无人驾驶汽车中人工智能技术的运用

时间:2019-09-27

　　摘    要：　新一代人工智能技术在全球范围内迎来新热潮，依靠丰富的场景及大数据，人工智能技术已进入各行各业。人工智能技术与传统汽车行业融合带来全新的智能终端自动驾驶汽车。基于人工智能技术的自动驾驶汽车通过感知规划控制功能的实现将助力于自动驾驶汽车的商业化落地、以实现减少交通事故、提高道路通行率、降低污染与能源消耗等经济社会效益。为此，本文着重研究人工智能技术在自动驾驶汽车上的应用现状、面临的挑战及未来发展趋势。

　　关键词：　人工智能; 自动驾驶汽车; 应用现状; 发展趋势;

　　1、前言

　　当前各国汽车产业都处于转型升级的高速发展期，人工智能技术为自动驾驶汽车发展注入了新活力。人工智能产业是我国加快建设创新型国家和世界科技强国建设的关键，人工智能技术成为智能网联汽车、智能机器人、智能无人机等具体的智能化设备的基础[1]。目前人工智能技术已经逐步发展催生了一个以核心技术为支撑、关联和衍生产业发力的产业链。自动驾驶汽车作为人工智能产业重点发展目标，是集成智能视频图像识别系统、智能翻译系统、智能语音交互系统、自动驾驶操作系统、智能车载计算平台、高精度地图系统、智能分析决策算法、车联网通信系统等多个系统的人工智能造物。它主要通过嵌入计算机视听觉、生物特征识别、复杂环境识别、智能语音处理、自然语言理解、智能决策控制以及新型人机交互等技术，实现汽车的自感知、自学习、自适应、自控制；应用机器学习、专家系统、深度学习等人工智能新技术对数据资源进行分析和挖掘，实现对研发设计、生产制造、运维服务等环节的智能决策支持。本文着重研究人工智能在无人驾驶汽车上的应用现状及现阶段存在的问题。

　　2、人工智能的发展现状

　　人工智能是以计算机技术为核心用于研究模拟和拓展人脑的思考推理学习等能力的多学科技术相融合的新兴技术[2,3]。人工智能技术的核心是机器学习，致力于研究开发具有学习和思考能力的类人脑系统，其主要研究内容包括机器视觉、深度学习和人机交互，具体来说包括图像处理、视频处理、模式识别、自然语言处理、语音识别与合成、大数据分析、云计算、实时语音交互等[4,5]。

　　人工智能是在1956年召开的达特茅斯会议上首次提出的，并确定了当前人工智能研究的两大类别：符号论和联结论。在过去的60年中，人工智能研究经历了3个重要阶段。20世纪60年代到70年代初是人工智能发展的第一阶段，计算机自动回答问题、分析图像等是本阶段人工智能研究的重点。80年代，人工智能主要研究重点在基于人工神经网络的人工智能算法研究[6,7]。2016年，谷歌AlphaGo战胜围棋世界冠军李世石让人工智能迎来了第三个发展高峰。

　　自动驾驶汽车运用人工智能技术、传感器、高精度定位技术、监控装置等的协同合作，人类不干预驾驶，通过电脑自动安全地操作机动车辆[8,9]。近年来，汽车智能化程度越来越高。自动驾驶主要用到的是机器学习和模式识别两方面。目前，互联网企业也大多采用机器学习与人工智能算法来切入智能汽车领域，通过传感器、高精度地图、高精度定位等多种途径获取的海量数据，通过人工智能算法及深度学习来实现车辆的路径规划和决策驾驶。同时以收集到的驾驶行为、驾驶经验、场景等数据信息，再进行深度学习以达到车辆的自动驾驶[10]。

　　欧洲自动驾驶市场需求前景良好。欧洲各车企正在积极大力布局自动驾驶。首先，欧洲主流传统车企纷纷发布自动驾驶战略。宝马公司重点推动自动化与网联化驾驶；奔驰计划近期目标实现大部分车型的自动驾驶，远期目标实现更高智能度的自动驾驶。其次，传统车企与供应商合作加速自动驾驶技术开发。2018年7月，戴姆勒、博世和英伟达宣布共同开发L4级与L5级别无人驾驶汽车。2017年7月，宝马、英特尔、Mobileye宣布合作开发自动驾驶汽车，预计2021年正式量产。通用汽车也在筹划以自动驾驶技术服务或移动出行服务商的身份重返欧洲市场。
 

　　美国一直是自动驾驶技术的先行者。2009年Google公司启动无人驾驶汽车计划以来，各大车企纷纷加入自动驾驶技术研发。2016年8月福特汽车宣布将在2021年推出L5级量产车型并投入商业运作。其次，互联网企业成为自动驾驶技术发展的重要驱动力量。2015年6月，Google推出的第三代完全自主设计和生产的无人驾驶汽车，自动化程度为第4级。Uber、Lyft和苹果公司都已获得测试许可证启动路测。同时，互联网巨头们不断调整布局方式，现阶段放弃了独立造车计划，致力于提供自动驾驶软硬件一体化解决方案。第三，通过并购具有自动驾驶关键技术开发能力的企业进行技术补充提升，加快企业核心技术研发。

　　日本政府充分发挥大型车企主体作用。日本各大汽车企业均已根据各自的目标建立了相应的计划表。日产汽车于2018年实现在高速道路自动变更车道；丰田汽车将在2020年发售可在高速道路自动变道的汽车；本田汽车将在2025年实现自动驾驶技术第四阶段。由三菱集团、地图制造商Zenrin主导的一些地图企业、整车制造企业成立动态交通地图企业（Dynamic Map Planning, DMP）来对动态地图数据进行收集、集成、处理，为自动驾驶汽车提供充分的准备。

　　中国企业在智能驾驶领域的推进更为激进，呈现出众多厂商角逐，传统车企与IT企业跨界合作等特点。首先，传统汽车企业积极布局智能驾驶发展，各传统与新兴整车企业都积极制定了其自动驾驶系统发展战略。其次，以百度、阿里、腾讯等为代表的互联网公司也专注于研发自动驾驶技术争相产业化落地。第三，整车企业通过跨界合作寻求产业融合和商业模式创新发展。第四，融合创新生态体系初步形成。先进传感器、车载计算平台等一些关键技术取得突破，路网信息化建设加快，LTE-V、5G等测试工作展开，高精地图、人机交互等方面同步发展，自动驾驶相关产业链逐步完善。

　　3、人工智能技术在自动驾驶汽车上的应用

　　人工智能技术在汽车自动驾驶上的应用主要在环境感知、规划决策与控制这三大功能的算法程序上，即运用深度学习、模糊逻辑、专家系统、遗传算法等方法[11,12,13]，通过大数据的自主学习和训练，使汽车自动驾驶具备一定程度的智能水平。从产品形式上看，其应用主要体现在检索识别，理解分析，计算决策，视听交互等多个整车性能方面，以及雷达、高精度地图、AI芯片等核心零部件制造商的产品研发上[14]

　　3.1、人工智能在环境感知中的应用

　　计算机视觉在汽车自动驾驶上的应用有静态交通灯和交通标志识别和车道线检测、动态物体的识别与跟踪，基于不同算法的车辆自身定位等方面。基于深度学习的计算机视觉，可获得较接近于人的感知能力。模式识别、卷积神经网络等方法可以用于计算机获取的大量图像视频信息处理，再融合运动预测算法即可实现运动物体的识别跟踪。

　　运动预测算法：主要有底层的Optical Flow与立体视觉技术，和基于马尔科夫决策过程的多个运动目标识别追踪算法等。Optical Flow是基于单个摄像头的连续时刻图像或视频序列中的像素级密集对应关系，立体视觉是基于多个摄像头的同一时刻图片，基于神经网络的监督学习可以通过对获取图像的训练得到场景的三维深度或距离估计，从而预测目标的运动轨迹。基于马尔刻度决策过程的多个运动目标识别追踪算法是斯坦福大学的研究者在2015年ICCV会议上发表的新的运动预测算法，首先对运动目标进行马尔科夫建模，主要通过对马尔科夫状态空间的目标状态转换分析来完成对物体的追踪。

　　3.2、人工智能在规划决策中的应用

　　行为决策与路径规划是人工智能在自动驾驶汽车领域中的另一个重要应用。增强学习可以有效地解决环境中存在的特殊情况，是通过和环境的交互来学习在对应的场景下进行规划和决策以达到最优驾驶行为的方法[15]。目标是在既定环境下，通过探索学习到最佳的策略，采取最优化行为。常用的增强学习算法有REIN-FORCE算法和Deep Q-Learning算法。

　　表1 人工智能技术体系

　　现有的深度增强学习解决的问题对于复杂决策的场景无法通过短期的效果得到最优决策策略，此时必须结合基于搜索的算法来解决问题。基于搜索的算法一般通过搜索树来实现，通过穷举搜索树的每个节点，用递归的方式计算出最值函数和最优策略。基于搜索的算法和基于增强学习算法的结合一方面能够通过搜索获取复杂决策场景的最优策略，一方面又能通过增强学习加速搜索过程。

　　3.3、人工智能在车辆控制中的应用

　　汽车自动驾驶的控制是指当收到控制指令后，控制系统调整车辆的机械参数使其达到控制目标的过程[16,17]。人工智能在车辆控制中的应用主要在自动控制技术方面，主要集中在模糊控制和专家系统控制，主要通过控制器中的程序实现对电气系统的控制。模糊控制在车辆控制中的应用主要体现对行为与动作的智能处理[18]。车载传感器在完成信息采集后，会对信息进行融合处理作出判断，在模糊推理算法下，对优先级行为进行确定，通过汽车平台实现各项操作。专家系统控制主要是应用某一特定领域内大量的专家知识和推理方法解决问题的过程，其研究目标是学习模拟人类专家的推理处理过程，实现对车辆的控制。

　　4、人工智能在自动驾驶汽车发展中面临的挑战

　　汽车自动驾驶给人们描绘了一幅出行蓝图，但是新生事物从理想变成现实，让它能够更安全、更稳定地行驶，还要面对诸多挑战。

　　4.1、技术带来的挑战

　　首先，现阶段应用于自动驾驶汽车上的人工智能技术还处于弱智能阶段，仍需深入研发学习。“弱人工智能”即专注于完成具体的任务，能对单一领域问题进行学习训练，对多信息的语义理解还不够。目前的人工智能成果应用于解决具体问题，还达不到人脑具备的智能。只有创造出具有多领域信息理解力的AI才能真正实现人工智能。

　　对自动驾驶技术而言，人工智能技术在感知、规划和决策这三个功能层面及车载计算平台等方面的应用融合是一大挑战，不再是针对某一特定算法功能或计算支撑能力的单项智能，而是真正研发出具备多种智能技术的驾驶脑，像驾驶人一样具备感知判断学习能力。

　　4.2、互联网带来的挑战

　　人工智能技术在自动驾驶汽车上的应用必然需要实现数据传输与信息交互，多种互联方式中的信息安全对自动驾驶汽车而言是巨大挑战。人工智能技术需要通过互联网来对交通路况进行实时更新，此外数据的上传与接收上也需要互联网，这使得人工智能技术对互联网的依赖性较强，但目前的网络安全形势并不理想，网络攻击事件层出不穷[18]，如何保障人工智能技术在自动驾驶汽车中得以安全可靠地利用成为亟需解决问题。

　　4.3、法律带来的挑战

　　自动驾驶的法律认定方面目前没有现成的法律体系可依据，特别是事故的责任划分方面，这使得自动驾驶汽车的法律约束问题难以解决。当机器人具备自主意识后是否会成为民事主体，以及新型“人机关系”等都值得我们进一步去深思去完善立法[19]。与之相关的汽车保险与赔偿如何适用法律，也需要面临重要的革新。事实上，无人驾驶汽车定责的法律问题相当复杂，不仅涉及到设计、制造、用户等之间的多重法律关系，需要理清的责任包括合同责任、侵权责任、产品责任等[20,21]。

　　4.4、伦理问题带来的挑战

　　自动驾驶技术及相关产业研发人员在研究过程中应当确保智能驾驶算法和智能传感器等与社会人的理念相一致，不侵犯不挑战人权或在可接受范围内开展研究应用。各国应结合当地具体情况建设探索与自动驾驶汽车使用者的宗教信仰、文化及伦理观念相一致的自动驾驶汽车和商业化模式。尤其对于人类同样会面临的道德困境中的决策，需要进行更高层面的分析。我们通过构建一个被大多数人可以接受的伦理框架来进行人工智能决策，在对人类的探索和人性的剖析中谨慎应对道德伦理方面的挑战[22,23,24]。

　　4.5、成本问题带来的挑战

　　人工智能技术在应用初期，必然会使汽车的技术成本有所上升，这也将使自动驾驶汽车的成本问题成为现阶段发展的又一大挑战。

　　5、针对当前问题的解决办法

　　5.1、人工智能技术标准化

　　人工智能技术应用于各个领域各个方面，在给人类提供极大便利的同时也需要标准化规定。尤其自动驾驶汽车上的人工智能技术必须满足标准化条件，包括人工智能技术标准，测试标准与评价标准。技术标准主要是保证安全性、信赖度和隐私等方面；测试评价标准主要是测试方法的标准化，描述人工智能技术的测试程序，评估过程和评价结果，包括人工智能技术的复杂性、风险抗击性、解释度和未知隐患等。

　　5.2、加强法律与道德建设

　　人工智能技术在自动驾驶汽车上的应用将加速汽车行业的变革，既要开展自动驾驶汽车相关道路交通等方面的法律法规建设，还要开展自动驾驶技术的公众接受度研究，让更多人有机会看到并体验自动驾驶汽车。公众对新兴技术的信任度和其他感知有利于其及早建立对自动驾驶技术的认识，探索传播自动驾驶相关的技术信赖度和道德水平要求，建立公众信任机制，通过积极的社会互动行为逐步建设新型交通法律法规，提升公民道德水平。

　　5.3、政府主导并监管人工智能技术的发展

　　当前，我国政府正自上而下开展人工智能技术产业发展。继工业和信息化部印发了《促进新一代人工智能产业发展三年行动计划（2018-2020年）》之后，江苏、安徽、浙江、黑龙江等多个省份也发布了各省人工智能行动计划，业已形成政府主导的发展态势。监管方面，政府还应当承担更多的责任，及时有效地监控和预测人工智能技术的发展，防止人工智能技术失效失控，保障人工智能技术为人类所用。

　　6、人工智能在自动驾驶汽车中的未来展望

　　6.1、人工智能将推动道路交通形态的发展

　　在人工智能大力发展的背景下，自动驾驶汽车将逐步替代传统汽车，而这也必将促使我国的道路交通形态发生改变，主要体现在两个方面的内容，一是道路交通的基础设施的改变，二是道路交通运输管理服务的改变。在道路交通基础设施方面，道路中将专门配备有路侧传感装置与电子信标，设置独立的自动驾驶车道，逐渐成为道路交通的主流形态，这也将推动道路交通的进一步发展。而在道路交通运输管理服务方面，将随着自动驾驶汽车的不断普及而进行更加精细化的车辆监管体系，设立车辆监控平台，并有望实现客货分离行驶。

　　6.2、人工智能将助力自动驾驶汽车的产业发展

　　人工智能技术的不断发展促进汽车自动驾驶变得更加安全可靠，自动驾驶汽车将逐渐成为我国工业发展的另一大支撑产业，带来我国经济发展的新增长点。国家在自动驾驶汽车的研发力度、政策支持、法律、标准等问题上更加完善，也使人工智能技术在自动驾驶汽车的产业发展上得到更加充分的体现。

　　参考文献

　　[1] 《促进新一代人工智能产业发展三年行动计划（2018~2020年）》印发[J].机器人产业, 2018, (1) :70~79.
　　[2] 李红霞.人工智能的发展综述[J].甘肃科技纵横, 2007, 36 (5) :17~18.
　　[3] J.McCarthy, M.Minsky, N.Rochester, C.E.Shannon, A Proposal for the DartmouthSummer Research Project on Artificial Intelligence, 1995.
　　[4] Singh K, Bhola S, Lee W.xBook:Redesigning privacy control in Social network platform[C].Proc of the USENIXSecurity Symp 2009.Berkeley, CA:USENIX Association, 2009:249~266.
　　[5] The National Artificial IntelligenceResearch and Development Strategic Plan[S/OL].https://www.nitrd.gov/news/national_ai_rd_strategic_plan.aspx[2017-04-30].
　　[6] 张宇航.无人驾驶汽车的起源、现状及展望[J].电子技术与软件工程.2017 (19) :109~110.
　　[7] 陈晓博.发展自动驾驶汽车的挑战和前景展望[J].综合运输.2016 (11) :9~13.
　　[8] 杨帆.无人驾驶汽车的发展现状和展望[J].上海汽车.2014 (03) :35~40.
　　[9] 仇宁川.基于视觉的车辆通过性驾驶辅助系统研究[D].湖南大学, 2017.
　　[10] 胡海波.人工智能背景下自动驾驶汽车的挑战与展望[J].中国高新区, 2018 (10) :27.
　　[11] 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 (C1) 51~54.
　　[12] 余阿东, 陈睿炜.汽车自动驾驶技术研究[J].汽车实用技术, 2017 (1) :124~125.
　　[13] 邹蕾，张先锋.人工智能及其发展应用[J].理论研究, 2012 (3) :11~13.
　　[14] 刘乾龙.浅谈人工智能与汽车自动驾驶[J].中国高新区, 2018 (04) :39.
　　[15] 王骞, 任俊州, 黄林, 李军.基于人工智能的汽车无人驾驶避障模块的研究与分析[J].石河子科技.2017 (05) :52~54.
　　[16] 李赵.基于激光扫描雷达的自动驾驶技术研究[D].北方工业大学.2018.
　　[17] 张博.车辆速度与信号灯协同控制研究[D].大连理工大学.2017.
　　[18] 董炫良.人工智能模式下机器人移动路径导航设计研究[J].佳木斯职业学院学报, 2017, (3) :416~417.
　　[19] 聂秀娟, 于洋, 苏琴, 赵月望.浅析无人驾驶汽车事故的责任划分[J].智富时代.2018 (03)
　　[20] 刘学宽，陈李丽.浅谈产品责任的因果关系认定[J].山东审判:山东法官培训学院学报, 2013, 29 (3) :93~95.
　　[21] 吴勇毅.聚焦“两会”:迎接智能汽车的春天[J].上海信息化, 2016, (4) :10~15.
　　[22] 宋雨.人工智能在汽车领域的思考[J].中国战略新兴产业.2018 (32) :125.
　　[23] 杨婕.全球人工智能发展的趋势及挑战[J].世界电信, 2017, (2) :15~19.
　　[24] 王远桂, 何欢.人工智能2.0给自动驾驶发展带来的影响[J].现代电信科技.2017 (04) :20~24.

TAG标签： 人工智能  

上一篇：国内外气象领域中高性能计算技术的运用
下一篇：人工智能识别技术英语领域与局限