共查询到20条相似文献,搜索用时 62 毫秒
1.
2.
基于线性调频扩频技术提出了一种新型的车辆远程控制方法。给出系统实现方案,系统支持双向通信,通信距离大于300m,实现了远程定位、远程遥控、信息远程交互等车辆远程控制功能。 相似文献
3.
5G能克服当前V2X技术的局限。通过在自动驾驶车辆上搭建车载5G网关,并推动边缘计算与自动驾驶融合,将推进ADAS和自动驾驶技术的发展,并为提升自动驾驶系统交通安全性提供保障。 相似文献
4.
第五代移动通信技术(5G)网络具有速度快、延迟低等优势。基于5G技术,提出了一种使用无人驾驶汽车主动型避让控制的系统。该方法基于5G系统,实现了对车辆周围环境信息进行实时快速的收集和处理。通过5G通信技术对车辆进行控制,加快了车辆之间的信息传输速度,提高了车辆间的配合度及车辆通行的效率。该控制系统通过5G 技术传感器,有效解决了在突发情况下,无 人驾驶汽车由于传感器需要同时输送大量信号而产生的延迟问题,提高了信号的传输效率,降低了主动避让控制系统的响应时间,有利于提高无人驾驶汽车的安全性。 相似文献
5.
6.
7.
针对现有车辆的车载终端不能连接第三方特定云服务平台的不足,设计了一种基于汽车车载自动诊断系统(OBD)技术和全球定位系统(GPS)技术的通用型车载终端。车载终端以STM32F103ZET6单片机为核心,由GPS模块、4G通信模块、液晶显示器(LCD)等组成。车载终端通过汽车控制器局域网络(CAN)总线获得OBD数据流,通过GPS模块获得汽车位置数据,通过4G通信模块与云服务器进行通信。试验结果表明,该车载终端工作稳定可靠,能够读取汽车OBD数据流,能够准确地获得车辆的定位数据,并将数据实时发送到多个云服务器,能够接收云服务器下发的数据信息,实现对车辆的远程监控、道路风险预警等车联网功能。 相似文献
8.
9.
本文简介从设备层、网络层到服务层5G提供了整套的基础通信、定位和计算能力与自动驾驶深度融合。藉ADAS、车联网(V2X)和人工智能,以实现更安全、智能的交通运作系统,让车辆进入自动驾驶时代。 相似文献
10.
11.
12.
13.
14.
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。 相似文献
15.
整车在环仿真测试方法可以安全、高效地验证复杂环境和极端工况等场景下自动驾驶汽车性能的有效性,基于此研发一种基于整车在环仿真的自动驾驶汽车室内快速测试平台,该平台由前轴可旋转式转鼓试验台、试验台测控子系统、虚拟场景自动生成子系统、虚拟传感器模拟子系统、驾驶模拟器、自动驾驶汽车和测试结果自动分析评价子系统组成。通过在试验台滚筒上独立加载转矩模拟车辆行驶阻力,可动态模拟不同的路面附着系数,同时利用坡度、侧倾和转向随动机构可模拟车辆俯仰角、侧倾角和航向角3个自由度;采用虚拟现实技术柔性集成车辆动力学模型、传感器仿真、复杂道路交通环境及测试用例仿真,模拟多种道路交通场景,并通过传感器仿真及数据融合等技术快速测试自动驾驶汽车智能感知与行为决策等性能指标。将自动驾驶汽车、虚拟仿真场景和试验台耦合构建一个闭环系统,完成了多项关键技术研发,包括:多自由度高动态试验台结构设计、虚拟测试场景自动重构方法和传感器数据模拟及注入方法,可满足在各种场景下测试自动驾驶汽车整车性能的需求。此外,为验证快速测试平台的有效性,以U-turn轨迹跟踪控制为研究实例,基于简化的车辆运动学模型和模型预测控制算法,在平台上搭建U-turn场景并对自动驾驶汽车的轨迹跟踪控制算法性能进行大量测试。结果表明:自动驾驶汽车室内快速测试平台可以真实地模拟汽车在道路上的运行工况,自动驾驶汽车在虚拟场景中的轨迹跟踪效果良好,与参考轨迹的偏差小于8%,证明了该测试平台检测方法的有效性。 相似文献
16.
随着现代汽车工业和电子技术的发展,车辆导航、移动办公、多媒体娱乐和远程故障诊断等可以通过网络技术联网形成车载信息网络系统。汽车远程故障诊断技术也将成为很多汽车专业人士所共同关注的热点技术。本文浅述了汽车远程故障诊断系统的结构及功能、车载信息平台与远程故障诊断中心的通信系统、汽车故障的远程诊断。 相似文献
17.
18.
换道是一种具有极高风险的驾驶行为,许多交通事故发生在换道过程中,相邻车道车辆的突然换道行为会产生很大安全风险并影响车辆的乘坐舒适性,对周围车辆的换道行为进行预测对驾驶辅助系统和自动驾驶汽车都十分必要。随着V2X(Vehicle-to-Everything)技术、5G技术的快速发展,车辆可以从周围环境中获得更多信息,使换道行为预测成为可能。文中对换道意图的产生及换道过程进行分析,将换道过程分为换道意图产生阶段、换道准备阶段和执行阶段,总结将车辆上各种传感器获得的车辆速度、加速度、位置、方向盘转角等信息及通过V2X技术从交通环境中获得的信息用于换道行为预测的主要方法。目前许多研究采用机器学习方法,按照所使用的数据类型可分为基于驾驶员生理活动信息的方法和基于车辆CAN总线信息、运动学及其与周围车辆运动关系信息的方法,也有研究将二者相结合。数据驱动的换道行为预测方法也可用于车辆的主动换道决策和执行过程,强化学习(RL)算法可以从真实数据中学习决策和驾驶行为,而这些对于传统的基于规则的方法来说基本不可行,故其在研究车辆主动换道时被广泛使用。 相似文献
19.
20.
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。 相似文献