機(jī)器學(xué)習(xí)算法在綠色智能化汽車發(fā)展及研究中的應(yīng)用展望

石國(guó)勇　楊曉　李巖

摘 要：綠色智能化是未來(lái)汽車發(fā)展的必然趨勢(shì)，然而，從傳統(tǒng)汽車向綠色智能汽車的轉(zhuǎn)變還需要在許多技術(shù)上實(shí)現(xiàn)新的突破；其中，機(jī)器學(xué)習(xí)算法對(duì)汽車的綠色智能化發(fā)展具有非常重要的科學(xué)價(jià)值和實(shí)踐意義。所以，該文從機(jī)器學(xué)習(xí)算法在汽車綠色智能化發(fā)展中的應(yīng)用角度出發(fā)，闡述了綠色動(dòng)力、車輛智能化以及機(jī)器學(xué)習(xí)算法的研究現(xiàn)狀，突出了未來(lái)機(jī)器學(xué)習(xí)的在汽車綠色智能化發(fā)展中的的重要地位。

關(guān)鍵詞：汽車 綠色智能 電子通訊 機(jī)器學(xué)習(xí) 應(yīng)用研究

中圖分類號(hào)：TQ330.63 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X（2014）02（a）-0012-03

目前，綠色環(huán)保、節(jié)能減排也已經(jīng)滲透到當(dāng)今的汽車工業(yè)發(fā)展中，并成為后期技術(shù)革新中的一條永恒的主旋律[1-3]。然而，面對(duì)因日益增多的汽車而導(dǎo)致逐漸突出的交通擁堵及安全問(wèn)題，使得汽車“綠色化”發(fā)展顯得特別單??；同時(shí)，隨著電子信息化、人工智能化等高新技術(shù)產(chǎn)品的出現(xiàn)，人們逐漸意識(shí)到曾經(jīng)只能在科幻小說(shuō)和電影中看到的智能汽車已經(jīng)不再是一個(gè)虛幻體。因此，未來(lái)汽車“綠色化”應(yīng)與“智能化”相結(jié)合的發(fā)展思路和方向被廣泛認(rèn)可和提倡，在不久的將來(lái)真的會(huì)出現(xiàn)綠色智能化汽車[4-6]。

雖然，現(xiàn)已在售的汽車已經(jīng)可以將一些高新技術(shù)集于一體，使其整車性能有了很大改善，然而，這距離真正綠色智能化汽車的問(wèn)世還有一定的距離。綠色智能化汽車是智能化交通系統(tǒng)（簡(jiǎn)稱ITS）的重要組成部分，其不僅在緩解能源消耗和環(huán)境污染等問(wèn)題發(fā)揮一定的作用，而且還會(huì)在某種程度上降低日趨嚴(yán)重的交通事故發(fā)生率、提高現(xiàn)有道路交通效率等改善交通狀況方面發(fā)揮重要的作用。綠色智能化汽車不僅可以利用高新電控系統(tǒng)實(shí)現(xiàn)綠色能源的高效利用，而且還利用各種高新的傳感技術(shù)獲取車體自身和車外環(huán)境的全方位狀態(tài)信息，經(jīng)過(guò)機(jī)器學(xué)習(xí)的一些優(yōu)化智能算法的分析及融合等處理后，將最終的決策支持結(jié)果傳遞給駕駛者或者直接傳輸至車體控制系統(tǒng)。一方面，可以在發(fā)生危險(xiǎn)之前提醒駕駛員做出必要的回避動(dòng)作，避免事故發(fā)生；另一方面，還可以在駕駛者無(wú)法做出反應(yīng)的緊急狀況下，由汽車自主完成規(guī)避危險(xiǎn)任務(wù)，幫助駕駛?cè)藛T避免危險(xiǎn)發(fā)生。當(dāng)然，對(duì)于智能汽車系統(tǒng)而言，不僅僅只是指可以實(shí)現(xiàn)自動(dòng)駕駛的汽車，只要是采用了傳感器和微處理器等的汽車也可以說(shuō)成是智能汽車，包括汽車GPS技術(shù)、汽車智能避撞系統(tǒng)、汽車智能“黑匣子”、汽車智能輪胎、氣車智能懸架、智能四驅(qū)動(dòng)力機(jī)構(gòu)、汽車智能鑰匙、汽車智能安全氣囊、汽車夜視系統(tǒng)、司機(jī)分神監(jiān)視系統(tǒng)等。美國(guó)開(kāi)始組織實(shí)施智能車輛先導(dǎo)（簡(jiǎn)稱IVI）計(jì)劃[6]，歐洲提出公路安全行動(dòng)計(jì)劃（簡(jiǎn)稱RSAP）[7]，日本提出超級(jí)智能車輛系統(tǒng)。我國(guó)科技部也啟動(dòng)了相應(yīng)的智能交通系統(tǒng)關(guān)鍵技術(shù)開(kāi)發(fā)和示范工程方面科技攻關(guān)計(jì)劃重大項(xiàng)目[8]，其中的一個(gè)重要內(nèi)容就是研究車輛安全和輔助駕駛，以期實(shí)現(xiàn)人、車、路之間可以形成穩(wěn)定、和諧的智能交通系統(tǒng)。

然而，從傳統(tǒng)汽車向綠色智能汽車的轉(zhuǎn)變還需要在許多技術(shù)上實(shí)現(xiàn)新的突破，不僅包與綠色動(dòng)力汽車密切相關(guān)的汽車電子硬件發(fā)展方面方面，而且還包括直接決定汽車智能程度高低的各種機(jī)器學(xué)習(xí)算法。所以，本文從機(jī)器學(xué)習(xí)算法在汽車智能化發(fā)展中的應(yīng)用角度出發(fā)，對(duì)目前的機(jī)器學(xué)習(xí)算法進(jìn)行概括性綜述，希望能夠?qū)ξ磥?lái)汽車智能化發(fā)展具有非常一定的科學(xué)價(jià)值和實(shí)踐意義。

1 汽車動(dòng)力綠色化的現(xiàn)實(shí)需求

當(dāng)前，面對(duì)即將到來(lái)的能源危機(jī)，作者為世界超級(jí)汽車市場(chǎng)之一的中國(guó)，汽車產(chǎn)業(yè)路只有一條：實(shí)施替代能源戰(zhàn)略、走可持續(xù)發(fā)展的道路。首先，價(jià)廉物美乙醇燃料，是全世界最常見(jiàn)、國(guó)內(nèi)頗為重視且已經(jīng)得到推廣的一種新的替代燃料選擇；類似的，還有丁醇、甲醇這樣的汽油與柴油的生物替代燃料。然而，與直接利用天燃?xì)庖粯?，如何擺脫簡(jiǎn)單改裝并提高醇類替代燃料的效能問(wèn)題還存在一些需作進(jìn)一步研究的問(wèn)題[9]。同時(shí)，技術(shù)復(fù)雜先進(jìn)的混合動(dòng)力（油電混合、氣電混合、油電氣混合等）汽車在機(jī)械與電子方面都有許多新的技術(shù)性突破，讓能源消耗更加節(jié)約與合理而受到廣泛青睞，國(guó)際各大汽車制造廠家紛紛投入競(jìng)爭(zhēng)。日本著手研究較早，美國(guó)也有大規(guī)模投入研發(fā)力量。然而，競(jìng)爭(zhēng)的加劇促也使其實(shí)用性有了長(zhǎng)足的進(jìn)步，低成本、易維護(hù)、高性能逐漸成為混合動(dòng)力研發(fā)的主旋律。此外，高能效、無(wú)污染、低噪音的氫燃料，長(zhǎng)期以來(lái)一直被作為汽車能源的終極解決方案而寄予厚望，各國(guó)的科技精英不僅主攻利用氧與氫的反應(yīng)來(lái)輸出電力的氫燃料電池，而且也開(kāi)始對(duì)氫燃料內(nèi)燃機(jī)開(kāi)展迅速研究。然而，這也需要面對(duì)一些新的問(wèn)題：需要巨大投資來(lái)改進(jìn)現(xiàn)有的車輛并改建加注氫燃料的設(shè)施。一些汽車制造廠已開(kāi)始研究氫燃料內(nèi)燃機(jī)并不斷地推向市場(chǎng)，如寶馬已經(jīng)率先推出了能夠使用氫氣作為動(dòng)力來(lái)源Hydrogen7，搭配6.0L的V12缸車可以輸出高達(dá)260匹的最大馬力，并且百公里加速時(shí)間為9.5 s，而最高時(shí)速則將被電子系統(tǒng)限制在每小時(shí)230公里。雖然它目前使用的仍是汽油和氫雙燃料，但未來(lái)或許汽油動(dòng)力將被完全停用。我國(guó)在氫內(nèi)燃機(jī)方面的研究薄弱，核心技術(shù)的研究以及積累知識(shí)和經(jīng)驗(yàn)是關(guān)鍵。

2 汽車智能化的發(fā)展概述

防撞預(yù)警系統(tǒng)、智能巡航控制系統(tǒng)以及自主駕駛系統(tǒng)是未來(lái)智能汽車研究的主要內(nèi)容，實(shí)現(xiàn)車輛在的全狀態(tài)控制和事故避免。防撞預(yù)警系統(tǒng)功能主要包含防撞提醒，駕駛盲點(diǎn)預(yù)警，起步變道提示、檢測(cè)道路狀況以及駕駛員實(shí)時(shí)監(jiān)控。輔助駕駛系統(tǒng)（ICCS）主要功能包括定速巡航、安全車距保持、惡劣天況下的輔助操控、變并道、超車的最佳車速與車距控制以及緊急情況下的自動(dòng)減速或緊急制動(dòng)等。作為最高級(jí)的自主駕駛系統(tǒng)，通過(guò)傳感器的感知信息和智能算法的決策控制來(lái)實(shí)現(xiàn)自主行駛?cè)蝿?wù)。然而，如何使智能車輛與普通車輛共同行駛在現(xiàn)有道路之中也是有待于攻破的難題之一。

自主行駛的前提是能夠掌握足夠多的有效準(zhǔn)確信息并進(jìn)行暢通的信息交互，因此，先進(jìn)的傳感技術(shù)和通訊技術(shù)是核心。其中，傳感技術(shù)包括雷達(dá)系統(tǒng)、機(jī)器視覺(jué)系統(tǒng)、高精度GPS系統(tǒng)以及磁道釘技術(shù)等，而通訊技術(shù)則依賴于各種網(wǎng)絡(luò)和通訊協(xié)議等。雷達(dá)是一種主動(dòng)型傳感器[10]，優(yōu)勢(shì)在于能夠利用簡(jiǎn)單計(jì)算就能夠在全天氣工況范圍內(nèi)進(jìn)行直接測(cè)量距離、速度、方位等。但也存在一些難以回避的問(wèn)題，如成本高、推廣受阻、光譜分辨率和掃描速度較低、多雷達(dá)間存在干涉等。而低成本的CCD等被動(dòng)型傳感器，可同時(shí)安裝多個(gè)進(jìn)行全方位拍攝，用于提取車道線、識(shí)別近距離障礙物、行人、交通信號(hào)等[11]，但存在易受環(huán)境影響的缺點(diǎn)，尤其是在能見(jiàn)度較低時(shí)無(wú)法使用。高精度GPS可以提供一般傳感器所無(wú)法提供的準(zhǔn)確車輛狀態(tài)信息（車輛位置、行駛方向、速度、加速度等）、豐富的道路信息（彎道曲率、道路結(jié)構(gòu)等）以及進(jìn)行車輛定位、道路跟蹤。但是，在衛(wèi)星信號(hào)不佳或信號(hào)無(wú)法獲取的情況下會(huì)存在失效問(wèn)題。磁道釘也是一種能夠不受天氣的影響提供全天候道路指引的技術(shù)手段：其利用磁傳感器采集道路中的由分散布置的磁道釘形成的磁場(chǎng)來(lái)確定車輛在道路中的位置，利用計(jì)算機(jī)視覺(jué)的輔助信息完成車輛導(dǎo)航。缺點(diǎn)需破壞已有的公路且成本較高普及受到制約。美國(guó)俄亥俄州州立大學(xué)的研究充分證實(shí)：通信問(wèn)題是降低事故發(fā)生率的主要因素[12]。文獻(xiàn)[13]對(duì)不同的通信技術(shù)進(jìn)行了研究，其中，廣域網(wǎng)無(wú)線通信技術(shù)特別適用于車輛與環(huán)境的信息交互。IEEE還專門設(shè)計(jì)了用于車輛/環(huán)境無(wú)線接入（WAVE）方案，等效于為車輛/道路，車輛/車輛之間的短距離通信提供了即時(shí)有效通信協(xié)議。然而，通信規(guī)范問(wèn)題本身就是一個(gè)值得研究的課題，這樣就可根據(jù)規(guī)范設(shè)計(jì)能夠獨(dú)立工作的設(shè)備或模塊。

3 機(jī)器學(xué)習(xí)算法在汽車綠色智能化中的研究展望

美國(guó)州立大學(xué)與Oshkosh貨車公司合作并改裝了一輛能夠自主行駛的智能車，由卡爾曼濾波算法進(jìn)行車輛狀態(tài)信息處理，利用有限狀態(tài)機(jī)確定車輛運(yùn)行模式，最終完成自主行駛?cè)蝿?wù)[14]。因此，對(duì)于綠色智能汽車來(lái)說(shuō)，不管是在動(dòng)力綠色化的技術(shù)實(shí)現(xiàn)方面，還是在智能化技術(shù)的實(shí)現(xiàn)方面，都需要先進(jìn)的機(jī)器學(xué)習(xí)算法作為軟支撐條件，如數(shù)據(jù)融合、濾波及決策控制算法[15]。尤其是汽車的綠色智能化促使汽車領(lǐng)域迎來(lái)了大數(shù)據(jù)時(shí)代，因而機(jī)器學(xué)習(xí)算法也同樣面對(duì)更大挑戰(zhàn)和機(jī)遇：首先，智能汽車數(shù)據(jù)要求需多傳感器支持，所產(chǎn)生的大數(shù)據(jù)需通過(guò)融合計(jì)算得到有效信息進(jìn)行系統(tǒng)決策[16]。并且，大數(shù)據(jù)中存在干擾因素，在使用之前需要進(jìn)行濾波處理，但又不能濾掉有用的靈敏信息，比如智能雨刷系統(tǒng)[17]。然后，對(duì)于自主行駛車輛來(lái)說(shuō)，中心控制的決策是至關(guān)重要的[18]，車輛需通過(guò)決策算法處理海量數(shù)據(jù)來(lái)自主確定并切換到相應(yīng)工作模式來(lái)完成駕駛?cè)蝿?wù)。

機(jī)器學(xué)習(xí)是是人工智能的核心，是使計(jì)算機(jī)具有智能的根本途徑，近年來(lái)在諸多應(yīng)用領(lǐng)域得到成功的應(yīng)用與發(fā)展，已成為計(jì)算機(jī)科學(xué)的基礎(chǔ)及熱點(diǎn)之一。機(jī)器學(xué)習(xí)方法不僅可應(yīng)用于自主車輛駕駛，而且還已成功用于機(jī)器人下棋程序、語(yǔ)音識(shí)別、信用卡欺詐監(jiān)測(cè)、智能機(jī)器人等領(lǐng)域?；趯W(xué)習(xí)策略的分類，即學(xué)習(xí)過(guò)程中系統(tǒng)所采用的推理策略可以分為：機(jī)械學(xué)習(xí)、示教學(xué)習(xí)、演繹學(xué)習(xí)、類比學(xué)習(xí)、基于解釋的學(xué)習(xí)、歸納學(xué)習(xí)。并且，專家系統(tǒng)、認(rèn)知模擬、規(guī)劃和問(wèn)題求解、數(shù)據(jù)挖掘、網(wǎng)絡(luò)信息服務(wù)、圖象識(shí)別、故障診斷、自然語(yǔ)言理解、機(jī)器人和博弈等都是機(jī)器去學(xué)習(xí)的應(yīng)用領(lǐng)域，大部分的應(yīng)用研究領(lǐng)域基本上集中于分類和問(wèn)題求解這兩個(gè)范疇。然而，現(xiàn)有的計(jì)算機(jī)系統(tǒng)和人工智能系統(tǒng)只有非常有限的學(xué)習(xí)能力，不能滿足科技和生產(chǎn)提出的新要求。因此，人類學(xué)習(xí)機(jī)制、新的學(xué)習(xí)方法、多種學(xué)習(xí)方法協(xié)同工作的集成化系統(tǒng)以及機(jī)器學(xué)習(xí)有關(guān)理論及應(yīng)用的研究是今后發(fā)展的主要方向。當(dāng)前，機(jī)器學(xué)習(xí)面臨復(fù)雜海量數(shù)據(jù)、用戶需求多樣化的大數(shù)據(jù)領(lǐng)域[19]，從而，應(yīng)用驅(qū)動(dòng)成為必然，針對(duì)某個(gè)或某類應(yīng)用給出特定的學(xué)習(xí)方法將不斷涌現(xiàn)。如深度學(xué)習(xí)。2013年4月，《麻省理工學(xué)院技術(shù)評(píng)論》雜志將深度學(xué)習(xí)列為2013年十大突破性技術(shù)之首。自2006年以來(lái)，深度學(xué)習(xí)在學(xué)術(shù)界持續(xù)升溫，斯坦福、紐約、加拿大等成為深度學(xué)習(xí)的研究重鎮(zhèn)，美國(guó)國(guó)防部DARPA計(jì)劃也于2010年首次資助深度學(xué)習(xí)項(xiàng)目，腦神經(jīng)系統(tǒng)的確具有豐富的層次結(jié)構(gòu)是支持深度學(xué)習(xí)的一個(gè)重要依據(jù)。2011年以來(lái)，微軟研究院研究人員先后采用DNN技術(shù)降低語(yǔ)音識(shí)別錯(cuò)誤率20%-30%，是該領(lǐng)域十多年來(lái)最大的突破性進(jìn)展。2012年DNN技術(shù)在圖像識(shí)別領(lǐng)域取得驚人的效果，在ImageNet評(píng)測(cè)上將錯(cuò)誤率從26%降低到15%。在這一年，DNN還被應(yīng)用于制藥公司的Druge Activity預(yù)測(cè)問(wèn)題，也獲得世界最好成績(jī)[20-22]。并且，大數(shù)據(jù)時(shí)代迫切也需要深度學(xué)習(xí)，大數(shù)據(jù)里含有豐富的信息維度。深度學(xué)習(xí)通過(guò)構(gòu)建具有很多隱層的機(jī)器學(xué)習(xí)模型和海量的訓(xùn)練數(shù)據(jù)，來(lái)學(xué)習(xí)更有用的特征，從而最終提升分類或預(yù)測(cè)的準(zhǔn)確性。因此，深度學(xué)習(xí)使得人工智能的夢(mèng)想將不再遙遠(yuǎn)。當(dāng)然，這對(duì)于汽車的智能化發(fā)展也將會(huì)是是一個(gè)極大的推進(jìn)，尤其是在汽車語(yǔ)控智能電器系統(tǒng)方面。

4 結(jié)語(yǔ)

汽車的綠色智能化進(jìn)步和發(fā)展需要多學(xué)科領(lǐng)域技術(shù)發(fā)展的推動(dòng)，其發(fā)展又能夠推動(dòng)所涉及學(xué)科和技術(shù)的進(jìn)步與發(fā)展。歐美等發(fā)達(dá)國(guó)家走在技術(shù)前沿，我國(guó)起步晚但發(fā)展空間大且發(fā)展較快。綠色動(dòng)力、通信協(xié)議規(guī)范、通用軟件平開(kāi)發(fā)臺(tái)、多傳感器融合、無(wú)人駕駛技術(shù)、視覺(jué)算法改善及適應(yīng)性等方面是今后的主要發(fā)展方向，并且，機(jī)器學(xué)習(xí)的發(fā)展為汽車的綠色智能化奠定了很好的智能基礎(chǔ)，是今后汽車綠色智能化實(shí)現(xiàn)的最有效手段之一。

參考文獻(xiàn)

[1] 費(fèi)穎.淺談能源發(fā)展中的汽車節(jié)能[J]. 節(jié)能技術(shù)，2008，26（1）：95-96.

[2] 劉廣君.智能后視輔助泊車系統(tǒng)研究與設(shè)計(jì)[J].科技創(chuàng)新導(dǎo)報(bào)，2013（8）： 15，17.

[3] 史玉茜.綠色環(huán)保汽車-太陽(yáng)能汽車[J]. 節(jié)能技術(shù)，2009，27（1）：78-82.

[4] 田園.綠色與智能：中國(guó)汽車的未來(lái)走向[J].廣東科技，2011，12（23）：52-53.

[5] 姜紅德.汽車電子：綠色智能革命[J].中國(guó)信息化，2013（3）：54-55.

[6] 許雅楠.汽車LED照明燈驅(qū)動(dòng)系統(tǒng)的設(shè)計(jì)與仿真[J].科技資訊，2013（8）：113.

[7] European Commission.European transport policy for 2010：Time to decide[EB/OL].[2001-09-12].http：∥ec.europa.eu/transport/roadsafety/road_safety_observatory/rsap_en.Html.

[8] 王笑京，沈鴻飛，汪林.中國(guó)智能交通系統(tǒng)發(fā)展戰(zhàn)略研究[J].交通運(yùn)輸系統(tǒng)工程與信息，2006，6（4）：9-12.

[9] 邵恩坡.發(fā)展天然氣汽車存在的問(wèn)題及對(duì)策[J].節(jié)能技術(shù)，2005，23（6）：554-556.

[10] WicksM C.Radar the next generation2sensors as robots[C]//. IEEE Radar Conference，Washington，USA.2003：4-18.

[11] 沈峘，毛建國(guó)，李舜酩.單目視覺(jué)車道線識(shí)別算法及其ARM實(shí)現(xiàn)[J].南京航空航天大學(xué)學(xué)報(bào)，2008，40（2）：208-212.

[12] Baber J，Kolodko J，Noe T，et al.Intelligent vehicles sharing city roads[J].IEEE Transactions on Robotics & Automation Magazine，2005，12（1）：44-49.

[13] Liu Y，Ozguner U，Acarman T.Performance evaluation of intervehicle communication in highway systems and in urban areas[J]. IEEE Intelligent Transport Systems，2006，153 （1） ： 63-75.

[14] Chen Q，OzgunerU，Redmill K. Developing acompletely autonomous vehicle[J]. IEEE Intelligence Systems，2004，19（5） ： 8-11.

[15] 張新豐，林凱，劉旺，等.汽車語(yǔ)控智能電器系統(tǒng)[J].汽車工程，2007，29 （7）：601-605.

[16] 韓玉敏.汽車智能電子節(jié)氣門控制系統(tǒng)研究[J].交通科技與經(jīng)濟(jì)，2006，8（2）：87-89.

[17] 趙巖，王哈力，等.汽車智能雨刷系統(tǒng)的設(shè)計(jì)[J].電子科技，2007，2（209）： 70-72.

[18] Xin J ianghui，Li Shunming，Liao Qingbin，et al. The application of fuzzy logic in exploration vehicle[C]//.International Conferenceon Fuzzy Systems and Knowledge Discovery.2007：195-203.

[19] 王珊，王會(huì)舉，覃雄派，等.架構(gòu)大數(shù)據(jù)：挑戰(zhàn)現(xiàn)狀與展望[J].計(jì)算機(jī)學(xué)報(bào)，2011（10）：1741-1752.

[20] 余凱，賈磊，陳雨強(qiáng).深度學(xué)習(xí)：推進(jìn)人工智能的夢(mèng)想[J].程序員，2013（6）： 22-27.

[21] 余凱.深度學(xué)習(xí)——機(jī)器學(xué)習(xí)的新浪潮[J].程序員，2013（2）：16-17.

[22] 李藝穎.人工智能的新浪潮——深度學(xué)習(xí)[J].網(wǎng)友世界·云教育，2013（16）：32.