在驾驶席“打坐”——体验特斯拉自动驾驶

人们常说,纪录是用来打破的。我曾经用31小时零4分驾车横穿美国。后来,Ed Bolian打破了这一纪录。而今年早些时候,Carl Reese,Deena Mastracci和几个朋友用特斯拉Model S创造了一项电动汽车横穿美国的纪录。老实说,2006年Polizei车队横穿美国时,我从未想过有天会驾驶一辆96％的时间都在自动驾驶的电动汽车再次横越美国。     

交叉路口场景下自动驾驶感知识别关键技术研究

交叉路口因其交通参与者类型复杂、交通行为随机性大等特点成为城市交通事故常发的典型场景。本文总结14种典型交叉路口冲突场景,通过事故案例及自然驾驶数据分析单车多传感器信息融合感知技术在交叉路口下的潜在风险,并提出交叉路口自动驾驶感知技术方案构想,为提升城市交叉路口交通安全提供参考。     

自动驾驶汽车感知系统关键技术分析

自动驾驶技术是智能与网络技术相结合的必然结果,是未来汽车工业发展的重要方向。根据美国电气与电子工程学会（IEEE）的说法,自动驾驶汽车将在2040年前占据75%的市场份额,是推动第四轮人工智能技术发展的关键技术,它将重塑传统汽车业的“金字塔”,引领全新交通和出行生态。自动驾驶的进步是技术进一步发展与成熟关键,也是自动驾驶汽车走向工业化的关键。     

基于生态驾驶的自动驾驶汽车交叉路口控制策略研究

为了进一步提高自动驾驶汽车在交叉路口行驶时的燃油经济性,基于模型预测控制（MPC）理论,量化分析了车辆安全性、经济性、舒适性等多性能指标函数及约束,并设计了以经济性为主的交叉路口自动驾驶汽车生态驾驶控制器。仿真结果表明,所提出的控制策略能够保证良好的安全性和舒适性,与LQR控制器相比,在有前车影响和无前车影响工况下的百公里油耗分别降低15.83%和34.98%。     

自动驾驶 何时上路

<正>近两年来,自动驾驶汽车在网上被炒得很是火热。作为对自动控制技术和汽车技术都非常感兴趣的我,虽然没有见过自动驾驶汽车,但一直很关注自动驾驶技术的发展。那么现在自动驾驶汽车技术发展到什么地步?什么时候能真正上路行驶?人类探寻自动驾驶汽车的脚步一直没停止过1912年,凯迪拉克推出的自动启动系统似乎让人类迈出了自动驾驶技术的第一步。当时使用电动机来代替人力来启动汽车,标志着自动启动系统的问世,也意味着驾驶者不再使用手柄启动汽车。     

“自动+人工”混合驾驶环境下交通管理研究综述

为了解混合驾驶环境下交通管理的研究现状和发展趋势,以“自动驾驶汽车”发展现状为基础,分析自动驾驶汽车在混合驾驶环境下存在的问题,基于Citespace文献计量工具,CNKI核心数据库近24年（1997—2020年）有关自动驾驶研究的文献为研究数据源,从发文年代、期刊来源、研究机构、关键词等进行文献计量和可视化分析,并生成各研究机构间的关系网络图谱及关键词共现网络图谱。结果表明：国内近5年自动驾驶发文量呈上升趋势;《中国公路学报》为发文量最高的期刊;自动驾驶汽车研究的方向主要包括：①目标检测及场景感知研究;②决策与控制;③交通事故责任划定研究。在未来混合驾驶环境下交通管理应结合车路协同、高精度地图技术,从标志标线设计、信号配时优化、路权归属、交通事故责任划定等方面进行研究,使道路运输更安全、高效、便捷。

     

浅析自动驾驶分类及发展前景

文章结合《汽车驾驶自动化分级》标准,简述了标准分级的定义,并根据实际应用,与具体功能、配置对应起来,论述自动驾驶分类及发展前景。     

自动驾驶系统时间同步技术研究

近年来,随着自动驾驶技术的普及,自动驾驶技术开始迈入落地及应用阶段,在系统架构层面传感器和域控制器的复杂度越来越高,激光雷达、毫米波雷达、摄像头等各类传感器及域控制器间的数据同步和融合显得极为重要。基于此,文章详细介绍了集成多类传感器和高阶域控制器基础上的自动驾驶系统时间同步方法,为多传感器数据的精确时间同步、传感器与域控制器的精确时间同步提供了较成熟、可靠及可实施的系统解决方案。     

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...     

驾驶模拟器在自动驾驶系统中的应用研究

自动驾驶车辆在实际道路上行驶之前的测试阶段是一个至关重要的环节。一个低成本、高效率以及高精度测量的自动驾驶车辆的测试方式,对于自动驾驶车辆的开发具有重要意义。将驾驶模拟器运用到研究自动驾驶车辆测试已是近年来的一个研究热点。基于虚拟驾驶场景的自动驾驶车辆的检测,通过组合虚拟驾驶场景的背景车辆、行人、交通灯、建筑、指示标牌等元素,研究将驾驶模拟器与虚拟驾驶场景的联合应用来测试自动驾驶车辆。设计了典型的交通场景,通过自动驾驶车辆和背景车辆的实时交互,研究自动驾驶车辆的各项性能指标。研究结果表明:该驾驶模拟器可以高度拟合人类驾驶体验,驾驶员通过驾驶模拟器控制背景车辆能够很好的模拟现实中的驾驶行为,对自动驾驶车辆的仿真测试起到了促进作用。     

老年人对自动驾驶汽车接受度研究

有限的交通方式选择使得老年群体出行的机动性、便捷性和可达性往往难以得到充分的满足,这会极大影响晚年生活的幸福感,为解决这一问题,针对老年群体的出行行为研究受到了广泛关注.自动驾驶汽车作为一种新兴出行方式,能够提高老年群体出行机动性,这一新兴出行方式得以普及的前提条件之一在于广大老年群体是否能迅速且广泛地接受.因此,在自...     

熊荣华:自动驾驶技术解析

Q熊老师您好!我在网上看到华为L4汽车的视频,介绍说这款车的技术“吊打”目前所有的进口车、合资车及国产车,真是这样吗?请您给我们科普一下!湖北读者:李小明A如果单从自动驾驶技术这一角度来评说,目前华为L4的技术确实领先。自动驾驶技术一共有L0~L5这6个等级,目前有很多厂商已经成功研发出了L3级别的自动驾驶技术,甚至已经把硬件装配到了量产车上。     

自动驾驶技术落地,究竟面临哪些挑战?

盖斯特汽车战略咨询指出,目前,自动驾驶汽车处于不断发展的状态,包括特斯拉、大众和沃尔沃在内的众多汽车公司,以及苹果和谷歌在内的科技巨头都投入了巨额资金,为自动驾驶技术的实际道路应用努力奋斗。近日,一份调查可为读者奉上有关前沿移动技术的一些答案。目前的发展状况很多自动驾驶汽车都配备了转向盘和制动踏板,就像传统汽车那样。     

信号交叉口自动驾驶左转车辆类人化全局运动轨迹规划

为了提高信号交叉口自动驾驶车辆左转运动规划的适应性、鲁棒性与类人化程度,提出一种考虑多目标需求的自动驾驶类人化全局运动规划方法。首先,基于西安市北大街信号交叉口规格构建结构化场景,结合车辆运动学模型与道路几何规格定义自动驾驶车辆规范化行驶安全域和车辆运动参数约束条件;其次,根据信号灯状态、道路限速与车辆性能约束制定上游阶段车辆不停车通行规则,以行驶安全、燃油消耗、通行效率与驾驶舒适度作为目标性能函数,构建类人化全局多目标优化模型,通过人类驾驶的车辆预转弯行为耦合上游阶段与转弯阶段;再次,针对非线性运动规划模型变量与约束规模化问题,采用粒子群算法与全联立正交配置有限元方法求解不同阶段车辆运动轨迹的最优解;最后,试验建立Prescan与MATLAB/Simulink联合仿真平台,从多目标性能、适应性以及合理性方面验证该模型的综合性能。结果表明：在以信号灯状态和车辆初速度为变量建立的12种工况下,该模型与人类驾驶车辆、混合运动规划模型相比,平均可分别节省燃油消耗63.7%和29.5%,平均通行延时分别降低3、0.9 s,且轨迹曲率更平缓,最大横向加速度与方向盘转角平方和的平均值最小,证明该模型的多目标性能更好;在以路缘石半径与车道数目为变量建立的7种交叉口规格工况下,所提出模型的车辆轨迹平滑,轨迹安全域边界距离始终大于1.4 m,曲率变化符合期望且峰值小于0.22 m^-1,说明该模型具有较好的适应性;在自由/固定终端时刻条件下,该模型规划的车辆空间路径、速度、曲率及航向角的变化与目标权重变化保持一致,验证了模型的合理性。     

自动驾驶汽车环境感知传感器研究

近年来,自动驾驶技术作为智能网联汽车的重要组成部分,成为热点话题。环境感知系统是自动驾驶汽车的感官神经,扮演着“眼睛”的角色。文章通过查阅相关文献,结合当前研究热点,对自动驾驶汽车系统组成做简要介绍,同时对其环境感知系统所使用传感器的种类、工作原理、应用场景等方面做了系统介绍,对不同传感器进行对比分析并提出建议。通过介绍,能够帮助读者对自动驾驶汽车环境感知系统有初步了解,同时对相关技术人员给予一定指导。     

实测数据驱动的自动驾驶道路测试驾驶模式辨别方法

自动驾驶道路测试中车企驾驶模式数据具有一定保密性,导致自动驾驶能力难以被客观评估.为此,提出了实测数据驱动的自动驾驶道路测试驾驶模式辨别方法.首先选取数据特征值构建K近邻估计、支持向量机、决策树、随机森林和BP神经网络5种机器学习监督分类模型;其次通过非参数秩和显著性检验确定驾驶模式持续时长阈值,持续时长大于阈值的数据...     

美国加州自动驾驶汽车路测数据分析

采集和分析美国加利福尼亚自动驾驶脱离数据和事故数据,得出自动驾驶脱离大多发生在城市道路上,主要原因是自动驾驶软件差错;自动驾驶汽车和普通汽车的交通事故特征相似,主要是多车事故且多为双车事故,事故程度比普通汽车低,没有对撞事故,碰撞类型主要是城市道路交叉口追尾;其他道路用户的不规范交通行为对自动驾驶车辆的干扰较大;加强行...     

城市道路环境下自动驾驶车辆接管绩效分析（双语出版）

为了分析城市道路环境下高度自动驾驶中非驾驶相关任务和接管紧迫度对接管绩效的影响,基于驾驶模拟器设计了自动驾驶紧急接管场景并开展驾驶模拟试验,接管请求时间分别设定为3,4,5 s,非驾驶相关任务为读新闻、看视频、玩游戏,自动驾驶车速为50 km·h^-1,试验中共招募了49名被试（男性30名,女性19名）,被试的平均年龄为31.06岁（标准差为7.1岁）,驾驶人在自动驾驶阶段始终执行非驾驶相关任务,听到接管请求提示后需要接管车辆的控制权,并实施紧急避让操作。研究结果表明：在紧急接管情况下,接管紧迫度对合成加速度和最小TTC有影响,而对接管时间无影响,与5 s的接管请求时间条件相比,3,4 s的接管请求时间条件下的合成加速度明显增加,而最小TTC则随接管请求时间的减少而降低;非驾驶相关任务对接管时间和最小TTC有影响,而对合成加速度无影响,与无非驾驶相关任务相比,非驾驶相关任务会显著增加接管时间和降低最小TTC;碰撞几乎都发生在3 s和4 s的接管请求时间下,5 s的接管请求时间能够基本保证接管的安全性。