无人驾驶汽车的数据与计算模型研究

138|电子制作2019年02-03月实验研究0引言自上个世纪以来，无人驾驶技术就被提出并得以重视。而近年来，随着大数据、云计算、边缘计算等技术的突破，无人驾驶技术也高速发展起来。无人驾驶取代人类驾驶已经成为趋势，吸引了很多公司在这一领域的研发。如传统汽车行业的宝马、奔驰，新兴公司特斯拉，信息技术行业公司如谷歌、百度等，都在自动驾驶的研究上取得了一定突破。未来无人驾驶技术的普及将会助力人类安全出行、减少驾驶员花费的时间，为生活创造更多可利用的时间和空间。无人驾驶技术，即依靠车内的计算机通过计算等操作代替人类驾驶员驾驶汽车的技术。无人驾驶汽车依靠传感器所采集的各种数据，同时结合车联网、云中心等远程数据与调度，实现汽车的自动驾驶。无人驾驶技术要面临着庞大的数据收集与计算的问题，在行车过程中，每分每秒都会产生大量的数据，而如何在最短的时间里处理数据、判断路况、规划路线、保护乘客安全等问题，都是研究无人驾驶技术道路上的难题。当下，大数据、云计算、边缘计算、人工智能等技术蓬勃发展，极大地改进了无人驾驶的技术。本文结合无人驾驶中所利用的数据和计算相关技术，总结了无人驾驶技术数据与计算的模型，系统分析当下和未来无人驾驶和计算机技术的相关结合，同时还分析了当下无人驾驶在数据与计算中面临的问题，对于未来无人驾驶技术的发展有一定指导作用。1无人驾驶技术无人驾驶技术包含多个方面，除无人汽车本身及携带的各种设备与技术外，还包括与之配套的车联网设备、云计算中心、城市调度系统等相关技术。在无人汽车上，会搭载各种设备，如激光测距仪、视频摄像头、车载雷达、微型传感器、车载计算机、定位设备等[1]。激光测距仪安装在车顶部，主要用来测量汽车周围的环境状况、绘制3D地图等；视频摄像头可以拍摄汽车前面的视野，用以识别前方的路况，识别红绿灯等交通标示；车载雷达用来检测距离比较远的物体；定位设备通过卫星或其他伪卫星设定进行高精度的定位。同时，汽车会安装各种微型传感器，用以确定车辆自身的数据如车况、位置等。除了车载设备之外，大数据、云计算、边缘计算、万物互联等技术在无人驾驶方面也有重要作用。大数据可以为车辆行驶提供基本数据，利用数据挖掘的方式找到规则并训练无人驾驶系统。云中心整体地对于每个车辆进行数据计算并进行调度。边缘计算[2]出于节能性、安全性、实时性等因素，在汽车所携带的车载计算机上进行数据计算，对于无人驾驶技术有非常大的作用。而随着物联网的不断发展，车联网[3]也成为无人驾驶技术的一个重要趋势。如其他汽车或路边设备可以对当前汽车提供辅助定位；车辆可以与周边的其他车辆进行数据传输，把握其他车辆的驾驶状态，可以辅助车载传感器的数据进行分析，改变当前的行车状态。2数据与计算无人汽车的运行依靠于数据的收集和数据处理两方面协作完成。在数据收集方面，在无人驾驶的过程中，将会需无人驾驶汽车的数据与计算模型研究曹家铭（北京市第十三中学，北京，100000）摘要：为了探讨无人驾驶的运行模式，文章结合现阶段的无人驾驶技术，以及计算机领域的大数据、云计算、边缘计算、车联网等前沿科技，总结了无人驾驶汽车的数据与计算模型。对于无人驾驶的数据采集与计算，提出分为车辆本身数据、环境感知数据、远环境数据、历史数据四个部分，这些数据经过计算处理可以用于汽车驾驶操控、智能交通的车辆调度等。同时，现阶段无人驾驶在数据与计算领域还存在一定问题，如数据传输、实时计算、数据隐私等。文章对于无人驾驶的未来发展有一定的指导作用。关键词：无人驾驶；大数据；云计算；边缘计算；车联网图1 无人驾驶汽车的数据与计算模型�ele169�com|139实验研究要用到许多不同方面的数据，主要有以下几个方面：车辆本身的数据，环境感知数据，车辆远环境的数据，历史积累的数据。在数据计算方面，利用车载的计算机进行边缘计算，利用云中心进行需要大量算力、但时效性要求不高的海量数据计算。这些数据与计算共同配合，辅助无人汽车的行驶。■2.1车辆本身的数据与计算车辆本身数据指可以通过汽车本身携带的传感器获得,包括速度、姿态、加速度、发动机转速、汽车参数，如油量、损耗。通过当前的车辆状态信息，可以了解车辆下一步的前进方向和姿态，通过和预定状态或理想状态进行比对，计算二者之间的差异，可以微调汽车的加速度、功率，从而能应对突发事件。即时收集并处理车辆本身的数据，可以及时调整车辆的状态，保持车辆的平稳运行，防止交通事故。■2.2环境感知数据与计算环境感知数据，主要通过车辆自身所装配的各类传感器来获取，也可以并联使用车联网的方法，与其他车辆共享数据。车辆所装配的传感器分为许多类别，主要拥有激光测距仪、视频摄像头、车载雷达等设备，此外还有GPS，超声波测距仪等等。激光雷达测距仪，通过激光测绘感知周围环境，形成数据点云，绘制3D高精度地图。从而精确测量出周围环境中的主要障碍，这对于汽车分析道路上的障碍物起到关键作用，同时还可以提供给周围的其他汽车，对其他汽车的一些激光雷达盲区进行辅助，提高行驶的安全性，或者上传到数据中心更新相应的地图。但是，它并不能识别物体，仅是单纯测量距离。视频摄像头，可拍摄车辆前方的路况并传送到车载电脑中。这些数据经过相关的机器学习算法如神经网络，可使车辆了解周围的物体类别，如行人、红绿灯、标志物等有额外信息内容的障碍物，如果是行人、动物等，则需要减速或停止避让，如果是一些无碍的物体，如塑料袋、废纸等，则可以无视这类障碍。车载雷达，主要收集距离车辆本身较远的固定障碍数据。通过多种传感器共同工作，收集到不同种类的数据，加以计算，从而得到更加全面的环境感知数据。在未来，汽车可以与周围的汽车形成联网状态，即车联网。其他汽车的相关行驶数据可以实时分享给本汽车，汽车可以通过相关的计算，了解其他车辆的当前状况及下一步行驶状态，比如前车发生刹车行为，后车可以立即做出相关的决策。如果实现了车联网的广泛应用，车辆不仅可以从自身的传感器获得数据，还可以通过其他车辆的数据，从而进行整体的了解、调度等。经过传感器收集数据，传输数据后，汽车的中央计算机将会统筹处理这些数据。通过这些数据，汽车可以准确了解到周围的环境状况，并进行合理的控制，保障人们的安全。■2.3远环境的数据与计算远环境，是指距车辆较远，而其本身无法测量的数据。例如行驶过程中，原定路线中数千米以外的地方的数据，如发生车祸、堵车、道路维修等事件。这种数据的获取，将主要利用云计算、车联网的技术。通过该地点的车辆收集数据并处理后，会自动上传到云中心。本地车辆从云中心上找到计划路线上的数据，并接受云中心的调度。例如路段有堵车现象，云中心可以了解到每辆车的行驶状况，从而计算出当前路段的整体流量、通行速度等，给其他计算行驶该路段或有可能行驶到该路段的车辆进行相关的参考建议，或者调度车辆改行，给出最优化的行驶路线。这种云中心调度的技术，还可以应用在智慧交通、智能城市、停车场、急救车等方面。例如智能城市，云中心通过边缘设备给它发送的数据，可以判断各个红绿灯路口的各方向的车流量，从而能够干预红绿灯的变换，在堵车时减轻路口的通车压力，在顺畅时即时改变灯色以便于人们的出行；也可以用在紧急车辆如救护车的避让，或者智能停车等。■2.4历史数据与计算无人驾驶汽车的控制是通过既定的算法、规则以及众多的临时决定，而且无人驾驶的相关算法并不是完美的，需要不断改进，所以需要对汽车的历史数据进行采集、汇总并分析训练。通过实际驾驶中的数据，可以利用数据挖掘发现新的行驶规则。例如哪些路段行人众多，车辆行驶时应减速慢行；哪些路段路况颠簸，车辆也应减速而使乘客舒适；哪些地段车祸频发，哪些时间堵车高峰等。无人驾驶的汽车可以得知这些潜在的关联规则，从而在路线调控上做出一定的调整。正如人类驾驶员的经验一般，可以优化乘客的乘车体验。这些潜在的数据，并不能通过传感器得知，只能通过历史的数据对系统加以训练，从而保证更安全舒适地进行无人驾驶。3现阶段面临的问题探讨无人驾驶技术现在还尚未趋于完善，仍存在许多有待于未来攻克的难关。尤其在数据、计算等领域，仍有很多需要解决的问题，如海量数据的传输、车联网技术、实时计算能力、数据隐私问题等。■3.1数据传输问题传输数据是一个技术难题，比如如何高效节能的把传感器收集到的数据传输到车辆的中央计算机、云中心、其他车140|电子制作2019年02-03月实验研究辆等。车辆行驶过程中，会产生海量实时数据，传输速度与传输能耗均是问题。同时传输过多数据，对于车辆电池的损耗将是巨大的压力；传输过多无用数据，做无用功也会造成计算能力的浪费。因此，如何传输、传输什么，都需要考虑解决。如何在传感器先做出第一部的处理，把判断成无用数据的数据不进行传输，只把有用数据传输给中央计算机乃至于云中心，是当前需要解决的难题。例如视频摄像头捕捉到了图像，识别出图像中包括蓝天、白云、广告牌、路障、警示牌等，其中蓝天、白云、广告牌等就属于无用数据，摄像头可以自动舍弃这些数据，不浪费运输与二次处理的能源损失，加快车辆行驶效率，这是现阶段无人驾驶技术的一个难题。■3.2实时计算与分析问题对于无人汽车来说，处于成本、空间、能耗等问题，携带的中央计算机往往很难和云中心相媲美，但是很多数据需要在汽车端做边缘计算，这就对计算分析提出了很大的难题。这需要不断提高计算机性能、降低能耗，同时改进相关的分析算法。此外，一些传感器设备或环境的局限如何消除也需要考虑，例如如何准确的让车辆识别摄像头所拍摄的画面，甚至是在特殊情况时，例如交通标识牌损坏、雨雪天气下镜头不清晰、行驶速度过快时画面模糊的问题。怎样克服外界环境的影响，识别画面内容，仍是人们需要解决的问题。还有传感器发射接受信号时，如何防止车辆之间彼此的信号互相干扰这类问题有待于人们的解决。■3.3数据隐私问题一切数据都交给计算机，相当于把自身的驾驶数据都暴露出去。恶意人士可能利用这些数据危害他人。还有网络黑客，攻击相应的计算机，可以轻松得知每一个人的位置信息和其他一些数据。把自己的位置等数据完全暴露在外，会引起部分人的无法接受。因此如何保密隐私也是不容忽视的问题。4结论与展望本文根据现有的无人驾驶领域的技术简要探讨了无人驾驶技术未来应用的数据与计算模型，以及面临的部分难题。无人驾驶将会利用不同的设备，收集分析车辆本身数据、环境感知数据、远环境数据，并配合历史数据，利用大数据、云计、边缘计算、车联网等技术，更加全面的分析路况信息，保障行车安全。无人驾驶还存在着数据传输、实时计算、数据隐私等难题。在未来技术的不断发展下，我们可以运用新的技术补充或优化本文所述模型，以更好的贴近实际可行的模型设计。大数据与边缘数据的发展，会逐步允许更高数量级的数据收集传输计算能力，保障整个交通的进一步安全。对于无人驾驶技术，上市并全面普及是一个必然的现象，届时，人类的出行将更加轻松。参考文献＊[1]杨帆.无人驾驶汽车的发展现状和展望[J].上海汽车,2014(03):35-40.＊[2]施巍松,孙辉,曹杰,张权,刘伟.边缘计算:万物互联时代新型计算模型[J].计算机研究与发展,2017,54(05):907-924.＊[3]端木庆玲,阮界望,马钧.无人驾驶汽车的先进技术与发展[J].农业装备与车辆工程,2014,52(03):30-33.不充分，导致燃烧不足，影响到蒸汽压力，增加了燃烧机控制系统的控制难度。人工智能技术是计算机的分支机构，通过计算机模拟人的思维过程和行为模式，使得计算机具有人类的学习能力、推理能力、思考能力和规划能力等。将人工智能技术应用在火电厂的锅炉燃烧控制系统中，可以建立复杂的神经网络、专家系统，采用定量或者定性的研究方式，优化控制火电厂的燃烧系统参数，并实现对燃烧系统优化。人工智能控制系统，可以根据锅炉压力变化，维持锅炉蒸汽压力的稳定性，让锅炉燃烧系统根据锅炉出口蒸汽压力变化调结构燃油量和空气供给量，从而让锅炉蒸汽压力维持在一个标准范围内，并实现锅炉燃烧系统的保护，一旦锅炉燃烧系统出现蒸汽压力过高或者过低，则人工智能系统会自动切断燃油供给，立即停止燃烧并向调