智能网联汽车节能优化关键问题与研究进展

汽车保有量的增加和能耗排放法规日益严格的限制给车辆节能减排提出了巨大挑战，网联化、智能化和电气化是提高未来交通效率和减少公路能源消耗的三大支柱。为了全面了解智能网联汽车节能减排的前沿问题与研究进展，对当前经济驾驶领域的重点问题进行了总体概述。首先，从广义的能量转换角度总结了智能车辆节能优化技术的本质和3个过程，其中Wheels to Distance环节的车辆系统优化是挖掘汽车节能潜力的重要一环，针对其介绍了智能网联汽车节能优化问题的基本数学原理；其次，从智能运输系统的各类非同源异构数据出发，分别从人-车交互、车-车通信、车-路感知三方面阐述来源于"人-车-路"交互体系的智能信息与数据；然后，针对单车智能网联环境下的多维度信息与先进控制技术相结合的关键问题，从考虑道路坡度预测巡航控制、跟车工况预测巡航控制、智能辅助驾驶和车道变换等应用场景进行具体介绍；针对"人-车-路-云"多源异构环境下车辆行为协同节能关键科学问题，从经济驾驶、多车协同节能、道路交叉口车路协同节能和车云协同节能等方面详细介绍研究现状；并进一步介绍电气化公路系统的前瞻性研究，说明融合智能化信息的E-highway节能潜力和智能重型商用车协同节能的未来发展趋势。最后，总结并梳理智能化信息对于提升车辆节能的重要影响，并展望了其在理论与实际层面遇到的挑战。     

基于单阶段算法的智能汽车跨域检测研究

在自动驾驶汽车中,深度学习算法可以对单目视觉摄像头采集到的图像进行准确地检测和识别,对于保证驾驶安全性具有重要意义.在保证实时检测的前提下,为了提高深度学习模型的检测精度和鲁棒性,以应对多种复杂的道路场景,对单阶段检测算法YOLOv3进行改进并将其应用在跨域目标检测中.首先,在数据预处理阶段,根据各类目标物形状和尺寸的...