用户1914610411 2018～061708:11
    
     从避免乱穿马路到紧急刹车，到更终驾驶汽车本身，很明显人工智能（AI）将成为未来汽车的重要组成部分。
    
     避免行人过马路，紧急刹车，也许更终是自动驾驶，毫无疑问，人工智能（AI）将成为未来汽车的重要组成部分。但这不仅有利于驾驶本身。此外，人工智能可以使这种汽车更有能量。效率高。
    
     汽车早就有了计算机化的发动机管理，可以动态地响应驾驶条件的变化。然而，电力的引入使事情变得复杂。混合动力汽车既有汽油发动机，也有由电池驱动的电动机，通过捕获动态eNer进行充电。当车辆减速或刹车时，需要比单独使用汽油发动机更多的管理。使用插电式混合动力车，情况变得更加困难，因为插电式混合动力车可以从电源中充电，而且只有长距离的电力供应。
    
     汽车发动机计算机管理长期以来用于快速响应行驶中道路条件的变化。然而，电力的添加使事情变得复杂。混合动力汽车既有汽油发动机也有电力发动机，通过动能转换d进行充电。减速或制动，但需要比普通车辆更多的发动机管理。具有插入式触点的混合动力车辆可由电力充电，具有较长的电动行驶时间，但发动机的智能管理更加繁琐。
    
     这是AI可以帮助的地方，加利福尼亚大学的Matthew Barth和他们的同事苏维奇认为。他们正在开发一种能源管理系统，它使用一段可以从过去的经验中学习的人工智能。
    
     薛伟琪，马修·巴斯以及他们在加利福尼亚大学河滨分校的同事们，以及他们的同事们相信，这就是人工智能的出现。他们正在开发一种能源管理系统，利用人工智能来学习过去的经验。
    
     他们的算法通过将行程分解成小段来工作，随着行程的进展，每个小段可能不足一分钟。车辆的速度、位置、时间、道路的坡度、电池的充电状态和发动机的燃油消耗率。系统以前没有遇到过这样的问题，它估计出更佳的功率控制是什么，并将结果添加到数据库中以供将来参考。更终，我们的想法是，通过安排所有的suchSystems在线共享他们的数据，算法还将学习其他汽车上的兄弟的经验。
    
     该程序通过将整个行程分成单独的部分来工作，每个部分可能花费不到一分钟的时间。在每个部分中，系统检查车辆是否曾经处于相同的行驶状态。参考数据包括交通信息、速度、位置、一天中的时间、道路坡度、电池状态和发动机燃油消耗。如果条件相似，AI系统将在剩下的行程中开始与以前相同的策略。评估更佳的节能方案，并将结果添加到数据库中供将来参考。然后，通过在线共享数据，您可以从其他车辆获取数据信息，从而可以学习其他车辆的经验。
    
     理想情况下，这样的系统将提前进给路线和目的地，以便于计算。但是齐博士和Barth博士都是现实主义者，他们知道这不太可能发生。如果卫星导航被调用，它将能够将相关信息传递给算法。S只是为了让它们到达不熟悉的目的地。因此，研究人员决定设计一个不依赖于知道它要去哪里的系统。
    
     在理想条件下，系统预设路线和目的地，使计算更容易，但齐雪伟和Barth都是现实主义者，知道这是不可能发生的。如果使用卫星导航，它可以向系统发送相关信息，但是驾驶员只使用导航。因此，研究人员决定开发一个不依赖于目的地位置的系统。
    
     这似乎是有效的——至少在模拟中是这样。齐博士和巴斯博士利用实况交通信息模拟南加州的旅行，并将他们的算法与用于插电式混合动力车的基本能量管理系统进行比较，这种混合动力车在电池耗尽后只需切换到燃烧功率。关于智能交通系统，其系统比传统交通系统效率高10.7%。如果系统事先知道充电站将被用作旅行的一部分(可通过通过旅行预订一个来安排)车辆信息屏幕)，那么它可以推广使用。在整个旅程中的电力，更大的优势，知道什么时候电池将被顶起。
    
     至少在模拟状态下，这看起来是可行的。使用南加州道路的现实交通模拟，刘和芭丝将他们的程序与普通燃料管理系统进行了比较，普通燃料管理系统用于传统的可直接转换成汽油动力的插电式混合动力车辆。当电池电量用尽时，程序就会启动。正如他们在IEEE智能运输系统即将发表的一篇论文中写到的，他们的系统比传统车辆多使用10.7%的燃料。如果系统提前知道电池可以在路上充电（这可以通过i.信息屏幕在汽车上，然后提前调度），它可以平衡使用过程中的电力，以更大限度地利用，而不需要知道电池何时可以充满。
    
     齐博士和他的同事现在希望与一家汽车制造商合作，在真正的道路上测试该算法。如果一切顺利，并且他们的系统被证明能够应对南加州通勤的噩梦，他们不会被束缚在硬肩膀上。
    
     目前，齐和他的同事希望与汽车制造商合作，在实际道路上测试算法。如果一切顺利，他们的系统将证明能够解决南加州的通勤问题，并且不会出现交通堵塞。