智能驾驶简介
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。
智能驾驶作用及意义
（1）从技术方面看，智能驾驶与电动车有着天然关联性，汽车发展的演进路径正在从一条变成两条
智能驾驶与电动车有着天然的关联性，两者存在互相促进、互相支持的关系。电动车采用电动控制，电动车的根本在电池和电池控制、电控也是算法驱动的行业，这是电动车区别于传统汽车的一个特点，车内电信号可以直接被系统收集。其次，采用电动力，而非传统的物理传动，使得车内的电信号可以直接被系统收集。智能驾驶能够帮助解决电动车的充电、节能等核心问题，电动车智能交互系统的背后是将车身机械语言和车联网电子信息语言统一起来，所有信息可以上传下达，实现车与人、车与云的互联。
这样一来，汽车行业就由原来以内燃为主的一条技术演进发展路线，演化成为一条以内燃机为主，一条以电池、电机为主的发展路线，从而使汽车发展的演进路径正在从一条变成两条。另外，后一条的发展空间和边际收益明确要快于传统的路线。未来．汽车的核心配置将不再是多少排量，而是用千瓦、G赫兹、GB，以及连接人车路的程度来衡量。未来汽车的核心价值将被计算能力、人工智能、智能驾驶、云及电动力来重构。这其中的商业机会不言自明 [2] 。
（2）从交通方面看，智能驾驶将大大提升生产效率和交通效率，并有可能成为人工智能首先突破的领域
智能驾驶将是未来解决交通拥堵的重要枝术，能大大提升生产效率和交通效率。一方面，随着智能驾驶的普及，交通拥堵不再是问题，人们可以接受更长的通勤距离，汽车可以是家和办公室的自然延伸，更有利于新型的城镇化建设。另一方面，智能驾驶汽车的运行需要配套的交通基础设施，由于智能驾驶漳传感器感知路面障碍，或者通过4G/DSRC与道路设施通信，因此需要在交叉路口、路侧、弯道等布置引导电缆、磁气标志列、雷达反射性标识、传感器、通信设施等。
当前的基础设施，包括超宽车道、护栏、停车标志、振动带等现有设置的交通道路将不再适用。更重要的是，智能驾驶可以为构建智能交通系统提供支撑。智能交通系统是将先进的信息技术、数据通讯技术以及计算机技术等有效地综合运用于整个交通管理体系和车辆而建立起来的一种大范围、全方位发挥作用的、实时、准确、高效、先进的运输系统。
更具体来说，高精度全球定位、高速无线通信、云计算、云控制的智能交通系统的构建是基于配备高精度北斗定位系统和高速无线通讯系统的智能驾驶汽车、配备有超级计算机的控制中心、移动终端以及相应的配套基础设施。车辆通过通讯系统将高精度的自身经纬度、高度、目的地等相关数据发送至控制中心。控制中心通过处理全部车辆状态信息、目的地信息等，为全体车辆规划最优路线，并将车辆的控制信息实时传达至全体车辆，从而实现全系统内的智能驾驶。通过完全封闭的双层道路设计，可以取消全部红绿灯，并通过在转弯处设置具有一定斜度的路面，保证车辆在整个系统中可以保持高速行驶。在配套的智能停车系统、智能充电系统、智能检修系统等辅助系统的支持下，实现车辆使用全过程以及全生命周期的智能化，从而可能成为人工智能首先突破的领域。
（3）从产业发展看，智能驾驶将引领汽车产业商业模式创新，并重塑产业生态
首先，作为“智能制造”和“互联网+”时代的产物，智能驾驶将引领汽车产业生态及商业模式的全面升级与重塑。自汽车取代马匹以来，智能驾驶汽车堪称交通运输领域最具颠覆性的设计。未来的汽车将从“配备电子的机械产品”向“配备机械的电子产品”转变，成为可以安全、舒适、便捷移动的智能互联终端，即实现车辆的全面智能化、倍息化。
同时，汽车产业庞大的用户群体、多种多样的使用环境，也将衍生出具有重要商业价值的大数据，从而影响产业链条的重组、价值实现方式的转现方式的转变和商业模式的创新。由此，整个汽车产业将发生空前深度和广度的变化：传统的汽车使用、设计、制造、销售、售后及管理模式极有可能被彻底颠覆，新模式下的新商机将有无穷多种可能，包括管理、维护、性能检测、服务、备件、回收与再利用、金融、信用等。在这一巨变过程中，智能驾驶无疑将处于中间枢纽和核心环节的地位。
以交通工具共享为例，智能网联可以为交通工具共享的普及提供支撑，而只有具备智能驾驶能力的智能交通工具，才能彻底。解放人。，从而使全天候的交通工具共享真正成为可能，实现交通工具使用的。理想主义”：即无需拥有、按需使用、随用随叫、随用随还。这种”轻拥有、重使用”的新型文化将显著提高交通工具的利用串，使得兼顾百姓用车需求和节约型汽车社会成为可能。因此，智能驾驶将引领汽车产业生态及商业模式的全面升级与重塑。
（4）从经济方面看，智能驾驶是信息化与工业化融合的典型代表，并有可能引发第四次工业革命
传统的交通工具，比如汽车是工业文明的代表产品，而人工智能是信息化社会的代表产品，两者的结合就是智能驾驶，是两化融合的重要代表。因此，智能驾驶不仅仅是新一代的交通工具，也是个性化需求和数据的收集终端和交互平台，更是全新的智能制造体系及产业价值链的核心环节。
智能驾驶广阔的商业化前景受到了资本市场的广泛关注，投资机构、互联网巨头等纷纷与车企、科研机构、创业企业等合作进军该市场。智能驾驶不仅能使交通工具产品本身的价值呈现几何级数增长，还能为相关领域提供全新的解决方案，与新能源汽车、机械、交通、电子、信息、互联网、通讯、能源、环保、城市建设等众多领域进行深入合作，实现协同创新、融合发展。智能驾驶作为引领未来交通产业技术发展方向的战略制高点，将有可能引发第四次工业革命。
（5）从社会方面看，智能驾驶将缓解劳动力短缺的矛盾
世界经济发展正面临着劳动力红利的缺失、老龄化社会的挑战。智能驾驶能够实现“机器换人”和产业转型升级，“智能+X”将成为万众创新的新时尚和新潮流。不能说发展智能驾驶能够解决所有的经济问题和社会问题，但是可以说智能驾驶能够为解决劳动力短缺引的经济问题和社会问题创造良机。比如，智能驾驶将推动汽车所有权形式和使用方式的改变，既能够有效降低汽车出行成本，也能够缓解劳动力短缺。
摩根士丹利分析师凯蒂·休伯蒂(KatyHuberty)认为，到2030年，智能驾驶将开创一个规模可达2.6万亿美元的共享机动车市场，并大大降低出行成本。
（6）从环境方面看，智能驾驶能够改善汽车对城市环境的污染
尽管汽车产业对环境污染(如雾霾)的具体影响程度尚存争议，但汽车无疑是主要污染源之一，尤其是城市环境的主要污染源。
新能源汽车
首先，智能驾驶系统能够有效减少污染物徘放。德克萨斯大学奥斯汀分校的研究人员研究了二氧化硫、一氧化碳、氮氧化物、挥发性有机化合物、温室气体和细小颗粒物。结果发现：使用智能驾驶车共享系统不仅节省能源，还能减少各种污染物的排放，其次，智能驾驶能够通过提高车辆利用率减轻污染。汽车可以按照时间顺序依次供需要的人使用，因此可以更好地统筹安排车辆使用，解放司机，提高车辆的使用效率，减少车辆消费总量，有效减少碳排放。此外，智能驾驶通过缓解交通拥堵降低污染物徘放。
一项2016年的研究估计，“等红灯或交通拥堵时汽车造成的污染比车辆行驶时高40%。而智能驾驶通过基于实时路况安排路线、规范化行驶、编队匀速行驶等能够有效缓解交通拥堵，从而使得废气的徘放大大减少。最后，智能驾驶和新能源汽车产业存在相互促进的关系，智能驾驶在未来可大大提高新能源汽车的使用率，而新能源汽车代替传统汽车则可以有效降低噪声污染。
（7）从安全方面看，智能驾驶汽车将由交通工量演变成智能平台，并将成为信息安全的新焦点
智能驾驶汽车将由交通工具演变成智能平台，其作用将从简单的移动运输扩展到办公、娱乐、休闲，成为人们在移动中的一个重要的生活服务终端。
事实上，自2014年开始，智能驾驶成为国际消费类电子产品展览会(CES)的一大主角，汽车不再只是一个可以移动的代步工具，而成为人们在移动中的一个重要的生活服务终端。2015年有十多家汽车厂商参展，为汽车融人了更多的智能元素。奔驰展出一台名为“休息厅”的智能驾驶汽车，车内有四个可旋转的座椅，可以旋转组成一个整体，如同休息室：前排一列显示屏，能让驾驶员和乘客控制车载娱乐系统，并支持手势控制和眼球追踪，这款汽车最拉风的功能是其前后LED车灯，能基于汽车的驾驶状态改变颜色。
通用汽车在CES上展示了旗下OnStar联网汽车服务的多项新功能，其中包括一项车内购物服务，用户可以在车内进行网上购物，甚至可以帮助用户预订酒店、提供优惠券及零售商信息，并帮助用户找到停车位。芯片商也在加码智能驾驶，英伟达面向智能汽车推出了专门的移动芯片，谷歌的Android Auto和苹果的Carplay也将成为各大汽车商争相寻求合作的热点。带有很强移动特性的汽车，在搭裁了4G等更为强大的无线通信联网功能之后，也演变成了一个“移动终端”，并且是“块头最大”的移动终端，这个终端在2017年的变革是，汽车的功能将从简单的运输，扩展到办公、娱乐和休闲。汽车将不再单只是一个可以移动的代步工具，而成为人们在移动中的一个智能平台，为乘客提供丰富的生活服务。智能驾驶演变为智能平台后，平台将会拥有海量重要信息和消费者隐私，其信息安全的重要性不言而喻 。
智能驾驶系统
智能驾驶系统是一个集中运用了先进的信息控制技术，剧本环境感知、多等级辅助驾驶等功能于一体的综合系统。智能驾驶系统作为各国重点发展的智能交通系统中的一部分，仍在不断的探索与实验中 。
系统逻辑结构
图1 数据流模型
按照递阶控制结构理论及交通系统的层次性结构特性，可将基于互联网思维应用的智能驾驶系统的逻辑框架自下而上划分为：感知层、网络层、分析层和应用层。
（1）感知层具体解释为采集驾驶员的行驶过程中涉及到的驾驶信息。
（2）网络层具体解释为驾驶信息的传输、调度、存储。
（3）分析层具体解释为驾驶信息的后台大数据处理技术。
（4）应用层具体解释为数据分析结果的反馈控制及其应用。
1系统数据流构成及其分析
结合系统上述的逻辑结构，具体对数据流模型进行分析，模型设计如图1所示。
1.1感知层介绍
感知层，即数据采集层，主要由影响驾驶的各要素信息构成，即人、车、路的信息采集及三者信息的相互联系与交叉影响，主要可以分为以下两点：
（1）路况信息的采集，如道路几何构造，路面状况，道路灾害，路网条件及交通状况等，一般可通过GPS或北斗系统等高精度导航系统进行采集。
（2）车辆信息，车辆信息主要包括车辆原始数据，如（车辆型号，车辆理论参数等）以及车辆行驶动态数据，如（行车速度，行车时间、行车轨迹等），一般可通过CAN总线的方式进行数据采集。
1.2网络层介绍
网络层，即数据的传输调度层，路况信息在经过导航系统进行数据采集后通过报文通信的方式进行数据传输，车辆信息有CAN总线进行数据采集后以GPRS通信模块的方式进行数据传输，数据传输至本层后，由本层进行汇总整合后传输至分析层中。
1.3分析层介绍
分析层，即大数据的分析处理层，由于大数据采集与处理的无序性，在已定义的函数模型下，对影响驾驶的数据进行计算处理。处理结果将传送至应用层中，同时将返回至网络层中进行存储与调用，并在网络层中建立行驶数据库。
1.4应用层介绍
应用层，即应用服务层，依据数据采集与处理的结果，通过数据接口的方式可进行跨应用，跨系统之间的信息共享与信息协调。在互联网的大数据应用思维及互联互通的理念下，智能驾驶系统的应用主要为分为三大模块：用户服务系统、交通管理系统、汽车营销系统。
（1）用户服务系统。基于互联网思维的智能驾驶系统以驾驶员的行车安全性、舒适度等为约束，通过互联网的云处理与计算平台，得出建议的车辆安全行驶评定值、预警意见、适宜车速等驾驶控制数据流，由车体通过CAN总线接收数据，自动进行数据信号转换，进行行驶控制与调节，同时提出行驶对策的辅助指导可视化界面，人机交互协调车辆关系，保障行车安全，提高人的驾驶愉悦性。
（2）交通管理系统。通过对行驶数据库的调用，交通管理部门可准确、实时地掌握的行驶状况，更好地组织、规划、协调、指挥运输活动，提高道路行驶效率，降低交通损耗率。
（3）汽车营销系统。行驶数据库可为汽车企业提供企业数据服务，提高车体质量，促进企业方向性的发展 [4] 。
系统数据流传输及其分析
数据流的传输主要为路况车辆数据的采集和数据的传输，在此以北斗导航系统、CAN总线与GPRS通信模块路况数据的传输为例进行分析：
1数据采集
北斗导航系统基于覆盖全国的GSM数据蜂窝移动通信网络，北斗导航系统所采集的路况信息可通过GSM通信网络中特有的信令信道与本系统进行双向报文通信传输。
2数据分析
车辆内部网络的一般为总线型网络拓扑结构，用CAN总线与LIN总线进行网络连接。其中CAN总线连接了车辆ECU和几乎所有控制节点、信息节点，可对车辆数据进行采集。数据采集完成后，选择通用分组无线业务（General Packet Radio Service，GPRS）进行无线数据交换，即CAN总线控制器所采集的数据信息以GPRS通信模块的形式，传输到智能驾驶系统中，经过分析层处理后的数据，同样以GPRS通信模块的形式返回到CAN总线控制器上。
系统数据流处理及其分析
图2 系统数据流处理模型
在此以采用Google公司提出Map-Reduce技术搭建云计算平台为例进行分析，建立驾驶信息大数据分析处理的并行计算模型，如图2所示，其技术框架主要分为三部分：分布式驾驶文件系统、驾驶信息并行编程模型、并行执行引擎。
1分布式驾驶文件系统
其主要运行在大规模数据集群上，主要实现所采集的驾驶原始数据的集中管理，以及对处理后的指导驾驶的数据的分类存储，以便客户端的访问与调用。
2驾驶信息并行编程模型
驾驶信息并行编程模型主要分为两个阶段，即Map阶段与Reduce阶段。
3并行执行引擎
Map函数处理Key/Value对，即将分布式驾驶文件系统中集中管理的驾驶信息大数据进行分块，可分为速度数据块、行车轨迹数据块、行车时间数据块、车距数据块等，分别带入到相应速度模型、行车轨迹模型、行车时间模型、车距模型等函数计算模型中，得出一系列速度、行车轨迹、行车时间、车距等key/value对。Reduce的函数处理则是识别数据来源，对处理key/value对进行数据整合输出。
系统数据流反馈指导驾驶及其分析
建立信息共享、融合、加工的系统平台可派生出丰富的智能交通的具体应用。例如具有部分驾驶权限的车载终端控制系统，可以传输人-车系统所具有的速度、车间距等信息，结合路况信息，通过云平台的实时计算进行反馈，在危险路段指导驾驶乃至控制驾驶，保证行车安全及交通畅通 。
智能驾驶发展阶段
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 。
智能驾驶研究中的问题
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 。
智能驾驶发展前景
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 。
