基于路测图像与改进 ResNet50 网络的自动驾驶场景天气识别算法

为了充分利用自动驾驶汽车路测图像数据,增加行驶过程中对天气情况识别的准确性,提出了一种基于改进 ResNet50 网络的自动驾驶场景天气识别算法。该算法将 SE 模块与 ResNet50 网络相结合,通过在 ResNet50 网络 4 组模块内加入 SE 模块,以便更好地拟合通道间复杂的鲁棒性。基于自动驾驶汽车路测图像数据对所提算法进行 Python 编程实现,结果表明：SE 模块的加入能够增加算法的鲁棒性和准确性,提高了自动驾驶的天气识别精度。     

自动驾驶汽车事件数据记录系统方案设计

随着汽车自动驾驶技术的发展,目前的EDR的标准无法满足自动驾驶汽车事故重建的要求.本文设计了自动驾驶汽车事件数据记录系统,包括系统的组成及控制原理,并定义了事件检测触发模块、数据缓存模块、数据记录模块.同时还设计了基于统一诊断服务读取/清除自动驾驶汽车事件数据的方法,用于辅助分析自动驾驶事故原因以及自动驾驶系统验证评估...     

人机混驾环境下无信号交叉口自动驾驶汽车左转运动规划研究

为了使自动驾驶汽车在人机混驾环境下能安全、高效地左转通过无信号交叉口，在借鉴人类驾驶人左转时会对周围车辆驾驶意图进行提前预判的基础上，提出了一种基于周围车辆驾驶意图预测的自动驾驶汽车左转运动规划模型。首先将无信号交叉口处周围车辆的驾驶意图分为左转、右转、直行3种类型，利用相关向量机预测周围车辆驾驶意图，以概率形式输出意图预测结果并实时更新，进一步界定自动驾驶汽车与周围车辆的潜在冲突区域并判断是否存在时空冲突；接着，在充分考虑他车速度、航向及车辆到达冲突区域边界距离的基础上建立基于部分可观测马尔可夫决策过程的自动驾驶汽车左转运动规划模型，生成一系列期望加速度；最后，基于Prescan-Simulink联合仿真平台搭建无信号交叉口仿真场景，对所提左转运动规划方法进行仿真验证，将基于博弈论的运动规划方法、基于人工势场理论的运动规划方法与所提出的方法进行比较，并选取行进比例达到1所用的时间和碰撞次数作为评价指标。研究结果表明：基于相关向量机的驾驶意图预测方法可在自动驾驶汽车到达交叉口之前准确预测出他车驾驶意图；基于部分可观测马尔可夫决策过程的左转运动规划方法能够通过速度调整策略实现人机混驾环境下自动驾驶汽车与周围车辆在无信号交叉口处的交互；不同算法对比效果表明，所提左转运动规划方法在自动驾驶汽车与不同数量周围车辆交互的仿真场景下均可有效避免碰撞事故发生并提高自动驾驶汽车左转通过无信号交叉口的效率。     

基于自然驾驶数据的自动驾驶汽车安全性评价方法

自动驾驶汽车进行大规模市场推广前必须进行准确可靠的安全性评价，由于自动驾驶系统复杂程度的增加及设计运行区域的扩大，面向传统汽车的评价方法已不能满足自动驾驶汽车的安全性评价需求,基于此，建立一种基于自然驾驶数据的自动驾驶汽车安全性评价方法，可解决现有方法在逻辑场景层面安全性评价的缺陷。首先，建立基于自然驾驶数据的逻辑场景构建流程，分析场景描述参数，搭建自然驾驶数据采集平台采集相关自然驾驶数据，采用高斯分布模型描述参数概率分布；进而，离散逻辑场景参数空间获取具体测试用例，并在建立的PreScan、CarSim和MATLAB联合仿真平台中对被测自动驾驶算法进行仿真遍历测试，通过高斯模型将测试结果中的危险场景参数聚类，获取被测算法在逻辑场景中的危险区域；最后，综合考虑逻辑场景参数空间概率分布和得到的相应逻辑场景危险区域，提出基于自然驾驶数据的自动驾驶汽车安全性评价指标——场景风险指数，并以前车制动和前车切入场景为例，给出某黑盒算法的具体评价示例。研究结果表明：被测算法在前车制动场景和前车切入场景中的场景风险指数分别为0.409 8和1.08×10^-5，在前车制动场景中具有较大的安全风险，与仿真测试的直观结果相符；通过比较计算得到的场景风险指数与实际仿真测试结果可证明所提出的方法可以实现逻辑场景层面的自动驾驶安全性量化、易于操作、贴近自然驾驶情况。     

基于多源异构和XGBOOST模型的销量预测

随着中国经济的快速发展,中国汽车市场已经发展成为世界第一大汽车消费市场和全球最大的消费潜力市场3面对规模越来越大的市场,准确预测铕量是汽车产生面临的重要课题。本文在主成分分析的技术之上探讨了多源异质性大数据和XGBOOST算法在汽车销量预测模型中的应用首先选取一些社会经济结构变量、相关政策以及某汽车企业汽车销量为样本数据;其次为了去除多重共线性问题利用主成分分析分析出权重占比累积超过90%的样本特征;再次利用多维度控制变量法确定了XGBOOST糢型的最佳参數组合;最后利用训练好的模型对验证集进行测试,结果表明,多个月的预测销量与实际销量之间的平均准确率为88.52%,平均差异仅为11.48%。这为企业预测汽车销量提供参考.     

数学算法在汽车自动驾驶系统中的应用

本论文的研究目的在于探索数学算法应用于汽车自动驾驶系统的领域。通过从汽车自动驾驶系统概述、基础理论、具体应用及未来发展方向等方面的阐述,分析了数学算法对于促进汽车智能驾驶技术进步的重要性。数学算法不断地优化与创新,会进一步提高汽车自动驾驶系统性能与智能水平。     

自动驾驶汽车行为预测综述

为了能够满足自动驾驶汽车在复杂交通场景中安全高效运行,自动驾驶汽车必须做到对周围对象不确定性行为进行准确预测。作为自动驾驶的关键技术,近年来不断有新的轨迹预测思路和算法被提出,尤其是针对复杂交通场景中的对象轨迹预测。通过将复杂交通场景中的预测对象分为:车辆轨迹预测和行人轨迹预测2类,在此基础上对不同预测对象采用近年来的主流预测算法进行分类总结。最后讨论了当前行为预测存在的问题,并提出了一些有价值的研究展望。     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。     

国际前研

<正>日本要让自动驾驶汽车学会预测危险自动驾驶汽车实现像普通人驾驶一样舒适而顺畅的乘坐感受,日本政府和民间计划合作开发新技术。目前开发的汽车自动驾驶技术方面,主要通过车载传感器等确认道路障碍物之后才启动制动器使车辆停止。而计划开发的则是对危险状况等事先进行预测并反映到驾驶上的"预测技术"。将收集和分析1万2千件实际驾驶数据,力争5年后投入实际应用。     

基于整车在环仿真的自动驾驶汽车室内快速测试平台

整车在环仿真测试方法可以安全、高效地验证复杂环境和极端工况等场景下自动驾驶汽车性能的有效性，基于此研发一种基于整车在环仿真的自动驾驶汽车室内快速测试平台，该平台由前轴可旋转式转鼓试验台、试验台测控子系统、虚拟场景自动生成子系统、虚拟传感器模拟子系统、驾驶模拟器、自动驾驶汽车和测试结果自动分析评价子系统组成。通过在试验台滚筒上独立加载转矩模拟车辆行驶阻力，可动态模拟不同的路面附着系数，同时利用坡度、侧倾和转向随动机构可模拟车辆俯仰角、侧倾角和航向角3个自由度；采用虚拟现实技术柔性集成车辆动力学模型、传感器仿真、复杂道路交通环境及测试用例仿真，模拟多种道路交通场景，并通过传感器仿真及数据融合等技术快速测试自动驾驶汽车智能感知与行为决策等性能指标。将自动驾驶汽车、虚拟仿真场景和试验台耦合构建一个闭环系统，完成了多项关键技术研发，包括：多自由度高动态试验台结构设计、虚拟测试场景自动重构方法和传感器数据模拟及注入方法，可满足在各种场景下测试自动驾驶汽车整车性能的需求。此外，为验证快速测试平台的有效性，以U-turn轨迹跟踪控制为研究实例，基于简化的车辆运动学模型和模型预测控制算法，在平台上搭建U-turn场景并对自动驾驶汽车的轨迹跟踪控制算法性能进行大量测试。结果表明：自动驾驶汽车室内快速测试平台可以真实地模拟汽车在道路上的运行工况，自动驾驶汽车在虚拟场景中的轨迹跟踪效果良好，与参考轨迹的偏差小于8%，证明了该测试平台检测方法的有效性。     

自动驾驶汽车在城市道路上面临的主要场景挑战

基于人类的自然驾驶数据、交通事故数据等信息提出的自动驾驶汽车技术要求和测试场景难以反映自动驾驶汽车特有的局限性和安全风险。文章从车辆视角出发,利用搭载高度自动驾驶功能的汽车开展了实际道路测试,并通过分析测试过程中遇到的危险场景和边缘场景,总结了城市道路环境下自动驾驶汽车在感知、定位、决策规划、控制执行和网联通信等方面存在的主要场景挑战。该研究成果弥补了基于人类驾驶数据开展相关研究的不足,能够为自动驾驶汽车的研发和基于场景的测试验证提供参考。     

宏观·国际

<正>日本将在2020年前完成自动驾驶立法为推动各汽车厂商竞相开发的自动驾驶汽车走向实用化,日本政府将启动立法。针对既无驾驶员又无需掌握转向盘的自动驾驶汽车引发事故之际的责任归属等问题,日本警察厅已开始展开法律层面的讨论。将在企业获准在公路上广泛进行自动驾驶汽车验证试验的2016年度内制定指导方针。日本政府将分析试验数据,在2020年之前完成立法。     

自动驾驶汽车交通事故侵权责任

科技的发展使得人们对生活的追求更为极致,以前只是出现在影视作品中的无人驾驶汽车现在也渐渐开始走向大众生活了.自动驾驶汽车的出现主要是基于降低交通事故发生率和提高日常出行通勤效率.但在自动驾驶汽车中,则要考虑到高度自动驾驶汽车拥有大数据支持下的计算和深度学习能力.自动驾驶汽车的生产者、销售者对外承担连带的产品责任,对内再...     

主动安全 通往自动驾驶的必经之路

<正>安全始终是自动驾驶之核心所在,尤其是主动安全技术,在一定程度上决定了自动驾驶的发展和成熟度。主动安全与自动驾驶相辅相成,也是通往自动驾驶的必经之路。据全球知名经济咨询机构IHS环球透视汽车部门预测,截~2035年全球将拥有近540077辆自动驾驶汽车,到2050年之后,几乎所有汽车都将更替为自动驾驶汽车或自动驾驶商务汽车。2014年11月,在拉斯维加斯消费电     

自动驾驶汽车的发展优势和前景

自动驾驶可以减少交通事故死亡人数。波士顿咨询公司的研究显示,自动驾驶汽车将挽救美国3万人的性命。自动驾驶可以根据道路车流情况,运用大数据计算出最佳行驶路线,帮你节省时间、提高出行效率。波士顿咨询公司的研究表明,自动驾驶汽车将为美国出行者节省40%的时间。     

未来汽车架构将由软件定义

正未来汽车架构将由软件来定义,软件将为自动驾驶、网联汽车提供技术支撑,但也对软件安全提出了更高要求。只有遵循"安全"和"防护"两个主要原则,才能在确保安全性的同时,保证创新性。自动驾驶、数字化、汽车共享、电气化是汽车产业四大趋势。Navigant Research的预测数据显示,2025年之后,自动驾驶技术将快速发展。而数字化方面,全球超过12.5亿辆乘用车     

迈入5G新时代

<正>汽车的未来,无疑要步入新能源和自动驾驶的时代。根据世界经济论坛的分析,到2026年,至少将有10%的汽车是无人驾驶汽车。而想实现自动驾驶,5G则是基础。众所周知,当下的3G、4G网络都存在"延迟"。在自动驾驶中,零点几秒的延迟,或者几米的定位不准确,就有可能酿成事故的发生。5G的到来,使得大量数据高速传输成为现实,其低延时的特性,可以使信息更加准确、及时,真正实现完美的自由行驶时代。     

自动驾驶汽车道路测试风险控制建议

自动驾驶汽车要达到及至超跃人类的水平,需要大量的测试,特别是实际道路环境下的测试。自动驾驶测试风险最大的特点是必须"以身试险"。必须尽可能多暴露潜在风险,以便认识、控制、规避风险。所以,在大规模进行自动驾驶车辆道路测试的初期,容易出现风险不明,应对失当的状况。本文在分析国内外自动驾驶道路测试相关指南和规范的基础上,提出基于车辆综合验证、测试驾驶员培训和事故第三方专业机构分析等风险控制建议。     

自动驾驶汽车-行人交互研究综述

自动驾驶汽车已开始在部分开放道路进行测试,其与行人等其他交通参与者共享混行道路,面向自动驾驶汽车的车外人机交互技术亟需开展深入研究,以便行人快捷、高效地理解自动驾驶汽车的行驶意图,确保混合交通场景通行安全并提高通行效率。本文首先阐述了自动驾驶汽车与行人交互的重要意义,并从行人检测与跟踪、行人意图识别及行为预测、自动驾驶汽车的决策3个方面介绍了目前自动驾驶汽车的车外人机交互前期支撑技术研究概况,着眼于自动驾驶汽车行驶意图的表达,对交互需求和车外人机交互界面的设计原则及质量评估进行了梳理,最后提出了车外人机交互面临的挑战及未来的发展方向。     

自动驾驶如何重构汽车产业价值链

正关于自动驾驶发展进程的预测,业内普遍认同的观点是:自动驾驶汽车将在2025年前后开始呈现爆发式增长;到2035年,人类社会道路上行驶的车辆将有50%实现自动驾驶,届时自动驾驶整车及相关设备、应用的收入规模总计将超过5 000亿美元。1产品定位——从简单的交通工具转变为移动多用途空间无人驾驶首先转变的将是汽车产品自身的定位。在自动驾驶技术成为主流的时代,系统基本上