自动驾驶汽车事件数据记录系统方案设计

随着汽车自动驾驶技术的发展,目前的EDR的标准无法满足自动驾驶汽车事故重建的要求.本文设计了自动驾驶汽车事件数据记录系统,包括系统的组成及控制原理,并定义了事件检测触发模块、数据缓存模块、数据记录模块.同时还设计了基于统一诊断服务读取/清除自动驾驶汽车事件数据的方法,用于辅助分析自动驾驶事故原因以及自动驾驶系统验证评估...     

自动驾驶安全第一

自动驾驶集人工智能(AI)、大数据、5G、车路协同、高精度地图与定位等高新技术于一体,顺应汽车工业革命的电动化,智能化、网联化、共享化发展趋势,近年来得到高速发展。具备自动巡航、紧急自动刹车、车道偏离预警等先进辅助驾驶系统(ADAS)功能的低等级自动驾驶汽车实现车辆前装,得到大规模量产应用。具备有条件自动驾驶、高度自动驾驶、完全自动驾驶功能的高等级自动驾驶汽车已经开展道路测试验证,量产商用可期。     

基于LabVIEW的汽车噪声无线测试系统设计

为记录汽车加速行驶噪声和定置噪声的测试结果并在车内随时调整测试方案、减少测试人员,设计了一种基于LabVIEW的噪声无线测试系统。通过硬件的连接、前面板的设计以及后台程序的编写构建了测试系统。该系统能够完成数据采集、分析处理、无线传输、数据记录和存储等工作。通过试验,验证了该系统满足汽车加速行驶车外噪声和定置噪声等的测试要求,提高了效率,降低了测试成本。     

智能汽车 梦想照进现实

谷歌公司（Google）近日宣称,通过对无人驾驶汽车行驶数十万英里后的数据进行分析,研究人员发现谷歌汽车在有人类驾驶的情况下,加速、煞车的次数皆远高于无人驾车模式,同时无人驾驶汽车能够比人类驾驶更好地保持与前车的安全车距。这意味着什么？无人驾驶汽车技术在日趋成熟的进程中已经超越了传统意义上的现代汽车。毫不夸张地说,智能汽车时代正在一步步迫近。不久前,博世底盘控制系统中国区驾驶员辅助系统事业部及市场部副总裁蒋京芳结合博世的实验认为,驾驶员辅助系统的时代已经到来,接下来便是自动驾驶。自动驾驶正是智能汽车时代的重要标志。在这条探索之路上,尽管我们还要历程无以数计的实验和尝试,但未来的汽车社会一定是向着更安全、更便捷、更环保迈进。     

基于场景的自动驾驶汽车虚拟测试研究进展

随着自动驾驶等级的提高,面向传统汽车的测试工具与测试方法已不能满足自动驾驶汽车测试的需要。基于场景的虚拟测试方法在测试效率、测试成本等方面具有巨大的技术优势,是未来自动驾驶汽车测试验证的重要手段,已成为当前的研究热点。通过对大量相关文献的系统梳理,综述了基于场景的自动驾驶汽车虚拟测试研究进展。对比分析了自动驾驶测试场景的不同定义方式,明确了测试场景的内涵,归纳了测试场景的要素种类,概述了测试场景的数据来源,总结了场景数据的处理方法。在此基础上,对自动驾驶汽车虚拟测试方法进行了总结,分析了典型的测试方式、测试平台和虚拟测试的技术要点,梳理了软件在环、硬件在环和车辆在环测试方案及其关键技术。针对自动驾驶汽车测试效率问题,研究了基于场景的加速测试技术,概述了典型的测试场景随机生成方法和危险场景强化生成方法。最后,对基于场景的自动驾驶汽车虚拟测试所面临的问题及未来发展趋势进行了分析和展望。研究结果表明：基于场景的虚拟测试是推动自动驾驶技术发展和产业落地的必由之路,未来研究应着力突破基于解构与自动重构的测试场景数据库、人-车-环境系统一体化高置信度建模、自动驾驶汽车虚拟测试标准工具链、不同自动驾驶汽车渗透率下的混合交通模拟与测试、测试案例动态自适应随机生成机制等核心共性技术,建立自动驾驶汽车虚拟测试标准体系。     

汽车事件数据记录（EDR）系统数据读取方案研究

汽车事件数据记录系统能够自动地记录车辆事件发生前后一段时间内的车辆运行和车辆安全系统状态信息,例如:车辆速度、车辆碰撞后的加速度、方向盘的转向角度、发动机运作状态、气囊状态、驾驶辅助系统、驾驶人在事件发生时的反应动作等重要信息。当车辆发生事件后时,通过采集、分析事件数据记录系统所记录的车辆状态、驾驶人反应动作等数据,可以推断出车辆在发生事件前后的实际运行参数,为事件分析鉴定提供了客观、公正的技术支持。而汽车事件数据记录系统数据读取方案的研究,为第三方独立读取数据,提供了有效的技术保障。     

基于LabVIEW的自动驾驶汽车在线振动监测与诊断系统

为了提高自动驾驶汽车在道路测试中的安全性,基于LabVIEW设计了一种自动驾驶汽车在线振动监测与诊断系统。该系统通过上位机与驾驶机器人通信,获取车辆运行状态数据,同时对自动驾驶车辆的振动在线监测,最后结合车辆振动数据和状态信息进行在线诊断,开发了监测与诊断界面,实现了自动驾驶汽车在道路测试行驶过程中的振动在线监测与诊断。     

用模拟信号发生器检定汽车行驶记录仪的方法

汽车行驶记录仪（以下称记录仪）的使用，对遏制疲劳驾驶与车辆超速行驶，约束驾驶人员的不良驾驶行为，保障车辆行驶安全及道路交通事故的分析鉴定具有重要的作用。汽车行驶记录仪是对车辆行驶速度、时间、里程及有关车辆行驶的其他状态信息进行记录、存储并可通过接口实现数据输出的数字式电子记录装置。记录仪是列入国家依法管理的计量器具，为保证其准确可靠稳定地运行，必须定期进行计量检定。     

基于ADAS的自动泊车功能数据分发服务设计

随着汽车电动化、智能网联化的不断发展,汽车控制系统将面临大量功能增加及技术升级,其中的电子电器架构逐渐趋向于中央计算集中化。针对高级驾驶辅助系统（ADAS）的自动泊车功能,对基于车载以太网的分布式实时通信（DDS）协议开展架构设计,通过多种异构传感器信息的采集和传输,实现自动泊车功能数据的实时交换。从实车检测效果来看,该设计方案可以满足当前驾驶辅助系统自动泊车功能的需求。     

实测数据驱动的自动驾驶道路测试驾驶模式辨别方法

自动驾驶道路测试中车企驾驶模式数据具有一定保密性，导致自动驾驶能力难以被客观评估。为此，提出了实测数据驱动的自动驾驶道路测试驾驶模式辨别方法。首先选取数据特征值构建K近邻估计、支持向量机、决策树、随机森林和BP神经网络5种机器学习监督分类模型；其次通过非参数秩和显著性检验确定驾驶模式持续时长阈值，持续时长大于阈值的数据段记录为准确的驾驶模式数据，小于等于阈值的数据段则为驾驶模式待分类数据集；随机选取70%记录准确的驾驶模式数据作为监督分类模型训练数据集，剩余30%作为测试数据集；最后利用正确率、精确率和召回率3个指标评价5种监督分类模型，并选取表现最佳的分类模型用于待分类数据的驾驶模式辨别。基于上海市城市道路和快速路2个道路测试场景共约43.6万条数据，验证驾驶模式辨别方法的有效性。结果表明：随机森林监督分类模型辨别道路测试驾驶模式的效果最佳；城市道路场景和快速路场景待分类数据驾驶模式记录有误率分别达到42.3%和39.4%。实测数据驱动的驾驶模式的辨别与修复，可显著提升评估自动驾驶道路测试驾驶能力的准确度。     

基于城市先进道路交通系统的智能交通仿真平台设计

针对自动驾驶汽车在复杂交通场景中的测评需要,通过对先进道路交通系统的通讯、监控、大数据的技术集成构建了智能交通仿真平台。基于212种中国城市道路交通场景,该仿真平台通过半实物的方式还原了常见的200种自动驾驶运营场景,为自动驾驶汽车的技术研发、功能测试以及智能交通系统的策略研究提供了可视化的验证,大大节约了智能网联汽车的开发成本,并为其开发成效提供了新的途径。     

基于高德导航数据与FOA-GRNN模型的驾驶倾向性辨识方法

为提升汽车主动安全功能,研究了1种基于高德导航数据的低成本、高精度驾驶倾向性辨识方法.基于高德软件开发工具构建动态驾驶数据采集应用程序,并融入个人智能终端以实现对行车数据的实时采集、处理与网络化存储.通过驾驶员生理、心理测试和实车实验获取不同驾驶倾向性驾驶员在导航行驶过程中由时间、速度和加速度推演的驾驶行为信息,采用主...     

自动驾驶工况下汽车虚拟人人机交互探索

对于传统汽车,驾驶员在环控制操控模式下,驾驶员搜集信息并完全掌控车辆行为。随着汽车自动驾驶系统的不断演进, L3层级自动驾驶系统的不断普及,汽车驾驶操纵模式正在悄然发生着变化。可以预见随着L4-L5层级自动驾驶系统的量产销售,驾驶员将从车辆中彻底消失,人车交互的虚拟驾驶员与车辆之间如何完成交互互动呢?本文将综述目前ADAS系统支持下车辆驾驶操控情况,并对未来L4-L5层级自动驾驶模式下的人车交互系统进行探讨。     

轿车巡航控制系统故障诊排2例

巡航控制系统（CCS）是利用先进的电子技术对汽车的行驶速度进行自动调节，从而实现恒速行驶的一种电子控制装置。装有该系统的汽车在良好路面上行驶时可以使驾驶员的脚离开加速踏板，汽车则以一个由驾驶员选定的车速恒速行驶。巡航控制系统由车速传感器、巡航控制计算机（CCECU）、执行器、主开关和控制开关、驻车制动开关、制动灯开关和空挡启动开关组成。有了自动巡航功能在驾驶途中倍感轻松自如，也省去了一些不必要的烦恼，自动巡航系统对于高挡轿车是必不可少。     

瑞萨电子加速ADAS、自动驾驶和驾驶舱开发的量产化进程

正瑞萨电子近日宣布推出了新一代先进驾驶辅助系统(ADAS)、自动驾驶以及网联驾驶舱展示车。瑞萨电子3款展示车(从传感器融合、ADAS到网联驾驶舱)全面展示了基于先进的、技术可量产的集成系统,这些技术可帮助车企和一级汽车零配件供应商应对从测试与模拟过渡到量产时自动驾驶汽车设计所面临的复杂挑战。以     

现代汽车维修业5大特征

故障诊断特征 现代汽车已不是简单的机械产品,也不是最初的交通工具,而是由原始汽车进化到一个高科技的结晶体。特别是电子技术、电脑技术的飞速发展,使汽车的科技化程度不断得到提高。电子燃油喷射系统发动机（EFIE）、ABS防抱死制动系统、SRS安全气囊系统、电子控制自动变速箱系统（AT）、加速滑动调整系统（ASR）、自动空调系统（A／C）、电子悬挂系统（ECS）、动力转向系统、自动巡航系统、中控门锁及防盗系统、TCS动力牵引系统及自我诊断系统等,这些总成均由电控单元（ECU）全面控制,电控单元具有自诊断功能,能记录出现的故障,并以代码形式存储在电控单元存储器中。     

基于自动驾驶汽车稳定性的聚类辨识模型设计

在自动驾驶汽车中高级辅助驾驶系统（ADAS）的设计过程中，车辆稳定性控制目标并没有考虑驾驶员个性化特质需求，尤其在一些极端行驶条件下控制效果会适得其反。鉴于此，在传统汽车稳定性评价标准的基础上融合了隐马尔科夫理论（HMM）和K-means聚类算法，采用无迹卡尔曼滤波和因子加权分析的参数处理方法，设计了一种自动驾驶汽车稳定性辨识模型。模型通过Carsim/Simulink和基于DSPACE驾驶模拟器的硬件在环仿真方法进行了验证。结果表明：该模型能够实现自动驾驶汽车稳定性的合理分类和在线辨识，同时能为今后进一步优化自动驾驶汽车轨迹规划方法提供理论依据。     

自动驾驶场地测试平台车国产化研发与验证

本文根据汽车先进驾驶辅助系统（ADAS）和自动驾驶（AD）测试标准要求，自主开发了一种ADAS/AD场地测试用的假人和两轮车目标物承载平台车，进行了平台车系统的动力学建模和速度、位置、姿态控制器设计，以及软硬件方案和通信链路优化，实现了可视化测试场景搭建并完成了整体测试。实际应用表明，该平台车系统满足C-NCAP和E-NCAP测试规范，相关工况功能触发完整，数据传输正确，平台车在加速段和匀速段等的控制精度均满足C-NCAP和E-NCAP测试要求。另外，平台车可通过整改升级来满足未来的标准。     

数学算法在汽车自动驾驶系统中的应用

本论文的研究目的在于探索数学算法应用于汽车自动驾驶系统的领域。通过从汽车自动驾驶系统概述、基础理论、具体应用及未来发展方向等方面的阐述,分析了数学算法对于促进汽车智能驾驶技术进步的重要性。数学算法不断地优化与创新,会进一步提高汽车自动驾驶系统性能与智能水平。     

基于自然驾驶数据的自动驾驶汽车安全性评价方法

自动驾驶汽车进行大规模市场推广前必须进行准确可靠的安全性评价，由于自动驾驶系统复杂程度的增加及设计运行区域的扩大，面向传统汽车的评价方法已不能满足自动驾驶汽车的安全性评价需求,基于此，建立一种基于自然驾驶数据的自动驾驶汽车安全性评价方法，可解决现有方法在逻辑场景层面安全性评价的缺陷。首先，建立基于自然驾驶数据的逻辑场景构建流程，分析场景描述参数，搭建自然驾驶数据采集平台采集相关自然驾驶数据，采用高斯分布模型描述参数概率分布；进而，离散逻辑场景参数空间获取具体测试用例，并在建立的PreScan、CarSim和MATLAB联合仿真平台中对被测自动驾驶算法进行仿真遍历测试，通过高斯模型将测试结果中的危险场景参数聚类，获取被测算法在逻辑场景中的危险区域；最后，综合考虑逻辑场景参数空间概率分布和得到的相应逻辑场景危险区域，提出基于自然驾驶数据的自动驾驶汽车安全性评价指标——场景风险指数，并以前车制动和前车切入场景为例，给出某黑盒算法的具体评价示例。研究结果表明：被测算法在前车制动场景和前车切入场景中的场景风险指数分别为0.409 8和1.08×10^-5，在前车制动场景中具有较大的安全风险，与仿真测试的直观结果相符；通过比较计算得到的场景风险指数与实际仿真测试结果可证明所提出的方法可以实现逻辑场景层面的自动驾驶安全性量化、易于操作、贴近自然驾驶情况。