奥迪Q7换道辅助系统(上)

在贵刊第72期(2006年第9期)上看到一篇关于宝马新7系夜视系统的文章。内容丰富,知识新颖。本人也想就刚刚在中国上市的奥迪Q7车型的换道辅助系统(SWA)作一下简单的介绍。换道辅助系统(SWA)通过对相邻车道,尤其是对汽车后方区域的持续监控,为驾驶员在超车和换道过程中提供信息支持。SWA利用雷达传感器检测车辆后方和两侧的环境(包括"视野盲区"),并在驾驶员准备换道时提供参考信息。当SWA识别到变换行车道有危险时,系统将提示。此时相应的车外后视     

换道辅助系统测试评价技术研究

当前国内汽车保有量不断增加,交通事故数量及死亡人数不断增加,换道辅助系统可以降低由于换道行为造成的车辆事故率。本文设计了换道辅助系统测试场景及评价方法,选取了一款具备换道辅助系统的车型,开展了实车测试,通过实车测试数据分析和评价,验证了该方法的可行性。从验证结果来看,该方法具备较好的操作性,可较好地反映换道辅助系统功能及性能的优劣。     

基于车车通信的换道超车辅助系统设计与实现

针对现有换道超车辅助系统的不足,提出了基于车车通信的换道超车辅助系统.以嵌入式系统为核心,使用了IEEE 802.11p无线通信技术.对系统的硬件架构和软件算法进行了描述,使用2台试验车于同济大学校园内对系统进行了实地测试,分析了换道超车过程中的时间和速、时间和转速之间变化的相互关系.试验得出在装载辅助系统情况下,2车的平均速度相对于正常情况下分别提高了17.32％和13.92％,速度标准差分别减少了5.34％和49.43％.2车转速分别提高了24.91％和12.31％,转速标准差分别减少了50.06％和48.62％.测试结果表明了该换道超车辅助系统在实地测试中可行,且能提高车辆的行驶速度.     

基于驾驶人换道行为的换道决策辅助系统预警时间研究

基于驾驶人的换道操作行为初步提出换道决策辅助系统合适的预警时间。观察换道作业与目标车道跟随车辆之间的联系。实验在西安绕城高速公路某一路段上实现。     

2020年大众迈腾PA变道辅助功能异常

正故障现象一辆2020年生产的一汽大众迈腾PA,搭载EA888型2.0T发动机,VIN码为LFV3A23C6L302****,行驶里程为12000km。据车主反映,该车在行驶过程中仪表台上显示变道辅助系统存在故障。故障诊断与排除接车后,维修人员使用诊断仪读取3C换道辅助控制单元中的故障信息,发现存有故障码C1115F0-行驶换道辅助系统控制单元2无法自动校准(图1)。检查车辆左后保险杠,     

数据驱动的驾驶员换道行为分析与预测综述

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。     

面向量产的高速公路智能换道系统决策规划方法研究

高速公路智能换道是高级辅助驾驶系统（ADAS）的重要功能,现阶段算法难以在低算力硬件资源条件下兼顾换道安全性和平顺性。为解决此问题,本文提出一种高速公路智能换道系统决策规划方法。通过分级危险区域,检测碰撞风险做出换道决策,进而实施横纵向解耦规划。在横向规划中,设计两阶段五次多项式换道轨迹规划,提升换道途中安全性和平顺性。在纵向规划中,巡航工况采用类PID算法,可提升规划实时性,而跟车工况采用基于同步预测时域的模型预测控制（MPC）算法,通过关联横纵向规划时间可提升换道平顺性,并设计代价函数降低求解复杂度可满足低资源占用要求。通过实车对比试验,验证了该方法在高速公路换道多场景中具有较高的安全性、平顺性和体验感。此外,算法占用的静态区存储和栈区峰值存储测试对比结果表明了该方法具有较低的硬件资源占用率,可满足低算力控制器对资源占用的要求。     

“奥迪电子”之车道保持辅助系统

上期为大家介绍了奥迪换道辅助系统,该系统的作用是减小车辆在并线过程中由于视野盲区而产生事故的概率。本期继续介绍奥迪上采用的另一项技术——奥迪车道保持系统。它的主要作用是为了避免驾驶员因疲惫或精神不集中导致车辆发生意外偏离,通过方向盘的振动给予驾驶员提醒。     

基于车路协同的车辆换道Logistic模型研究

本文基于车路协同系统下的多车数据,提取车路协同中距离和速度指标,利用python进行参数估计,并验证了模型的可靠性,同时结合车辆换道过程中的目标车道上前车和后车的距离和速度信息进一步对换道需要满足的最小间距问题进行说明,提出在车路系统系统中嵌套车辆换道最小间距模块,结合车辆换道最小间距和Logistic模型可以减小车辆换道判断误差,为驾驶者提供更加准确的换道参考。     

一汽大众奥迪A6L换道辅助系统功能失灵

故障现象：组合仪表显示“换道辅助系统不可用”。     

基于Frenet坐标系的换道轨迹规划及跟踪验证

为解决高速公路环境下的车辆自动变道问题,采用Frenet坐标系下的五次多项式算法对不同工况设计规划轨迹,实现自动变道辅助。首先根据自车状态与周围车辆状态预计变道所需直线距离,并在一定范围内进行多次五次多项式轨迹规划,得到备选轨迹集。以加速度最小为优化目标,对备选轨迹集中的所有轨迹进行评价,得到最佳换道轨迹。使用CarSim进行车辆和道路建模,在Matlab/Simulink中进行轨迹规划,并使用动力学模型的模型预测控制进行轨迹跟踪,验证了换道辅助系统的有效性。     

基于交通状况及行驶速度的高速公路换道时间研究

换道行为是影响高速公路运营安全的重要因素之一,而换道时间为交通安全分析模型中的关键参数,在换道时间标定中应考虑不同交通状况和不同行驶速度的影响。为此,在交通状况不同的多条高速公路进行了一系列的现场实车试验,通过行车记录仪采集连续的行车视频,采用计算机视觉技术中的Canny算法识别行车视频图像中的车道边缘线,获取精确的车辆轨迹与车道边缘线的偏移值,实现对车辆换道行为的准确识别。根据车载辅助驾驶装置记录的试验车辆换道时的行驶速度,以及换道影响区域内试验车辆邻近的各种车辆,对车辆换道时所处的不同交通状况和行驶速度组合条件下的车辆换道时间进行分析研究。结果表明:不同交通状况下的高速公路换道时间均服从对数正态分布;换道时间与车辆换道影响区域内的交通状况存在显著联系,车辆在处于低密度交通状况下的换道时间比在中、高密度交通状况下的换道时间长;当车辆在处于低密度交通状况和低行驶速度下换道时,换道时间比其他交通状况和行驶速度组合下的长,而在中、高密度交通状况下车辆的换道时间并不受车辆行驶速度的影响。本研究成果可为自动驾驶、微观交通仿真等相关模型的换道行为参数标定提供参考。     

基于人工智能算法的换道超车功能开发

随着汽车电气化、智能化的不断发展,汽车行驶的场景越来越趋于多样化和复杂化,从而促使汽车从辅助驾驶向智能驾驶不断创新。随着人工智能的引入,汽车智能驾驶功能越来越趋于实用,正在逐步实现向解放驾驶员双手、向车载高级驾驶辅助系统代替人脑进行复杂驾驶场景实时响应的阶段发展;高阶复杂场景智能驾驶功能则在辅助驾驶功能实现的基础上,针对驾驶员实际驾驶感受并结合人工智能算法实现向车辆复杂场景下的自动驾驶操作的方向发展。介绍了基于人工智能算法的换道超车功能开发,即通过换道条件的智能选择,使车辆以最佳方式自动完成换道超车过程。     

“奥迪电子”之换道辅助系统（SWA）

汽车的安全性如今已成为新车开发的主要目标之一。奥迪在新近推出的车型上陆续提供了多项革命性的驾驶员辅助系统,在提高舒适性的同时更保证了主动安全性能,为此我们将作出一系列介绍,向大家展示目前已经正式装在车上的这些功能,其中包括雷达辅助换道辅助系统SWA、主动巡航ACC、可视倒车摄像OPS、道路保持以及自动灯光等一系列相关汽车安全的电子设备。     

微观仿真中车辆换道的行为分析和建模

传统换道模型存在的两个缺陷:一是缺乏正常换道可实现区间的研究;二是忽略了换道过程中前轮转向角为0°的阶段。本文对正常换道的可实现区间的探讨,为换道是否需要倒车配合提供判断依据。修正了传统的2段式和3段式换道模型,将换道过程分为扭角、靠拢、收角、调整等4个阶段。用仿真实验证实本文提出的换道规则的可操作性。对中国西安城市道路上实际换道的拍摄图像进行分析,证明了该模型的正确性。     

基于稳态转向特性的智能车辆换道轨迹规划

为提高智能车辆在高速公路上的换道安全性,分析了车辆在高速状态下的转向特性并对换道轨迹曲线的最大曲率进行限制,以防止车辆在换道过程中出现侧滑现象,分析了交通车对换道安全性的影响,利用多项式函数进行换道轨迹规划,以车辆侧向加速度和换道时间为换道优化函数的优化变量,建立了基于稳态转向特性和换道安全距离的换道模型。利用MATLAB和CarSim软件对换道轨迹进行仿真分析,结果表明,该换道轨迹规划方法能够安全平稳地实现智能车辆的换道行为。     

大型营运客车在高速公路的换道安全性辨识

为了给大型营运客车换道预警系统设计提供参考,采用毫米波雷达、激光雷达、车道线识别传感器、GPS、视频监控系统以及控制器局域网（CAN）总线数据采集仪等设备,基于小型乘用车搭建浮动车采集平台。通过在试验线路上进行1.5×10⁴ km的驾驶试验,获取1 200余次营运客车的真实换道数据。以Jula提出的换道安全性模型为基础,结合营运客车的换道行为特征,通过分析换道进程结束后客车需要与周围车辆保持的安全距离,建立适合于营运客车的3类换道安全性识别模型（客车与自车道前方车辆、目标车道前方车辆、目标车道后方车辆）,并利用真实数据对3类模型进行验证。研究结果表明：客车换道持续时间均值为10.4 s,换道起始时刻与目标车道后方车辆的距离为10.0~40.0 m;所有换道样本中,73.3%的换道过程中客车速度要高于目标车道后方车辆,且超过90%的换道过程是由前方慢车引起;不同的速度区间下,车速和航向角联合变化情况下,驾驶人控制营运客车的横向偏移速度保持稳定,可认为客车驾驶人的心理预期换道进程存在固定经验模式,这与小型车换道的研究结论存在较大差异,传统的TTC预警算法识别率较低,在不同速度区间情况下,所提出的模型对客车与自车道前方车辆、目标车道前方车辆、目标车道后方车辆的换道安全识别评价准确率均超过了90%。     

车队认知能力增强的通信区块间隙优化方法

为了在单车超越车队的过程中缩短超车车辆与车队间通信范围，减少车队通信压力，锁定影响车辆入队的关键车队区块，同时通过将待进入关键区块的车队进行间隙优化调整，为驾驶人提供定制化换道入队引导服务，提出了基于驾驶人超车风格特征参数的车队内信息传输关键区块锁定算法，通过分析影响驾驶人换道入队位置范围的关键因素，将驾驶人换道入队过程分为本车道速度调整过程与入队速度调整过程，利用非参数贝叶斯算法获取驾驶人超车换道特征数据并提出基于关键区块所在车队位置序列的车辆间隙优化调整策略。研究结果表明：超车车辆加速度、与前车预计碰撞时间、与车队相对速度是影响驾驶人换道入队范围的关键因素；通过非参数贝叶斯算法将超车车辆运行数据分类获取的驾驶人换道入队驾驶操作基元，可准确提供驾驶人行为特征关键参数；通过将驾驶人换道特征分为48个子类型，可锁定驾驶人换道入队范围且车队关键区块范围随着超车车辆与车队速度差值不同在各个特征类型上呈现不同变化趋势；针对驾驶人入队特征对待进入车队关键区块的车辆间隙进行优化调整，不仅可以为驾驶人提供可接受的驾驶辅助信息，同时减少了车队间隙产生过程中车辆加速度范围，提升了车队运行的舒适性。     

奥迪A3驻车转向辅助系统(上)

驾驶员辅助系统在汽车上用得越来越多了。在过去的几年里,车上的驾驶员辅助系统有了很多创新。仅仅自奥迪Q7上市后,驾驶员辅助系统就增加了变道辅助系统、车道保持辅助系统以及倒车摄像机。大家熟知的奥迪车上的驻车辅助系统也是驾驶员辅助系统。驻车辅助系统的发展是从后部驻车辅助系统→前、后驻车辅助系统→MMI上带     

一种用于大货车换道安全性提示系统

针对大货车视野盲区大以及在货车车道变换时存在潜在追尾等问题,提出一种用于大货车换道安全性提示系统。该系统采用毫米波雷达探测货车后方车辆和本车之间的位置关系,用不同TTC值确定货车换道安全性等级。该系统可明显降低货车在换道时追尾事故的发生。