zidongjiashicheliangrengyouxuduorenwumianlinjudadetiaozhan，xuyaocaiyongjianduandefangfalaijiejue。qudairenleiderenzhiheyundongnenglibushiyijianrongyideshiqing，haixuyaohenduoniandenuli。AI需要解決各種不同的任務，以便實現可靠和安全的自動駕駛。

 

本係列包括兩篇文章，介紹無人駕駛汽車得以實現的AI應用，展示其挑戰與成就
，另外還探討了與傳統軟件相比AI的本質，並在第二篇文章中進一步討論了在自動駕駛領域開發、測試和部署AI技術的特定挑戰。

 

1.自動駕駛車輛中的AI分析

 

自動駕駛車是汽車工業中增長最快的領域
，而人工智能則是自動駕駛車中最重要和最複雜的組成部分。圖1所示為典型的自動駕駛車構成。

自動駕駛車輛對傳送實時數據的傳感器數量，以及對數據進行智能處理的需求可能會非常龐大。而AI被用於現代汽車的中央單元以及多個電子控製單元（ECU）中。

 

由於AI已在機器人等眾多領域中得到應用，它自然成為自動駕駛的首選技術。人工智能和感知技術可以提供更安全、更具確定性的行為，從而帶來燃油效率、舒適性和便利性等優勢。

 

開發如自動駕駛車這樣複雜的AI係統麵臨的挑戰很多。AI必須與眾多傳感器交互，並實時使用數據。許多AI算法的計算量都很大
，因此很難與內存和速度受限的CPUyiqishiyong。xiandaicheliangshiyizhongshishixitong，bixuzaishiyuzhongchanshengquedingxingjieguo
，zheguanxidaojiashicheliangdeanquanxing。zhurucileidefuzafenbushixitongxuyaodaliangneibutongxin，erzhexieneibutongxinrongyidailaiyanchi，congerganraoAI算法做出決策。另外，汽車中運行的軟件還存在功耗問題。越密集的AI算法消耗功率也越多
，尤其對隻依賴電池充電的電動車而言，這是一個很大的問題。

 

在自動駕駛車中，AI用於完成多項重要任務。其主要任務之一是路徑規劃，即車輛的導航係統。AI的另一項重要任務是與傳感係統交互，並解釋來自傳感器的數據。

 

顯(xian)然(ran)，提(ti)供(gong)一(yi)套(tao)完(wan)整(zheng)的(de)解(jie)決(jue)方(fang)案(an)來(lai)取(qu)代(dai)方(fang)向(xiang)盤(pan)後(hou)麵(mian)的(de)駕(jia)駛(shi)員(yuan)是(shi)一(yi)項(xiang)艱(jian)巨(ju)的(de)任(ren)務(wu)。因(yin)此(ci)，製(zhi)造(zao)商(shang)們(men)開(kai)始(shi)將(jiang)問(wen)題(ti)劃(hua)分(fen)為(wei)更(geng)小(xiao)的(de)部(bu)分(fen)
，並(bing)逐(zhu)個(ge)解(jie)決(jue)
，以(yi)便(bian)通(tong)過(guo)小(xiao)幅(fu)進(jin)步(bu)最(zui)終(zhong)實(shi)現(xian)完(wan)全(quan)的(de)自(zi)動(dong)駕(jia)駛(shi)。一(yi)直(zhi)不(bu)乏(fa)有(you)初(chu)創(chuang)公(gong)司(si)或(huo)顛(dian)覆(fu)性(xing)公(gong)司(si)試(shi)圖(tu)解(jie)決(jue)所(suo)有(you)的(de)自(zi)動(dong)駕(jia)駛(shi)問(wen)題(ti)
，並(bing)且(qie)立(li)誓(shi)要(yao)在(zai)2020年完全實現自動駕駛車上路。但很明顯，現實要複雜得多，AI本質上存在的一些問題帶來了很多障礙。

 

隨著AI的(de)發(fa)展(zhan)與(yu)完(wan)善(shan)，我(wo)們(men)將(jiang)越(yue)來(lai)越(yue)接(jie)近(jin)具(ju)有(you)安(an)全(quan)且(qie)自(zi)主(zhu)行(xing)駛(shi)的(de)交(jiao)通(tong)工(gong)具(ju)願(yuan)景(jing)。在(zai)此(ci)之(zhi)前(qian)，我(wo)們(men)必(bi)須(xu)經(jing)曆(li)長(chang)時(shi)間(jian)的(de)開(kai)發(fa)與(yu)測(ce)試(shi)，而(er)是(shi)否(fou)采(cai)用(yong)則(ze)取(qu)決(jue)於(yu)消(xiao)費(fei)者(zhe)的(de)信(xin)心(xin)以(yi)及(ji)市(shi)場(chang)驅(qu)動(dong)力(li)。盡(jin)管(guan)比(bi)預(yu)期(qi)費(fei)時(shi)更(geng)長(chang)
，但(dan)一(yi)切(qie)終(zhong)會(hui)發(fa)生(sheng)。需(xu)求(qiu)與(yu)要(yao)求(qiu)就(jiu)在(zai)那(na)裏(li)，技(ji)術(shu)也(ye)幾(ji)近(jin)完(wan)備(bei)。其(qi)實(shi)際(ji)應(ying)用(yong)可(ke)能(neng)或(huo)快(kuai)或(huo)慢(man)，這(zhe)取(qu)決(jue)於(yu)法(fa)規(gui)要(yao)求(qiu)。分(fen)階(jie)段(duan)實(shi)施(shi)是(shi)可(ke)行(xing)之(zhi)道(dao)，從(cong)比(bi)較(jiao)簡(jian)單(dan)和(he)更(geng)具(ju)確(que)定(ding)性(xing)的(de)用(yong)例(li)開(kai)始(shi)，例(li)如(ru)先(xian)在(zai)已(yi)知(zhi)環(huan)境(jing)中(zhong)應(ying)用(yong)。如(ru)果(guo)自(zi)動(dong)駕(jia)駛(shi)車(che)輛(liang)僅(jin)在(zai)擁(yong)有(you)少(shao)量(liang)未(wei)知(zhi)的(de)特(te)定(ding)條(tiao)件(jian)下(xia)運(yun)行(xing)，則(ze)其(qi)算(suan)法(fa)的(de)壓(ya)力(li)可(ke)以(yi)得(de)到(dao)充(chong)分(fen)緩(huan)解(jie)。

 

2.車輛中的AI應用

 

2.1.傳感器數據處理

 

自動駕駛車輛在運行期間

，無數傳感器為車輛的中央計算機提供數據
，包括道路信息
、道(dao)路(lu)上(shang)的(de)其(qi)他(ta)車(che)輛(liang)信(xin)息(xi)
，以(yi)及(ji)如(ru)人(ren)類(lei)能(neng)夠(gou)感(gan)知(zhi)到(dao)的(de)那(na)樣(yang)，能(neng)夠(gou)檢(jian)測(ce)到(dao)的(de)任(ren)何(he)障(zhang)礙(ai)物(wu)信(xin)息(xi)。有(you)些(xie)傳(chuan)感(gan)器(qi)甚(shen)至(zhi)可(ke)以(yi)提(ti)供(gong)比(bi)普(pu)通(tong)人(ren)更(geng)好(hao)的(de)感(gan)知(zhi)能(neng)力(li)，但(dan)要(yao)做(zuo)到(dao)這(zhe)一(yi)點(dian)就(jiu)需(xu)要(yao)智(zhi)能(neng)算(suan)法(fa)，用(yong)以(yi)理(li)解(jie)實(shi)時(shi)生(sheng)成(cheng)的(de)數(shu)據(ju)流(liu)。

 

智能算法的主要任務之一是檢測和識別車輛前方和周圍的物體。人工神經網絡（ANN）是用於該任務的典型算法，也稱為深度學習
，因為神經網絡包含許多層級
，而每個層級又包含許多節點。圖2中顯示了一個深度神經網絡，不過實際中的神經網絡其節點數和層數可能要多很多。

 

圖2: 深度神經網絡示意圖（來源：Beachler, 2019）

 

shipinshurufenxishiyongjiqixuexisuanfahezuikenengdeshenjingwangluoduiduixiangjinxingfenlei。youyuwomenyouduogebutongleixingdechuanganqi
，yinciweimeigechuanganqipeibeizhuanyongdeyingjian/軟件模塊是很有必要的。這種方法允許並行處理數據，因此可以更快做出決策。每個傳感器單元可以利用不同的AI算法，然後將其結果傳達給其它單元或中央處理計算機。

 

2.2.路徑規劃

 

lujingguihuaduiyuyouhuacheliangxianlubingshengchenggenghaodejiaotongmoshifeichangzhongyao。tayouzhuyujiangdiyanchibingbimiandaoluyongdu。duirengongzhinengsuanfalaishuo，guihuayeshiyixiangfeichangshihetaderenwu。yinweitashiyigedongtairenwu，keyijianghenduoyinsukaolvjinqu，bingzaizhixinglujingshijiejueyouhuawenti。lujingguihuadedingyiruxia：“路徑規劃使自動駕駛車輛能夠找到從A點到B點之間最安全
、最便捷、最經濟的路線，它利用以往的駕駛經驗幫助AI係統在未來提供更準確的決策。”。

 

2.3.路徑執行

 

路徑規劃好之後，車輛就可以通過檢測物體、行人、自行車和交通信號燈來了解道路狀況，通過導航到達目的地。目標檢測算法是AIshequdezhuyaoguanzhudian，yinweitanenggoushixianfangrenleixingwei。dandangdaoluqingkuangbutonghuotianqitiaojianbianhuashi，tiaozhanjiulaile。henduoceshicheliangchushigudoushiyouyumonihuanjingyuxianshihuanjingdetiaojianbutong，erAI軟件若接收到未知數據
，可能做出不可預測的反應。

 

2.4.監測車輛狀況

 

最具前景的維護類型是預測性維護。它的定義如下：“預測性維護利用監測和預測模型來確定機器狀況，並預測可能發生的故障以及何時會發生”。它(ta)嚐(chang)試(shi)預(yu)測(ce)未(wei)來(lai)的(de)問(wen)題(ti)，而(er)不(bu)是(shi)現(xian)在(zai)已(yi)經(jing)存(cun)在(zai)的(de)問(wen)題(ti)。從(cong)這(zhe)方(fang)麵(mian)來(lai)講(jiang)，預(yu)測(ce)性(xing)維(wei)護(hu)可(ke)以(yi)節(jie)省(sheng)大(da)量(liang)時(shi)間(jian)和(he)金(jin)錢(qian)。有(you)監(jian)督(du)學(xue)習(xi)和(he)無(wu)監(jian)督(du)學(xue)習(xi)都(dou)可(ke)用(yong)於(yu)預(yu)測(ce)性(xing)維(wei)護(hu)。其(qi)算(suan)法(fa)能(neng)夠(gou)根(gen)據(ju)機(ji)載(zai)和(he)機(ji)外(wai)數(shu)據(ju)來(lai)做(zuo)出(chu)預(yu)測(ce)性(xing)維(wei)護(hu)決(jue)策(ce)。用(yong)於(yu)該(gai)任(ren)務(wu)的(de)機(ji)器(qi)學(xue)習(xi)算(suan)法(fa)屬(shu)於(yu)分(fen)類(lei)算(suan)法(fa)，例(li)如(ru)邏(luo)輯(ji)回(hui)歸(gui)
、支持向量機和隨機森林算法等。

 

2.5.保險數據收集

 

車(che)輛(liang)的(de)數(shu)據(ju)日(ri)誌(zhi)可(ke)以(yi)包(bao)含(han)有(you)關(guan)駕(jia)駛(shi)員(yuan)行(xing)為(wei)的(de)信(xin)息(xi)。這(zhe)些(xie)數(shu)據(ju)可(ke)以(yi)用(yong)來(lai)分(fen)析(xi)交(jiao)通(tong)事(shi)故(gu)，也(ye)可(ke)用(yong)於(yu)處(chu)理(li)車(che)險(xian)索(suo)賠(pei)。所(suo)有(you)這(zhe)些(xie)都(dou)有(you)助(zhu)於(yu)降(jiang)低(di)保(bao)險(xian)價(jia)格(ge)，因(yin)為(wei)安(an)全(quan)性(xing)更(geng)加(jia)確(que)定(ding)和(he)有(you)保(bao)證(zheng)。對(dui)於(yu)全(quan)自(zi)動(dong)駕(jia)駛(shi)車(che)輛(liang)來(lai)說(shuo)，賠(pei)償(chang)責(ze)任(ren)將(jiang)從(cong)乘(cheng)客(ke)（不再是駕駛員）轉移到製造商。而對半自動駕駛車輛來說
，駕駛員仍可能承擔一部分責任。證明這類情況將越來越依賴於車輛AI係xi統tong所suo捕bu獲huo的de智zhi能neng數shu據ju。來lai自zi所suo有you傳chuan感gan器qi的de數shu據ju會hui生sheng成cheng巨ju量liang的de信xin息xi
，隨sui時shi保bao存cun所suo有you數shu據ju可ke能neng不bu切qie實shi際ji，但dan是shi保bao存cun相xiang關guan數shu據ju快kuai照zhao似si乎hu是shi獲huo得de證zheng據ju的de折zhe中zhong方fang法fa，這zhe些xie證zheng據ju可ke用yong於yu特te定ding交jiao通tong事shi件jian的de事shi後hou分fen析xi。這zhe個ge方fang法fa類lei似si於yu黑hei匣xia子zi保bao存cun數shu據ju的de方fang法fa
，在zai碰peng撞zhuang事shi故gu發fa生sheng後hou可ke以yi根gen據ju這zhe些xie數shu據ju進jin行xing分fen析xi。