智能駕駛檢視原始碼討論檢視歷史

智能駕駛本質上涉及注意力吸引和注意力分散的認知工程學，主要包括網絡導航、自主駕駛和人工干預三個環節。智能駕駛的前提條件是，我們選用的車輛滿足行車的動力學要求，車上的傳感器能獲得相關視聽覺信號和信息，並通過認知計算控制相應的隨動系統。 智能駕駛的網絡導航，解決我們在哪裡、到哪裡、走哪條道路中的哪條車道等問題；自主駕駛是在智能系統控制下，完成車道保持、超車並道、紅燈停綠燈行、燈語笛語交互等駕駛行為；人工干預，就是說駕駛員在智能系統的一系列提示下，對實際的道路情況做出相應的反應。 智能駕駛是工業革命和信息化結合的重要抓手，快速發展將改變人、資源要素和產品的流動方式，顛覆性地改變人類生活。

[]

作用及意義

（1）從技術方面看，智能駕駛與電動車有着天然關聯性，汽車發展的演進路徑正在從一條變成兩條 智能駕駛與電動車有着天然的關聯性，兩者存在互相促進、互相支持的關係。電動車採用電動控制，電動車的根本在電池和電池控制、電控也是算法驅動的行業，這是電動車區別於傳統汽車的一個特點，車內電信號可以直接被系統收集。其次，採用電動力，而非傳統的物理傳動，使得車內的電信號可以直接被系統收集。智能駕駛能夠幫助解決電動車的充電、節能等核心問題，電動車智能交互系統的背後是將車身機械語言和車聯網電子信息語言統一起來，所有信息可以上傳下達，實現車與人、車與雲的互聯。 這樣一來，汽車行業就由原來以內燃為主的一條技術演進發展路線，演化成為一條以內燃機為主，一條以電池、電機為主的發展路線，從而使汽車發展的演進路徑正在從一條變成兩條。另外，後一條的發展空間和邊際收益明確要快於傳統的路線。未來．汽車的核心配置將不再是多少排量，而是用千瓦、G赫茲、GB，以及連接人車路的程度來衡量。未來汽車的核心價值將被計算能力、人工智能、智能駕駛、雲及電動力來重構。這其中的商業機會不言自明 [2]。 （2）從交通方面看，智能駕駛將大大提升生產效率和交通效率，並有可能成為人工智能首先突破的領域 智能駕駛將是未來解決交通擁堵的重要枝術，能大大提升生產效率和交通效率。一方面，隨着智能駕駛的普及，交通擁堵不再是問題，人們可以接受更長的通勤距離，汽車可以是家和辦公室的自然延伸，更有利於新型的城鎮化建設。另一方面，智能駕駛汽車的運行需要配套的交通基礎設施，由於智能駕駛漳傳感器感知路面障礙，或者通過4G/DSRC與道路設施通信，因此需要在交叉路口、路側、彎道等布置引導電纜、磁氣標誌列、雷達反射性標識、傳感器、通信設施等。 當前的基礎設施，包括超寬車道、護欄、停車標誌、振動帶等現有設置的交通道路將不再適用。更重要的是，智能駕駛可以為構建智能交通系統提供支撐。智能交通系統是將先進的信息技術、數據通訊技術以及計算機技術等有效地綜合運用於整個交通管理體系和車輛而建立起來的一種大範圍、全方位發揮作用的、實時、準確、高效、先進的運輸系統。 更具體來說，高精度全球定位、高速無線通信、雲計算、雲控制的智能交通系統的構建是基於配備高精度北斗定位系統和高速無線通訊系統的智能駕駛汽車、配備有超級計算機的控制中心、移動終端以及相應的配套基礎設施。車輛通過通訊系統將高精度的自身經緯度、高度、目的地等相關數據發送至控制中心。控制中心通過處理全部車輛狀態信息、目的地信息等，為全體車輛規劃最優路線，並將車輛的控制信息實時傳達至全體車輛，從而實現全系統內的智能駕駛。通過完全封閉的雙層道路設計，可以取消全部紅綠燈，並通過在轉彎處設置具有一定斜度的路面，保證車輛在整個系統中可以保持高速行駛。在配套的智能停車系統、智能充電系統、智能檢修系統等輔助系統的支持下，實現車輛使用全過程以及全生命周期的智能化，從而可能成為人工智能首先突破的領域。 （3）從產業發展看，智能駕駛將引領汽車產業商業模式創新，並重塑產業生態 首先，作為「智能製造」和「互聯網+」時代的產物，智能駕駛將引領汽車產業生態及商業模式的全面升級與重塑。自汽車取代馬匹以來，智能駕駛汽車堪稱交通運輸領域最具顛覆性的設計。未來的汽車將從「配備電子的機械產品」向「配備機械的電子產品」轉變，成為可以安全、舒適、便捷移動的智能互聯終端，即實現車輛的全面智能化、倍息化。 同時，汽車產業龐大的用戶群體、多種多樣的使用環境，也將衍生出具有重要商業價值的大數據，從而影響產業鏈條的重組、價值實現方式的轉現方式的轉變和商業模式的創新。由此，整個汽車產業將發生空前深度和廣度的變化：傳統的汽車使用、設計、製造、銷售、售後及管理模式極有可能被徹底顛覆，新模式下的新商機將有無窮多種可能，包括管理、維護、性能檢測、服務、備件、回收與再利用、金融、信用等。在這一巨變過程中，智能駕駛無疑將處於中間樞紐和核心環節的地位。 以交通工具共享為例，智能網聯可以為交通工具共享的普及提供支撐，而只有具備智能駕駛能力的智能交通工具，才能徹底。解放人。，從而使全天候的交通工具共享真正成為可能，實現交通工具使用的。理想主義」：即無需擁有、按需使用、隨用隨叫、隨用隨還。這種」輕擁有、重使用」的新型文化將顯著提高交通工具的利用串，使得兼顧百姓用車需求和節約型汽車社會成為可能。因此，智能駕駛將引領汽車產業生態及商業模式的全面升級與重塑。 （4）從經濟方面看，智能駕駛是信息化與工業化融合的典型代表，並有可能引發第四次工業革命 傳統的交通工具，比如汽車是工業文明的代表產品，而人工智能是信息化社會的代表產品，兩者的結合就是智能駕駛，是兩化融合的重要代表。因此，智能駕駛不僅僅是新一代的交通工具，也是個性化需求和數據的收集終端和交互平台，更是全新的智能製造體系及產業價值鏈的核心環節。 智能駕駛廣闊的商業化前景受到了資本市場的廣泛關注，投資機構、互聯網巨頭等紛紛與車企、科研機構、創業企業等合作進軍該市場。智能駕駛不僅能使交通工具產品本身的價值呈現幾何級數增長，還能為相關領域提供全新的解決方案，與新能源汽車、機械、交通、電子、信息、互聯網、通訊、能源、環保、城市建設等眾多領域進行深入合作，實現協同創新、融合發展。智能駕駛作為引領未來交通產業技術發展方向的戰略制高點，將有可能引發第四次工業革命。 （5）從社會方面看，智能駕駛將緩解勞動力短缺的矛盾 世界經濟發展正面臨着勞動力紅利的缺失、老齡化社會的挑戰。智能駕駛能夠實現「機器換人」和產業轉型升級，「智能+X」將成為萬眾創新的新時尚和新潮流。不能說發展智能駕駛能夠解決所有的經濟問題和社會問題，但是可以說智能駕駛能夠為解決勞動力短缺引的經濟問題和社會問題創造良機。比如，智能駕駛將推動汽車所有權形式和使用方式的改變，既能夠有效降低汽車出行成本，也能夠緩解勞動力短缺。 摩根士丹利分析師凱蒂·休伯蒂(KatyHuberty)認為，到2030年，智能駕駛將開創一個規模可達2.6萬億美元的共享機動車市場，並大大降低出行成本。 （6）從環境方面看，智能駕駛能夠改善汽車對城市環境的污染 儘管汽車產業對環境污染(如霧霾)的具體影響程度尚存爭議，但汽車無疑是主要污染源之一，尤其是城市環境的主要污染源。 首先，智能駕駛系統能夠有效減少污染物徘放。德克薩斯大學奧斯汀分校的研究人員研究了二氧化硫、一氧化碳、氮氧化物、揮發性有機化合物、溫室氣體和細小顆粒物。結果發現：使用智能駕駛車共享系統不僅節省能源，還能減少各種污染物的排放，其次，智能駕駛能夠通過提高車輛利用率減輕污染。汽車可以按照時間順序依次供需要的人使用，因此可以更好地統籌安排車輛使用，解放司機，提高車輛的使用效率，減少車輛消費總量，有效減少碳排放。此外，智能駕駛通過緩解交通擁堵降低污染物徘放。 一項2016年的研究估計，「等紅燈或交通擁堵時汽車造成的污染比車輛行駛時高40%。而智能駕駛通過基於實時路況安排路線、規範化行駛、編隊勻速行駛等能夠有效緩解交通擁堵，從而使得廢氣的徘放大大減少。最後，智能駕駛和新能源汽車產業存在相互促進的關係，智能駕駛在未來可大大提高新能源汽車的使用率，而新能源汽車代替傳統汽車則可以有效降低噪聲污染。 （7）從安全方面看，智能駕駛汽車將由交通工量演變成智能平台，並將成為信息安全的新焦點 智能駕駛汽車將由交通工具演變成智能平台，其作用將從簡單的移動運輸擴展到辦公、娛樂、休閒，成為人們在移動中的一個重要的生活服務終端。 事實上，自2014年開始，智能駕駛成為國際消費類電子產品展覽會(CES)的一大主角，汽車不再只是一個可以移動的代步工具，而成為人們在移動中的一個重要的生活服務終端。2015年有十多家汽車廠商參展，為汽車融人了更多的智能元素。奔馳展出一台名為「休息廳」的智能駕駛汽車，車內有四個可旋轉的座椅，可以旋轉組成一個整體，如同休息室：前排一列顯示屏，能讓駕駛員和乘客控制車載娛樂系統，並支持手勢控制和眼球追蹤，這款汽車最拉風的功能是其前後LED車燈，能基於汽車的駕駛狀態改變顏色。通用汽車在CES上展示了旗下OnStar聯網汽車服務的多項新功能，其中包括一項車內購物服務，用戶可以在車內進行網上購物，甚至可以幫助用戶預訂酒店、提供優惠券及零售商信息，並幫助用戶找到停車位。芯片商也在加碼智能駕駛，英偉達面向智能汽車推出了專門的移動芯片，谷歌的Android Auto和蘋果的Carplay也將成為各大汽車商爭相尋求合作的熱點。帶有很強移動特性的汽車，在搭裁了4G等更為強大的無線通信聯網功能之後，也演變成了一個「移動終端」，並且是「塊頭最大」的移動終端，這個終端在2017年的變革是，汽車的功能將從簡單的運輸，擴展到辦公、娛樂和休閒。汽車將不再單只是一個可以移動的代步工具，而成為人們在移動中的一個智能平台，為乘客提供豐富的生活服務。智能駕駛演變為智能平台後，平台將會擁有海量重要信息和消費者隱私，其信息安全的重要性不言而喻。

智能駕駛系統

智能駕駛系統是一個集中運用了先進的信息控制技術，劇本環境感知、多等級輔助駕駛等功能於一體的綜合系統。智能駕駛系統作為各國重點發展的智能交通系統中的一部分，仍在不斷的探索與實驗中 。 系統邏輯結構 按照遞階控制結構理論及交通系統的層次性結構特性，可將基於互聯網思維應用的智能駕駛系統的邏輯框架自下而上劃分為：感知層、網絡層、分析層和應用層。 （1）感知層具體解釋為採集駕駛員的行駛過程中涉及到的駕駛信息。 （2）網絡層具體解釋為駕駛信息的傳輸、調度、存儲。 （3）分析層具體解釋為駕駛信息的後台大數據處理技術。 （4）應用層具體解釋為數據分析結果的反饋控制及其應用。 1系統數據流構成及其分析 結合系統上述的邏輯結構，具體對數據流模型進行分析，模型設計如圖1所示。 1.1感知層介紹 感知層，即數據採集層，主要由影響駕駛的各要素信息構成，即人、車、路的信息採集及三者信息的相互聯繫與交叉影響，主要可以分為以下兩點： （1）路況信息的採集，如道路幾何構造，路面狀況，道路災害，路網條件及交通狀況等，一般可通過GPS或北斗系統等高精度導航系統進行採集。 （2）車輛信息，車輛信息主要包括車輛原始數據，如（車輛型號，車輛理論參數等）以及車輛行駛動態數據，如（行車速度，行車時間、行車軌跡等），一般可通過CAN總線的方式進行數據採集。 1.2網絡層介紹 網絡層，即數據的傳輸調度層，路況信息在經過導航系統進行數據採集後通過報文通信的方式進行數據傳輸，車輛信息有CAN總線進行數據採集後以GPRS通信模塊的方式進行數據傳輸，數據傳輸至本層後，由本層進行匯總整合後傳輸至分析層中。 1.3分析層介紹 分析層，即大數據的分析處理層，由於大數據採集與處理的無序性，在已定義的函數模型下，對影響駕駛的數據進行計算處理。處理結果將傳送至應用層中，同時將返回至網絡層中進行存儲與調用，並在網絡層中建立行駛數據庫。 1.4應用層介紹 應用層，即應用服務層，依據數據採集與處理的結果，通過數據接口的方式可進行跨應用，跨系統之間的信息共享與信息協調。在互聯網的大數據應用思維及互聯互通的理念下，智能駕駛系統的應用主要為分為三大模塊：用戶服務系統、交通管理系統、汽車營銷系統。 （1）用戶服務系統。基於互聯網思維的智能駕駛系統以駕駛員的行車安全性、舒適度等為約束，通過互聯網的雲處理與計算平台，得出建議的車輛安全行駛評定值、預警意見、適宜車速等駕駛控制數據流，由車體通過CAN總線接收數據，自動進行數據信號轉換，進行行駛控制與調節，同時提出行駛對策的輔助指導可視化界面，人機交互協調車輛關係，保障行車安全，提高人的駕駛愉悅性。 （2）交通管理系統。通過對行駛數據庫的調用，交通管理部門可準確、實時地掌握的行駛狀況，更好地組織、規劃、協調、指揮運輸活動，提高道路行駛效率，降低交通損耗率。 （3）汽車營銷系統。行駛數據庫可為汽車企業提供企業數據服務，提高車體質量，促進企業方向性的發展 。 系統數據流傳輸及其分析 數據流的傳輸主要為路況車輛數據的採集和數據的傳輸，在此以北斗導航系統、CAN總線與GPRS通信模塊路況數據的傳輸為例進行分析： 1數據採集 北斗導航系統基於覆蓋全國的GSM數據蜂窩移動通信網絡，北斗導航系統所採集的路況信息可通過GSM通信網絡中特有的信令信道與本系統進行雙向報文通信傳輸。 2數據分析 車輛內部網絡的一般為總線型網絡拓撲結構，用CAN總線與LIN總線進行網絡連接。其中CAN總線連接了車輛ECU和幾乎所有控制節點、信息節點，可對車輛數據進行採集。數據採集完成後，選擇通用分組無線業務（General Packet Radio Service，GPRS）進行無線數據交換，即CAN總線控制器所採集的數據信息以GPRS通信模塊的形式，傳輸到智能駕駛系統中，經過分析層處理後的數據，同樣以GPRS通信模塊的形式返回到CAN總線控制器上。 系統數據流處理及其分析 在此以採用Google公司提出Map-Reduce技術搭建雲計算平台為例進行分析，建立駕駛信息大數據分析處理的並行計算模型，如圖2所示，其技術框架主要分為三部分：分布式駕駛文件系統、駕駛信息並行編程模型、並行執行引擎。 1分布式駕駛文件系統 其主要運行在大規模數據集群上，主要實現所採集的駕駛原始數據的集中管理，以及對處理後的指導駕駛的數據的分類存儲，以便客戶端的訪問與調用。 2駕駛信息並行編程模型 駕駛信息並行編程模型主要分為兩個階段，即Map階段與Reduce階段。 3並行執行引擎 Map函數處理Key/Value對，即將分布式駕駛文件系統中集中管理的駕駛信息大數據進行分塊，可分為速度數據塊、行車軌跡數據塊、行車時間數據塊、車距數據塊等，分別帶入到相應速度模型、行車軌跡模型、行車時間模型、車距模型等函數計算模型中，得出一系列速度、行車軌跡、行車時間、車距等key/value對。Reduce的函數處理則是識別數據來源，對處理key/value對進行數據整合輸出。 系統數據流反饋指導駕駛及其分析 建立信息共享、融合、加工的系統平台可派生出豐富的智能交通的具體應用。例如具有部分駕駛權限的車載終端控制系統，可以傳輸人-車系統所具有的速度、車間距等信息，結合路況信息，通過雲平台的實時計算進行反饋，在危險路段指導駕駛乃至控制駕駛，保證行車安全及交通暢通