智能驾驶

智能驾驶本质上涉及注意力吸引和注意力分散的认知工程学，主要包括网络导航、自主驾驶和人工干预三个环节。智能驾驶的前提条件是，我们选用的车辆满足行车的动力学要求，车上的传感器能获得相关视听觉信号和信息，并通过认知计算控制相应的随动系统。

智能驾驶的网络导航，解决我们在哪里、到哪里、走哪条道路中的哪条车道等问题；自主驾驶是在智能系统控制下，完成车道保持、超车并道、红灯停绿灯行、灯语笛语交互等驾驶行为；人工干预，就是说驾驶员在智能系统的一系列提示下，对实际的道路情况做出相应的反应。

智能驾驶是工业革命和信息化结合的重要抓手，快速发展将改变人、资源要素和产品的流动方式，颠覆性地改变人类生活。

智能驾驶与无人驾驶是不同概念，智能驾驶更为宽泛。它指的是机器帮助人进行驾驶，以及在特殊情况下完全取代人驾驶的技术。

智能驾驶的时代已经来到。比如说，很多车有自动刹车装置，其技术原理非常简单，就是在汽车前部装上雷达和红外线探头，当探知前方有异物或者行人时，会自动帮助驾驶员刹车。另一种技术与此非常类似，即在路况稳定的高速公路上实现自适应性巡航，也就是与前车保持一定距离,前车加速时本车也加速，前车减速时本车也减速。这种智能驾驶可以在极大程度上减少交通事故，从而减少保险公司损失 。

智能驾驶作为战略性新兴产业的重要组成部分，是由互联网时代到人工智能时代过程中，出现的第一个精彩乐章，也是世界新一轮经济与科技发展的战略制高点之一。发展智能驾驶，对于促进国家科技、经济、社会、生活、安全及综合国力有着重大的意义。

智能驾驶与无人驾驶是不同概念，智能驾驶包含无人驾驶，而无人驾驶是智能汽车发展的最高形态。

无人驾驶汽车：是一种智能汽车，它通过智能传感系统感知路况，依靠计算机系统进行自主规划决策，并完成预定行驶目标。

智能汽车：是一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统，它集中运用了计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术。

智能驾驶发展规划可以划分为五个阶段：L0~L4。

L0指不具备自动驾驶功能的汽车驾驶。

L1指具有特定功能的自动驾驶汽车驾驶，主要代表功能有：ESC、AEB、LKA。主要成果有：高档车辆。

L2指具有组合功能的自动驾驶汽车驾驶，主要代表功能有：ACC、自动泊车等。主要成果有：Mobileye辅助系统、特斯拉、沃尔沃、上汽集团；

L3指受控的自动驾驶汽车驾驶，主要代表功能是高度自动驾驶功能。主要成果有：德尔福横跨美国、长安从重庆到北京；

L4指完全无人驾驶，主要代表功能是完全自动驾驶。主要成果有：谷歌完成200万公里路测、百度完成北京三环路测。

其中，L1~L3阶段以ADAS为主导，从L0到L4阶段，汽车的智能化水平不断提高。

ADAS：高级驾驶辅助系统，是一系列驾驶辅助系统的集合。ADAS以提升驾驶者安全和舒适为目的，通过雷达、摄像头等传感器感知周围环境，运用算法做出行为判断，来提醒驾驶者或直接控制车辆的方式避免碰撞   。

无人驾驶汽车在其优势凸显的同时也更加暴露出其问题。无人驾驶汽车的问题包括局限性高、人文接受程度问题和安全防御性低等。

1.局限性高

无人驾驶汽车在其“视觉能力”方面无法达到人脑的高度，其传感器通过红外摄像和普通摄像两种技术完成道路环境的收集。当车辆在人口密集的楼房建筑区、事故区域或者其他有人通过通用手势信号来指挥车辆在此区域通行时，无人汽车将遇到判断难题。另外，道路存在信号标志老旧变形等情况出现，无人汽车可能产生误识或者漏识，造成不必要的事故。

2.人文接受程度问题

社会对无人驾驶汽车依然存在诸多疑问，如当无人驾驶汽车行驶在这个人口稠密的世界时，发现已经无法避免事故的发生时，智能计算机应该选择冲向马路的行人还是直接撞击迎面而来的车辆？在受到外部虚拟网络攻击后是否还可以维持完全驾驶？未被Google或GPS完全测绘的道路如何行使等。无人驾驶汽车在法律法规方面同样存在极大的挑战。如产品责任，立法和多重管辖权等。无人汽车与有人汽车发生事故责任判定和无人汽车之间发生事故责任判定等。

3.安全防御性低

软件安全公司Security Innovation首席科学家乔纳桑·佩蒂特(Jonathan Petit)表示，大部分无人驾驶汽车探测障碍物的激光雷达系统只需一个成本不到60美元的装置即可破解。佩蒂特表示，通过这一装置，黑客可以在任何位置设置实际并不存在的汽车、行人，或是墙壁，导致无人驾驶汽车的行驶速度放慢，甚至寸步难行。其相关论文已在欧洲黑帽安全大会上发表  。

智能驾驶是通过人工智能辅助或代替人进行汽车驾驶行为，它可以弥补人类驾驶员会存在的缺陷。经过大量的研究和发展，智能驾驶所需的各种传感器、计算机的性能和技术等方面取得了极大进步，成本也在逐步降低。

从人工智能和汽车驾驶结合的长远发展角度来看，纯智能的无人驾驶应为未来驾驶的主要方式，即使在当前基于贝叶斯、决策树和人工神经网络等机器学习的方法被运用在无人驾驶的行为识别和行为决策的技术环境下，我们也可以考虑设立专门的行驶路线保证无人驾驶汽车的应用推广。在冯诺依曼体系结构下面向驾驶行为的机器学习，一直以来都是智能车领域的“瓶颈”。随着国际“类脑”研究的兴起，我国也上线了“中国脑计划”，但毕竟类脑计算还仅从理论阶段开始向前迈步，类脑计算机仍难以得到实现和应用  。

从当前智能驾驶的技术角度来看，相对于无人汽车，脑控汽车的发展可能更加适合。这是因为无人驾驶汽车的计算机系统还无法达到类脑计算机体系的高度，因此很难做到像人脑一样思考问题，难以较好处理驾驶过程中各种各样的突发问题和针对无人驾驶做出的阻碍或破坏行为。

因此提高人工智能在辅助方面的全面完善是全面实施无人驾驶的必经之路。家用汽车基本配备雷达辅助系统，该系统可以不断监控周围的交通状况，可以用发声频率提示本车与可能碰撞物体的距离，也可以确定与前车距离以及前车行驶速度，如与前车距离明显低于安全距离，系统会向驾驶者发送听觉警报。奔驰的主动式驻车辅助系统能够在主动转向和制动功能干预下自动泊车。并且，在车辆通过自动驻车辅助系统停入平行车位后，该系统也可以在自动转向和制动控制功能的帮助下，让车辆完全自动地驶出平行车位。

在此基础之上，我们可以在扩大自然语言处理等人机交互方式在人为干预下“释放双手”的模式上加大科研力度，如:语音操控、脑控汽车或类似飞机自动与手动驾驶切换等智能驾驶方式。其中语音操控汽车可以通过语言指令如“倒库”“直行”或“开启雨刷”等自然语言实现汽车系统的自动处理并通过车辆配置的传感器和摄像头等硬件付出行动来响应命令的方式来实现语音操控汽车的智能模式。因为有驾驶员的加入会使智能汽车的行驶方式更加灵活多变，适合于当前复杂的交通环境，满足社会法律和伦理观念的接受要求，所以提高人工智能在辅助方面的研究应用的价值更加巨大  。