面向智能车辆的现役道路设施行驶适应性研究综述

为了总结面向智能车辆的现役道路设施行驶适应性，即现役道路基础设施承载智能车辆行驶的适宜程度，阐述自主智能驾驶定义与驾驶自动化等级分类，在此基础上剖析不同等级间的人机功能差异，并分别从感知层、感知-决策层、决策-控制层探讨与道路设计要素相关联的人机功能差异，通过归纳总结智能车辆与道路几何要素、路面性能及其他道路要素(如道路标线)的相互作用机制研究，从道路工程角度及其他道路要素方面回顾该领域的研究现状，指出存在的问题和未来发展方向。研究结果表明：相比传统车辆，配置高等级自动驾驶系统的智能车辆对现役道路设施行驶适应性最高，主动安全系统次之，而驾驶辅助及有条件自动驾驶系统适应性不足。而目前研究主要问题包括：难以归纳、标定不同驾驶自动化等级间的人机功能差异及其对于道路设计参数的需求设计值；测试道路场景条件过于理想，考虑的驾驶自动化等级单一，试验规模和样本有限；道路几何、路面性能以及道路标志、标线等道路要素与智能车辆间的相互作用机制研究不足，缺乏与不同道路场景相匹配的智能车辆驾驶特征数据的获取手段。因此建议：重视并推动与道路设计要素相关联的关键人机功能差异指标信息共享；联合高保真且可交互的道路场景、高精度感知传感器物理模型、车辆动力学模型及微观交通流模型，利用测试场景自动化生成、极限工况场景搜寻与泛化等技术开展智能驾驶虚拟测试，突破现有研究的深度和广度；探索反映不同等级智能车辆的道路行驶适应性特征指标与评价标准，精准、有效地评估预测复杂道路场景及不利道路条件下的行驶适应性。     

车行山区道路须“五禁”

我国幅员辽阔,山区道路多,路况复杂,山区道路交通事故居高不下。从事故发生的原因看,多是驾驶员操作失当所致。因此,掌握正确的驾驶要领,克服不正确的操作方式对山区道路驾驶很有必要,归纳起来山区道路驾驶主要有五禁。     

如何应付各种路况

相对于许多新手来说，在实际道路上驾驶比在驾校时了解的东西多多啦，因为实际道路要远远复杂于驾校，而我国道路由于近年来车辆的高速增长，显得更加复杂，以下几期我们来看看各种路况下需要注意的地方。[编者按]     

一般道路驾驶训练的安全风险评估及防范措施

一般道路驾驶训练是锻炼学兵实际操作能力的重要环节,是整个新训工作中最为重要的训练课目,具有训练时间长、动用车辆多、道路情况复杂、行进节奏难以把握等特点,且学兵技术不熟练、驾驶经验较少、心理素质差,训练时存在着一定的安全风险。为落实训练安全风险评估制度,明确一般道路驾驶训练中各类安全风险及防范措施．现从人员、车辆、组织、道路、环境5个方面进行安全风险评估,以防范和杜绝一般道路驾驶训练中可能存在的风险,确保一般道路驾驶训练安全顺利无事故。     

夜问道路驾驶组训的对策

加强夜间道路驾驶训练是提高部队夜间机动保障能力的基本途径,是确保部队全时段能够拉得出、用得上、打得赢的重要举措。细致分析夜间道路驾驶的基本特点,有针对性地提出夜间驾驶组训的对策,是提高夜间道路驾驶训练效果、确保夜间道路驾驶训练安全的重要保证。一、夜间道路驾驶的基本特点（一）视野变窄。观距变短。夜间道路驾驶区别于一般道路驾驶的最大特点就是光线条件差造成的视线不良,对驾驶员提前判断并处理情况带来极大的不便。且长时间夜间驾驶,会车时对面灯光的直射、超车时灯光的变换等容易造成驾驶员视觉疲劳,从而产生晕眩或错觉。容易造成判断错误。     

面向自动驾驶的道路适驾性研究进展

现有道路设计规范考虑了驾驶人感知反应时间和车辆动力学特征,而自动驾驶汽车与驾驶人在感知反应时间、感知距离和感知高度等方面存在差异。这些差异可能会导致自动驾驶汽车在特定道路条件下面临挑战,例如复杂的道路线形、不规则交叉口等情况。为了解道路基础设施对自动驾驶汽车运行的影响,需要开展面向自动驾驶的道路适驾性研究。针对不同道路类型,道路几何设计、交通控制设施和路侧设施等对自动驾驶汽车安全运行影响的定量研究尚不充分。从路段、交叉口、交通标志标线3个方面进行归纳整理,结果表明：(1)现有的研究建立了道路线形设计、交叉口几何设计与自动驾驶感知能力的关系,发现平曲线半径、弦长和曲线偏转角等设计指标影响自动驾驶视距;(2)实车测试发现道路类型、平曲线曲率和车道宽度对自动驾驶失效事件具有显著影响;(3)随着自动驾驶汽车市场渗透率的增加,自动驾驶汽车之间交互行为规则更加明确,有利于提升道路适驾性水平;(4)自动驾驶的感知识别准确率会受到交通标志的反光性能和设置位置的影响,失效概率与交通标线的尺寸、逆反射亮度系数以及延长线相关。面向未来自动驾驶应用需求,针对已建道路,需要测试不同复杂工况条件对自动驾驶汽车运行...     

重视车队安全管理 减少交通事故发生

道路交通事故的频繁发生已经成为严重的社会问题。道路交通事故的发生除了驾驶员的因素外,还涉及到道路交通体系的完善程度、道路交通法规、道路使用者的安全意识及汽车制造等一系列复杂的因素。对于运输车队而言,安全管理尤为重要,而安全管理的重点主要是驾驶员和车辆。驾驶员的安全管理1.制订严格的录用与考核制度任何一家运输公司都希望招聘到安全意识强、驾驶技能娴熟的优秀驾驶员;但我国目前车辆驾驶员从业人员的整体文化水平较低,很少经过专业培训,驾驶学员仅凭86h的驾驶培     

实测数据驱动的自动驾驶道路测试驾驶模式辨别方法

自动驾驶道路测试中车企驾驶模式数据具有一定保密性，导致自动驾驶能力难以被客观评估。为此，提出了实测数据驱动的自动驾驶道路测试驾驶模式辨别方法。首先选取数据特征值构建K近邻估计、支持向量机、决策树、随机森林和BP神经网络5种机器学习监督分类模型；其次通过非参数秩和显著性检验确定驾驶模式持续时长阈值，持续时长大于阈值的数据段记录为准确的驾驶模式数据，小于等于阈值的数据段则为驾驶模式待分类数据集；随机选取70%记录准确的驾驶模式数据作为监督分类模型训练数据集，剩余30%作为测试数据集；最后利用正确率、精确率和召回率3个指标评价5种监督分类模型，并选取表现最佳的分类模型用于待分类数据的驾驶模式辨别。基于上海市城市道路和快速路2个道路测试场景共约43.6万条数据，验证驾驶模式辨别方法的有效性。结果表明：随机森林监督分类模型辨别道路测试驾驶模式的效果最佳；城市道路场景和快速路场景待分类数据驾驶模式记录有误率分别达到42.3%和39.4%。实测数据驱动的驾驶模式的辨别与修复，可显著提升评估自动驾驶道路测试驾驶能力的准确度。     

城市水下道路隧道驾驶安全影响因素分析和改善思路

总结城市水下道路隧道事故分布规律，从驾驶人、隧道光环境及道路条件3方面分析隧道驾驶安全影响因素，对现有安全改善措施及其优缺点进行剖析，并指出城市水下道路隧道驾驶安全优化研究趋势： 应以提升隧道光环境质量为主，考虑交通事故形态、事故致因及影响因素，在确保交通安全的基础上，考虑不同隧道路段驾驶人差异化视觉需求。驾驶人视觉需求可以分为功能性、安全性与舒适性需求，对应的隧道行车环境可分为基本型、安全型与舒适型视觉参照系。提出以构建城市水下道路隧道舒适型视觉参照系为目标，通过隧道照明与隧道视线诱导技术相结合，缓解隧道出入口参照系的剧烈过渡，加强中间段弱视觉参照的城市水下道路隧道驾驶安全优化方法。构建基于空间路权、人因与驾驶任务、差异性与韵律性的隧道驾驶安全优化评价指标体系，为城市水下道路隧道驾驶安全优化提供新思路。     

主观评测

在易车买车测试中,除了常规的道路驾驶和专业的场地测试之外,主观评测也是重要的一项测试内容。不同于在市区、山路、高速等常规道路情况上正常驾驶,     

基于M形深度架构的非结构化道路可行驶区域推荐模型

针对边界模糊、路况多变的非结构化道路，为满足智能汽车在正常、应急等复杂行驶工况下对可行驶区域的视觉检测需求，提出一种在M形深度架构下融合多尺度交互策略和双重注意力机制的可行驶区域推荐模型，能够在复杂驾驶场景中精细分割出非结构化道路的强推荐、弱推荐、不推荐行驶区域。首先，在编码器-解码器的骨架基础上，构建倒金字塔式的多尺度分层输入和分层输出结构，以有效融合非结构化道路的浅层形态学特征与深层语义信息，并平衡模型在不同尺度上的预测偏倚，提升复杂驾驶场景下对多尺度与变尺度目标的分割精度；其次，构建集成通道注意力和空间注意力的跳跃连接结构，使模型在实现编码特征与解码特征高效传递的同时，聚焦于学习与道路可行驶性相关的重要特征，进一步强化模型对非结构化道路的检测性能。通过多种途径构建包含城郊、乡村、园区等真实场景的非结构化道路驾驶数据集。试验结果表明：得益于M形深度架构对多尺度交互策略和双注意力机制的融合，提出的模型在多种真实驾驶场景下均能较好地实现强推荐行驶区域、弱推荐行驶区域、不推荐行驶区域和背景区域的精细分割，平均交并比达到92.46%，平均检测速度达到22.7帧·s^-1；与现有其他主流模型相比，提出的模型兼顾了分割精度和时间效率，在非结构化道路可行驶区域检测任务上有明显优势。     

基于人-车-路协同仿真的山区道路大型车辆行驶适应性分析

为提高山区道路大型车辆的行驶安全性,构建人-车-路协同仿真系统,在3条复杂山区道路上开展代表性驾驶模式的大客车和重载货车虚拟行驶试验,根据仿真输出的车辆运动学/动力学响应参量和驾驶输入量,分别进行设计符合性、车辆通过性、运行速度协调性、行驶舒适性以及驾驶负荷度等5个方面的检验分析。结果表明:通过以上分析能确定危险位置的临界安全速度、超长货车通过急弯时的越出宽度和越出位置、不协调的线形单元以及行驶舒适度和驾驶负荷度较差的位置,进而可以实施靶向性的几何参数改进,增加山区公路与大型车辆之间的适应性,最终达到提高山区公路设计质量和安全性的目的。     

71262部队完善考核机制谋求驾驶员队伍全面过硬

为提升驾驶员的技能素质，71262部队把经常性考核作为调控个人技术训练的主要指标，为每个人制定了训练成绩积分档案，从道路驾驶、场地驾驶、应对复杂战场、车辆维修等15个项目细化设置，量化打分，规定达到一定分值即可申报升级，成绩达到优秀就可进入下一课目的训练，总评成绩过关并经过验收为优秀即可申报更高的技术等级。同时，     

青年人的承诺

以“安全驾驶，我承诺”为主题的青年安全驾驶培训项目开始了，青年人的道路安全意识培养得到了重视，同时也应该谨记自己的安全承诺 据统计，道路交通伤害是伤害导致死亡的首要原因，中国每年有6万多人死于道路交通事故，青年人占了绝大比重，缺乏经验是主要原因。多数驾驶员是从青年开始学车的，有调查表明驾驶员在考取驾照的第一年，发生交通事故的几率最高。所以对于青年人交通安全意识和良好的安全习惯的培养是个重要课题。青年安全驾驶培训项目作为欧盟“青年在行动”项目的一部分，由大陆集团携手全球儿童安全组织引入中国，近日该项目在同济大学正式启动，主题是“安全驾驶，我承诺”。该项目旨在通过培训，加强青年群体对“安全驾驶”的认识，提升他们的道路安全意识。     

面向L3级自动驾驶高速公路道路测试场景的构建方法

自动驾驶技术的发展离不开道路测试,科学完善的自动驾驶测试评价体系需要完整的测试场景做支撑。高速公路场景作为L3级自动驾驶的典型应用场景,相关的测试标准、测试方法、测试场景亟需明确。文章通过对L3级自动驾驶高速公路道路测试场景来源、场景分类与要素、场景构建关键技术等分析,结合L3级自动驾驶高速公路应用场景,从自动驾驶车辆应急处置、人工介入能力和综合驾驶能力等方面,提出L3级自动驾驶高速公路道路测试场景及测试项目,为后续道路测试评价方法提供基础。     

基于OEDR和ODC的自动驾驶汽车实际道路测试评价技术研究

本文中提出了基于自动驾驶目标和事件探测与响应（OEDR）的测试道路分类方法，构建基于设计运行范围的道路元素基础模型，改进Jaccard Similarity有效相似度算法用于测试道路符合性评估。本文中还根据测试道路选取，提出了基于设计运行条件（ODC）边界的测试方法，结合乘员主观评价形成自动驾驶汽车实际道路测评体系。选取我国典型道路开展的试验结果表明，本文中提出的测评体系具有可行性和普适性，可作为一种标准化方法广泛应用。     

驾驶员轨迹决策行为影响因素的仿真研究

通过分析包括前方道路可行区域、驾驶员体力负担及道路交通法规在内的众多因素对驾驶员开车的影响，利用模糊决策理论建立了驾驶安全性、驾驶轻便性和驾驶合法性3个评价指标，并进行了在几种典型路况下的驾驶员-汽车-道路闭环系统仿真计算，有效地描述了驾驶员在开车时动态决策汽车预期轨迹的行为。     

车辆AMT中道路条件及驾驶意图的模糊识别

本文论述了车辆AMT中道路条件及驾驶意图模糊识别的必要性，提出了道路条件及驾驶意图的模糊识别方法，最后给出了在AMT挡位决策中的应用实例。     

着眼特点创新抓管理筑牢车辆安全防线

（一）由“保安全”向“保打赢”转变。要把“管为战”思想真正树立起来,从严落实战备和实战训练要求．结合执行“急、难、险、重”任务和比武、复训、保障等时机,采取“以运代训、区分层次、全程淘汰”的方法,强化一般道路驾驶、复杂道路驾驶、长途驾驶、载重驾驶、故障排除、维护保养以及不良天候等课目的训练,提高驾驶员的驾驶技能、应变能力,做到以圳促管、以管促训、管训共防．实现由“安全型”、“生活型”向“战斗性”转变。     

93285部队结合季节特点提高驾驶技能，确保冬季安全行车

近日,93285部队汽车分队根据冬季行车的特点和规律,瞄准“岗位尽职责、车辆无事故、人为零差错”的总目标,组织驾驶员进行冬季行车强化训练,主要进行冰雪路面驾驶、一般道路驾驶训练、城乡道路驾驶训练等3个项目,通过人为设置各种险情,提高驾驶员的应变处置能力,为冬季安全行车打下了良好基础。