智能驾驶大数据前沿研究进展与典型应用

导读：随着嵌入式系统、导航系统、传感器技术、网络及通信技术等方面的共同发展，以及人们对于未来交通工具的盼望，智能驾驶技术逐渐成为越来越多学术界与工业界研究人员的关注热点。

作者：韩锐 刘驰

来源：大数据DT（ID：hzdashuju）

01 介绍

智能驾驶泛指对于交通工具（尤其是汽车）的智能化改造，应用自动驾驶（autonomous driving）以及车联网（Internet of Vehicles，IoV）等技术，使得传统上完全人为控制的机动车辆具备智能处理的能力，包括但不限于智能数据采集、智能分析、智能决策等，而这一系列的智能化技术的实现离不开对于车辆本身、外界环境、交互控制等多维度海量数据的高效处理与分析。

智能驾驶大数据之所以能够被传统汽车行业以及新兴互联网企业、先进制造业等多方机构同时寄予厚望，包括但不限于以下原因：

1. 安全性

一方面，不同人对于车辆的操控能力、对于驾驶规则的认知能力不尽相同；另一方面，在不同的情况下，人的反应时间与决策准确性会受到诸多因素不同程度的影响。这使得人们对于机动车的驾驶行为具有高度的主观决定性，使得道路交通安全情况难以完全保证。

而对于智能驾驶技术而言，不论是低阶辅助驾驶（例如定速巡航、自动化跟车、车道保持、自动泊车），还是高阶自动驾驶（几乎完全交由行车系统进行控制），都能够在不同程度上替代人们主观性的判断与操控，同时缓解了诸如心情、病症等因素对驾驶者的影响，提高了行车可靠性。

同时，由于数据处理系统超低时延的性能，智能驾驶技术能够以低于常人反应时间的速度进行决策，在突发情况（例如即将碰撞）时能够即时采取最佳策略，避免事故的发生，或减弱事故带来的危害，进一步提高了驾驶的安全性。

2. 高效性

车联网技术中一项典型应用即精确导航。对于传统驾驶者而言，规划出行路线通常依赖于自身的位置记忆、对于交通流量判断的经验以及通用的定位导航技术（例如GPS或北斗），而车联网与边缘计算平台的结合带来了区域性精确导航的能力，包括但不限于：

• 高精度地图。不同于传统基于卫星的遥感地图，通过边缘节点，能够在LAN进行多维度的数据获取，例如基于摄录系统的视频采集，基于雷达、声呐系统的空间距离感知等，获得小范围内的精确空间信息以及实景画面，为驾驶系统提供准确的地理位置信息支撑。

• 实时更新地图。基于边缘平台的计算能力，能够对于一定范围内的高精度地图进行实时更新，记录道路维修、车道调整、通行规则调整等一系列高时效性数据，并即时分发至可能经过此区域的行车系统中，为它提供更加准确的决策，而极高的更新频率带来的时效性对于传统地图信息系统而言难以实现。

• 动态信息监控：通过基站、车载计算、路边单元等边缘节点，能够将交通流量、突发事故等动态信息进行监控、采集，并经过聚合、处理后上报至车联网，使得交通状况由传统的现场发现、人工播报逐渐转变为实时获取、连网传播，大大提高了车辆通行效率。

3. 便捷性

不论是作为交通系统使用者的自动驾驶车辆，还是作为服务者的车联网系统，由于智能处理系统接管了原有人为的工作，因此能够具备7天×24h不间断运行的能力，有效弥补了公共交通工具有限运行时间以及驾驶者面临的疲劳驾驶等问题。

这样一来，需要出行的用户能够在任意时间使用高度智能化、自动化的交通工具，降低了驾驶者成本，提高了交通便捷性。

02 问题与挑战

而自动驾驶技术是否能够最终落地，对于数据处理系统而言，主要依赖于以下三方面：

1. 计算性能