張玉金

（山西大同大學機電工程學院，大同 037003）

1 引言

李開復曾指出，在今后的人類社會發(fā)展當中，人工智能會實現(xiàn)廣泛的應用，不同的領域都會采用人工智能技術(shù)，創(chuàng)造出巨大經(jīng)濟價值。今后將近有百分之五十的工作會被智能設備取代，在一些不需要較高腦力的工作領域，取代率高達百分之九十。此外，他還指出，現(xiàn)如今，半無人駕駛已經(jīng)出現(xiàn)，并且正在朝無人駕駛的方向快速發(fā)展，無人駕駛必將對當前技術(shù)領域，產(chǎn)生巨大的顛覆。

2 無人駕駛的優(yōu)點與缺點

2.1 優(yōu)點

（1）每年將有數(shù)百萬人獲救。根據(jù)世衛(wèi)組織的統(tǒng)計數(shù)據(jù)可知，全世界的交通事故每年導致124萬人死亡，預計到2030年，這一數(shù)字會升至220萬。無人駕駛汽車的出現(xiàn)和應用，會明顯減少交通事故量，對于生命的挽救，有巨大意義。

（2）人們不再購買私家車。隨著無人駕駛汽車的出現(xiàn)，人們的出行習慣會有巨大的變化，他們不會再購買轎車，機器人出租車的出現(xiàn)，會有效滿足他們的出行需求。相比較于購買轎車，這種新型汽車的使用費用會低很多。

（3）大幅降低交通擁堵。無人駕駛技術(shù)一方面能降低交通事故發(fā)生率，另一方面還能有效緩解交通擁堵狀況。如果全面推廣無人駕駛汽車，則高速公路容納汽車的數(shù)量將會是現(xiàn)在的六倍之多。塞巴森·特隆是計算機專家，還是谷歌公司無人駕駛汽車研發(fā)項目的負責人，他指出，當機器人汽車被普遍認可后，只需當前汽車總量的百分之三十即可滿足出行需求[1]。

2.2 缺點

（1）受天氣及行駛環(huán)境的影響。谷歌公司在試運行無人駕駛汽車時，其環(huán)境及條件都是特定的，如果出現(xiàn)異常天氣，則安裝在汽車頂部的傳感器會嚴重受損，限于技術(shù)方面的因素，如果道路存在積雪，則無法識別。由此可知，無人駕駛汽車受限制的因素太多。

（2）故障責任劃分不明。當無人駕駛汽車在行駛過程中出現(xiàn)事故時，該如何劃分責任，這是一個難題。是車主本人、汽車廠家、應用軟件研發(fā)商，還是網(wǎng)絡服務運營商？對于該問題的解決，沒有經(jīng)驗可借鑒。

（3）信息安全性問題。通常情況下，車主為實現(xiàn)無人駕駛，肯定會將自身各項信息輸入其中。這一環(huán)節(jié)中，黑客有可能會截取其信息，更嚴重的是，會對無人駕駛汽車實施遠距離控制，安全無法保障。

（4）減少就業(yè)崗位，造成大批失業(yè)者。隨著無人駕駛技術(shù)的發(fā)展，整個汽車產(chǎn)業(yè)會被顛覆，在各個環(huán)節(jié)中，智能機器人會代替勞動者，使得就業(yè)崗位減少，引發(fā)失業(yè)問題。

3 人工智能背景下無人駕駛技術(shù)概述

自動駕駛智能汽車屬于一種新型機器人，其中運用的技術(shù)主要有感知、路徑規(guī)劃和控制決策方面。通過分析可知，智能感知技術(shù)是實現(xiàn)汽車無人駕駛的重要前提，路徑規(guī)劃及控制決策都要在開展人工技術(shù)研究及應用基礎上實現(xiàn)。

3.1 智能感知：傳感及識別技術(shù)

智能感知：傳感器技術(shù)和模式識別技術(shù)。在汽車感知環(huán)境中，要收集各項數(shù)據(jù)需要綜合運用不同的車載傳感器，主要有激光雷達、超感器以及GPS等。此外，在行進過程中要進行判斷路況，該過程需要運用所收集的道路信息、交通信號及障礙物信息等。要實現(xiàn)自動駕駛，最基本的設備是雷達和攝像頭。

高配的無人駕駛汽車需要安裝各類型的傳感器：所用激光雷達，必須有較高的分辨率，只有這樣，才能確保所設計的汽車周邊3D環(huán)境，有較高的精確度，因為研制費用高，所以并沒有批量生產(chǎn)；毫米波雷達能有效抵抗外界干擾，非常穩(wěn)定，相對于前一種雷達，其制作費用較低，一般被應用于低配無人駕駛汽車中；安裝攝像頭，能對行人、交通標志進行有效識別，還能對潛在風險進行評估，屬于自動駕駛必不可少的內(nèi)容[2]。

在收集數(shù)據(jù)時，會用到傳感器來效識別各種模式，其識別對象分別為光信息和聲學信息。在無人駕駛中，判斷光學信息，主要對象是道路狀況及路人等。識別聲學信息，就是運用智能技術(shù)，在人車、車車之間進行有效溝通。

3.2 人工智能：優(yōu)化決策

現(xiàn)階段，開展全方位的深入培訓，從而使無人駕駛汽車能對其駕駛活動進行不斷改善，這是最有效的問題解決方案。無人駕駛汽車在行駛當中，會記錄各種行駛信息及突發(fā)狀況的數(shù)據(jù)。將它們傳輸至云平臺，可將其當做訓練樣本，進行深入學習。經(jīng)過多次學習過程，一方面能積累豐富經(jīng)驗，另一方面還可以學習別的車輛的學習效果。這方面的訓練有更多的開展，會使其駕駛技術(shù)不斷上升，這對于無人駕駛汽車安全性的提升有重大意義。人工智能能對圖像、語言進行有效識別，并能像人腦一樣開展學習活動。在當前的無人駕駛技術(shù)中，圖像識別功能的應用范圍最廣，識別交通標識極為關(guān)鍵，識別過程如下圖所示：

4 無人價值技術(shù)研究

4.1 交通標識圖像及環(huán)境信息的采集

圖1 無人駕駛汽車圖像識別過程

哈工大科研學者運用基于局部色彩空間的常性算法，使得交通標識及背景色彩對比度明顯提升。該算法首先顯示錄入標識外形及色彩數(shù)據(jù)，之后分割圖像，然后采用聚類分析算法實現(xiàn)圖像模擬，通過預處理來計算出圖像周長總數(shù)及面積并完成配對，最后作出智能選擇。在具體運用過程中，三維激光傳感器需要長時間運行，影響到處理速度，為有效實現(xiàn)動態(tài)柵格化三維立體檢測，通常選用多激光傳感器[3]。

4.2 避障決策優(yōu)化

動靜態(tài)分離的三維柵格圖會連續(xù)生成并更新，無人駕駛據(jù)此作出相應決策規(guī)劃?？刂葡到y(tǒng)會根據(jù)相應的定位信息和路況，設計出最佳全局路徑，要求線路最短、最為便捷，安全性最高[4]。

如果不能得到全局信息，會通過所得到的信息設計出小范圍的路徑，這就是局部路徑規(guī)劃法。持續(xù)改善車輛的行駛，主要是采用快速隨機算法、啟發(fā)式AD算法以及模型預測原理的規(guī)劃法，其實用性非常高。

局部規(guī)劃法所用理論為Brenstein等設計的向量法，機器被劃分成兩塊，其一包含累計值，代表故障發(fā)生機率。這一算法運算較快，但并不具備良好的可行性。

通過分析具體外部環(huán)境和各種行駛路況，計算出路線，將相關(guān)數(shù)據(jù)被輸送到運動規(guī)劃模塊，由此明確行駛速度、方向等。決策模塊的各項指令會對各部件進行控制，從而完成無人駕駛。受控部件主要為油門、制動器、轉(zhuǎn)向燈及擋位等。

5 問題與展望

無人駕駛從出現(xiàn)至今，在業(yè)界引起高度關(guān)注，也出現(xiàn)各種問題亟待解決，只有解決了存在的各種問題，無人駕駛方可具備實用性。

無人駕駛技術(shù)的核心構(gòu)成是傳感器和算法模型。無人駕駛能發(fā)展到何種程度，主要取決于其先進性和工業(yè)成熟度。傳感器：綜合運用毫米波及雷達，其有較高的性價比，如果配套使用激光雷達和攝像頭會取得更佳的精度效果。無人駕駛需要各種傳感器，其中最重要的是激光雷達。算法與決策：實現(xiàn)無人駕駛所需的算法技術(shù)有較高門檻，限制性因素較多。當前，人工智能技術(shù)實現(xiàn)快速發(fā)展必然會出現(xiàn)更多的科研成果，因此無人駕駛必將會進入實用階段。

此外，無人駕駛汽車還面臨著道德及合法性問題的挑戰(zhàn)。其道德問題主要表現(xiàn)為躲讓路人及超車方面。此外，還要不斷健全法律法規(guī)，來有效解決上路認定、事故處理等問題。

無人駕駛汽車屬于新興事物，在駕駛舒適性、智能性及決策效率方面，相對于傳統(tǒng)駕駛行為有更大的優(yōu)勢。在一定期間內(nèi)，問題和便利是同時存在的。目前關(guān)于無人駕駛的相關(guān)制度在不斷完善，民眾對無人駕駛技術(shù)也越來越認可，它必然會深刻影響人們的出行方式。

[1] 穆康樂.無人駕駛汽車發(fā)展現(xiàn)狀及未來展望[J].電子技術(shù)與軟件工程，2017（21）：112-114.