电力设备智能检测系统研究与应用
发表时间：2019-09-10T10:06:37.890Z 来源：《当代电力文化》2019年第09期作者：谢佳益陈一明曹健张杉杉任川
[导读] 电力物资智能检测系统的成功应用进一步加强了产品质量管控，引导了供应商提高产品质量，为电网系统的安全稳定运行提供了强大的安全保障。
（辽宁东科电力有限公司，辽宁沈阳 110006）
摘要：为支持国家电网建设，加强对电力设备的质量监督，各省网公司等单位先后开展了入网设备质量抽检工作。加强对入网设备全寿命的质量监督已成为目前配网物资管理工作的重要部分。近年来，电力设备智能检测系统逐渐替代传统检测方式成为配网物资抽检工作的重要手段。电力物资智能检测系统的成功应用进一步加强了产品质量管控，引导了供应商提高产品质量，为电网系统的安全稳定运行提供了强大的安全保障。
关键词：物资抽检；智能检测；信息化；
Research and application of intelligent detection system for power equipment
Xie jiayi, Chen yiming, cao jian, zhang shanshan, ren chuan
（Electric power research institute, state grid liaoning electric power co., LTD., shenyang 110006, China）
In order to support the construction of state grid and strengthen the quality supervision of power equipment, network companies in various provinces have carried out sampling inspection on the quality of equipment connected to the network.It has become an important part of the material management of distribution network to strengthen the quality supervision of equipment life.In recent years, the intelligent detection system of electric power equipment has gradually replaced the traditional detection method and become an important means of material sampling inspection in distribution network.The successful application of intelligent detection system for electric power supplies further strengthens product quality control, guides suppliers to improve product quality, and provides strong security guarantee for the safe and stable operation of power grid system.
Key words :Random inspection of materials;Intelligent detection;Informatization;
引言
近年来，我国电网建设不断发展，对电力物资的集约化管理逐渐深入，通过集中招标采购的材料和设备逐渐增多。配电系统作为电力系统的最后一个环节直接面向终端客户，其采购的物资覆盖面积广，使用数量庞大，配网物资的质量对配网系统的安全可靠运行有着重大影响。
2017年9月4日，国网公司物资部颁布了《电网物资质量检测能力标准化建设导则》，对变压器、开关类设备、互感器、避雷器等31类配网电力物资检测试验能力做出了明确规定，进一步规范了配网物资检测工作的标准，提高了配网物资检测工作的要求。
1系统特点
电力设备智能检测系统是一种能够根据物资种类和检测需求自动提供检测方案的智能检测系统?智能检测系统采用流水线模式,将各种电气试验项目有机地柔和到同一个流水线上,可自动完成各类测试项目的控制?测量及测试数据分析与管理?最终生成检测报告,彻底改变了单一种类的传统电气试验的模式?
电力设备智能检测系统具有1.试品运输自动化；2.试验流程智能化；3.数据采集信息化；4.安全保障标准化的特点。
2系统优势
与传统检测方式相比，电力设备智能检测系统在多方面存在显著优势。
（1）试品运输方面
传统检测方式一般通过两种方式运输设备：1.对于仓库内固定不动的电力设备，需要人工搬运或者车辆搬运测试仪器进行检测。2.对于方便搬运的电力设备，用液压铲车或者吊车将被检测设备搬运至各类试验仪器旁进行检测试验。以上两种方式工作效率低，反复多次搬运设备存在安全隐患。
智能检测系统采用轨道式移动平台运输被试品，通过专用软件实现智能化调运，保证试品运输的高效性、准确性、安全性。
（2）试验操作方面
传统检测方式：当一台电力设备需要做多项检测试验时，测试人员需要携带多种仪器进行试验。完成一个试验项目之后，就需要重新接线去做下一个试验。如果进行温升、局放或耐压试验项目，所需工作电源功率大或屏蔽等工作环境的要求，需要多次搬运试验设备才能完成试验。
智能检测系统有效的解决了传统检测方式存在的问题。它将110kV及以下的各种电气试验项目（不同电压等级）有机地整合到同一个检测线上，可兼容不同重量、不同外形尺寸的各类设备的检测工作。智能检测系统研发了专用的自动收放线，自动切换线装置，减少了试品接换线时间，进一步提高工作效率，彻底改善传统电气试验模式的不足。
（3）数据管理方面
传统检测方式需要人工记录各个试验项目所得到的数据，人工计算试验结果，试验报告需要多次汇总。数据的多次流转容易出错，严重影响试验报告的出具时间和质量。
智能检测系统建立了配电设备智能试验识别系统，可根据变压器主要参数智能选择试验检测方案。智能检测系统软件可完成对试验检测数据的自动采集，智能汇总各类试验数据，根据系统预先设定的检测标准自动诊断检测结果，自动出具检测报告。
（4）安全保障方面
传统检测方式：试品运输过程需要多种特种设备的操作和多人配合才能完成。试验检测时，试验场所不固定，无法彻底将设备和人员隔离，存在安全隐患。
智能检测系统通过合理配置试验工区及试验项目，重复配置温升试验，提高试验效率和减少试品的搬运时间。智能检测系统按照试验流程设计的控制软件，试验接线图，一键化操作，避免误操作，提高了试验安全性。
自动驾驶汽车硬件系统概述 自动驾驶汽车的硬件架构、传感器、线控等硬件系统 如果说人工智能技术将是自动驾驶汽车的大脑，那么硬件系统就是它的神经与四肢。从自动驾驶汽车周边环境信息的采集、传导、处理、反应再到各种复杂情景的解析，硬件系统的构造与升级对于自动驾驶汽车至关重要。 自动驾驶汽车硬件系统概述 从五个方面为大家做自动驾驶汽车硬件系统概述的内容分享，希望大家可以通过我的分享，对硬件系统的基础有个全面的了解： 一、自动驾驶系统的硬件架构 二、自动驾驶的传感器 三、自动驾驶传感器的产品定义 四、自动驾驶的大脑 五、自动驾驶汽车的线控系统
自动驾驶事故分析 根据美国国家运输安全委员会的调查报告，当时涉事Uber汽车——一辆沃尔沃SUV系统上的传感器在撞击发生6s前就检测到了受害者，而且在事故发生前1.3秒，原车自动驾驶系统确定有必要采取紧急刹车，此时车辆处于计算机控制下时，原车的紧急刹车功能无法启用。于是刹车的责任由司机负责，但司机在事故发生前0.5s低头观看视频未能抬头看路。 从事故视频和后续调查报告可以看出，事故的主要原因是车辆不在环和司机不在环造成的。Uber在改造原车加装自动驾驶系统时，将原车自带的AEB功能执行部分截断造成原车ADAS功能失效。自动驾驶系统感知到受害者确定要执行应急制动时，并没有声音或图像警报，此时司机正低头看手机也没有及时接管刹车。
目前绝大多数自动驾驶研发车都是改装车辆，相关传感器加装到车顶，改变车辆的动力学模型；改装车辆的刹车和转向系统，也缺乏不同的工况和两冬一夏的测试。图中Uber研发用车是SUV车型自身重心就较高，车顶加装的设备进一步造成重心上移，在避让转向的过程中转向过急过度，发生碰撞时都会比原车更容易侧翻。 自动驾驶研发仿真测试流程 所以在自动驾驶中，安全是自动驾驶技术开发的第一天条。为了降低和避免实际道路测试中的风险，在实际道路测试前要做好充分的仿真、台架、封闭场地的测试验证。 软件在环（Software in loop），通过软件仿真来构建自动驾驶所需的各类场景，复现真实世界道路交通环境，从而进行自动驾驶技术的开发测试工作。软件在环效率取决于仿真软件可复现场景的程度。对交通环境与场景的模拟，包括复杂交通场景、真实交通流、自然天气（雨、雪、雾、夜晚、灯光等）各种交通参与者（汽车、摩托车、自行车、行人等）。采用软件对交通场景、道路、以及传感器模拟仿
龙源期刊网 https://www.doczj.com/doc/d511710421.html, 人工智能在汽车自动驾驶中的应用 作者：蒋海 来源：《商情》2020年第15期 【摘要】近年来随着各类新型技术的逐渐发展进步，汽车行业也逐步被赋予了人工智能的概念。人工智能与汽车驾驶的融合促进了自动驾驶汽车技术的发展。本文就对于人工智能在自动驾驶汽车中的应用进行了简要的探讨分析，从当前阶段自动驾驶汽车发展的实际情况入手，对于实际应用进行了具体的分析，同时也对于人工智能在自动驾驶汽车中的发展前景进行了展望，希望能够为切实强化自动驾驶汽车的实际应用水平起到有力的作用。 【关键词】人工智能 ;汽车自动驾驶 ;应用分析 一、自动驾驶汽车的发展实况分析 所谓自动驾驶，通常又被称为无人驾驶、智能化驾驶等。相对于许多发达国家而言，我国在自动驾驶汽车方面的研究起步较晚，但经过了较长一段时间的研究发展，目前也已经取得了较为突出的成就。早在十几年前就已经有科研人员研发出了智能无人车，通过借助智能行为控制系统的优势性作用，使其能够在不存在特殊情况下的过程当中能够实现无人驾驶。另外还有研究院已经研发出了所谓的脑控汽车，脑控汽车就是通过借助脑电设备来捕捉人腦所发出的脑电信号，并通过对于信号进行全面的识别，将其转换为操作指令传达给汽车，以此来实现通过人脑控制来驾驶汽车的目的。尽管此类研究已经取得了一定的成果，但想要真正获得广泛的应用还需要开展更为深入的研究。目前越来越多的科研人员开始进行自动驾驶汽车方面的研究，在未来的一段时间当中，自动驾驶行业必然获得突出的发展。 二、人工智能在自动驾驶汽车中的应用 （一）人工智能在自动驾驶汽车路线中的应用 自动驾驶属于一类较为完整的软件交互系统，我们可以将自动驾驶软件部分大致分为环境感知模块、行为决策模块以及运动控制模块三大模块类型。其中，环境感知模块，简单来说就是指通过科学合理的运用传感器实现对于周边环境情况的感知。常见的环境感知模块包括雷达、摄像头、传感器等。除了能够掌握周边环境状态之外，同时也能够对于车身本身的状态信息进行了解。行为决策模块则需要充分依据实时路网信息以及周边的交通环境信息确保在满足交通规则要求的情况下实现安全稳定的驾驶决策。运动控制模块通过对于行驶轨迹的科学合理规划以及当前车辆所处位置和运行状态，实现对于汽车、油门刹车以及方向盘等的控制。 （二）人工智能技术在实际驾驶过程当中的应用
车牌自动识别 近年来，随着物联网、车联网的迅猛发展，以及中国汽车数量的不断增加，这对智能交通系统提出了新的要求。作为智能交通系统一部分的集成信号处理、计算机视觉、模式识别等技术的车牌识别系统因而也有了新的应用和挑战。除传统的用于高速公路超速违章管理、停车场管理、车辆流量管理以及车辆电子收费系统外，车牌识别系统还可以用于移动机器人对停车场车辆的监管以及交通管理部门对违章车辆车牌的自动登记等。 一、车牌自动识别系统的技术说明 车牌自动识别系统采用车牌识别技术来实现技术效果的。车牌识别技术(Vehicle License Plate Recognition，VLPR) 是指能够检测到受监控路面的车辆并自动提取车辆牌照信息（含汉字字符、英文字母、阿拉伯数字及号牌颜色）进行处理的技术。车牌识别是现代智能交通系统中的重要组成部分之一，应用十分广泛。它以数字图像处理、模式识别、计算机视觉等技术为基础，对摄像机所拍摄的车辆图像或者视频序列进行分析，得到每一辆汽车唯一的车牌号码，从而完成识别过程。通过一些后续处理手段可以实现停车场收费管理，交通流量控制指标测量，车辆定位，汽车防盗，高速公路超速自动化监管、闯红灯电子警察、公路收费站等等功能。对于维护交通安全和城市治安，防止交通堵塞，实现交通自动化管理有着现实的意义。 车牌识别技术结合电子不停车收费系统（ETC）识别车辆，过往车辆通过道口时无须停车，即能够实现车辆身份自动识别、自动收费。在车场管理中，为提高出入口车辆通行效率，车牌识别针对无需收停车费的车辆（如月卡车、内部免费通行车辆），建设无人值守的快速通道，免取卡、不停车的出入体验，正改变出入停车场的管理模式。 汽车牌照号码是车辆的唯一“身份”标识，牌照自动识别技术可以在汽车不作任何改动的情况下实现汽车“身份”的自动登记及验证，这项技术已经应用于公路收费、停车管理、称重系统、交通诱导、交通执法、公路稽查、车辆调度、车辆检测等各种场合。 以下列举了几种应用方式： ——监测报警 对于纳入“黑名单”的车辆，例如：被通缉或挂失的车辆、欠交费车辆、未年检车辆、肇事逃逸及违章车辆等，只需将其车牌号码输入到应用系统中，车牌识别设备安装于指定的路口、卡口或由执法人员随时携带按需要放置，系统将识读所有通过车辆的牌照号码并与系统中的“黑名单”比对，一旦发现指定车辆立刻发出报警信息。系统可以全天不间断工作、不会疲劳、错误率极低；可以适应高速行驶的车辆；可以在车辆行使过程中完成任务不影响正常交通；整个监视过程中司机也不会觉察、保密性高。应用这种系统将极大地提高执法效率。 ——超速违章处罚 车牌识别技术结合测速设备可以用于车辆超速违章处罚，一般用于高速公路。具体应用是：在路上设置测速监测点，抓拍超速的车辆并识别车牌号码，将违章车辆的牌照号码及图片发往各出口；在各出口设置处罚点，用车牌识别设备识别通过车辆并将号码与已经收到的超速车辆的号码比对，一旦号码相同即启动警示设备通知执法人员处理。与传统的超速监测方式相比，这种应用可以节省警力，降低执法人员的工作强度，而且安全、高效、隐蔽，司机需时刻提醒自己不能超速，极大地减少了因超速引发的事故。
(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910334631.X (22)申请日 2019.04.24 (71)申请人 南京图灵微生物科技有限公司 地址 210000 江苏省南京市栖霞区仙林街 道齐民路6号5栋808室 (72)发明人 王仲霄 武玮 (74)专利代理机构 北京华睿卓成知识产权代理 事务所(普通合伙) 11436 代理人 程淼 (51)Int.Cl. G16H 50/20(2018.01) G16H 30/40(2018.01) G06N 3/04(2006.01) (54)发明名称 人工智能医学图像自动诊断系统和方法 (57)摘要 本公开实施例提供一种人工智能医学图像 自动诊断系统和方法，其采集医学显微镜图像和 对应的诊断数据，对医学显微镜图像进行标注得 到医学显微镜图像对应的标注数据，基于医学显 微镜图像对应的诊断数据和标注数据构建训练 集和测试集，并基于深度学习模型训练得到最优 AI分类模型和最优AI语义分割模型，实现检测样 本的医学显微镜图像的自动诊断。本公开实施例 可以有效节省人力资源，缩短诊断时间，提高诊 断准确率。权利要求书3页 说明书9页 附图3页CN 110895968 A 2020.03.20 C N 110895968 A
权 利 要 求 书1/3页CN 110895968 A 1.一种人工智能医学图像自动诊断系统，其特征在于，包括： 数据采集模块，用于采集医学图像和对应的诊断数据，并对所述医学图像和诊断数据进行统一降噪和图像增强处理，其中，所述医学图像包括医学显微镜图像； 数据标注模块，用于对所述医学图像中的致病微生物所在的图像区域进行标注，形成所述医学图像对应的标注数据； 模型训练模块，用于深度学习模型，利用从所述医学图像和对应的诊断数据构建的训练集训练得到AI分类模型，利用从所述医学图像和对应的标注数据构建的训练集训练得到AI语义分割模型； 模型优化模块，用于利用从所述医学图像和对应的诊断数据构建的测试集对所述AI分类模型进行优化，利用从所述医学图像和对应的标注数据构建的测试集对所述AI语义分割模型进行优化，从而使得所述模型训练模块训练得到最优AI分类模型和最优AI语义分割模型； 模型部署模块，用于对所述最优AI分类模型和最优AI语义分割模型进行应用布署，所述最优AI分类模型和最优AI语义分割模型用于提供检测标本的医学显微镜图像的自动诊断。 2.根据权利要求1所述的人工智能医学图像自动诊断系统，其特征在于，所述模型部署模块对所述最优AI分类模型和最优AI语义分割模型进行应用布署包括：将所述最优AI分类模型和最优AI语义分割模型部署到服务器； 所述系统还包括线上诊断平台，所述线上诊断平台包括客户端和所述服务器； 所述服务器用于接收所述客户端发送的检测标本的医学显微镜图像，并输出所述医学显微镜图像的自动诊断结果。 3.根据权利要求1所述的人工智能医学图像自动诊断系统，其特征在于，所述模型部署模块对所述最优AI分类模型和最优AI语义分割模型进行应用布署包括：将所述最优AI分类模型和最优AI语义分割模型部署到嵌入式芯片； 所述系统还包括嵌入式诊断平台，所述嵌入式诊断平台包括安装有所述嵌入式芯片的显微镜； 所述显微镜用于获得检测标本的医学显微镜图像，并经由所述嵌入式芯片的处理输出所述医学显微镜图像的自动诊断结果。 4.根据权利要求2或3所述的人工智能医学图像自动诊断系统，其特征在于，所述医学显微镜图像包括妇科微生态显微镜图像。 5.根据权利要求1所述的人工智能医学图像自动诊断系统，其特征在于，所述深度学习模型包括卷积神经网络模型。 6.根据权利要求5所述的人工智能医学图像自动诊断系统，其特征在于，所述模型优化模块对所述AI分类模型和AI语义分割模型进行优化包括：通过调节所述AI分类模型和AI语义分割模型的预测概率阈值来选择倾向高敏感性或者倾向高特异性。 7.根据权利要求4所述的人工智能医学图像自动诊断系统，其特征在于，所述诊断结果包括细菌性阴道炎的诊断。 8.根据权利要求7所述的人工智能医学图像自动诊断系统，其特征在于，所述AI分类模型包括第一分类模型和第二分类模型，所述第一分类模型用于根据检测标本的医学显微镜 2
人工智能在自动驾驶技术中的应用 摘要：随着技术的快速发展云计算、大数据、人工智能一些新名词进入大众的视野，人工智能是人类进入信息时代后的又一技术革命正受到越来越广泛的重视。作为人工智能等术在汽车行业、交通领域的延伸与应用，无人驾驶近几年在世界范围内受到了产学界甚至国家层面的密切关注。自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。自动驾驶技术将成为未来汽车一个全新的发展方向。本文将主要介绍人工智能技术在自动驾驶中的应用领域，并对自动技术的发展前景进行一个简单的分析。 关键词：人工智能；自动驾驶；智能汽车；图像识别 0. 引言 人工智能是一门起步晚却发展快速的科学。20 世纪以来科学工作者们不断寻求着赋予机器人类智慧的方法。现代人工智能这一概念是从英国科学家图灵的寻求智能机发展而来，直到1937年图灵发表的论文《理想自动机》给人工智能下了严格的数学定义，现实世界中实际要处理的很多问题不能单纯地是数值计算，如言语理解与表达、图形图像及声音理解、医疗诊断等等。1955 年Newell 和Simon 的Logic Theorist证明了《数学原理》中前52 个定理中的38 个。Simon 断言他们已经解决了物质构成的系统如何获得心灵性质的问题( 这种论断在后来的哲学领域被称为“强人工智能”) ，认为机器具有像人一样逻辑思维的能力。1956 年，“人工智能”( AI) 由美国的JohnMcCarthy 提出，经过早期的探索阶段，人工智能向着更加体系化的方向发展，至此成为一门独立的学科。五十年代，以游戏博弈为对象开始了人工智能的研究；六十年代，以搜索法求解一般问题的研究为主；七十年代，人工智能学者进行了有成效的人工智能研究；八十年代，开始了不确定推理、非单调推理、定理推理方法的研究；九十年代，知识表示、机器学习、分布式人工智能等基础性研究方面都取得了突破性的进展。 1. 人工智能在自动驾驶技术中的应用概述 人工智能发展六十年，几起几落，如今迎来又一次热潮，深度学习、计算机
人工智能三大分类 人工智能的概念不在陌生，但是其中的几大专业术语又是什么呢 人工智能进入了一切领域——从自动驾驶汽车，到自动回复电子邮件，再到智能家居。似乎可以获得任何商品（例如医疗健康，飞行，旅行等），并通过人工智能的特殊应用使其更加智能。所以除非相信事件具有终结者般的转折，可能会问自己，人工智能能够预示着工作场所或整体的业务线的什么利益。 人工智能主要有三个分支： 1) 认知AI （cognitive AI） 认知计算是最受欢迎的一个人工智能分支，负责所有感觉“像人一样”的交互。认知AI必须能够轻松处理复杂性和二义性，同时还持续不断地在数据挖掘、NLP（自然语言处理）和智能自动化的经验中学习。 现在人们越来越倾向于认为认知AI混合了人工智能做出的最好决策和人类工作者们的决定，用以监督更棘手或不确定的事件。这可以帮助扩大人工智能的适用性，并生成更快、更可靠的答案。 2) 机器学习AI （Machine Learning AI） 机器学习（ML）AI是能在高速公路上自动驾驶你的特斯拉的那种人工智能。它还处于计算 机科学的前沿，但将来有望对日常工作场所产生极大的影响。机器学习是要在大数据中寻找一些“模式”，然后在没有过多的人为解释的情况下，用这些模式来预测结果，而这些模式在普通的统计分析中是看不到的。 然而机器学习需要三个关键因素才能有效： a) 数据，大量的数据 为了教给人工智能新的技巧，需要将大量的数据输入给模型，用以实现可靠的输出评分。例如特斯拉已经向其汽车部署了自动转向特征，同时发送它所收集的所有数据、驾驶员的干预措施、成功逃避、错误警报等到总部，从而在错误中学习并逐步锐化感官。一个产生大量输入的好方法是通过传感器：无论你的硬件是内置的，如雷达，相机，方向盘等（如果它是一辆汽车的话），还是你倾向于物联网(Internet of Things)。蓝牙信标、健康跟踪器、智能家居传感器、公共数据库等只是越来越多的通过互联网连接的传感器中的一小部分，这些传感器可以生成大量数据（多到让任何正常的人来处理都太 多）。 b) 发现 为了理解数据和克服噪声，机器学习使用的算法可以对混乱的数据进行排序、切片并转换成可理解的见解。（如果你想吓跑你的同事，请先听听常用的不同排序算法）
人工智能在自动驾驶应用中的5大关键技术分析 随着技术的快速发展云计算、大数据、人工智能一些新名词进入大众的视野，人工智能是人类进入信息时代后的又一技术革命正受到越来越广泛的重视。作为人工智能技术在汽车行业、交通领域的延伸与应用，无人驾驶近几年在世界范围内受到了产学界甚至国家层面的密切关注。 自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。自动驾驶技术将成为未来汽车一个全新的发展方向。 本文将主要介绍人工智能技术在自动驾驶中的应用领域，并对自动技术的发展前景进行一个简单的分析。 人工智能是一门起步晚却发展快速的科学。20 世纪以来科学工作者们不断寻求着赋予机器人类智慧的方法。现代人工智能这一概念是从英国科学家图灵的寻求智能机发展而来，直到1937年图灵发表的论文《理想自动机》给人工智能下了严格的数学定义，现实世界中实际要处理的很多问题不能单纯地是数值计算，如言语理解与表达、图形图像及声音理解、医疗诊断等等。 1955 年Newell 和Simon 的Logic Theorist证明了《数学原理》中前52 个定理中的38 个。Simon 断言他们已经解决了物质构成的系统如何获得心灵性质的问题( 这种论断在后来的哲学领域被称为“强人工智能”) ，认为机器具有像人一样逻辑思维的能力。1956 年，“人工智能”( AI) 由美国的JohnMcCarthy 提出，经过早期的探索阶段，人工智能向着更加体系化的方向发展，至此成为一门独立的学科。 五十年代，以游戏博弈为对象开始了人工智能的研究；六十年代，以搜索法求解一般问题的研究为主；七十年代，人工智能学者进行了有成效的人工智能研究；八十年代，开始了不确定推理、非单调推理、定理推理方法的研究；九十年代，知识表示、机器学习、分布式人工智能等基础性研究方面都取得了突破性的进展。 人工智能在自动驾驶技术中的应用概述人工智能发展六十年，几起几落，如今迎来又一次
人工智能的概念不在陌生，但是其中的几大专业术语又是什么呢 人工智能进入了一切领域——从自动驾驶汽车，到自动回复电子邮件，再到智能家居。似乎可以获得任何商品（例如医疗健康，飞行，旅行等），并通过人工智能的特殊应用使其更加智能。所以除非相信事件具有终结者般的转折，可能会问自己，人工智能能够预示着工作场所或整体的业务线的什么利益。 人工智能主要有三个分支： 1) 认知AI （cognitive AI） 认知计算是最受欢迎的一个人工智能分支，负责所有感觉“像人一样”的交互。认知AI必须能够轻松处理复杂性和二义性，同时还持续不断地在数据挖掘、NLP（自然语言处理）和智能自动化的经验中学习。 现在人们越来越倾向于认为认知AI混合了人工智能做出的最好决策和人类工作者们的决定，用以监督更棘手或不确定的事件。这可以帮助扩大人工智能的适用性，并生成更快、更可靠的答案。 2) 机器学习AI （Machine Learning AI） 机器学习（ML）AI是能在高速公路上自动驾驶你的特斯拉的那种人工智能。它还处于计算 机科学的前沿，但将来有望对日常工作场所产生极大的影响。机器学习是要在大数据中寻找一些“模式”，然后在没有过多的人为解释的情况下，用这些模式来预测结果，而这些模式在普通的统计分析中是看不到的。 然而机器学习需要三个关键因素才能有效： a) 数据，大量的数据 为了教给人工智能新的技巧，需要将大量的数据输入给模型，用以实现可靠的输出评分。例如特斯拉已经向其汽车部署了自动转向特征，同时发送它所收集的所有数据、驾驶员的干预措施、成功逃避、错误警报等到总部，从而在错误中学习并逐步锐化感官。一个产生大量输入的好方法是通过传感器：无论你的硬件是内置的，如雷达，相机，方向盘等（如果它是一辆汽车的话），还是你倾向于物联网(Internet of Things)。蓝牙信标、健康跟踪器、智能家居传感器、公共数据库等只是越来越多的通过互联网连接的传感器中的一小部分，这些传感器可以生成大量数据（多到让任何正常的人来处理都太 多）。 b) 发现 为了理解数据和克服噪声，机器学习使用的算法可以对混乱的数据进行排序、切片并转换成可理解的见解。（如果你想吓跑你的同事，请先听听常用的不同排序算法） 从数据中学习的算法有两种，无监督算法和有监督算 法。
题目：动物识别专家系统 ．实验目的 1. 理解并掌握基于规则系统的表示与推理 2. 学会编写小型的生产式系统，理解正向推理和反向推理的过程以及两者的区别 3. 学会设计简单的人机交互界面 实验内容 动物识别专家系统是流行的专家系统实验模型，它用产生式规则来表示知识，共15 条规则、可以识别七种动物，这些规则既少又简单，可以改造他们，也可以加进新的规则，还可以用来识别其他东西的新规则来取代这些规则。 四．实验要求 1、确定推理方法（正向还是反向），并根据问题设计实现一个简单的不通用推理机（匹配、冲突消解） 2、规则库要求至少包含15 条规则 3、初始事实可以任意给定，输入初始事实后能够得到推理结果 4、设计人机界面，解释模块提供查询规则的功能 5、可以不考虑知识库管理模块 6、提交实验报告， 7、报告中要有推理树 五．实验原理 动物识别专家系统是流行的专家系统实验模型，它用产生式规则来表示知识，共 15 条规则、可以识别七种动物，这些规则既少又简单，可以改造他们，也可以加进新的规则，还可以用来识别其他东西的新规则来取代这些规则。动物识别15条规则: 规则1：如果：动物有毛发则：该动物是哺乳动物
规则2: 如果：动物能产奶 则：该单位是哺乳动物 规则3: 如果：该动物有羽毛 则：该动物是鸟 规则4： 如果：动物会飞，且会下蛋 则：该动物是鸟 规则5： 如果：动物吃肉 则：该动物是肉食动物 规则6： 如果：动物有犬齿，且有爪，且眼盯前方 则：该动物是食肉动物 规则7： 如果：动物是哺乳动物，且有蹄 则：该动物是有蹄动物 规则8： 如果：动物是哺乳动物，且是反刍动物 则：该动物是有蹄动物 规则9： 如果：动物是哺乳动物，且是食肉动物，且是黄褐色的，且有暗斑点则：该动 物是豹 规则10： 如果：如果：动物是黄褐色的，且是哺乳动物，且是食肉，且有黑条纹则：该 动物是虎 规则11： 如果：动物有暗斑点，且有长腿，且有长脖子，且是有蹄类则：该动物是长颈 鹿 规则12： 如果：动物有黑条纹，且是有蹄类动物则：该动物是斑马 规则13： 如果：动物有长腿，且有长脖子，且是黑色的，且是鸟，且不会飞 则：该动物是鸵鸟 规则14:
一．题目：动物识别专家系统 二．实验目的 1.理解并掌握基于规则系统的表示与推理 2.学会编写小型的生产式系统，理解正向推理和反向推理的过程以及两者的区 别 3.学会设计简单的人机交互界面 三．实验内容 动物识别专家系统是流行的专家系统实验模型，它用产生式规则来表示知识，共15条规则、可以识别七种动物，这些规则既少又简单，可以改造他们，也可以加进新的规则，还可以用来识别其他东西的新规则来取代这些规则。 四．实验要求 1、确定推理方法（正向还是反向），并根据问题设计实现一个简单的不通用推理机（匹配、冲突消解） 2、规则库要求至少包含15条规则 3、初始事实可以任意给定，输入初始事实后能够得到推理结果 4、设计人机界面，解释模块提供查询规则的功能 5、可以不考虑知识库管理模块 6、提交实验报告， 7、报告中要有推理树 五．实验原理 动物识别专家系统是流行的专家系统实验模型，它用产生式规则来表示知识，共15条规则、可以识别七种动物，这些规则既少又简单，可以改造他们，也可以加进新的规则，还可以用来识别其他东西的新规则来取代这些规则。动物识别15条规则: 规则1： 如果：动物有毛发 则：该动物是哺乳动物
规则2： 如果：动物能产奶 则：该单位是哺乳动物 规则3: 如果：该动物有羽毛 则：该动物是鸟 规则4： 如果：动物会飞，且会下蛋 则：该动物是鸟 规则5： 如果：动物吃肉 则：该动物是肉食动物 规则6： 如果：动物有犬齿，且有爪，且眼盯前方 则：该动物是食肉动物 规则7： 如果：动物是哺乳动物，且有蹄 则：该动物是有蹄动物 规则8： 如果：动物是哺乳动物，且是反刍动物 则：该动物是有蹄动物 规则9： 如果：动物是哺乳动物，且是食肉动物，且是黄褐色的，且有暗斑点 则：该动物是豹 规则10： 如果：如果：动物是黄褐色的，且是哺乳动物，且是食肉，且有黑条纹 则：该动物是虎 规则11： 如果：动物有暗斑点，且有长腿，且有长脖子，且是有蹄类 则：该动物是长颈鹿 规则12： 如果：动物有黑条纹，且是有蹄类动物 则：该动物是斑马 规则13： 如果：动物有长腿，且有长脖子，且是黑色的，且是鸟，且不会飞
车辆工程技术 85车辆技术 0 引言 汽车自动驾驶系统与人工智能的结合，为汽车自动驾驶系统智能化发展提供更多技术支持，并且明确了汽车自动驾驶系统的发展方向。尤其是人工智能中的各种算法与Agent 技术等的应用，在很大程度上带动了汽车自动驾驶系统的发展。 1 汽车自动驾驶系统、人工智能浅析 1.1 人工智能 人工智能是科学发展与智能技术应用的产物，人工智能技术简称为AI，具备多元化研究系统，并且集开发算法、拓展专属于人的智能以及系统模拟等技术于一身，人工智能是现代化领先技术之一。人工智能技术的研究，从1956 年着手，经过不断的研究探索，70 年代在数据处理方面取得巨大突破，并且逐渐被应用到市场中，人工智能的研究价值得以显现。人工智能在2016 年中，以人工智能围棋软件的形式挑战欧洲围棋冠军，这代表着人工智能技术发展进入到新的发展阶段。根据人工智能技术研究为载体，逐渐将研究领域进行拓展，增加语言、图像识别与自主学习等功能，并且在研究理论方面不断创新。 人工智能通过对人的模拟，延伸更多智能科学技术，重点进行计算机科学分析，认清人工智能本质，通过模拟人的行为控制机器设备。当前人工智能技术越来越成熟，在很多领域开始应用，自动驾驶技术便是重要体现[1]。 1.2 汽车自动驾驶系统 汽车自动驾驶系统的兴起，主要基于人工智能技术，将人工智能研究与汽车自动驾驶技术相结合，更多发展领域得到人工智能的支持。汽车作为当代生活的关键设备，为人们出行带来很多便利。人工智能渗透到汽车发展领域，逐渐衍生出无人驾驶技术。无人驾驶技术下的汽车被称之为智能汽车，主要通过GPS 定位、雷达以及激光、传感器等智能设备，及时获取汽车行驶信息，并且全面分析路况，对汽车行驶进行彻底判断，结合驾驶情况选择适当的驾驶路径，以此实现对汽车的有效控制。无人驾驶技术对于智能技术要求十分严格，当前还在不断探索中，并没有得到全面性的驾驶普及。但是随着无人驾驶技术的发展成熟，该技术的普及速度加快，人工智能与汽车自动驾驶系统的有效结合，为汽车行业发展创造了更多机会。 2 人工智能在自动驾驶汽车领域的应用 2.1 总体技术路线 自动驾驶系统是一个由不同软硬件构成的交互式系统，其中，硬件包括自动驾驶芯片与汽车制造技术，软件包括自动驾驶软件、地图和通信网络。在软件部分，可以分成下列三个功能模块： （1）环境感知模块：采用传感器进行环境信息的感知，如利用摄像头等装置来进行环境信息的实时获取，并利用GPS实现车身状态信息的动态获取。 （2）行为决策模块：以现有的路网、环境与驾驶等信息为依据，在遵循交通规则的基础上，给出最佳自动驾驶决策，即运动控制指令。 （3）运动控制模块：以规划确定的行驶路线为依据，结合当前车辆所处位置、时速及姿态，发出对相应的控制指令[2]。 2.2 人工智能具体应用 （1） 保证交通的高效性。地图以大数据网为依据为用户提供实时信息并给出更改线路的建议，这样能大幅度提高交通效率，同时这也是车联网具体应用表现形式。将汽车接入到互联网后，能与周围物联网相关数据相结合，此时利用人工智能技术能实现实时处理，从而更加智能且快速地给出最佳规划路线。 （2）保证驾驶的安全性。实现自动驾驶前，智能化的辅助驾驶系统已经开始大规模应用。现在以ADAS等为主要代表的智能系统已经在汽车上得到广泛应用。对于ADAS，它引入了人工智能技术，如图像识别与传感器技术等，使自动驾驶达到了第二级，部分达到第三级。这为后续更高级别的自动驾驶奠定了良好基础。同时，通过对人工智能的引入，还能从根本上保证驾驶安全性，减少或避免由于驾驶者自身能力有限产生的事故意外。 （3）保证管理的水平。人工智能还能应用于管理环节，如企业和渠道管理，包括市场营销，通过对人工智能的引入，能降低成本，保证管理的效率与水平。例如，在营销管理中可以利用人工智能实现大数据分析，从而掌握不同消费者的需求，实现精准营销。 （4）保证出行的舒适性。将人工智能引入到车载应用方面能在良好响应指令的基础上，提高行车舒适性。如，在汽车解锁方面采用生物识别技术，如步态、声纹或面部识别；利用人工智能还能使汽车以天气状况为依据，结合用户实际状态对空调系统进行自动调整，使车内空间温度保持在舒适状态下。 2.3 自动驾驶实现难点 汽车和人工智能之间的结合，需要经过以下三个阶段：第一阶段为技术爆发、第二阶段为混合过渡、第三阶段为智能交通，现在我国还处在第一阶段，企业将重点放在研发新技术方面，降低传感器等装置的生产成本，提高商用水平等。要使自动驾驶真正变成现实，需要解决以下几个问题：其一，政策法规的制定和完善；其二，基础设施建设；其三，高精地图软件开发；其四，技术标准制定；其五，提高民众接受度。 每一个问题都是一个很大的挑战，调查结果表明，现在全球每年都会有约130万人因交通事故丧生，但只有不足60%的人可以接受汽车自动驾驶，对于自动驾驶，它最令人担忧的还是安全性。然而，理论上讲，自动驾驶要比驾驶者驾驶更安全，因为它不会产生任何对驾驶安全不利的负面情绪。由此可见，当务之急是要在开发的同时打消对人们对自动驾驶的错误认识，使人们对自动驾驶产生足够的信心[3]。3 结束语 当前，自动驾驶系统中还存在一定问题，想要实现车辆自动驾驶并真正推广，还有些遥远，但是，随着及其学习算法等技术的发展，自动驾驶技术必然上升更高台阶。相信在未来实现自动驾驶将成为必然趋势。 参考文献： [1]赵铭炎.浅析人工智能在自动驾驶中的应用[J].中国新通信,2019, 21(05):107-108. [2]冯玮.车辆自动驾驶中人工智能的应用实践微探[J].中国战略新兴产业,2018(16):135. [3]井泉.浅谈人工智能在自动驾驶汽车中的应用[J].轻型汽车技术，2018(Z1):51-54. 自动驾驶汽车中人工智能的应用研究 张永翔 （山东科技大学,山东 青岛 266000） 摘 要：无人驾驶汽车拥有一个显著特征，信息化程度非常高，对电脑系统安全性等要求较高。若电脑程序出现混乱、信息泄露、病毒入侵等，极易危害汽车行驶安全，这些问题必须解决，才能保障自动驾驶系统的应用与推广。本文主要分析了自动驾驶汽车中人工智能的应用。 关键词：自动驾驶；人工智能；汽车工程
人工智能三大分类 认知学习;机器学习;深度学习 人工智能的概念不在陌生，但是其中的几大专业术语又是什么呢 人工智能进入了一切领域——从自动驾驶汽车，到自动回复电子邮件，再到智能家居。似乎可以获得任何商品（例如医疗健康，飞行，旅行等），并通过人工智能的特殊应用使其更加智能。所以除非相信事件具有终结者般的转折，可能会问自己，人工智能能够预示着工作场所或整体的业务线的什么利益。 人工智能主要有三个分支： 1) 认知AI （cognitive AI） 认知计算是最受欢迎的一个人工智能分支，负责所有感觉“像人一样”的交互。认知AI必须能够轻松处理复杂性和二义性，同时还持续不断地在数据挖掘、NLP（自然语言处理）和智能自动化的经验中学习。 现在人们越来越倾向于认为认知AI混合了人工智能做出的最好决策和人类工作者们的决定，用以监督更棘手或不确定的事件。这可以帮助扩大人工智能的适用性，并生成更快、更可靠的答案。 2) 机器学习AI （Machine Learning AI） 机器学习（ML）AI是能在高速公路上自动驾驶你的特斯拉的那种人工智能。它还处于计算机科学的前沿，但将来有望对日常工作场所产生极大的影响。机器学习是要在大数据中寻找一些“模式”，然后在没有过多的人为解释的情况下，用这些模式来预测结果，而这些模式在普通的统计分析中是看不到的。 然而机器学习需要三个关键因素才能有效： a) 数据，大量的数据 为了教给人工智能新的技巧，需要将大量的数据输入给模型，用以实现可靠的输出评分。例如特斯拉已经向其汽车部署了自动转向特征，同时发送它所收集的所有数据、驾驶员的干预措施、成功逃避、错误警报等到总部，从而在错误中学习并逐步锐化感官。一个产生大量输入的好方法是通过传感器：无论你的硬件是内置的，如雷达，相机，方向盘等（如果它是一辆汽车的话），还是你倾向于物联网(Internet of Things)。蓝牙信标、健康跟踪器、智能家居传感器、公共数据库等只是越来越多的通过互联网连接的传感器中的一小部分，这些传感器可以生成大量数据（多到让任何正常的人来处理都太 多）。 b) 发现 为了理解数据和克服噪声，机器学习使用的算法可以对混乱的数据进行排序、切片并转换成可理解的见解。（如果你想吓跑你的同事，请先听听常用的不同排序算法）
人脸识别人工智能系统的原理与发展 一、引言 人脸识别系统以人脸识别技术为核心，是一项新兴的生物识别技术，是当今国际科技领域攻关的高精尖技术。它广泛采用区域特征分析算法，融合了计算机图像处理技术与生物统计学原理于一体，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析建立数学模型，具有广阔的发展前景。2012年4月，铁路部门宣布车站安检区域将安装用于身份识别的高科技安检系统人脸识别系统；可以对人脸明暗侦测，自动调整动态曝光补偿，人脸追踪侦测，自动调整影像放大； 二、概述 人脸识别系统概述 广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音(语音)、体形、个人习惯(例如敲击键盘的力度和频率、签字)等，相应的识别技术就有人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别(用语音识别可以进行身份识别，也可以进行语音容的识别，只有前者属于生物特征识别技术)、体形识别、键盘敲击识别、签字识别等。 人脸识别系统功能模块 人脸捕获与跟踪功能：人脸捕获是指在一幅图像或视频流的一帧中检测出人像并将人像从背景中分离出来，并自动地将其保存。人像跟踪是指利用人像捕获技术，当指定的人像在摄像头拍摄的围移动时自动地对其进行跟踪。 人脸识别比对：人脸识别分核实式和搜索式二种比对模式。核实式是对指将捕获得到的人像或是指定的人像与数据库中已登记的某一对像作比对核实确定其是否为同一人。搜索式的比对是指，从数据库中已登记的所有人像中搜索查找是否有指定的人像存在。 人脸的建模与检索：可以将登记入库的人像数据进行建模提取人脸的特征，并将其生成人脸模板(人脸特征文件)保存到数据库中。在进行人脸搜索时(搜索式)，将指定的人像进行建模，再将其与数据库中的所有人的模板相比对识别，最终将根据所比对的相似值列出最相似的人员列表。
人工智能在车辆自动驾驶中的应用 王洪升,曾连荪,田蔚风 (上海交通大学电信学院导航与控制研究所,上海200030) 摘要:本文提出了一种新的基于人工智能的感知/计划/动作agent结构实现智能车辆自动驾驶的方案。首先通过描述该结构的原理说明该结构可以解决自动驾驶中存在的一些问题,接着通过建立自动驾驶知识库阐述如何具体实现自动驾驶,最后通过仿真实验验证了该方法能够为智能车辆实现自动或辅助驾驶提供一种非常有效的机制。 关键词:智能交通系统;人工智能;智能车辆;自动驾驶;知识库 中图分类号:TP18文献标识码:A文章编号:1003-7241(2004)06-0005-04 Application of Artificial Intelligence in Autom atic Drive for Intelligent Vehicles WANG Hong-sheng,ZENG Lian-sun,TIA N Wei-feng (Institute of Navigation and Control,Shanghai Jiaotong University,Shanghai200030,China) Abstract:This paper presents an innovative method for implementing automatic drive for i ntelligen t vehicles using Artificial Intelli gence based on the sense/plan/act agent architecture.Theory of the archi tecture is described which explains that some problems in automatic driving can be solved efficiently.The i mplementation of the automatic dri ving using knowledge database based on this archi tecture is discussed.Simulation studies have been conducted to verify that the proposed method can be efficien tly utilized in automatic driving for intelligent vehicles. Key words:Intelligent transportation systems;Artificial i ntelligence;Intelligent vehicles;Automatic driving;Knowledge database 1引言 20世纪80年代后,日益拥挤的交通给人们带来交通堵塞、事故频发、环境污染和危害人类生命财产等一系列的困扰。为了排除这些困扰,集通讯、信息和管理于一体的智能交通系统(ITS)应运而生。 ITS一般由两部分组成,即智能道路及交通控制系统和智能车辆。目前智能道路系统的构建还处于起步阶段,相应的基础设施建设周期长且投资大,所以发展智能车辆及车辆自动驾驶系统,通过提高车辆自身的智能的方案是目前实现安全、高效的自动驾驶的最佳选择,同时它还可以为将来开发完备的自动高速交通网络环境中运行的智能车辆奠定基础。 收稿日期:2003-11-11 车辆自动驾驶系统主要由车辆自动驾驶控制系统和车辆自动路径导引系统组成。其中车辆自动驾驶控制系统对车辆进行横向和纵向的控制,而车辆自动路径导引系统为车辆动态规划最优的路径。近年来,车辆自动驾驶的研究取得了很大的进展,特别是图论法、神经网络法和遗传算法等[1][2][3][4]的应用。其中以Dijkstra算法为代表的图搜索法[2]在各种优化问题中得到了较为广泛的应用,并且这种算法的解是全局最优的。但是这种算法需要建立邻接矩阵,会耗费巨大的存储量,且其计算量与网络结点数目为立方关系。而智能车辆自动驾驶的路径导引要在结点数非常大的数字地图数据库中进行搜索,所以该方法存在计算量大和对计算机存储要求高的缺点。 本文提出将人工智能的基于感知P计划/动作agent结构[5]应用于车辆自动驾驶中,从感知、思维和行为三个层次模拟人为 5 u es of Aut oma tio n&Ap p licat io ns|
http ：//https://www.doczj.com/doc/d511710421.html, 近十年来，汽车行业经历了飞速变化，车联网越来越普及，电动机等新的动力系统逐渐成为主流，汽车自动化水平也在不断提高。 每种趋势背后都有强劲的推动力，但其中或许最重要的一个因素是安全。 人类驾驶很容易犯错，每年在交通事故中丧生的130万人中， 有94%是因为这些错误造成的，另外还有2000万到5000万人因交通事故受伤或致残。在许多国家中，除了伤亡人数外，交通事故产生的成本估计占国家GDP 的1%至20%。 为此，许多汽车制造商开始尝试自动驾驶。自动驾驶汽车需要新的摄像头、雷达和激光雷达（LIDAR ）模块，另外还需要处理器和传感器融合引擎控制单元（ECU ）-以及新的算法、测试和验证，这些都是为了实现真正的自动驾驶。根据市场分析公司HIS Market 的数据，从2016年到2023年，自动驾驶预计将推动汽车电子系统价值的复合年增长率达到60%。这种增长将使汽车在未来10到15年内， 自动驾驶水平稳步提高。 汽车设计中引入人工智能和深度学习 汽车系统设计人员最初是在高级辅助驾驶系统（ADAS ）中运用了传统的嵌入式视觉算法。汽车自动化发展的主要推动因素之一是增加了人工智能（AI ）技术，尤其是基于在多层卷积神经网络（CNN ）上实现深度学习算法的人工智能技术。这些算法在汽车自动化所必备的对象识别和场景分割任务中，有着极好的发展前途。 自动驾驶汽车需要“看到”前方的道路并了解周围环境，因此需要综合部署摄像头、雷达、激光雷达（LiDAR ）和超声波来完成这一任务（图2）。 每个摄像头收到要处理的未压缩视频流时，人工智能将启用对场景中多个对象的检测和识别，从而提高车辆的情境感知能力。应用人工智能算法应 该能缩短开发ADAS 所需的时间。原因在于实施了有效的神经网络后，根据新情境对 其进行调整并不涉及 编写新的代码，而只需要用新数据集对其重新 人工智能对自动驾驶汽车的影响 新思科技供稿 *架构基于宝马、沃尔沃、奥迪、 日产现有试制车平台图1随着车辆自动化水平的提高，传感器数量也会随之增加（资料来源：IHS Markit ） 图2自动驾驶汽车能“看到” 周围环境所需的传感器75
第20卷第 5.6期 2017年6月POWER SUPPLY TECHNOLOGIES AND APPLICATIONS V〇1.20 No.5.6 Jun.2017 自动驾驶人工智能 茅于抗 (清华大学自动化系，北京100084) 据统计，全世界每天都有八亿辆汽车在马路上 跑。据预测，每年新销售的汽车达1.5亿辆，报废的 车没有这么多，所以全世界运行的汽车总量还在不 断增加，何况我们“发展中国家”，汽车的拥有量还 会增加得更快。 现在的汽车都是有人操作的，学会开汽车一般 要经过驾校训练、考试合格后，才能领取驾驶执照；上路也要经过先有专业驾校老师陪同训练一段时 间后，才能独立上路。这个过程是免不了的。你不能 期望，有了自动驾驶系统，你就不必上驾校学开车 了。 驾驶汽车必须注意力集中，稍不留神就容易出 事故，不是自己的车碰坏了，就是撞了人，还可能自 己受伤了，引起了大麻烦。那么如果采用了自动驾 驶，是不是能更安全了呢？应该是，但没法证明。至 少现在还没有那个国家准许无人驾驶的汽车上路。这说明，"自动驾驶"技术还没有达到人驾驶的水平。至少交通运输的主管部门还不认可自动驾驶会比 有人驾驶可靠。 世界各个大汽车公司都已研究自动驾驶多年，有的公司声称已经有了成熟的自动驾驶系统，但是 为什么交通运输主管部门不敢批准无人驾驶汽车 上路？因为还没法证明：机器自动驾驶会比人驾驶 更安全、更可靠。开了自动驾驶的汽车，万一出了事 故，是驾驶员的责任，还是自动驾驶系统的责任？出售自动驾驶系统的公司还负责赔偿吗？官司就打不清了。 要是你在马路上看见一辆没人驾驶的汽车向 你这边开来，你会不感到害怕吗？至少到现在，无法 想象：竟然有一天，马路上跑的汽车会是没有人在 驾驶的。 其实，无人驾驶技术在飞机上早已实现了。不 用说，众所周知的“无人机”就是没人驾驶的飞机。 其实普通的民航机，驾驶员也不是老坐在那里 “开飞机”的，只要给定目标和驾驶参数，自动驾驶 系统就能维持飞机长时间的正常的飞行。可以想 象，飞机的起飞，操作比较简单，容易实现自动驾 驶。但是飞机下降，技术要复杂得多，可能驾驶员也 不放心完全交给自动化系统去操作。 据说，要实现汽车自动驾驶，必须给汽车装六 个摄像头，监视六个方向的信息。然后根据设定的 道路目标去前行，遇到障碍物时知道回避或后退。现在，已经有了 5P S系统帮助汽车驾驶了，但也只 是给驾驶员一个参考：向前行，或后退，不能代替驾 驶员的工作。道路上的复杂情况是很难预测的，自动驾驶系统首先必须会观察十字路口的红绿灯，根 据红绿灯信号来控制汽车在十字路口该停、该走、可以拐弯，等等，这时，红绿灯还不是开停车的充分 条件，还必须注意观察前后左右有无其他车辆，它 们的行动意图是什么，更要注意，有没有行人出现，还有小孩会自己乱跑到马路中间，必须注意避让。在过环岛（roundabout)时，知道左（下转第64页） -62-