鄧瑞

摘 要：在科技社會不斷發(fā)展條件下，無人駕駛汽車在交通運(yùn)輸行業(yè)中地位層次逐漸提高。為滿足無人駕駛汽車安全運(yùn)行要求，深度學(xué)習(xí)在無人駕駛汽車領(lǐng)域的應(yīng)用具有重要的作用，為避免無人駕駛汽車運(yùn)行缺陷和運(yùn)行安全問題提供了理論基礎(chǔ)。本文將針對無人駕駛汽車展開研究，首先簡要概述深度學(xué)習(xí)，之后闡述無人駕駛汽車的基礎(chǔ)理論，最后介紹深度學(xué)習(xí)在無人駕駛汽車中的應(yīng)用，使深度學(xué)習(xí)優(yōu)勢和現(xiàn)實(shí)作用得以體現(xiàn)。

關(guān)鍵詞：深度學(xué)習(xí);無人駕駛汽車;行人避讓

0 引言

盡管無人駕駛汽車對于推動我國交通運(yùn)輸行業(yè)向著現(xiàn)代化方向發(fā)展有重要作用，但是不可否認(rèn)無人駕駛汽車在實(shí)際運(yùn)行過程中還存在一些問題，這就應(yīng)在考慮各項基礎(chǔ)因素條件下強(qiáng)化深度學(xué)習(xí)在無人駕駛汽車中應(yīng)用力度，降低無人駕駛汽車在運(yùn)行過程中出現(xiàn)安全問題的可能性。加強(qiáng)深度學(xué)習(xí)算法原理在自動駕駛領(lǐng)域中的應(yīng)用，發(fā)揮深度學(xué)習(xí)在無人駕駛汽車中作用效果，以更好的保障無人駕駛汽車實(shí)際運(yùn)行安全和穩(wěn)定性。

1 深度學(xué)習(xí)的概述

深度學(xué)習(xí)概念源于人工神經(jīng)網(wǎng)絡(luò)研究，是機(jī)器學(xué)習(xí)研究中一個新領(lǐng)域，其動機(jī)在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，通過組合底層特征形成更加抽象表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)分布式特征表示;它模仿人腦機(jī)制來解釋數(shù)據(jù)，例如圖像、聲音和文本等。深度學(xué)習(xí)可以自動地從學(xué)習(xí)樣本中學(xué)習(xí)特征，卷積神經(jīng)網(wǎng)絡(luò)、基于多層神經(jīng)元的自編碼神經(jīng)網(wǎng)絡(luò)、深度置信網(wǎng)絡(luò)為深度學(xué)習(xí)領(lǐng)域的典型訓(xùn)練模型。改善了傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練機(jī)制，其訓(xùn)練機(jī)制為采用無監(jiān)督訓(xùn)練過程初始化各層參數(shù)、基于無監(jiān)督訓(xùn)練過程得到的各層參數(shù)進(jìn)行有監(jiān)督學(xué)習(xí)的訓(xùn)練過程，得到優(yōu)化模型，克服了傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)算法中出現(xiàn)的陷入局部最小、過擬合等問題。

2 無人駕駛汽車的基礎(chǔ)理論

對無人駕駛汽車展開研究，汽車無人駕駛系統(tǒng)基本上是由激光測距儀、視頻攝像頭、車載雷達(dá)、微型傳感器和電腦處理系統(tǒng)共同組成。將多傳感器信息相融合，提高場景識別能力，能夠強(qiáng)化無人駕駛汽車運(yùn)行效果和安全水平。同時應(yīng)對無人駕駛汽車運(yùn)行過程中各項數(shù)據(jù)信息展開有效處理，保證車與車、人與車之間距離合理性和安全性，確保無人駕駛汽車可以自主進(jìn)行決策，避免無人駕駛汽車與其他車輛或障礙物之間距離過小而出現(xiàn)安全問題。

3 深度學(xué)習(xí)在無人駕駛汽車領(lǐng)域中應(yīng)用

3.1具體應(yīng)用要求

為保證深度學(xué)習(xí)在無人駕駛汽車領(lǐng)域的應(yīng)用，應(yīng)在考慮無人駕駛汽車實(shí)際運(yùn)行要求條件下收集相關(guān)數(shù)據(jù)，并在各項數(shù)據(jù)信息支持下對第一層開展無監(jiān)督學(xué)習(xí)，以此強(qiáng)化各項數(shù)據(jù)信息聚類效果，并按照各項數(shù)據(jù)信息劃分類型對其展開有效判斷，確保無人駕駛汽車運(yùn)行中第二層節(jié)點(diǎn)閾值調(diào)整水平和基礎(chǔ)數(shù)據(jù)輸入效果有所提升。在大量數(shù)據(jù)信息支持下對無人駕駛汽車運(yùn)行中每一層網(wǎng)絡(luò)開展無監(jiān)督學(xué)習(xí)時，必須保證各層次監(jiān)督學(xué)習(xí)訓(xùn)練效果和高層次數(shù)據(jù)信息輸入力度，降低各項數(shù)據(jù)信息在實(shí)際輸入過程中出現(xiàn)各項問題可能，更為有效地強(qiáng)化深度學(xué)習(xí)在無人駕駛汽車中應(yīng)用力度和現(xiàn)實(shí)作用，提高無人駕駛汽車運(yùn)行安全性和綜合價值。

3.2行人及障礙物避讓

行人及障礙物避讓是基于獲取的行人及障礙物的距離、位置、運(yùn)動方向等數(shù)據(jù)信息和/或圖像信息，自動控制無人車的速度、轉(zhuǎn)向、制動以安全的避讓行人或障礙物;如果無人駕駛汽車前方有行人或障礙物，就應(yīng)要求無人駕駛汽車及時進(jìn)行自動決策實(shí)現(xiàn)安全避讓，對傳感器獲取的行人或障礙物的數(shù)據(jù)進(jìn)行處理，實(shí)現(xiàn)無人駕駛汽車加、減速及轉(zhuǎn)向控制，避免在運(yùn)行過程中出現(xiàn)交通安全事故。基于卷積神經(jīng)網(wǎng)絡(luò)生成無人車的自主避讓決策能夠提高控制精度，進(jìn)而提高無人車的安全性;建立卷積神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)分析模型，將車載攝像裝置的采集的原始圖像信息作為輸入數(shù)據(jù)，以無人車的轉(zhuǎn)向、速度控制、制動踏板控制為輸出層，建立數(shù)據(jù)分析模型，采集駕駛員的操控數(shù)據(jù)作為樣本數(shù)據(jù)，用樣本庫數(shù)據(jù)訓(xùn)練模型確定模型參數(shù)同時還應(yīng)在深度學(xué)習(xí)支持下強(qiáng)化無人駕駛汽車不同運(yùn)行距離監(jiān)督控制力度，有效調(diào)整無人駕駛汽車與行人之間距離，使得無人駕駛汽車與行人之間距離達(dá)到合理狀態(tài)，避免無人駕駛汽車在實(shí)際運(yùn)行過程中因整體決策效果低下而出現(xiàn)撞到行人或障礙物的現(xiàn)象。利用深度學(xué)習(xí)對無人駕駛汽車行人及障礙物的避讓過程進(jìn)行決策，發(fā)揮無人車自動避讓技術(shù)在無人駕駛汽車運(yùn)行中作用效果，以提高安全性。

3.3場景分類識別

無人駕駛汽車的安全性是該領(lǐng)域的重要問題，無人駕駛汽車的場景識別對行車安全性有著重要的影響，無人駕駛汽車的場景識別能力亟需提高。無人駕駛車輛的場景識別是指通過雷達(dá)傳感器、車載攝像裝置獲取道路及道路周邊的數(shù)據(jù)信息，經(jīng)過圖像及數(shù)據(jù)處理識別道路以及道路中的車輛及行人。隨著深度學(xué)習(xí)在圖像、聲音領(lǐng)域研究中不斷取得的進(jìn)展，尤其是卷積神經(jīng)網(wǎng)絡(luò)理論研究的發(fā)展，使其在無人駕駛車輛的場景識別中具有重要的作用。通過卷積神經(jīng)網(wǎng)絡(luò)對車載攝像裝置捕捉的圖像信息進(jìn)行圖像分割、自學(xué)習(xí)特征提取，通過提取圖像中的特征信息識別目標(biāo)的屬性，輸出場景類別數(shù)據(jù)，實(shí)現(xiàn)道路場景的分類識別，從而為無人駕駛車輛的自動控制決策提供重要的依據(jù)。

4 結(jié)語

就無人駕駛汽車而言，強(qiáng)化深度學(xué)習(xí)在其中應(yīng)用力度，不僅可以改善無人駕駛汽車在實(shí)際行駛過程中出現(xiàn)問題，對于無人駕駛汽車綜合控制能力和安全效果也有極其重要作用。這就應(yīng)保證無人駕駛汽車遠(yuǎn)程操控人員對深度學(xué)習(xí)模式有所了解，確保深度學(xué)習(xí)在無人駕駛汽車中應(yīng)用價值得以體現(xiàn)。上文還介紹了深度學(xué)習(xí)在無人駕駛汽車領(lǐng)域中，關(guān)于場景識別以及自動避讓技術(shù)方面的應(yīng)用，借以保證深度學(xué)習(xí)在無人駕駛汽車管理和安全行駛過程中發(fā)揮最大作用。

參考文獻(xiàn)

[1]尹訓(xùn)俊，郭曉林.基于5G通信技術(shù)下的汽車無人駕駛技術(shù)探討[J].汽車實(shí)用技術(shù)，2020（12）：15-17.

[2]孫嘉浩，陳勁杰.基于強(qiáng)化學(xué)習(xí)的無人駕駛仿真研究[J].農(nóng)業(yè)裝備與車輛工程，2020，58（06）：102-106.

[3]李世凱，劉明旭.無人駕駛汽車安全性分析[J].內(nèi)燃機(jī)與配件，2020（09）：220-221.

[4]蘇保國.無人駕駛汽車的先進(jìn)技術(shù)與發(fā)展[J].內(nèi)燃機(jī)與配件，2020（09）：236-238.