L3级自动驾驶汽车致人损害的责任主体研究

为了明确现阶段L3级自动驾驶汽车致他人损害的责任主体,本文通过对L3级自动驾驶汽车致人损害责任主体的域外考察以及分别对系统、驾驶员、生产者是否应作为责任主体进行批判性分析,得出如果自动驾驶汽车在L3级自动驾驶模式开启时致人损害,由生产者承担无过错责任,如果驾驶员在不应当开启自动驾驶模式的情形下开启自动驾驶模式,造成他人损害由驾驶员负责,但是有证据证明汽车存在明显缺陷则由生产者负责的结论。     

驾驶员接管自动驾驶车辆研究进展

为全面认识自动驾驶接管行为特征,分析驾驶员接管行为,结合自动驾驶接管的技术和现实背景,从自动驾驶接管绩效的影响因素,包括场景、技术、心理和生理等因素,梳理国内外驾驶员接管自动驾驶车辆的研究成果,总结主要研究内容和方法,并展望其未来研究趋势.通过归纳和分析揭示了影响驾驶员接管自动车辆的因素,主要包括接管场景和接管请求方式,同时非驾驶相关任务和年龄等因素也会影响驾驶员的接管行为和表现.针对驾驶员接管的驾驶特征及行为研究,内容精确丰富,方法科学完善;而对驾驶员接管绩效评价和干预研究,重点关注在统计学的基础上,建立完善的数据指标评价体系,用于评价和干预驾驶员接管绩效.未来针对自动驾驶接管的研究,一方面寻求自动车辆技术突破;另一方面综合心理学和统计学理论基础,建立驾驶员接管能力培训体系.      

驾驶员状态监测系统测试评价方法分析

随着智能驾驶汽车的高速发展，L2级别的高级辅助驾驶系统装车率也越来越高，L3级自动驾驶已逐步实现，而安全自动驾驶还尚未完全落地，当前正处于人机共驾阶段，尽管ADAS系统可以降低交通事故发生率，但疲劳驾驶、分心驾驶和危险驾驶等交通安全“隐形杀手”仍长期存在，给驾驶员和乘客带来生命安全，驾驶员状态监测系统能有效避免疲劳或者分心驾驶引发的交通事故，已经成为避免事故和改善道路驾驶安全的一项关键技术。本文介绍了驾驶员状态监测系统工作原理，分析了目前国内外驾驶员监测系统的测试评价方法，并总结了该系统的未来发展动向。     

驾驶模拟器在自动驾驶系统中的应用研究

自动驾驶车辆在实际道路上行驶之前的测试阶段是一个至关重要的环节。一个低成本、高效率以及高精度测量的自动驾驶车辆的测试方式,对于自动驾驶车辆的开发具有重要意义。将驾驶模拟器运用到研究自动驾驶车辆测试已是近年来的一个研究热点。基于虚拟驾驶场景的自动驾驶车辆的检测,通过组合虚拟驾驶场景的背景车辆、行人、交通灯、建筑、指示标牌等元素,研究将驾驶模拟器与虚拟驾驶场景的联合应用来测试自动驾驶车辆。设计了典型的交通场景,通过自动驾驶车辆和背景车辆的实时交互,研究自动驾驶车辆的各项性能指标。研究结果表明:该驾驶模拟器可以高度拟合人类驾驶体验,驾驶员通过驾驶模拟器控制背景车辆能够很好的模拟现实中的驾驶行为,对自动驾驶车辆的仿真测试起到了促进作用。     

中型卡车变速器现状与建模研究

汽车已成为生活中不可缺少的交通工具,其中变速器对于汽车的动力性影响极大。传统的手动变速器结构简单,性能可靠,在我国的中型卡车中广泛使用,同时也存在对驾驶员的体力和驾驶技术要求较高的情况。自动变速器可以降低驾驶员的驾驶难度,提高驾驶的安全性和动力性,随着自动变速器技术的发展,燃油经济性也不断提高。因此,基于已有的自动变速器技术,对手动变速器进行自动化改造,在保证动力性的同时,可以降低驾驶员的操作难度,提高驾驶安全性。     

言论

飞机上也有自动驾驶技术，人们对此并不诧异。但换成一辆让驾驶员悠闲读书，能够自主驾驶的汽车，对许多人来说仍是一项革命性的技术。沃尔沃汽车集团总裁兼首席执行官汉肯·塞缪尔森谈自动驾驶技术     

重复驾驶条件下驾驶员记忆增长模型研究

驾驶员的记忆影响视觉搜索及路径规划等驾驶行为,进而影响道路通行效率与交通安全.为了描述重复驾驶条件下驾驶员记忆变化的特征,设计模拟驾驶实验,研究同一场景下重复驾驶对驾驶员记忆的累积刺激.通过场景记忆量表衡量驾驶员的记忆程度,分析了驾驶员记忆增长与重复驾驶次数的动态变化关系,分别采用单分子式、修正Weibull方程及Richards方程建立累积刺激作用下驾驶员记忆增长模型,并以误差平方和、均方根误差和调整 R2为评价指标对模型精度进行对比分析.结果表明,3种模型均能对驾驶员记忆增长特性进行描述,其中 Richards模型精度最高,其平均调整R2为0.9884.Richards模型揭示了记忆的同化与异化作用的本质,更适合建立重复驾驶条件下驾驶员对场景的记忆增长模型.      

基于逆向强化学习的纵向自动驾驶决策方法

基于人类驾驶员数据获得自动驾驶决策策略是当前自动驾驶技术研究的热点。经典的强化学习决策方法大多通过设计安全性、舒适性、经济性相关公式人为构建奖励函数,决策策略与人类驾驶员相比仍然存在较大差距。本文中使用最大边际逆向强化学习算法,将驾驶员驾驶数据作为专家演示数据,建立相应的奖励函数,并实现仿驾驶员的纵向自动驾驶决策。仿真测试结果表明：相比于强化学习方法,逆向强化学习方法的奖励函数从驾驶员的数据中自动化的提取,降低了奖励函数的建立难度,得到的决策策略与驾驶员的行为具有更高的一致性。     

关于L3自动驾驶的人机交互设计研究

随着雷达、摄像头、处理平台的软硬件提升,加上高精地图的辅助,全球越来越多的汽车公司都推出了自动驾驶车辆,覆盖Level 2~Level 3的自动驾驶场景(SAE J3016),但这些场景都需要在必要的时候由驾驶员接管车辆,因此自动驾驶汽车对人机交互设计提出了新的挑战,比如合理的接管流程,驾驶操作的监测,权责划分的提示。     

预防重于治疗

在安全驾驶的理念中，驾驶员的态度比驾驶技术更重要。     

自动驾驶驾驶人接管特征研究进展

为自动驾驶驾驶人接管环节做出指导性的建议,从自动驾驶接管的影响因素和自动驾驶驾驶人接管绩效进行系统梳理,总结主要研究内容和方法,并展望其未来研究趋势。总结发现,现有研究缺少一套针对驾驶员在不同复杂度的交通环境下驾驶人行为准则,今后对于自动驾驶驾驶人接管特征的研究目的就是在清楚驾驶人有哪些行为后对自动驾驶安全接管设计提供理论支持。     

基于车联网的驾驶行为影响因素探究

由于汽车驾驶员驾驶行为的多样性与复杂性,极大影响了道路交通安全,近年来,对驾驶员驾驶行为的分析能有效改善驾驶员的不良行为,对减少道路交通事故起了一定的作用。本文通过查找和整理文献,基于车联网技术,就驾驶行为的相关概述、驾驶行为的影响因子、驾驶行为的数据采集和存储、驾驶事件的识别指标、驾驶事件的识别方法、驾驶行为的分类等进行了分析。研究表明,驾驶员的驾驶行为可分为冒险型、稳定型、焦虑型、愤怒型,其中稳定型对道路交通安全的影响极小,其它三种类型都有不同程度的影响。     

关于车辆路迹追踪自动驾驶的研究

在分析驾驶员利用图象信息进行驾驶的一般规律的基础上，提出了利用图象处理技术实现车辆路迹追踪自动行驶的控制方法和规则，并进行了模拟计算。结果表明，采用所提出的控制方法和规则进行车辆的自动驾驶是可行的。     

防御性驾驶,您能够做到吗?

防御性驾驶是将相关的驾驶技能和驾驶习惯进行系统的总结和归纳,形成一套简单明了、科学系统的安全驾驶体系。防御性驾驶理论传递给驾驶员的不仅是驾驶技术,更重要的是要保持高度警觉的驾驶思维方式,帮助驾驶员更清楚地了解人类的'生理缺陷',准确地'预见'由其他交通参与者、气象条件、道路环境而引发的危险。     

自动驾驶——从驾驶疲劳中解脱

在驾驶员监控下，汽车可在高速公路上实现最高时速达130km／h的半自动驾驶，这一成果展示了当今的驾驶辅助系统可以导向来来的全自动驾驶。     

浅析视觉对夜间开车的影响

视觉在驾驶员的驾驶中占据着十分重要的位置，驾驶员的信息90%来自视觉。可以不夸张地说，能识别和预料危险对驾驶员来说经其驾驶技术更重要，而识别主要依靠视觉。夜间的视觉活动有着许多不同于白于的特征。研究夜间驾车时视觉活动的特征和变化规律，对于提高驾驶员的夜间驾驶能力，保障行车安全至关重要。     

驾驶时间对营运驾驶员驾驶能力影响的试验研究

针对影响交通安全的疲劳驾驶问题,以公路客运行业的营运驾驶员为研究对象,应用人机工程学和试验心理学的理论方法按驾驶时间的不同设计了区组对比的试验方案,并用试验仪器现场采集了99个样本的试验数据,利用F检验和H检验等统计学方法分析了驾驶时间对驾驶员驾驶能力的影响。结果表明:驾驶时间在8~12 h之间,驾驶员的反应能力和注意能力会显著降低,而驾驶员的感知能力和操作能力的降低不明显;驾驶员的主观疲劳感受随驾驶时间的变化不明显。     

年度最佳轮胎技术

饩车的识别系统已经从识别固定信息发展到了实时交通信息的识别,可以更出色地辅助驾驶员获得更轻松的安全驾驶体验从部分自动到高度自动,再到完全自动,汽车终将驶向自动驾驶的时代当年,宝马工程师们选择了更富有创新意义的红外技术（FIR）,也就是热感相机实现了夜视辅助系统,成功利用了在热感成像相机上的成像来提高黑夜中的驾驶安全。     

基于驾驶员意图及行驶场景判断的智能驾驶模式识别策略

目前市面上的乘用车大多具备一个以上的驾驶模式供选择,有些车型甚至可以提供车主自定义的驾驶模式,从而满足驾驶员不同场景下的驾驶需求。由于主机厂对驾驶模式的定义具有一定使用场景针对性,可能出现当前选定驾驶模式不适合驾驶员的驾驶风格,或者当驾驶场景发生改变时,当前选定的驾驶模式无法及时满足驾驶员期望的情况。文章介绍一种驾驶模式识别策略,通过对CAN总线相关信号实时监控,掌握驾驶员输入,如加速、制动及转向等动作;以及车辆的动态表现,如车速、纵向加速度及侧向加速度等参数,并利用建立的模型,对车辆当前的行驶交通环境,驾驶员的驾驶风格以及驾驶员的意图进行综合判断,从而实时为驾驶员智能切换更合适的驾驶模式。该策略可满足驾驶员意图与驾驶模式相互匹配,从而提升用户的驾驶主观体验。     

智能交通技术引领安全驾乘

近日,博世携一系列互联化、自动化、电气化的智能交通技术亮相2015上海车展,致力于实现更安全便捷、更清洁经济、更舒适愉悦的驾乘体验. 据世界卫生组织(WHO)统计,全世界每年约有124万人因道路交通事故而丧生.其中,绝大部分的交通事故都是人为原因造成的,而发展自动驾驶技术是杜绝人为驾驶失误,实现“零事故”驾乘愿景的有效途径.博世通过对驾驶员辅助系统功能的持续创新,分阶段实现自动驾驶.目前,自动紧急制动、自动泊车等诸多驾驶员辅助系统功能已借助博世的雷达、视频及超声波等传感装置而实现.其中,自动紧急制动系统(AEB)能识别道路前方的障碍,为紧急制动进行预制动或自动紧急制动,自2016年起将成为欧盟新车碰撞测试(NCAP)五星成绩的必要条件,预计不久也将进入中国新车评价规程(C-NCAP).