人工智能在智能網(wǎng)聯(lián)汽車上的應(yīng)用進(jìn)展

付磊 張昶

（中國(guó)第一汽車集團(tuán)有限公司 新能源開(kāi)發(fā)院 長(zhǎng)春 130011）

主題詞：人工智能（AI） 智能網(wǎng)聯(lián)汽車 深度神經(jīng)網(wǎng)絡(luò)（DNN） 增加學(xué)習(xí)（RL）

1 前言

全球汽車制造業(yè)在第四次工業(yè)革命的大潮下正在經(jīng)歷著顛覆式的巨變，信息物理融合和智能制造是這場(chǎng)顛覆式變革的主角。而物聯(lián)網(wǎng)在這場(chǎng)變革的重要性是不言而喻的，功能包括人工智能、互聯(lián)、傳感器、主動(dòng)參與和小設(shè)備的使用。

麥肯錫Asustosh Padhi在文獻(xiàn)[1]的Disruptive forc?es in the industrial sectors-Global executive survey，Automotive& Assembly,Advanced Electronics and Aerospace&Defense March 2018產(chǎn)業(yè)顛覆性的力量報(bào)告中指出，全球制造業(yè)正在經(jīng)歷巨變，而背后的驅(qū)動(dòng)力是5大顛覆性的力量，其中人工智能（Artificial Intel?ligence,AI）是對(duì)汽車制造業(yè)、航空工業(yè)和其他行業(yè)的影響深遠(yuǎn)的顛覆性力量。

麥肯錫在其報(bào)告中估計(jì)AI相關(guān)的產(chǎn)業(yè)市場(chǎng)規(guī)模將從2016年的20億美元增長(zhǎng)到2025年的1 300億美元[1]。麥肯錫還指出，調(diào)查中的企業(yè)高管認(rèn)為，特定領(lǐng)域的人才稀缺性會(huì)越來(lái)越突出，尤其是需要更多的數(shù)據(jù)科學(xué)家、AI專家和程序員。預(yù)計(jì)到2030年，美國(guó)需要100 000名軟件工程師才能應(yīng)對(duì)不斷增加的車輛復(fù)雜性軟件[1]。

在汽車行業(yè)，雖然汽車創(chuàng)新內(nèi)容非常豐富，汽車銷售在不斷增長(zhǎng)，但價(jià)格大多穩(wěn)定。這給OEM提高生產(chǎn)效率方面帶來(lái)了巨大的壓力。人工智能技術(shù)是汽車行業(yè)創(chuàng)新技術(shù)的一部分，麥肯錫全球研究院預(yù)計(jì)使用人工智能的協(xié)作機(jī)器人可以提高生產(chǎn)力任務(wù)，這些任務(wù)的20%是無(wú)法由完全自動(dòng)化完成的[1]。

基于大數(shù)據(jù)的機(jī)器學(xué)習(xí)（Machine Learning,ML）是實(shí)現(xiàn)AI的主要方式，AI對(duì)汽車和移動(dòng)出行的最重要的貢獻(xiàn)包括3方面[2]:

（1）根據(jù)高度復(fù)雜的情況采取行動(dòng)；

（2）應(yīng)對(duì)大量的復(fù)雜情況，這些情況無(wú)法用明確的編程所能充分涵蓋；

（3）改善明確的指令，從先前的數(shù)據(jù)中學(xué)習(xí)未結(jié)構(gòu)化的未知情況，持續(xù)改善沒(méi)有明確的指令[2]。

BCG的報(bào)告顯示，人工智能在汽車工業(yè)全產(chǎn)業(yè)鏈上可以發(fā)揮巨大的作用（圖1）。基于數(shù)字化技術(shù)和大數(shù)據(jù)技術(shù)的人工智能可以自動(dòng)完成設(shè)計(jì)工作和產(chǎn)品功能的認(rèn)證工作，提升研發(fā)效率3%～5%，制造過(guò)程可以改善總裝配的認(rèn)證過(guò)程，降低材料成本2%～3%，在售后領(lǐng)域，改進(jìn)識(shí)別產(chǎn)品失效的檢測(cè)過(guò)程，降低質(zhì)量保證期成本[3]。

圖1 AI在汽車產(chǎn)業(yè)鏈的應(yīng)用[3]

麥肯錫Jan Brockhaus,et al.關(guān)于人工智能的報(bào)告指出，人工智能將是創(chuàng)造汽車新價(jià)值的引擎[4]。在短期到中期內(nèi)，全球汽車行業(yè)范圍內(nèi)整車企業(yè)（OEM）有一個(gè)重要的關(guān)于AI的商業(yè)價(jià)值機(jī)遇，總累計(jì)到2025年將達(dá)到約2 150億美元的潛力。這相當(dāng)于整個(gè)汽車行業(yè)的息稅前收益（EBIT）的9%，或平均生產(chǎn)力約為每年1.3%的增長(zhǎng)，這是一個(gè)顯著的價(jià)值增長(zhǎng)，大部分價(jià)值來(lái)自沿著價(jià)值鏈的核心流程的優(yōu)化[4]。

即使在短期內(nèi)，AI也可以在整個(gè)價(jià)值鏈中實(shí)現(xiàn)效率提升和成本節(jié)約，連鎖店可以通過(guò)汽車銷售和售后市場(chǎng)銷售創(chuàng)造額外收入。最具價(jià)值的來(lái)源是通過(guò)四個(gè)核心過(guò)程產(chǎn)生的。在采購(gòu)、供應(yīng)鏈管理和制造環(huán)節(jié)，高效率可節(jié)省510億美元的成本，在營(yíng)銷和銷售方面分別可以節(jié)省220億美元和610億美元。基于AI的效率都很高，降低成本并創(chuàng)造更多的收入，使總價(jià)值潛力達(dá)到310億美元[4]。

雖然采用AI的車輛功能和移動(dòng)服務(wù)可以產(chǎn)生實(shí)質(zhì)性的顛覆，但從長(zhǎng)遠(yuǎn)來(lái)看，整個(gè)行業(yè)的價(jià)值上，這些功能和服務(wù)只會(huì)創(chuàng)造有限的價(jià)值。然而，從這些功能中產(chǎn)生價(jià)值和服務(wù)一樣重要，因?yàn)閭€(gè)別OEM的表現(xiàn)優(yōu)于競(jìng)爭(zhēng)對(duì)手的車輛功能和移動(dòng)服務(wù)，可以獲得可觀的市場(chǎng)份額，技術(shù)領(lǐng)先者的市場(chǎng)份額失去的風(fēng)險(xiǎn)相比較小[4]。

有4個(gè)關(guān)鍵成功因素使OEM能夠?yàn)锳I轉(zhuǎn)型做好準(zhǔn)備，收獲短期內(nèi)人工智能的價(jià)值：收集和同步來(lái)自不同來(lái)源的數(shù)據(jù)，建立伙伴生態(tài)系統(tǒng)，建立人工智能操作系統(tǒng)，建立核心AI功能和核心AI團(tuán)隊(duì)，以推動(dòng)所需的轉(zhuǎn)型[4]。

OEM需要通過(guò)實(shí)施示范來(lái)獲取知識(shí)，從而開(kāi)始他們的AI轉(zhuǎn)型并捕捉短期價(jià)值。然后他們應(yīng)該在整個(gè)組織范圍內(nèi)建立AI核心能力。最后，將使OEM能夠擴(kuò)展和推廣端到端的AI轉(zhuǎn)換，系統(tǒng)地捕獲AI和構(gòu)建的全部?jī)r(jià)值潛力，提升其長(zhǎng)期ACES（Autonomous driv?ing,Connectivity,Electrification and Shared mobility）戰(zhàn)略的能力[4]。

隨著人工智能基礎(chǔ)和應(yīng)用的迅速發(fā)展，而汽車技術(shù)在智能化的發(fā)展提出并展示了巨大的發(fā)展需求，人工智能在智能汽車上應(yīng)用將充滿無(wú)限的發(fā)展空間和前景。人工智能支撐汽車技術(shù)發(fā)展的最大好處可以概括為，使汽車和相關(guān)的應(yīng)用環(huán)境更安全、使汽車更節(jié)能、從而更加環(huán)保、更低的排放、更高的效率，也可以使汽車避免擁堵。在汽車制造環(huán)節(jié)，人工智能可以使制造更節(jié)能、更高效、更高質(zhì)量。

2 人工智能基本概念

物聯(lián)網(wǎng)實(shí)際上幾乎可以使任何物品“智能”，這意味著它可以通過(guò)強(qiáng)大功能增強(qiáng)生活的方方面面，包括數(shù)據(jù)收集、人工智能算法和網(wǎng)絡(luò)。這可能意味著一些簡(jiǎn)單的事情，如增強(qiáng)冰箱和櫥柜功能，以檢測(cè)牛奶和你最喜歡的食物何時(shí)儲(chǔ)量最低，然后自動(dòng)與首選的雜貨店進(jìn)行訂購(gòu)[5]。

1955年John McCarthy第1次給人工智能進(jìn)行了定義，他認(rèn)為AI的目的是開(kāi)發(fā)機(jī)器，使這些機(jī)器行為表現(xiàn)好像具有智能一樣[6]（The aim of AI is to develop machines that behave as if they wereintelligent）。

根據(jù)《大英百科全書》的定義:人工智能是數(shù)字計(jì)算機(jī)或計(jì)算機(jī)控制機(jī)器人執(zhí)行通常與智能相關(guān)的任務(wù)。按此定義，任何計(jì)算機(jī)都是AI系統(tǒng)[6]。

目前人工智能已經(jīng)開(kāi)始在公共場(chǎng)所的身份認(rèn)證中獲得應(yīng)用，如人臉識(shí)別。人工智能在汽車工業(yè)也已經(jīng)開(kāi)啟了廣泛的極具潛力的應(yīng)用，使汽車技術(shù)在智能化的道路上開(kāi)啟了顛覆式的新篇章。

3 汽車行業(yè)人工智能應(yīng)用現(xiàn)狀

按照SAE J3016標(biāo)準(zhǔn)，智能駕駛分為L(zhǎng)evel 1-5級(jí)，Level 3-5級(jí)為高度智能駕駛[7]，是V2X和人工智能廣泛應(yīng)用的、最具前景的領(lǐng)域。

圖2 解讀互聯(lián)網(wǎng)（IoT）[5]

智能汽車的發(fā)展目標(biāo)是應(yīng)用既實(shí)用又先進(jìn)的人工智能技術(shù)，使車輛可以做出類似人類甚至超人的行為。而深度神經(jīng)網(wǎng)絡(luò)等算法則是模仿人類大腦的工作原理，在大數(shù)據(jù)集上進(jìn)行培訓(xùn)，以執(zhí)行各種任務(wù)。聰明的車輛結(jié)合了人工智能技術(shù)，如環(huán)保感知、地圖構(gòu)建、路徑規(guī)劃與整合具有多維度輔助駕駛等服務(wù)功能，使車輛能夠智能化決策。它專注于人工智能的應(yīng)用、機(jī)器學(xué)習(xí)與車輛自動(dòng)控制，如圖3所示[8]。

圖3 AI與汽車技術(shù)框架[8]

3.1 在汽車工業(yè)中應(yīng)用人工智能的必要性

李駿院士和程洪教授提出了人工智能應(yīng)用的4大必然[8]：

（1）AI是中國(guó)作為領(lǐng)先的發(fā)展中國(guó)家的必然需求[8]。中國(guó)汽車工業(yè)一直處于發(fā)展階段，中國(guó)經(jīng)濟(jì)戰(zhàn)略需求決定了汽車工業(yè)需要車輛相關(guān)的創(chuàng)新技術(shù)，如電動(dòng)汽車。當(dāng)前蓬勃發(fā)展的AI技術(shù)為國(guó)家發(fā)展智能汽車提供了重要支撐。

（2）中國(guó)人工智能（AI）2.0已經(jīng)提出人工智能技術(shù)的新發(fā)展趨勢(shì)，如混合智能、多模態(tài)數(shù)據(jù)融合技術(shù)將是一個(gè)非常重要的戰(zhàn)略制高點(diǎn)，開(kāi)發(fā)新智能汽車AI技術(shù)符合這一戰(zhàn)略需求[8]。

（3）中國(guó)汽車的社會(huì)需求處于其獨(dú)特的交通狀況中，包括城市地區(qū)和駕駛場(chǎng)景[8]。中國(guó)的交通狀況復(fù)雜，且駕駛員的駕駛行為很多情況是不符合交通規(guī)則的要求。這使得中國(guó)成為最需要具有AI功能的車輛，以便在復(fù)雜的交通環(huán)境中表現(xiàn)出正確的駕駛行為，做出正確的駕駛動(dòng)作。

（4）中國(guó)汽車商業(yè)模式的變化需要AI的支撐[8]。隨著通信技術(shù)發(fā)展，新的汽車運(yùn)營(yíng)商業(yè)模式應(yīng)運(yùn)而生，如優(yōu)步和滴滴這樣的共享汽車公司正在興起。幾乎所有新的商業(yè)模式都需要人工智能技術(shù)來(lái)支持和實(shí)現(xiàn)優(yōu)化決策。圖4展示了以上描述的人工智能應(yīng)用的4要素。

圖4 人工智能在汽車業(yè)的需求的4個(gè)因素[8]

3.2 人工智能在汽車上的應(yīng)用

（1）深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Network）

隨著計(jì)算資源的發(fā)展和預(yù)訓(xùn)練技術(shù)的成熟，在人工智能領(lǐng)域深度學(xué)習(xí)取得了突破性進(jìn)展，包括語(yǔ)音識(shí)別、視覺(jué)對(duì)象識(shí)別和檢測(cè)等領(lǐng)域。目前，典型的深度學(xué)習(xí)模型包括卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neu?ral Networks，CNNs）、遞歸神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Networks，RNN）、深信念網(wǎng)絡(luò)（Deep Belief Networks,DBN）和堆疊自動(dòng)編碼器（Stacked Auto Encoder，SAE）[8]。

最近，使用CNN自動(dòng)學(xué)習(xí)功能成為一種傾向。國(guó)內(nèi)外學(xué)者的研究證明了CNN具有強(qiáng)大的一般性和代表性功能，無(wú)需人為干預(yù)。經(jīng)過(guò)更深入的研究，提出了改進(jìn)方法，雖然已經(jīng)實(shí)現(xiàn)了良好的性能，但精細(xì)的操作過(guò)程很耗時(shí)限制了他們的實(shí)際使用。國(guó)內(nèi)學(xué)者提出基于更快的R-CNN的端到端網(wǎng)絡(luò)中用于行人檢測(cè)的神經(jīng)級(jí)聯(lián)分類器。不同于更快的R-CNN，它只使用了最后一個(gè)卷積層，利用多個(gè)特征圖層并將它們提供給神經(jīng)級(jí)聯(lián)分類器。這樣的體系結(jié)構(gòu)支持更多低級(jí)功能和實(shí)現(xiàn)網(wǎng)絡(luò)中的深度挖掘過(guò)程。這兩個(gè)因素在行人檢測(cè)中很重要。分類器在統(tǒng)一網(wǎng)絡(luò)中與更快的R-CNN共同訓(xùn)練。

此外，媒介化的感知（Mediated perception）方法涉及用于識(shí)別驅(qū)動(dòng)相關(guān)的多個(gè)初始子組件物體，如車道、交通標(biāo)志、信號(hào)燈、汽車和行人。然后組合識(shí)別結(jié)果進(jìn)入一個(gè)一致的汽車直接環(huán)境世界表達(dá)。行為反射方法構(gòu)建一個(gè)從圖像直接映射到駕駛動(dòng)作。這個(gè)想法可以追溯到20世紀(jì)80年代后期，使用神經(jīng)網(wǎng)絡(luò)構(gòu)建從圖像到轉(zhuǎn)向角的直接映射角。普林斯頓大學(xué)學(xué)者提出直接的感知自動(dòng)駕駛方法，他們建議將圖像輸入到少量的關(guān)鍵感知指示器，這些指示器與駕駛需要的道路/交通的可供性直接相關(guān)。他們的建議提供了一套緊湊但完整的場(chǎng)景描述，以實(shí)現(xiàn)簡(jiǎn)單的控制器自動(dòng)駕駛。他們訓(xùn)練了一個(gè)深度CNN與12小時(shí)的人類駕駛，并顯示他們的模型可以很好地實(shí)現(xiàn)在一個(gè)非常多樣化的一組虛擬環(huán)境中駕駛汽車。DNN和RNN的模型結(jié)構(gòu)如圖5所示。

圖5 深度神經(jīng)網(wǎng)絡(luò)[8]

（2）強(qiáng)化學(xué)習(xí)

強(qiáng)化學(xué)習(xí)（Reinforcement Learning，RL）如圖6所示，決策者面臨順序決策問(wèn)題，并使用評(píng)估反饋?zhàn)鳛樵u(píng)估表現(xiàn)。RL的一般目的是找到一個(gè)‘良好’的映射，為‘行動(dòng)’和‘分配’感知'經(jīng)典地解決單一決策情形，這些情形中制造商與靜止的環(huán)境相互作用。功能強(qiáng)大RL的方法和令人印象深刻的結(jié)果在計(jì)算機(jī)和機(jī)器人社區(qū)中展示了框架，受到了好評(píng)。近年來(lái)見(jiàn)證了越來(lái)越多的學(xué)者有興趣將RL方法擴(kuò)展到多代理問(wèn)題。馬爾可夫游戲（也稱為隨機(jī)游戲）及其幾種變化或?qū)I(yè)化被用來(lái)模擬多代理RL問(wèn)題。一些研究人員已將單一RL方法應(yīng)用在這個(gè)多代理框架[8]。

圖6 基本的強(qiáng)化學(xué)習(xí)框架[8]

隨著強(qiáng)化學(xué)習(xí)研究算法與理論的深入，強(qiáng)化學(xué)習(xí)算法已廣泛應(yīng)用于實(shí)際工程優(yōu)化和工程控制中。非線性強(qiáng)化學(xué)習(xí)方法控制，如機(jī)器人控制、解決問(wèn)題、組合優(yōu)化和調(diào)度、通信和數(shù)字信號(hào)處理、多智能體、模式識(shí)別和交通管制等領(lǐng)域取得了一些進(jìn)展。近年來(lái)，特別是在自動(dòng)化方面智能車輛駕駛技術(shù)、RL學(xué)習(xí)具有巨大的潛力，例如在2016年，AlphaGo計(jì)算機(jī)系統(tǒng)結(jié)合了RL算法和深度學(xué)習(xí)，使計(jì)算機(jī)達(dá)到甚至超過(guò)頂級(jí)職業(yè)選手的水平，引起世界轟動(dòng)。因此強(qiáng)化學(xué)習(xí)作為一種普遍性可以解決智能車輛問(wèn)題的學(xué)習(xí)算法，從感知到?jīng)Q策控制，將更加廣泛用于現(xiàn)實(shí)智能汽車設(shè)計(jì)、制造和使用的各個(gè)領(lǐng)域[8]。

4 汽車行業(yè)人工智能發(fā)展展望

圖7顯示了如何使用AI技術(shù)的框架協(xié)助車輛開(kāi)發(fā)，隨著 AI技術(shù)從 ANI（Artificial Normal Intelligence）到 AGI（Artificial Generalized Intelligence）和 ASI（Arti?ficial Super Intelligence）的不斷發(fā)展成熟，從自動(dòng)駕駛汽車級(jí)別L1到L4，AI技術(shù)將大力提升汽車智能化程度。在網(wǎng)聯(lián)車輛技術(shù)方面，AI將在車載計(jì)算機(jī)到云計(jì)算方面，實(shí)現(xiàn)汽車V2X的實(shí)時(shí)通訊，包括路邊設(shè)施通訊（RSU）[8]。

圖7 整合人工智能以幫助車輛開(kāi)發(fā)的前景[8]

4.1 汽車智能化應(yīng)用

在智能汽車（Autonomous Vehicle,AV）中，駕駛環(huán)境感知、認(rèn)知圖建立、路徑規(guī)劃和控制是同等重要的任務(wù)。如何像人類一樣開(kāi)車是最重要的任務(wù)。開(kāi)發(fā)AV需要集成真實(shí)的多模態(tài)高維數(shù)據(jù)處理時(shí)間、高精度認(rèn)知地圖的建立和定位技術(shù)、最優(yōu)路徑規(guī)劃和決策控制技術(shù)、人機(jī)交互和冗余補(bǔ)償技術(shù)。最近，深度學(xué)習(xí)技術(shù)廣泛應(yīng)用于智能汽車[8]。

2010年，7輛谷歌無(wú)人駕駛汽車組建車隊(duì)，開(kāi)始在加州的路上進(jìn)行路試。2012年8月，谷歌宣布在電腦的控制下，10多輛無(wú)人駕駛汽車已經(jīng)安全行駛48萬(wàn)公里。2013年5月8日，內(nèi)華達(dá)州機(jī)動(dòng)車管理局正式給谷歌發(fā)放了世界上第一張無(wú)人駕駛汽車的許可證。一家新加坡公司NuTonomy，希望為用戶提供手機(jī)控制無(wú)人駕駛出租車。2016年，該公司的試駕車在新加坡成功穿越各種障礙，通過(guò)了第一次測(cè)試。該公司還會(huì)繼續(xù)進(jìn)行這種商業(yè)測(cè)試，并計(jì)劃在未來(lái)幾年在新加坡的汽車市場(chǎng)投放數(shù)千輛無(wú)人駕駛出租車。它利用了協(xié)調(diào)對(duì)無(wú)人機(jī)(UAV)的算法進(jìn)行管理無(wú)人駕駛汽車，NuTon?omy公司表示，它將改進(jìn)汽車并提高其效率，從而減少交通擁堵和減少排放二氧化碳。NuTonomy公司的算法包含一個(gè)“形式”邏輯的功能，賦予汽車靈活性，可以讓汽車違反不那么重要的交通規(guī)則。它可以利用復(fù)雜的判斷來(lái)超越停在路邊的汽車，而不影響交通[8]。

智能駕駛汽車廣泛應(yīng)用也存在一些障礙。除了技術(shù)挑戰(zhàn)，還有有關(guān)駕駛責(zé)任的爭(zhēng)議、將現(xiàn)存的車輛從非智能駕駛改造成智能技術(shù)的時(shí)間需求、駕駛?cè)藛T對(duì)失去控制車輛的抵觸、消費(fèi)者對(duì)無(wú)人駕駛汽車安全的關(guān)注、法律框架的實(shí)施和政府制定智能駕駛汽車法規(guī)、隱私和安全隱患的風(fēng)險(xiǎn)，例如黑客或恐怖主義，智能駕駛會(huì)使人擔(dān)心在道路運(yùn)輸業(yè)中失去駕駛相關(guān)的工作、風(fēng)險(xiǎn)隨著駕駛速度越高變得越來(lái)越高，因?yàn)榻紖^(qū)化程度越來(lái)越高[8]。

4.2 AI在汽車網(wǎng)聯(lián)技術(shù)中的應(yīng)用

智能網(wǎng)聯(lián)汽車就是汽車配備先進(jìn)的車輛傳感器、控制器和執(zhí)行器等，使車輛能夠自主實(shí)現(xiàn)駕駛功能。新一代智能車輛，集成了現(xiàn)代通訊與網(wǎng)絡(luò)技術(shù)，實(shí)現(xiàn)復(fù)雜的環(huán)境感知、智能決策和控制功能，使其實(shí)現(xiàn)安全、節(jié)能、環(huán)保和駕駛舒適。網(wǎng)聯(lián)技術(shù)可以實(shí)現(xiàn)車與車、車內(nèi)以及車與道路基礎(chǔ)設(shè)施通訊，這樣就可以實(shí)現(xiàn)車輛內(nèi)外網(wǎng)之間信息交流，解決車輛與環(huán)境之間的信息交換問(wèn)題。人工智能在網(wǎng)聯(lián)車輛（CV）中的關(guān)鍵因素如圖8所示。

圖8 AI網(wǎng)聯(lián)車輛的關(guān)鍵因素是數(shù)字和智能[8]

網(wǎng)聯(lián)汽車的主要益處如下[8]：

（1）提供信息共享服務(wù)以確保安全出行，網(wǎng)聯(lián)汽車可以形成交通報(bào)告，結(jié)合電子地圖通過(guò)GPS全球衛(wèi)星定位系統(tǒng)，根據(jù)當(dāng)前的交通擁堵情況或復(fù)雜的道路狀況，發(fā)出交通安全、碰撞警告，或提出出行路線建議，可以發(fā)出在前面交叉路口限速的早期預(yù)警，以確保安全駕駛。

（2）衛(wèi)星定位導(dǎo)航和自動(dòng)檢測(cè)聯(lián)網(wǎng)車輛可以確定被盜的車輛位置和路線，通過(guò)GPS衛(wèi)星定位技術(shù)搜索和跟蹤車輛，以便逮捕盜竊犯。另外，可以實(shí)現(xiàn)遠(yuǎn)程車輛性能和條件自動(dòng)監(jiān)控，可以實(shí)現(xiàn)在遠(yuǎn)程專家咨詢中傳播指導(dǎo)車輛維修等。

（3）在駕駛過(guò)程中如果發(fā)生交通事故，可以實(shí)現(xiàn)道路救援和車輛緊急預(yù)警。通過(guò)遠(yuǎn)程信息處理系統(tǒng)的緊急呼叫按鈕，司機(jī)可以聯(lián)系緊急服務(wù)或汽車服務(wù)站。當(dāng)車輛處于危險(xiǎn)狀態(tài)時(shí)，司機(jī)可以收到緊急警報(bào)和緊急情況道路交通管理部門發(fā)布的響應(yīng)計(jì)劃，確保道路安全和道路救援順利進(jìn)行。

CV的新技術(shù)由傳感、決策、控制、通信定位和數(shù)據(jù)平臺(tái)技術(shù)組成，主要包括以下5方面[8]：

（1）先進(jìn)的傳感技術(shù)，包括機(jī)器視覺(jué)圖像識(shí)別技術(shù)，如雷達(dá)（激光、毫米波、超聲波）檢測(cè)周圍障礙物技術(shù)，檢測(cè)和監(jiān)控駕駛員生理狀態(tài)的靈活的電子光學(xué)裝置等。

（2）通信位置和映射，包括必要的信息共享和協(xié)作控制，主要涉及到汽車網(wǎng)絡(luò)安全技術(shù)、移動(dòng)自組織化網(wǎng)絡(luò)技術(shù)、高精度定位技術(shù)、高精度地圖和本地場(chǎng)景。

（3）智能決策技術(shù)，包括風(fēng)險(xiǎn)情況建模技術(shù)、風(fēng)險(xiǎn)預(yù)警和控制優(yōu)先分工、多目標(biāo)協(xié)同技術(shù)、車輛軌跡規(guī)劃、駕駛員多樣性分析和人機(jī)交互。

（4）車輛控制技術(shù)，包括基于驅(qū)動(dòng)的縱向運(yùn)動(dòng)控制系統(tǒng)。制動(dòng)系統(tǒng)方面，基于MATLAB的橫向運(yùn)動(dòng)控制轉(zhuǎn)向系統(tǒng)，基于駕駛的垂直運(yùn)動(dòng)控制/制動(dòng)/轉(zhuǎn)向/底盤集成控制和懸架，同時(shí)，它可以使用通信和車輛傳感器實(shí)現(xiàn)團(tuán)隊(duì)協(xié)作和車輛協(xié)同。

（5）包含非關(guān)系的數(shù)據(jù)平臺(tái)技術(shù)數(shù)據(jù)庫(kù)模式，高效的數(shù)據(jù)存儲(chǔ)和檢索，關(guān)聯(lián)分析與大數(shù)據(jù)云深度挖掘操作系統(tǒng)和信息安全機(jī)制。

4.3 智能網(wǎng)聯(lián)汽車的關(guān)鍵技術(shù)

智能網(wǎng)聯(lián)汽車的關(guān)鍵技術(shù)包括世界模型、路徑規(guī)劃與決策、計(jì)算平臺(tái)和使用案例。

關(guān)鍵技術(shù)1：世界模型[8]

世界模型旨在為智能駕駛提供精確的世界表征。精度是衡量智能汽車地圖性能的關(guān)鍵參數(shù)。建議使用不同的多個(gè)支持區(qū)域（MSR）圍繞興趣點(diǎn)的不同尺寸選擇最佳尺度支持區(qū)域。文獻(xiàn)[8]提出了一種新穎的通過(guò)動(dòng)態(tài)增強(qiáng)駕駛員情境意識(shí)的方法，為駕駛員提供全球環(huán)境視野。目前高精度地圖分為兩類，即ADAS和HAD。ADAS地圖的精度是米級(jí)精度，而HAD地圖可以實(shí)現(xiàn)厘米的精度。HAD地圖比ADAS地圖更精確，具有更精確的車道和人行橫道線信息。這提供了基本的恢復(fù)數(shù)據(jù)中真實(shí)的道路場(chǎng)景。因此，HAD地圖可以用于自動(dòng)駕駛汽車。

汽車智能化是汽車工業(yè)必然的發(fā)展趨勢(shì)，需要高精度的地圖和高的更新率。要達(dá)到全自動(dòng)駕駛的狀態(tài)，高精度地圖是基礎(chǔ)，是獲得實(shí)時(shí)信息必需的工具。

2015年，高德完成了高速公路和城市高速公路ADAS地圖的開(kāi)發(fā)。2016年，高德完成了國(guó)家高速公路和省級(jí)公路地圖的開(kāi)發(fā)。2016年，高德完成了高速公路的HAD高精地圖的開(kāi)發(fā)。2017年高德開(kāi)發(fā)了30多個(gè)城市的ADAS地圖，還開(kāi)發(fā)了國(guó)家高速公路和省級(jí)公路HAD地圖。目前，HAD地圖已經(jīng)將精度提高到厘米，HAD地圖是為專門為智能汽車而構(gòu)建的，它允許汽車在高速公路上進(jìn)行自動(dòng)駕駛。圖9顯示了HAD地圖構(gòu)建框架和世界模型。本地化功能是基于圖像，高精度認(rèn)知地圖基于深度學(xué)習(xí)，并且獲取車輛數(shù)據(jù)來(lái)自GIS采集模塊。

圖9 世界模型與HAD構(gòu)建

關(guān)鍵技術(shù)2：路徑規(guī)劃和決策[8]

決策模塊集成了路徑規(guī)劃、行為規(guī)劃、參考規(guī)劃和運(yùn)動(dòng)規(guī)劃，做出最終的智能決策并驅(qū)動(dòng)智能車。程洪教授基于駕駛行為，提出了一個(gè)開(kāi)發(fā)框架和新穎的算法，通過(guò)模擬真實(shí)駕駛行為來(lái)分析安全狀況?；贖AD的輸入地圖和駕駛員的期望、路徑規(guī)劃方案、行為規(guī)劃，提出了參考路徑規(guī)劃和車輛運(yùn)動(dòng)規(guī)劃。

（1）根據(jù)地圖和大數(shù)據(jù)導(dǎo)航算法的應(yīng)用，提出最適合駕駛員的路徑規(guī)劃；

（2）根據(jù)地圖和司機(jī)的歷史行為，行為規(guī)劃提出擬人化的駕駛方案；

（3）基于移動(dòng)障礙物的模型輸入到地圖上，參考軌跡規(guī)劃預(yù)測(cè)未來(lái)參考目標(biāo)的軌跡；

（4）運(yùn)動(dòng)規(guī)劃結(jié)合其他車輛軌跡并提出具體的短時(shí)間軌跡。

決策是基于預(yù)測(cè)其他車輛的行為并做出相應(yīng)的決定，這個(gè)決策必須被乘客接受（主要考慮舒適、可靠和敏捷性等），也必須被其他交通參與者（例如不能引起恐慌、模糊、奇異和其他問(wèn)題）所接受，詳細(xì)規(guī)劃與決策框架如圖10所示。

圖10 規(guī)劃和決策框架[8]

關(guān)鍵技術(shù)3：計(jì)算平臺(tái)[8]

計(jì)算平臺(tái)現(xiàn)有解決方案有兩個(gè)主要方向。一個(gè)是由NVIDIA PX2代表的中央計(jì)算方式。另一個(gè)是分布式計(jì)算，以英特爾、恩智浦和英飛凌等為代表。英特爾和NVIDIA正在競(jìng)相推動(dòng)無(wú)人駕駛汽車。Intel Go和NVIDIA Drive PX2都有同樣的目標(biāo)，訓(xùn)練計(jì)算機(jī)，使其更智能，幫助汽車檢測(cè)行人并識(shí)別車道和車道上的信號(hào)燈，根據(jù)算法、照相機(jī)和傳感器收集的數(shù)據(jù)做出決定。

新的計(jì)算和發(fā)展平臺(tái)旨在實(shí)現(xiàn)在整合汽車領(lǐng)域，包括與AI計(jì)算架構(gòu)和開(kāi)發(fā)智能車輛AI的界面模型方面取得突破。它顯示了一輛車的高性能計(jì)算平臺(tái)處理大數(shù)據(jù)是絕對(duì)必要的，促進(jìn)智能駕駛技術(shù)迅速、順利地進(jìn)入新階段，圖11顯示了計(jì)算的一個(gè)平臺(tái)示例。

關(guān)鍵技術(shù)4：智能駕駛車輛使用案例[8]

先進(jìn)的駕駛員輔助系統(tǒng)(ADAS)利用各種車內(nèi)傳感器，收集實(shí)時(shí)的環(huán)境信息，識(shí)別靜態(tài)和動(dòng)態(tài)對(duì)象，然后推薦給駕駛?cè)藛T最合適采取的措施，避免危險(xiǎn)情況的發(fā)生。ADAS通常包括GPS導(dǎo)航系統(tǒng)、智能交通服務(wù)(ITS)、自動(dòng)泊車(AP)、自適應(yīng)巡航控制(ACC)和車道保持輔助系統(tǒng)(LKAS)。

圖11 計(jì)算平臺(tái)實(shí)例[8]

基于當(dāng)前交通信息的GPS導(dǎo)航系統(tǒng)和短期預(yù)測(cè)，將推薦給駕駛?cè)藛T最適合的行駛路線。ITS還可以給駕駛?cè)藛T提供其他交通服務(wù)信息，如實(shí)時(shí)擁塞信息、紅綠燈信息。停車時(shí)，自動(dòng)泊車（AP）可以給駕駛員停車提供輔助機(jī)動(dòng)動(dòng)作，并提供有用的信息，如距離后墻有多遠(yuǎn)等。ACC將駕駛員從無(wú)聊的駕駛?cè)蝿?wù)中解放出來(lái)，并使車輛在高速公路上的行車速度保持恒定。LKAS將使車輛保持在車道上，如果駕駛?cè)藛T開(kāi)車發(fā)生無(wú)意跨越車道的情況，LKAS會(huì)向駕駛?cè)藛T發(fā)出警告。

5 結(jié)束語(yǔ)

人工智能正在重塑造汽車產(chǎn)業(yè)鏈，包括研發(fā)、生產(chǎn)制造和銷售及服務(wù)，是汽車產(chǎn)業(yè)被顛覆的重要力量之一；

人工智能是智能汽車發(fā)展的使能技術(shù)，是智能汽車發(fā)展的基礎(chǔ)，包括加強(qiáng)神經(jīng)網(wǎng)絡(luò)和強(qiáng)化機(jī)器學(xué)習(xí)；

人工智能使汽車網(wǎng)聯(lián)成為可能，結(jié)合大數(shù)據(jù)使網(wǎng)聯(lián)汽車發(fā)展如虎添翼；

人工智能在智能網(wǎng)聯(lián)汽車上應(yīng)用的關(guān)鍵技術(shù)包括世界模型、規(guī)劃與決策和計(jì)算平臺(tái)；

人工智能的發(fā)展需要顛覆企業(yè)的組織與機(jī)構(gòu)、需要更多的軟件工程師、需要重塑汽車構(gòu)架。

國(guó)務(wù)院2017年7月發(fā)布的《新一代人工智能發(fā)展規(guī)劃》，明確了人工智能2.0時(shí)代，規(guī)劃了智慧城市、智能制造應(yīng)用，為智能汽車的發(fā)展提供了廣闊的發(fā)展前景。未來(lái)人和車協(xié)同共駕發(fā)展前景方興未艾。