机器学习算法在绿色智能化汽车发展和探究中应用展望.docVIP

机器学习算法在绿色智能化汽车发展和探究中应用展望 　　摘 要：绿色智能化是未来汽车发展的必然趋势，然而，从传统汽车向绿色智能汽车的转变还需要在许多技术上实现新的突破；其中，机器学习算法对汽车的绿色智能化发展具有非常重要的科学价值和实践意义。所以，该文从机器学习算法在汽车绿色智能化发展中的应用角度出发，阐述了绿色动力、车辆智能化以及机器学习算法的研究现状，突出了未来机器学习的在汽车绿色智能化发展中的的重要地位。 关键词：汽车 绿色智能 电子通讯 机器学习 应用研究 中图分类号：TQ330.63 文献标识码：A 文章编号：1674-098X（2014）02（a）-0012-03 目前，绿色环保、节能减排也已经渗透到当今的汽车工业发展中，并成为后期技术革新中的一条永恒的主旋律[1-3]。然而，面对因日益增多的汽车而导致逐渐突出的交通拥堵及安全问题，使得汽车“绿色化”发展显得特别单薄；同时，随着电子信息化、人工智能化等高新技术产品的出现，人们逐渐意识到曾经只能在科幻小说和电影中看到的智能汽车已经不再是一个虚幻体。因此，未来汽车“绿色化”应与“智能化”相结合的发展思路和方向被广泛认可和提倡，在不久的将来真的会出现绿色智能化汽车[4-6]。 虽然，现已在售的汽车已经可以将一些高新技术集于一体，使其整车性能有了很大改善，然而，这距离真正绿色智能化汽车的问世还有一定的距离。绿色智能化汽车是智能化交通系统（简称ITS）的重要组成部分，其不仅在缓解能源消耗和环境污染等问题发挥一定的作用，而且还会在某种程度上降低日趋严重的交通事故发生率、提高现有道路交通效率等改善交通状况方面发挥重要的作用。绿色智能化汽车不仅可以利用高新电控系统实现绿色能源的高效利用，而且还利用各种高新的传感技术获取车体自身和车外环境的全方位状态信息，经过机器学习的一些优化智能算法的分析及融合等处理后，将最终的决策支持结果传递给驾驶者或者直接传输至车体控制系统。一方面，可以在发生危险之前提醒驾驶员做出必要的回避动作，避免事故发生；另一方面，还可以在驾驶者无法做出反应的紧急状况下，由汽车自主完成规避危险任务，帮助驾驶人员避免危险发生。当然，对于智能汽车系统而言，不仅仅只是指可以实现自动驾驶的汽车，只要是采用了传感器和微处理器等的汽车也可以说成是智能汽车，包括汽车GPS技术、汽车智能避撞系统、汽车智能“黑匣子”、汽车智能轮胎、气车智能悬架、智能四驱动力机构、汽车智能钥匙、汽车智能安全气囊、汽车夜视系统、司机分神监视系统等。美国开始组织实施智能车辆先导（简称IVI）计划[6]，欧洲提出公路安全行动计划（简称RSAP）[7]，日本提出超级智能车辆系统。我国科技部也启动了相应的智能交通系统关键技术开发和示范工程方面科技攻关计划重大项目[8]，其中的一个重要内容就是研究车辆安全和辅助驾驶，以期实现人、车、路之间可以形成稳定、和谐的智能交通系统。 然而，从传统汽车向绿色智能汽车的转变还需要在许多技术上实现新的突破，不仅包与绿色动力汽车密切相关的汽车电子硬件发展方面方面，而且还包括直接决定汽车智能程度高低的各种机器学习算法。所以，本文从机器学习算法在汽车智能化发展中的应用角度出发，对目前的机器学习算法进行概括性综述，希望能够对未来汽车智能化发展具有非常一定的科学价值和实践意义。 1 汽车动力绿色化的现实需求 当前，面对即将到来的能源危机，作者为世界超级汽车市场之一的中国，汽车产业路只有一条：实施替代能源战略、走可持续发展的道路。首先，价廉物美乙醇燃料，是全世界最常见、国内颇为重视且已经得到推广的一种新的替代燃料选择；类似的，还有丁醇、甲醇这样的汽油与柴油的生物替代燃料。然而，与直接利用天燃气一样，如何摆脱简单改装并提高醇类替代燃料的效能问题还存在一些需作进一步研究的问题[9]。同时，技术复杂先进的混合动力（油电混合、气电混合、油电气混合等）汽车在机械与电子方面都有许多新的技术性突破，让能源消耗更加节约与合理而受到广泛青睐，国际各大汽车制造厂家纷纷投入竞争。日本着手研究较早，美国也有大规模投入研发力量。然而，竞争的加剧促也使其实用性有了长足的进步，低成本、易维护、高性能逐渐成为混合动力研发的主旋律。此外，高能效、无污染、低噪音的氢燃料，长期以来一直被作为汽车能源的终极解决方案而寄予厚望，各国的科技精英不仅主攻利用氧与氢的反应来输出电力的氢燃料电池，而且也开始对氢燃料内燃机开展迅速研究。然而，这也需要面对一些新的问题：需要巨大投资来改进现有的车辆并改建加注氢燃料的设施。一些汽车制造厂已开始研究氢燃料内燃机并不断地推向市场，如宝马已经率先推出了能够使用氢气作为动力来源Hydrogen7，搭配6.0L的V12缸车可以输出高达260匹的最大马力，并且百公里加速时间