近年来，自动驾驶汽车已成为国际汽车工业领域重要的前沿热点。为了更好地实现自动驾驶汽车的高速安全行驶，近日，扬州大学机械工程学院博士唐晓峰自主研发出了一种基于混合增强智能的自动驾驶车辆实现方法，通过巧妙结合人机的“双重智慧”，成功设计出了混合增强智能下的自动驾驶汽车认知和决策体系。

“随着人工智能技术的发展，自动驾驶汽车有了显著的技术进步，其主要应用深度学习方法实现对复杂道路环境的感知，以及根据复杂道路环境进行决策的能力。” 唐晓峰介绍道，深度学习技术的发展，提升了自动驾驶汽车对复杂道路环境感知的能力，但是它对决策的信息难以做出正确理解，难以使当前的自动驾驶汽车普遍应用于实际生活中的道路环境。

据悉，为了弥补深度学习算法的缺陷，经十多年的研究，唐晓峰提出了基于机器智能和人类智能混合的自动驾驶汽车实现方法，并研发出了相关系统。该系统在深度学习实现大数据道路环境感知的基础上，利用了人类智能芯片处理系统，实现了对道路环境数据的推理和推断功能，并将推断信息发送到边缘计算服务器和云计算中心，赋予自动驾驶系统较强的决策能力。此外，在自动驾驶汽车传感器设备失效的情况下，基于人类智能和机器智能混合增强智能的认知体系仍能保证汽车的安全行驶。

针对车载传感器对环境感知能力薄弱的问题，唐晓峰在采用车载传感器实现道路环境感知的基础上，辅助采用路侧传感器、边缘计算服务器和云计算中心设备，实现其对道路环境的全方位感知，同时应用边缘计算服务器，使得大数据信息便于在边缘设备中计算，由此减少车载处理器的消耗功能，更好实现数据计算功能。

增强智能是将人类智能和机器智能混合的认知过程，通过充分利用二者智能的特点，可以促进自动驾驶汽车更高安全性。唐晓峰的发明有效解决了传统深度学习算法对数据推理、推断能力较弱的难题，将两种智能混合增强，让自动驾驶汽车面对各种复杂道路环境时，更好地实现高速安全行驶功能。