城市轨道交通B型电动客车用户需求书规范化编制

介绍了研究B型电动客车用户需求书规范化的目的、主要内容以及关键技术内容的编制。该用户需求书可以满足我国不同城市对城市轨道交通B型电动客车的招标采购的要求。用户需求书中所列入的各项技术指标均达到国内B型电动客车的先进水平,适用于国内城市轨道交通B型电动客车最高运行速度范围为80~100km／h的招标采购,也可供最高运行速度大于100km／h的B型电动客车招标采购时参考。建议各业主单位在使用该范本时,根据各城市的实际情况、可行性研究报告、初步设计文件等需求进行必要的调整。     

高清摄像机性能测试

2012年8月轨道交通视频技术实验室开展了高清摄像机性能测试。首先在北京南站对实际车站场景进行环境调研,采集基础数据,并依据车站照度情况搭建相似的实验室测试环境。在对铁路应用中可能出现的问题（例如摄像机指标、宽动态的选择等）进行全面、充分的考虑后,通过搭建不同的测试环境,对目前应用较广的多种高清摄像机进行性能测试。希望此次测试明确用户需求,掌握高清摄像机在宽带动态、清晰度以及带宽方面的变化,给用户提供有效的性能指标和测试数据。     

基于RDE试验的车用发动机工作状态和排放浅析

在北京、重庆和昆明地区开展了轻型汽油车RD E试验,在满足当前法规RD E要求的前提下,研究了驾驶行为对轻型汽油车发动机工作载荷和真实道路排放的影响.研究结果表明:与WLTC工况下发动机的工作载荷相比,RDE试验发动机工作载荷区域更宽;RDE试验过程中激烈驾驶会引起燃油保护加浓,燃油保护加浓会导致CO排放随着激烈程度的增大非线性升高;基于平原WLTC循环的CO2特性曲线在高原地区开展RDE试验时,RDE试验窗口的正常性难以通过;冷起动阶段的排放远高于起动后的排放,起动阶段的排放物应纳于标准检测范围并予以规范.     

交通运输部办公厅印发《道路运输驾驶员应急驾驶操作指南(试行)》

为深入贯彻落实党中央、国务院关于安全生产的决策部署,深刻汲取事故教训,提升道路运输驾驶员应急驾驶操作能力,全力保障人民群众生命财产安全,2021年4月30日,交通运输部办公厅印发了《道路运输驾驶员应急驾驶操作指南(试行)》(下简称:《指南》)。《指南》坚持以人为本,引导驾驶员牢固树立"生命至上"的理念,坚守安全生产红线底线,切实把保护人员生命安全放在最高位置、作为最高准则,沉着冷静判断,迅速果断处理,采取危害最小、损失最轻的处置方案,尽最大可能降低人员伤亡与财产损失。     

X品牌轻型客车用户画像浅析

随着汽车市场竞争的加剧,消费者有了更多的选择。X品牌轻型客车作为欧系轻客市场的新晋者,如何在市场中获得一席之地?本文通过用户画像研究分析,找出目标用户的基本特征、消费行为及心理特征,进而为后续营销策略提供依据。     

自动驾驶公司与卡车OEM如何合作实现AD卡车商业化运营?

文章分析了目前自动驾驶公司创立的自动驾驶卡车商业化运营模式,看看其中传统重卡OEM怎么定位。本文也欲弄清卡车自动驾驶公司的商业模式现在发展到哪一步了,看看什么时候自动驾驶卡车落地商业化,为重卡OEM布局自动驾驶提供参考。     

全面解读宇通客车展出的5款明星客车——面向当下和未来热点细分市场

2021年7月7—9日举办的"2021道路运输车辆展"上,宇通客车再次展现"硬核风采",展出了面向当下和未来热点细分市场的最新产品和科技成果,包括6 m电动微循环小型公交客车ES6(全国首发)、L4级自动驾驶微型电动公交客车-小宇2.0、T7自动挡汽油版高端商务车、宇威U10智能网联公交客车、F12燃料电池城市客车等"全明星"阵容,期间为ES6举行了全国首发仪式。此次没有展出公路/旅游客车,也没有展出大型传统能源客车。     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。