目标识别系统发展趋势

从协同式和非协同式目标识别系统应用背景出发，系统的分析了国外目标识别系统的技术现状，总结了系统特点与发展趋势。从系统顶层设计角度上提出了目标识别系统建设和发展的几点建议。     

基于深度强化学习的协同式自适应巡航控制

针对传统的协同式自适应巡航控制的算法响应慢、无法快速准确地对突发危险路况做出反应的问题,设计了基于深度强化学习的协同式自适应巡航控制框架,提出了双经验池和优化评价的深度确定性策略梯度算法.在传统算法基础上新建了2个包含车辆状态信息的经验池(优先价值经验池和撒普列经验池),训练数据样本分别从2个经验池按比例选取;critic评价模块采用多维向量对输出的踏板开度策略精确评价.结果表明,该算法在正常行驶工况和突发危险工况下:平均跟车间距误差分别下降1.8 m和1.5 m,跟车调节时间分别降低30%和25%,可以提升控制的准确性和系统紧急反应能力.      

智能网联汽车云平台和大数据分析

随着智能网联汽车的快速发展,需要更加快速、高效地处理种类多、数量大、高价值的信息。智能网联汽车云平台实现了车路云的协同驾驶,解决了智能网联汽车存在的信息孤岛问题,在很大程度上优化了交通数据分析处理、信息融合的速度,减少了交通事故发生率。本文阐述智能汽车云平台研究现状以及基本的实现原理、在网联汽车中的工作方法等。     

协同式多代理CAPP专家系统中的黑板控制推理策略与实现

根据黑板控制结构的基本原理，提出了一种应用于协同式多代理CAPP专家系统的黑板控制推理策略。并依据该策略在某企业进行了实践，指出在实际设计过程中，对所有的子任务进行串行、平行、循环求解，由此推理得到的零件工艺规程也就达到实用化的要求。     

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%.      

自动驾驶标准体系及测试发展路线分析

自动驾驶测试通常分为自主式和车路协同式两种技术路线;其中,自主式自动驾驶主要依靠自身传感器完成周围目标识别进而进行决策知行的实现方式;车路协同式自主驾驶则主要依靠车载单元和路侧单元直接的通信完成周边的信息收集,实现对周边环境感知并完成决策判断。目前的自动驾驶测试多集中在单一功能测试为主;同时,由于两种技术路线各有侧重;因此,测试标准各不相同,无法形成完成标准体系。本文拟对目前国内外的自动驾驶相关标准进行分析归纳,从场景要素识别、功能测试、协同式自动驾驶功能要求、车路信息交互安全要求、测试和管理要求进行分析;进而为L_3级以上自动驾驶全面测试提供依据,同时也能为自动驾驶测试场地的规划及测试主体等的管理要求提供了建设参考。     

客车智能安全技术新趋势

我国客车行业近年来的迅猛发展让人欣喜不已,制造水平随着技术的发展不断提升;然而,客车安全却依然是人们的心头之痛,频发的交通事故对客车安全技术的发展提出了更加严格的要求.在2012北京客车展期间举办的客车安全论坛上,清华大学汽车工程系主任李克强教授就客车智能安全技术的发展状况作了解读.随着智能安全技术的发展,客车安全问题或将逐渐得到改善.     

京津冀跳出自己一亩三分地才有一体化

推进京津冀一体化，从政府方面而言，亟须以全局眼光、系统思维，打破传统的以行政区划为界线的分割式治理体系，转变为以市场配置资源、发挥政府作用的协同式治理体系。     

协同式多代理CAPP专家系统中的黑板控制推理策略与实现

根据黑板控制结构的基本原理,提出了一种应用于协同式多代理CAPP专家系统的黑板控制推理策略.并依据该策略在某企业进行了实践,指出在实际设计过程中,对所有的子任务进行串行、平行、循环求解,由此推理得到的零件工艺规程也就达到实用化的要求.     

基于模型预测控制的CACC系统通信延时补偿方法

为确保通信延时条件下协同式自适应巡航控制(CACC)系统的弦稳定性，利用模型预测控制(MPC)和长短期记忆(LSTM)预测方法，研究CACC系统中车辆协同控制下的通信延时补偿方法；基于车辆队列四元素架构理论，构建了包括车辆动力学模型、间距策略、网络拓扑和MPC纵向控制器的系统模型，并综合考虑2范数和无穷范数弦稳定性条件，提出了CACC车辆队列混合范数弦稳定性量化指标，最终形成协同式车辆队列建模与评价体系；设计了一种利用前车加速度轨迹(PVAT)作为开环优化参考轨迹的MPC方法，即MPC-PVAT，通过综合考虑队列的跟驰、安全、通行效率和燃油消耗等性能指标，使目标函数趋于最小代价，从而得到当前时刻的最优控制量，并利用庞特里亚金最大值原理对所设计的优化问题进行快速求解；在MPC-PVAT基础上，提出一种基于长短期记忆(LSTM)网络的通信延时补偿方法，即MPC-LSTM，将跟驰车辆的传感器信息输入LSTM网络来预测其前车的运动状态，从而缓解短暂通信延时对车辆队列稳定性的影响。仿真测试结果表明:MPC-LSTM可容忍的通信延时上界大于1.5 s，比MPC-PVAT提升了0.8 s，比线性控制器提升了1.1 s；在基于实车数据测试中，当通信延时增加到1.2 s时，MPC-LSTM的弦稳定性指标相比MPC-PVAT提升了20.33%，与线性控制器相比稳定性提升了39.35%。可见，在通信延时较大的情况下，MPC-LSTM对通信延时具有很好的容忍性，从而有效地保证了CACC车辆队列的弦稳定性。