本书由长春汽车职业技术大学汽车工程学院与信息工程学院联合编写，专为职业本科学生设计，适用于汽车人工智能基础课程。 本书聚焦智能网联汽车产业需求，破解传统教材“技术与汽车场景脱节”痛点，以“立足基础、面向应用”为核心，构建“认知—场景—实践”递进体系。共设6 个项目，从人工智能定义、发展及大语言模型车载应用切入，逐步深入计算机视觉（车载“电子眼”）、语音交互（车载“小耳朵”）、自然语言处理（车载“聊天达人”）、机器学习（车载“学习委员”）、深度学习（车载“超级大脑”）5大核心技术领域，每个项目均配套实车功能观察、Excel 数据拟合、Python 驾驶习惯分析等实践任务。 编写团队兼具汽车工程与信息技术跨学科优势，确保内容兼顾理论深度与汽车应用场景适配性，助力学生扎实掌握AI 基础，衔接后续专业课程，为适应智能网联汽车产业发展奠定基础。

李东兵，男，汉族，1977年1月生，吉林省德惠市人，教授，中共党员，研究生学历，硕士学位。主参编教材27部（国家规划教材5部）。荣获奖项5项、荣誉称号15项。2007年7月毕业于吉林大学机械电子工程专业（工业机器人方向），毕业后进入长春汽车工业高等专科学校汽车工程系工作。先后担任汽车专业教师、汽车整形技术教研室主任、汽车装调技术教研室主任、汽车综合技术教研室主任、汽车运用学院副院长、信息技术学院院长，现任长春汽车职业技术大学汽车工程学院院长。2016年6月至2019年7月，作为吉林省第六批援藏干部，担任西藏日喀则市职业技术学校副校长。

前言
项目一 揭秘人工智能技术 ...001
任务1 认知人工智能的定义、发展与核心技术 ...002
1.1 人工智能的定义与汽车场景关联 ...002
1.2 人工智能的发展历程 ...004
1.3 人工智能的关键技术 ...005
任务2 认知大语言模型——汽车智能交互的新突破 ...010
2.1 大语言模型的基本概念与特点 ...011
2.2 大语言模型在汽车中的典型应用场景 ...013
2.3 大语言模型在汽车中的局限性与优化方向 ...014
任务3 实践：我身边的汽车AI 功能大发现 ...020
3.1 汽车AI 功能的观察与识别 ...020
3.2 汽车AI 功能的分类与技术对应 ...021
3.3 汽车AI 功能的体验分享与讨论 ...024
项目二 解码汽车的电子眼——计算机视觉技术在汽车中的应用 ...033
任务1 认知车载视觉系统的硬件与工作原理 ...034
1.1 车载摄像头的分类与功能定位 ...034
1.2 车载视觉系统的核心处理流程 ...036
1.3 车载视觉硬件的特殊需求 ...038
任务2 解密计算机视觉常用算法——卷积神经网络在汽车中的应用 ...043
2.1 CNN 的基本原理与视觉特征提取优势 ...043
2.2 CNN 在车载目标检测中的典型应用 ...045
2.3 CNN 在汽车场景中的优化 ...047
任务3 解析计算机视觉在汽车中的典型应用场景 ...054
3.1 ADAS 中的视觉安全功能 ...054
3.2 智能泊车中的视觉辅助 ...058
3.3 车路协同中的路侧视觉补盲 ...060
任务4 解析计算机视觉技术的实践认知与体验 ...066
4.1 车载视觉功能的观察与识别 ...066
4.2 手机模拟视觉功能的操作与分析 ...068
4.3 车载视觉技术的优势与挑战讨论 ...071
项目三 趣探汽车的小耳朵——语音交互技术在汽车中的应用 ...079
任务1 解析车载语音交互的技术架构与适配 ...080
1.1 语音交互的核心模块 ...081
1.2 车载场景的技术挑战 ...083
1.3 语音交互硬件与车机系统的集成 ...084
任务2 挖掘语音交互在汽车中的典型应用场景 ...091
2.1 功能控制类交互 ...091
2.2 安全增强类交互 ...093
2.3 车路协同中的语音信息传递 ...095
任务3 探索语音交互技术的实践认知与体验 ...103
3.1 车载语音功能的操作与测试 ...103
3.2 不同车型语音助手的对比分析 ...104
3.3 语音交互技术的优化方向讨论 ...105
项目四 结识汽车的聊天达人——自然语言处理技术在汽车中的应用 ...111
任务1 探析车载自然语言处理的技术基础与需求 ...112
1.1 车载自然语言处理的技术基础与需求 ...112
1.2 车载场景的文本数据特征 ...123
1.3 自然语言处理的车载适配挑战 ...124
任务2 解析自然语言处理在汽车中的典型应用场景 ...129
2.1 自然语言处理在智能对话系统中的应用 ...129
2.2 自然语言处理在售后与运维支持当中的应用 ...131
2.3 自然语言处理在车路协同处理文本信息当中的应用 ...134
任务3 探索自然语言处理技术的实践认知与体验 ...137
3.1 自然语言处理技术的实践认知与体验 ...137
3.2 车载文本处理的观察与分析 ...142
3.3 自然语言处理技术的局限性讨论 ...143
项目五 对话汽车的学习委员——机器学习技术在汽车中的应用 ...147
任务1 探析机器学习的基础原理与汽车数据特征 ...148
1.1 机器学习的概念 ...149
1.2 机器学习的基础原理 ...149
1.3 机器学习的核心流程 ...151
1.4 机器学习的核心方法 ...153
1.5 新能源及智能网联汽车数据的特点 ...160
1.6 新能源及智能网联汽车场景的机器学习适配 ...161
任务2 机器学习常用算法在汽车中的应用 ...166
2.1 决策树与随机森林 ...167
2.2 支持向量机 ...174
2.3 聚类算法（K-means 及改进版） ...178
2.4 补充算法：逻辑回归与朴素贝叶斯 ...185
任务3 解析机器学习在汽车中的典型应用场景 ...191
3.1 个性化服务：让汽车成为“专属伙伴” ...191
3.2 预测性维护：让汽车成为“提前预警的医生” ...194
3.3 车路协同中的交通优化：让汽车成为“交通效率提升者” ...196
任务4 探索机器学习技术的实践认知与体验 ...203
4.1 Excel 模拟简单机器学习模型：数据拟合实践 ...203
4.2 基于Python 的车载学习功能模拟：驾驶习惯聚类分析 ...206
4.3 机器学习技术的挑战与讨论 ...210
项目六 走进汽车的超级大脑——深度学习技术在汽车中的应用 ...215
任务1 解析深度学习的基础原理与汽车任务适配 ...216
1.1 深度学习的概念 ...217
1.2 深度学习的基础原理 ...219
1.3 深度学习的核心流程 ...221
1.4 深度学习的核心网络 ...222
1.5 深度学习在汽车中的3 大优势 ...223
1.6 深度学习的车载计算需求 ...223
任务2 探析深度学习常用算法在汽车中的应用 ...229
2.1 卷积神经网络——汽车的“智能眼睛” ...230
2.2 RNN 与LSTM——汽车的“智能记忆” ...233
2.3 Transformer——汽车的“智能协调员” ...235
任务3 认知深度学习在汽车中的典型应用场景 ...244
3.1 自动驾驶决策：让汽车学会“思考与判断” ...244
3.2 多传感器融合：构建无死角的“环境感知网” ...248
3.3 车路协同中的复杂场景处理：实现“全局智慧协同” ...252
任务4 探索深度学习技术的实践认知与体验 ...261
4.1 深度学习功能的观察与识别：实车系统解析 ...261
4.2 深度学习技术的优势与局限讨论 ...262
4.3 深度学习在汽车中的发展趋势展望 ...264
参考文献 ...271