无人驾驶智能车完成首次智能驾驶测试

由多方合作研制的“猛狮3号”无人驾驶智能车在车流滚滚的京津城际高速公路上,完成了国家自然基金委等第三方参与的首次智能驾驶试验。试验全程由计算机系统控制车辆自主驾驶,无人工干预。根据测试要求,无人驾驶智能车行驶的车道类型包括四车道、、三车道、二车道、匝道,主要的测试科目为循线行驶、跟车行驶、自主换道、邻道超车、自主超车、人工指令行驶6个部分。为确保安全,车上装有应急控制装置,紧急情况下可立即切换到人工强制干预模式,避免对本车成员及其他车辆造成危险。     

智能网联汽车道路测试政策法规分析及展望

为进一步促进智能网联汽车道路测试相关政策法规的建立健全,首先分析了智能网联汽车技术的发展路径和发展现状以及国外具有代表性的自动驾驶道路测试法律法规的主要内容。然后,总结并分析了我国国家层面及各地区已发布的智能网联汽车道路测试相关政策法规的主要内容和异同点。最后,针对相关政策法规的制定和完善,提出根据自动驾驶技术的不同等级制定分等级的测试管理办法、逐步开放各地区测试数据共享、制定统一的责任认定标准、对测试路段的道路基础设施和交通管控设施作出明确规定、保护网络安全和用户隐私、在确保交通安全的前提下逐步扩展测试路况、推动营运车辆领域测试管理规范的制定等建议。     

考虑前车状态的智能网联车交叉口行为决策

为使智能网联汽车（intelligent connected vehicle, ICV）在复杂交通环境下高效、安全地通过信号交叉口，在车联网实时获取信号灯和前车状态信息的基础上，建立了智能网联汽车通过信号交叉口的驾驶行为决策框架. 通过跟驰模型推导智能网联汽车和前方车辆在未来的行驶状态，预测得到前方车辆是否要通过交叉口的行为，进一步分别对智能网联汽车是领头车和跟随车时通过交叉口停止线的条件进行判断；将换道加入到驾驶方式中来寻求更高的通行效率，用基于换道时间模型的方法判断智能网联汽车换道后的通过条件；仿真对比分析了所提出模型和现有模型的决策能力，讨论了影响决策过程的关键因素. 研究结果表明:相比于现有模型，综合信号灯和前车行驶意图的决策方法能够提高智能网联汽车对通行条件判断的准确性，从而进行更合理的行为选择，随着单位绿灯剩余时间的增加，车辆决策通过交叉口的概率可提高20%，当前车道的车辆位置对决策结果影响显著.      

基于运动学和动力学模型的无人驾驶路径跟踪控制器设计

设计了一种应用于无人驾驶控制的基于车辆运动学和动力学模型的路径跟踪控制器,包括运动学和动力学模型、路径跟踪控制模型、地图匹配模型和执行命令融合模型,使用实时车辆姿态信息进行转向角度预测,使用实时车辆定位信息进行反馈控制以消除系统干扰和模型误差。系统硬件包括车辆平台、嵌入式Mbed开发平台、Ubuntu系统运行平台和惯性导航系统,软件框架使用robotic operation system(ROS),使用rosserial服务连接嵌入式Mbed开发板与ROS。实车测试表明控制器系统达到设计目的。     

“先锋哨兵”自主地面车辆

据报道，在华盛顿举行的美国陆军协会（AUSA）的年会上，以色列埃尔比特系统公司展示了其新型“先锋哨兵”（AvantGuard）自主地面车辆，同时还展出了公司的ORCWS7．62顶置遥控武器站。该公司负责人指出，“先锋哨兵”车具有良好的可靠性，能执行监视和侦查等多种任务。按照公司的说法，“先锋哨兵”是第一辆也是惟一提供了有人和无人操作选择的用户化经济性车辆，该车能够渗透到有人车辆无法进入的地区。无人驾驶时可在部队到达之前展示战场情况；有人驾驶时可提供全新的高机动性，具有其它自动车辆不可比拟的优势。     

车路协同环境城市快速路分流区通行能力提升策略

根据车路协同环境城市快速路分流区不同车型的自动、人工驾驶混合车流特征，引入动态加速度、可变换道概率改进元胞自动机模型车流运行规则；设计了考虑主路自动驾驶渗透率、大型车混入率、驶出自动驾驶渗透率、驶出车流率、出口匝道车道数、换道决策点距离等因素耦合作用的分流区换道仿真试验；对比分析了多因素耦合作用下驶出车辆自由换道率、平均换道距离等指标影响程度，研究了城市快速路分流区道路通行能力变化规律；提出了基于可变换道决策点距离的分流区道路混合车流通行能力提升策略。研究结果表明:分流区驶出车辆自由换道率越高，道路通行能力越大；主路车流自动驾驶渗透率对通行能力的影响最为显著，自动驾驶环境可达到人工驾驶环境道路通行能力的2倍；出口匝道车道数对通行能力的影响不显著，2条出口匝道比1条出口匝道的通行能力提升约3%；换道决策点距离对通行能力的影响较为显著，车辆换道决策点距离从100 m增加到150 m时，分流区道路通行能力可提高9.6%~10.6%。可见，可借助移动式交通标志提前引导车辆换道决策，显著提高分流区道路通行能力。      

驾驶员行车紧张度评价试验

为了研究道路条件对驾驶紧张程度的影响,选择了33名驾驶员,选用驾驶员心率、眼球移动角速度和注视点分布范围3项测试指标,进行了多车型多工况实车试验.采用心电测试仪和眼动仪采集了3项测试指标试验数据,并进行回归分析,建立了不同车型的驾驶员测试指标隶属于不紧张区域、较紧张区域和很紧张区域的隶属度函数.在车速为80 km·h-1,侧向余宽为1.2 m的行车工况下,计算了各车型测试指标的隶属度.试验结果表明:大型车驾驶员3项测试指标的隶属度均属于较紧张区域,中型车驾驶员3项测试指标的隶属度均属于不紧张区域,与实车试验的驾驶员感受评价相符合.     

5G+“人车合一”技术引领未来公共交通

正自动驾驶技术距离完全替代人类驾驶还有一段路要走,但可以预见,5G+"人车合一"技术将引领未来的公共交通。自动驾驶巴士车"阿尔法巴"在深圳试跑后,成都、济南、郑州等城市先后测试了5G+自动驾驶巴士车。虽然目前自动驾驶技术还需提高安全性,但预示着"5G+自动驾驶汽车"时代即将到来。     

考虑自动驾驶的混合交通流路段阻抗函数

为解决未来自动驾驶专用车道的规划设计问题,本文提出了一种自动驾驶车与人工驾驶车混合交通流路段阻抗函数模型.首先,分析了自动驾驶专用车道的设置对混合交通流中车辆跟驰模式的影响;其次,在此基础上,引入微观跟驰驾驶模型,推导了不同自动驾驶车辆渗透率条件下的路段通行能力函数,分析了自动驾驶车辆对路段通行能力的影响;然后,将混合交通流通行能力引入经典的BPR函数,推导了考虑自动驾驶的混合交通流路段阻抗函数模型;最后,设计了数值实验讨论了自由流速度(自由流行程时间)、自动驾驶车辆的渗透率和安全车头时距对路段阻抗的影响.结果 表明:(1)当路段流量较小时,自动驾驶车辆的引入对路段阻抗行程时间的影响较小;(2)当自动驾驶车的渗透率为30％时,设置自动驾驶专用车道对行程时间的改善最为明显;(3)当流量较小时,自动驾驶车辆渗透率对路段阻抗行程时间的影响较小,而随着路段流量的增大,自由流速度和自动驾驶车辆渗透率将共同决定路段的行程时间.相关成果可为未来自动驾驶专用车道的规划与设计提供理论支撑.     

新加坡无人驾驶车预计2015年首次上公路

新加坡交通部已成立了“新加坡自动驾驶陆路交通委员会”（Committeeon Autonomous Road Transport for Singapore，CARTS），探讨在交通系统中采用无人驾驶技术，将新加坡打造成更宜居的城市。与此同时，陆路交通管理局和新加坡科技研究局也签署为期5年的合作备忘录，携手落实“新加坡自动车辆计划”（Singapore Autonomous Vehicle Initiative，SAVI），推动无人驾驶技术的研究和应用。     

混行环境下CACC系统驾乘舒适性优化控制

为提升协同式自适应巡航（cooperative adaptive cruise control，CACC）系统在由自动网联汽车（connected automated vehicle，CAV）和人工驾驶汽车（manual vehicle，MV）构成的混行交通流下的驾乘舒适性，提出考虑驾乘舒适性的双层控制策略（dual-layer control strategy considering ride comfort，RC-DCS）. 上层控制器从宏观角度出发，采用两状态空间模型调整跟车间距及车速，并利用代价函数改善车队的整体稳定性和舒适性；下层控制器从微观角度出发，优化单车的油门和制动踏板切换逻辑，稳定实际加速度输出，降低车辆频繁加减速引起的自身俯仰. 试验结果表明:RC-DCS在跟随MV工况中跟车间距误差和加速度分别降低了72.44%和24.87%；在MV插入CACC车队工况中通过增大跟车时距0.4 s以减少加速度波动；在跟车、紧急制动、旁车切入3种典型工况中，单车加速度标准差分别降低了9.6%、10.4%、2.9%.      

基于多车协作优化的冲突消解模型

传统自动驾驶车辆以假设通行权为前提设计冲突消解算法，但在无信号交叉口存在道路通行权不明确情况，给自动驾驶车辆决策带来困扰.本文提出基于多车协作优化的无信号交叉口冲突消解方法，将多个自动驾驶车辆看成一个整体，利用多目标优化控制理论，计算分配给相互冲突车辆的期望速度规划，达到协作行驶的目的.设置协作与非协作式冲突消解仿真实验.结果表明：多车协作的冲突消解方法通过优化车辆联合行动，使交叉口车辆整体收益最大，各利益体间的收益更为均衡；与非协作行驶决策相比，冲突消解时间缩短，减少交叉口单车平均延误1~2 s，平均减少量约为5%.本文可为无信号交叉口自动驾驶车辆冲突时自主协同行驶提供参考.     

智能网联汽车协同生态驾驶策略综述

为了跟踪近年来智能网联汽车(CAV)协同生态驾驶策略的研究进展, 分析了车辆、驾驶行为、交通网络和社会这4类因素对CAV能耗的影响程度, 以车辆、基础设施和旅行者为对象对目前CAV生态研究进行分类, 重点分析了信号交叉口生态驶入与离开、生态协同自适应巡航控制、匝道合流区生态协同驾驶、生态协同换道轨迹规划和生态路由5种典型车辆协同生态驾驶应用场景的研究现状。分析结果表明: 相比人类驾驶方式, 在任何交通流量CAV 100%渗透率的条件下和低交通流量CAV部分渗透率的条件下, CAV油耗节省效果显著, 最高可达63%, 而具有部分智能化和网联化等级的CAV油耗可至少节省7%;现有研究较少考虑人机共驾情况下, 驾驶人反应延迟和自动控制器传输延迟导致的轨迹跟踪偏离; 现有研究将车车通信/车路通信假定为理想数据交互过程, 未考虑通信拓扑、传输时延、通信失效与基站切换等因素对CAV生态协同驾驶策略的影响; 现有研究较少探讨多车道、交叉口转向-直行共用车道和U型车道等交通场景, 以及不同智能网联等级CAV与人类驾驶汽车、行人、自行车等共存的混合交通条件下的生态驾驶策略; 受限于自动驾驶技术和基础设施尚未成熟和完善, 真实交通场景下的测试验证工作尚未开展; 车辆控制、车车通信、多车协同、混合交通流场景、半实物仿真测试和真实交通场景测试等方面将是CAV协同生态驾驶策略的进一步发展方向。      

自适应巡航控制车辆跟驰模型综述

分析了自动驾驶汽车自适应巡航控制(Adaptive Cruise Control,ACC)和协同自适应巡航控制(Cooperative Adaptive Cruise Control,CACC)车辆跟驰模型,从系统控制原理、车车通信技术与车间时距方面阐述了ACC与CACC车辆的异同点;将目前主流ACC/CACC车辆跟驰模型分为3类:基于智能驾驶的车辆跟驰模型、加州伯克利大学PATH实验室车辆跟驰模型与基于控制论的车辆跟驰模型,总结3类车辆跟驰模型的建模思路与主要优缺点;从道路通行能力、交通安全和交通流稳定性3方面,分析了ACC/CACC车辆对交通流特性的影响,及其研究现状与未来发展趋势。研究结果表明:不同的ACC/CACC车辆跟驰模型对通行能力的影响存在较大差别,ACC/CACC车辆有利于提升交通安全性,但由于缺乏统一的安全性评价指标,难以量化ACC/CACC车辆对交通安全性的影响程度;小规模实车试验验证了ACC车辆具有不稳定的交通流特性,否定了ACC车辆稳定性数值仿真结果,而数值仿真试验和小规模实车试验均表明CACC车辆可较好提升交通流稳定性,因此,完全依赖于计算机仿真试验无法获得令人信服的结论,实车试验是ACC/CACC研究的必要途径;为了完善ACC/CACC在交通领域的研究,应构建不同ACC/CACC车辆比例下的混合交通流基本图模型、智能网联环境下的ACC/CACC车辆跟驰模型建模方法与ACC/CACC混合交通流稳定性解析方法。     

无人驾驶汽车制动摩擦片背板材料分析及轻量化设计

本文针对无人驾驶汽车制动系统的特点和使用条件，分析了多种可用于制动摩擦片背板的新型材料，进行了轻量化制动摩擦片背板的设计，为无人驾驶汽车制动器设计提供了一套较为完整的解决方案。     

燃料电池汽车车载经济性测试系统

针对燃料电池汽车道路试验经济性测试的要求，开发了车载经济性测试系统．采用压力温度法测量氢气消耗量，对蓄电池电压、电流进行连续测量和积分运算得到电能量消耗．硬件采用便携式工控机、通信接口卡和数据采集接口卡，软件基于虚拟仪器开发平台开发．系统实现了燃料电池汽车等速经济性和循环工况经济性测试，实车试验表明系统性能可靠，测量准确．     

基于实车的虚拟驾驶系统硬件设计方法

在汽车驾驶培训领域，能源危机和环保问题使得虚拟驾驶系统正在逐步替代部分实车上路训练。传统的虚拟驾驶器为单独设计制造，操作环境与实车相距较大，虚拟场景的视觉效果培训的有效性不足。在正常使用或已经报废的实车上加装传感器，在引擎盖上方加装可快速拆装的车载立体投影结构后可得到基于实车的虚拟驾驶硬件环境，配备控制计算机和配套软件后便可实现培训效果更理想的虚拟驾驶功能。     

应用第一性原理思维探索未来城市交通变革

第一届宝马未来出行青年实践营活动选取北京市三里屯地区作为研究对象,鼓励国内外青年学者对该地区进行仔细调研、深入研究,提出有针对性的解决方案。参与过程中应用第一性原理思维,对交通系统中的人、车、路和环境的关系进行系统梳理。第一性原理思维本质是通过发现系统的基本规律,突破性地对系统进行改进和变革。基于对三里屯地区现状公共交通、道路运行、出行环境等方面的分析,创新性地提出该地区未来交通系统的优化思路。方案涉及车辆共享、无人驾驶、空间维度、动态调整停车费、出行积分制等方面。结果表明,该思维方式是从底层规律研究问题,更容易得到创新性的解决方法。     

科学推动自动驾驶技术发展与应用——拥抱新技术,迎接新挑战

自动驾驶通过载运工具、基础设施与运行管控的有机融合,实现道路交通部分或完全自动化运行,是对传统运输模式和出行方式的一次深刻变革.首先,概述了自动驾驶的概念和意义.然后,阐述了自动驾驶汽车主要涉及的环境感知、自主决策和运动控制三大关键技术.接着,分析了自动驾驶技术发展存在法律法规和伦理问题有待解决、测试和评价方法缺失、标准体系有待健全、系统安全需引起重视等四大方面的问题.最后,指出未来自动驾驶可能呈现两条路线并行发展的态势:在开放道路上推广应用L3级以下辅助驾驶功能,提升驾驶安全,提高道路通行效率;在法律法规制约较少、环境相对封闭的园区内推动自动驾驶等无人化技术常态化运行,并配套建设智能化基础设施,改善生产和作业效率.     

基于K-均值聚类和支持向量机的电动汽车行驶工况研究

针对现有行驶工况难以反映车辆真实驾驶情况的问题,以国内典型大中型城市——西安市为例,对电动汽车行驶工况构建方法进行研究.根据西安市道路布局,设计了城市道路行驶工况数据采集方案;提出了一种K-均值聚类和支持向量机相结合的半监督分类模型,构建了西安工况;最后将西安工况与原始试验数据和国际标准行驶工况进行对比.研究结果表明:西安工况与实际道路行驶数据特征参数的相对误差均小于5％,平均相对误差仅为2.66％,构建的行驶工况能够真实反映西安市车辆的运动特征;且由于动力系统的差异,电动汽车工况比内燃机车工况更为激进.