车路协同车辆编队系统研究

车辆编队是通过网络技术，使车辆彼此之间紧跟在一起行驶。设计了基于信息物理系统(cyber-physical system CPS)理论的货车编队系统的框架，利用路侧摄像头、毫米波雷达等路侧智能设备、车载OBU智能终端获取道路及车辆信息进行多源信息融合，并通过V2X通信技术进行数据传输，从而实现车、路、云协同工作。     

智能网联汽车节能优化关键问题与研究进展

汽车保有量的增加和能耗排放法规日益严格的限制给车辆节能减排提出了巨大挑战，网联化、智能化和电气化是提高未来交通效率和减少公路能源消耗的三大支柱。为了全面了解智能网联汽车节能减排的前沿问题与研究进展，对当前经济驾驶领域的重点问题进行了总体概述。首先，从广义的能量转换角度总结了智能车辆节能优化技术的本质和3个过程，其中Wheels to Distance环节的车辆系统优化是挖掘汽车节能潜力的重要一环，针对其介绍了智能网联汽车节能优化问题的基本数学原理；其次，从智能运输系统的各类非同源异构数据出发，分别从人-车交互、车-车通信、车-路感知三方面阐述来源于"人-车-路"交互体系的智能信息与数据；然后，针对单车智能网联环境下的多维度信息与先进控制技术相结合的关键问题，从考虑道路坡度预测巡航控制、跟车工况预测巡航控制、智能辅助驾驶和车道变换等应用场景进行具体介绍；针对"人-车-路-云"多源异构环境下车辆行为协同节能关键科学问题，从经济驾驶、多车协同节能、道路交叉口车路协同节能和车云协同节能等方面详细介绍研究现状；并进一步介绍电气化公路系统的前瞻性研究，说明融合智能化信息的E-highway节能潜力和智能重型商用车协同节能的未来发展趋势。最后，总结并梳理智能化信息对于提升车辆节能的重要影响，并展望了其在理论与实际层面遇到的挑战。     

面向智能车辆的现役道路设施行驶适应性研究综述

为了总结面向智能车辆的现役道路设施行驶适应性，即现役道路基础设施承载智能车辆行驶的适宜程度，阐述自主智能驾驶定义与驾驶自动化等级分类，在此基础上剖析不同等级间的人机功能差异，并分别从感知层、感知-决策层、决策-控制层探讨与道路设计要素相关联的人机功能差异，通过归纳总结智能车辆与道路几何要素、路面性能及其他道路要素(如道路标线)的相互作用机制研究，从道路工程角度及其他道路要素方面回顾该领域的研究现状，指出存在的问题和未来发展方向。研究结果表明：相比传统车辆，配置高等级自动驾驶系统的智能车辆对现役道路设施行驶适应性最高，主动安全系统次之，而驾驶辅助及有条件自动驾驶系统适应性不足。而目前研究主要问题包括：难以归纳、标定不同驾驶自动化等级间的人机功能差异及其对于道路设计参数的需求设计值；测试道路场景条件过于理想，考虑的驾驶自动化等级单一，试验规模和样本有限；道路几何、路面性能以及道路标志、标线等道路要素与智能车辆间的相互作用机制研究不足，缺乏与不同道路场景相匹配的智能车辆驾驶特征数据的获取手段。因此建议：重视并推动与道路设计要素相关联的关键人机功能差异指标信息共享；联合高保真且可交互的道路场景、高精度感知传感器物理模型、车辆动力学模型及微观交通流模型，利用测试场景自动化生成、极限工况场景搜寻与泛化等技术开展智能驾驶虚拟测试，突破现有研究的深度和广度；探索反映不同等级智能车辆的道路行驶适应性特征指标与评价标准，精准、有效地评估预测复杂道路场景及不利道路条件下的行驶适应性。     

智能车辆的研究及发展

智能车辆也叫无人车辆，是一个集环境感知、规划决策和多等级辅助驾驶等功能于一体的综合系统。它集中运用了计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术，是典型的高新技术综合体。它具有道路障碍自动识别、自动报警、自动制动、自动保持安全距离、车速和巡航控制等功能。它的主要特点是在复杂的道路情况下，能自动地操纵和驾驶车辆绕开障碍物并沿着预定的道路(轨迹)行进。     

基于地空信息融合的无人机交通状态感知方法研究

现有的无人机（UAV）交通状态感知方法，主要针对宏观交通状态参数的获取，同时尚未克服UAV自运动对交通参数检测精度的影响，难以满足智能交通系统对于高精度微观交通参数的应用需求。为此，提出一种基于地空信息融合的UAV交通状态感知方法，该方法包括：地空信息融合模型、道路关键点（IKP）检测及跟踪、车辆目标检测及追踪算法和交通状态参数提取及估计。其中，地空信息融合模型利用地基信息（IKP世界坐标）与空基信息（IKP像素坐标）进行最优化融合，并通过自适应IKP追踪算法与自适应UAV位置偏移判断算法实时更新模型参数，以此克服UAV自运动对车辆轨迹精度的影响，进而获取可靠的车辆级（瞬时速度、车头间距和车头时距）与车道级（车道动态密度、车道流量和空间平均车速）交通状态参数。利用提出的感知方法获取实地拍摄视频的车辆级交通参数并进行了分布检验，同时比较了基于不同交通流模型的车道级参数估算方法。结果表明：该方法在车辆检测的mAP@0.5指数超过90%，同时提取的车辆轨迹相对完整，获取的车辆级和车道级交通状态参数也符合实际交通流状况。最后，将该模型应用于实地道路的交通拥堵检测及交通事件检测，该研究结果为UAV在现代交通感知和管理中的应用提供了一种理论和技术参考。     

智能车辆多传感器融合策略

传统车辆自主换道研究多以理想道路曲率及车辆间简化的相对运动为前提,通过匹配采样周期将车路数据直接传入控制器,难以验证系统在真实环境下的可靠性。文章设计了一种多传感器布置方案及融合策略,并在Matlab/Simulink平台构建高速公路仿真场景,验证多传感器融合策略的有效性。其仿真结果表明,该多传感器融合策略能够在高速场景下实现对目标车辆的持续跟踪,模拟智能车辆环境感知、数据融合过程,进而为智能车辆自主换道系统的开发提供技术参考。     

基于车联网数据的商用车发动机性能对比分析研究

<正>道路运输车辆在线监测技术是现代综合交通运输体系和交通行业融合发展的重要技术之一^[1]，是《交通强国建设纲要》提出的重要发展方向^[2]。车联网技术的应用，可以获得车速、发动机转速、扭矩、排放等道路运输车辆的信息^[3]。高效处理这些信息，获取监测的关键参数指标，对交通管理和运输车辆的安全、节能有重要意义^[1]。由于车辆回传数据信息量大、种类多，单纯从数据驱动模型的角度，难以用统一的方法进行数据处理，     

面向动态导航的城市路网实时交通信息服务系统研究

结合国内外的研究现状，基于实时GPS数据和高架线圈检测数据的数据融合处理技术，给出了面向动态导航的实时交通信息服务系统的总体框架，实现了城市路网的实时交通流状态估计；通过构建实时交通信息系统，借助无线通讯方式为车辆提供实时交通信息和动态路径规划服务，实现了在动态路径规划基础上的车辆动态导航。     

智能感知道路专栏导语

随着互联网、云计算、大数据等信息技术的发展，人们对交通基础设施智能化的需求更加迫切。以服务未来智慧交通为目标的智能道路基础设施成为了当代交通领域发展的重要方向，其中，智能感知是智能道路基础设施研究方向的基础和前沿。智能感知道路是通过特定的感应通讯、数据网络和材料结构系统设计，实现具有主动感应、自动辨析、自主调节和动态指示等服务功能的道路基础设施。智能感知道路对路面环境、力学、交通等状态的感知研究，可为评价道路服役状态,降低安全风险提供保障；对路面诊断修复的研究，可为延长道路使用寿命，降低养护成本提供依据；对路域能量转换与采集的研究，可为交通能源融合发展，实现节能减排的战略目标提供借鉴。智能感知道路研究对于我国道路基础设施服务水平的本质提升和交通强国建设与发展具有重大而深远的意义。
近年来，众多学者在道路基础设施感知信息解析，多源数据处理，感知材料设计和智能铺装结构设计等方面取得了丰富的成果，为提高我国道路基础设施智能感知水平和加快交通基础设施智能化发展提供了重要的理论指导和技术支持。为充分展示智能感知道路领域的最新研究成果，引领该领域的发展方向，推动理论与技术创新，《中国公路学报》编辑部邀请长安大学蒋玮教授、哈尔滨工业大学徐慧宁教授、北京航空航天大学李峰教授、东南大学马涛教授、同济大学朱兴一教授、武汉理工大学刘全涛教授作为组稿负责人，共同向该领域的知名专家、学者约稿，出版本期“智能感知道路”专栏，回顾、总结和推广我国智能感知道路领域的最新成果，展望该方向的发展趋势。本专栏共收到相关理论、技术、方法、试验研究及综述等论文40余篇，最终录用9篇。研究内容集中于以下几个方面：
（1）综述。梳理总结了感应充电路面技术、融合感知特性的道路铺装结构设计体系、冰雪路面摩擦特性与运营风险管控等方面的最新研究成果和发展趋势。
（2）自感知道路及其配套的感知系统技术。主要内容包括：路面低温变色复配物的制备及热色特性研究、环氧树脂基自发光路面材料设计与性能研究、基于分布式光纤的混凝土路面振动场感知与解析等。
（3）自修复路面及其诊断系统技术。主要内容包括：石墨烯微胶囊沥青双机制愈合机理研究等。
（4）自俘能路面及其能量转换系统技术。主要内容包括：基于应用环境的路用压电俘能单元尺寸优化与性能评价、智能道路无线充电系统耦合线圈互操作性分析等。
智能感知道路相关理论、材料、结构的研究，将有力地推动我国以智能为重要特征的新型交通基础设施的理论研究与工程实践，为加快交通强国建设提供有力支撑。《中国公路学报》将持续关注该领域的国内外最新研究进展，以期为广大专家、学者及工程技术人员提拱学习、交流的平台，促进我国智能道路基础设施领域的高质量与可持续快速发展。     

车路协同信息融合的智能汽车行驶状态模糊评判

为了监测与评判道路上行驶的智能汽车的实时状态,基于研发的智能汽车的车载感知系统,包括通过视觉传感器、激光雷达、GPS定位、车载传感器系统及车载总线获取车内及周围环境信息。采用V2X通讯设备等获取路侧端雷视一体机、路侧传感器、气象传感器传输的交通信息,通过V2X通讯设备、4G通讯模块传送到云服务器并建立模糊评判模型。基于可信度的模糊推理算法对环境信息和交通信息进行融合,并以此为依据对行驶车辆的状态进行评判。首先,建立针对车辆行驶状态的模糊评判集合和各参数隶属度函数,计算出各参数的隶属度,并对行驶车辆的各个参数建立典型的行驶状态评判参数数据集合。其次,采用模糊假言推理方法,以典型的数据集合为基础建立带可信度和阈值的模糊规则库。应用麦姆德尼方法,建立与规则库的每个规则所对应的模糊关系矩阵库。以车辆行驶时接收到的车载端和路侧端信息作为输入,应用规则库规则进行带有可信度的模糊推理。然后,以相似度作为匹配度,对推理规则设定阈限,按照证据与规则的前件不相等的情况,计算结论的可信度得出结论。对结论进行冲突消解时,冲突消解的策略为取可信度高的结论。最后,应用匹配度对结论的可靠性进行验证,并在多个道路场景实时行驶的车辆上对算法进行试验验证。研究结果表明:算法对行驶车辆状态的评判与实车的状态相一致,可实现对车辆不安全状态的报警与行驶状态的干预,对保障行车安全有显著积极的实际应用意义。