探索智能网联汽车中生态驾驶的应用

伴随着社会的迅速发展、时代的不断进步,科学技术有了显著的进步与提升,实现了生态驾驶这一先进的驾驶手段。生态驾驶的出现,使得汽车能够减少能耗与排放。与此同时,智能网联汽车驾驶技术的出现使得汽车驾驶有了更新一步的改变,使驾驶用户在驾驶途中获得更舒适的体验,将生态驾驶应用在智能网联汽车中,使得智能网联汽车以及生态驾驶实现更好的发展。本文主要分析了生态驾驶在智能网联中的应用。     

智能网联车辆生态驾驶研究现状及展望

作为近年来智能网联汽车领域的研究焦点,生态驾驶旨在提高驾驶安全的基础上,通过改善驾驶行为,有效缓解能源消耗和污染排放等问题,引起了各国政府、企业、高校和研究机构等的高度重视。同时,随着智能网联车辆技术的迅速发展,网联环境为生态驾驶提供了新的发展契机。为了分析智能网联车辆生态驾驶的研究进展,通过与传统生态驾驶进行对比,从车辆自身特性、驾驶人个性、道路交通状况与社会条件4个方面分析了智能网联环境下的生态驾驶的影响因素;从生态驾驶控制策略和生态驾驶应用现状2个方面对现有智能网联生态驾驶研究进行了归纳与分析;并从影响因素、控制策略和决策优化3个方面讨论了生态驾驶的意义、应用与目前所存在的问题,致力于为未来的相关研究提供有益的指导与借鉴。分析结果表明：智能网联环境下的生态驾驶和传统生态驾驶的影响因素较为相似,不过网联传感器和通信条件对智能网联环境生态驾驶有着较为显著的影响;相较于传统生态驾驶,智能网联环境下生态驾驶的控制策略与决策优化多考虑复杂驾驶工况、多车级别的全局生态驾驶;且由于各种新型技术的快速发展,结合先进的技术、适应行业发展需要也将成为未来智能网联生态驾驶发展的必然趋势。     

智能网联汽车生态系统的开发与应用

汽车行业目前正向着智能网联化方向的发展,这进一步促进了智能网联汽车的产生。通过汽车与网络的有机结合,在汽车中安装传感器和控制器等相关设备,不仅可实现汽车信息的网络共享,也可以在符合行驶需求的同时实现自动驾驶。与此同时,随着汽车数量的快速增长,生态驾驶也逐渐走进大众视野。通过探索智能网联汽车中生态驾驶的应用策略,可促进生态系统的开发和利用,加速汽车行业的发展,实现自动驾驶汽车在安全稳定的环境中行驶。     

网联自动驾驶车辆通过信号交叉口的速度轨迹优化

以网联自动驾驶汽车(Connected Autonomous Vehicle,CAV)为研究对象,研究了CAV车队通过城市信号交叉口的速度轨迹优化控制策略.基于最优控制理论,采用CAV的自动驾驶模型描述车间相互作用,以所有CAV车辆在行驶过程中的总油耗为优化目标,根据信号灯的配时信息建立模型约束,通过优化CAV头车的速...     

考虑时延的信号交叉口生态驾驶控制

针对信号交叉口处的生态驾驶问题,本文中提出了一种考虑时变时延的鲁棒模型预测控制方法。首先给出基于交通信号灯正时信息、最优巡航车速和前车状态信息的最优目标车速计算方法,建立时变时延的离散非线性系统模型;然后利用时延的上下界信息构造李雅普诺夫函数,利用线性矩阵不等式求解反馈控制律,保证系统的鲁棒稳定和对目标性能的优化;最后通过仿真和智能小车试验进行验证。结果表明,提出的控制方法能保证车队的安全,并提高燃油经济性和交通流畅性。     

异构智能网联汽车编队延迟补偿控制研究

智能网联汽车多车编队行驶可有效缩短跟车间距和提升交通系统通行效率,但多车编队控制须解决异构编队控制器的普适性问题,且能够在执行器响应延迟和通讯延迟情况下保证车辆编队的弦稳定性。本文提出一种面向异构智能网联汽车编队的延迟补偿控制方法,在无须获取他车系统动力学参数及控制输入前提下,利用他车加速度信息即可实现车辆编队纵向跟踪控制;此外,提出一种基于Smith预测器的延迟补偿控制架构,分别消除和降低了执行器响应延迟和通讯延迟对车辆编队弦稳定性的影响。典型工况仿真结果表明,相较常见车辆编队控制方法,本文提出的异构车辆编队延迟补偿控制器的跟车误差降低了80.7%,有效减小了最小车头时距和跟车间距。     

智能网联卡车编队领航车驾驶人驾驶能力需求综述

智能网联卡车编队在减少人力成本、节省燃料消耗、提高运输效率等方面具有较大优势,是未来货物运输发展的新趋势。领航车驾驶人作为在智能化和网联化背景下出现的新兴角色,对于保障智能网联卡车编队安全平稳运行至关重要。通过对大量文献、标准规范以及企业调研结果的系统梳理,综述了智能网联卡车编队领航车驾驶人驾驶能力需求研究现状。首先,介绍了卡车编队系统架构、自动化分级标准和驾驶模式等智能网联卡车编队概况。然后,归纳了卡车编队行驶场景的组成要素种类,总结了超出车辆设计运行范围的边界场景,以此为基础分析了各边界场景下领航车驾驶人的能力需求。其次,论述了卡车编队不同功能对应领航车驾驶人的作用和职责。最后,以传统卡车驾驶人和自动驾驶卡车安全员的基本驾驶能力需求为基准,结合边界场景和编队功能对应的特殊驾驶能力需求,汇总获得卡车编队领航车驾驶人在理论知识、实操技能和生心理状态方面的需求,并对比分析了不同驾驶阶段下驾驶人能力需求差异。综述结果有助于更加科学合理地开展智能网联卡车编队领航车驾驶人的遴选、培训和考核。     

智能网联车辆交通流优化对交通安全的改善

为改善常规驾驶车辆交通流追尾碰撞交通安全状况,提出智能网联车辆（Connected and Automated Vehicles,CAV）与常规车辆构成的混合交通流车队稳定性优化控制方法。基于全速度差模型,应用集成速度与加速度的多前车反馈构建CAV跟驰模型,考虑CAV混合交通流车辆空间分布的随机性,将各类型局部车队稳定性作为优化目标,以局部车队头车速度扰动为系统输入,以尾车速度扰动为系统输出,应用经典控制理论领域的传递函数法推导局部车队稳定性约束条件;分析关于平衡态速度与CAV反馈系数的车队稳定域,以各类型局部车队能够在任意平衡态速度下均稳定为控制目标,对CAV反馈系数输出进行优化控制;设计高速公路上匝道交通瓶颈数值仿真试验,在不同CAV比例等多种条件下,分析CAV混合交通流优化控制对交通流车辆追尾碰撞风险的影响。研究结果表明：CAV混合交通流优化控制可降低车辆追尾碰撞风险,在碰撞时间阈值小于2 s时,100%比例的CAV交通流可将交通流的车辆追尾碰撞风险降低85.81%以上;在碰撞时间阈值大于2 s时,追尾碰撞风险可降低48.22%～78.80%。所提优化控制方法可有效降低CAV车队优化控制的复杂性,为大规模CAV背景下的混合交通流优化控制以及车辆追尾碰撞交通安全提升策略提供直接理论参考。     

智能网联混合交通流交叉口控制：研究进展与前沿

交叉口是城市道路交通运行的瓶颈点,是造成交通拥堵的问题所在。交通控制是调控交通流、预防和缓解交通拥堵的关键策略,在效费比上具有较大优势。智能网联、自动驾驶技术的发展催生了常规车辆(Regular Vehicle, RV)、网联车辆(Connected Vehicle, CV)和智能网联车辆(Connected and Automated Vehicle, CAV)组成的智能网联新型混合交通流,推动着城市道路交通控制对象、数据环境和控制手段的变革,为交通控制提出巨大挑战的同时,也为交通控制理论方法的创新发展创造了新的条件。智能网联混合交通流交叉口控制已成为国内外研究热点,尚处于研究起步阶段。根据路权特征,先从单点交叉口、干线交叉口和路网多交叉口3个层面梳理智能网联混合交通流环境下的共用设施交叉口控制研究,包括交通信号配时、车辆轨迹/路径规划以及车辆轨迹-信号配时协同控制。然后介绍自动驾驶专用设施交叉口控制研究,包括CAV专用车道、CAV专用路段、CAV专用区域和快速公交-CAV混合专用车道。通过对现有成果的梳理发现：虽然新型混合交通流交叉口控制研究取得了部分进展,但RV驾驶行为的随机性、...     

面向智能网联交通系统的模块化柔性试验场

为了给智能网联试验场设计与建设提供参考,分析了智能网联交通系统中测试技术的研究现状;结合长安大学车联网与智能汽车试验场的测试和研究经验,提出了一种面向智能网联交通系统的模块化柔性试验场,该试验场包括应用场景、感知发布、网络链路和管理服务4个层次。应用场景层通过模拟真实场景中的天气、道路和交通条件,验证智能网联交通设备和服务在不同环境、不同场景的适应性;感知发布层通过摄像头、激光雷达、毫米波雷达等传感设备以及可变情报板等信息发布设备,实现环境数据及交通信息的采集,并下发相应的控制信息和服务信息;网络链路层由车载异构网络构成,通过网络间的协同工作,为应用场景层和感知发布层的设备提供网络信息服务;管理服务层负责下层数据的存储、备份、处理和可视化,并实现下层测试设备的管理与维护。在上述模块化平台的基础上,开发智能网联汽车室内测试台架,配合试验场进行交通场景构建、测试场景复现和单一要素分析,实现智能网联交通的柔性场景测试。结果表明：所提出的试验场具有标准化的测试条件,可控可追踪的测试流程和科学的测试评价体系,能够模拟真实的道路交通场景,提高智能网联相关技术的开发和测试效率。该试验场的建设、推广与应用,能够推进智能网联和无人驾驶技术从理论研究到实际应用的转化,为实现未来交通信息服务和交通系统的创新与变革起到至关重要的作用。     

考虑前后多车的网联自动驾驶车辆混流跟驰模型

随着中国新基建战略的提出及自动驾驶和网联通信技术的不断发展,网联自动驾驶车辆(CAV)、自动驾驶车辆(AV)和常规人驾车辆混行的交通流将在未来长时间存在.建立适用于网联自动驾驶车辆、自动驾驶车辆和常规人驾车辆3种类型车辆的混流跟驰模型,考虑多前后车车头间距、多前车速度差、加速度差、与主体车辆的相对距离等因素,并进行典型...     

人机混驾环境下混行车辆雾模型研究

目前搭载高级驾驶辅助系统和车联网（Vehicular Ad Hoc Network,VANET）技术的智能网联车（Intelligent Connected Vehicles,ICV）正大量涌入人工驾驶车（Manual Vehicle,MV）流之中,ICV与MV共存的异构车辆混行交通态势逐步形成,异构车辆之间的交互产生壁垒。混行之下单个ICV虽可依托单车硬件传感与单车计算单元实现与MV的交互意图识别,但其受有限算力与有限传感的影响,资源负载增大,时效性与安全性方面存在一定的误差与风险,而混行之下的VANET技术也不能够提供全局性车路资源用以高度匹配ICV与MV的交互场景,而且越来越多的ICV计算需求也在激增VANET的负载压力。对此,结合边缘计算概念中的雾计算理论,提出混行车辆雾模型（Mixed Vehicle Fog,MVF）,充分发挥车联网络边缘节点能力,通过合理整合调度ICV资源的方法,解决对MV正常交互意图计算的时效性与安全性问题。该模型首先通过各感知单元响应混行交通环境下ICV与MV的正常交互事件,然后利用基于容错节点分簇的资源调度算法（Fault-tolerant Node Clustering Resource Scheduling Algorithm,FNC-RSA）,动态划分局部路段内对交互事件具有相关意图感知与计算需求的ICV为一组协同雾群,再评估雾内ICV节点自身资源与路由代价,定向定量调度资源,最终实现雾群内部MV交互信息共享与驾驶意图协同计算。试验借助Prescan和MATLAB搭建联合仿真平台,与低能耗自适应分簇型路由算法（Low Energy Adaptive Clustering Hierarchy,LEACH）模型对比,验证MVF模型的运行效率与模型鲁棒性。研究结果表明：MVF模型通过交互事件细分协同雾群,保证了计算负载均衡,提高了ICV定向资源计算与传输效率,比LEACH模型降低了55.17%的平均跳数,缩短了45.40%的平均任务完成时间,抗时延干扰能力强,鲁棒性能优异。该模型对于打破混行环境异构车辆交互壁垒,提高混行道路交通行车安全,创造车联网络良性发展空间具有积极作用。     

浅谈智能网联汽车发展现状及趋势

智能网联汽车是中国汽车工业转型升级的重要方向.本文综述了国内外智能网联汽车的发展现状.关键技术包括车辆整体感知技术、决策控制技术、测试评价技术、数据处理技术、无线通信技术、信息安全技术;基础平台包括计算、云控、终端、高精度动态地图和信息安全基础平台,总结了国内智能网联汽车面临的挑战与未来发展的战略构想,并给出针对传统车企的对策建议.     

车联网在智能网联汽车应用中的挑战

车联网是实现自动驾驶的必要手段,本文针对智能网联汽车(ICV)在网络架构、信息安全、智能决策以及标准融合等方面面临的挑战进行论述。     

基于改进云组合赋权的智能网联驾驶场景安全性评价方法

准确可靠的驾驶场景安全性评价是智能网联车辆推广应用的基础,但智能网联驾驶场景复杂多变,以固定数值为指标权重的评价方法无法充分考虑因此带来的模糊性和随机性。为此,研究了基于改进云组合赋权的智能网联驾驶场景安全性评价方法。建立了包含静态环境层、动态行为层、智能要素层的智能网联驾驶场景要素库,制定场景设计方案;按照功能场景、逻辑场景、具体场景的顺序进行场景解构,提取相关要素,设计形成场景;引入云模型概念,结合博弈论思想改进云组合赋权;基于云模型运算法则构建综合云,表征各场景安全性,构建理想云评价模型;提出相对相似度指标作为评价结果,量化分析场景安全性并排序。依据场景设计方案进行仿真试验,对比层次分析法、优序图法、熵值法、变异系数法、博弈组合赋权及原云组合赋权等赋权评价方法,其评价结果与仿真结果在99%置信水平下显著相关,二者的皮尔逊相关系数为0.649,较上述其他评价方法分别提高了5.5%、7.8%、19.7%、13.7%、8.1%、0.8%;同时,该方法事故识别准确率为78.13%,高于Baumann等所用方法的44.29%和Xia等所用方法的57.2%。研究结果表明：基于改进云组合赋权的...     

面向智能网联汽车的车联网技术应用研究

随着汽车电子化、智能化和网联化的发展,智能网联汽车逐渐成为车联网技术应用的重要载体。基于此,分析了智能网联汽车发展的现状,探讨了面向智能网联汽车的三大车联网技术,即智能驾驶辅助、车载资源管理和智能交通管理等方面的应用。在此基础上,提出面向智能网联汽车的车联网技术发展策略和建议。     

汽车智能网联系统中的信息安全问题探究

汽车智能网联系统是当前智能化汽车发展的核心方向,对于汽车性能提升以及汽车使用安全都有非常重要的作用,本文笔者主要针对汽车智能网联系统进行了分析研究,文章中简要阐述了汽车智能网联系统及技术,并提出了汽车智能网联系统中存在的信息安全问题,并针对问题提出汽车智能网联系统的信息安全建设策略。     

基于混合域优化控制的智能网联车辆运动规划模型

智能网联车辆具备提高交通安全与效率、降低能耗的巨大潜力.作为智能网联车辆决策控制的重要环节,运动规划对于智能网联车辆的循迹精度、控制效果具有显著影响.为了提高智能网联车辆控制精度,提出了一种智能网联车辆运动规划模型.该模型以追踪参考路径为目标,基于时空混合域的优化控制方法,避免了轨迹追踪过程中横向控制掺杂纵向误差的影响...