基于单片机的汽车刹车预警系统设计

通过光电式传感器测速、雷达测距来测量车辆的实时车速和前后车辆的距离,并将数据传入单片机进行分析、计算。在汽车处于一定车速时,当车距小于安全距离时,单片机就会控制车辆自动刹车,以保证车辆与前车处于安全车距。通过这样的控制方式,来实现车辆的实时制动,使车辆处于安全情况。     

美国修建自动化车辆专用公路

美国加利福尼亚州建了一条自动驾驶特种车辆的专用公路。公路设有磁力装置，所使用的特种汽车装有计算机、雷达、摄像机和磁力线感应嚣，这些设备通过计算机连在一起，使车辆能够沿着磁力装置面行驶，同时雷达和摄像机观察其他车辆，视路面情况自动控制行车速度。自动驾驶汽车每小时可行驶130km，刹车反应的时间仅为0．05s，而一般驾车者的刹车反应为05～2s。一旦轮胎爆胎，计算机控制的车辆会立即采取最优化的措施保证车辆的安全行驶。     

基于毫米波雷达的车辆测距系统

文章介绍了毫米波雷达的原理及其在驾驶辅助系统中的应用,在汽车行驶过程中与前方物体之间测距,进行评估测速,建立起汽车的主动安全防撞系统,提高汽车主动安全辅助驾驶性能。分析了毫米波雷达对比其他传感器的优点,系统计算分析了制动距离,最终实现车载计算机结合相关信息后提示驾驶员制动或者车辆自动制动。     

汽车远近光灯自动切换系统设计

针对当前汽车行驶过程中远近光灯使用不当等问题,本文提出了一种汽车远近光灯自动切换系统设计方案。该系统通过车载微波雷达实时采集前方目标,运用目标挑选算法对车载雷达识别的前方目标进行有效目标的提取,控制单元（ECU）对目标挑选程序处理完成后,通过电磁开关实现汽车远近光灯的自动切换,这样保证了汽车的行车安全,通过实验的验证,本系统能够对前方目标进行准确识别,自动切换远近光灯可靠性高,大大提高了机动车辆驾驶安全性。     

基于人工智能算法的换道超车功能开发

随着汽车电气化、智能化的不断发展,汽车行驶的场景越来越趋于多样化和复杂化,从而促使汽车从辅助驾驶向智能驾驶不断创新。随着人工智能的引入,汽车智能驾驶功能越来越趋于实用,正在逐步实现向解放驾驶员双手、向车载高级驾驶辅助系统代替人脑进行复杂驾驶场景实时响应的阶段发展;高阶复杂场景智能驾驶功能则在辅助驾驶功能实现的基础上,针对驾驶员实际驾驶感受并结合人工智能算法实现向车辆复杂场景下的自动驾驶操作的方向发展。介绍了基于人工智能算法的换道超车功能开发,即通过换道条件的智能选择,使车辆以最佳方式自动完成换道超车过程。     

日产研发出“车距控制辅助系统”

在“停停走走”的拥堵路面频繁地踩刹车,精神高度紧张地控制着与前车的距离,只要稍不留神就会发生追尾……这些状况每天都在困扰着无数的驾驶者。能不能有一天车辆可以自动帮助驾驶者控制与前车的距离呢?日产汽车公司最近在东京举办的“日产先进技术论坛”上宣布“车距控制辅助     

汽车工业增长的新动力-智能汽车

正所谓"智能车辆",就是在普通车辆的基础上增加了先进的传感器(雷达、摄像)、控制器、执行器等装置。通过车栽传感系统和信息终端实现与人、车、路等的智能信息交换,使车辆具备智能的环境感知能力,能够自动分析车辆行驶的安全及危险状态,并使车辆按照人的意愿到达目的地,最终实现替代人来操作的目的。智能汽车与一般所说的自动驾驶有所不同,它指的是利用多种传感器和智能公路技术实现的汽车自动驾驶。智能汽车首     

博世推出防追尾刹车系统

博世最新推出一种预见性刹车辅助系统，并将人为巡航控制系统（ACC）的附加功能首先应用在奥迪新A6上。预见性刹车辅助系统可通过雷达传感器探测前方200米内的车辆速度和距离，一旦自动将刹车系统处于“备战”状态，当驾驶者没有意识到即将发生事故时，紧急刹车动作可以在30毫秒内自动完成。     

基于机器视觉的客运车辆危险行驶状态辨识技术研究

为了提高客运车辆危险驾驶状态的辨识效能,提出利用机器视觉辨识危险驾驶行为。使用车载CCD实时采集路面图像,依据图像处理算法检测车道标识线的位置以及本车与前方目标车辆的实时距离,建立了车辆横向偏航辨识模型和车辆纵向危险行驶状态辨识模型;结合所建模型的辨识结果,确定预警方案。实车试验结果表明,所建模型能有效辨识车辆横向偏航和纵向跟车过近危险行驶行为,可用来降低潜在的危险驾驶行为,提高车辆在途行驶安全性。     

Vehicle Rear-end Collision Warning Algorithm Based on Driver's Braking Behavior

利用图像式汽车行驶记录仪在北京市采集了大量自然行驶状态下的驾驶行为数据,基于追尾碰撞中的驾驶员制动操作行为,分析驾驶员安全与危险跟车状态和车辆状态参数之间的关系,利用Fisher判别分析法建立了符合驾驶员危险感知特性的车辆追尾预警算法.研究结果表明该算法总的判别准确率高达95％.     

汽车前方静动目标状态转移机理与分类算法EI北大核心CSCD

为解决利用雷达回波实现静止目标和运动目标的准确识别这一驾驶辅助系统的关键技术问题,本文中基于地面目标运动状态转移机理提出了一种基于时间窗的汽车前方静动目标状态分类方法。在地面静动目标运动状态与转移机理分析的基础上,将目标分为静止目标、同向运动目标、反向运动目标、起停目标和未分类目标等5类,建立了在固定时间窗内的目标运动状态的转移状态机模型,并确定了目标状态转移的条件阈值和时间窗长度,最终在驾驶辅助试验车上进行了前方同向或反向行驶车辆、树木等静止物体和制动停车车辆等各种典型工况下的识别试验,为实现基于毫米波雷达的自适应巡航与自动紧急制动的驾驶辅助系统的工程化提供了技术支撑。     

通过配置及模式设定优化车载毫米波雷达探测距离的研究

车载毫米波雷达,是当前高等级自动驾驶系统中不可或缺的传感器,相对于其它类型传感器,在探测目标的距离和速度方面有明显优势。目前,高等级自动驾驶系统对距离探测的要求需达到190m以上,但由于一款车载毫米波雷达允许的尺寸、制造工艺等对其性能有较大的限制,无论是在仿真测试还是实车测试,探测距离均难以满足需求。本文通过DID配置,对车载毫米波雷达工作调制模式进行设置等尝试对探测距离进行优化,使其进一步满足车载应用场景的需求。     

危险驾驶环境下高速公路施工区交通冲突研究

为保障高速公路不停车施工作业区的服务水平和通行安全,基于交通冲突技术对施工作业区车辆行驶状态进行分析。分别通过驾驶员状态、车辆行驶速度、车辆加速度状况对分心驾驶、超速驾驶和鲁莽驾驶进行分析,并运用监督分类模型进行鲁莽驾驶识别,分析3种危险驾驶行为的交通冲突状况,运用距离碰撞时间模型获取施工作业区追尾冲突和换道冲突严重程度。结果表明,有监督分类算法中急变速召回率、急变道召回率和算法准确率均可达到90%;施工作业区追尾冲突的一般和严重阈值分别为3.7 s、2.1 s,换道冲突的一般和严重阈值分别为4.9 s、2.7 s。     

无人驾驶汽车研究动向

正无人驾驶汽车是一种智能汽车,也可以称之为轮式移动机器人,主要依靠车内以计算机系统为主的智能驾驶仪器来实现无人驾驶。它通过车载传感系统感知道路环境,自动规划行车路线并控制车辆到达预定目标;利用车载传感器来感知车辆周围环境,并根据感知所获得的道路、车辆位置和障碍物信息,控制车辆的转向和速度,从而使车辆安全、可靠地在道路上行驶。无人驾驶汽车集自动控制、体系结构、人工智能、视觉计算等众多技术于一体,是计算机科学、模式识别和智能控制技术高度发展的产物。     

自动驾驶汽车的仿真

随着汽车自动化程度的提高，自动驾驶汽车已成为国内外的研究热点之一。本文设计了一种自动驾驶汽车的模型，它能根据道路的弯曲程度变化实时地计算出车辆的转向角度输入，控制车辆按照预设想道路行吮。     

自动驾驶汽车的智能决策模型研究

行为决策系统在很大程度上反映了自动驾驶汽车的智能化水平,作为自动驾驶汽车的大脑,行为决策系统决定了自动驾驶车辆的可行性和安全性。文章基于行车效率与行车安全对高速自动驾驶汽车的智能决策进行了研究。通过引入能效函数与动态子区域监测系统,实时计算本车道与相邻车道的行车能效值以及本车与周边车辆的碰撞风险,并基于此确定最优驾驶策略,一定程度上提升了自动驾驶车辆的行车效率与安全。     

“感知”无形的双手——自动驾驶技术解析之感知篇

"自动驾驶汽车又称无人驾驶汽车、电脑驾驶汽车、或轮式移动机器人,是一种通过电脑系统实现无人驾驶的智能汽车。在20世纪已有尝试,21世纪初呈现出接近实用化的趋势。自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作,让电脑可以在没有人为主动干预下,安全地操作机动车辆。     

多参数检测下载货汽车制动过程危险状态辨识

制动系统相关故障和行车间距不足是导致载货汽车追尾和侧翻事故的主要原因，通过制动危险状态及其影响因素的分析，搭建车辆在途状态检测装置，获取载货汽车载荷、车速、制动系统状态数据；基于传感器数据进行了制动蹄片磨损程度异常、制动蹄片温度异常状态和制动灯故障等单参数制动危险状态辨识；通过对制动过程中车辆进行动力学分析，建立了多参数制动距离计算模型，为标定模型参数，设计并完成了车辆滑行试验；通过仿真及实车试验，对载货汽车制动距离模型的有效性进行了验证。基于多参数制动距离模型，提出了一种检测载货汽车制动过程中的危险状态的方法。     

基于模糊控制理论的汽车纵向防撞控制研究

研究了模糊控制理论在汽车防撞中的应用.利用毫米波雷达,霍尔传感器等测得本车与前车的相对速度和相对距离,并经模糊算法模糊化处理后作为输入,对节气门和刹车的控制量（即后车的加速度）作为输出量进行模糊控制研究,本文通过对汽车纵向行驶控制行为的模糊集定义,在安全距离的数学模型基础上,设计了车辆跟驰情况下的汽车防撞模糊智能控制器。利用matlab仿真软件进行了相应的验证及分析,结果表明该模糊控制控制系统能达到防撞控制效果。     

面向混合自动驾驶车流的协同自适应巡航控制EI北大核心CSCD

车联网V2V环境下能实时获取自车和周围车辆的运动状态、驾驶工况和道路环境,为汽车自适应巡航控制系统提供更准确的信息。为消除自动驾驶汽车(AV)和人工驾驶汽车(MV)混合行驶工况下的车头时距干扰对汽车纵向巡航控制的影响,提出了一种基于车联网V2V的协同自适应控制方法。通过车联网V2V实时采集车辆跟驰过程中车辆基本安全信息(basic safety message,BSM),进而获得车辆相对运动状态和驾驶行为序列;应用线性最优二次型方法建立驾驶操纵序贯链优化目标函数,再对扰动作用下的汽车运动状态改变量进行短时预测;在此基础上,以混合车流车头时距的最优均衡状态为目标,构建了车辆跟驰间距的滚动优化模型和协同自适应控制方法。实验结果表明,在头车加/减速行驶工况下,改进后的车辆控制器能更快响应前车运动状态的变化量,并在保证车辆安全跟驰间距的情况下,降低了车头时距,提高了道路通行能力。