迅猛如狮：斯巴鲁07款力狮3.0R

新的力狮从外形上看与老款的变化十分有限，但是它决不是小改款。首次装备的SI-DRIVE智能驾驶提升系统和拨片换挡机构极大的提升了驾驶的乐趣。[编者按]     

智能驾驶汽车测试与评价方法分析

随着智能驾驶汽车研发的快速发展与迭代,需要不断研究更高效的测试评价方法.按照驾驶汽车闭环控制系统中人、车、路三者不同的表现形式,可以将智能驾驶测试评价方法总体上分为仿真测试、驾驶模拟器测试、受控场地测试、实车测试4类.阐述现有的测评方法,并基于现状,提出测试与评价面临的困难与挑战.     

探索智能网联汽车中生态驾驶的应用

伴随着社会的迅速发展、时代的不断进步,科学技术有了显著的进步与提升,实现了生态驾驶这一先进的驾驶手段。生态驾驶的出现,使得汽车能够减少能耗与排放。与此同时,智能网联汽车驾驶技术的出现使得汽车驾驶有了更新一步的改变,使驾驶用户在驾驶途中获得更舒适的体验,将生态驾驶应用在智能网联汽车中,使得智能网联汽车以及生态驾驶实现更好的发展。本文主要分析了生态驾驶在智能网联中的应用。     

汽车驾驶注意事项

（1）调整好驾驶姿势。正确的驾驶姿势对安全行车是非常重要的,不但可以消除长时间驾驶的疲劳,保证良好的驾驶视野,而且还可以使驾驶动作更准确、迅速与合理。驾驶姿势主要与转向盘及座椅有关。在坐进驾驶座之后,首先应深深地坐在座椅后部,使腰部和肩部靠在椅背上。     

实现中国首个全车冗余L3级自动驾驶长城汽车智能驾驶战略升级

12月30日,长城汽车召开智能驾驶战略升级发布会,正式发布全新的咖啡智驾“331战略”,并将在2021年实现中国首个全车冗余L3级自动驾驶。长城汽车轮值总裁孟祥军、多位长城汽车领导及各领域专家、合作伙伴出席发布会。会上,行业内外的资深专家深度探讨智能驾驶的当下与未来,并深入解读长城汽车智能驾驶在安全、场景、用户体验方面的三重优势。同时,长城汽车与高通、华为正式签署战略合作协议,在车载智能芯片、高算力智能驾驶计算平台方面展开深度合作,助力长城汽车进一步拓展智能驾驶生态圈。     

新能源汽车智能驾驶线控底盘技术应用研究

新能源汽车智能驾驶线控系统包含了线控转向、线控制动、线控换挡、线控油门几部分构成.线控底盘技术属于新能源汽车智能驾驶涉及到的关键技术,也是推进智能驾驶不断更新发展的有效支撑,是现阶段新能源汽车研发制造的热点问题.本文结合笔者实际研究,探讨了新能源汽车智能驾驶线控系统结构及其线控底盘技术的基本原理,对全矢量控制线控底盘技...     

梅赛德斯-奔驰AMG驾驶学院首次登陆中国

首次落户亚洲的AMG驾驶学院计划在中国最著名的赛道开展一系列专业运动驾驶培训,而近千名运动驾驶爱好者也将有机会接受来自德国专业教练的亲自指导,不仅提高运动驾驶技巧,提升安全驾驶水平。日前150余名中国驾驶爱好者有机会率先体验这一量身定制的运动驾驶培训。     

海拉智能照明技术

夜间驾驶是否能完全消除视觉盲点？面对弯道,面对恶劣的路况条件．面对不良的天气状况,面对特殊的驾驶要求．如何才能提供全方位的最佳照明,使夜间的驾驶如同在白天一样安全？这就是近年来不断开发中的智能照明技术所致力于解决的问题。     

智能网联汽车生态系统的开发与应用

汽车行业目前正向着智能网联化方向的发展，这进一步促进了智能网联汽车的产生。通过汽车与网络的有机结合，在汽车中安装传感器和控制器等相关设备，不仅可实现汽车信息的网络共享，也可以在符合行驶需求的同时实现自动驾驶。与此同时，随着汽车数量的快速增长，生态驾驶也逐渐走进大众视野。通过探索智能网联汽车中生态驾驶的应用策略，可促进生态系统的开发和利用，加速汽车行业的发展，实现自动驾驶汽车在安全稳定的环境中行驶。     

动由心生 SI-DRIVE

以注重性能为代表的斯巴鲁汽车经过40年的完善，研发了SI-DRIVE智能驾驶提升系统，部分新款斯巴鲁车型搭载了这一新技术，给驾驶者带来了更加丰富多彩的驾驶感受[编者按]     

Collaborative merging strategy for freeway ramp operations in a connected and autonomous vehicles environment

In a connected vehicle environment, vehicles are able to communicate and exchange detailed information such as speed, acceleration, and position in real time. Such information exchange is important for improving traffic safety and mobility. This allows vehicles to collaborate with each other, which can significantly improve traffic operations particularly at intersections and freeway ramps. To assess the potential safety and mobility benefits of collaborative driving enabled by connected vehicle technologies, this study developed an optimization-based ramp control strategy and a simulation evaluation platform using VISSIM, MATLAB, and the Car2X module in VISSIM. The ramp control strategy is formulated as a constrained nonlinear optimization problem and solved by the MATLAB optimization toolbox. The optimization model provides individual vehicles with step-by-step control instructions in the ramp merging area. In addition to the optimization-based ramp control strategy, an empirical gradual speed limit control strategy is also formulated. These strategies are evaluated using the developed simulation platform in terms of average speed, average delay time, and throughput and are compared with a benchmark case with no control. The study results indicate that the proposed optimal control strategy can effectively coordinate merging vehicles at freeway on-ramps and substantially improve safety and mobility, especially when the freeway traffic is not oversaturated. The ramp control strategy can be further extended to improve traffic operations at bottlenecks caused by incidents, which cause approximately 25% of traffic congestion in the United States.     

信号交叉口行车风险场建立及车辆通行行为优化

随着汽车逐步向智能化、网联化发展,智能网联车辆逐步进入实际应用阶段。进行智能网联车辆的通行行为优化,对提升驾驶安全性和行车效率,避免事故发生和交通拥堵至关重要。车辆在通过交叉口时将受到很多环境及运动因素的影响,而现有的通行优化模型难以准确表达各类因素共同作用下的行驶环境。为此,基于风险场理论建立由环境场和运动场组成的信号交叉口行车风险场,表征信号交叉口中每点的实时行车风险程度,从而引导车辆驶向风险值低点,并提供下一步长的位移及速度指引,实现车辆的动态轨迹优化及速度控制。典型场景下的仿真结果表明：在优化模型的控制下单车的信号交叉口通行效率明显提升,其中直行方向车辆单车平均通行效率提升最高,平均提升6.35%,通过对交叉口面积内所有车辆进行通行行为优化,交叉口通行效率提升了9.3%,这表明所建模型可以准确表达交叉口行车环境并优化车辆通行行为。研究结论可应用于自动驾驶车辆的交叉口通行控制,并为网联环境下的行车环境表达和安全驾驶控制提供模型基础。     

自适应巡航及协同式巡航对交通流的影响分析

自适应巡航（ACC）和协同式自适应巡航（CACC）等自动驾驶技术正逐渐进入市场,未来一段时间内道路交通流将由人工驾驶车辆与不同等级、不同形式的自动驾驶车辆混合构成。为分析ACC和CACC对交通流的影响,利用实测交通数据NGSim建立人工驾驶车辆跟驰模型,并在综合已有ACC和CACC模型的基础上,提出基于安全间距的自动驾驶跟驰行为模型,进而得出不同ACC,CACC车辆渗透率下交通流的基本图模型。研究结果表明：自动驾驶可以提升交通容量;与ACC车辆比例r_a相比,CACC车辆比例r_c对交通容量的影响更为显著;当r_c>0.5时,饱和流量快速增加,当r_c=1时,饱和流量约为纯人工驾驶时的2倍。进一步,通过仿真考察车辆在车队中的跟驰响应和交通流在瓶颈处的运行情况。研究结果表明：自动驾驶改善了交通流的动态特性,对存在跟驰关系的连续车流来说,自动驾驶使得后车可以更加及时地响应前车的行为,车流会在更短的时间内进入稳态;在交通瓶颈处,自动驾驶降低了拥堵程度,提高了阻塞发生的临界流量。总体来看,自动驾驶对交通流静态和动态性能均有所提升,特别是在协同式自动驾驶场景下,车辆行为更加协调一致,交通流表现出良好的抗扰性,进一步验证了车路协同对自动驾驶的意义。     

自动驾驶系统交通规则符合性仿真验证方法

随着自动驾驶技术的不断发展，高级别自动驾驶车辆逐步在限定区域开展实际道路测试，确保和提高自动驾驶系统安全驾驶能力是当前研究、测试和工程开发的热点难点。面对自动驾驶车辆将长期与人类驾驶车辆混行，并与其他交通参与者遵守同样交通规则的现实需要，提出一种验证和测试自动驾驶系统交通规则符合性的方法，以期降低多车混行条件下的交通安全风险。针对各类交通法律法规语义自动解析技术瓶颈，提出规范化-逻辑化两阶段交通规则数字化模型，基于改进谓词度量时序逻辑框架(Metric Temporal Logic，MTL)，将自然语言交通规则转换为命题、逻辑连接词和时序算子组成的逻辑编码，生成了自动驾驶系统可理解、可执行、可验证的数字化交通规则，并构建了交通规则命题的分级分类体系。提出了一套基于自动驾驶车辆高精度运动轨迹的交通规则符合性验证算法，并搭建仿真试验平台，在高速公路交通场景下开展了试验验证。理论分析与试验表明：精简命题空间、新增时序算子和谓词逻辑词等改进有效提高了原有MTL框架的时间表现能力，解决了时序逻辑性不足等问题，大幅提高了交通规则数字化转换效率，对地方性交通法规和未来交通法规修订提供了良好的兼容性。提出的交通规则符合性验证方法及试验平台可以有效测试自动驾驶系统对现有交通规则的遵守能力，相关成果对提高自动驾驶系统安全性能和未来混行交通安全管控水平具有重要意义。     

基于混行跟驰仿真的CAV专用进口道动态设置方法

信号交叉口是影响交通系统运行安全和效率的关键。在国家新基建战略的提出以及车路协同技术不断发展的环境下,合理设置网联自动驾驶车辆(Connected and Autonomous Vehicle,CAV)专用进口道,对信号交叉口进口道处不同网联类型的车辆进行科学的交通组织,能够提高交叉口的通行能力,降低行车延误,促进城市交通系统效率与安全的双提升。建立协同自适应巡航控制(Cooperative Adaptive Cruise Control,CACC)车辆跟驰模型和GM (General Motor)模型分别描述混行环境下网联车辆与非网联车的跟驰行为,以提高进口道通行能力、降低延误和油耗为优化目标,采取敏感度分析方法,提出不同CAV比例、进口道车道数、交通量和信号配时方案组合情况下CAV专用进口道的动态设置条件,适用于不同交通状况的信号交叉口,具有较强的普适性。数值仿真结果表明：采用该方法设置CAV专用进口道能够提高混行信号交叉口的通行能力、降低延误和车均油耗;在实际应用时,可视交叉口类型和交通智能化程度灵活选取CAV专用进口道设置方式,为混行交通流环境下交叉口进口道的交通组织优化提供理论依据和模型支持,对车路协同系统的相关研究具有参考意义。     

网联环境下高速公路辅助驾驶车辆编队评估

为评估智能网联环境下高速公路辅助驾驶车辆编队的效果，首先基于V2X （Vehicle to Everything）和智能驾驶人模型（Intelligent Driver Model，IDM）对网联环境下的车辆跟驰行为进行建模，并对其进行参数校准；其次从安全性评价指标和通行效率两方面构建编队效果评价体系；然后通过VISSIM和VBA联合仿真，改变编队的车道、交通流量、网联车渗透率等变量进行试验。仿真结果表明，网联环境下车辆辅助驾驶编队在不同层面对于安全性与效率性都有提升；最后以不同期望速度在网联环境和非网联环境下分别进行实车辅助驾驶编队试验，以验证评价指标体系以及仿真试验的有效性。其中，实车试验结果显示，期望速度为70 km·h^-1时，网联环境下的辅助驾驶编队通行效率比非网联环境提升56%，90 km·h^-1时提升37.2%，110 km·h^-1时提升39.8%。通过与仿真试验结果对比，表明网联环境下车辆辅助驾驶编队对交通流安全性有一定程度的提升。     

车联网环境下自动驾驶车辆车道选择决策模型

试验车道选择行为是自动驾驶车辆最基本的决策行为之一,利用车联网技术可以使车道选择结果更加全面、合理.首先,对高速公路自动驾驶车辆车道选择决策过程进行分析,并以车联网感知通信范围内的车辆的平均速度、重车比例及前往车道的理想换道时间为主要指标创建成本函数,根据计算结果输出最优车道序列;然后,以Gipps安全驾驶模型为基础,...     

智能交通系统中基于机器视觉的数字车辆控制

在描述成像模型与视觉坐标系的基础上，给出了基于计算机视觉的车道与障碍物辨识检测算法，应用预瞄转向以及车辆控制等技术手段来实现数字车辆的道路跟踪。     

信号交叉口基于出发时刻预测的生态驾驶方法

在城市道路交通中,信号交叉口区域内车辆频繁停车启动的现象,加剧了整体交通流的能源消耗、污染排放与车辆延误。为了减少信号交叉口启停波现象对整体交通流产生的负面影响,以面向未来人工驾驶车辆(HDV)/智能网联车辆(CAV)混合构成的新型混合交通环境为基础,提出了一种基于出发时刻预测的生态驾驶方法,通过优化CAV的驾驶轨迹,减少交叉口区域的车辆延误和能源消耗。首先,对混合交通流的基本图模型进行了分析,根据启停波影响范围,划分CAV通过交叉口的驾驶场景;然后,建立了子区渗透率对饱和车头时距的影响关系,预测了CAV以当前饱和车头时距通过交叉口的时间;最后,结合车辆与交叉口的距离,利用分段三角函数模型,生成其通过交叉口的速度限制曲线,并将优化速度嵌入到智能车辆的跟驰模型中作为限制速度,从而使CAV在无法通过当前绿灯窗口的条件下,实现提前减速,在通过交叉口区域后解除速度限制,切换回自身的跟驰模型。此外,还提出了平均综合效能这一指标来综合评价驾驶策略在效率和能耗2个方面的性能,并将提出的基于出发时刻预测的生态驾驶方法与传统网联车辆控制方法、经典交叉口节能控制方法进行了对比。研究结果表明:提出的出发时刻预测方法可以精确预测CAV在交叉口的出发时刻,有效减少车辆的能源消耗与污染排放,同时提高信号交叉口的通行效率;在渗透率大于60%情况下,该方法对系统效能的提高达到12%左右,在10%渗透率条件下也可以达到6%的效能增益;在交通饱和流率在0.5~0.9的范围内时,系统的效能增益较明显。     

自动驾驶车辆混行集聚MAS控制模型

随着车路协同技术和自动驾驶技术的不断发展,越来越多的网联自动驾驶车辆(Connected and Autonomous Vehicle,CAV)涌入道路交通,与传统人工驾驶车辆(Human Pilot Vehicle,HPV)形成混合交通流(Mixed Traffic Stream,MTS).为在提高MTS交通流量的同...