现代汽车开发全球首款基于机器学习的智能巡航控制技术

现代汽车集团宣布开发了全球首款基于机器学习的智能巡航控制技术，可识别和分析驾驶模式，打造定制的自动驾驶体验。

基于机器学习的智能巡航控制

对于驾驶爱好者来说，将制动和加速控制权转让给诸如自适应巡航控制之类的驾驶辅助系统可能会感到有些放松，但也可能会感到有些机械，因为目前人工智能在汽车上的应用还并不完善，自适应巡航系统往往会出现反应迟钝、跑偏或者比较小心翼翼的跟车以及加速过快等问题，让一些系统变得很鸡肋。

为了给AI带来一些人的直觉，现代汽车透露正在开发一种新型的巡航控制系统，该技术可以研究方向盘后面人的驾驶方式，然后在机器学习的帮助下模仿他们的习惯。

现代汽车称该新系统为SCC－ML，即基于机器学习的智能巡航控制系统，它是该公司高级驾驶员辅助系统（ADAS）的一部分。

它称SCC－ML是第一个结合人工智能的巡航控制技术。它通过使用传感器，摄像头和车载计算机来监视驾驶员的模式和习惯，从而发挥作用。这可能包括其典型的跟随距离和加速度。然后，通过机器学习算法运行数据，以模仿其驾驶风格。

智能巡航控制（SCC）支持基本的自动驾驶功能和ADAS核心技术，在以驾驶员选定的速度行驶时，可以保持与前方车辆的距离。SCC－ ML将AI和智能巡航控制集成到一个系统中，可以学习驾驶员的驾驶模式和习惯。通过机器学习，智能巡航控制系统采用与驾驶员相同的模式，进行自动驾驶。

为了操作智能巡航控制，驾驶员需要手动调整驾驶模式，如与前车的距离和加速度。如果没有机器学习技术，就无法对设置进行细微调整，从而适应驾驶员的个人偏好。例如，在高速、中速和低速环境中，即使是同一个驾驶员也可能根据不同的环境，采取不同的加速度，但却无法进行细致的微调。因此，当智能巡航控制启用时，并且车辆的操作方式与驾驶员所希望的不同时，他们会感觉到差异，而不愿使用该技术，因为这会让他们感到焦虑和不安。

现代汽车集团研发的SCC－ML的工作原理为：首先，前置摄像头、雷达等传感器不断获取驾驶信息，并将其发送到中央计算机。然后，计算机从收集的信息中提取相关细节，从而识别驾驶员的驾驶模式。该过程使用了机器学习算法。

驾驶模式可以分为三个部分：与前车的距离、加速（加速的速度）和响应（对驾驶条件的响应速度）。此外，还考虑了驾驶条件和速度。例如，在市区慢速行驶时，与前车保持较短距离，在快车道行驶时，与前车保持较远距离。针对这些不同的情况，SCC－ML进行分析，区分上万种模式，开发出灵活的智能巡航控制技术，适应所有驾驶员的驾驶模式。

驾驶模式信息与传感器会定期更新，反映驾驶员的最新驾驶风格。此外，SCC－ML经过专门编程，避免学习不安全的驾驶模式，增加了可靠性和安全性。未来的高速公路驾驶辅助系统将具备自动变道辅助功能，意味着SCC－ML可达到L2．5自动驾驶。

ADAS功能的焦虑

目前新款的智能车都配备了很多驾驶辅助功能，成为销售时的卖点之一，然而在实际使用过程中，并没有为驾驶员分担驾驶压力，反而让人觉得很焦虑。

这家韩国汽车制造商表示，其技术是针对顾客的焦虑而开发的，这种焦虑是由于客户在驾驶方式与巡航控制模式下的行为之间存在差异时引起的。它说这导致根本不愿使用该功能。

现代汽车集团副总裁Woongjun Jang说：“新的SCC－ML改进了先前ADAS技术的智能性，从而大大提高了半自动功能的实用性。” “现代汽车集团将继续致力于创新AI技术的开发工作，在自动驾驶领域引领行业。”

系统可靠性

据了解，目前该系统还并没有在实车上引用，不过这种基于机器学习算法的调效方法也未必完全可靠。建立一个机器学习模型需要在大量的例子上训练它，然后在一堆它还没有见过的类似的例子上测试它。当模型通过测试时，就完成了。

然而根据最近谷歌的研究人员指出，这样的机器学习标准太低了。训练过程可以产生许多不同的全部通过测试的模型，但是这些模型会有一些小差异，取决于诸如在培训开始之前随机值的神经网络中的节点、训练数据、被选中或者代表的方式、培训运行的数量等等。如果这些微小的、随机的差异不影响模型在测试中的表现，它们通常会被忽视。但事实证明，在现实世界中，它们会导致巨大的表现差异。

所以，现代这种基于机器学习的智能巡航技术仍需要被进一步拷证。

责任编辑：haq