自动驾驶安全第一

自动驾驶集人工智能(AI)、大数据、5G、车路协同、高精度地图与定位等高新技术于一体,顺应汽车工业革命的电动化,智能化、网联化、共享化发展趋势,近年来得到高速发展。具备自动巡航、紧急自动刹车、车道偏离预警等先进辅助驾驶系统(ADAS)功能的低等级自动驾驶汽车实现车辆前装,得到大规模量产应用。具备有条件自动驾驶、高度自动驾驶、完全自动驾驶功能的高等级自动驾驶汽车已经开展道路测试验证,量产商用可期。     

产品安全认知视域下的自动驾驶车辆安全探讨

对产品安全认知的内涵与演进进行了剖析,从安全分析发展的角度梳理产品安全理念的发展,提出了有限性视域下的自动驾驶车辆安全需求。产品安全的本质是产品所处的风险状态,与社会发展协调同步。自动驾驶车辆除了要满足功能安全、预期功能安全、网络和数据安全外,还应有韧性安全需求。为理解产品安全认知的演进和自动驾驶安全需求分析的构建提供了思路。     

基于驾驶员数据学习的自动驾驶车辆弯道转向控制研究

针对自动驾驶车辆的弯道转向控制问题,提出了一种基于驾驶员操纵数据分析和学习的控制方法。首先,建立了人-车-路软硬件综合模拟驾驶平台,采集了多位驾驶员在不同弯道上的转向操纵数据及车辆状态数据;然后,采用离散分析和拟合分析进行数据分析,并基于模糊综合评价算法建立转向行为评价体系进行数据评价与筛选;最后,将筛选后的驾驶员数据作为训练样本进行神经网络训练,建立基于神经网络的弯道转向控制器。仿真和实车验证结果表明,所设计的控制器能够很好地模拟熟练驾驶员在弯道上的转向行为,并能够保证车辆在弯道行驶的安全性和稳定性。     

车辆安全辅助驾驶系统发展概述

随着公路交通特别是高速公路交通的飞速发展,交通事故尤其是恶性交通事故呈不断上升趋势,交通安全越来越受到广泛关注。因此,研究车辆安全辅助驾驶系统,为汽车提供安全辅助驾驶功能,从而为减少常规车辆因驾驶员主观因素造成的交通事故提供智能技术保障。车辆辅助驾驶系统技术发     

自动驾驶障碍车辆行为预测技术研究

为了使自动驾驶车辆可以像有经验的驾驶员一样对周围车辆的行为做出准确的判断,通过车辆周围传感器来感知障碍车辆的相对位置信息,并结合自身车辆的高精定位信息,获得障碍车辆的精确位置,通过应用隐马尔可夫模型建立不同驾驶行为的预测模型,最终通过模型的预测来判断障碍车辆的可能驾驶意图,辅助自动驾驶车辆进行有效的驾驶决策,更好的规划安全高效的行驶路线。     

浅谈确保车辆安全驾驶

根据有关统计,在所有可能致命的车祸中,如果正确使用安全带,可以挽救约40％的生命;如果同时使用安全气囊,这一比例将上升到60％。以下简述确保安全驾驶应注意的几个事项。     

车路协同技术在城市交通中的应用研究

本文阐述了车路协同技术的基本概念,并从车、路、边、网、云等方面分析了车路协同技术在智慧交通中的应用途径。结合车路协同技术,对城市交通中典型应用场景进行分析研究,得出车路协同技术的应用有利于提升城市交通智能化、信息化水平,对解决城市交通拥堵、道路安全等问题,提升交通系统运行效率有着现实意义。     

面向自动驾驶汽车测试的交通车辆交互过程建模

为满足自动驾驶汽车测试对场景真实度的要求,提出一种针对交通车辆交互关系的耦合特征建模方法。结合基于机理模型构建的虚拟数据和采集的真实场景数据建立交通车辆行为数据集;采用深度学习建立局部信息响应的交通车辆行为决策模型、跟驰模型和换道模型,结构相对简单的单体模型能提升场景模拟的可扩展性;针对自动驾驶汽车测试对模型鲁棒性要求高的问题,建立分布执行-集中对抗训练的架构进行交通车辆模型优化,提高模型对输入扰动的鲁棒性。构建交通车辆交互仿真环境对模型进行仿真,通过仿真数据与真实数据分布之间的对比和量化评价指标验证模型的有效性。     

面向自动驾驶车辆的路段人车冲突判别模型

针对无信号控制路段自动驾驶车辆和行人冲突判别建模,选择武汉市6处无信号控制路段作为调查地点,从而保证足够的车辆及行人数据量,采用视频采集技术获取交通流量以及行人与车辆的行为数据.利用决策树分析方法将决策分为两各层级,分别为行人过街决策和冲突判别,利用二元Logit模型建立面向自动驾驶车辆的路段人车冲突判别模型,对行人和自动驾驶车辆之间可能发生的冲突概率进行计算.建立的模型可以作为自动驾驶技术中的一部分,能够帮助自动驾驶汽车具备人类驾驶员与行人间的通行权沟通能力,使自动驾驶汽车控制系统更加智能且接近人类的判断能力.     

微观交通流模型在车辆自动驾驶仿真中的应用

仿真测试是缩短自动驾驶安全测试周期、降低实车测试成本的重要方法,而交通流模型可以为车辆自动驾驶测试提供数字化的交通环境,有利于加速车辆功能和性能的开发及验证。介绍了自动驾驶仿真测试涉及的关键技术,针对共性问题开发了一套具有交互性的微观交通流模型和对应的评价指标体系;分析交通流模型和自动驾驶仿真软件间的数据链路,通过联合仿真的形式实现微观交通流模型在自动驾驶车辆仿真测试中的应用。     

基于高斯伪谱法的自动驾驶车辆状态研究

针对自动驾驶车辆的多阶段多约束轨迹优化问题,根据高斯伪谱法的思路,建立了基于场景的环境模型和车辆动力学模型,设置了车辆动力学约束、速度约束等各种状态约束,包括自动驾驶在每一阶段的起始状态和终了状态等参数的约束条件。采用高斯伪谱法通过将控制变量和状态变量进行离散化来获得其近似表达式,从而将自动驾驶的轨迹规划问题转化成性能指标的优化问题,最终求得了自动驾驶车辆的安全、有效的路径轨迹。研究结果表明:高斯伪谱法具有计算精度高、求解速度快的特点,能在考虑各种约束条件下,实现多阶段轨迹优化。     

车联网环境下自动驾驶车辆车道选择决策模型

试验车道选择行为是自动驾驶车辆最基本的决策行为之一,利用车联网技术可以使车道选择结果更加全面、合理.首先,对高速公路自动驾驶车辆车道选择决策过程进行分析,并以车联网感知通信范围内的车辆的平均速度、重车比例及前往车道的理想换道时间为主要指标创建成本函数,根据计算结果输出最优车道序列;然后,以Gipps安全驾驶模型为基础,...     

基于车路协同的交叉口车辆最大流量协调方法

设计了一种无信号灯的交叉口车辆协调控制策略,该策略将交叉口车辆通行控制问题转化为以最大流量为目标的整数规划问题,通过求解该问题获得最佳的通行策略达到车辆安全高效通过交叉口.与定时控制和自适应控制策略在各种交通负载下的仿真对比表明,所提出的协调控制策略能明显降低交叉口车辆的平均停车等待时间、平均排队长度和停车率.      

园区自动驾驶车辆测试方案设计与应用

本文介绍园区自动驾驶车辆测试用例设计,并通过实施、修改和完善应用于首钢园区自动驾驶概念车项目。     

基于深度强化学习的自动驾驶车辆跟驰行为建模

为提高自动驾驶车辆的跟驰性能,减轻交通震荡干扰的负面影响,研究了1种基于深度强化学习的自动驾驶跟驰模型。在现有奖励函数设计基础上融入对能源消耗的考虑,基于VT-Micro模型构建能耗相关项;同时对使用跟车时距构建行驶效率因素相关项的方法进行优化,添加虚拟速度来避免在交通震荡场景中出现计算溢出和车间距过近的问题。为克服过往抑制震荡研究中仅用闭合环状模拟道路和仿真车辆轨迹开展训练的局限性,选用NGSIM轨迹数据中交通震荡阶段的驾驶员行为特征搭建训练环境,应用双延迟深度确定性策略梯度算法（Twin Delayed Deep Deterministic Policy Gradient Algorithm,TD3）训练形成多目标优化的跟驰模型。进一步构建模型性能测试评价体系,对比分析TD3模型与其他传统模型在跟车与交通震荡2类测试场景中的表现。跟车测试场景实验结果表明：在舒适度与行驶效率上,TD3模型和传统自适应巡航控制（Adaptive Cruise Control, ACC）模型表现相近,二者均优于人类驾驶员;在安全性上,TD3模型相较于传统ACC模型安全隐患降低53.65%,相较于人类驾驶...     

如何驾驶自动变速车

现在由于自动变速车的普及，越来越多的人选择了驾驶这种简单方便的车辆，相对于开惯了手动挡的人来说自动挡更省事，而对于初学者来说自动挡更简单易学。[编者按]     

关于车辆路迹追踪自动驾驶的研究

在分析驾驶员利用图象信息进行驾驶的一般规律的基础上，提出了利用图象处理技术实现车辆路迹追踪自动行驶的控制方法和规则，并进行了模拟计算。结果表明，采用所提出的控制方法和规则进行车辆的自动驾驶是可行的。     

移动电话与驾驶安全

移动电话的使用越来越普及，给我们的生活带来了很多方便，但是，驾驶车辆时使用移动电话会危及行车安全。     

自动驾驶车辆混行集聚MAS控制模型

随着车路协同技术和自动驾驶技术的不断发展,越来越多的网联自动驾驶车辆(Connected and Autonomous Vehicle,CAV)涌入道路交通,与传统人工驾驶车辆(Human Pilot Vehicle,HPV)形成混合交通流(Mixed Traffic Stream,MTS).为在提高MTS交通流量的同...