Page 52 - 20201年第2期-中文（网络版）

热 点关注·技术篇 /
热 点关注 / On HotspotsOn Hotspots

流及智能电网、智能调度、智能巡检等交通、能源 车联网
领域具有广阔应用前景。二是从人工智能向人机混 一是高性能车载芯片技术。车载芯片是车联网
合智能方向发展。融合脑科学、认知科学的人工智 的中枢神经，面向车联网应用场景下，需要研发
能是未来技术发展的一个重要方向 ：人机混合智能 高安全、实时性、高并发、多线程、超大运算能力
将人的作用或认知模型引入到人工智能系统中，提 的车载芯片，可支持毫米波雷达、红外夜视系统、
升人工智能系统性能，使人工智能成为人类智能的 360 度影像系统、高级驾驶辅助系统等多种主动安
自然延伸和拓展，通过人机协同更加高效地解决复 全系统，以及具有敏锐感知探测和强大计算能力，
杂问题。三是从“人工 + 智能”向自主智能方向发展。 满足更复杂的车辆行驶环境要求。二是服务端计算
深度学习的局限是需要大量人工干预，需要研究减 和服务整合技术。在分析路况、调度交通、规划车
少人工干预的自主智能方法，提高人工智能对环境 辆路径、追踪车辆信息时，需要将庞大的信息数据
的自主学习能力，如阿尔法狗（Alpha Go）的后续 运算工作分配到大量分布式计算机上，由统一服务
版本阿尔法元（Alpha Zero）“从零开始”，通过自 器进行管控，提升车联网系统运算能力。三是安全
我对弈强化学习，逐渐成为最强的围棋、国际象棋、 和隐私保护技术。车联网不仅涉及用户信息安全，
日本将棋的“通用棋类人工智能”。 更涉及道路行车安全，因此，网络安全性是车联网
系统核心，需要加强安全和隐私保护技术创新，在
大数据 身份认证及鉴权、用户信息保密、信息加密保护、
一是大数据存储技术。海量文件和格式多样 安全传输层协议等方面加大研发力度，确保车联网
是大数据最突出的两个特征。当前，谷歌的 Big 系统安全运行。
Query、 亚 马 逊 的 AWS Redshift、 阿 里 巴 巴 的
PolarDB、腾 讯的 Sparkling 都 实现 对 非结构 化 无人驾驶
数据的高效管理，未来，需要研究发展存储容量 一是环境感知技术。目前激光雷达技术、视觉
更大、方式更灵活的大数据存储技术。二是大数 技术等环境感知技术仍无法适应日常车辆行驶，现
据并行计算技术。大数据计算是数据密集型计算， 有传感技术无法穿越固体障碍物，如果行人突然出
对系统的运算架构要求极高。2004 年，谷歌发布 现在道路上，无法及时反应。要实现未来无人驾驶
MapReduce 分布式并行计算技术，可以通过添加 汽车大规模推广应用，必须在环境感知技术方面实
服务器节点，扩展系统的处理能力，成为应用最广 现突破。二是决策控制技术。决策系统会根据车辆
泛的大数据计算平台。未来为适应不同场景，研发 位置和障碍物信息，预测周边车辆下一步行为，并
适合多种计算模型的通用架构，提高通用数据计算 实时规划局部行驶路径。实现“拟人化”决策，加
和分析能力将是计算技术发展重点。三是大数据分 强车辆决策控制研究，提高对恶劣行驶环境的适应
析技术。大数据分析技术创新要重点解决两方面问 力是未来无人驾驶技术需要重点解决的难题。三是
题 ：一方面是对数量庞大的结构化和半结构化数据 高精度电子地图绘制。服务无人驾驶系统的高精度
进行高效深度分析，挖掘信息价值，如从自然语言 电子地图需要达到厘米级，且需要更高的实时性，
构成的文本中理解和识别语义、情感和意图等 ；另 随着陀螺仪、轮测距仪等多传感器广泛应用，一旦
一方面是对非结构化数据进行分析，将海量复杂多 一辆或几辆无人驾驶汽车发现路况变化，通过与云
源的语音、图像和视频数据转化为机器可识别的、 端通信就可以把最新路况传递给无人驾驶汽车，保
具有明确语义的信息，进而从中提取有用信息。 障车辆行驶安全。

50 / 全球能源互联网资讯 Global Energy Interconnection Information