人工智能（AI）和機(jī)器學(xué)習(xí)（ML）將成為汽車行業(yè)轉(zhuǎn)型的一個(gè)關(guān)鍵方面，將其整合到自動(dòng)駕駛汽車的設(shè)計(jì)中。

與供應(yīng)鏈管理、制造運(yùn)營、移動(dòng)服務(wù)、圖像和視頻分析等其他領(lǐng)域一起，音頻分析在自動(dòng)駕駛汽車取得成功方面發(fā)揮著重要作用。隨著技術(shù)的進(jìn)步和創(chuàng)新，汽車行業(yè)正在重塑和采用新技術(shù)。音頻分析極大地改變了汽車公司對其產(chǎn)品的關(guān)注，以提高客戶滿意度。到2030年，自動(dòng)駕駛汽車的全球市場規(guī)模預(yù)計(jì)將增長到600億美元。

無人駕駛汽車機(jī)器學(xué)習(xí)下的音頻分析包括音頻分類、NLP、語音/語音和聲音識別。語音和語音識別已成為自動(dòng)駕駛汽車和汽車行業(yè)不可或缺的一部分。在以前的汽車模型中，語音和語音識別是一個(gè)挑戰(zhàn)，因?yàn)槿狈Ω咝У?a href="http://m.makelele.cn/v/tag/2562/" target="_blank">算法、可靠的連接和邊緣的處理能力。

長期以來，機(jī)器中的音頻分析一直是不斷研究的主題。隨著技術(shù)的進(jìn)步，市場上的新產(chǎn)品，如亞馬遜的Alexa和蘋果的Siri，利用了云計(jì)算技術(shù)的關(guān)鍵優(yōu)勢，而這些優(yōu)勢是其他識別系統(tǒng)以前所缺乏的。然而，為了使這些系統(tǒng)在自動(dòng)駕駛汽車中順利運(yùn)行，將需要不間斷的無線互聯(lián)網(wǎng)服務(wù)。

各種 ML 算法，如 kNN（K 最近鄰）、SVM（支持向量機(jī)）、EBT（集成袋樹）、深度神經(jīng)網(wǎng)絡(luò) （DNN） 和自然語言處理 （NLP）廣泛用于音頻分析。

如下圖所示，音頻數(shù)據(jù)經(jīng)過預(yù)處理以消除噪聲。然后，將從音頻數(shù)據(jù)中提取音頻特征。方差用于音頻特征，例如 MFCC（梅爾頻率倒譜系數(shù)）以及統(tǒng)計(jì)特征（如峰度）。MFCC的頻段在Mel量表上等距，非常接近人類聽覺系統(tǒng)的響應(yīng)。出于同樣的原因，使用此功能訓(xùn)練模型。最后，使用經(jīng)過訓(xùn)練的模型進(jìn)行推理，從安裝在汽車中的多個(gè)麥克風(fēng)中獲取實(shí)時(shí)音頻流，然后對其進(jìn)行預(yù)處理，并提取特征。提取的特征將被傳遞給訓(xùn)練好的模型，以便正確識別音頻，這對于在自動(dòng)駕駛汽車中做出正確的決定很有用。

有了新技術(shù)，最終用戶的信任是關(guān)鍵點(diǎn)，NLP是建立自動(dòng)駕駛汽車信任的游戲規(guī)則改變者。NLP允許乘客使用語音命令控制汽車，例如要求在餐廳停車，改變路線，在最近的購物中心停車，打開/關(guān)閉燈，打開和關(guān)閉車門等等。這使得乘客體驗(yàn)豐富且互動(dòng)。

讓我們來看看使用音頻分析為自動(dòng)駕駛汽車開發(fā)的一些用例：

緊急警報(bào)器檢測

任何緊急車輛（如救護(hù)車、消防車或警車）的警報(bào)聲都可以使用各種深度學(xué)習(xí)模型以及 SVM（支持向量機(jī)）等機(jī)器學(xué)習(xí)模型來檢測。該模型用于分類和回歸分析。SVM分類模型使用緊急警報(bào)聲和非緊急聲音的海量數(shù)據(jù)進(jìn)行訓(xùn)練。通過該模型，開發(fā)了識別警報(bào)器聲音的系統(tǒng)，以便為自動(dòng)駕駛汽車做出適當(dāng)?shù)臎Q策，以避免任何危險(xiǎn)情況。有了這個(gè)檢測系統(tǒng)，自動(dòng)駕駛汽車可以做出靠邊停車的決定，并為緊急車輛通過提供道路。

發(fā)動(dòng)機(jī)聲音異常檢測

自動(dòng)早期檢測可能的發(fā)動(dòng)機(jī)故障可能是自動(dòng)駕駛汽車的基本功能。汽車發(fā)動(dòng)機(jī)在正常情況下工作時(shí)會發(fā)出一定的聲音，當(dāng)出現(xiàn)一些問題/故障時(shí)會發(fā)出不同的聲音。K-means聚類中可用的許多機(jī)器學(xué)習(xí)算法可用于檢測發(fā)動(dòng)機(jī)聲音中的異常。在 k 均值聚類中，聲音的每個(gè)數(shù)據(jù)點(diǎn)都分配給 k 組聚類。數(shù)據(jù)點(diǎn)的分配基于接近該聚類質(zhì)心的平均值。在異常引擎聲音的情況下，數(shù)據(jù)點(diǎn)將落在正常群集之外，并且將成為異常群集的一部分。使用此模型，可以持續(xù)監(jiān)控發(fā)動(dòng)機(jī)的健康狀況，如果出現(xiàn)任何異常聲音事件，那么自動(dòng)駕駛汽車可以警告用戶并幫助做出正確的決策以避免任何危險(xiǎn)情況。這可以避免發(fā)動(dòng)機(jī)完全故障/故障。

按喇叭時(shí)變道

為了使自動(dòng)駕駛汽車完全像人類駕駛的汽車一樣運(yùn)行，它必須在以下情況下有效工作：當(dāng)后面的車輛需要緊急通過并按喇叭緊急通過時(shí)，它必須改變車道。隨機(jī)森林，機(jī)器學(xué)習(xí)算法將最適合這種類型的分類問題。它是一種監(jiān)督分類算法。顧名思義，它將創(chuàng)建決策樹森林，并最終合并所有決策樹以獲得準(zhǔn)確的分類?？梢允褂迷撃Ｐ烷_發(fā)一個(gè)系統(tǒng)，該系統(tǒng)將識別喇叭的特定模式并做出相應(yīng)的決定。

自動(dòng)駕駛汽車的車內(nèi)交互

NLP（自然語言處理）處理人類語言以提取有助于做出決策的含義。乘員不僅可以發(fā)出命令，還可以與自動(dòng)駕駛汽車交談。假設(shè)你給你的自動(dòng)駕駛汽車起了一個(gè)像Adriana這樣的名字，那么你就可以對你的車說：“Adriana，帶我去我最喜歡的咖啡店。這仍然是一個(gè)簡單的句子，但我們也可以讓自動(dòng)駕駛汽車?yán)斫飧鼜?fù)雜的句子，例如“帶我去我最喜歡的咖啡店，在到達(dá)那里之前，在吉姆的家里停下來接他”。您可以在車內(nèi)與更多東西互動(dòng)。但是，自動(dòng)駕駛汽車不應(yīng)盲目聽從車主的指示，以避免任何危險(xiǎn)情況，例如死亡和生境。為了做到這一點(diǎn)，自動(dòng)駕駛汽車需要一個(gè)更強(qiáng)大的NLP，它實(shí)際上可以解釋人類所告訴的內(nèi)容，并且可以回響其后果。

因此，基于機(jī)器學(xué)習(xí)的音頻分析歸因于安全可靠的自動(dòng)駕駛汽車的日益普及。機(jī)器學(xué)習(xí)服務(wù)公司幫助汽車開發(fā)基于 ML 技術(shù)（如音頻分析、NLP、語音識別等）的定制解決方案，從而增強(qiáng)乘客體驗(yàn)、道路安全和及時(shí)的汽車發(fā)動(dòng)機(jī)維護(hù)。

審核編輯：郭婷