德尔福自动驾驶技术中国首秀,以前沿科技描绘未来出行

<正>近日,德尔福在国家智能网联汽车(上海)试点示范区举办"开启自动驾驶未来"活动,并首次在华展示其最新自动驾驶技术。活动期间,德尔福展示了与合作伙伴Mobileye共同开发的"中央传感定位与规划"(CSLP)自动驾驶系统。该系统是业内首个可立即启用的、完全集成的自动驾驶解决方案,配备了行业领先的感知     

V2E:车联一切 德尔福CES上展示最新自动驾驶技术

正德尔福正致力于自动驾驶技术的研发,推出集硬件和软件为一体的先进安全系统。在2016 CES展上,德尔福推出了最新应用于自动驾驶的V2E解决方案。在2016拉斯维加斯消费电子(CES)展上,德尔福推出了V2E(车联一切)解决方案。搭载V2E技术的自动驾驶汽车将主动安全、传感器、连接平台和先进软件技术集成起来,能够与道路车辆、基础设施、行人等通讯。德尔福电子与安全事业部全球副总裁兼亚太区总裁王展表示,尽管V2E     

德尔福联手Innoviz为自动驾驶汽车提供高性能激光雷达解决方案

正德尔福汽车公司近日宣布与业内领先的以色列Innoviz公司签署商业合作协议。Innoviz公司致力于研发大规模商用自动驾驶汽车的激光雷达技术,这些技术未来将被整合应用于德尔福自动驾驶系统中,为汽车制造商提供一整套自动驾驶技术方案组合。Innoviz激光雷达技术采用固态设计,具备优秀的远程扫描性能,目标探测能力强、精确性高。远程激光雷达对于     

安波福:为自动驾驶提供大脑与神经系统

正汽车行业的软件定义平台趋势正引发业内的快速变革,既带来新的挑战,也创造新的机遇。在过去的3~5年里,安波福业务发展迅速、方向准确,并通过一系列收购兼并、剥离优质资产等策略,非常坚决地进行转型以专注于为自动驾驶提供大脑与神经系统。当今,自动驾驶与电气化是汽车发展的两大重要趋势,许多车企和零部件供应商都在加速朝这两大方向调整业务以实现转型,德尔福尤为明显。2017年12月初,德尔福汽车公司正式完成分拆,     

主动安全 通往自动驾驶的必经之路

<正>安全始终是自动驾驶之核心所在,尤其是主动安全技术,在一定程度上决定了自动驾驶的发展和成熟度。主动安全与自动驾驶相辅相成,也是通往自动驾驶的必经之路。据全球知名经济咨询机构IHS环球透视汽车部门预测,截~2035年全球将拥有近540077辆自动驾驶汽车,到2050年之后,几乎所有汽车都将更替为自动驾驶汽车或自动驾驶商务汽车。2014年11月,在拉斯维加斯消费电     

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...     

自动驾驶时代的驾乘体验新需求

<正>汽车技术的快速发展,使得原先遥不可及的自动驾驶已离我们越来越近。如果按照这个业内普遍认同的时间表——2016年实现部分自动驾驶;2020年实现高度自动驾驶;2025年实现完全自动驾驶,那么大多数消费者的下一辆车都将具备自动驾驶功能。一旦自动驾驶时代来临,消费者的驾驶习惯将发生很大改变,并随之带来驾乘体验需求的变化。在2015年4月的上海车展上,江森自控展示的ID15概念车展现     

德尔福:“安全、绿色、互联”三大战略

<正>德尔福结合汽车行业的宏观发展趋势,在本届上海车展上提出"安全、绿色、互联"三大战略方向。汽车工业的实际发展轨迹证明,即使时至今日,这三大战略方向不仅毫不落伍,反而依然代表着行业的未来走向。主动安全——通往自动驾驶的必经之路主动安全的关键是让车辆变得更加"智能",提前预知可能发生的危险,通过提前警告,为驾驶员赢得宝贵的反应时间,同时协助驾驶员采取更为快速的反应速度。本届上海车展上,德尔福通过一辆样车     

自动驾驶汽车事件数据记录系统方案设计

随着汽车自动驾驶技术的发展,目前的EDR的标准无法满足自动驾驶汽车事故重建的要求.本文设计了自动驾驶汽车事件数据记录系统,包括系统的组成及控制原理,并定义了事件检测触发模块、数据缓存模块、数据记录模块.同时还设计了基于统一诊断服务读取/清除自动驾驶汽车事件数据的方法,用于辅助分析自动驾驶事故原因以及自动驾驶系统验证评估...     

安波福发布自动驾驶公共数据集

<正>安波福近日宣布,全面开放其自动驾驶汽车开源数据集nuScenes。作为第一家向公众开放此类安全数据的公司,安波福此举填补了自动驾驶汽车行业的一个空白,此前业界仅有部分数据开源以供研究之用。通过与公众分享nuScenes中与汽车安全相关的关键数据,安波福旨在为行业中的创新者和学术研究人员在计算机视觉和自动驾驶研究方面提供广泛支持,进一步推动移动出行行业的发展。     

德尔福摩托车EMS技术简介

介绍了德尔福摩托车EMS的硬件构成和控制模块的主要功能，包括燃油喷射量管理控制、发动机点火管理控制和一些储备功能。德尔福已为国内摩托车生产企业开发了若干款摩托车EMS。试验表明，采用德尔福摩托车EMS后，摩托车的动力性、经济性、排放指标和综合驾驶性能都有显著改善。     

自动驾驶汽车隐私安全探究

<正>自动驾驶技术的普及,将让自动驾驶软件取代驾驶员的工作,每辆自动驾驶汽车都会根据写入的软件系统,按照要求在道路上行驶。车联网技术的出现,让自动驾驶汽车、道路交通设施、行人等角色成为一行行数据,进行分析与处理,从而让自动驾驶汽车实现最优道路规划。插空、别车等危险驾驶行为也将不复存在,在乘坐自动驾驶汽车时,乘客可以进行读书、听音乐、聊天、看电影、网络购物等娱乐行为,道路交通环境也将得到极大的改善。看似很完善的交通环境,需要的是更多的数据进行支撑,     

基于典型非机动车事故的自动驾驶汽车测试场景构建方法研究

基于交通事故卷宗、交通事故视频信息数据,研究机非混行交通环境下典型交通事故形态,构建了面向机非混行交通环境下的自动驾驶汽车测试场景,旨在针对我国较为特殊的机非混行环境下的自动驾驶汽车的测试场景及测试评价方法提供参考。本文首先分析了自动驾驶测试场景的构建需求,建立交通事故数据筛选标准,得到133例可用于构建自动驾驶汽车测试场景的机动车与非机动车交通事故数据集;其次基于《中华人民共和国道路交通安全法》行驶要求,对133例交通事故的发生地点、车辆行为、道路类型、环境光线等方面进行解构分析;最后通过聚类分析,建立了5类典型的自动驾驶测试场景模型,并分析了不同场景模型的关键要素,为实际道路测试提供理论指导。     

自动驾驶汽车在城市道路上面临的主要场景挑战

基于人类的自然驾驶数据、交通事故数据等信息提出的自动驾驶汽车技术要求和测试场景难以反映自动驾驶汽车特有的局限性和安全风险。文章从车辆视角出发,利用搭载高度自动驾驶功能的汽车开展了实际道路测试,并通过分析测试过程中遇到的危险场景和边缘场景,总结了城市道路环境下自动驾驶汽车在感知、定位、决策规划、控制执行和网联通信等方面存在的主要场景挑战。该研究成果弥补了基于人类驾驶数据开展相关研究的不足,能够为自动驾驶汽车的研发和基于场景的测试验证提供参考。     

安波福:深入诠释安全互联的移动出行新技能

<正>2017年12月,德尔福汽车拆分其动力总成业务,以新的公司名字"安波福"全新亮相,并宣布聚焦于加速推动主动安全、自动驾驶、提升驾乘体验和互联服务等领域的商业化进程,提供软件、算法、汽车架构等汽车的"大脑"和"神经系统"。2019上海车展是安波福首次在中国全面展出其前沿核心创新技术。     

“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。      

先进的自动驾驶数据采集与存储技术研究综述

针对自动驾驶数据采集过程中的触发控制与存储记录问题,从先进的自动驾驶数据采集与存储技术出发,首先调研了国内外部分整车制造商车辆的传感器配置方案,然后对汽车事件数据记录（EDR）系统、自动驾驶数据记录系统（DSSAD）以及一般L3级自动驾驶汽车的数据采集与存储方案展开综述,得出了现有数据采集与存储技术将会产生低质量、高噪声的冗余数据的结论,最后基于特斯拉影子模式介绍了一种人机共驾模式下的驾驶数据采集存储方式,总结归纳出目前先进的自动驾驶数据采集技术研究的发展趋势。     

基于LabVIEW的自动驾驶汽车在线振动监测与诊断系统

为了提高自动驾驶汽车在道路测试中的安全性,基于LabVIEW设计了一种自动驾驶汽车在线振动监测与诊断系统。该系统通过上位机与驾驶机器人通信,获取车辆运行状态数据,同时对自动驾驶车辆的振动在线监测,最后结合车辆振动数据和状态信息进行在线诊断,开发了监测与诊断界面,实现了自动驾驶汽车在道路测试行驶过程中的振动在线监测与诊断。     

轨迹数据驱动的自动驾驶公交运行评价方法

基于自动驾驶公交车车载传感器采集的车辆位置、速度、加速度等轨迹数据,建立多变量长短期记忆神经网络二分类器模型组,将轨迹数据识别转换为车辆运行稳定性、高效性、安全性指标,以追踪车辆运行状态;在开放交通流道路中,采集自动驾驶公交车的行驶轨迹数据进行模型训练和测试,结果表明该方法能有效识别超速、急加减速、进出站等事件,命中率、召回率、准确率高于0.8,识别准确度较好;分别采集自动驾驶模式与人工驾驶模式样本,应用轨迹检测评价方法进行运行质量评价对比,发现自动驾驶公交具有更高的控制稳定性、安全性,人工驾驶模式具有更高的效率。     

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。