了以后不好处理，那就尽可能不要让这件事情发 生。因此，智能汽车和人相比，必须要超过人的感知能力，需要协同式的感知 能力，车-车、车-路通信，要看见看不到的东西。
自动驾驶地图。低级的自动驾驶可能不需要自动驾驶地图，只需要驾驶辅 助(ADAS)地图，但是到了 4、5级，可以发现自动驾驶地图不仅需要，而且是必 备的。有了地图就可以把感知和地图结合起来，让你汽车行驶的时候始终知道 你行驶在哪里，离障碍物多远，也可以把动态障碍物叠加在地图上。
基于深度学习的驾驶决策与控制。通过大量数据采集，给车一张图片和传 感信息，这辆车直接告诉你方向盘的转角、油门刹车等信号。
2.4.1 结果分析及讨论
通过以上过程，基本可以实现不同复杂场景的自动驾驶。但及时实现了也会 不可防止的面临新的问题。人是有完整的法律体系的保障，出现任何事情最后驾 驶人可以兜底，例如撞死人，最严重的情况是司机承当这个责任，赔钱或者坐牢 甚至赔偿性命。但无人汽车很难解决这个问题它什么时候出了事情，什么时候撞 死了人，人们无从控制，这对汽车产品来说是不能接受的。
汽车的信息平安性也非常重要，比手机、电脑重要得多。手机、电脑出了问 题，例如出了勒索病毒，最多付点钱就解决问题，但是对于汽车要命的，而且汽 车平安问题不是一辆车，如果整个系统平安性被攻破了，死的就不是一两个人了 O 可见，整个平安问题是非常重要的问题。从单车的平安到系统的平安都需要综合 考虑。这也是需要比拟长的时间去攻破的。
三、结论及未来应用结论
汽车领域逐渐向自动驾驶领域开展是一大趋势，同时也是社会开展的必然趋 势、人工智能技术和自动驾驶汽车领域的结合，为自动驾驶汽车目标的真正实现 提供了更多的保障。但是面对自动驾驶汽车领域的开展，我们应当保持理性的认 识、将人工智能技术应用在自动驾驶汽车领域中，可以有效减少交通事故的发生, 保证汽车出行的平安，但同时面临体验感下降、平安信息判断的准确性、法律法 规等问题，还需要进一步研究。
3.1 自动驾驶技术的未来展望
现阶段我国的自动驾驶汽车仍然在研究试验阶段，并且这一阶段符持续很 长一段时间。在2015-2021年我国的自动驾驶汽车技术的重点还是技术研发 就目前自动驾驶技术的开展形势来看，很多汽车企业将自动驾驶技术上的研究 成果应用在现有汽车的改进局部上，例如手动档到自动档的转变、倒车雷达、 行车记录仪等都陆续的应用在了现有汽车上，这些应用不但顺应了我国汽车行 业的开展趋势，这些技术的应用和开展还有利于提高自动驾驶汽车的零部件的 产量从而降低自动驾驶汽车的本钱，最终将实现对自动驾驶汽车的推广。
目前我国对自动驾驶汽车所使用的传感器、计算机等技术的研究己经取得 了很大的进展，并且本钱也会大大降低，但是，我国的自动驾驶汽车还有很多 像雷达、摄像机等重要设备要从国外进口，所以导致自动驾驶汽车的本钱仍然 很高。所以我国应该加强对自动驾驶汽车的重要设备及技术的研究，减少自动 驾驶汽车的本钱，为将来自动驾驶汽车的推广打下基础。
随着科技的开展，导航技术在国内外的应用也越来越成熟，而我国自动驾 驶汽车的导航系统也将不断的完善，使我国自动驾驶汽车技术与国际研究水平 接轨。