自动驾驶整车在环仿真平台研究及模拟实现

针对目前主流自动驾驶整车测试方法及ADAS整车在环仿真测试方法的特点。利用虚拟现实和实时仿真技术,搭建自动驾驶整车在环仿真平台,并在室内进行仿真平台的模拟实现和案例测试。该平台不仅可以提供丰富的测试环境,危险场景以及难复现的复杂场景进行可重复性测试,而且使用的是真实车辆的车辆动力学特性,无需复杂的车辆动力学模型,同时测试成本也相对低廉。     

基于场景元素的智能网联汽车场景构建研究

在智能网联汽车测试评价中,场景库搭建与道路测试一直都是其难点。文中对智能网联汽车功能的典型测试场景搭建及测试方法进行分析与研究,首先分析智能网联汽车驾驶场景的来源,从典型驾驶场景中归纳出基本场景元素库,以场景元素库为基础实现测试场景库搭建;然后在PreScan中进行场景虚拟重构,进行自动驾驶功能模拟仿真;最后基于真实道路场景搭建对车辆自动驾驶功能进行实车测试。     

商用车AEB系统测试场景构建及仿真研究

随着车辆智能化的发展,提高商用车主动安全水平的必要性增强,自动紧急制动(AEB)系统成为车辆主动安全领域的研究热点。文中从商用车自动紧急制动功能测试评价技术着手,基于场景元素分类构建商用车自动驾驶测试场景,建立自动紧急制动典型场景与控制模型,并通过仿真验证商用车AEB测试场景搭建与测试评价方法的有效性。     

车辆动力学仿真模型校核与验证关键技术研究

由于能够有效降低测试成本、缩短测试周期,仿真测试方法在汽车行业得到了越来越广泛的应用。对车辆动力学仿真模型进行校核和验证是车辆动力学仿真模型被应用于仿真测试的基础,目前迫切需要对车辆动力学仿真模型的校核和验证技术进行流程化和标准化。文章通过广泛调研国内外车辆动力学模型的校核、验证与确认技术,建立了车辆动力学模型的校核和验证流程,梳理了车辆动力学模型的验证工况和场景,整理了车辆动力系模型的验证指标体系,提出了车辆动力系模型质量评估方法。该研究成果可用于支撑车辆动力学仿真模型的校核、验证与确认相关标准的制定。     

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。     

一种基于实车工况的LKA仿真方法

本文提出了一种用于验证车道保持辅助系统(LKA)控制策略的仿真方法,在分析从仿真测试到实车验证过程中关键环节对策略验证可靠性的影响的基础上,提出的仿真方法综合考虑了传感器特性、控制器特性和执行部件特性。本文中LKA控制策略采用了单点预瞄模型,用于验证的测试用例是依据LKA典型应用场景定义的,车辆动力学模型是在VeDYNA中搭建的,交通场景模型是在VTD中搭建的,实车工况数据来源于真实摄像头、真实控制器和线控转向机。通过对比添加误差模块前后的仿真数据和实车测试数据验证了本文提出的仿真方法的合理性。     

基于模型设计的ADAS-HIL测试平台研究

先进驾驶辅助系统(Advanced Driving Assistance System,ADAS)是缓解汽车安全问题,方便人们智能出行的有效途径。ADAS系统的开发涉及到复杂度很高的系统工程,如何开展以及建立测试评价体系等是行业内亟需解决的问题。文章基于模型的测试开发(Model Based Design,MBD)理念,在NI实时仿真系统的环境中,通过PreScan建立的仿真场景和虚拟传感器模型以及CarSim建立的车辆动力学模型,提出了先进驾驶辅助系统硬件在环测试平台的搭建方案,并进行了仿真测试,对解决ADAS系统的开发测试等相关问题具有一定的借鉴意义。     

美运输部进行智能车测试以减少车祸与堵车

美国运输部2012年8月21日在安阿伯市举行3000辆智能车测试活动。 智能车测试将主要测试车辆类的无线网络技术，即车辆和高速公共路之间可以相互交换信息，以降低发生车祸或者交通阻塞的概率。智能车测试将对车辆碰撞预防技术进行检测，即对各种可能发生碰撞情况做出预警，如对前行碰撞、禁止超车和前方车辆突然刹车等情况做出警报，同时也将对车辆和道路之间的相互反应进行检测。     

基于车路协同的高速公路车辆碰撞预警模型

为了预防和减少高速公路碰撞事故的发生,及时向高速公路一定范围内的相关车辆提供事故预警信息,提出了一种基于车路协同的高速公路车辆碰撞事故预警模型。首先,基于4G和DSRC通信网络构建了高速公路通信场景与事故预警框架。其次,建立了高速公路环境下双车道两车相撞的事故场景,分析了车辆在高速行驶时发生碰撞的动机以及可能发生的碰撞事故类型。最后,分析了追尾碰撞与侧向碰撞发生之前两车在横向和纵向两个方向接近的全过程,探索两种碰撞事故发生的内在规律,建立潜在碰撞事故判定规则,并基于车路协同技术建立了以时间、位置、速度、车间距以及制动距离为参数的车辆追尾碰撞预警模型与车辆侧向碰撞预警模型。针对实车场地试验对碰撞事故测试成本高难度大等问题,基于Veins仿真平台搭建了具备4G和DSRC异构通信网络环境的高速公路车联网仿真场景,对两种事故预警模型的性能进行测试。测试结果表明,在车速低于120 km/h的情况下,通过潜在碰撞事故判定得到预警结果,并给相关车辆发送事故预警消息广播,能有效避免追尾碰撞和侧向碰撞的发生。     

面向智能车的电子液压制动系统研究

面向智能车设计了一款并联式电子液压制动系统,并针对智能车在紧急制动时易失稳的问题,基于车辆制动时的载荷转移特性,提出一种制动力分配控制策略。根据车辆在制动时前、后轴载荷转移量调节前、后轴车轮制动力,并将此时前、后轴车轮制动力矩作为基准制动力矩,基于径向基神经网络和PID算法设计附加制动力矩控制器,以此调节各车轮的制动力。最后搭建模型并与PID控制进行了仿真对比,结果表明,在车辆紧急制动工况下,提出的附加制动力矩融合控制器可以有效缩短制动距离并显著提高车辆稳定性。     

网联车辆检测设备受电磁干扰试验信号影响的研究

汽车智能化、网联化的飞速发展带动了汽车电子化、智能化、集成化产业的发展，但与此同时，也带来了更加复杂的车内外电磁环境。车辆网联通信功能在复杂电磁环境下的可靠运行，轻则关乎用车舒适度，重则影响行车安全性。因此，网联车辆的电磁可靠性至关重要。然而实验室内完成汽车网联通信功能电磁可靠性测试离不开搭建网联仿真场景的检测设备。本文从保护网联车辆场景搭建测试设备在电磁干扰试验中的可靠性出发，设计方案进行摸底研究，分别在不同场强、不同频率、不同天线位置下，测试网联车辆检测设备端接收到的信号强度；并通过对测试数据进行分析处理，给出推荐测试布置，为后续网联车辆检测的完善化、标准化提供了一定的参考。     

基于Prescan和Trucksim模型在环测试研究

利用交通场景仿真软件Prescan可快速搭建仿真场景,并与Trucksim和Simulink联合仿真,可实现智能驾驶模型在环(MIL)环境的快速实现。文章以AEB中的CCRs工况为例,进行基于Prescan和Trucksim的模型在环测试研究。     

基于Frenet坐标系的智能车运动规划研究

自动驾驶技术作为车辆智能的核心,在车辆工程领域掀起研究高潮。运动规划作为决策模块的重要组成部分,负责生成车辆的局部运动轨迹,是决定车辆行驶质量的直接因素。将Frenet坐标系用于智能车运动规划问题研究,用五次多项式建立智能车运动规划模型,在自主变道场景,通过采样智能车始末状态,得到可行轨迹集合,建立质量评估函数从中筛选出最优轨迹,开发和实现一种高性能、低开销的运动规划算法。     

快速路车路协同场景交通流运行效率仿真评价

为研究车路协同系统在不同车间信息交互水平下对快速路交通流的影响,采集并提取北京市四方桥快速路段早高峰交通流轨迹,同时分析车路协同场景下快速路车辆运行特征,实现对常规驾驶场景和信息交互场景的车辆行驶模型标定。选取期望速度行驶车辆占比、横向车距收缩比、纵向车距收缩比、通行能力拓展比对车辆运行效率进行评价,提出车辆横向偏移距离缩小比用以评价车辆空间占用状况;搭建仿真模型并进行仿真试验,分析不同信息交互水平对交通的影响程度。结果显示,车辆运行效率随信息交互水平的提升而提升,其中通行能力的提升幅度最为显著,车路协同场景下信息交互水平从4级提高到1级,道路通行能力较常规驾驶场景分别拓展了19.42%,28.06%,46.48%,74.62%,仿真时段内其余指标值提升幅度较小。车间信息交互场景下车辆行驶的横向偏移幅度缩小,且在高水平信息交互下缩小比例达到17.33%,表明相同车道宽度下车辆行驶的横向安全性提升。      

基于虚拟测试的车辆横向MPC控制器的设计

针对智能汽车的横向控制,设计一种基于MPC控制原理的控制器,并通过Matlab构建虚拟测试场景和车辆动力学模型,对控制器进行仿真分析。     

智能车路系统典型场景测试方法研究

目前,智能车路系统是智能交通系统的重点研究方向,但由于智能车路系统功能复杂,缺乏有效的验证环境。针对该问题从测试场景、测试原理、场景设计等方面进行系统研究,建立合理有效的测试环境和方法,同时通过实验验证了方法的有效性。     

车联网关键指标对车辆安全影响仿真测试方法

提出了一种用于分析车联网关键指标对车辆安全影响的仿真测试方法。首先,基于微观交通流仿真软件设计了危险跟驰、换道等基础仿真场景;然后,分析了基于高斯分布的定位误差模型和单跳通信延误模型,并建立了定位误差、通信延误和渗透率在仿真过程中的执行策略;接着,基于车辆最小安全距离跟驰模型和车辆非线性分段制动模型分别提出了车辆危险跟驰预警和危险换道预警方法;最后,通过建立基于HLA(high level architecture)的车联网仿真平台对不同定位误差、通信延误和渗透率对车辆安全的影响进行了仿真测试。结果表明,在危险跟驰场景中,在注入了基于高斯分布的定位误差后,预警成功率为88%,预警成功率随着预警策略中减速度的减小而增大;在危险换道场景中,在注入了单跳通信延误后,预警成功率达100%;成功预警数随着OD(origin destination)取值和渗透率的增大而增大,并且受渗透率影响更加明显。     

面向骑行者的AEB测试方法研究

文章通过对CIDAS统计的150例汽车与二轮车碰撞事故工况样本参数信息进行系统聚类分析,提取出了用于评价面向骑行者的自动紧急制动系统(AEB)的测试场景,建立了面向骑行者的自动紧急制动系统测试评价方法,并利用Prescan和Simulink软件搭建了典型场景的虚拟交通模型以及自动紧急制动系统(AEB)算法控制模型,通过联合仿真分析验证了AEB控制算法的具体实施过程,进一步说明了典型场景和测试方法的有效性。     

基于深度学习的智能车辆视觉里程计技术发展综述

针对基于模型的视觉里程计在光照条件恶劣的情况下存在鲁棒性差、回环检测准确率低、动态场景中精度不够、无法对场景进行语义理解等问题,利用深度学习可以弥补其不足。首先,简略介绍了基于模型的里程计的研究现状,然后对比了常用的智能车数据集,将基于深度学习的视觉里程计分为有监督学习、无监督学习和模型法与深度学习结合3种,从网络结构、输入和输出特征、鲁棒性等方面进行分析,最后,讨论了基于深度学习的智能车辆视觉里程计研究热点,从视觉里程计在动态场景的鲁棒性优化、多传感器融合、场景语义分割3个方面对智能车辆视觉里程计技术的发展趋势进行了展望。     

雨雾天气下的自动紧急制动系统测试评价方法研究

针对当前自动紧急制动系统评价中,存在雨雾等危险复杂气象状况的测试场景考虑不足,和评价结果难以客观反映 AEB系统实际性能的问题,研究了包含雨雾天气的 AEB系统测试场景和综合评价方法。根据国家车辆事故深度调查体系 （National Automobile Accident in-Depth Investigation System,NAIS） 的事故数据,参考中国新车评价规程,构建了雨雾天气下的AEB系统测试场景;基于层次分析法,建立了AEB系统评价层次模型,提出了AEB系统综合评价方法。在 PreScan-Simulink平台上搭建了仿真测试场景,进行测试评价,验证了方法的效果,与传统单一评价指标方法进行对比,结果显示被测车辆得分为 6.610 7分,小于单一速度减少量评价方法的 9.015 0分,偏差分析表明该方法评价结果更客观,能更准确地反映AEB系统性能。