人工智能在自動駕駛研發(fā)中的應(yīng)用

人工智能在自動駕駛研發(fā)中的應(yīng)用1資本市場與公司金融研究中心朱雅姝劉碧波【摘要】行業(yè)圖譜研究是本中心科技成果轉(zhuǎn)化研究的一項子課題，目標(biāo)定位于清晰理解前沿科技成果的技術(shù)核心、科創(chuàng)企業(yè)的技術(shù)競爭力及科研工作者的研究進(jìn)度，從而助力科技成果轉(zhuǎn)化效率的提升。行業(yè)圖譜研究將以系列形式展開，選取國家戰(zhàn)略重點(diǎn)科技領(lǐng)域的商業(yè)應(yīng)用場景逐一進(jìn)行，時效性較強(qiáng)。本報告為行業(yè)圖譜的計算機(jī)科學(xué)系列之自動駕駛領(lǐng)域：人工智能未來發(fā)展方向。應(yīng)用自動駕駛技術(shù)可以全面提升汽車駕駛的安全性、1感謝資本市場與公司金融研究中心的實(shí)習(xí)生許喜遠(yuǎn)同學(xué)對本報告的助研工作。許喜遠(yuǎn)同學(xué)是清華大學(xué)醫(yī)學(xué)院2022級博士。舒適性，滿足更高層次的市場需求，并推動產(chǎn)業(yè)科技升級。得益于人工智能技術(shù)的發(fā)展，自動駕駛技術(shù)在環(huán)境感知、精準(zhǔn)定位、決策與規(guī)劃、控制與執(zhí)行等方面實(shí)現(xiàn)了突破性提升。其中，基于人工智能應(yīng)用的研發(fā)，關(guān)鍵性技術(shù)競爭點(diǎn)包括高精地圖、傳感器融合、語音與圖像識別等。國外自動駕駛汽車研發(fā)歷程較早，已逐步實(shí)現(xiàn)商業(yè)化應(yīng)用，國際頂級公司在人工智能自動駕駛領(lǐng)域的研究處于全球引領(lǐng)地位。而我國自動駕駛汽車研發(fā)也在逐步崛起。政府鼓勵政策和資金支持成為我國研發(fā)自動駕駛汽車的重要動力。本文從自動駕駛汽車的定義、研發(fā)歷程到人工智能在自動駕駛汽車中的技術(shù)應(yīng)用、全球自動駕駛市場進(jìn)行了較為全面的介紹，并匯總了國內(nèi)重點(diǎn)科學(xué)家的研究現(xiàn)狀，以期了解我國當(dāng)前行業(yè)發(fā)展的狀態(tài)及國際競爭定位。 (一)自動駕駛汽車的等級標(biāo)準(zhǔn)及相關(guān)概念 1(二)自動駕駛汽車的應(yīng)用價值 4 (二)我國研發(fā)歷程 13三、人工智能在自動駕駛汽車中的應(yīng)用 18 (二)人工智能在精準(zhǔn)定位中的應(yīng)用 22(三)人工智能在決策與規(guī)劃中的應(yīng)用 24(四)人工智能在控制與執(zhí)行中的應(yīng)用 27(五)基于人工智能的自動駕駛研發(fā)中關(guān)鍵性技術(shù)競爭點(diǎn) 30 (一)人工智能在自動駕駛領(lǐng)域的市場情況 34(二)國際頂級公司在人工智能自動駕駛上的最新研發(fā)成果 34(三)本章小結(jié) 40 AI的融資信息 37 1AutonomousVehicle；Self-drivingCar；DriverlessCar)又稱智能汽車、自主汽車、自動駕駛汽車或輪式移動機(jī)器人，是一種通過計算機(jī)實(shí)現(xiàn)自動駕駛的智能汽車。本文首先講述自動駕駛汽車涉及到的關(guān)鍵概念，包括自動駕駛汽車等級標(biāo)準(zhǔn)、智能汽車定義等；接著對國外、國內(nèi)自動駕駛汽車的發(fā)展歷程進(jìn)行梳理；重點(diǎn)解析人工智能在自動駕駛汽車技術(shù)中的應(yīng)用及其關(guān)鍵技術(shù)競爭點(diǎn)；最后通過國際市場分析展現(xiàn)全球行業(yè)動態(tài)及我國在該領(lǐng)域國際科技中的發(fā)展定位。(一)自動駕駛汽車的等級標(biāo)準(zhǔn)及相關(guān)概念1.SAEJ3016標(biāo)準(zhǔn)AutomotiveEngineersInternational，SAEInternational)制定，內(nèi)容如針對道路機(jī)動車輛的自動化系統(tǒng)相關(guān)條款做了分類和定義。它不但被美國交通運(yùn)輸部采納為聯(lián)邦標(biāo)準(zhǔn)，同時也已經(jīng)成為了全球汽車業(yè)界評定自動駕駛汽車等級的通用標(biāo)準(zhǔn)。Level0：無自動化，由人類駕駛員全程操控汽車，但可以得到示警式或須干預(yù)的輔助信息。Level1：輔助駕駛，利用環(huán)境感知信息對轉(zhuǎn)向或縱向加減速進(jìn)行閉環(huán)控制，其余工作由人類駕駛員完成。2Level2：部分自動化，利用環(huán)境感知信息同時對轉(zhuǎn)向和縱向加減速進(jìn)行閉環(huán)控制，其余工作由人類駕駛員完成。Level3：有條件自動化，由自動駕駛系統(tǒng)完成所有駕駛操作，人類駕駛員根據(jù)系統(tǒng)請求進(jìn)行干預(yù)。Level4：高度自動化，由自動駕駛系統(tǒng)完成所有駕駛操作，無Level5：完全自動化，由自動駕駛系統(tǒng)完成所有的駕駛操作，人類駕駛員能夠應(yīng)付的所有道路和環(huán)境，系統(tǒng)也能完全自動完成。32.自動駕駛汽車自動駕駛汽車是指一種無需駕駛員介入，通過集成多項技術(shù)，如計算機(jī)視覺、導(dǎo)航、傳感器等系統(tǒng)的汽車。這種汽車可以根據(jù)道路環(huán)境、周圍車輛、交通規(guī)則等信息，自主決策、駕駛和安全操縱。自動駕駛汽車的結(jié)構(gòu)組成包括：①傳感器：包括激光雷達(dá)、攝像頭、加速計、陀螺儀、超聲波傳感器等，用于收集道路環(huán)境、周圍車輛等信息；②計算機(jī)視覺系統(tǒng)：利用攝像頭等數(shù)據(jù)，對道路環(huán)境、周圍車輛等信息進(jìn)行識別和分析；③導(dǎo)航系統(tǒng)：根據(jù)道路地圖、定位信息等，實(shí)現(xiàn)汽車的導(dǎo)航；④控制系統(tǒng)：根據(jù)道路環(huán)境、周圍車輛、交通規(guī)則等信息，進(jìn)行決策和控制，實(shí)現(xiàn)自動駕駛；⑤電子控制單元：負(fù)責(zé)對汽車的操縱，如油門、剎車、轉(zhuǎn)向等。通過這些組件的集成，自動駕駛汽車可以實(shí)現(xiàn)自主駕駛，并且能夠提高駕駛安全性和效率。同時，通過大數(shù)據(jù)分析和人工智能技術(shù)的應(yīng)用，自動駕駛汽車還可以實(shí)現(xiàn)更高效的交通管理和減少交通擁堵[1]。由SAEJ30164標(biāo)準(zhǔn)可以看出，通常大家談?wù)摰淖詣玉{駛汽車對應(yīng)該標(biāo)準(zhǔn)的Level43.自動駕駛技術(shù)自動駕駛技術(shù)是對人類駕駛員在長期駕駛實(shí)踐中，對“環(huán)境感知——決策與規(guī)劃——控制與執(zhí)行”過程的理解、學(xué)習(xí)和記憶的物化，如圖1-2所示。自動駕駛汽車是一個復(fù)雜的軟硬件結(jié)合的智能自動化系統(tǒng)，運(yùn)用到了自動控制技術(shù)、現(xiàn)代傳感技術(shù)、計算機(jī)技術(shù)、信息與通信技術(shù)以及人工智能等。(二)自動駕駛汽車的應(yīng)用價值自動駕駛汽車之所以受到各國政府前所未有的重視[2]，國內(nèi)外各院校、研究機(jī)構(gòu)都投入了大量人力、物力，各大車企、科技公司、汽車零部件供應(yīng)商以及自動駕駛汽車創(chuàng)業(yè)公司也紛紛在這個領(lǐng)域進(jìn)行布局，它主要具有以下如圖1-3所示的價值。改善交通安全，出行革命：自動駕駛汽車具有改善交通安全和提升社會效率的潛力。由于駕駛員過失責(zé)任是交通事故的主要因素，自動駕駛汽車不受人的心理和情緒干擾，能夠保證遵守交通法規(guī)，并按照規(guī)劃路線行駛，因此可以有效地減少人為疏失所造成的交通事故。此外，自動駕駛汽車可以通過提高車速、縮小車距以及選擇更有效路線來減少通勤所耗時間，從而消除交通擁堵，提升社會效率。5實(shí)現(xiàn)節(jié)能減排：自動駕駛技術(shù)還將帶來出行革命，提高出行安全，實(shí)現(xiàn)綠色安全和諧智能交通的融合發(fā)展。這不僅將使得出行更加方便，而且更加安全、環(huán)保。促進(jìn)我國產(chǎn)業(yè)轉(zhuǎn)型升級、引領(lǐng)創(chuàng)新：自動駕駛技術(shù)是一種先進(jìn)的出行技術(shù)，它聚焦于應(yīng)用車輛與人工智能、5G等多種技術(shù)的集成。自動駕駛技術(shù)的發(fā)展不僅拉動了國民經(jīng)濟(jì)的轉(zhuǎn)換，還有助于產(chǎn)業(yè)鏈供應(yīng)鏈的生態(tài)化發(fā)展和產(chǎn)業(yè)轉(zhuǎn)型。此外，自動駕駛技術(shù)還將引領(lǐng)產(chǎn)業(yè)的創(chuàng)新。它是科技革命與產(chǎn)業(yè)顛覆性創(chuàng)新的載體，將引領(lǐng)行業(yè)創(chuàng)造可持續(xù)發(fā)展的新范式。自動駕駛技術(shù)的發(fā)展與應(yīng)用不僅改變了出行方式，而且將引領(lǐng)整個行業(yè)的創(chuàng)新與發(fā)展。目前對于自動駕駛汽車的研究有兩條不同的技術(shù)路線：“漸進(jìn)6開始，逐步研發(fā)到無人駕駛技術(shù)，最終實(shí)現(xiàn)完全自動駕駛。傳統(tǒng)車企多選擇從L1-L3級進(jìn)行大規(guī)模量產(chǎn)，逐步提高自動駕駛的級別?！耙徊降轿弧甭肪€，則是通過軟件升級的方式，完善自動駕駛系統(tǒng)。一些新興公司如谷歌、福特、通用、Momenta等則一開始就研發(fā)L4或者L5級的高等級自動駕駛，跳過漸進(jìn)演化的過程，直接達(dá)到高等級的自動駕駛。總的來說，漸進(jìn)演化路線與一步到位路線各有特點(diǎn)，前者以安全性為首要考慮，逐步提高自動駕駛的級別；后者更加面向未來，以高效率、快速升級為特點(diǎn)。在此，對國內(nèi)外自動駕駛汽車技術(shù)的研究發(fā)展歷史分別進(jìn)行闡述比較：(一)國外研發(fā)歷程20世紀(jì)70年代，科技發(fā)達(dá)國家率先開始了自動駕駛汽車的研究。本節(jié)內(nèi)容梳理了國外自動駕駛汽車發(fā)展歷史，圖1-4所示為重要時間節(jié)點(diǎn)事件。1.科研院校對自動駕駛技術(shù)的研究7ResearchProjectsAgency，DARPA)與陸軍合作，發(fā)起自主地面車輛(AutonomousLandVehicle，ALV)計劃，這是一輛八輪車，在校園中能夠自動駕駛，但車速并不快。為了推進(jìn)自動駕駛技術(shù)更快、2004年在美國的莫哈韋沙漠進(jìn)行。共有21支隊伍參加賽事，其中15支進(jìn)入了決賽，但決賽中，沒有一支隊伍完成整場比賽?？▋?nèi)基·梅隆大學(xué)的Sandstorm行駛的最遠(yuǎn)，共行駛了11.78km。H1ghlander、Kat-5、TerraMax)通過了全部考核項目。其中，來自斯坦福大學(xué)的Stanley以30.7km/h的平均速度、6小時53分鐘58秒的總時長奪冠，贏得了200萬美元，同時，這也標(biāo)志著自動駕駛汽車取得了重大突破。2007年，在美國加利福尼亞州一個已關(guān)閉的空軍基地舉行。這屆比賽的任務(wù)是參賽車輛在6小時內(nèi)完成96km的市區(qū)道路行駛，并要求參賽車輛遵守所有的交通規(guī)則。這屆比賽不僅要求參賽車輛完成基本的無人行駛，檢測和主動避讓其他車輛的同時，還要遵守所有的交通規(guī)則。由于車輛需要根據(jù)其他車輛的動作實(shí)時做出智能決策，這對于車輛軟件來大學(xué)的Boss以總時長4小時10分鐘20秒、平均速度22.53km/h的成績?nèi)〉昧斯谲?。斯坦福大學(xué)、麻省理工學(xué)院等都先后加入自動駕駛汽車的研究工作b具有代表性[3]。8NavLab-1系統(tǒng)于20世紀(jì)80年代建成。它的計算機(jī)硬件系統(tǒng)息融合、路徑規(guī)劃以及車體控制等功能。它在典型結(jié)構(gòu)化道路環(huán)境下的速度為28km/h。Ware技術(shù)公司合作研制了便攜式高級導(dǎo)航支撐平臺(PortableAdvancedNavigationSupport，PANS)。該平臺為系統(tǒng)提供了計算基礎(chǔ)和I/O功能，并能控制轉(zhuǎn)向執(zhí)行機(jī)構(gòu)，同時進(jìn)行安全報警。它使用了一臺便攜式工作站SPARCLx，能夠完成傳感器信息的處理與融合、路徑的全局與局部規(guī)劃任務(wù)。NavLab-5Navlab-5公路實(shí)驗時進(jìn)行了首次橫穿美國大陸的長途自主駕駛的橫向控制實(shí)現(xiàn)了完全自動控制，而縱向控制仍由駕駛員完成。NavLab-11系統(tǒng)是該系列最新的平臺。其車體采用了Wrangler吉普車，車上安裝有工業(yè)級四核計算機(jī)，處理各種傳感器傳輸來的信息，并把信息分送到各個子單元。它的最高車速達(dá)到了102km/h。意大利帕爾瑪大學(xué)VisLab實(shí)驗室一直致力于ARGO試驗車的研制。在1998年意大利汽車百年行活動中，ARGO試驗車沿著意大利的高速公路網(wǎng)進(jìn)行了2000km長的距離。試驗車行駛的道路既有平坦區(qū)域，也包括高架橋和隧道。試驗車的自動駕駛里程為總里程的94%，最高車速達(dá)到了112km/h。2010年，ARGO試驗車沿著馬9可·波羅的旅行路線，全程自動駕駛來到中國上海參加世博會，行程達(dá)15900km。該車裝載了5個激光雷達(dá)、7個攝像機(jī)、GPS全球定位系統(tǒng)、慣性測量設(shè)備以及3臺Linux計算機(jī)和線控駕駛系統(tǒng)，全程應(yīng)用太陽能作為輔助動力源。2013年，該實(shí)驗室研制的車輛在自動駕駛的情況下成功識別了交通信號燈、避開行人、駛過十字路口和環(huán)島等。2.傳統(tǒng)汽車制造廠商對自動駕駛技術(shù)的研究多汽車制造廠商也于2013年開始相繼在自動駕駛汽車領(lǐng)域進(jìn)行了布局。這些傳統(tǒng)汽車制造企業(yè)多采用漸進(jìn)提高汽車駕駛自動化水平和同時積極研發(fā)自動駕駛技術(shù)的并進(jìn)發(fā)展路線。目前，對于量產(chǎn)商用車輛來說部分自動駕駛功能已經(jīng)較為普及，表現(xiàn)比較突出的是德、美、日、韓等汽車制造廠商生產(chǎn)的汽車。其中，德國汽車制造廠商處于領(lǐng)先地位，其生產(chǎn)的幾乎所有車型都能提供相關(guān)駕駛輔助系統(tǒng)功能(包括SAELevel2級)。2018新款奧迪A8是全球首款量產(chǎn)搭載Level3級別的自動駕駛系統(tǒng)的車型，其光雷達(dá)、1個紅外線攝像機(jī)共24個車載傳感器，可以在60km/h以下車速時實(shí)現(xiàn)Level3級自動駕駛，使駕駛員在擁堵路況下可以獲得最大限度的解放[4]。Autopilot是第一個投入商用的自動駕駛技術(shù)。目前，特斯拉的量產(chǎn)車上均已安裝Autopilot1.0、2.0或2.5硬件系統(tǒng)，其自動駕駛功能可通過OTA(空中下載)進(jìn)行從Level2到Level4+的軟件升級，這是在已量產(chǎn)車上完成了自動駕駛硬件準(zhǔn)備。預(yù)計2022年8月推出基于視覺深度神經(jīng)網(wǎng)絡(luò)的TeslaVision9.0軟件版本，特斯拉的創(chuàng)始人ElonMusk希望由此將實(shí)現(xiàn)“完全自動駕駛”。Automation，正式進(jìn)入自動駕駛領(lǐng)域。后者初創(chuàng)于2013年，一直從通用汽車旗下自動駕駛部門的CruiseAutomation發(fā)布了新一代(第四代)自動駕駛汽車——CruiseAV。CruiseAV沒有方向盤、油門雷達(dá)來感知車輛周圍的環(huán)境和障礙物，是真正的自動駕駛汽車。通用汽車不僅開始量產(chǎn)CruiseAV的測試車，以便在美國各城市甚至全世界各地進(jìn)行實(shí)際路試，并且也已向美國國家高速公路交通安全管理局遞交請愿書。3.高科技公司對自動駕駛技術(shù)的研究(1)以谷歌為代表的新技術(shù)力量這些企業(yè)多采用“一步到位”的自動駕駛技術(shù)發(fā)展路線，即直接研發(fā)SAELevel4+級別的自動駕駛汽車。2009年，谷歌公司宣布，由斯坦福人工智能實(shí)驗室前主任、谷歌街景的聯(lián)合發(fā)明人SebastianThrun領(lǐng)導(dǎo)組建一支團(tuán)隊，開始研發(fā)自動駕駛技術(shù)。SebastianThrun的團(tuán)隊創(chuàng)建了機(jī)器人車輛Stanley，該車贏得了2005年DARPA大挑戰(zhàn)賽。2012年，美國內(nèi)華達(dá)州的機(jī)動車輛管理部門為谷歌公司頒發(fā)了全球首例自動駕駛汽車的路測許5年，谷歌公司的自動駕駛原型車上路進(jìn)行測試，該車沒有方向盤、油門踏板與剎車踏板，同時也沒有后視鏡，只配有啟動和停止兩個物理按鈕，通過很多傳感器、車載計算機(jī)來控制汽車。2016年12月，谷歌將自動駕駛業(yè)務(wù)獨(dú)立出來，成立了獨(dú)立公司——Waymo。自2017年10月，GoogleWaymo已在美國鳳凰城Chandler鎮(zhèn)100平方英里范圍內(nèi)，對600輛克萊斯勒插電式混合動力Level4級自動駕駛汽車進(jìn)行社會公測，這是Waymo自動駕駛商業(yè)化落地的前奏，首次實(shí)現(xiàn)了無駕駛員和安全員的公測自動駕駛出斯勒(FiatChryslerAutomobiles，F(xiàn)CA)采購62000輛Pacifica混動廂式車用于打造自動駕駛出租車隊。除車輛采購以外，Waymo與FCA雙方還在商討如何將自動駕駛汽車賣給普通用戶。這也意味著，Waymo共同打造的自動駕駛汽車[4]。堡市的Uber先進(jìn)技術(shù)中心正式上路測試。Uber首次路測使用的自動駕駛汽車是一款福特Fusion混合動力汽車，它同時進(jìn)行采集測繪數(shù)據(jù)并試驗自動駕駛功能。Uber自動駕駛汽車配備了各式傳感器，包括毫米波雷達(dá)、激光雷達(dá)以及高分辨率攝像機(jī)，以便繪制周邊環(huán)r圍自動駕駛出租車免費(fèi)載客服務(wù)并試運(yùn)行；盡管上面有兩名安全工程師，但商業(yè)模式卻是大范圍的城區(qū)，比Waymo公測的小鎮(zhèn)要大得(2)以nuTonomy為代表的創(chuàng)業(yè)公司這些企業(yè)多采用“一步到位”的SAELevel4+的自動駕駛技術(shù)發(fā)展路線。nuTonomy是一家于2013年從麻省理工學(xué)院分離出來的自動駕駛出租車的公司。在新加坡的測試中，nuTonomy在自動駕駛汽車上配備了6套激光雷達(dá)檢測系統(tǒng)，前面安裝有2個攝像機(jī)，用于識別障礙物，檢測交通信號燈變化。此外，車前座還配備一名司機(jī)以應(yīng)對緊急狀況，在后座配備一名研究人員，其職責(zé)是觀察車載計算機(jī)。2017年10月，德爾福宣布收購nuTonomy[5]。Zoox是硅谷一家神秘的自動駕駛汽車初創(chuàng)公司，目前已經(jīng)籌集3.6億美元。Zoox很少向外界介紹其進(jìn)展。消息顯示，Zoox秘密開發(fā)全自動駕駛汽車已有多年。2013年，該公司展示了其車輛的渲染圖。根據(jù)IEEE的消息，該公司的車型沒有擋風(fēng)玻璃、方向盤和剎車踏板，如圖1-7所示。這種汽車能向任意方向行駛，乘客將面對面而坐。(二)我國研發(fā)歷程我國自動駕駛汽車的研究可追溯自上世紀(jì)90年代，真正的突破是在最近十年出現(xiàn)。重要時間節(jié)點(diǎn)事件如圖1-8所示。1.科研院校對自動駕駛技術(shù)的研究與美、歐等發(fā)達(dá)國家相比，我國在自動駕駛汽車方面的研究起步稍晚，從20世紀(jì)80年代末才開始。不同于國外車企以自主研發(fā)為主，我國汽車制造廠商多采取與國內(nèi)科研院所、高校合作研發(fā)自動駕駛技術(shù)。國防科技大學(xué)從20世紀(jì)80年代末開始先后研制出基于視覺的CITAVT-Ⅲ型的研究以實(shí)現(xiàn)在非結(jié)構(gòu)化道路下遙控和自主駕駛為目CITAVTBJSG普車改裝而成，該車型以研究結(jié)構(gòu)化道路環(huán)境下的自主駕駛技術(shù)為目標(biāo)，空載條件下速度最高為110km/h，車輛具有人工駕駛、遙控駕駛、非結(jié)構(gòu)化道路上的低速自主駕駛和結(jié)構(gòu)化道路上的自主駕駛四種工作模式。直至1992年，國防科技大學(xué)才成功研制出中國第一輛真正意義上的自動駕駛汽車。始研究開發(fā)THMR系列智能車。THMR-Ⅴ智能車能夠?qū)崿F(xiàn)結(jié)構(gòu)化環(huán)境下的車道線自動跟蹤，準(zhǔn)結(jié)構(gòu)化環(huán)境下的道路跟蹤，復(fù)雜環(huán)境下的道路避障、道路停障以及視覺臨場感遙控駕駛等功能，最高車速達(dá)150km/h。THMR-Ⅴ智能車采用了基于擴(kuò)充轉(zhuǎn)移網(wǎng)絡(luò)的道路識別技術(shù)，大幅度降低了道路圖像處理和車道線識別的計算量，并通證了實(shí)際場景下的實(shí)時性要求。2.傳統(tǒng)汽車制造廠商對自動駕駛技術(shù)的研究不同于國外車企以自主研發(fā)為主，我國汽車制造廠商多采取與國內(nèi)科研院所、高校合作研發(fā)自動駕駛技術(shù)。一汽集團(tuán)于2007年與國防科技大學(xué)合作。2011年7月，由一汽集團(tuán)與國防科技大學(xué)共同研制的紅旗HQ3自動駕駛汽車完成了286km的面向高速公路的全程自動駕駛試驗，人工干預(yù)的距離僅占總里程的0.78％。2015年4月，一汽集團(tuán)正式發(fā)布了其“摯途”技術(shù)戰(zhàn)略，標(biāo)志著一汽集團(tuán)的互聯(lián)智能汽車技術(shù)戰(zhàn)略規(guī)劃正式形成。2015年4月19日，一汽在同濟(jì)大學(xué)舉行了“摯途”技術(shù)實(shí)車體驗會，自主泊車、擁堵跟車、自主駕駛等四項智能化技術(shù)。2012年，軍事交通學(xué)院的“軍交猛獅Ⅲ號”以自動駕駛狀態(tài)行駛114km，最高時速為105km/h，完成了從京津高速臺湖收費(fèi)站到東麗收費(fèi)站的公路試驗，實(shí)現(xiàn)了無人干預(yù)的自動駕駛。該車裝有由5個毫米波雷達(dá)、3個攝像機(jī)和1個GPS傳感器組成的視聽感知系統(tǒng)，能夠幫助自動駕駛車輛識別路況，精確判斷與前后左右障礙物2015年4月，長安汽車發(fā)布智能化汽車“654戰(zhàn)略”，即建立六個基礎(chǔ)技術(shù)體系平臺，開發(fā)五大核心應(yīng)用技術(shù)，分四個階段逐步實(shí)現(xiàn)汽車從單一智能到全自動駕駛。2015年8月，宇通大型客車從鄭開大道城鐵賈魯河站出發(fā)，在完全開放的道路環(huán)境下完成自動駕駛試驗，共行駛32.6km，最高速kmh車上還是配備了司機(jī)。這也是國內(nèi)首次大型客車高速公路自動駕駛試驗。2018年5月，宇通客車在其2018年新能源全系產(chǎn)品發(fā)布會上宣布，已具備面向高速結(jié)構(gòu)化道路和園區(qū)開放通勤道路的Level4級別自動駕駛能力。北汽集團(tuán)在2016年4月的北京車展上，展示了其基于EU260打造的自動駕駛汽車。車輛通過加裝毫米波雷達(dá)、高清攝像機(jī)、激光雷達(dá)和GPS天線等零部件識別道路環(huán)境，同時配合高清地圖進(jìn)行路徑規(guī)劃實(shí)現(xiàn)自動駕駛。北汽自動駕駛汽車目前搭載的自動駕駛感知與控制設(shè)備大部分都采用了國產(chǎn)化采購，目的是為未來的量產(chǎn)打下基礎(chǔ)。3.高科技公司對自動駕駛技術(shù)的研究除了上述傳統(tǒng)的汽車制造廠商在自動駕駛領(lǐng)域的研究外，以百度為代表的高科技公司也相繼加入了自動駕駛汽車領(lǐng)域的研究。百度公司于2013年開始了百度自動駕駛汽車項目，其技術(shù)核心是“百度汽車大腦”，包括高精度地圖、定位、感知、智能決策與控制四大模塊。2015年12月初，百度自動駕駛汽車在北京進(jìn)行自動駕駛測跑，實(shí)現(xiàn)多次跟車減速、變道、超車、上下匝道、調(diào)頭等復(fù)雜駕駛動作，完成了進(jìn)入高速到駛出高速不同道路場景的切換，最高車速達(dá)到100km/h。2015年12月14日，百度宣布正式成立自動駕駛事業(yè)部。2017年4月17日，百度展示了與博世合作開發(fā)的高速公路輔助功大會(BaiduCreate2018)上宣布，與廈門金龍合作生產(chǎn)的首款Level4級自駕巴士“阿波龍”已經(jīng)量產(chǎn)下線，如圖1-9所示。這一批次的100輛車接下來會被投放到北京、深圳、武漢等城市，在機(jī)場、工業(yè)園區(qū)、公園等行駛范圍相對固定的場所開始商業(yè)化運(yùn)營。2019年年初，百度還會跟日本軟銀旗下的SBDrive合作，將10輛“阿波龍”帶去包括東京在內(nèi)的多個日本城市。這款自動駕駛巴士是基于百度的阿波羅自駕車開放平臺(3.0版本)。除了能在某些特定條件下實(shí)現(xiàn)無人工介入的自動駕駛，其還加入了自動泊車、面部識別及駕駛者疲勞度檢測等功能。另外，在大會現(xiàn)場百度還宣布會與英特爾合作，將Mobileye的責(zé)任敏感安全模型(ResponsibilitySensitiveSafety，RSS)及周圍計算機(jī)視覺套件整合入阿波羅，希望以此來進(jìn)一步提升該平臺的行車安全性。三、人工智能在自動駕駛汽車中的應(yīng)用近年來，隨著人工智能技術(shù)的不斷發(fā)展，自動駕駛技術(shù)也取得了長足的進(jìn)展。人工智能在自動駕駛技術(shù)中的應(yīng)用，不僅為自動駕駛研究帶來了新的思路，也為自動駕駛技術(shù)的實(shí)際應(yīng)用帶來了巨大的推動。人工智能在自動駕駛技術(shù)中的應(yīng)用，可以幫助車輛實(shí)現(xiàn)對周圍環(huán)境的實(shí)時監(jiān)測，提高了車輛的安全性。通過人工智能的識別技術(shù)，可以識別道路上的障礙物，從而避免事故的發(fā)生。本章著重對人工智能在自動駕駛技術(shù)研究中的重要應(yīng)用技術(shù)進(jìn)行介紹，包括環(huán)境感知、精準(zhǔn)定位、決策與規(guī)劃、控制與執(zhí)行[6]。自動駕駛汽車通過攝像機(jī)、激光雷達(dá)、毫米波雷達(dá)、超聲波等車載傳感器來感知周圍的環(huán)境，依據(jù)所獲取的信息來進(jìn)行決策判斷，由適當(dāng)?shù)墓ぷ髂Ｐ蛠碇贫ㄏ鄳?yīng)的策略，如預(yù)測本車與其他車輛、行人等在未來一段時間內(nèi)的運(yùn)動狀態(tài)，并進(jìn)行避碰路徑規(guī)劃。在規(guī)劃好路徑之后，接下來需要控制車輛沿著期望的軌跡行駛。車輛控制系統(tǒng)包括橫向控制(轉(zhuǎn)向)與縱向控制(速度)。當(dāng)然，上述的動作都是基于傳感器實(shí)時獲取環(huán)境信息所做的局部路徑規(guī)劃下的動作，還需要與基于完整環(huán)境信息的全局路徑相結(jié)合[6]，如圖2-1所示。(一)人工智能在環(huán)境感知中的應(yīng)用環(huán)境感知作為其他部分的基礎(chǔ)，處于自動駕駛汽車與外界環(huán)境信息交互的關(guān)鍵位置[7]，是實(shí)現(xiàn)自動駕駛的前提條件。環(huán)境感知指對于環(huán)境的場景理解能力，例如障礙物的類型、道路標(biāo)志及標(biāo)線、行車車輛的檢測、交通信息等數(shù)據(jù)的語言分類。定位是對感知結(jié)果的后處理，通過定位功能從而幫助車輛了解其相對于所處環(huán)境的位置。環(huán)境感知包括：可行駛路面檢測、車道線檢測、路緣檢測、護(hù)欄檢測、行人檢測、機(jī)動車檢測、非機(jī)動車檢測、路標(biāo)檢測、交通標(biāo)志檢測、交通信號燈檢測等。對于如此復(fù)雜的路況檢測，環(huán)境感知技術(shù)是利用攝像機(jī)、激光雷達(dá)、毫米波雷達(dá)、超聲波等車載傳感器，以及V2X和5G網(wǎng)絡(luò)等獲取汽車所處的交通環(huán)境信息和車輛狀態(tài)信息等多源信息[8]。深度學(xué)習(xí)技術(shù)可以讓車輛準(zhǔn)確感知和理解周圍環(huán)境，從而帶來徹底的自動駕駛領(lǐng)域變革。該領(lǐng)域出現(xiàn)的關(guān)鍵技術(shù)[9]，其中包括卷積0神經(jīng)網(wǎng)絡(luò)(ConvolutionalNeuralNetworks，CNN)、循環(huán)神經(jīng)網(wǎng)絡(luò) (RecurrentNeuralNetwork，RNN)、長短期記憶網(wǎng)絡(luò)(LongShortTermMemory，LSTM)、深度置信網(wǎng)絡(luò)(DeepBeliefNetwork，DBN)和自編碼器(Autoencoder,AE)等5種類型，如圖2-2所示。深度學(xué)習(xí)中有4種類型的神經(jīng)網(wǎng)絡(luò)層，包括輸入層、卷積層、池化層和輸出層。網(wǎng)絡(luò)的結(jié)構(gòu)可以10層甚至上百層，一般層數(shù)越多檢測精度越精準(zhǔn)。隨著網(wǎng)絡(luò)層數(shù)和節(jié)點(diǎn)數(shù)的增加，可以表達(dá)更細(xì)、和池化層是深度學(xué)習(xí)的核心處理層：卷積層主要是用于負(fù)責(zé)物體特自動駕駛技術(shù)中，CNN被用于分析攝像頭和激光雷達(dá)數(shù)據(jù)，以便快速、準(zhǔn)確地識別和分類出環(huán)境中的物體。這些網(wǎng)絡(luò)使用帶注釋圖像的大型數(shù)據(jù)集進(jìn)行訓(xùn)練，能夠?qū)W習(xí)數(shù)據(jù)中的復(fù)雜特征和模式?；贑NN的自動駕駛系統(tǒng)的一個例子是YOLO(YouOnlyLook1Once)算法，它能夠高精度地實(shí)時識別和分類物體。另外，在自動駕駛中，RNN用于隨時間分析傳感器數(shù)據(jù)以預(yù)測未來事件和行為。例如，基于RNN的系統(tǒng)可能會分析其他車輛的軌跡以預(yù)測它們的預(yù)期動作或分析傳感器數(shù)據(jù)以預(yù)測行人過馬路的可能性。為了確保自動駕駛汽車能夠正確理解周圍的環(huán)境并做出相應(yīng)的規(guī)劃和決策，需要利用傳感器獲取大量的周圍環(huán)境信息，這就是所謂的環(huán)境感知。通過實(shí)時拍攝車輛周圍的環(huán)境，采用計算機(jī)視覺 (ComputerVision，CV)技術(shù)對所拍攝圖像進(jìn)行分析，實(shí)現(xiàn)車輛周圍的車輛和行人檢測以及交通標(biāo)志識別等功能。攝像頭的主要優(yōu)點(diǎn)在于其分辨率高、成本低。但在夜晚、雨雪霧霾等惡劣天氣下，攝像頭的性能會迅速下降。此外攝像頭所能觀察的距離有限，不擅長于遠(yuǎn)距離觀察。毫米波雷達(dá)也是自動駕駛車輛常用的一種傳感器，毫米波雷達(dá)是指工作在毫米波段(波長1-10mm，頻域30-300GHz)的雷達(dá)，其基于飛行時間(TimeofFlight，ToF)技術(shù)對目標(biāo)物體進(jìn)行檢測。毫米波雷達(dá)向外界連續(xù)發(fā)送毫米波信號，并接收目標(biāo)返回的信號，根據(jù)信號發(fā)出與接收之間的時間差確定目標(biāo)與車輛之間的距離。因此，毫米波雷達(dá)主要用于避免汽車與周圍物體發(fā)生碰撞，如盲點(diǎn)檢測、避障輔助、泊車輔助、自適應(yīng)巡航等。毫米波雷達(dá)的抗干擾能力強(qiáng)，對降雨、沙塵、煙霧等離子的穿透能力要比激光和紅外強(qiáng)很多，可全天候工作。但其也具有信號衰減大、容易受到建筑物、人體等的阻擋，傳輸距離較短，分辨率不高，難以成像等不足。激光雷達(dá)也是通過ToF技術(shù)來確定目標(biāo)位置與距離的。激光雷達(dá)是通過發(fā)射激光束來實(shí)現(xiàn)對目標(biāo)的探測，其探測精度和靈敏度更2高，探測范圍更廣，但激光雷達(dá)更容易受到空氣中雨雪霧霾等的干擾，其高成本也是制約其應(yīng)用的主要原因。自動駕駛環(huán)境感知通常采用“弱感知+超強(qiáng)智能”和“強(qiáng)感知+強(qiáng)智能”兩大技術(shù)路線。其中“弱感知+超強(qiáng)智能”技術(shù)是指主要依賴攝像頭與深度學(xué)習(xí)技術(shù)實(shí)現(xiàn)環(huán)境感知，而不依賴于激光雷達(dá)。這種技術(shù)認(rèn)為人類靠一雙眼睛就可以開車，那么車也可以靠攝像頭來看清周圍環(huán)境。如果超強(qiáng)智能暫時難以達(dá)到，為實(shí)現(xiàn)自動駕駛，那就需要增強(qiáng)感知能力，這就是所謂的“強(qiáng)感知+強(qiáng)智能”技術(shù)路線。相比“弱感知+超強(qiáng)智能”技術(shù)路線，“強(qiáng)感知+強(qiáng)智能”技術(shù)路線的最大特征就是增加了激光雷達(dá)這個傳感器，從而大幅提高感知能力。特斯拉采用“弱智能+超強(qiáng)智能”技術(shù)路線，而谷歌Waymo、百度Apollo、Uber等人工智能企業(yè)、出行公司、傳統(tǒng)車企都采用“強(qiáng)感知+強(qiáng)智能”技術(shù)路線。(二)人工智能在精準(zhǔn)定位中的應(yīng)用自動駕駛車輛需要定位來獲取其相對于外界環(huán)境的精確位置，這是其正常運(yùn)行的基礎(chǔ)。在復(fù)雜的地市道路行駛，定位精度要求誤差不超過10厘米。例如：只有準(zhǔn)確知道車輛與路口的距離，才能進(jìn)行更精確的預(yù)判和準(zhǔn)備；只有準(zhǔn)確對車輛進(jìn)行定位，才能判斷車輛所處的車道。如果定位誤差較高，嚴(yán)重時會造成交通完全事故。深度學(xué)習(xí)是自動駕駛同步定位與地圖構(gòu)建(SimultaneousLocalizationandMapping，SLAM)系統(tǒng)中的一項關(guān)鍵技術(shù)。它涉及使用人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetworks，ANN)實(shí)時處理和分析大量數(shù)據(jù)，從而實(shí)現(xiàn)智能和自動駕駛車輛的開發(fā)。3在自動駕駛SLAM領(lǐng)域，有一個典型的例子是使用CNN技術(shù)進(jìn)行對象識別和分類。在自動駕駛系統(tǒng)中，CNN可用于分析車輛傳感器(例如攝像頭和激光雷達(dá))收集的數(shù)據(jù)，并識別周圍環(huán)境中的物體。這包括識別其他車輛、行人、交通標(biāo)志和其他可能與車輛運(yùn)行相關(guān)的物體。一旦對象被識別和分類，CNN就可以將此信息提供給車輛的控制系統(tǒng)，然后該系統(tǒng)可以根據(jù)這些數(shù)據(jù)做出決策。例如，如果CNN檢測到車輛前方有行人，則控制系統(tǒng)可以采取措施避免碰深度學(xué)習(xí)技術(shù)不僅可以用于物體識別，在自動駕駛領(lǐng)域還可以應(yīng)用于SLAM系統(tǒng)，實(shí)現(xiàn)路線規(guī)劃和地圖創(chuàng)建等其他任務(wù)。例如，車輛的傳感器可以收集有關(guān)周圍環(huán)境的數(shù)據(jù)，然后可以使用這些數(shù)據(jù)創(chuàng)建該區(qū)域的3D地圖。車輛的控制系統(tǒng)可以使用該地圖來規(guī)劃安全高效的到達(dá)目的地的路線。自動駕駛SLAM系統(tǒng)的另一項關(guān)鍵技術(shù)是機(jī)器學(xué)習(xí)，它涉及使用算法來分析數(shù)據(jù)并從中學(xué)習(xí)。機(jī)器學(xué)習(xí)算法可用于訓(xùn)練車輛的控制系統(tǒng)，以根據(jù)從傳感器接收到的數(shù)據(jù)做出更好的決策。 (ReinforcementLearning，RL)算法的使用。這些算法使用試錯法來教導(dǎo)車輛的控制系統(tǒng)如何根據(jù)接收到的數(shù)據(jù)采取最有效和最安全的行動。例如，可以訓(xùn)練控制系統(tǒng)根據(jù)遇到的交通狀況調(diào)整速度。如果車輛在高速公路上行駛，則可能需要以比在城市中行駛更高的4速度行駛。強(qiáng)化學(xué)習(xí)算法可用于訓(xùn)練控制系統(tǒng)根據(jù)從傳感器接收到的數(shù)據(jù)進(jìn)行這些調(diào)整。自動駕駛汽車中，深度學(xué)習(xí)和機(jī)器學(xué)習(xí)技術(shù)不僅可以用于物體識別和路線規(guī)劃，還可以應(yīng)用于SLAM系統(tǒng)，從而實(shí)現(xiàn)車道檢測和未來動作預(yù)測等任務(wù)。例如，車輛的傳感器可以收集有關(guān)周圍環(huán)境的數(shù)據(jù)，這些數(shù)據(jù)可用于檢測和分類車道。然后，控制系統(tǒng)可以使用此信息來幫助車輛保持在其車道內(nèi)并避免碰撞。深度學(xué)習(xí)和機(jī)器學(xué)習(xí)技術(shù)是自動駕駛SLAM系統(tǒng)的核心組成部分。它們允許車輛實(shí)時分析和處理大量數(shù)據(jù)，使其能夠根據(jù)周圍環(huán)境做出智能和安全的決策。這些技術(shù)對于自動駕駛汽車的發(fā)展至關(guān)重要，并可能在未來的自動駕駛中繼續(xù)發(fā)揮核心作用。(三)人工智能在決策與規(guī)劃中的應(yīng)用自動駕駛汽車的決策規(guī)劃是至關(guān)重要的，它包括多傳感器信息的融合、根據(jù)駕駛需求進(jìn)行任務(wù)決策、避開障礙物的約束條件、選擇多條安全路徑和最優(yōu)路徑等步驟。最終，自動駕駛汽車會選擇一條最優(yōu)路徑作為車輛的行駛軌跡。人工智能在自動駕駛汽車領(lǐng)域中，行為決策與路徑規(guī)劃是另一個重要的應(yīng)用領(lǐng)域。深度學(xué)習(xí)在自動駕駛中的關(guān)鍵技術(shù)之一是目標(biāo)檢測。這涉及使用神經(jīng)網(wǎng)絡(luò)來識別和分類車輛環(huán)境中的對象，例如行人、其他車輛和交通標(biāo)志。物體檢測對于自動駕駛汽車做出有關(guān)如何安全行駛道路和避免碰撞的明智決策至關(guān)重要[8]。前期決策樹、貝葉斯網(wǎng)絡(luò)等人工智能方法已有大量應(yīng)用。近年來興起的深度卷積5絡(luò)與深度強(qiáng)化學(xué)習(xí)，能通過大量學(xué)習(xí)實(shí)現(xiàn)對復(fù)雜工況的決策，并能進(jìn)行在線學(xué)習(xí)優(yōu)化，由于需要較多的計算資源，當(dāng)前是計算機(jī)與互聯(lián)網(wǎng)領(lǐng)域研究自動駕駛汽車的決策與規(guī)劃處理的熱門技術(shù)[10]。自動駕駛汽車的規(guī)劃分為全局規(guī)劃和局部規(guī)劃兩種。全局規(guī)劃是根據(jù)獲取到的地圖信息，規(guī)劃出一條無碰撞最優(yōu)路徑，以滿足特定的行駛條件。例如，從上海到北京有很多條路，規(guī)劃處一條作為行駛路線即為全局規(guī)劃。如柵格法、可視圖法、拓?fù)浞ā⒆杂煽臻g法、神經(jīng)網(wǎng)絡(luò)法等靜態(tài)路徑規(guī)劃算法。局部規(guī)劃的則是根據(jù)全局的規(guī)劃，在一些局部環(huán)境信息的基礎(chǔ)之上，能夠避免碰撞一些未知的障礙物，最終達(dá)到目的目標(biāo)點(diǎn)的過程。例如，在全局規(guī)劃好的上海到北京的那條路線上會有其他車輛或者障礙物，想要避過這些障礙物或者車輛，需要轉(zhuǎn)向調(diào)整車道，這就是局部路徑規(guī)劃。局部路徑規(guī)劃的方法包括：人工勢場法、矢量域直方圖法、虛擬力場法、遺傳算法等動態(tài)路徑規(guī)劃算法等。隨著深度強(qiáng)化學(xué)習(xí)技術(shù)的不斷發(fā)展，越來越多的企業(yè)和研究機(jī)構(gòu)開始將其應(yīng)用到自動駕駛汽車的行為與決策中，取得了顯著的成果。Mobileye公司是其中的典型代表，根據(jù)其最新發(fā)表的論文，其設(shè)計的車輛模型已經(jīng)能自如地應(yīng)對一些復(fù)雜的交通任務(wù)，如雙向通道變線、復(fù)雜十字路口等場景。Mobileye將行為決策分解成兩個部分，可學(xué)習(xí)部分和不可學(xué)習(xí)部分，可學(xué)習(xí)部分是由強(qiáng)化學(xué)習(xí)來決策行駛需要的高級策略，不可學(xué)習(xí)部分則是按照這些策略利用動態(tài)規(guī)劃來實(shí)施具體的路徑規(guī)劃。6無人車的可學(xué)習(xí)部分將環(huán)境映射為一系列抽象策略，以輔助無人車的決策。這個過程包括設(shè)計一張策略選項圖，其中包含無人車的加減速、轉(zhuǎn)向以及對周圍車輛的反應(yīng)等選項，并利用策略網(wǎng)絡(luò)來選擇最合適的應(yīng)對選項。其中，策略網(wǎng)絡(luò)在給定的車輛環(huán)境下，評估每一種應(yīng)對的可能影響，從而選擇最合適的策略。不可學(xué)習(xí)部分則是將學(xué)習(xí)到的抽象策略轉(zhuǎn)化成對車輛的實(shí)際控制動作。該部分主要對車輛動作進(jìn)行具體規(guī)劃，檢查抽象策略是否可執(zhí)行，或者執(zhí)行滿足策略的動作，從而充分保證系統(tǒng)的安全性。深度學(xué)習(xí)在交通預(yù)測中扮演重要角色。具體來說，我們可以利用神經(jīng)網(wǎng)絡(luò)來預(yù)測其他車輛在道路上的運(yùn)動軌跡，并及時作出反應(yīng)。這可以包括預(yù)測其他車輛的軌跡，以及根據(jù)它們相對于自動駕駛車輛的速度和位置來預(yù)測它們的意圖。深度學(xué)習(xí)在自動駕駛中的另一項關(guān)鍵技術(shù)是路線規(guī)劃。這涉及使用神經(jīng)網(wǎng)絡(luò)分析有關(guān)道路網(wǎng)絡(luò)、交通狀況和其他因素的數(shù)據(jù)，以確定到達(dá)目的地的最有效和最安全的路線。路線規(guī)劃對于優(yōu)化自動駕駛車輛的性能和最大限度地降低事故風(fēng)險非常重要。自動駕駛技術(shù)中，深度學(xué)習(xí)在風(fēng)險評估(認(rèn)知)子環(huán)節(jié)得到了廣泛應(yīng)用。在這個階段，系統(tǒng)需要識別出車輛駕駛中的風(fēng)險狀態(tài)，并為決策進(jìn)行預(yù)測。為了實(shí)現(xiàn)這一目的，深度學(xué)習(xí)技術(shù)已經(jīng)提出了兩種重要的方法：基于深度學(xué)習(xí)的風(fēng)險狀態(tài)識別和基于時間序列算法的風(fēng)險預(yù)測。首先，基于深度學(xué)習(xí)的風(fēng)險狀態(tài)識別是一種高效的方法。它基于大量的數(shù)據(jù)，以分類、識別、識別視覺、聲音等信息7為目標(biāo)。深度學(xué)習(xí)網(wǎng)絡(luò)通過多層的神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)，對駕駛中的環(huán)境、交通狀況、車輛狀態(tài)等多維數(shù)據(jù)進(jìn)行分析。從而識別出風(fēng)險狀態(tài)，如高危道路、超速、疲勞駕駛等。其次，基于時間序列算法的風(fēng)險預(yù)測是一種有效的方法。該算法通過對歷史數(shù)據(jù)的分析，來預(yù)測未來的風(fēng)險情況。時間序列算法可以利用駕駛行為的時間信息，對車輛的駕駛狀態(tài)進(jìn)行推演。從而預(yù)測出風(fēng)險狀態(tài)，提前發(fā)現(xiàn)風(fēng)險并采取相應(yīng)的措施。這樣，系統(tǒng)可以在風(fēng)險出現(xiàn)之前進(jìn)行預(yù)防，從而提高駕駛的安全性。舉例來說，如果系統(tǒng)通過時間序列算法預(yù)測出某車輛駕駛員在過去一段時間內(nèi)經(jīng)常駕駛時出現(xiàn)疲勞駕駛現(xiàn)象，那么系統(tǒng)可以在未來的駕駛中，通過輔助駕駛系統(tǒng)提醒駕駛員休息，從而避免因疲勞駕駛造成的危險?？傊?，深度學(xué)習(xí)可使車輛能夠隨著時間的推移學(xué)習(xí)和適應(yīng)其環(huán)境。這可以包括了解不同道路和交通模式的特征，以及適應(yīng)道路上其決策能力，并在道路行駛時變得更加高效和安全。(四)人工智能在控制與執(zhí)行中的應(yīng)用自動駕駛的控制核心技術(shù)涵蓋車輛的縱向、橫向、驅(qū)動和制動控制。其中，縱向控制負(fù)責(zé)車輛前后運(yùn)動的控制，而橫向控制則負(fù)責(zé)方向盤角度和輪胎力的調(diào)整。只有同時實(shí)現(xiàn)縱向和橫向自動控制，才能使車輛按照預(yù)設(shè)目標(biāo)和約束自主行駛。車輛按照縱向控制是在行車速度方向上的控制，即車速以及本車與前后車或障礙物距離的自動控制。8相對于傳統(tǒng)的車輛控制方法，智能控制方法主要體現(xiàn)在對控制對象模型的運(yùn)用和綜合信息學(xué)習(xí)運(yùn)用上，如圖2-3所示，包括神經(jīng)網(wǎng)絡(luò)控制和深度學(xué)習(xí)方法等，這些算法已逐步在車輛控制中廣泛應(yīng)神經(jīng)控制是研究和利用人腦的某些結(jié)構(gòu)機(jī)理以及人的知識和經(jīng)驗對系統(tǒng)的控制。利用神經(jīng)網(wǎng)絡(luò)，可以把控制問題看成模式識別問題，被識別的模式映射成“行為”信號的“變化”信號。神經(jīng)控制最顯著的特點(diǎn)是具有學(xué)習(xí)能力。它是通過不斷修正神經(jīng)元之間的連接權(quán)值，并離散存儲在連接網(wǎng)絡(luò)中來實(shí)現(xiàn)的。它對非線性系統(tǒng)和難以建模的系統(tǒng)的控制具有良好效果[12]。深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)可以通過獲取深層次的特征表示來避免人工選取特征的繁瑣和高維數(shù)據(jù)的維度災(zāi)難問題。這一技術(shù)可以讓您更加輕松地進(jìn)行數(shù)據(jù)分析和模型訓(xùn)練。深度學(xué)習(xí)在特征提取與模型擬合方面顯示了其潛力和優(yōu)勢。對于存在高維數(shù)據(jù)的控制系統(tǒng)，引入深度學(xué)習(xí)具有一定的意義。自動駕駛系統(tǒng)需要盡量減少人的參與或9者沒有人的參與，深度學(xué)習(xí)自動學(xué)習(xí)狀態(tài)特征的能力使得深度學(xué)習(xí)在自動駕駛系統(tǒng)的研究中具有先天的優(yōu)勢[12]。強(qiáng)化學(xué)習(xí)的靈感來自于動物行為訓(xùn)練，訓(xùn)練員通過獎勵和懲罰教導(dǎo)動物學(xué)習(xí)某種行為與狀態(tài)之間的聯(lián)系規(guī)則。強(qiáng)化學(xué)習(xí)就是要解決這類問題：一個能夠感知環(huán)境的智能體怎樣通過學(xué)習(xí)選擇達(dá)到其目標(biāo)的最優(yōu)動作[12]。強(qiáng)化學(xué)習(xí)允許人工智能(ArtificialIntelligence，AI)系統(tǒng)通過反復(fù)試驗來學(xué)習(xí)，并隨著時間的推移逐漸提高其性能。這項關(guān)鍵技術(shù)越來越多地用于自動駕駛控制和執(zhí)行領(lǐng)域，因為它允許自動駕駛汽車適應(yīng)不斷變化的路況，并就如何在交通中導(dǎo)航做出智能決策。強(qiáng)化學(xué)習(xí)在自動駕駛控制中的一個關(guān)鍵方面是獎勵系統(tǒng)的使用。該系統(tǒng)獎勵A(yù)I系統(tǒng)的成功行為，例如順利通過十字路口或避免碰撞，并懲罰它的負(fù)面行為。通過這種強(qiáng)化，人工智能系統(tǒng)能夠了解哪些行動會帶來積極的結(jié)果，哪些不會，從而使其在未來做出更明智的決策。RL在自動駕駛汽車中的另一個重要方面是模擬的使用。這些模擬允許AI系統(tǒng)在安全和受控的環(huán)境中練習(xí)不同的場景并犯錯誤，而不是在真實(shí)的道路上。這使系統(tǒng)能夠從錯誤中吸取教訓(xùn)并隨著時間的推移提高性能，并測試新的駕駛策略和方法。RL中用于自動駕駛控制的另一項重要技術(shù)是傳感器的使用。這些傳感器(例如激光雷達(dá)、雷達(dá)和攝像頭)允許人工智能系統(tǒng)收集有關(guān)環(huán)境的信息并根據(jù)這些數(shù)據(jù)做出決策。例如，激光雷達(dá)傳感器可以檢測環(huán)境中物體的距離和位置，而雷達(dá)傳感器可以檢測物體的移動。通過使用這些30數(shù)據(jù)，人工智能系統(tǒng)可以就如何在交通中導(dǎo)航和避免碰撞做出明智的決定。最后，自動駕駛控制中的RL還需要使用能夠分析從傳感器和模擬中收集的數(shù)據(jù)的算法。這些算法必須能夠適應(yīng)不斷變化的條件并從錯誤中吸取教訓(xùn)，以便隨著時間的推移不斷提高其性能?？偟膩碚f，RL是自動駕駛控制和執(zhí)行領(lǐng)域的一項關(guān)鍵技術(shù)，因為它可以讓自動駕駛汽車學(xué)習(xí)并適應(yīng)不斷變化的道路狀況。通過利用獎勵系統(tǒng)、模擬、深度學(xué)習(xí)、傳感器和算法，RL使AI系統(tǒng)能夠就如何安全地通過交通和避免事故做出明智的決定。隨著這項技術(shù)的不斷進(jìn)步，RL很可能會在自動駕駛汽車的發(fā)展和未來的交通運(yùn)輸中發(fā)揮越來越重要的作用。(五)基于人工智能的自動駕駛研發(fā)中關(guān)鍵性技術(shù)競爭點(diǎn)自動駕駛行業(yè)的數(shù)據(jù)數(shù)字化近年來呈現(xiàn)大幅增長。然而，數(shù)字化帶來的挑戰(zhàn)是如何應(yīng)用這些數(shù)據(jù)來解決復(fù)雜的實(shí)際應(yīng)用問題。這激發(fā)了人工智能的使用，因為它可以通過增強(qiáng)的自動化處理大量數(shù)據(jù)。人工智能是一個以技術(shù)為基礎(chǔ)的系統(tǒng)，包括各種先進(jìn)的工具和網(wǎng)絡(luò)，可以模仿人類的智能。人工智能利用能夠解釋和學(xué)習(xí)輸入數(shù)據(jù)的系統(tǒng)和軟件，為實(shí)現(xiàn)特定的目標(biāo)做出獨(dú)立的決定。人工智能是當(dāng)前技術(shù)發(fā)展的重要方向之一，它的應(yīng)用可以使汽車具備高效信息處理、感知理解和交互表達(dá)等重要能力。人工智能技術(shù)的進(jìn)步，使得汽車能夠通過語音識別、圖像識別、自然語言處理等技術(shù)，實(shí)現(xiàn)對周圍環(huán)境的更加精確的感知和理解，同時能夠更加便捷地與人類進(jìn)行交互。在人工智能技術(shù)的推動下，新型需求如31能力的迭代。隨著汽車行業(yè)的不斷發(fā)展，越來越多的汽車廠商和技術(shù)公司正在投入研發(fā)，使得自動駕駛技術(shù)不斷成熟。在此背景下，要想占據(jù)競爭點(diǎn)，必須針對能力和需求，結(jié)合算力、算法、數(shù)據(jù)采集以及用戶數(shù)據(jù)等多方面因素進(jìn)行分析，研發(fā)出更加先進(jìn)、更加智能化的自動駕駛技術(shù)。針對當(dāng)前的需求和競爭環(huán)境，要想在人工智能領(lǐng)域取得競爭優(yōu)勢，必須不斷研發(fā)出更加先進(jìn)的技術(shù)，提升自動駕駛技術(shù)的能力，以滿足不斷變化的市場需求。圖3-1顯示了基于人工智能的自動駕駛研發(fā)所需要的條件及關(guān)鍵性技術(shù)競爭點(diǎn)。算力、算法、數(shù)據(jù)采集以及用戶數(shù)據(jù)是人工智能的發(fā)展依賴于四個基本要素，在自動駕駛市場中對應(yīng)于AI芯片、決策軟件、傳感器、用戶數(shù)據(jù)等。AI芯片在自動駕駛技術(shù)中具有重要作用。自動駕駛汽車需要進(jìn)行大量的數(shù)據(jù)處理和分析，以便對周圍環(huán)境進(jìn)行感知，并做出適當(dāng)?shù)臎Q策和行動。這就要求自動駕駛汽車具有高性能的AI芯片，以便能夠快速處理大量的數(shù)據(jù)并做出決策。AI芯片可以實(shí)現(xiàn)邊緣計算，使自動駕駛汽車能夠進(jìn)行實(shí)時決策。它們還可以提供高度能效的運(yùn)32算能力，使自動駕駛汽車能夠以最小的能耗完成所需的計算。此外，AI芯片還可以提供安全性，保證自動駕駛汽車的安全運(yùn)行。它們可以采用安全隔離技術(shù)，將不同功能的軟件隔離開來，以防止單個軟件故障導(dǎo)致整個系統(tǒng)崩潰。首先，車規(guī)級芯片作為人工智能芯片的一種，在自動駕駛技術(shù)中起到了非常關(guān)鍵的作用。這類芯片配備了高度集成的計算資源和專門的自動駕駛技術(shù)，能夠提供高效、穩(wěn)定的計算能力，從而實(shí)現(xiàn)自動駕駛車輛的智能化控制。其次，計算平臺核“芯”——自主芯片也是人工智能芯片的重要組成部分。這類芯片不僅擁有強(qiáng)大的計算能力，還具有高度的靈活性和可擴(kuò)展性。通過使用自主芯片，自動駕駛技術(shù)可以更加完善，從而實(shí)現(xiàn)更高效、更穩(wěn)定的自動駕駛功能。在自動駕駛技術(shù)中，人工智能芯片還具有高度的安全性，從而保證自動駕駛車輛的安全運(yùn)行。例如，當(dāng)發(fā)生緊急情況時，人工智能芯片可以快速判斷并采取相應(yīng)的應(yīng)對措施，以防止發(fā)生事故。在未來，人工智能芯片將繼續(xù)在自動駕駛技術(shù)中發(fā)揮關(guān)鍵作用，并為智能化汽車的發(fā)展帶來更多的機(jī)會和挑戰(zhàn)。有關(guān)人工智能芯片在自動駕駛技術(shù)中的應(yīng)用，仍然有很多未知的領(lǐng)域需要我們?nèi)ヌ剿骱烷_發(fā)。決策軟件負(fù)責(zé)分析來自傳感器的信息，并根據(jù)這些信息做出決策。這些決策可能包括轉(zhuǎn)彎、加速、減速等。決策軟件對于自動駕駛市場來說非常重要，因為它能夠提高自動駕駛汽車的安全性和可靠性。當(dāng)自動駕駛汽車遇到緊急情況時，決策軟件能夠快速做出反應(yīng)，避免發(fā)生事故。決策軟件還可以幫助自動駕駛汽車更好地適應(yīng)33環(huán)境變化。例如，當(dāng)遇到施工標(biāo)志或者障礙物時，決策軟件能夠快速做出決策，使自動駕駛汽車能夠安全通過。傳感器可以檢測車輛前方的障礙物、車流、交通信號燈等信息，從而幫助車輛做出正確的剎車、加速和轉(zhuǎn)彎決策。它們還可以檢測車輛內(nèi)部的氣壓、溫度、濕度和人體運(yùn)動等信息，從而保證車輛的安全性和舒適性。傳感器的發(fā)展也促進(jìn)了自動駕駛技術(shù)的進(jìn)步。目前，市場上已經(jīng)有了各種各樣的傳感器，包括攝像機(jī)、激光雷達(dá)、毫米波雷達(dá)、超聲波等車載傳感器等。其中，激光雷達(dá)是在自動駕駛領(lǐng)域里頭用的最多的傳感器。目前，國際市場(主流公司有美國Velodyne公司、美國的Quanergy公司、Liminar公司和以色列的激光雷達(dá)發(fā)出的線束越多，每秒采集的點(diǎn)云越多，同時造價也越高。用戶數(shù)據(jù)對于自動駕駛技術(shù)來說非常重要，因為它可以幫助自動駕駛技術(shù)更好地理解道路環(huán)境、駕駛行為和交通規(guī)則，從而使自動駕駛系統(tǒng)能夠在更復(fù)雜的道路環(huán)境中更安全地行駛。通過收集和分析大量用戶數(shù)據(jù)，可以幫助自動駕駛技術(shù)更好地理解道路環(huán)境、駕駛行為和交通規(guī)則，從而使自動駕駛系統(tǒng)能夠在更復(fù)雜的道路環(huán)境中更安全地行駛。例如，通過收集用戶數(shù)據(jù)，可以了解更多關(guān)于如何在各種道路條件下安全行駛的信息，從而使自動駕駛技術(shù)能夠在不同的道路條件下更好地適應(yīng)。此外，用戶數(shù)據(jù)還可以幫助自動駕駛技術(shù)更好地理解人類駕駛員的行為，從而使自動駕駛技術(shù)能夠34更好地與人類駕駛員協(xié)作，并在遇到意外情況時采取適當(dāng)?shù)膽?yīng)對措四、自動駕駛市場與國內(nèi)外企業(yè)調(diào)研(一)人工智能在自動駕駛領(lǐng)域的市場情況智能化自動駕駛汽車是人工智能技術(shù)落地的最大應(yīng)用場景之一。智能化汽車可能成為未來萬物互聯(lián)的終端，成為繼智能手機(jī)之后，深刻改變社會形態(tài)的產(chǎn)品。智能化將會迎來快速發(fā)展期，主要源于以下幾個方面：(1)半導(dǎo)體技術(shù)的提升與成本的下降：隨著半導(dǎo)體制造商向汽車領(lǐng)域逐漸發(fā)展，規(guī)?；a(chǎn)有利于成本的降低，從而推動銷量擴(kuò)大形成正反饋，汽車半導(dǎo)體有望復(fù)制手機(jī)半導(dǎo)體領(lǐng)域的發(fā)展規(guī)模和速度；(2)電動化的不斷普及加速了智能化：電動車的電機(jī)電控特性，相較于燃油車更有助于智能化的控制系統(tǒng)發(fā)展；(3)對安全性便捷性和高效出行的要求：為了提升車輛差異化的競爭力，汽車廠商將繼續(xù)增加在先進(jìn)駕駛輔助系統(tǒng)(AdvancedDriveAssistSystem，ADAS)方面的投入，提升自動避險剎車、自動泊車、道路領(lǐng)航等能力，以提升車輛的安全性與便捷性；隨著自動駕駛能力的不斷提高，自動駕駛將有效緩解交通擁堵，大大提高出行的效率。(二)國際頂級公司在人工智能自動駕駛上的最新研發(fā)成果Waymo于2009年1月開啟的一項自動駕駛汽車計劃，其主要負(fù)責(zé)人為參與過DARPA挑戰(zhàn)賽的SebastianThrun(斯坦福大學(xué)人工智能實(shí)驗室SAIL負(fù)責(zé)人)和AnthonyLevandowski(自動駕駛公司510Systems的創(chuàng)立者)。2016年12月由Google獨(dú)立出來，成為35Alphabet公司旗下的子公司，專注于研發(fā)最高級別L4~L5的自動駕駛技術(shù)。加州車管所公布了2020年自動駕駛的路測數(shù)據(jù)，Waymo在平均接管兩次間可行駛里程這個指標(biāo)中排名第一，在測試?yán)锍讨信琶诙aymo的有效專利數(shù)也是常年領(lǐng)先，近三年增速降低，但仍排在前三位。目前的商業(yè)化模式有：自動駕駛出租(鳳凰城的Robotaxi)、卡車貨運(yùn)、物流配送、軟件授權(quán)服務(wù)四大業(yè)務(wù)場景。Waymo的自動駕駛研發(fā)實(shí)力公認(rèn)為全球最強(qiáng)，其軟件算法和雷達(dá)系統(tǒng)、攝像頭等硬件均實(shí)現(xiàn)自研。與很多自動駕駛公司不同的是，Waymo不僅在軟件算法領(lǐng)域投入很大，其在實(shí)現(xiàn)自動駕駛的關(guān)鍵傳感器激光雷達(dá)等硬件的研發(fā)實(shí)力也非常強(qiáng)大，是軟硬件平衡度很好駛企業(yè)見下表4-1，重點(diǎn)關(guān)注美國和中國。司國別研發(fā)技術(shù)技術(shù)來源研發(fā)合作情況Waymo美國領(lǐng)域的軟硬件核心技術(shù)自動駕駛技術(shù)的標(biāo)桿企業(yè)，路測數(shù)據(jù)及專利數(shù)量常年保持領(lǐng)先。Waymo的自動駕駛研發(fā)實(shí)力公認(rèn)為全球最強(qiáng)，其軟件算法和雷達(dá)系統(tǒng)、攝像頭等硬件均實(shí)現(xiàn)自研。Waymo自研激光雷達(dá)，掌握核心硬件開發(fā)能力。Cruise加拿大領(lǐng)域的軟硬件核心技術(shù)自動駕駛研發(fā)實(shí)力強(qiáng)，多項核心測試指標(biāo)與Waymo相當(dāng)。Cruise的基本路線與Waymo類似，都是采用自上而下的模式，目前通用Cruise的L5級自動駕駛技術(shù)和路測里程可以與Waymo一爭高下，2020年加州公布的路測數(shù)據(jù)顯示，Cruise的測試?yán)锍套疃?，接管兩次間平均可行駛里程僅次于Waymo，排名第二。36Mobileye以色列解決方案和毒性預(yù)測致力于用單目視覺來解決三維立體環(huán)境中的測距問題。自創(chuàng)立公司以來，Mobileye獲得了視覺輔助駕駛領(lǐng)域的多項第一并提供了包括行人檢測、車道保持和自適應(yīng)巡航等輔助駕駛技術(shù)。Mobileye最新的L2級自動駕駛系統(tǒng)稱為SuperVision，使用11枚攝像頭、2顆EyeQ5芯片來完成L2+級別的自動駕駛。i英偉達(dá)i美國算法工具鏈及仿真軟件提供商在自動駕駛領(lǐng)域，公司已經(jīng)形成了分層解耦、全棧式的自動駕駛產(chǎn)品解決方案，并覆蓋L2-L5級自動駕駛應(yīng)用場景，配套軟件方案包括：Constellation(仿真系統(tǒng))、DriveOS(底層開發(fā)平臺)、Driveworks(服務(wù)器平臺配套解決方案)、DriveAV(自動駕駛功能)和DriveIX(人機(jī)交互)等。其配套工具鏈易于使用，已經(jīng)有基于英偉達(dá)的小鵬Xpilot系統(tǒng)搭載在其量產(chǎn)車型中，是為數(shù)不多已經(jīng)經(jīng)受車規(guī)級考驗的芯片提供商。Lumnar美國激光雷達(dá)硬件設(shè)計主打半固態(tài)激光雷達(dá)，車規(guī)級優(yōu)勢大過機(jī)械式激光雷達(dá)；掌握了低成本1550nm激光發(fā)射及接收技術(shù)，使激光雷達(dá)的性能得到質(zhì)的提升。計劃于2022年量產(chǎn)激光雷達(dá)Iris，同時推出自動駕駛軟件套裝Sentinel，軟硬件同時發(fā)力，確保量產(chǎn)能夠如期達(dá)成。Apollo中國領(lǐng)域的軟硬件核心技術(shù)開發(fā)中國自動駕駛研發(fā)的先行者與技術(shù)的領(lǐng)跑者：百度早在2013年就已啟動無人車項目，并于2015年下半年推出自動駕駛汽車，一個月后，Apollo面世。百度采用了和Waymo類似的自動駕駛解決方案，即直接研發(fā)載有激光雷達(dá)+攝像頭+毫米波雷達(dá)的L5級自動駕駛方案，以算法和解決方案研發(fā)為主。小鵬中國領(lǐng)域的軟硬件核心技術(shù)開發(fā)視覺算法能力無法超越特斯拉，因此采用激光雷達(dá)+高精地圖+攝像頭等多傳感器共同判斷，依靠中國強(qiáng)大的基建實(shí)力以及領(lǐng)先的5G基站數(shù)量可以實(shí)現(xiàn)車輛網(wǎng)的優(yōu)勢，達(dá)到安全冗余來實(shí)現(xiàn)自動駕駛的方案。優(yōu)勢是安全系數(shù)高，以目前的技術(shù)能力來看是商業(yè)化達(dá)到L5的較為可靠的路徑。37與美、歐等發(fā)達(dá)國家相比，我國在自動駕駛汽車方面的研究起步稍晚，國內(nèi)汽車企業(yè)的市場開發(fā)最近五年才開始出現(xiàn)。不同于國外車企以自主研發(fā)為主，我國汽車制造廠商多采取與國內(nèi)科研院所、高校合作研發(fā)自動駕駛技術(shù)，其核心技術(shù)大多來自創(chuàng)業(yè)團(tuán)隊的自主研發(fā)以及與院校合作研發(fā)。表4-2展示了國內(nèi)外重點(diǎn)AI自動駕駛企業(yè)的概況以及相應(yīng)的融資信息。司成立時間融資信息iWaymoi2009年Waymo在3輪融資中總共籌集了55億美元。他們的最新資中籌集。2021年6月16日：私募股權(quán)融資：25億美元2020年5月12日：私募股權(quán)圓桌會議：7.5億美元2020年3月2日：風(fēng)險投資圓桌會議：23億美元*更多的融資信息請查詢網(wǎng)址：/organization/waymo/company_financialsbilCrubil2013年Cruise在13輪融資中總共籌集了151億美元。他們的最新資2022年3月18日：二級市場-Cruise：21億美元2022年3月18日：公司輪-Cruise：14億美元2021年6月15日：債務(wù)融資-Cruise：50億美元*更多的融資信息請查詢網(wǎng)址：/organization/cruise/company_financialsMoeye1999年Mobileye.15億美元。IPO股權(quán)融資中籌集。8月4日：IPO后股權(quán)-英特爾公司Mobileye2013年7月7日：私募股權(quán)回合-英特爾公司Mobileye：4億美元2007年10月12日：私募股權(quán)回合-英特爾公司Mobileye：138億美元*更多的融資信息請查詢網(wǎng)址：/organization/mobileye-vision-technologies/company_financialsi英偉達(dá)i1993年NVIDIA在5輪融資中總共籌集了1億美元。他們的最新資金2022年8月9日：上市后股權(quán)-英偉達(dá)：6500萬美元2017年5月24日：私募股權(quán)回合-NVIDIA：1000萬美元2010年8月9日：DARPA撥款-英偉達(dá)：2500萬美元*更多的融資信息請查詢網(wǎng)址：/organization/nvidia/company_financialsLumnar2012年Luminar在11輪融資中總共籌集了10億美元。他們的最新資1月20日從IPO后的一輪股權(quán)融資中籌集。2022年1月20日：首次公開募股后股權(quán)-Luminar：2030萬美元2021年2月3日：上市后股權(quán)-Luminar:1.54億美元2020年12月2日：上市后股權(quán)-Luminar：4.2億美元*更多的融資信息請查詢網(wǎng)址：/organization/luminar-technologies/company_financialsApollo2017年這項投資-A系列-SmarterEye-價值1500萬美元。2017年11月28日：A輪-SmarterEye：1500萬美元小鵬2014年XpengMotors在10輪融資中總共籌集了57億美元。他們的2022年4月27日：IPO后債務(wù)-XpengMotors：75億元人民幣2021年1月11日：IPO后債務(wù)-XpengMotors：人民幣128億元2020年8月3日：C系列-Xpeng汽車：4億美元*更多的融資信息請查詢網(wǎng)址：/organization/xiaopeng-_motors/investorfinancials_本節(jié)通過網(wǎng)絡(luò)平臺對自動駕駛?cè)瞬艓爝M(jìn)行數(shù)據(jù)挖掘，統(tǒng)計分析出領(lǐng)域內(nèi)學(xué)者分布，并介紹了目前自動駕駛汽車領(lǐng)域的國內(nèi)代表性39研究學(xué)者，文中排名不分先后?；谥袊鴩鴥?nèi)院校學(xué)者的調(diào)研及文獻(xiàn)報道，國內(nèi)學(xué)者的研究重點(diǎn)同樣集中在算法技術(shù)層面上(表4-3)，目前尚未查詢到學(xué)者科技成果轉(zhuǎn)化的相關(guān)信息：單位及姓名技術(shù)優(yōu)勢王建強(qiáng)教授清華大學(xué)是中國首屈一指的研究型大學(xué)，以其卓越的學(xué)術(shù)科研成果和知識轉(zhuǎn)移能力而享譽(yù)國內(nèi)外。王建強(qiáng)教授作為清華大學(xué)自動駕駛領(lǐng)域的專家，在該領(lǐng)域有著廣泛的研究與應(yīng)用。在自動駕駛領(lǐng)域，王建強(qiáng)教授以其領(lǐng)先的技術(shù)實(shí)力和創(chuàng)新精神，在多項科研領(lǐng)域取得了顯著的成果。在自動駕駛車輛的感知技術(shù)方面，研發(fā)出了高精度的激光雷達(dá)系統(tǒng)，實(shí)現(xiàn)了對環(huán)境的高效感知。其次，在自動駕駛車輛的控制技術(shù)方面，開發(fā)了一套高效的自動駕駛算法，實(shí)現(xiàn)了對車輛的穩(wěn)定控制。在自動駕駛車輛的安全保障方面，研發(fā)了一系列先進(jìn)的安全技術(shù)，以確保自動駕駛車輛的安全運(yùn)行。德毅教授李德毅教授作為清華大學(xué)和國防大學(xué)的兼職教授，在自動駕駛領(lǐng)域有著廣泛的研究和實(shí)踐經(jīng)驗。李教授在視覺感知技術(shù)方面有著深厚的學(xué)識和豐富的經(jīng)驗。他曾領(lǐng)導(dǎo)團(tuán)隊開展多項關(guān)于視覺感知的研究，如視覺檢測、識別和跟蹤技術(shù)。這些研究成果為自動駕駛系統(tǒng)的實(shí)際應(yīng)用提供了有力的技術(shù)支持。其次，李教授在自動駕駛決策技術(shù)方面也有著出色的表現(xiàn)。他的研究團(tuán)隊開展了大量關(guān)于自動駕駛決策的研究，如道路識別、避障決策和路徑規(guī)劃等。這些研究成果為自動駕駛系統(tǒng)提供了強(qiáng)有力的技術(shù)支撐。他的團(tuán)隊開展了大量關(guān)于自動駕駛系統(tǒng)的研究，如系統(tǒng)架構(gòu)設(shè)計、性能評估和實(shí)際應(yīng)用等。這些研究成果為自動駕駛系統(tǒng)的實(shí)際應(yīng)用提供了全面的技術(shù)指導(dǎo)。教授南京理工大學(xué)是國內(nèi)一所以工科為主的綜合性大學(xué)，在汽車技術(shù)領(lǐng)域享有很高的聲譽(yù)。楊靜宇教授是南京理工大學(xué)汽車工程學(xué)院的資深教授，在自動駕駛領(lǐng)域有著豐富的研究經(jīng)驗，并在視覺感知技術(shù)、道路識別、路徑規(guī)劃等方面有著豐富的研究經(jīng)驗，為自動駕駛系統(tǒng)的研發(fā)提供了有力的支持。楊教授研制的我國第一套自主式地面自動駕駛平臺，被稱為是“在我國智能機(jī)器人領(lǐng)域具有開創(chuàng)性，是我國科技戰(zhàn)線，特別是高技術(shù)領(lǐng)域的一項重大科技成果”。楊靜宇教授通過多年的研究，為自動駕駛領(lǐng)域的發(fā)展做出了卓越的貢獻(xiàn)，是國內(nèi)自動駕駛領(lǐng)域的重要人物。鄭南寧院士建立的視覺場景理解的立體對應(yīng)計算模型與視覺注意力統(tǒng)計學(xué)習(xí)方法成為該領(lǐng)域代表性工作，為構(gòu)造計算機(jī)視覺系統(tǒng)和基于圖40像信息的智能控制系統(tǒng)，提供了理論指導(dǎo)和關(guān)鍵技術(shù)，提出圖像分析和視覺知識描述新方法，為構(gòu)造計算機(jī)視覺系統(tǒng)和基于圖像信息的智能控制系統(tǒng)，提供了理論指導(dǎo)和關(guān)鍵技術(shù)。完成了“精密裝配機(jī)器人機(jī)器視覺系統(tǒng)”研究。發(fā)明了一種圖像邊緣曲線擬合的新方法。完成了“高性能機(jī)器視覺及車型與牌照自動識別系統(tǒng)。提出在線交互式立體測深方法，研制出“X線數(shù)字減影血管造影系統(tǒng)”及“DSA1250數(shù)字減影血管造影系統(tǒng)”。研制出具有自主知識產(chǎn)權(quán)的數(shù)字電視掃描制式轉(zhuǎn)換及視頻處理芯片。教授賀漢根教授于2000年國防科學(xué)技術(shù)大學(xué)以一輛老式北京吉普車為平臺的自主駕駛汽車進(jìn)行了75.6km/h的高速公路車道跟蹤實(shí)驗。2003年6月，國防科學(xué)技術(shù)大學(xué)與一汽集團(tuán)合作研制成功紅旗CA7460自主駕駛轎車。該車在正常交通狀況下，高速公路上最高穩(wěn)定自主駕駛速度為每小時130km，最高峰值自主駕駛速度為每小時170km，并具備超車功能，其總體技術(shù)性能達(dá)到了當(dāng)時世界先進(jìn)水平。2006年8月，國防科技大學(xué)與一汽集團(tuán)合作研制成功紅旗HQ3自主駕駛轎車，在硬件系統(tǒng)小型化、控制精度和穩(wěn)定性等方面都有明顯提高。該自主車于當(dāng)年9月參加了在吉林長春舉辦的東北亞博覽會。2007年3月，該車又被國家商務(wù)部選送到莫斯科參加“俄羅斯—中國年”展覽。2011年7月14日，智能化自動駕駛系統(tǒng)在紅旗HQ3轎車平臺上研發(fā)成功，獲準(zhǔn)進(jìn)入京珠高速長沙至武漢段，開展我國首次自動駕駛汽車高速公路長途自主駕駛試驗。2017年3月6日，經(jīng)有關(guān)部門批準(zhǔn)同意，新一代紅旗自動駕駛汽車獲準(zhǔn)在長沙繞城高速公路上開展試驗。(三)本章小結(jié)雖然自動駕駛汽車的發(fā)展勢頭良好，但因為中國自主研發(fā)企業(yè)的技術(shù)基礎(chǔ)薄弱等緣故，我國在傳感器感知、控制決策、車輛交互、路況識別等核心技術(shù)方面都存在瓶頸。特別是路況識別方面，車輛需要完成對周圍障礙、交通信號、行人以及其他車輛狀態(tài)的掌控與識別，迄今為止，能夠達(dá)到這一效果的自動駕駛汽車很少。目前，要達(dá)到L4等級以上的自動駕駛，技術(shù)依然不成熟；而L2級高級駕駛輔助駕駛水平的ADAS系統(tǒng)已經(jīng)成熟。L2級高級駕駛輔助駕駛水41平的自動駕駛也逐步量產(chǎn)，預(yù)計L4等級的自動駕駛將會在2025年以后逐步向市場推廣。五、專業(yè)術(shù)語解析人工智能(ArtificialIntelligence，AI)是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetwork，ANN)是由大量處理單元互聯(lián)組成的非線性、自適應(yīng)信息處理系統(tǒng)。它是在現(xiàn)代神經(jīng)科學(xué)研究成果的基礎(chǔ)上提出的，試圖通過模擬大腦神經(jīng)網(wǎng)絡(luò)處理、記憶信息的方式進(jìn)行信息處理。自主地面車輛(AutonomousLandVehicle，ALV)采用專家系統(tǒng)的計劃功能、計算機(jī)視覺、自主導(dǎo)航及先進(jìn)的并行處理等技術(shù)，能獨(dú)立進(jìn)行判斷和計劃，可以用自然語言接受任務(wù)，根據(jù)要求，計劃出執(zhí)行任務(wù)的方法以及不斷修改計劃。卷積神經(jīng)網(wǎng)絡(luò)(ConvolutionalNeuralNetwork，CNN)是一類包含卷積計算且具有深度結(jié)構(gòu)的前饋神經(jīng)網(wǎng)絡(luò)，是深度學(xué)習(xí)的代表算法之一。深度學(xué)習(xí)(DeepLearning，DL)是學(xué)習(xí)樣本數(shù)據(jù)的內(nèi)在規(guī)律和表示層次，這些學(xué)習(xí)過程中獲得的信息對諸如文字，圖像和聲音等數(shù)據(jù)的解釋有很大的幫助。它的42最終目標(biāo)是讓機(jī)器能夠像人一樣具有分析學(xué)習(xí)能力，能夠識別文字、圖像和聲音等數(shù)據(jù)。深度強(qiáng)化學(xué)習(xí)(DeepReinforcementLearning，DRL)將深度學(xué)習(xí)的感知能力和強(qiáng)化學(xué)習(xí)的決策能力相結(jié)合，可以直接根據(jù)輸入的圖像進(jìn)行控制，是一種更接近人類思維方式的人工智能方法。慣性測量單元(InertialMeasurementUnit，IMU)是測量物體三軸姿態(tài)角(或角速率)以及加速度的裝置。激光雷達(dá)(LaserRadar，LR)是以發(fā)射激光束探測目標(biāo)的位置、速度等特征量的雷達(dá)系統(tǒng)。其工作原理是向目標(biāo)發(fā)射探測信號(激光束)，然后將接收到的從目標(biāo)反射回來的信號(目標(biāo)回波)與發(fā)射信號進(jìn)行比較，作適當(dāng)處理后，就可獲得目標(biāo)的有關(guān)信息。毫米波雷達(dá)(Millimeter-WaveRadar，MWR)是工作在毫米波波段探測的雷達(dá)。與紅外、激光、電視等光學(xué)導(dǎo)引頭相比，毫米波導(dǎo)引頭穿透霧、煙、灰塵的能力強(qiáng)，具有全天候(大雨天除外)全天時的特點(diǎn)。另外，毫米波導(dǎo)引頭的抗干擾、反隱身能力也優(yōu)于其他微波導(dǎo)引頭。自動駕駛汽車(Self-drivingAutonomousvehicle,SdA)又稱自動駕駛汽車、電腦駕駛汽車、或輪式移動機(jī)器人，是一種通過電腦系統(tǒng)實(shí)現(xiàn)自動駕駛的智能汽車。43即時定位與地圖構(gòu)建(SimultaneousLocalizationandMapping，SLAM)機(jī)器人在未知環(huán)境中從一個未知位置開始移動,在移動過程中根據(jù)位置和地圖進(jìn)行自身定位，同時在自身定位的基礎(chǔ)上建造增量式地圖，實(shí)現(xiàn)機(jī)器人的自主定位和