当前智能驾驶中主要通过视觉传感器识别红绿灯、指示牌等信息，由于受天气、光照等多种因素影响实际识别效果并不理想。当前最好的图像识别是采用深度学习的方法，依靠不同深度的神经网络中的大量参数的确定去处理不同的问题，参数量可高达十几亿个，参数的精度靠大数据量训练得以保证。
智能车上的计算资源有限，车辆行进中异构多源传感器感知到的大流量数据必须从原始状态在线抽象为驾驶态势认知和形成决策，只有几十毫秒，最多到几百毫秒，否则难以满足控制周期的要求，因此深度学习难以满足实时要求。我们知道大量交通指示牌原本是为驾驶员、尤其是道路不 熟悉的驾驶员设计的。
当前，通过GPS、驾驶地图和各种先进 驾驶辅助系统（Advanced Driver Assistant System, ADAS)都 可以预先获得包括交通指示牌在内的道路信息，另外随着车联 网、车路协同的发展智能车可以通过位置服务获得红绿灯的相 关信息，在图像识别中难以解决的问题在智能交通中可以很容 易解决。
答：自从神十卫星发上去以后，GPS的感应应该是比较准确的详情>>
