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。     

智能汽车测试工况与用户工况关联评价模型

为研究智能汽车从用户工况到试验场测试工况有效性定量评价的问题,基于行车风险场理论,综合考虑加速系数、危险度覆盖率、最大危险度及危险度分布4个评价因子,提出了智能汽车测试工况与用户工况关联匹配模型和评价模型。关联匹配模型通过危险度相等建立了测试工况与用户工况内在的理论关联关系,提出了危险度-工况次数分布尽量一致的原则。评价模型通过有效性指数建立了测试工况好坏的定量评价指标。提出了加速系数越大越好、样本危险度覆盖率越大越好、最大危险度越接近用户极限值越好、危险度分布相似性越高越好的4个原则。以车辆跟随场景作为算例对关联评价模型进行验证,3种测试工况的危险度均接近用户危险度,符合匹配模型的要求。计算3种测试工况的有效性指数并按照大小进行了排序,当改变4个评价因子的权重分配时,排序发生了变化。研究结果表明,关联匹配模型能够用于对智能汽车测试工况的有效性进行定量评价,评价因子权重分配会影响有效性指数,可以按需设定。     

汽车倒车危险度评判基本模型初探

基于模糊数学理论和碰撞危险度概念，通过引入最小停车距离，综合考虑倒车速度、车辆与障碍物之间的距离、驾驶员生理心理因素、路面附着系数对倒车安全的影响，建立了分层次危险度评判公式，提出一种新的倒车时危险度评判方法。     

智能汽车及智能汽车运输系统的发展

本文综 智能汽车及智能汽车运输系统的发展，并提出我国实施智能汽车运输系统的建议。     

基于加速度严重指数的公路路侧危险度评估

为了定量评估二、三级公路路侧危险程度,以确定路侧护栏防护等级,并为制定安全改善方案提供依据,提出了一种基于乘员风险的路侧危险分级新方法,乘员风险指标采用加速度严重指数(Acceleration Severity Index,ASI)表征;利用软件VPG3.2和LS-DYNA971,选择5类典型路侧障碍物、2类护栏和15种路堤边坡组合,针对小客车、大客车和大货车开展了59组碰撞仿真试验,获取碰撞过程中车辆重心纵向、横向和竖向的加、减速度曲线,进而得到ASI序列样本;采用Fisher最优分割算法确定了路侧危险度合理分级数和各级所对应的ASI阈值.结果表明:5类路侧障碍物中,F形混凝土护栏端部对车辆和人员伤害最严重,其他依次为树木、突出山石、标志立柱和路侧边沟;当路堤边坡高度超过4 m且坡率陡于1∶1时,车辆坠入边坡的损伤严重度将超过碰撞二波波形梁护栏,与碰撞F形混凝土护栏相当.     

智能网联汽车测试评价及问题分析

测试评价作为智能网联汽车安全上路的不可或缺的一环,是智能网联汽车产业能够平稳落地的重要保障。相比于传统汽车,智能网联汽车系统更加复杂,测试场景更加多样,给测试评价带来的难度也越高。论文旨在分析智能网联汽车的测试评价技术路径及所存在的问题。首先简要介绍智能网联汽车的测试发展现状,其次阐明针对智能网联汽车的两条主要测试技术路径：道路测试和仿真测试。然后从评价方法和指标方面,研究现有的主要测试评价规范和标准,并指出测试标准的相关问题。最后论述了道路测试和仿真测试的基本情况,并深入分析了两种测试方法的现有问题,对智能网联汽车测试评价有一定的指导意义。     

公路雪崩危险度评价的程序和方法

公路雪崩是多雪地域积雪较厚的山坡上发生的一种自然现象。由于其突发性,常常造成生命和财产损失。因此,研究雪崩,对减少灾害具有非常重要的意义。公路雪崩危险度评价是雪崩研究的一个重要方向。在提出“积雪单元”概念的基础上,将公路雪崩危险度评价分为区域雪崩危险度评价和点位雪崩危险度评价。从发生学角度论证了公路雪崩发生危险度评价的参评因素和指标体系。详细论证了两类评价各自的特征、操作性评价程序和方法。     

形形色色的汽车智能技术

随着电子信息技术的飞速发展，形形色色的智能技术在汽车上得到推广应用，使汽车性能趋向于更安全、更舒适，驾驶更方便、更快捷。目前这些技术主要应用在以下几个方面。     

基于模型预测的智能汽车轨迹跟踪控制

针对智能驾驶汽车轨迹跟踪问题,本文验证在五次多项式工况下,模型预测控制的轨迹跟踪效果。本文建立车辆运动学模型,为了便于建立基于模型预测的轨迹跟踪控制器,将所建立的非线性车辆运动学模型线性化,再通过向前欧拉法将系统离散化,得到基于线性时变的预测模型。为了使汽车可以快速且平稳地跟踪目标轨迹,建立包含系统状态量和控制增量的目标函数。最后在Matlab/Simulink中对设计的轨迹跟踪器在五次多项式工况下进行测试,与前轮反馈控制（Stanley）对比,验证此工况下所建立的基于模型预测控制的轨迹跟踪器与Stanley控制相比,可以更准确地跟踪期望轨迹。     

泥石流危险度区划评价的属性识别模型

结合云南昭通鲁甸县实例,将属性识别模型应用于泥石流危险度区划的复杂问题,将定性分析与定量描述有机结合,提出了泥石流危险度区划的属性测度计算方法,并利用熵权法确定权系数,建立了基于熵权的属性识别计算模型。实例评价结果证实了该法的可行性和有效性。     

面向智能汽车测试的弱势群体服饰色彩研究

智能汽车测试是其技术开发与应用中必不可少的环节,封闭场景下测试目标物准确反映真实道路环境下交通对象特性是保障测评结果可信的关键,而道路弱势群体服饰色彩是相应测试目标设计的关键参数,也是智能车测评相关标准中要求的一个主要指标。为此,通过对中国某省份2018～2020年间重大交通安全事故案例的分析和筛查,得出178例弱势道路使用者群体伤亡人员样本,首先提取样本服饰颜色,然后选取适当的色彩空间,将色彩数据从RGB(Red-Green-Blue)空间转换至LUV(Lightness-Chroma)空间。以转换结果作为聚类参数,采用K-means聚类算法,获取受害者样本基于季节、出行方式等不同因素下的服饰代表颜色。区别现阶段欧洲标准中目标物黑色上衣/蓝色长裤的搭配组合,黑色上衣/黑色长裤作用于符合中国国情的自动驾驶场景中测试目标物的服饰颜色更具代表性。鉴于中国新车评价规程(China-New Car Assessment Programme, C-NCAP)选取行人目标物与自行车骑行者目标物,将目标物服饰改为黑色上衣/黑色长裤组合,以测试目标物与测试车辆位置分别构建相对横向及纵向运动的多个场景,...     

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。     

智能网联汽车开放测试道路交通安全评价研究

随着智慧城市建设的推进,道路交通向智能化、网联化转型,对开放测试道路的交通安全评价体系的研究变得愈发紧迫。文中针对智能网联汽车开放测试道路安全具有随机性、复杂性、模糊性等的特点,通过德尔菲法确定人、车辆、道路、环境、云端五大因素和19个下属二级指标,构建智能网联汽车开放测试道路安全评价体系,使用层次熵权-可拓模型进行组合评价,建立智能网联汽车开放测试道路评价模型,并将该模型应用于成都市大运直联通道。结果表明,大运直联通道交通安全风险等级为Ⅱ级,最大关联度为0.010 1,整体呈低风险态势,与实际情况较为相符。该评价模型具有一定的应用价值,可对智能网联汽车开放测试道路安全评价起到指导作用。     

智能网联汽车测试装备标准体系研究

智能网联汽车产业正处于快速发展时期,用于智能网联汽车测试评价的测试装备需求日益增加。当前,国际上已有的测试装备标准对我国实际测试需求存在不适用性,亟需建立符合我国国情并与国际协调的智能网联汽车测试装备标准体系。本文面向智能网联汽车目标和事件探测与响应（Object and Event Detection and Response,OEDR）能力测试需求建立测试装备分类逻辑,构建了智能网联汽车测试装备标准体系框架,并提出了未来一个时期的工作目标和主要任务建议。