人工智能技术在无人驾驶中的应用
来源:用户上传
作者:
摘 要 汽车从完全手动驾驶到汽车半自动驾驶经历大幅的进步，而基于人工智能技术的发展，无人驾驶是目前汽车发展的新方向。无人驾驶技术可以满足人们在驾驶过程中需要的舒适性，提高驾驶的安全性和可靠性。伴随着于人工智能技术的发展，无人驾驶技术也在不断进步。文章在此背景下，对人工智能技术在无人驾驶中的应用进行了整理和分析。
关键词 人工智能技术；无人驾驶；深度学习；自适应
中图分类号 TP3 文献标识码 A 文章编号 1674-6708（2019）231-0133-02
传统车辆的发展给我们的日常生活带来了巨大的改善，但由于长时间驾驶，驾驶员难免会感到不舒适或者疲劳，从而引发交通事故的发生。由此看来传统汽车的全性、舒适性和可靠性都有待提高。而无人驾驶技术的发展，可以帮助解决传统汽车驾驶的种种问题。近年来，人工智能在新算法的推动下得到了很好的发展。人工智能相对于传统的信息系统，具有自主学习和自主适应等特点。
运用人工智能的自主学习和自主适应的特点，可以让人工智能根据人们的行为和习惯，制定专属的客户服务。目前人工智能技术应用在我们生活中的方方面面，例如：扫地机器人，手机语音助手，智能服务系统等。这些人工智能的应用使我们的生活变得更加便利。而将人工智能技术应用到无人驾驶技术中，也使得无人驾驶技术愈发成熟。现阶段的无人驾驶汽车中，防抱死、自动泊车和智能警报等功能，都依靠了人工智能技术的支持。人工智能与无人驾驶的结合，让无人驾驶变得更加安全、舒适和可靠，也让无人驾驶的普及离我们越来越近。现结合人工智能技术在无人驾驶领域的应用进行？分析。
1 人工智能的概念和无人驾驶的发展历史
1.1 人工智能的概念
“人工智能”源自于1956年Dartmouth学会。自那时起，研究者们发展出了更多的理论和原理，人工智能的概念也得到了进一步的拓展。人工智能（Artificial？Intelligence，简称AI）是研究、开发用于模拟、延伸和拓展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能可以利用机器来模拟人的智能，让机器具有类似人类的能力。
1.2 无人驾驶的发展历史
最初的自动驾驶主要是叫做辅助驾驶（DAS），主要在汽车上加装单一功能辅助，如：防抱死、定速续航等。而现在较为普及的是高级辅助驾驶（ADAS），ADAS系统相对于DAS系统基础上增加了自适应巡航、紧急制动、路径偏离预警等功能。下一阶段自动驾驶为高度自动驾驶（HAD），HAD系统与之前两个阶段的系统有了更加巨大的进步，搭载HAD系统的汽车将可以在有限条件下自动驾驶，例如高速公路等特殊路段。而目前非常引人注目的无人驾驶是自动驾驶的终极目标，可实现在所有环境下完全无人驾驶，解放驾驶员的双手，增加驾驶的体验。
2 人工智能与无人驾驶结合的优势
无人驾驶汽车通过安装在汽车上的传感系统收集周围环境、车辆信息和交通状况，将信息汇聚到车载中央处理器，车载中央处理器再对汽车的行为路径进行规划并命令汽车按照预定的路径行驶，从而实现了汽车的无人驾驶。以人工智能智能为基础的无人驾驶有很多优点，例如：安全舒适、泊车安全性高、能源消耗低。
2.1 提升了安全性和舒适性
传统的驾驶中，由于驾驶员需要长时间专注于驾驶操作、车辆状况和路面状况，就会导致驾驶员的身体疲劳和精神分散。同时在车辆行驶的过程中遇到突发状况，驾驶员无法在很短的时间内做出正确的选择，这都增加的发生交通事故的几率。而将人工智能与无人驾驶结合，驾驶员只需要坐在车里设置好目的地，车辆就会自己行驶到指定位置，无需驾驶员对车辆进行长时间的操作。同时，在车辆的行驶过程中偶遇突发状况时，人工智能可以在极短的时间内，做出正确的判断，让交通事故免于发生。因此将人工智能与无人驾驶相结合，可以提升驾驶过程中的安全性和舒适性，解决传统驾驶中的问题。
2.2 提升了泊车的安全性
目前，驾驶员在泊车时主要通过后视镜、倒车影像和车载雷达。倒车影像和车载雷达普及相对于只依靠后视镜泊车已经大大降低了汽车在泊车时发生事故的概率。但是因为驾驶员的判断失误和操作错误，泊车时发生剐蹭、碰撞等事故的现象仍在大面积发生。而将人工智能与无人驾驶相结合，通过人工智能的准确计算和对车辆的精准操作，使车辆能完美的进入指定停车位，避免了剐蹭等事故的发生。人工智能与无人驾驶结合，可以提升泊车时的安全性，解决了驾驶员们泊车难的问题。
2.3 减少了能源的消耗
传统汽车是通过驾驶员的操作来行驶的，其中由于驾驶员操作的不准确，或者对路线规划的不合理，导致了大量化石能源的浪费。而将人工智能与无人驾驶相结合，人工智能可以计算出最佳启动功率，以最快速度达到最低能耗值；同时，人工智能可以通过对交通情况的运算，得出到达目的地的最优路线。通过对启动功率和路线的计算，可以大大提升能源在行驶之中的利用率，减少了不必要的浪费，并且保护了地球环境。
3 人工智能技术在无人驾驶中的应用
3.1 智能环境感知
对周围环境的感知是汽车实现自动驾驶的基础。通过摄像头、激光传感器、声呐传感器、微波传感器、GPS等多种车载传感器来收集环境数据，并且根据道路情况、交通信息、车辆位置和障碍物位置信息做出路径分析和判断。摄像头和雷达现已经广泛运用在家用汽车上，而完全自动驾驶需要更多的传感器相互合作才能实现。激光传感器精度高，可以准确地对周围环境进行扫描和构建模型，但是成本较高，尚未实现大规模量产；摄像头可以有效的识别人物、障碍物和交通标示，直接获得周围环境的影像，有利于对进一步的运动做出判断和分析；声呐雷达较激光传感器来说成本更低，同样具有较高的稳定性，更利于实现普及。
利用传感器收集到信息数据后，需要将收集到的光学和声学信息数据进行模式识别。在无人驾驶中，光学信息识别可以实现对周围的路面、行人和交通指示牌等做出判断；声学信息识别可以实现人车之间的智能交流，通过驾驶员的语音输入，控制车辆进行相应动作。例如：在行驶过程中，车内的驾驶员通过目视的方法可以准确迅速地分析出交通指示牌所代表的内容和信息，但无人驾驶汽车得到交通指示牌信息，首先需要通过摄像头来得到道路的影像数据，但是车辆本身不能对交通指示牌在现实生活中所代表的内容作出判断。只有利用人工智能加以恰当的算法，从道路的影像资料中获取交通指示牌的特征信息，并进行分析，从而得到交通指示牌所代表的真实意义。
3.2 智能避障
避障是無人驾驶汽车在行驶过程中面临的一大重要的问题。现在大多数汽车使用的导航主要是磁导航和视觉导航。磁导航的应用是通过在汽车驾驶过程中，布置磁装置，从而收集到周围环境中障碍的位置信息。磁导航因为不使用光学信息，即使在天气恶劣的情况下也能保证较高的精度，但由于布置过程繁琐，维护产生的费用也较高。视觉导航是通过安装在汽车上的光学传感器收集数据，从而测量四周障碍物距车辆的距离。因为主要使用了光学传感器进行收集信息，所以在恶劣环境下，视觉导航的精度就会大大降低甚至丧失功能。通过人工智能技术和无人驾驶汽车的相结合，将汽车导航系统收集到的环境信息汇总到中央处理器，中央处理器就能对传感器收集到的磁信号或光学信号进行处理，并优化汽车的行驶路线，做到自动避开障碍的功能。同时，通过人工智能技术对天气信息的处理，能自动控制车辆上磁导航和视觉导航的交替使用，保证环境信息的准确性，同时减少车辆能源的消耗。
4 结论
综上所述，人工智能技术与无人驾驶相结合，可以有效的提升无人驾驶汽车的各方面性能，确保无人驾驶汽车在行驶过程中的安全性、稳定性，使得无人驾驶汽车得到进一步的进步和提升。但是由于技术和成本的束缚，无人驾驶汽车仍然不能大面积使用。若想让无人驾驶汽车更加广泛的普及，我们应该不断的去挖掘人工智能技术和无人驾驶汽车可以更加合理结合的方面。不断的利用人工智能技术，去提升无人驾驶汽车的智能化和信息化水平，使无人驾驶汽车更快的进入我们的生活当中。
参考文献
[1]郭旭.人工智能视角下的无人驾驶技术分析与展望[J].电子世界，2017（20）：64-65.
[2]田国强.人工智能技术在无人驾驶汽车领域的应用研究[J].江苏科技信息，2017（14）：56-57.
[3]张妮，徐文尚，王文文.人工智能技术发展及应用研究综述[J].煤矿机械，2009，30（2）：4-7.
[4]李雨浓.电子信息与智能化技术在汽车上的应用分析[J].科学家，2017（16）：161.
[5]田国强.人工智能技术在无人驾驶汽车领域的应用研究[J].江苏科技信息，2017（14）：56-57.
转载注明来源:https://www.xzbu.com/8/view-14739440.htm
