现在很多品牌的汽车都可以实现自动驾驶，未来的汽车一定是无人驾驶的。特斯拉、宝马、奔驰等品牌的汽车已经能够实现无人驾驶，这主要依靠摄像头、传感器、gps定位系统和电子控制系统。许多汽车带着l2级自动驾驶离开工厂。在一些特殊情况下，汽车可以自动行驶，而无需车主控制汽车。还有很多车有自动泊车功能，类似于无人驾驶功能。停车时，车主只需换挡。现在也有很多公司涉足无人驾驶技术领域。随着工程师们突破一个又一个难关，无人驾驶的时代总有一天会到来。无人驾驶可以避免人为的不正确操作，响应速度和准确率都比人高，因此无人驾驶技术可以避免交通事故的发生概率。虽然目前的无人驾驶技术偶尔会引发事故，但随着科技的发展，无人驾驶技术也在不断进步。未来，无人驾驶技术肯定可以避免事故，甚至在关键时刻挽救车内成员的生命。
下面这个毕业论文格式,希望能帮上你,祝成功毕业设计（论文）写作格式一、基本结构毕业论文或设计说明书应由题目（标题）、摘要、目录、前言（引言）、正文、结论、致谢、参考文献和附录等部分构成。（一）毕业论文的结构1.题目：即标题，它的主要作用是概括整个论文的中心内容。题目要确切、恰当、鲜明、简短、精炼。题目一般不超过20个字，可以使用主副标题。2.摘要：摘要是论文的高度概括，是长篇论文不可缺少的组成部分。要求用中、英文分别书写，一篇摘要应不少于300字，要注明3—5个关键词。3.目录：反映论文的纲要。目录应列出通篇论文各组成部分的大小标题，分别层次，逐项标明页码，并包括注明参考文献、附录、图版、索引等附属部分的页次，以便读者查找。4.前言：前言是相当于论文的开头，它是三段式论文的第一段（后二段是本论和结论）。前言与摘要不完全相同，摘要要写得高度概括、简略，前言稍加具体一些，文字以1000字左右为宜。前言一般应包括以下几个内容：（1）为什么要写这篇论文，要解决什么问题，主要观点是什么。（2）对本论文研究主题范围内已有文献的评述（包括与课题相关的历史的回顾，资料来源、性质及运用情况等）。（3）说明本论文所要解决的问题，所采用的研究手段、方式、方法。明确研究工作的界限和规模。（4）概括本课题研究所取得的成果及意义。5.正文：论文的正文是作者对自己的研究工作详细的表述。应包括以下内容：（1）理论分析部分：详细说明所使用的分析方法和计算方法等基本情况；指出所应使用的分析方法、计算方法、实验方法等哪些是已有的，哪些是经过自己改进的，哪些是自己创造的，以便指导教师审查和纠正，篇幅不宜过多，应以简练、明了的文字概略表述。（2）用调查研究的方法达到研究目的的，调查目标、对象、范围、时间、地点、调查的过程和方法等，一定要简述。对调查所提的样本、数据、新的发现等则应详细说明。（3）结果与讨论应恰当运用表和图作结果与分析。论文字数应不少于1.5万字。6.结论：结论包括对整个研究工作进行归纳和综合而得出的结论。结论集中反映作者的研究成果，表达作者对所研究课题的见解和主张，是全文的思想精髓，一般写的概括、篇幅较短。撰写时应注意以下几点：（1）结论要简单、明确。在措辞上应严密，容易理解。（2）结论应反映个人的研究工作，属于前人和他人已有过的结论可少提。（3）要实事求是地介绍自己研究的成果，切忌言过其实。7.致谢：对于毕业设计（论文）的指导教师，对毕业设计（论文）提过有益的建议或给予过帮助的同学，都应在论文的结尾部分书面致谢，言辞应恳切、实事求是。8.参考文献：在论文中所引用、参考过的文献，一般都应列出来。参考文献的著录，按论文中引用顺序排列。参考文献总数论文类不少于10篇、设计类不少于6篇，且都应有外文参考文献。9.附录：以下内容可放在附录之内：正文内过于冗长的公式推导；方便他人阅读所需的辅助性数学工具或表格；重复性数据和图表；论文使用的主要符号的意义和单位；程序说明和程序全文。这部分内容可省略。（二）毕业设计说明书的结构1.解决某一工程具体问题的题目属毕业设计，毕业设计的内容包括设计说明书和图纸两部分。2.毕业设计说明书是对毕业设计进行解释与说明的书面材料，在写法上应注意与论文的区别是：（1）前言由下面三部分组成：设计的目的和意义，设计项目发展情况简介，设计原理及规模介绍；（2）正文包括方案的论证和主要参数的计算两大部分。3.毕业设计绘图量要求：设计类题目绘图量（折合为图幅为0#号图纸）不少于2.5张，其中要求计算机绘图（CAD）2张，手工绘图不少于1张。图纸绘制要符合国家标准。完成后的设计图纸经毕业设计指导教师审核后，审核人员要签署审核指导意见并签名。二、排版要求（一）基本要求纸型：A4纸，双面打印；页边距：上2.54cm，下2.54cm，左2.5cm、右2.5cm；页眉：1.5cm，页脚：1.75cm，左侧装订。页眉页脚统一要求为：⑴一律用阿拉伯数字连续编页码。页码应由前言首页开始，作为第1页。⑵将摘要、Abstract、目录等前置部分单独编排页码。⑶页码必须标注在每页页脚底部居中位置，小五号，宋体，。⑷奇偶页的页眉不同，奇数页页眉的填写内容为“山东交通学院毕业设计（论文）”，偶数页页眉的填写内容为“作者姓名：论文中文题目”。（二）排版规范1.中文摘要(1)居中打印“摘要”二字（小三号，黑体），字间空一字；(2)“摘要”二字下空一行打印摘要内容（小四号宋体，1.25倍行距）；(3)摘要内容后下空一行打印“关键字”三字（小四号黑体），其后为关键词（小四号宋体），每一关键词之间用逗号隔开，最后一个关键词后不加标点符号。2.英文摘要(1)居中打印“Abstract”（小三号，TimesNewRoman字体，加粗），再下空两行打印英文摘要内容；(2)摘要内容设置为：小四号，TimesNewRoman字体，1.25倍行距，每段开头留四个空字符；(3)摘要内容后下空一行打印“Keywords”（小四号，TimesNewRoman字体，加粗），其后为关键词，每一关键词除第一个字母外其余均为小写字母，关键词之间用逗号隔开，最后一个关键词后不加标点符号。3.目录：“目录”二字为小三号黑体，居中打印，二字间空一字；下空一行为章、节、小节及其开始页码（小四号宋体）；章、节、小节分别以1、1.1、1.1.1等数字依次标出，目录中的标题应与正文中的标题一致。4.前言：“前言”二字为小三号黑体，居中打印，二字之间空一字，前言正文设置为：小四号，宋体，1.25倍行距。5.正文（参考写法）(1)每章的章标题设置为：小三号，黑体，居左，1.5倍行距，段后0.5行，段前为0。每章另起一页。章序号为阿拉伯数字。(2)章下为节，每节的节标题设置为：四号，黑体，居左，1.5倍行距，段后为0，段前0.5行。(3)节下为小节，每小节的标题设置为：小四号，黑体，居左，1.5倍行距，段后为0，段前0.5行。(4)正文设置为：小四号，宋体，1.25倍行距。正文内的标题号用（1）、①等依次标出。正文各级标题编号的示例如下图所示。6.结论结论标题设置为：小三号，黑体，居中，段后0.5行，段前为0，“结论”二字间空一字。结论正文设置为：小四号，宋体，多倍行距1.25，间距：前段、后段均为0行，每段落首行缩进2字。7.致谢致谢标题设置为：小三，黑体，居中，段后0.5行，段前为0，“致谢”二字间空一字。致谢正文设置为：小四，宋体，多倍行距1.25，每段落首行缩进2字。8.参考文献参考文献标题设置为：小三号，黑体，居中，段后0.5行，段前为0。参考文献内容设置成字体：五号，宋体，多倍行距1.25，段前、段后均为0。9.附录附录标题设置为：小三，黑体，居中，段后0.5行，段前为0，“附录”二字间空一字。附录正文设置为：小四，宋体，多倍行距1.25，每段落首行缩进2字。三、撰写规范1.附图(1)图的位置①图居中排列。②图与上文应留一行空格。(2)图的版式①“设置图片格式”的“版式”为“上下型”或“嵌入型”，不得“浮于文字之上”。②图的大小尽量以一页的页面为限，不要超限，一旦超限要加续图。(3)图名的写法①图名居中并位于图下，编号时应以章为单位顺序编号，如图2.1、图2.2。②图名与下文留一空行。③图及其名称要放在同一页中，不能跨接两页。④图内文字清晰、美观。⑤中文图名设置为宋体，五号，居中。英文名称设置为TimesNewRoman，五号，居中。(4)图格式示例：图2.1样式Fig.2.1Manner2.表格：(1)表的位置①表格居中排列。②表格与下文应留一行空格。③表中若有附注，一律用阿拉伯数字和右半圆括号按顺序编排，如注1），附注写在表的下方。(2)表名的写法①表名应当在表的上方并且居中。编号时应以章为单位顺序编号，如表2.1、表2.2。②表名与上文留一空行。③表及其名称要放在同一页中，不能跨接两页。④表内文字全文统一，设置为宋体，五号。⑤中文表名设置为宋体，五号，且居中。英文名称设置为TimesNewRoman，五号，且居中。(3)表格式示例表2.1统计表Tab.2.1Statisticstableforsale产品产量销量产值比重手机110001000050050%电视机5500500022022%计算机1100100028028%合计17600160001000100%3.公式公式书写应在文中另起一行，居中排列，公式末尾不加标点；公式序号按章顺序编号，公式编号在行末列出，如(2.1)、(2.2)。公式示例：(2.1)4.参考文献参考文献书写格式：(1)参考文献按照在正文中引用的顺序进行编码。(2)作者一律姓前名后(外文作者名应缩写)，作者间用“,”间隔。作者少于3人应全部写出，3人以上只列出前3人，后加“等”或“etal”。(3)标题“参考文献”设置为：小三号，黑体，居中，1.5倍行距，段后0.5行，段前为0。(4)参考文献正文设置成字体：5号，宋体，字号：五号，多倍行距1.25行，段后、段前均为0。(5)按照引用的文献类型不同使用不同的表示方法。①专著(注意应标明出版地及所参阅内容在原文献中的位置)，表示方法为：[序号]作者.专著名.出版地:出版者,出版年.示例：[1]薛华成.管理信息系统.北京:清华大学出版社,1993.②期刊中析出的文献(注明应标明年、卷、期，尤其注意区分卷和期)，表示方法为：[序号]作者.题(篇)名.刊名.出版年,卷号(期号):起止页.示例：[4]徐滨士,欧忠文,马世宁等.纳米表面工程.中国机械工程,2000,11(6):707-712.③会议论文，表示方法为：[序号]作者.篇名.会议名,会址,开会年:起止页.④专著(文集)中析出的文献，表示方法为：[序号]作者.篇名.见(In):文集的编(著)者.文集名.出版地:出版者,出版年:起止页.⑤学位论文，表示方法为：[序号]作者.题(篇)名:(博(硕)士学位论文).授学位地:授学位单位,授学位年.⑥专利文献，表示方法为：[序号]专利申请者.专利题名.专利国别,专利文献种类,专利号.出版日期.参考文献引用格式：(1)引用的文献在正文中用方括号和阿拉伯数字按顺序以上标形式标注在引用处。(2)引用格式示例关于主题法的起源众说不一。国内有人认为“主题法检索体系的形式和发始于1856年英国克雷斯塔多罗(Crestadoro)的《图书馆编制目录技术》一书”，“国外最早采用主题法来组织目录索引的是杜威十进分类法的相关主题索引……”[1]。5.标点符号?标点符号的使用必须符合新的国家标准GB/T15834-1995《标点符号用法》。?6.名词、名称?科学技术名词术语应采用全国自然科学名词审定委员会公布的规范词或国家标准、部标准中规定的名称，尚未统一规定或叫法有争议的名词术语，可采用惯用的名称。使用外文缩写代替某一名词术语时，首次出现时应在括号内注明其含义，如CPU（CentralProcessingUnit）代替计算机中央处理器。一般很熟知的外国人名(如牛顿、爱因斯坦、达尔文、马克思等)可按通常标准译法写译名。?7.量和单位?毕业设计(论文)中的量和单位必须采用中华人民共和国家标准GB3100-GB3102-93，它是以国际单位制(SI)为基础的。非物理量的单位，如件、台、人、元等，可用汉字与符号构成组合形式的单位，例如件/台、元/km。?8.数字?数字的使用必须符合新的国家标准GB/T15835-1995《出版物上数字用法的规定》。
姓名：陈心语 学号：21009102266 书院：海棠1号书院
转自： 人工智能在自动驾驶技术中的应用 - 云+社区 - 腾讯云 (tencent.com)
【嵌牛导读】本文介绍了人工智能在无人驾驶方面的应用。
【嵌牛鼻子】人工智能运用于无人驾驶。
【嵌牛提问】人工智能在无人驾驶方面中有什么运用呢？
【嵌牛正文】
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，如今迎来又一次热潮，深度学习、计算机视觉和自然语言理解等各方面的突破，使得许多曾是天方夜谭的应用成为可能，无人驾驶汽车就是其中之一。作为人工智能等技术在汽车行业、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。目前，人工智能在汽车自动驾驶技术中也有了广泛应用。
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，它是一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统， 它集中运用了计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术, 是典型的高新技术综合体。
这种汽车能和人一样会“思考” 、“判断”、“行走” ，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 。 按照 SAE （美国汽车工程师协会）的分级，共分为：驾驶员辅助、部分自动驾驶、有条件自动驾驶、高度自动驾驶、完全自动驾驶五个层级。
第一阶段：驾驶员辅助 目的是为驾驶者提供协助，包括提供重要或有益的驾驶相关信息，以及在形势开始变得危急的时候发出明确而简洁的警告。现阶段大部分ADAS主动安全辅助系统，让车辆能够实现感知和干预操作。例如防抱死制动系统（ABS）、电子稳定性控制（ESC）、车道偏离警告系统、正面碰撞警告系统、盲点信息系统等等，此时车辆是能够通过摄像头、雷达传感器获知周围交通状况，进而做出警示和干预。
第二阶段：部分自动驾驶 车辆通过摄像头、雷达传感器、激光传感器等等设备获取道路以及周边交通信息，车辆会自行对方向盘和加减速中的多项操作提供驾驶支援，在驾驶者收到警告却未能及时采取相应行动时能够自动进行干预，其他操作交由驾驶员，实现人机共驾，但车辆不允许驾驶员的双手脱离方向盘。例如自适应巡航控制（ACC）、车道保持辅助系统（LKA）、自动紧急制动（AEB）系统、车道偏离预警（LDW）等。
第三阶段：有条件自动驾驶 由自动驾驶系统完成驾驶操作，根据路况条件所限，必要时发出系统请求，必须交由驾驶员驾驶。
第四阶段：高度自动驾驶 由自动驾驶系统完成所有驾驶操作，根据系统请求，驾驶员可以不接管车辆。车辆已经可以完成自动驾驶，一旦出现自动驾驶系统无法招架的情形，车辆也可以自行调整完成自动驾驶，驾驶员不需要干涉。
第五阶段：完全自动驾驶 自动驾驶的理想形态，乘客只需提供目的地，无论任何路况，任何天气，车辆均能够实现自动驾驶。这种自动化水平允许乘客从事计算机工作、休息和睡眠以及其他娱乐等活动，在任何时候都不需要对车辆进行监控。
自动驾驶的实现
车辆实现自动驾驶，必须经由三大环节：
第一，感知。 也就是让车辆获取，不同的系统需要由不同类型的车用感测器，包含毫米波雷达、超声波雷达、红外雷达、雷射雷达、CCD \CMOS影像感测器及轮速感测器等来收集整车的工作状态及其参数变化情形。
第二，处理。 也就是大脑将感测器所收集到的资讯进行分析处理，然后再向控制的装置输出控制讯号。
第三，执行。 依据ECU输出的讯号，让汽车完成动作执行。其中每一个环节都离不开人工智能技术的基础。
人工智能在自动驾驶定位技术中的应用
定位技术是自动驾驶车辆行驶的基础。目前常用的技术包括 线导航、磁导航、无线导航、视觉导航、导航、激光导航等。
其中磁导航是目前最成熟可靠的方案,现有大多数应用均采用这种导航技术。磁导航技术通过在车道上埋设磁性标志来给车辆提供车道的边界信息,磁性材料具有好的环境适应性,它对雨天,冰雪覆盖,光照不足甚至无光照的情况都可适应,不足之处是需要对现行的道路设施作出较大的改动,成本较高。同时磁性导航技术无法预知车道前方的障碍,因而不可能单独使用。
视觉导航对基础设施的要求较低,被认为是最有前景的导航方法。在高速路和城市环境中视觉方法受到了较大的关注。
人工智能在自动驾驶图像识别与感知中的应用
无人驾驶汽车感知依靠传感器。目前传感器性能越来越高、体积越来越小、功耗越来越低，其飞速发展是无人驾驶热潮的重要推手。反过来，无人驾驶又对车载传感器提出了更高的要求，又促进了其发展。
用于无人驾驶的传感器可以分为四类：
雷达传感器
主要用来探测一定范围内障碍物（比如车辆、行人、路肩等）的方位、距离及移动速度，常用车载雷达种类有激光雷达、毫米波雷达和超声波雷达。激光雷达精度高、探测范围广，但成本高，比如Google无人车顶上的64线激光雷达成本高达70多万元人民币；毫米波雷达成本相对较低，探测距离较远，被车企广泛使用，但与激光雷达比精度稍低、可视角度偏小；超声波雷达成本最低，但探测距离近、精度低，可用于低速下碰撞预警。
视觉传感器
主要用来识别车道线、停止线、交通信号灯、交通标志牌、行人、车辆等。常用的有单目摄像头、双目摄像头、红外摄像头。视觉传感器成本低，相关研究与产品非常多，但视觉算法易受光照、阴影、污损、遮挡影响，准确性、鲁棒性有待提高。所以，作为人工智能技术广泛应用的领域之一的图像识别，也是无人驾驶汽车领域的一个研究热点。
定位及位姿传感器
主要用来实时高精度定位以及位姿感知，比如获取经纬度坐标、速度、加速度、航向角等，一般包括全球卫星定位系统（GNSS）、惯性设备、轮速计、里程计等。现在国内常用的高精度定位方法是使用差分定位设备，如RTK-GPS，但需要额外架设固定差分基站，应用距离受限，而且易受建筑物、树木遮挡影响。近年来很多省市的测绘部门都架设了相当于固定差分基站的连续运行参考站系统（CORS），比如辽宁、湖北、上海等，实现了定位信号的大范围覆盖，这种基础设施建设为智能驾驶提供了有力的技术支撑。定位技术是无人驾驶的核心技术，因为有了位置信息就可以利用丰富的地理、地图等先验知识，可以使用基于位置的服务。
车身传感器
来自车辆本身，通过整车网络接口获取诸如车速、轮速、档位等车辆本身的信息。
人工智能在自动驾驶深度学习中的应用
驾驶员认知靠大脑，无人驾驶汽车的“大脑”则是计算机。无人车里的计算机与我们常用的台式机、笔记本略有不同，因为车辆在行驶的时候会遇到颠簸、震动、粉尘甚至高温的情况，一般计算机无法长时间运行在这些环境中。所以无人车一般选用工业环境下的计算机——工控机。
工控机上运行着操作系统，操作系统中运行着无人驾驶软件。如图1所示为某无人驾驶车软件系统架构。操作系统之上是支撑模块（这里模块指的是计算机程序），对上层软件模块提供基础服务。
支撑模块包括：虚拟交换模块，用于模块间通信；日志管理模块，用于日志记录、检索以及回放；进程监控模块，负责监视整个系统的运行状态，如果某个模块运行不正常则提示操作人员并自动采取相应措施；交互调试模块，负责开发人员与无人驾驶系统交互。
图：某无人驾驶车软件系统架构
除了对外界进行认知之外，机器还必须要能够进行学习。深度学习是无人驾驶技术成功地基础，深度学习是源于人工神经网络的一种高效的机器学习方法。深度学习可以提高汽车识别道路、行人、障碍物等的时间效率，并保障了识别的正确率。通过大量数据的训练之后，汽车可以将收集到的图形，电磁波等信息转换为可用的数据，利用深度学习算法实现无人驾驶。
在无人驾驶汽车通过雷达等收集到数据时，对于原始的训练数据要首先进行数据的预处理化。计算均值并对数据的均值做均值标准化、对原始数据做主成分分析、使用PCA白化或ZCA白化。例如：将激光传感器收集到的时间数据转换为车与物体之间的距离；将车载摄像头拍摄到的照片信息转换为对路障的判断，对红绿灯的判断，对行人的判断等；雷达探测到的数据转换为各个物体之间的距离。
将深度学习应用于无人驾驶汽车中， 主要包含以下步骤：
1. 准备数据，对数据进行预处理再选用合适的数据结构存储训练数据和测试元组；
2. 输入大量数据对第一层进行无监督学习；
3. 通过第一层对数据进行聚类，将相近的数据划分为同一类，随机进行判断；
4. 运用监督学习调整第二层中各个节点的阀值，提高第二层数据输入的正确性；
5. 用大量的数据对每一层网络进行无监督学习，并且每次用无监督学习只训练一层，将其训练结果作为其更高一层的输入。
6. 输入之后用监督学习去调整所有层。
人工智能在自动驾驶信息共享中的应用
首先， 利用无线网络进行车与车之间的信息共享。通过专用通道，一辆汽车可以把自己的位置、路况实时分享给队里的其它汽车，以便其它车辆的自动驾驶系统，在收到信息后做出相应调整。
其次， 是3D路况感应，车辆将结合超声波传感器、摄像机、雷达和激光测距等技术，检测出汽车前方约5米内地形地貌，判断前方是柏油路还是碎石、草地、沙滩等路面，根据地形自动改变汽车设置。
另外， 汽车还将能进行自动变速，一旦探测到地形发生改变，可以自动减速，路面恢复正常后，再回到原先状态。
汽车信息共享所收集到的交通信息量将非常巨大，如果不对这些数据进行有效处理和利用，就会迅速被信息所湮没。因此需要采用数据挖掘、人工智能等方式提取有效信息，同时过滤掉无用信息。考虑到车辆行驶过程中需要依赖的信息具有很大的时间和空间关联性，因此有些信息的处理需要非常及时。
人工智能应用于自动驾驶技术中的优势
人工智能算法更侧重于学习功能，其他算法更侧重于计算功能。 学习是智能的重要体现，学习功能是人工智能的重要特征，现阶段大多人工智能技术还处在学的阶段。如前文所说，无人驾驶实际上是类人驾驶，是智能车向人类驾驶员学习如何感知交通环境，如何利用已有的知识和驾驶经验进行决策和规划，如何熟练地控制方向盘、油门和刹车。
从感知、认知、行为三个方面看， 感知部分难度最大， 人工智能技术应用最多。感知技术依赖于传感器，比如摄像头，由于其成本低，在产业界倍受青睐。以色列一家名叫Mobileye的公司在交通图像识别领域做得非常好，它通过一个摄像头可以完成交通标线识别、交通信号灯识别、行人检测，甚至可以区别前方是自行车、汽车还是卡车。
人工智能技术在图像识别领域的成功应用莫过于深度学习，近几年研究人员通过卷积神经网络和其它深度学习模型对图像样本进行训练，大大提高了识别准确率。Mobileye目前取得的成果，正是得益于该公司很早就将深度学习当作一项核心技术进行研究。 认知与控制方面，主要使用人工智能领域中的传统机器学习技术，通过学习人类驾驶员的驾驶行为建立驾驶员模型，学习人的方式驾驶汽车。
无人驾驶技术所面临的挑战和展望
在目前交通出行状况越来越恶劣的背景下，“无人驾驶”汽车的商业化前景，还受很多因素制约。
主要有：
1. 法规障碍
2. 不同品牌车型间建立共同协议，行业缺少规范和标准
3. 基础道路状况，标识和信息准确性，信息网络的安全性
4. 难以承受的高昂成本
此外，“无人驾驶”汽车的一个最大特点，就是 车辆网络化、信息化程度极高 ，而这也对电脑系统的安全问题形成极大挑战。一旦遇到电脑程序错乱或者信息网络被入侵的情况，如何继续保证自身车辆以及周围其他车辆的行驶安全，这同样是未来急需解决的问题。 虽然无人驾驶技术还存在着很多挑战，但是无人驾驶难在感知，重在“学习”，无人驾驶的技术水平迟早会超过人类，因为稳、准、快是机器的先天优势，人类无法与之比拟。
