无人驾驶车通过高速公路闸口区的方法研究

高速公路闸口区域内,由于周围车辆行为的随机性,传统路径规划和智能决策方法不能实现无人驾驶车辆的安全行驶。针对这一问题,提出一种决策树的结构化控制模型,通过控制速度使车辆沿预定路径安全驶过闸口区。首先给出高速闸口区场景参数、闸口区收费窗口到匝道之间路径预定义方法和车辆模型;在此基础上提出决策树的结构化控制模型,控制速度实现车辆安全行驶,并采用纯追踪法使车辆沿预定路径通过闸口区;最后通过计算机仿真创建随机道路环境,验证决策树控制模型的安全性和车辆速度的连续性、加减速度的可执行性。结果表明,无人驾驶车辆在周围车辆遵守交通规则的前提下,通过决策树控制模型控制车身速度可实现安全通过高速公路闸口区,并且车辆速度、加减速度均符合交通规则且在车辆可执行范围内。     

面向智慧园区的无人车远程约车系统

围绕无人驾驶技术和智能交通的发展,本文提出一种面向智慧园区的无人车远程约车系统,系统由自动驾驶汽车、车载单元、手机APP和云平台组成,在无人驾驶感知和控制的基础上,设计车载单元的MCU+MPU硬件系统和Linux软件系统,搭建云平台的B/S架构,重点设计了系统各子单元之间的交互和逻辑,完成智慧园区内手机APP远程约车、无人驾驶车辆接送乘客到达目的地的任务。     

CBTC信号系统自动折返方案研究

为实现城市轨道列车在无人驾驶的情况下完成折返作业,研究探讨了基于CBTC的信号系统自动折返实现方案,概述了一端ATC控制的自动折返方案,进而详细阐述了基于两端切换的ATC系统自动折返方案,为城市轨道交通信号系统国产化研究提供了多种详细的解决方案。     

无人驾驶“闯关”道德伦理

<正>又一个国家为无人驾驶打开了绿灯。日前,英国正式宣布,明年将启动无人驾驶城市试点城市竞标计划,至多3个城市,从明年开始进行长达18个月至36个月的无人驾驶汽车上路测试。同时,将对现行交通规则进行相应调整,以满足无人驾驶车辆的出行需求。这也意味着,继美国、德国、法国等国之后,又一个国家启动大规模的无人驾驶系统测试计划,无人驾驶在全球发展再度提速,驶入了快车道。     

无人驾驶汽车行车环境下鲁棒性声学特征提取算法（双语出版）

无人驾驶汽车在行车过程中，需要通过视觉感知和听觉感知来构建当前周围环境模型，声学事件检测是听觉感知系统构建模型的核心所在。行车环境下声学事件检测系统面临着复杂而强烈的噪声挑战，尤其是行车过程中的风噪。声学事件检测中，常用的声学特征梅尔频率倒谱系数（MFCC）对噪声干扰十分敏感，为了解决这一问题，提出一种谐波梅尔频率倒谱系数（HMFCC）的鲁棒性声学特征提取算法，用于声学事件的目标分类。该算法通过声学信号的谐波模型与MFCC算法相结合，提取目标声学信号中的共振峰频率，改进传统Mel滤波器组，从而增强HMFCC中目标声学信号的中高频分量。研究结果表明：在不同的风噪环境下，基于HMFCC声学特征的检测结果具有较高的精准率和召回率，且在低噪和强噪环境下HMFCC和MFCC之间分类效果差异明显；低噪环境下，几种声学事件的HMFCC特征分类的平均精准率和召回率分别达到82.66%、84.15%，而基于MFCC特征分类检测的平均精准率和召回率只有73.93%、74.61%；随着风噪增强，MFCC特征分类精度严重下降，平均精准率和召回率仅为54.15%、44.95%，HMFCC特征在强噪环境下的平均精准率和召回率为72.16%、69.87%。行车环境下，HMFCC特征不仅可以提高分类的准确率，而且表现出对噪声不敏感的特性。     

基于场景的无人驾驶汽车运行安全测试和认证

无人驾驶汽车是智能交通系统的重要组成部分,其安全性一直是人们关注的焦点。基于场景的无人驾驶汽车运行安全测试和认证是解决无人驾驶汽车安全问题的关键方法之一。介绍基于场景的无人驾驶汽车运行安全测试和认证的方法和实践,分析其局限性,并对未来研究方向作出展望。研究结果表明,基于场景的无人驾驶汽车运行安全测试和认证可以提高无人驾驶汽车的安全性,促进智能交通系统的发展。     

美军无人驾驶车辆点滴

无人驾驶运输车美国设计的1种无人驾驶弹药输送车装有光电传感器、微处理机和自动控制装置,7米长的机械臂可以举起1.7吨质量的集装箱。1名士兵遥控巨大的机械臂可以灵活自如地装、卸物资,将物资从后勤仓库运送到前线。正在试验的1种无人驾驶战地运输车,其外形类似面包车,通过车     

轨道车辆主动式障碍物检测功能的验证方法探讨

主动式障碍物检测功能是轨道车辆无人驾驶运行的一个重要安全保障,但是目前缺少对于该功能的统一测试标准,无法对其进行充分验证,为车辆运行留下了安全隐患。针对轨道车辆障碍物检测功能需求,文章分析了障碍物检测技术的特点,提出了通用的标准测试和特殊的实际运行线路测试方法建议,以充分验证检测功能的符合性。     

低附着下分布式驱动车辆的路径跟踪与横向稳定性控制方法

由于车辆在低附着工况（如积雪、潮湿）下跟踪性与横向稳定性的耦合关系,这使得二者之间的控制难以同时满足跟踪精度及良好的稳定性需求,因此,研究了基于分布式独立驱动电动汽车平台的路径跟踪与横向稳定性联合控制模型。对于路径跟踪问题,采用了横纵向解耦控制;对于横向跟踪控制问题,模型采用基于Frenet坐标系的模型预测控制（model predictive control,MPC）路径跟踪控制方法,并引入了转角补偿策略以提升路径跟踪的准确性;对于纵向车速控制问题,模型利用MPC求解期望加速度,并根据行驶平衡方程和保证路面附着最大利用率的条件下确定电机扭矩输出,实现对纵向车速的控制。对于横向稳定性控制问题,提出了基于稳定性增强系统（stability augmentation system,STA）的横摆力矩控制模型,在获得附加力矩后,以二次规划方法将其合理分配到各个车轮上,从而增强了车辆的横向稳定性。最后,通过CarSim/Simulink联合仿真平台,在双移线道路工况下进行了仿真验证。结果表明：在积雪路面,改进模型相比传统MPC在保证横向误差接近的条件下,最大的质心侧偏角降低了83.1%;在潮湿...