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。     

基于场景元素的智能网联汽车场景构建研究

在智能网联汽车测试评价中,场景库搭建与道路测试一直都是其难点。文中对智能网联汽车功能的典型测试场景搭建及测试方法进行分析与研究,首先分析智能网联汽车驾驶场景的来源,从典型驾驶场景中归纳出基本场景元素库,以场景元素库为基础实现测试场景库搭建;然后在PreScan中进行场景虚拟重构,进行自动驾驶功能模拟仿真;最后基于真实道路场景搭建对车辆自动驾驶功能进行实车测试。     

基于场景的智能网联汽车“三支柱”安全测试评估方法研究

随着汽车智能化、网联化以及自动驾驶技术的快速发展，搭载自动驾驶功能的智能网联汽车目前正处于测试验证转向多场景示范应用的新阶段，产业化应用需求日益迫切，车辆安全问题更加凸显，针对车辆产品安全的测试评估方法成为关注焦点。由于智能网联汽车及其运行环境的复杂性以及安全事件的偶发性，传统的高里程实车测试在效率、成本等方面难以适应自动驾驶测试评估的发展需要。从第三方视角出发，在汽车生产企业研发测试的基础上，结合工程实践与应用需要，通过分析智能网联汽车的安全目标，对比模拟仿真、封闭场地和实际道路3种测试方法的特点及优缺点，提出基于场景的 “三支柱”融合测试评估方法，为综合评估智能网联汽车的安全性提供支撑。     

智能网联车辆生态驾驶研究现状及展望

作为近年来智能网联汽车领域的研究焦点，生态驾驶旨在提高驾驶安全的基础上，通过改善驾驶行为，有效缓解能源消耗和污染排放等问题，引起了各国政府、企业、高校和研究机构等的高度重视。同时，随着智能网联车辆技术的迅速发展，网联环境为生态驾驶提供了新的发展契机。为了分析智能网联车辆生态驾驶的研究进展，通过与传统生态驾驶进行对比，从车辆自身特性、驾驶人个性、道路交通状况与社会条件4个方面分析了智能网联环境下的生态驾驶的影响因素；从生态驾驶控制策略和生态驾驶应用现状2个方面对现有智能网联生态驾驶研究进行了归纳与分析；并从影响因素、控制策略和决策优化3个方面讨论了生态驾驶的意义、应用与目前所存在的问题，致力于为未来的相关研究提供有益的指导与借鉴。分析结果表明:智能网联环境下的生态驾驶和传统生态驾驶的影响因素较为相似，不过网联传感器和通信条件对智能网联环境生态驾驶有着较为显著的影响；相较于传统生态驾驶，智能网联环境下生态驾驶的控制策略与决策优化多考虑复杂驾驶工况、多车级别的全局生态驾驶；且由于各种新型技术的快速发展，结合先进的技术、适应行业发展需要也将成为未来智能网联生态驾驶发展的必然趋势。      

智能网联车路口行驶的决策策略分析

智能网联车的无人驾驶分为感知、规划、执行三个部分,行为决策是无人驾驶发展的核心技术之一。在复杂的交通路口,车辆行驶路线难以预测,通过分析车辆在路口行为发生条件统计,设计出合理和安全的驾驶行为。文章以智能网联车为研究对象,使车辆行驶到十字路口的换道、转弯、调头等行为对应行驶场景,能够保证智能网联车安全、合理的在一定可控范围下行驶在复杂的十字路口。无人驾驶车辆在十字路口的通行中提高了行驶效率和减少了运营成本,带给人们更加便利和舒适的服务,推动智能网联车更全面的发展。     

基于场景的智能网联汽车模拟仿真测试评估方法与实践

搭载自动驾驶功能的智能网联汽车因可在其设计运行条件内承担全部动态驾驶任务,面临安全验证与评估挑战。基于场景的智能网联汽车安全测试评估方法已成为广泛的行业共识,模拟仿真测试是其重要手段之一。从第三方视角,针对自动驾驶安全性、高场景覆盖度、逻辑完备性等测试验证目标,搭建基于软件在环的模拟仿真测试环境框架,在此基础上研究基于设计运行条件覆盖的测试场景集构建方法,探索形成一套高可信智能网联汽车模拟仿真测试评估方法,并在特定应用场景进行初步实践。研究成果为模拟仿真测试在智能网联汽车安全测试与评估中的落地应用提供了参考。     

智能网联车环境下考虑反应时间影响的基本图模型

未来年由一定比例的智能网联车与人工驾驶车辆组成的异质交通流是当前交通流领域研究的前沿和热点。为研究智能网联车与人工驾驶车辆反应时间的差异对异质交通流宏观特性的影响,基于智能驾驶员模型推导出了包含反应时间与智能网联车比例的异质交通流基本图模型。首先,考虑反应时间对驾驶行为的影响,对传统IDM进行了改进;其次,基于改进后的IDM推导出了异质交通流宏观基本图模型,并分析了反应时间与智能网联车比例对异质交通流通行能力的影响。同时,对模型中通行能力的影响因素进行了敏感性分析;最后,借助MATLAB与VISSIM搭建了智能网联环境仿真平台,对本研究提出的模型进行了验证。结果表明:(1)智能网联车比例的增大能提高异质交通流的通行能力,但反应时间对通行能力具有消极影响作用;(2)自由流速度越大,异质交通流的通行能力越大;(3)最小车头间距越大,异质交通流的通行能力越小,且最小车头间距每增加0.2 m,异质交通流的最佳密度减小约0.15 veh/km,对应的最大流量减小约10 veh/h。仿真试验显示不同智能网联车比例下的仿真数据与理论曲线有较高的一致性,从而表明理论模型是正确和有效的。     

中国重汽：展演第Ⅱ代智能卡车(L2~+级)和自动驾驶电动公交客车

<正>2019年11月23日,中国重汽集团2020年商务大会召开之际,在济南智能网联汽车测试区,由中国重汽集团最新推出的第Ⅱ代智能卡车和自动驾驶公交客车分别进行了驾乘体验活动,让见证者对新一代智能驾驶卡车和自动驾驶客车又有了新的认知。下面对这2款车作具体介绍。第Ⅱ代智能卡车:全车速和固     

智能网联汽车热带测试场景研究

环境测试是实现高级自动驾驶的重大技术问题,阐述了国内外智能网联汽车环境测试发展现状,阐明了智能网联汽车热带测试场景建设的必要性。深入挖掘国际上智能网联汽车测试场景建设项目提出的场景框架,然后提取场景框架中的环境要素,指出相应环境要素对于智能网联汽车安全驾驶的重要影响。提出智能网联汽车热带测试场景的环境要素,并凝练了海南热带测试场景环境要素中的气候、交通和植被要素特征,建立了具有代表性的智能网联汽车热带测试场景,为高级自动驾驶实施落地奠定了基础。     

智能网联汽车测试场场景设计方法研究

智能网联汽车测试场是"无人驾驶"车辆运行安全测试的基础设施.构建测试场景、分析测试场设计要素和技术指标是测试场设计的核心.基于"车-路-环境"的测试场景分类,给出典型测试场景模型构建方法和建设需求,可用于支撑智能网联汽车测试场总体设计.     

高寒环境下的智能网联汽车试验场研究

随着汽车智能驾驶技术的快速发展,为了建立完整的智能驾驶技术验证体系,国内外的智能网联汽车试验场遍地开花,极大地丰富了智能驾驶测试场景库,但高寒环境下的智能驾驶成为技术发展的瓶颈。本文主要介绍了三种不同类型的智能网联汽车试验场的特点,分析了高寒环境对智能驾驶汽车的影响,阐述了建设高寒环境智能网联汽车试验场的必要性,最后通过将环境和场景设计相结合的例子,为高寒环境下的智能驾驶技术研究提供一种可行的思路。     

基于改进跟驰模型的混合车辆编队研究

现有的车辆编队控制研究多基于全智能网联环境，不适用于智能网联汽车(Connected and Automated Vehicle, CAV)与人工驾驶汽车(Human-Driven Vehicles, HDV)组成的混合交通场景，因此以混合交通环境下CAV和HDV组成的车辆编队为研究对象，引入头车及前车、后方HDV信息，提出一种改进的智能驾驶员模型(Intelligent Driver Model, IDM)。为更贴合驾驶员的操作行为，缓解优化速度模型(Optimal Velocity Model, OVM)受前车影响产生的速度波动，通过引入驾驶员误差，对OVM模型进行改进。为验证模型的有效性，分别对以上改进进行仿真对比分析，结果表明改进后的IDM模型和OVM模型组成的混合车辆编队在速度响应时间、跟驰间距、油耗、安全性、稳定性等性能方面得到明显改善。     

面向新型混合交通流的快速路合流区通行能力建模

面向人类驾驶和具备协同自适应巡航功能的网联自动驾驶组成的新型混合交通流,考虑道路交通特性、道路结构以及匝道汇入前主线交通状态等因素的交互作用机理,基于概率统计理论解析网联自动驾驶渗透率和编队长度间的耦合关系,进一步基于间隙接受理论分析匝道汇入交通对合流区通行能力的折减效应,建立快速路合流区通行能力模型,定量描述不同道路条件下合流区通行能力如何随网联自动驾驶渗透率和编队长度变化。模型中的道路交通特性、道路结构及匝道汇入前部分交通状态参数根据实际道路交通环境标定,提升了模型的通用性与可迁移性。搭建内嵌车辆动力学模块的Vissim仿真平台进行模型评估,结果表明,模型精度在80%以上,且在不同网联自动驾驶渗透率和编队长度条件下皆表现良好。      

城市交叉口车路网联信息对青年驾驶人驾驶行为的影响分析

基于驾驶模拟器设计了城市道路信号和无信号交叉口场景下的模拟驾驶实验,研究网联信息的存在和内容对青年驾驶人工作负荷和操纵行为的影响.实验共包括被试26人,均为22～30岁的青年驾驶人.结果表明:对无信号交叉口(区分次干路直行车辆和主路对向左转车辆)或信号交叉口红灯时间即将结束时,网联信息可以显著降低青年驾驶人的工作负荷,...     

异构智能网联汽车编队延迟补偿控制研究

智能网联汽车多车编队行驶可有效缩短跟车间距和提升交通系统通行效率，但多车编队控制须解决异构编队控制器的普适性问题，且能够在执行器响应延迟和通讯延迟情况下保证车辆编队的弦稳定性。本文提出一种面向异构智能网联汽车编队的延迟补偿控制方法，在无须获取他车系统动力学参数及控制输入前提下，利用他车加速度信息即可实现车辆编队纵向跟踪控制；此外，提出一种基于Smith预测器的延迟补偿控制架构，分别消除和降低了执行器响应延迟和通讯延迟对车辆编队弦稳定性的影响。典型工况仿真结果表明，相较常见车辆编队控制方法，本文提出的异构车辆编队延迟补偿控制器的跟车误差降低了80.7%，有效减小了最小车头时距和跟车间距。     

浅析无线信道环境对LTE-V2X通信性能的影响

由于智能网联汽车LTE-V2X功能对安全预警、自动驾驶的重要作用,如何定量准确评估汽车无线通信能力是智能网联汽车测评领域的关注点。其中,汽车通信能力除了受自身芯片能力及天线系统增益的制约外,还受到外界无线信道环境的影响。本文针对前期LTE-V2X功能实际道路测试中发现的通信中断问题,选取了3个典型道路场景,对LTE-V2X终端的通信距离、丢包率等数据进行采集与分析。下一步将对采集到的无线信道环境进行信道建模与试验室复现,为智能网联汽车通信可靠奠定基础。     

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。     

通信时延与丢包下智能网联汽车控制性能分析

网联协同控制是智能网联汽车的重要应用场景，而车联网的通信时延与丢包可能导致控制性能下降，甚至影响行车安全。为了分析时延与丢包对网联车辆控制的稳态与瞬态性能的影响，设计了网联控制器，并开展了仿真与实车试验。基于车辆动力学特性，将通信时延与丢包下的网联车辆控制分解为纵向控制与横向控制，进行了统一建模，并设计了控制器进行试验分析；搭建了网联自动驾驶的CarSim-Simulink联合仿真平台，及集成可模拟时延与丢包的LTE-V原理样机的智能网联汽车试验平台；开展了不同时延与丢包率下网联跟车控制与网联路径跟踪控制的仿真试验与实车试验。试验结果显示：时延与丢包对控制误差的影响形态有相似性；时延或丢包率取系统及工况参数有关的小值时，如试验中时延小于200 ms或丢包率小于20%，工况随机因素对控制误差的影响可能超过时延与丢包的影响；在更大的时延或丢包率下，时延与丢包的出现方式（如出现时机等）对控制误差影响更大。研究结果表明：能实现针对网联车辆控制系统通信特性的控制器优化设计，使得当时延与丢包在工况相关阈值内时，系统控制误差有界。所揭露的规律一方面可用于对造成危险控制误差的时延与丢包工况进行预警，另一方面也可用于基于给定的稳态或瞬态控制误差边界，判定对应工况允许的时延与丢包率边界。     

网联与非网联环境下驾驶人换道意图识别研究

网联时代的到来必将改变驾驶人的注意力分配和环境感知能力，进而影响其认知与行为模式。此时，非网联环境中建立的换道意图模型是否继续适用于网联环境值得研究。因此，基于驾驶模拟器搭建了网联与非网联换道场景，对比分析了2种环境下驾驶人换道意图表征参数与换道意图识别模型。结果发现：网联环境下的换道意图时间窗口长度(6.6 s)比非网联环境(4.1 s)长了约60.98%。网联环境下，意图表征参数(车辆运动与驾驶人操作参数)波动幅度显著小于非网联环境。换道意图阶段，非网联环境下驾驶人的平均扫视速度、后视镜观看频次以及注视时间与网联环境下存在显著差异。模型对比发现，当提前0.5 s识别时，网联与非网联环境下的模型识别精度无明显差异，分别为98.25%和96.35%;当提前2 s识别时，网联环境下的模型识别精度(93.48%)显著高于非网联环境(85.68%);在提前3 s识别时，网联环境下的模型识别精度为92.23%,非网联环境下出现了训练不收敛的情况。综上可见，网联与非网联环境下驾驶人换道意图表征参数与模型识别精度存在较大的差异。此外，网联环境下驾驶人换道意图通过所提模型精确识别后利用网联通信方式发...     

基于V2X和自动驾驶HIL联调的仿真系统开发

随着智能网联汽车的快速发展,车用无线通信（V2X）技术在智能交通领域发挥着越来越重要的作用,因此行业内对 V2X 和自动驾驶相关的硬件在环（HIL）融合测试需求也越来越高。由于 V2X HIL 系统与自动驾驶 HIL 系统两者相互独立,在实际应用中尚缺少对两者相关应用场景及功能进行全链路的闭环仿真测试系统。基于 dSPACE 平台 HIL 仿真系统及V2X HIL 系统的联调过程,搭建了一套能够同时验证蜂窝车联网（C-V2X）通信功能和单车智能感知功能的 HIL 联调仿真测试系统。测试结果表明：通过对 V2X 应用场景的仿真,该系统能够正确实现对单车智能驾驶功能测试、V2X 被测算法的验证及预警功能显示,由此验证了联合仿真平台的有效性。