人工智能在汽车驾驶领域的应用

人工智能在汽车驾驶领域的应用

王红艳,李静

长城汽车股份有限公司天津哈弗分公司  天津 301712

摘要：近年来，随着我国社会经济的快速发展，人们的生活水平不断提高，私家车的使用量和保有量明显增加，本文主要对人工智能在汽车驾驶领域的应用进行论述。

关键词：人工智能；汽车驾驶；应用

引言

人工智能技术是一门开发、研究用于延伸、模拟、拓展人的智能的方法、理论和应用的技术科学，主要内容是研究智能的实质，然后形成一种近似于人类智能的程序。人工智能通过计算机技术来模拟人的行为和思想，把计算机和人类智慧相互融合，合二为一。目前，人工智能能像人的大脑一样进行问题思考，但两者不能画等号，有可能未来人工智能会高于人的智能。

1感知和图形识别技术

汽车无人驾驶功能主要借助传感器来感知车外环境，随着科技的不断发展，传感器体积越来越小，性能越来越强。目前，在无人驾驶技术中，汽车传感器主要有四种类型，即：视觉传感器、雷达、车身传感器、位姿和定位传感器。视觉传感器可借助红外线、双目、单目摄像头，精准识别车道线、交通信号灯、过往车辆、行人等，能确保汽车行驶安全；雷达能在第一时间探测汽车周围的障碍物，并能将探测信息及时反馈给无人控制系统；车身传感器主要在汽车自身系统中应用，能检测轮速、车速和挡位等，在无人驾驶技术中具有非常重要的作用；位姿和定位传感器主要是在汽车行驶过程中有效识别车速、行驶角度以及经纬坐标等，并在此基础上有针对性地调整行驶方向，确保汽车在预定线路上安全行驶。为真正确保汽车的自动驾驶，自动驾驶汽车需具备新的雷达、摄像头、LIDAR（激光雷达模块）、ECU（传感器和处理器融合引擎控制单元）、新的测试、算法以及验证等。据有关统计数据显示，自2016年至2023年，预计自动驾驶会促进汽车电子系统价值年复合增长率达60%。在未来10至15年中，该增长会让汽车自动驾驶水平大幅提升。

2汽车智能座椅防疲劳驾驶功能的设计

行车时,长时间驾驶容易疲劳。驾驶员疲劳会影响驾驶员的感觉、感知、判断、决策和其他方面,从而增加驾驶风险系数。由此可见疲劳驾驶容易导致驾驶员注意力分散,从而可能引发交通事故的发生。本论文研究的是一款智能座椅,在传感器收集驾驶员疲劳状态信息的基础上,将信号分析、输出到智能座椅,利用智能座椅唤醒驾驶员。利用智能座椅唤醒驾驶员,这种方式既不会使驾驶员产生不便,亦不会过于生硬或刺激,将感知直接传递到身体,更直接有效。通过智能座椅防疲劳驾驶功能,提醒驾驶员,减少道路交通事故的发生,保障人们日常出行的安全。(1)动态过程平稳(稳定性):智能座椅在控制过程中是平稳的,在各个传感器的信号传递到ECU,ECU在接收到来自各个传感器的信号时,会及时向智能座椅发出控制信号,智能座椅会迅速做出相应的指令操作,我们采用一个基于大数据分析处理的布线装置,在这种布线装置的作用下可以有效地缓解信号指令的错误和延迟。(2)精确性:作为预防疲劳驾驶的核心,智能座椅需要准确的时间内做出对应的措施来预防驾驶人的危险驾驶,在采集数据之后,在数据分析领域,收集数据、分析数据特点、设计数据处理等每一步都要经过准确的计算,我们采用经过实践检验的有效研究方法来对其中数据处理算法的设计,并通过一系列的调节分析对应的损失精度。(3)快速性:在驾驶途中,如果是疲劳驾驶就更容易发生事故,智能座椅就是为了防止人们疲劳驾驶而引起的危险驾驶,进而发生交通事故,所以智能座椅在调节过程中需要起到快速响应和迅速完成唤醒功能的操作。

3基于神经网络学习的公共汽车驾驶安全识别

在飞速发展的二十一世纪，随着交通系统的不断完善，公共汽车道路系统被认为是费用最低的公共道路系统，公交车成为不可或缺的交通工具之一。然而近几年公交车内发生的重大安全事故造成的负面影响不可忽视。比如早些年在重庆万州发生了因乘客坐过站要求驾驶员停车未果，从而抢夺驾驶员方向盘，最终使公交车驶入江内造成十几个生命逝去的事件。据以上事故可见，在公交车正常行驶途中，由于驾驶员本身的安全因素或乘客抢夺方向盘的行为，都会对公交车内安全造成影响。在程序运行时，需先找到人脸，构建识别框。本程序的人脸检测主要是基于统计的神经网络方法：当已知训练样本的数据加到网络输入端时，网络的学习机制一遍又一遍地调整各神经元的权值，使其输出端达到预定的目标。程序中采用的Python语言提供高级数据结构。检测人脸：具体是将人脸看作一个整体的模式——二维像素矩阵（二维是基于一维的基础算法，是指相对于坐标原点和坐标轴进行的几何变换，包括平移、比例、旋转、反射和错切5种变换），用统计的方式用大量人脸图像样本构造人脸模式空间，根据相似度量来判断人脸是否存在。

4基于混合A*算法的自动驾驶汽车轨迹生成

自动驾驶汽车配备先进的传感器、控制器和执行器，可以感知复杂环境、进行智能决策和运动控制，最终使车辆达到人类驾驶员驾驶水平。规划作为驾驶自动化系统中不可缺少的环节，不仅需要从感知层获取当前的周围环境信息和自身定位信息，还需要将规划好的动作信息传到控制层，再交由控制层对汽车进行控制。一个规划迅速、反应良好的规划层直接影响无人驾驶汽车的性能。图搜索算法主要指遍历从起点到终点的状态空间以搜索出当前最优的结果，一般使用栅格、格子来表示一个点的状态。迪杰斯特拉算法是1种单源最短路径的最优路径规划算法，在迪杰斯特拉算法中配置状态空间，一般被离散为单元网格后再进行搜索。Dijkstra最早给出了这种算法的严格证明。在自动驾驶领域，迪杰斯特拉算法已经被应用于多车仿真中，本-富兰克林车队和维克多-探戈将其应用于DARPA城市挑战赛中。A*算法是带有启发式函数的迪杰斯特拉算法，非常适合已知地图下的路径规划问题，但是当要搜索的区域过大时，其所耗费的内存空间也会随之增大，搜索速度随之下降。

5自动驾驶汽车连通专用道网络设计

自动驾驶汽车是信息技术与交通运输工具相融合的产物。作为下一代交通运输的主体，自动驾驶汽车基于车与车或车与路之间的通讯技术，能够即时对周围交通条件的变化作出反应，提高交通系统的安全性，减少交通事故的发生。与传统的有人驾驶汽车相比，自动驾驶汽车可以采用较小的车头时距，因此具有提高道路通行能力的潜力。然而在向自动驾驶时代转变的过程中，有人驾驶汽车与自动驾驶汽车在相当长的时期内将共用道路，构成新型混合交通系统。现有自动驾驶汽车专用道设计模型是在候选路段集中，确定在哪些路段设立自动驾驶汽车专用道。而自动驾驶汽车连通专用道设计模型是在每个OD的候选路径集中，确定在哪些路径上设立自动驾驶汽车专用道，保证自动驾驶汽车专用道的连通性。

结语

总而言之，人工智能技术在汽车驾驶领域中的广泛应用主要是为了有效、全面控制汽车系统，提高广大民众的出行效率，防止和避免一些不安全因素，达到汽车驾驶舒适、安全的目的。在汽车驾驶领域应用人工智能技术是一种发展必然趋势，会越来越受到广大企业和人们的欢迎。

参考文献

[1]何昕航，刘泽黎.人工智能时代下的无人驾驶汽车侵权责任制度构建[J].中国民航飞行学院学报，2021（4）：62-67.

[2]张玉洁，朱昊.人工智能治理视野下无人驾驶汽车的法律责任研究[J].南宁师范大学学报：哲学社会科学版，2021（1）：14-24.

[3]赵福利.人工智能技术在汽车无人驾驶功能中的运用与挑战[J].中国新通信，2022，24（13）：59-61.