基于车联网控制的改进跟车模型

利用车联网理论建立跟车模型,基于网络控制原则,应用跟车模式对传统的交通模型进行改进。在"不进行换道的高速公路"条件下分析了车联网状态流量、车联网对交通流造成的影响,对单向某特定场景进行定量评估。实例表明在车联网条件下道路容量的利用率有效增强。     

汽车跟车预警仿真及评价研究

为了提高高速公路汽车跟车行驶的安全性,从驾驶员特性、汽车特性、道路特性及交通流特性的角度,以经典的牛顿力学理论为依据,充分考虑制动前驾驶员的反应时间,分别建立了9种状态下的临界安全车距模型、基本安全车距模型和充分安全车距模型.在此基础之上,建立了驾驶员跟车行驶安全度评价模型,并利用驾驶模拟系统,对追尾预警模型及驾驶员跟车行驶安全性评价模型应用于仿真平台的有效性进行了验证.驾驶模拟实验结果表明,预警模型有效、可靠,可用于驾驶员跟车安全性检验,为提高驾驶员高速跟车行驶的安全性及速度控制提供了理论依据.     

基于深度强化学习的驾驶员跟车模型研究

为提升智能驾驶系统的纵向跟车性能,本文构建了一种基于深度强化学习的驾驶员跟车模型.首先,设计了跟车场景截取准则并从自然驾驶数据中筛选出符合条件的典型跟车场景,并对其数据进行统计分析,即采用相关系数法分析了车间距、相对速度和车头时距等因素对驾驶员跟车行为的影响机理,得出驾驶员跟车行驶过程的行为特性及其影响因素.接着,基于...     

基于道路试验的跟车场景挖掘系统设计

为满足智能网联汽车开发和测试过程中对驾驶场景的需求,设计了一种跟车场景挖掘系统,该系统由车辆空间位置模块、跟车目标选择模块、跟车约束模块、信号及时间片断处理模块组成,车辆空间位置模块和跟车目标选择模块对跟车目标和跟车场景开始时间进行标定,跟车约束模块对跟车场景结束时间进行标定,最终通过信号及时间片断处理模块完成跟车场景信号的挖掘。离线场景挖掘和道路试验结果表明,该系统具有较高的准确性。     

基于长短期记忆模型的跟车距离预测研究

当前不少前向碰撞预警系统以预警距离作为预警的特征量对驾驶人进行预警,因此,提高对跟车距离的预测准度能够直观有效提高该前向碰撞预警系统的预警能力。研究通过驾驶模拟器构建跟车场景,收集了41名驾驶员的跟车行为数据,按照3:1的比例将试验数据划分为训练集和测试集。将驾驶人的跟车距离与速度作为长短期记忆模型的输入,跟车距离作为模型的输出,对驾驶人的跟车距离进行了预测分析研究。结果表明,利用该数据集的模型能够很好的预测驾驶人的跟车行为,泛化性能较好,没有过度拟合现象。并且通过输入不同时间窗口长度的测试集发现,随着测试集长度的降低,预测结果的误差会更大。能够为提高前向碰撞预警系统的精准度提供理论支持,从而增加驾驶员对预警系统的接受度。     

交织车辆的跟车换道行为研究

在不满足换道条件下,交织车辆因换道的强制要求,会有选择地放弃跟车转而进行挤车换道.针对此现象,在深入分析交织车辆的跟车换道行为的基础上,从驾驶员的角度出发,选择其跟车换道的影响因素,构建了跟车换道的效用函数,建立了交织车辆跟车换道的二元选择 Logit 概率模型.基于车辆轨迹获取技术对模型的相关变量进行了调查,采用最大似然估计法对模型进行了标定.选择命中率作为评价指标,采用实例对模型的有效性进行了验证.结果表明,模型能有效地模拟交织车辆的跟车换道行为,精度高达99.0%.      

基于认知风险动态平衡的智能汽车跟车模型

针对复杂交通环境下异质车型带来的跟车风险与行车效率权衡的决策难题,在分析自然驾驶数据的基础上,提出基于认知风险动态平衡的智能汽车拟人化跟车模型。首先,针对4种不同的货车-轿车组合跟车模式,建立跟车距离的经验模型,提炼出驾驶人稳态跟车行为中存在的车头时距和逆碰撞时间的“两不变”规律,通过作图法获得平衡线;其次,从驾驶过程中认知风险与加速度响应之间动态平衡的角度揭示了跟车决策的机理,将常用的跟车模型统一在认知风险动态平衡的框架内;最后,提出一种简洁的非线性函数实现认知风险动态平衡的数学表述,利用实测跟车数据验证了模型的准确性。     

基于专利分析的车联网技术发展研究

分析和利用专利记载的技术信息,可以有效协助确定研发方向,提升研发效率,降低重复研发风险。文章首先介绍了车联网的概念,然后利用专利分析方法,从专利申请态势、专利地域分布、专利申请人等方面分析了车联网专利宏观发展趋势,识别了国内车联网细分领域专利布局特点和车联网通信领域标准必要专利风险,最后给出车联网专利发展建议,以期为国内相关企业在该领域的专利战略和研发方向提供参考。     

我国车联网产业结构及商业模式研究

车联网作为物联网产业最重要和有价值的应用之一,国内外科研机构及企业对其高度重视,并为其产业化做出推进.本文介绍了车联网的概念和基本特性,并分析了其发展现状和主要问题,明确了商业模式对于未来车联网产业发展的重要意义.在此基础上梳理分析车联网产业结构,并且在现有结构基础上得到优化的价值网结构.最后根据车联网发展的进程,分3阶段预测车联网产业的商业模式及其特点,作为产业发展的参考.     

城市郊区道路跟车条件下智能网联汽车速度规划

随着智能网联汽车技术的快速发展，跟车行驶控制能够有效实现车辆智能跟随及快速高效队列行驶。针对城市郊区道路条件下的智能网联汽车速度规划问题，以提高车辆的燃油经济性、舒适性及安全性为目的，基于跟车速度限幅和车辆动力系统信息，设计了基于初值优化的序列二次规划算法(Sequential Quadratic Programming, SQP),实时求解获取车辆跟车过程中的最优速度轨迹。首先，在车联网环境下，基于车车(Vehicle to Vehicle, V2V)通信及车辆与交通设施(Vehicle to Infrastructure, V2I)通信技术实时获取前方车辆的速度、加速度及位置等行驶信息并实时采集道路交通信息；然后，为减少车辆动态能耗损失和减小所需牵引力，并在规定的时间段内完成相应的行驶路程，利用采集到的前车行驶信息，采用基于初值优化的SQP算法对最优目标车速进行求解；此外，基于周边动态的道路交通场景，考虑边界约束条件，采用滚动时域的方法实现目标车辆速度在每个采样时刻的在线滚动优化，保证目标车辆节能安全地跟车行驶；最后，通过仿真验证了该算法的有效性和实时性。研究结果表明：基于初值优化...     

网联车辆并线预测与巡航控制的研究

为检测旁车道车辆驾驶员的并线意图,提升网联车辆巡航跟车的主动安全性,提出了一种基于NAR神经网络学习的迭代循环预测算法。NAR神经网络的训练样本由实际交通环境中的车辆并线数据获得,通过训练的网络预测未来一段时间内旁车的横向行驶轨迹,并根据划定的监控区域计算旁车的切入概率。同时,提出了一种考虑并线概率的跟车距离策略,并应用到网联车辆CACC系统中。结果表明,所提出的并线预测算法能精确计算出旁车的横向换道轨迹,所提出的跟车策略可提升车辆的跟车安全性。     

面向人因的车路协同系统综合测试及影响评估

面向冬奥主干通道兴延高速，以驾驶人适应性为导向，构建一种面向人因的车路协同系统硬件在环效能测试平台，针对多种道路条件、交通状态、特殊事件等面向高速公路设计13种交通情境，从主、客观2个维度实现车路协同系统包括主观感受、高效性、安全性、生态性、舒适性、有效性6个方面的驾驶人适应性评价，分析车路协同驾驶状态下的综合评估指标及影响机理。主观评估结果显示，车路协同技术对驾驶人有积极作用，52%的被试认为车载预警信息可以使行车过程更安全。客观运行结果表明：由于车路协同状态下驾驶人对于前方道路危险状况的可预知性，导致驾驶人提前降速，运行速度降低，效率有所下降；车路协同条件下的加速度和换道次数明显减小，其安全性显著提升；由于车路协同系统避免了驾驶人对于突发危险状况的紧急制动，因此车辆的油耗、排放均明显降低，其生态性改善效果显著；归因于驾驶人对于车路协同系统熟悉程度不足，导致舒适度各系统存在不一致的结论，也表明驾驶人对于车路协同系统的接受度和信任度均有待进一步提高；驾驶人在车路协同条件下可获取不同路段的限速值和超速提示，其有效性表现出明显的优势，速度跟随比有显著提升。所构建的测试平台和指标体系为进一步深层次挖掘车路协同的作用机理奠定了基础。     

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。     

网联车对抗神经网络跟驰模型

针对当前混行交通流场景下网联车对前车速度变化的实时性、安全性和车队稳定性较差的状况,提出一种由生成模型和辨别模型构成的网联车生成式对抗网络车辆跟驰模型(GANVFM).其中,生成模型提取跟驰参数中的前车速度、跟驰车速和相对车距计算生成加速度;辨别模型对生成模型生成的加速度参数进行相似度计算,并通过更新函数加以更新.采用...     

智能网联汽车测试场景三维评价模型研究

测试驱动型开发是智能网联汽车技术发展的重要路径,而测试场景作为测试驱动型开发过程的核心要素,需要建立科学合理的建模和分类方法。首先,从应用层面定义了智能网联汽车测试场景的三个评价指标;其次,提出了测试场景评价的三维建模与评价方法;最后,结合具体应用案例分析了测试场景三维评价模型的应用场景。提出的测试场景三维评价模型对智能网联汽车的测试与评价具有重要指导作用。     

汽车电器低速网络控制系统的研制

按照区域自治原则，将汽车电器划分为十个子区，每个子区拥有一个ECU。所有ECU经双绞线联接成网络，从而构成了汽车电器低速网络系统。对这一系统拓扑形式、通讯协议、系统控制等进行了较为深入的探讨。     

路段上集群智能网联汽车的车队形成机制

智能网联汽车是解决城市交通问题的关键技术之一,对于未来城市智能交通体系建设有着关键作用。集群的智能网联汽车已经具备了涌现的基本条件,设计科学合理的交互规则,可以实现车辆的自组织,分布式涌现控制。以微观仿真软件VISSIM及C2X模块为研究平台,修改驾驶模型参数,在C2X模块中编程实现3条交互规则:速度一致、尽量靠近、避免碰撞,在仿真软件中构建单车道仿真模型,运行仿真实验,统计车辆在路段上不同距离形成车队情况,利用车头时距分布的熵值来衡量车流的有序性。仿真结果表明,车辆在运行至50s后初步形成车队,随着时间的增加,形成的车队越稳定,车流熵值在路段上随距离增加而减小,说明形成车队后更加有序,在路段上呈现出涌现现象。     

面向智能网联汽车定位的协同地图匹配算法

为实现智能网联环境下低成本、高精度的车辆定位, 研究了基于自适应遗传Rao-Blackwellized粒子滤波的协同地图匹配算法。利用联网车辆的定位信息和道路约束条件消除公共偏差, 提高车辆定位精度。将自适应遗传算法引入到粒子滤波的重采样过程中, 增加粒子的多样性, 解决传统粒子滤波算法中容易出现的“粒子退化”和“粒子耗尽”问题。通过仿真实验与传统粒子滤波以及卡尔曼平滑粒子滤波下的定位结果进行了对比, 同时分析了不同联网车辆数目对定位精度的影响。通过实际测试验证了算法在实际应用中的定位效果。实测结果表明: 以典型十字路口为例, 在联网车辆数目为4的情况下, 协同地图匹配算法的定位误差范围为1.67 m, 分别为原始GNSS定位以及单车地图匹配定位结果的41.03%和56.80%。同时, 该算法的统计定位精度(CEP)达到1.06 m, 比GNSS原始定位精度提高了2.52 m, 具有较好的定位效果。      

丰田FCHV-4型燃料电池汽车的结构特性分析

丰田汽车公司开发的FCHV-4型采用燃料电池和辅助电池作为混合动力系统的能源,极大提高能源转换效率,使汽车具有良好的性能。燃料电池与牵引电机逆变器直接相连,与辅助电池和DC/DC器串联。该燃料电池汽车的效率为传统内燃机汽车的3倍。     

智能网联汽车开放测试道路建设研究

基于智慧交通领域的探索及智能网联汽车测试道路项目的实践,对智能网联汽车开放测试道路建设的基本设计原则、设计标准、技术路线、场景设计进行了介绍,提炼了建设方案。对国家和行业相关规范、规程所明确的检测项目及场景要求进行了解析,并明确了道路的4条选线原则,强调智能化改造整体架构应整体遵循“端-边-云”的车路协同体系。针对车联网领域重要的落地场景,具体介绍了6个重点场景的必测项目和选测项目场景设计。对项目在满足智能网联汽车测试需求的同时所产生的显著的社会效益和预期经济效益进行了分析总结。