AI系列培训课件-人工智能技术及应用课件第3章.pptx

AI+交通

——改变人类的出行方式;

3.1智能汽车

3.2智能交通

3.3辅助驾驶系统ADAS;

自动驾驶是人工智能的终极场景，没有之一。

自动驾驶发展路径可以分为三大类：

(1)以Google,Uber等为代表的互联网公司，通过价格高昂的传感器(激光雷达为主),“一步到位”地实现完全无人驾驶

(2)以汽车厂商，Tier1等为代表的传统公司，从ADAS切入，“渐进式“地从辅助驾驶实现到无人驾驶的过渡

(3)最后一类是以Tesla等为代表的新兴公司，在传感器与应用场景上相互妥协，模式介于(1)和(2)。;

智能汽车应用场景

(1)无人出租;

智能汽车应用场景

(2)干线物流配送;

智能汽车应用场景

(3)无人巴士(机场摆渡车，园区公交);

智能汽车应用场景

(4)无人扫地车;

智能汽车应用场景

(5)港口装卸;

智能汽车应用场景

(6)矿山运载车;

智能汽车应用场景

(7)无人零售;

智能网联汽车搭载先进车载传感器、控制器、执行器等，融合现代通信与网络技术，

实现人、车、路、后台等智能信息交换共享，具备复杂环境感知、智能决策和执行等功;

感知：我查看了目的地和我之间的地图，获得路我们之间的距离，查看了各类交通

工具的时刻表，还看了自己身上有多少预算，还确定了下当前我在哪城市，等等。一切和任务目标相关的信息我们都尽量获取。需要强调的是在这一步，获取的信息大都是静态的，并不具有动态的时空关系，而且他们仅仅是信息，从大脑的角度我并未对这些信息赋予特别的意义。

理解：获得了信息后，我们需要加入个人的理解，才能将其变成对我们有用的内容。例如我出发到火车站需要40分钟，而最近的一班去上海的火车在30分钟以后启程，那么可以预测的采用该方法是无法赶上火车的。又例如，车站在马路对面，但有隔离带，则我只能通过50m以外的人行道才能穿越眼前马路。又身上仅有500块钱，去上海的机票要700,无法购买机票去上海。诸如此类我们将自己对世界规律理解、总结加入到客观的信息中。因此对客观信息赋予了更神的意义，这些信息可以让我们对未来情况有一??预测，并能够大概知道做出怎样的行为大概率会有怎样的结果。;

决策：我们对未来情况已有了预测，针对这种预测我们可以发现，去上海有两种可

行选择：坐火车或坐长途汽车。两种情况都能达到目的，我怎样选择?“任何行为都是有代价的”我们可以设定一个决策的目标，作为对比各类可能的标的。例如我将的目标设定为花钱最少。长途汽车票价更便宜，哪怕汽车比火车所用时间更多，我也会选择他。又或多维一点，综合考虑时间和成本，我按单位时间的成本做计算，可能火车比汽车更加划算。又或者预算多点，我的选择虽然只有火车，但是也可以在商务座以及二等座之间做一个决策看选择哪一个。

行动：有了任务目的，剩下的就是去按照这个目标去做了。;

慢着，这里又有一个问题。行动第一步是需要到地铁站，但是如何去呢?于是我们

又会回到第一步，开始重复上述步骤。实际上执行一个复杂任务的过程中，我们的我们会不断重复上面4步。按不同周期，不动目标，进行分解，最终，落实到我应该先出左脚还是右脚的具体问题上。;

由于安全驾驶辅助系统承担着一部分驾驶员安全驾驶的风险，所以每个控制系统的

规模都比较小，而自动驾驶系统必须完全承担和替代驾驶员的所有风险。局部动态地图、目标行驶轨迹生成、对环境的理解、危险判断等人工智能功能的安全辅助系统并不追求很精密的信息处理功能。在控制方面也是纵横交错，系统非常复杂。

行驶环境传感器和障碍物识别

·前方障碍物传感器(毫米波雷达、激光雷达、TV摄像机)

·白线车道传感器;

智能汽车体系结构

地图模块。由道路地图和局部动态地图构成。根据GPS和障碍物信息，输出目前道路线形信息、车辆周围障碍物信息、道路空间信息、目标行驶轨迹等。

人工智能模块。依据局部动态地图中的障碍物信息，对周围的行驶环境进行理解和危险预测。

输出模块。对于纵向和横向分别输出各自的信息。在没有上一级指示的情况下，可单独地确保最低限度的安全性，根据上一级指示可以进行修正，确保可靠性和安全性。;

利用传感器、摄像头、雷达感知环境，使用GPS和高精度地图确定自身位置，从云

端数据库接收交通信息，利用处理器使用收集到的各类数据，向控制系统发出指令，实现加速、刹车、变道、跟随等各种操作。;

定速巡航

●定速巡航系统(CruiseControlSystem,CCS)

●自适应巡航系统(AdaptiveCruiseControl,ACC)

●全速