杨宗能1车 鑫2高月仕3饶苍平4刘赤恒5
云南电网有限公司红河供电局
摘要：以推动汽车行业发展、加快转型为目标，探讨人工智能驾驶技术商业化的实现。针对人工智能驾驶技术进行介绍，了解该技术在汽车行业的应用与功能；其次阐述商业化价值、商业化发展现状与实践切入点，为全面实现人工智能驾驶技术的商业化奠定理论基础；最后站在健全公共信息安全机制、优化 AI 驾驶生态系统、加快实现资源与信息共享三个方面提出建议，在现阶段人工智能驾驶技术的应用发展为基础，进一步实现在汽车行业内的推广与普及，以期能为今后汽车与人工智能的深度融合提供参考经验。
关键词：人工智能驾驶技术；商业化；自动驾驶功能；传感器
引言
社会进入智能化时代之后，标志着人工智能技术（Artificial Intelligence，简称 AI）开始向人们的工作、生活各方各面渗透。而且 AI 的实践与应用，不仅扩大了技术本身对社会经济影响力，还使技术更为完善。汽车行业为了适应发展趋势，在新产品研发中融入了 AI，而且经过不断研发与实践，发现了人工智能驾驶汽车，在 AI 基础上开发自动驾驶功能（Autonomous），通过传感器及决策控制等先进技术，在汽车内部控制系统中加入计算机程序实现自主驾驶。AI在汽车驾驶中的应用，不仅能将驾驶体验优化，驾驶操作还更加安全，是解决城市中交通拥堵的有效举措，具有极高的商业价值。
1 人工智能驾驶技术
人工智能驾驶技术最为直接的体现是无人驾驶，这一类汽车的设计重点是感知系统性能。汽车在运行时采集道路、行人、周围障碍物、红绿灯等综合数据，作为自动行驶依据，按照采集到的数据自动制订行驶方案 [1]。无人驾驶在当前汽车行业市场有非常可观的前景，研究重点主要包括无人驾驶、AI、红外线感知等先进技术，不仅提高汽车驾驶效率，还可规避交通事故。传统形式的汽车驾驶，驾驶人员必须在驾驶过程中始终集中注意力，而且做到“耳听六路、眼观八方”，了解实时路况，保证驾驶安全。但长时间驾驶之后难免会产生疲惫感，集中注意力更难，容易发生安全事故 [2]。所以，司机驾驶模式在安全性方面存在不足。将 AI 与汽车驾驶相结合，驾驶安全性显著提升。尤其是 AI 逐渐成熟，在汽车无人驾驶领域也有非常普遍的应用，使无人驾驶水平显著提升 [3]。
2 人工智能驾驶技术商业化的实现
2.1 商业化价值
人工智能驾驶技术商业化的实现，总结其核心为平台化与生态化，有利于加强竞争力。汽车人工智能研发过程中，制订平 台化战 略 、研发 开 放 性技术 平 台，包括 DuerOS（对话式人工智能系统）和 Apollo（阿波罗自动驾驶平台）[4]。其中 DuerOS 平台是以人工智能驾驶汽车硬件厂商为对象，为其提供对话式自然语音交互功能，存在于智能驾驶汽车结构的设备、电器件当中，除汽车行业外，应用场景也体现于智能出行、家居等领域。Apollo 平台覆盖全产业链上下游，将人工智能驾驶技术、信息技术等开放处理，在该平台中所有合作厂商都可用这些技术，实现资源共享。凭借 Apollo 平台共享优势，还可加快技术、产品创新。
2.2 商业化现状与实践切入点
2.2.1 信息采集与安全性
人工智能驾驶技术中，感知是非常必要的前提条件，本质在于海量数据的采集。汽车利用车载传感系统，对周围道路环境进行感知，采集数据后自动规划行车路线，在车辆驾驶过程中精准控制。汽车行驶过程中，需采集的数据量较大，还涉及到数据分析，方可预知、处理事故。人工智能驾驶汽车数据量约为 4000 GB/d，所以车载数据的采集也要做好安全防护，特别是汽车与智能手机连接后，手机储存的所有个人数据都会自动采集到系统中，车内导航系统记录驾驶经过的地点，若汽车有无线通信功能，所有出行轨迹会向交通信息服务器自动传输，从而采集汽车性能、运行状况。届时汽车购买、驾驶、租赁等产生数据均会被自动采集，车主也无法控制数据使用。所以，用户个人隐私与数据安全是非常重要的问题。
2.2.2 生态图谱
人工智能驾驶汽车核心产业链有整车制造业、智能零配件提供业、技术提供方、运营和内容服务提供商四点内容。
（1）整车制造业
作为人工智能驾驶汽车关键性产业，负责汽车核心部件组装、生产工业化的实现，无论是生产下线还是上路行驶，都要依靠整车制造业达到既定目标；
（2）智能零配件提供业
主要是指智能零配件，例如智能感应、摄像头和激光雷达等，智能零配件的作用是帮助汽车对附近车辆概况进行识别，而且提供产业集群；
（3）技术提供方
技术提供方属第三产业，一般要规划汽车行驶路径，此环节应用高精度数字地图便可规划精确地行车路线；另外，采用数据技术与决策，可直接利用集合感应识别层分析传导数据，智能决策芯片制定决策，为车辆的行驶提供执行指令。当执行层接收决策层指令，会根据决策指令、电子行车系统驾驶，进而达到指定地点；
（4）第四产业，运营和内容服务提供商运营商负责的是移动互联接入这一项专业服务，将驾驶人、智能驾驶汽车紧密连接起来。内容服务提供商的作用是为汽车乘坐者提供更加多功能且智能化的体验，提供车载信息服务，使信息价值达到最大。
2.2.3 核心技术开放性
因为人工智能驾驶技术具有极高的专业性，所以技术本身对研发企业而言属最高机密，不能实现技术贡献，在核心技术开发性上有所欠缺。
3 人工智能驾驶技术商业化的对策建议
3.1 健全公共信息安全机制
汽车行业处在人工智能时代环境下，AI 驾驶汽车采集个人信息量逐渐增多，会面临公共信息安全问题。建议企业联系当地的政府职能部门，深入落实公共信息安全机制，政府部门引领公共信息安全各项工作的深入执行；另外，政府职能部门应对公共信息安全法律、法规的执行进行监督与管理。汽车企业研发 AI 驾驶技术期间，也可通过实践来完善互联网公共信息安全机制，积极联系政府部门，保证公共信息安全。
3.2 优化 AI 驾驶生态系统
AI 驾驶技术商业化目标的实现，期间会加快价值链生态流程创新，原有创新技术向商业创新加以转化。尤其处在 AI 时代，实现 AI 驾驶技术商业化也可推动高额数据产业发展，而且优化 AI 驾驶生态系统更加优化。AI 驾驶技术作为汽车新商业时代下不可获取的推动力，利用关键价值要素，确定关键价值创造节点，无论是技术创新、技术平台整合，还是商业战略的制订与执行等，都是实现商业化目标不可缺少的重要因素。具体如下：
3.2.1 开源技术平台主要的功能为跨界技术、聚合技术与共享技术平台；
3.2.2 核心技术创造涵盖软件、硬件、大数据和云计算 4 种 AI 核心技术；
3.2.3 开放技术平台需要为第三方提供平台内软、硬件程序编程接口；
3.2.4 技术操作系统可将连接、交互、存储、云端因素一体化整合；
3.2.5 应用解决方案通过创新技术解决商业化实现进程中存在的问题；
3.2.6 商业运营系统以操作系统为基础运行商业生态模式；
3.2.7 用户场景应用是 AI 时代环境下汽车市场全新形态；
3.2.8 用户动态数据循环是指用户场景内部采集到的用户动态数据，在学习、成长过程中的反复应用。以往汽车行业商业模式带有垂直整合性质，基于该模式汽车制造厂商针对所有零部件供应商进行管理，合理调整与优化布局，今后人工智能驾驶汽车行业的发展重点集中在横向管控上，即以人工智能驾驶汽车为主体实现服务布局。人工智能驾驶技术商业化最为理想的方式是搭建生态系统，以 DuerOS、Apollo 等技术开放平台为基础，综合使用计算机模拟人脑技术、云计算等，重点考虑消费者需求，使生态系统更加完整；另外，提高汽车企业现有资源利用率，在AI 驾驶研发过程中，可融入高精地图数据平台、智能驾驶操作系统平台等功能，为消费者提供更加高质量的服务。
3.3 加快实现资源与信息共享
AI 开放平台中融合汽车企业掌握的所有先进技术、计算资源，对比传统汽车制造企业需用的数据资源、应用需求等，有利于整合人工智能驾驶供、需双方资源，提高整体运营效率，还有利于推动实现人工智能驾驶技术商业化。
所以，关于 AI 开放平台的应用，是 AI、实体经济融合创新非常必要的条件，促进实体经济转型与发展。鉴于此，为了得到人工智能驾驶技术商业化的目标，必须要扩大企业参与规模，逐渐加入到人工智能开放平台，实现科研成果与数据共享。
建议政府部门在项目、税收等方面提供优惠政策，激励汽车企业更加积极地参与到开放人工智能平台中，引进智能基础设施，不仅加强汽车企业在智能化时代下的市场竞争力，还有利于扩大人工智能开放平台的影响范围。采取智能化升级与指数评估方法，为各个地区的汽车行业实现人工智能驾驶技术商业化提供动力，使智能产品得到推广。人工智能驾驶技术要与本土资源结合，深度学习开源平台，将产、学、研紧密结合，使创新技术基础更加扎实。作为汽车企业实现人工智能驾驶技术商业化期间，应该善于应用新媒体展开宣传，使所有客户群体都可正确认识人工智能驾驶，凸显人工智能驾驶汽车商业化价值。
一方面 AI 技术处在线性推进的进步趋势下，针对今后我国人工智能驾驶商业化态势的预测，可能会有个别思想认为技术发展可能是对过往推进速度的延续。实际 AI 驾驶技术发展速度更快，遵循摩尔定律可直接优化汽车硬件性能，减少硬件成本，而且 AI 驾驶汽车的普及，所有零部件成本也必然会降低。如此 AI 驾驶技术在我国汽车行业的应用将更加深入；与此同时，AI 驾驶是以机器自主学习为基础，驾驶积累的经验数据整合之后共享，AI 驾驶汽车可获取其它车辆分析的经验，这对我国汽车 AI 操作系统的研发、完善是非常有利的举措；另一方面，AI 驾驶必须要有大量基础设施，且需保证充足的成本投资。AI 驾驶汽车保证通车流畅性、实时路况采集与道路标志线等关键信息清晰性，可有效发挥出 AI 驾驶技术的优势，但为了提高汽车视觉识别性能，这就需引进特殊基础设施，还有助于实现数据共享。AI 驾驶汽车凭借计算机处理系统中具有的机器视觉功能，在智能汽车现有功能基础上增加高、精数字地图，达到路面视觉分享效果。
结论
综上所述，人工智能驾驶技术在智能化时代下是汽车行业转型非常必要的方向之一，应用 AI 技术、引进功能完善的设备，为汽车企业研发与创新提供切实可行的参考；与此同时，人工智能驾驶技术商业化作为现阶段行业的基本目标，要想切实体现商业化价值，必须转变传统观念与运营模式，正确认知 AI 对汽车产品的重要作用，有利于实现汽车行业的创新发展。
结论
本文通过对SLAM建图及其算法进行分析，设计出一种基于SLAM建图的的无人车，并进行无人车运动模型的搭建。选择室内布置道路进行车道线检测和行驶，通过无人车室内道路试验，验证了无人车可以正常的采集道路信息并按照轨迹行驶，且具有良好的操纵稳定性，可以满足设计要求。
参考文献：
[1]赵志成,华一丁,王文扬,等.智能车辆驾驶行为决策方法研究[J].现代信息科技,2019,3(24):191-193.
[2]廖爽,许勇,王善超.智能汽车自动驾驶的控制方法研究[J].计算机测量与控制,2014,22(8):2472-2474.
[3]张天懿.智能汽车自动驾驶的控制方法分析[J].时代汽车,2019,(1):19-20.
[4]吴祖亮.探讨智能车辆驾驶行为决策方法[J].大科技,2020,(7):273-274.
[5]白林.智能汽车环境感知算法及测试评价方法分析[J].时代汽车,2020,(2):4-6.