摘 要：目前，人工智能與無(wú)人駕駛所引領(lǐng)的高新科技方興未艾，兩者的結(jié)合能夠?yàn)楦咝录夹g(shù)的研發(fā)起到推動(dòng)作用。本文對(duì)人工智能應(yīng)用到無(wú)人駕駛中的作用進(jìn)行了簡(jiǎn)單闡述，并且分析了人工智能的應(yīng)用優(yōu)勢(shì)，能夠提高無(wú)人駕駛的安全性、時(shí)效性、降低能源消耗等，同時(shí)闡明技術(shù)應(yīng)用的觀點(diǎn)，旨在能夠?yàn)閮烧呷诤祥_(kāi)拓思路。

關(guān)鍵詞：人工智能技術(shù) 車(chē)輛 無(wú)人駕駛 應(yīng)用

1 引言

近年來(lái)，對(duì)無(wú)人駕駛技術(shù)與人工智能技術(shù)研究成果已經(jīng)逐漸走入大眾視野，而人們對(duì)于無(wú)人駕駛技術(shù)的安全性等問(wèn)題還持有懷疑態(tài)度，而人工智能技術(shù)的應(yīng)用，能夠有效解決無(wú)人駕駛中的一系列安全性問(wèn)題。因此，人工智能與無(wú)人駕駛的結(jié)合，已成為必然趨勢(shì)。

2 人工智能技術(shù)在車(chē)輛無(wú)人駕駛中的作用分析

2.1 社會(huì)作用分析

無(wú)人駕駛技術(shù)目前已經(jīng)實(shí)現(xiàn)初步應(yīng)用，可以很明顯的發(fā)現(xiàn)，其具有較高的安全性、精確性以及時(shí)效性，并且從根本上減少人為因素造成的交通安全事故發(fā)生。在就國(guó)內(nèi)而言，2020年機(jī)動(dòng)車(chē)交通事故高達(dá)21萬(wàn)余起，受傷人數(shù)15萬(wàn)余人，由此可見(jiàn)，因?yàn)槿藶樵蛟斐傻慕煌ò踩鹿蕯?shù)量之多，對(duì)社會(huì)造成的影響之大。而人工智能技術(shù)下的無(wú)人車(chē)輛駕駛技術(shù)能夠合理避障，對(duì)道路情況實(shí)施全局規(guī)劃，為交通安全方面作出了做巨大貢獻(xiàn)，同時(shí)還能有效緩解交通擁堵、提高行車(chē)效率等，并且通過(guò)對(duì)路線的實(shí)時(shí)規(guī)劃，能夠有效避開(kāi)擁堵路段，減少行車(chē)時(shí)間，進(jìn)而節(jié)約能源，我國(guó)每年浪費(fèi)在交通堵塞上的時(shí)間長(zhǎng)達(dá)12億小時(shí)，燃油浪費(fèi)達(dá)20億升[1]。因此，人工智能技術(shù)在車(chē)輛無(wú)人駕駛中應(yīng)用，能夠有效節(jié)約時(shí)間與燃油消耗，為我國(guó)社會(huì)經(jīng)濟(jì)發(fā)展提供助力。

2.2 產(chǎn)業(yè)作用分析

首先，應(yīng)用無(wú)人駕駛技術(shù)能夠提高交通運(yùn)輸行業(yè)的效率，無(wú)人駕駛技術(shù)能夠通過(guò)避免人工駕駛過(guò)程中出現(xiàn)失誤造成的安全隱患，并且通過(guò)提前規(guī)劃路徑，設(shè)施路線，提高運(yùn)輸效率。同時(shí)，無(wú)人駕駛技術(shù)還能夠通過(guò)智能調(diào)度中心，合理分配調(diào)度車(chē)輛，避免出現(xiàn)交通擁堵，進(jìn)一步提高運(yùn)輸效率。

其次，在交通運(yùn)輸行業(yè)內(nèi)，交通事故頻發(fā)是一個(gè)重大問(wèn)題，無(wú)人駕駛車(chē)輛能夠通過(guò)智能感知實(shí)現(xiàn)及時(shí)避障，對(duì)行車(chē)安全有著很大的提高。另外，通過(guò)全局實(shí)時(shí)感知與智能決策控制，可以有效避免交通事故。

最后，在交通運(yùn)輸行業(yè)中，能源過(guò)度消耗也是一個(gè)長(zhǎng)期問(wèn)題，而無(wú)人駕駛通過(guò)合理安排規(guī)劃行車(chē)路線，能夠有效減少交通擁堵情況，進(jìn)而減少車(chē)輛尾氣的排放以及能源的消耗，降低對(duì)交通環(huán)境的影響。

2.3 技術(shù)作用分析

人工智能應(yīng)用到車(chē)輛無(wú)人駕駛中，能夠促進(jìn)相關(guān)科學(xué)技術(shù)的快速發(fā)展。無(wú)人駕駛技術(shù)主要涉及到四個(gè)關(guān)鍵，一是精準(zhǔn)定位，利用人工智能，通過(guò)對(duì)車(chē)輛周邊數(shù)據(jù)的采集，與大數(shù)據(jù)庫(kù)進(jìn)行對(duì)比，能夠?qū)崿F(xiàn)對(duì)車(chē)輛的高精度定位，并且具有一定的安全可控性。二是5G技術(shù)，人工智能需要較強(qiáng)的數(shù)據(jù)傳輸與反饋能力，而5G技術(shù)的開(kāi)發(fā)，能夠有效解決現(xiàn)階段網(wǎng)絡(luò)通信高延遲的問(wèn)題，同時(shí)人工智能利用其強(qiáng)大的計(jì)算能力，推動(dòng)通信技術(shù)向更高層次發(fā)展。三是自動(dòng)控制系統(tǒng)，無(wú)人駕駛過(guò)程中，需要自動(dòng)控制系統(tǒng)對(duì)車(chē)輛進(jìn)行控制，但是傳統(tǒng)的自動(dòng)控制系統(tǒng)只能夠按照既定程序運(yùn)行，無(wú)法根據(jù)實(shí)際情況作出調(diào)整，而人工智能技術(shù)利用強(qiáng)大的數(shù)據(jù)采集與處理能力，能夠?qū)崿F(xiàn)無(wú)人駕駛車(chē)輛智能避障，進(jìn)一步提高行車(chē)安全[2]。

3 人工智能技術(shù)在無(wú)人駕駛汽車(chē)領(lǐng)域中的應(yīng)用優(yōu)勢(shì)

3.1 人工智能規(guī)劃路線

無(wú)人駕駛汽車(chē)?yán)萌斯ぶ悄軐?shí)現(xiàn)路線的智能規(guī)劃決策，主要是通過(guò)對(duì)道路信息的實(shí)時(shí)采集與生成三維格柵圖，對(duì)汽車(chē)進(jìn)行實(shí)時(shí)定位等因素，通過(guò)控制系統(tǒng)對(duì)行進(jìn)路線進(jìn)行全局規(guī)劃。其主要方位為局部路徑規(guī)劃法，在全局信息獲取難度較大情況下，通過(guò)收集車(chē)輛周邊的信息，對(duì)小范圍內(nèi)的路徑進(jìn)行實(shí)時(shí)規(guī)劃，利用快速隨機(jī)算法與AD算法等，優(yōu)化車(chē)輛的行駛路線，在實(shí)際應(yīng)用中有著較強(qiáng)的實(shí)用性。同時(shí)根據(jù)行駛過(guò)程中的環(huán)境特征，以實(shí)際路面情況為基礎(chǔ)，對(duì)最優(yōu)路線進(jìn)行計(jì)算，并將計(jì)算結(jié)果反饋至運(yùn)動(dòng)規(guī)劃模塊，決定車(chē)輛行駛方向以及行駛速度等。同時(shí)利用決策模塊，對(duì)車(chē)輛各部件協(xié)調(diào)運(yùn)作進(jìn)行控制。

目前，汽車(chē)導(dǎo)航系統(tǒng)已經(jīng)實(shí)現(xiàn)了車(chē)輛的普及，駕駛員在行車(chē)過(guò)程中，可以利用導(dǎo)航系統(tǒng)規(guī)劃行車(chē)路線。但是其規(guī)劃的路線不一定是最優(yōu)路線，并且無(wú)法對(duì)規(guī)劃路線中的交通情況做出判斷，并及時(shí)調(diào)整。尤其是當(dāng)駕駛員驅(qū)車(chē)到陌生城市中，駕駛員對(duì)陌生城市的路線不熟悉，不能對(duì)導(dǎo)航系統(tǒng)提供的路線做出優(yōu)化選擇，并且汽車(chē)導(dǎo)航系統(tǒng)無(wú)法預(yù)判已規(guī)劃路線的交通擁堵情況，而一旦出現(xiàn)擁堵，將會(huì)導(dǎo)致駕駛員來(lái)浪費(fèi)大量時(shí)間，從而導(dǎo)致出行效率降低。而人工智能除了進(jìn)行路線規(guī)劃外，還能夠?qū)σ?guī)劃路段上的交通情況進(jìn)行預(yù)判，一旦出現(xiàn)交通事故、擁堵等情況，可以及時(shí)調(diào)整行車(chē)路線，極大程度上提高無(wú)人駕駛車(chē)輛的出新效率。

3.2 人工智能可以保證安全

在車(chē)輛無(wú)人駕駛中應(yīng)用人工智能技術(shù)，最明顯的就是實(shí)現(xiàn)智能避障。在無(wú)人駕駛車(chē)輛行駛的過(guò)程中，通過(guò)車(chē)輛所攜帶的各類(lèi)傳感器，對(duì)周?chē)h(huán)境進(jìn)行探測(cè)以及數(shù)據(jù)采集，然后利用人工智能系統(tǒng)進(jìn)行判斷，能夠有效的實(shí)現(xiàn)車(chē)輛緊急避障。具體來(lái)看，可以將人工智能融入到無(wú)人駕駛車(chē)輛的導(dǎo)航系統(tǒng)中，利用全局實(shí)時(shí)感知，提前規(guī)劃行車(chē)路線，同時(shí)在行駛過(guò)程中，能夠有效感知到障礙，并且能夠進(jìn)行有效的規(guī)避[3]。同時(shí)，在人工駕駛過(guò)程中，因?yàn)閷?duì)距離把控不足，容易造成車(chē)輛追尾等事故，而人工智能技術(shù)，可以實(shí)現(xiàn)安全距離的有效把控，及時(shí)控制車(chē)輛減速或者制動(dòng)。進(jìn)一步避免人工失誤導(dǎo)致的交通安全事故。另一方面，人工智能系統(tǒng)還能夠?qū)⒏鞣N障礙類(lèi)型存儲(chǔ)在數(shù)據(jù)庫(kù)中，以便能夠在后續(xù)行駛中遇到同類(lèi)型障礙實(shí)現(xiàn)更快速的反應(yīng)，確保無(wú)人駕駛車(chē)輛始終能夠平穩(wěn)安全的行駛。

3.3 切實(shí)減少能源的過(guò)度消耗

駕駛員行車(chē)過(guò)程中，極有可能因?yàn)椴僮魇д`選擇錯(cuò)誤路線，并且極有可能出現(xiàn)繞路、偏航等情況，進(jìn)而導(dǎo)致行車(chē)油耗上升，造成燃油浪費(fèi)。同時(shí)，人工智能與無(wú)人駕駛車(chē)輛的結(jié)合，能夠?qū)?chē)輛行駛的各個(gè)環(huán)節(jié)進(jìn)行精確控制，計(jì)算出車(chē)輛啟動(dòng)的最佳功率，使無(wú)人駕駛車(chē)輛能夠用最低的能耗達(dá)到最快最安全的行駛速度。通過(guò)人工智能對(duì)路線的規(guī)劃以及啟動(dòng)功率的計(jì)算，能夠提高無(wú)人駕駛汽車(chē)行駛過(guò)程中的能源利用率，從而減少燃油資源浪費(fèi)，為資源保護(hù)提供助力。

3.4 人工智能能夠?qū)W習(xí)

車(chē)輛在行駛過(guò)程中需要駕駛員對(duì)車(chē)輛周?chē)能?chē)輛、行人、道路等信息進(jìn)行判斷，而車(chē)輛周?chē)南嚓P(guān)情況又不是一成不變的。因此，在無(wú)人駕駛汽車(chē)中，人工智能系統(tǒng)需要側(cè)重于大數(shù)據(jù)深度學(xué)習(xí)方面的提升，利用大數(shù)據(jù)深度學(xué)習(xí)能夠提高無(wú)人駕駛汽車(chē)的智能化上限。例如，在無(wú)人駕駛汽車(chē)智能系統(tǒng)中，需要根據(jù)人類(lèi)駕駛員對(duì)外部交通環(huán)境的判斷，來(lái)實(shí)現(xiàn)對(duì)車(chē)輛行駛速度的調(diào)整以及減速、避障、轉(zhuǎn)向等操作。而無(wú)人駕駛汽車(chē)可以理解為車(chē)輛自行感知周?chē)h(huán)境，通過(guò)對(duì)環(huán)境的認(rèn)知與判斷，調(diào)整車(chē)輛行駛的行為，而感知行為在人工智能系統(tǒng)中具有較大難度，只有能夠?qū)χ車(chē)煌ōh(huán)境進(jìn)行有效感知，才能通過(guò)大數(shù)據(jù)技術(shù)，利用深度學(xué)習(xí)算法對(duì)車(chē)輛安全行駛進(jìn)行判斷，而判斷的正確性又是建立在龐大數(shù)據(jù)信息的基礎(chǔ)上。因此，在大數(shù)據(jù)的支持下，利用深度學(xué)習(xí)進(jìn)行相關(guān)訓(xùn)練，能夠有效提高信息識(shí)別的準(zhǔn)確率。

4 人工智能技術(shù)在無(wú)人駕駛汽車(chē)中的應(yīng)用分析

4.1 圖形識(shí)別與感知

當(dāng)前階段內(nèi)，無(wú)人駕駛汽車(chē)主要是通過(guò)傳感器進(jìn)行外部信息以及環(huán)境感知，而隨著科技的快速發(fā)展，傳感器的體積越來(lái)越小并且性能越來(lái)越優(yōu)越，對(duì)無(wú)人駕駛汽車(chē)的發(fā)展有著重要的推動(dòng)作用。并且隨著道路交通環(huán)境以及氣候變化等因素的影響，無(wú)人駕駛技術(shù)中心需要更高要求的傳感器，這也從側(cè)面推動(dòng)了傳感器技術(shù)的發(fā)展。而目前市場(chǎng)內(nèi)主要的傳感器有車(chē)身傳感器、雷達(dá)傳感器、定位及姿態(tài)傳感器以及視覺(jué)傳感器。

車(chē)身傳感器主要是對(duì)車(chē)輛自身系統(tǒng)的相關(guān)部件以及信息進(jìn)行檢測(cè)，能夠獲取到行車(chē)過(guò)程中速度、車(chē)輪、檔位等具體信息。

雷達(dá)傳感器的主要職能是實(shí)現(xiàn)對(duì)車(chē)輛周?chē)系K物的探測(cè)，如路肩、行人、車(chē)輛等。目前在無(wú)人駕駛車(chē)輛中應(yīng)用的雷達(dá)傳感器主要有超聲波雷達(dá)、毫米雷達(dá)以及激光雷達(dá)等。超聲波雷達(dá)在這三種雷達(dá)中，其成本造價(jià)最低，但是其探測(cè)的精度與距離都有所欠缺，因此在實(shí)際應(yīng)用過(guò)程中，其主要應(yīng)用在低速狀態(tài)下碰撞預(yù)警。毫米雷達(dá)的探測(cè)距離較遠(yuǎn)，并且成本造價(jià)也相對(duì)低一些，現(xiàn)階段已經(jīng)被廣泛應(yīng)用在無(wú)人駕駛車(chē)輛中，相比較激光雷達(dá)來(lái)說(shuō)，其可視角度以及精度等方面性能都有一定的不足。激光雷達(dá)在這個(gè)三種雷達(dá)中，探測(cè)距離最遠(yuǎn)，精度最高，但是相對(duì)應(yīng)的是其成本造價(jià)比較高昂。比如Google所生產(chǎn)的無(wú)人駕駛汽車(chē)中，單單激光雷達(dá)方面就花費(fèi)70余萬(wàn)元。

定位及姿態(tài)傳感器在無(wú)人駕駛車(chē)輛中的作用主要是行駛過(guò)程中的車(chē)輛進(jìn)行高精度定位，并監(jiān)控車(chē)輛行駛中的姿態(tài)，比如車(chē)輛實(shí)時(shí)經(jīng)緯度坐標(biāo)、行駛角度以及行駛速度等。目前我國(guó)常利用差分定位法來(lái)進(jìn)行高精度定位，比如RTK-GPS，但是其在距離上有使用限制，并且容易受到高大建筑物的影響[3]。近年來(lái)我國(guó)正在加大固定差分基站的系統(tǒng)的建設(shè)，現(xiàn)今已在上海、杭州等地區(qū)基本實(shí)現(xiàn)了大規(guī)模覆蓋，已有相關(guān)報(bào)道稱(chēng)上述城市已進(jìn)行無(wú)人駕駛汽車(chē)的試運(yùn)行。而這些基礎(chǔ)設(shè)施的建設(shè)，為無(wú)人駕駛提供了有效的安全保障。

4.2 深度學(xué)習(xí)系統(tǒng)的搭建

在傳統(tǒng)汽車(chē)行駛過(guò)程中，主要依靠駕駛員對(duì)路況、路面信息進(jìn)行判斷，這就導(dǎo)致可能因?yàn)轳{駛員的疏忽造成不必要的交通事故。而人工智能下的無(wú)人汽車(chē)駕駛，則是利用計(jì)算機(jī)相關(guān)技術(shù)作為汽車(chē)行駛的“大腦”。無(wú)人駕駛汽車(chē)中應(yīng)該用的計(jì)算機(jī)與日常使用的計(jì)算機(jī)有很大的不同，因?yàn)樵谄?chē)行駛過(guò)程中，受到路面情況以及環(huán)境因素的影響，可能會(huì)產(chǎn)生震動(dòng)、顛簸等情況，而傳統(tǒng)意義上的計(jì)算機(jī)在這些狀態(tài)下無(wú)法保持長(zhǎng)時(shí)間持續(xù)穩(wěn)定的運(yùn)行。因此，無(wú)人駕駛汽車(chē)中采用的計(jì)算機(jī)為工控機(jī)，其主要是通過(guò)人工智能系統(tǒng)，實(shí)現(xiàn)對(duì)相關(guān)軟件的操作控制。而這些計(jì)算機(jī)系統(tǒng)除了需要對(duì)外界環(huán)境等各種因素進(jìn)行認(rèn)知外，其還需要具備一定的學(xué)習(xí)能力。而無(wú)人駕駛汽車(chē)技術(shù)的成熟應(yīng)用正是基于深度學(xué)習(xí)能力之上。深度學(xué)習(xí)系統(tǒng)的搭建主要取自于人工神經(jīng)網(wǎng)絡(luò)相關(guān)技術(shù)，通過(guò)傳感器實(shí)現(xiàn)車(chē)輛周?chē)鞣N數(shù)據(jù)的采集，然后利用神經(jīng)卷積網(wǎng)絡(luò)進(jìn)行技術(shù)，進(jìn)而提高無(wú)人駕駛汽車(chē)對(duì)行駛過(guò)程中各種情況的識(shí)別以及判斷，并且還能夠保證識(shí)別與判斷的正確性。通過(guò)車(chē)載傳感器能夠?qū)?shù)據(jù)進(jìn)行大量的收集，并且利用深度學(xué)習(xí)網(wǎng)絡(luò)將收集到的數(shù)據(jù)進(jìn)行計(jì)算整理，將其變?yōu)榭捎脭?shù)據(jù)[4]。例如在無(wú)人駕駛汽車(chē)行駛過(guò)程中，深度學(xué)習(xí)系統(tǒng)可以將雷達(dá)采集到的數(shù)據(jù)轉(zhuǎn)化為車(chē)輛與物體之間的距離，從而控制車(chē)輛保持與物體之間的安全距離；或者是利用深度學(xué)習(xí)系統(tǒng)將激光傳感器采集的數(shù)據(jù)轉(zhuǎn)變?yōu)樾熊?chē)距離；利用車(chē)載傳感器采集到的圖像信息轉(zhuǎn)變?yōu)檐?chē)輛避障判斷等。

在無(wú)人駕駛車(chē)輛中，人工智能深度學(xué)習(xí)系統(tǒng)的基本流程為：數(shù)據(jù)采集→數(shù)據(jù)準(zhǔn)備→第一層監(jiān)督學(xué)習(xí)→監(jiān)督學(xué)習(xí)系統(tǒng)→調(diào)整所有層[5]。

數(shù)據(jù)采集是利用車(chē)載傳感器對(duì)車(chē)輛行駛過(guò)程中周邊的相關(guān)數(shù)據(jù)進(jìn)行收集并上傳至深度學(xué)習(xí)系統(tǒng)中；

數(shù)據(jù)準(zhǔn)備是對(duì)采集到的數(shù)據(jù)進(jìn)行預(yù)處理，選擇具有代表性的數(shù)據(jù)進(jìn)行訓(xùn)練，其目的是降低深度學(xué)習(xí)系統(tǒng)的計(jì)算壓力；

第一層監(jiān)督學(xué)習(xí)是利用卷積神經(jīng)網(wǎng)絡(luò)對(duì)預(yù)處理后的數(shù)據(jù)信息進(jìn)行計(jì)算，第一層監(jiān)督學(xué)習(xí)能夠?qū)ο嘟臄?shù)據(jù)進(jìn)行區(qū)分，并對(duì)其進(jìn)行判斷；

監(jiān)督學(xué)習(xí)系統(tǒng)能夠通過(guò)控制第二層數(shù)據(jù)信息學(xué)習(xí)計(jì)算，提供數(shù)據(jù)判斷的準(zhǔn)確性；

調(diào)整所有層是指在監(jiān)督學(xué)習(xí)系統(tǒng)做出正確判斷之后，能夠?qū)ι疃葘W(xué)習(xí)系統(tǒng)所用層次的數(shù)據(jù)進(jìn)行調(diào)整，進(jìn)一步確保計(jì)算數(shù)據(jù)的準(zhǔn)確性。

4.3 汽車(chē)信息共享分析

人工智能技術(shù)在無(wú)人車(chē)輛駕駛中的應(yīng)用，還涉及到數(shù)據(jù)信息共享技術(shù)，通過(guò)數(shù)據(jù)共享平臺(tái)能夠?qū)崿F(xiàn)道路信息的互動(dòng)，利用計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)，能夠?qū)Ω髀范谓煌ò踩畔⑦M(jìn)行實(shí)時(shí)監(jiān)控，并將這些信息上傳至云端數(shù)據(jù)庫(kù)，利用計(jì)算機(jī)的高效運(yùn)算，能夠?qū)o(wú)人駕駛車(chē)輛所處路段進(jìn)行數(shù)字場(chǎng)景模擬，以實(shí)現(xiàn)交通場(chǎng)景信息資源的預(yù)知[6]。而在車(chē)輛無(wú)人駕駛過(guò)程中，數(shù)據(jù)信息共享有著十分重要的作用，無(wú)人駕駛車(chē)輛可以通過(guò)數(shù)據(jù)信息共享，實(shí)現(xiàn)相互之間的交流與互動(dòng)，車(chē)輛之間能夠就其所在交通必要的信息進(jìn)行互相交流，而這也在一定程度上確保了無(wú)人駕駛車(chē)輛的行車(chē)安全。其次，利用數(shù)據(jù)信息共享技術(shù)可以實(shí)現(xiàn)無(wú)人駕駛車(chē)輛行車(chē)速度與效率的提升，駕駛者通過(guò)車(chē)輛端輸入目的地信息后，人工智能系統(tǒng)快速的將目的地信息反饋至云端數(shù)據(jù)庫(kù)，通過(guò)云端數(shù)據(jù)庫(kù)來(lái)匹配目的地相關(guān)信息，并且獲得目的地周邊交通環(huán)境的實(shí)時(shí)信息，提前熟悉相應(yīng)行車(chē)路線，這樣的方式能夠有效降低無(wú)人駕駛車(chē)輛的行車(chē)安全，提高行駛效率。更為先進(jìn)的是，車(chē)輛在行駛過(guò)程中，會(huì)及時(shí)反饋周?chē)缆翻h(huán)境相關(guān)信息，云端數(shù)據(jù)庫(kù)根據(jù)所有路上行駛的無(wú)人駕駛車(chē)輛反饋的信息，構(gòu)建相關(guān)交通網(wǎng)絡(luò)，同時(shí)通過(guò)對(duì)車(chē)輛行駛的方向以及目的地進(jìn)行判斷，能夠?qū)崿F(xiàn)行駛路徑的擁堵、事故等提前預(yù)判。通過(guò)實(shí)時(shí)路況信息更新，實(shí)現(xiàn)車(chē)輛路徑的重新規(guī)劃，避免出現(xiàn)因交通事故或者其他情況導(dǎo)致交通擁堵的情況。

5 結(jié)論

綜上所述，隨著科學(xué)技術(shù)的發(fā)展，無(wú)人駕駛車(chē)輛已經(jīng)實(shí)現(xiàn)了初步發(fā)展，而隨著人工智能技術(shù)的應(yīng)用，能夠進(jìn)一步促進(jìn)無(wú)人駕駛技術(shù)的發(fā)展，提高無(wú)人駕駛技術(shù)的安全性、時(shí)效性、精確性。實(shí)現(xiàn)無(wú)人駕駛技術(shù)更快的普及，推動(dòng)科學(xué)技術(shù)的快速發(fā)展。

參考文獻(xiàn)：

[1]趙福利.人工智能技術(shù)在汽車(chē)無(wú)人駕駛功能中的運(yùn)用與挑戰(zhàn)[J].中國(guó)新通信，2022，24（13）：59-61.

[2]羅宏.人工智能技術(shù)在車(chē)輛無(wú)人駕駛中的應(yīng)用[J].時(shí)代汽車(chē)，2021（17）：190-191.

[3]胡曄.無(wú)人駕駛領(lǐng)域中人工智能技術(shù)的應(yīng)用[J].河南科技，2020，39（35）：27-29.

[4]張建華.汽車(chē)無(wú)人駕駛功能中人工智能技術(shù)的應(yīng)用[J].汽車(chē)博覽，2022（31）：83-85.

[5]樊現(xiàn)行.人工智能技術(shù)在車(chē)輛無(wú)人駕駛中的應(yīng)用[J].人民交通，2022（1）：42-44.

[6]王袖然.人工智能技術(shù)在車(chē)輛無(wú)人駕駛中的應(yīng)用[J].科技資訊，2019，17（13）：63-65.