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。

本书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。
本书共设 6 个项目，形成了从基础认知到实践应用的递进式知识体系。采用认知+ 实践的模块设计，既符合职业本科学生的学习认知规律，也呼应了做中学、学中做的职业教育理念。书中内容采用具象化技术表达，降低学习门槛，对抽象 AI 技术采用 汽车化比喻 命名，结合目录中具象场景案例，将复杂技术转化为学生易理解的内容，适配职业本科学生的认知特点。本书在编写过程中，参考了国内外现行的行业标准、最新的学术成果与企业实践案例。

随着新一轮科技革命与产业变革的深度融合，智能网联汽车已成为我国汽车产业转型升级的核心方向，人工智能技术则是驱动这一变革的关键引擎。从自动驾驶的环境感知到车载系统的智能交互，从车辆的预测性维护到车路协同的高效运转，人工智能正全面重塑汽车的产品形态、生产方式与使用场景，也对高素质技术技能人才提出了更高要求既需掌握汽车工程的核心逻辑，又要理解人工智能的基本原理，更能实现二者在实际场景中的融合应用。正是基于这一产业需求与人才培养目标，长春汽车职业技术大学汽车工程学院与信息工程学院的教师团队，联合编写了本书，旨在为职业本科汽车类专业学生搭建起汽车与人工智能交叉领域的知识桥梁，奠定扎实的专业基础。
当前，职业本科教育正聚焦于培养具备扎实理论基础与较强实践能力的高层次技术技能人才，亟需一本能够衔接汽车应用场景与AI 技术的基础教材。市面上多数人工智能教材偏重于理论算法，缺乏汽车行业的针对性内容；而传统汽车类教材又难以系统覆盖人工智能的核心技术体系，导致学生在学习中常面临技术与场景脱节的困境。为此，本书以立足基础、面向应用、校企协同为编写理念，打破学科壁垒，将人工智能技术与汽车实际应用场景深度绑定，让学生在认知技术原理的同时，能清晰感知其在汽车领域的应用价值。
本书共设6 个项目，形成了从基础认知到实践应用的递进式知识体系。项目一以揭秘人工智能技术为起点，从通俗定义与汽车场景关联入手，逐步延伸至发展历程、关键技术及大语言模型的车载应用，帮助学生建立对汽车人工智能的整体认知；项目二~ 项目六则聚焦5 大核心AI 技术领域计算机视觉（车载电子眼）、语音交互（汽车小耳朵）、自然语言处理（汽车聊天达人）、机器学习（汽车学习委员）、深度学习（汽车超级大脑），每个项目均遵循技术认知场景解析实践体验的逻辑展开：先剖析技术原理与车载适配挑战，再详解典型应用场景（如ADAS视觉安全、语音控制空调、预测性维护等），最后通过汽车AI 功能观察、Excel 模拟建模、Python驾驶习惯分析等实践任务，引导学生将理论知识转化为动手能力。这种认知+ 实践的模块设计，既符合职业本科学生的学习认知规律，也呼应了做中学、学中做的职业教育理念。
本书的编写团队汇聚了长春汽车职业技术大学汽车工程学院与信息工程学院的骨干教师，团队成员具有丰富的教学与行业实践经验汽车工程学院教师深耕汽车设计、车载系统开发领域，熟知汽车场景的技术需求与人才培养痛点；信息工程学院教师长期从事人工智能、机器学习的教学与科研工作，精通AI 技术的基础原理与实践方法。两学院的跨学科协作，确保本书既避免了重汽车轻AI的场景空泛，也杜绝了重技术轻应用的理论悬浮，真正实现了汽车场景为体、AI 技术为用的编写目标，让本书的内容更贴合职业本科学生的学习需求与未来就业方向。
作为一门基础课程教材，本书不追求高深的算法推导，而是致力于让学生听得懂、学得会、用得上。我们希望同学们在学习本书时，既能扎实掌握人工智能的核心概念与基础技术，更能主动观察身边的汽车AI 应用从日常乘车时的语音助手到道路上的自动驾驶测试车，将书中的知识与真实场景关联；同时积极参与书中的实践任务，在数据拟合、功能测试中培养解决实际问题的能力。相信通过本课程的学习，同学们能为后续学习自动驾驶技术、车载智能系统开发等专业课程打下坚实基础，未来能更好地适应智能网联汽车产业的发展需求。
本书在编写过程中，参考了国内外现行的行业标准、学术成果与企业实践案例，得到了相关汽车企业技术专家的指导支持，在此，特别感谢一汽研发总院、启明信息技术股份有限公司以及国汽（北京）智能网联汽车研究院有限公司，为本书提供了丰富的实践案例与技术支持方案，提升了本书内容的实证性与可操作性。由于智能汽车与人工智能技术发展迅速，书中难免存在疏漏之处，恳请广大师生在使用过程中提出宝贵意见，以便我们后续修订完善，共同助力职业本科汽车人工智能领域的人才培养事业。
编 者

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