心“领”神会体验新凯美瑞——G-Book智能副驾

是刘谦将大家的视线重新吸引到了光怪陆离的魔术，而每当临近大型车展的时候，你会发觉很多厂家都变身成了魔术师。只不过他们带来的不是一场场取悦观众的虚幻表演，而是将他们的产品真正的推陈出新。这一刻在新凯美瑞的车里，我已经体会到了来自丰田最细致与周到的服务，以及可以与雷克萨斯一较高下的最新配置。     

纯电动手动挡驾考车的开发与应用

驾培行业是道路运输行业的重要组成部分之一，既是资源占用型行业，又是能源消耗型行业。2022年统计数据显示，教练车有70%以上的时间都在进行场地内科目训练，且训练中车辆的挡位低、车速慢，发动机处于高油耗高污染区域工作，不仅要消耗大量的成品油，增加驾驶员培训成本，而且对周围环境造成很大的污染，同时对驾培行业的持续发展和道路运输行业节能减排工作产生不利影响，传统燃油驾考车已经不适应国家对环保和排放的要求。为了解决训练场地废气污染问题，节约能源和降低训练成本，可将电动汽车技术用于驾考车。为满足驾考车需求和这一小众车需求，某公司决定开发纯电动驾考车。纯电动驾考车关键技术在于驱动电机、手动变速箱如何与现有燃油车在技术层面进行对接，同时满足公安部对驾考车和培训用车的定义需求，满足科目二和科目三的要求，满足国家标准。     

君子动口

G-Book智能副驾被首次装备在国产丰田车内。可以说，在更多的时候凯美瑞240V G-Book智能领航版不再局限于交通工具的概念，而是放大到了移动信息平台的地位。     

酒后驾车险观点大碰撞

一家不太知名的保险公司，却因一种特殊险种的推出，引起社会各界的关注，一时间闹得沸沸扬扬。     

从寻找到分享 邓禄普杯2010年度驾趣车评选

回顾2010年度驾趣车的评选，从全年测试过的85款车中评出13款驾趣车，过程虽没有《超级女声》煽情，却同样竞争激烈，令人难忘!我们没本事让大家感动地流泪，却有本事找列了能给我们带来快乐的车子!从寻找到分享，驾趣车年度评选在坚实的脚步中走过了第二年。     

美国驾考及交通规则分析

根据在美国缅因州一年的驾驶经历及驾考经验,对缅因州的驾考及交通规则进行了分析。针对中美两国在驾考规则及考试内容上一些较大的区别进行了分析,并对在交通规则上的存在的差异进行了讨论,最后对中美两国在驾考方面及交通规则上的优劣进行了对比分析,并针对中国的现状提出了建设性的建议。     

“高阶操驾”引导你迈向更高层级的加强水准

俗说的好：“学如逆水行舟，不进则退”．对于开车来说亦是如此!想提升操驾水准．除了需要勤加练习．才能不断增进及累积临场的应变反应及判断经验．另外．技术以及身心素质的坚韧度．相对地也很重要．毕竟．能否突破个人技术瓶颈的关键就在这里!“高阶操驾”就是希望能引导你迈向更高层级的操控领域。     

基于触觉引导的L2级智能汽车人机共享控制技术综述

因技术和法规等因素限制，智能汽车短时间内难以实现L1级到L5级的快速跨越，人机共驾将长期存在；基于触觉引导的人机共享控制技术为L2级智能汽车人机共驾提供了有效的人机共享控制途径。通过综述国内外车辆人机共享控制技术相关问题的研究现状，重点分析了基于触觉引导的车道保持、换道、避撞、倒车辅助等人机共享控制在路径规划、意图决策和权限分配转移等过程中，可能会造成人机冲突进而导致车辆稳定性降低、行车安全性变差和驾驶员操作舒适度与自由度恶化等关键问题。同时针对人机共享控制中固有的驾驶人风格及认知差异进行了探讨，以期进一步明确人机共享控制器的设计方法及人机冲突产生的机理。提出未来应在大量仿真或实测行车数据的基础上不断迭代优化智能系统，提高智能控制系统对行车环境和驾驶人状态识别的精准度，从而合理分配人机共享控制权重，有效解决人机冲突、车辆稳定性、行车安全性、驾驶员操作舒适性和自由度等问题。基于现有研究存在的问题，指出自适应性触觉引导共享控制器、权重分配共享控制器、基于神经肌肉反应共享控制器及基于高级辅助驾驶系统共享控制器等将是智能汽车人机共享控制的主要研究方向。      

基于人机共驾的车道保持辅助控制系统研究（双语出版）

车道保持控制系统是汽车安全辅助驾驶的重要组成部分，可有效提高汽车主动安全性、避免车辆无意识地偏离本车道。目前，大部分车道保持控制系统在工作时将驾驶人的操作视为外界干扰，没有考虑人机共驾阶段下驾驶人与控制系统的控制权分配问题，易造成人机冲突、影响驾驶人的驾驶感受。论文兼顾驾驶人与辅助控制系统各自优势，基于人机共驾技术对车道保持控制系统进行研究。构建基于安全行驶区域与最晚预警边界相结合的车道偏离决策模型，在保证其预警精度的同时降低计算复杂性，根据车辆行驶状态和路面附着系数动态调整预警阈值；研究串级MPC-PID控制策略实现对车辆横向位置的控制，将最优问题转化为二次规划求得目标前轮转角，利用PID算法完成对目标前轮转角的跟踪；引入共驾系数对车辆的控制权进行分配，研究共驾系数分配模型，以车辆状态误差和驾驶人转向力矩作为模糊控制的输入变量、共驾系数作为输出变量，降低辅助控制系统与驾驶人之间的冲突；最后，利用CarSim与Simulink联合仿真对所研究的控制策略进行仿真验证，结果表明共驾系数能够根据驾驶人的操作和车辆运行状态的变化实现动态调整，辅助控制力矩与驾驶人输入力矩变化趋势相同，在保留驾驶人一定操作的基础下可避免车辆偏离车道、降低人机冲突。     

右驾外后视镜的设计与开发初探

外后视镜是为驾驶员呈现汽车后方不能直接观测到的信息的装置,是汽车的法规件。本文介绍了满足最新欧洲法规有关视野要求的某右驾车外后视镜,借用部分现有后视镜内部构件、折拢机构和旋转电机,采用全新外壳的设计与开发过程。该设计与开发过程节约了开发成本,节省了时间,整个过程为今后的设计与开发工作提供了经验和参考。     

人机混驾环境下基于LSTM的无人驾驶车辆换道行为模型

道路系统中的人机混驾交通环境是指人工驾驶车辆与自动驾驶车辆混合运行的交通环境，其中换道行为建模是人机混驾环境下无人驾驶车辆行为研究的热点。基于深度学习理论，构建人机混驾环境下基于长短期记忆神经网络的无人驾驶车辆换道行为模型（Long-short-term-memory-based Autonomous Vehicles Lane Changing，LSTM-LC）。通过研究人工驾驶车辆在换道过程中与周边车辆的相互作用，对换道行为影响因素进行分析；同时，为了提升模型的迁移性，引入道路横向偏移量信息。结合LSTM神经网络的输入要求，使用美国公开交通数据集Next Generation SIMulation（NGSIM）构建换道行为样本库。针对LSTM-LC模型，以均方差MSE作为损失函数，使用RMSprop优化方法进行训练，对LSTM网络结构、历史序列长度N及训练样本量3个重要参数进行标定。最后，针对道路横向偏移量M对LSTM-LC模型性能的影响进行对比试验。研究结果表明：相比GRU-LC模型，LSTM-LC模型对换道行为的表征更准确，在模型的精度和迁移性上有着显著的提升；GRU-LC模型的均方差为4.64 m²，迁移性均方差为119.82 m²，而LSTM-LC模型的均方差为3.18 m²，迁移性均方差为79.58 m²，分别优化了31.5%和39.71%；通过引入道路横向偏移量M，可将LSTM-LC模型精度和迁移性提升约10%，且模型稳定性更强。     

智能汽车的人机共驾技术研究现状和发展趋势

智能汽车的人机共驾技术（HMIoIV）是解决其智能化级别难以快速跨越至高度自动化水平的有效过渡手段。HMIoIV涉及了L0~L3级别的智能汽车的多种自动化技术,包括先进辅助驾驶系统。针对当前国内外智能汽车人机共驾技术的研究现状,对其概念、结构和研究内容进行总结,根据独立驾驶人参与的数量和驾驶操作方参与的数量将现有的人机共驾技术分成3类：单驾双控结构、串联型双驾单控结构（Traded Control）和并联型双驾双控结构（Shared Control）;并对驾驶人为因素、驾驶人模型、自然驾驶人状态监测和驾驶意图识别、串联型双驾单控结构和并联型双驾双控结构的研究方法以及权限与责任的关系进行全面综述。最后,分析总结当前智能汽车的人机共驾技术所面临的问题和挑战,并对该技术的发展趋势做出展望。     

谁不想开超跑

<正>不考虑有没有驾照,不考虑有多少积蓄,不考虑道路是否允许把车开到时速300km/h以上,抛开所有现实因素,最想开什么车?每个人都有自己的答案。可能是若干年前在杂志中看到的一个靓照,可能是电影中闪过的一个镜头,也可能是街头拂尘而去的车影。     

无保护左转环境下自动驾驶汽车交互策略分析

在人类驾驶汽车(HV)与自动驾驶汽车(AV)构成的混驾环境下，AV交互策略是否符合人类驾驶的预期成为影响新型混合交通流运行安全的重要变量。为了综合、系统地分析AV交互策略特征，基于HV和AV混行驾驶数据集Argoverse2,提取了近4 300组左转和直行冲突交互事件。进一步由表及里，分别从交互即时运动状态、交互过程运动行为和交互内在决策选择3个层面，提出了“冲突点-轨迹线-事件集”一体化三维分析框架。在冲突点维度，从交互时间层面定义了到达冲突点时间差、从动作空间层面定义了到达冲突点协作加速度，并展开分析；在轨迹线维度，利用Frenet坐标转换，选取时间-纵向位移轨迹、横向位移-纵向位移轨迹从纵向行进、横向偏移2个层面分析交互过程；在事件集维度，基于决策树挖掘HV潜在交互准则并与AV交互策略对比分析。结果表明，Argoverse AV左转交互策略与HV存在明显差异：交互即时运动状态表现出更加明细的保守性特征，动作空间与HV相比收缩了31.2%;交互过程行为则表现出策略的单一性特征，停车让行等待位置及通过冲突点行为的选择较HV更为单一，总体横向偏移程度比HV小57.1%;交互内在决策选择...     

人-车-路交互下的驾驶人风险响应度建模

人机共驾中，共驾模式的选择和驾驶控制权的分配高度依赖于对驾驶人状态的正确识别。为了分析人机共驾中驾驶人的状态，对行车风险场模型进行重构，通过构建风险场力作用机制，建立包含驾驶人特性、自车特性和外部风险特性的人-车-路闭环系统中的驾驶人风险响应度模型，用于表征驾驶人对风险的认知能力和应对倾向。根据24位驾驶人在跟车和并道2个场景中的驾驶试验结果，对不同风险响应度下驾驶人的驾驶特性进行分析。研究结果表明：驾驶人风险响应度在驾驶过程中具有时变性，在驾驶人个体之间和不同驾驶场景间均存在差异性。在风险响应度分别为低、中、高的3类驾驶片段中，驾驶人在驾驶时的碰撞时间倒数T_TCi和加减速行为均具有显著差异（p<0.05）；风险响应度较高的保守型驾驶中，驾驶人行车时倾向于保持较小的T_TCi（均值为-0.48 s^-1，标准差为1.25 s^-1），单位时间内制动操作最多[均值为0.65次·（15 s）^-1]，总体驾驶风格倾向于规避风险；风险响应度较低的激进型驾驶中，驾驶人行车时倾向于保持最大的T_TCi（均值为0.28 s^-1，标准差为0.42 s^-1），相较于保守型驾驶，单位时间内加速操作较多[均值为0.48次·（15 s）^-1]，制动操作较少[均值为0.50次·（15 s）^-1]，总体驾驶风格倾向于追求行驶效率；风险响应度居中的平衡型驾驶中，驾驶人行车时所保持的T_TCi居中（均值为0.04 s^-1，标准差为0.36 s^-1），单位时间内加速操作[均值为0.23次·（15 s）^-1]和制动[均值为0.41次·（15 s）^-1]操作总数最少，对于行驶效率和行车安全的追求相对均衡。相较于以往将驾驶人作为孤立个体的驾驶人状态评估方法，所提出的驾驶人风险响应度模型可以依据驾驶人在人-车-路交互中的驾驶表现，更为全面地反映驾驶人的个性化驾驶状态。     

副驾气囊爆破中仪表板常见失效模式及解决方法

整车安全已成为汽车行业的重要指标,特别是随着安全法规、C-NCAP、C-IASI等相关标准要求的不断加严,对副驾驶侧乘员保护要求也越来越高。为了能满足加严的法规要求,达到更高星级的安全等级,副驾驶侧气囊的气袋体积及气体发生器能量都相应的有所提高,这对和气囊爆破相关的内饰零件结构提出了更高要求。为此本文根据多个项目副驾驶侧气囊开发经验,介绍了副驾驶侧气囊的常见方案形式,并以其中最为常见的U型气囊门为例,阐述了气囊爆破过程中常见失效模式及相应解决方案。为后续项目数据开发设计阶段提供相应的参考,有效的减少实物阶段反复试错整改,缩短了项目的验证周期及开发成本。