数据驱动的智能车个性化场景风险图构建

为实现智能车辆危险预警辅助功能，精确建立个体驾驶员的个性化辅助系统，提出一种数据驱动的智能车个性化场景风险图构建方法。构建复杂交通场景中动静态要素属性与要素之间隐含交互关系的图表征，使用图核方法对图表征数据进行相似性度量，处理分析驾驶员操作数据并获取驾驶员个性化场景危险程度评价标签。基于支持向量机训练识别模型，建立驾驶员个性化危险评价机理与场景特征之间的映射关系，以模型输出的危险程度评价标签与真实值进行实验对比。结果表明，基于场景风险图构建的驾驶员个性化危险场景识别模型识别准确率可达95.8%，比特征向量表示法提高了38.2%，能够有效地做出基于驾驶员驾驶风格的个性化场景危险程度评价。     

分心驾驶事故场景研究

为在车辆主动安全系统开发测试中提供具有危险性的典型分心驾驶场景，基于375例分心驾驶事故深度调查案例，确定了包括道路环境、参与方速度和运动状态3个方面的场景参数，对比分析国家统计数据与样本各事故类型间的特征，分别提取出关键特征参数，利用二阶聚类分析方法得到不同事故类型的11类分心驾驶事故典型场景，并结合关键特征参数进一步提炼得到4类核心测试场景。     

铁路数字人民币管理系统设计

为积极推进数字人民币在铁路场景的应用研究，结合数字人民币特点，分析铁路各类业务对数字人民币支付和管理的需求，设计了铁路数字人民币管理系统。该系统实现了交易处理、数字钱包管理、智能合约管理等功能，重点阐述了交易处理的4种交易方式的具体实现过程，对加速数字人民币在铁路场景的应用具有积极意义。     

预期功能安全场景库复杂度量化方法研究

基于Pegasus场景分层体系,提出了一种关于场景复杂度的量化方法,以此来评定场景数据的质量。该方法确定了每层要素的决定因素,根据决定因素确定每层要素的复杂度,通过求出各层要素复杂度之和,得到场景数据的总复杂度。此外,为了防止"过复杂"现象,提出了"母子库"法和"系统场景概率"法,将场景要素的复杂度乘以该要素的出现概率,得到修正后的复杂度。研究结果显示,通过该方法可以构建合理可用的场景库。     

加装传统AEB后的未避免事故典型碰撞场景与事故特征

为了解车辆装备自动紧急制动系统（AEB）后的典型人车碰撞场景及事故特征，在再现187例事故并采集碰撞前参数后，运用联合仿真技术评估传统AEB系统的效果，并用统计学方法分析未避免的73例事故（39%），获得6类典型的未避免人车碰撞场景。研究发现，未避免事故中：事故主要发生在照明条件良好、路面干燥的非路口，且95.88%案例中碰撞速度低于40 km/h；人车碰撞损伤均显著降低，但不同场景中降幅有差异；人地碰撞损伤降低方面存在不确定性，典型场景中61.9%的案例中人地碰撞损伤有增加风险，损伤增加比例随碰撞场景变化而不同。进一步分析发现，人地碰撞损伤增加的主要原因是AEB降低车速后行人落地顺序改变、人体下肢与车辆前端再次接触、人车碰撞位置改变等。研究成果不仅能为智能车主、被动安全研究中的实验设计提供边界条件，还能为设计更安全的AEB系统提供支持。     

基于动态博弈算法的切入场景下自动驾驶车辆运动规划研究

鉴于在车辆换道切入的场景中，自动驾驶车辆容易出现频繁的误减速、误避让，而造成通行能力和乘员舒适性的下降，提出一种基于主旁车动态博弈的切入场景决策规划算法。在行为决策层，根据切入场景中主旁车的冲突性关系，联立相关车辆运动方程建立整体系统的运动模型，构建考虑旁车状态的切入博弈模型，设计安全性和舒适性收益函数，进行驾驶行为博弈，输出行为决策结果。在轨迹规划层，根据车辆间距构建避障约束条件，以Sigmoid函数轨迹的变曲率和速度切向矢量的时间分量来构建车辆动力学约束。同时以加权收益方式联合考虑驾驶习惯和舒适性等需求，建立轨迹规划数学模型，求解得到满足上层博弈决策要求的运动轨迹。Carsim-Simulink联合仿真结果表明，在不同的初始条件下主车与切入的旁车能进行多种形式的合理的交互决策，准确完成切入场景下的运动规划任务，车辆能准确跟踪输出的轨迹，更符合一般驾驶习惯，提高了车辆的舒适性。     

金属3D打印技术工艺探索及应用

为了实现产品性能指标提升、技术创新、降成本、缩短制造周期、个性化定制目标，现阶段对金属3D打印激光选区融化（SLM）工艺制作铝合金（AlSi10Mg）与不锈钢（316L）材料零件进行了深入技术研究，主要对金属3D打印支撑工艺优化、无支撑技术探索、零件力学性能研究以及在汽车产品上的应用进行了深入研究，探索其实际应用场景；根据探索结果，总结了金属3D打印支撑技术工艺指导规范及无支撑技术工艺探索规律、总结打印零部件力学性能所能达到的具体数值，同时开发了汽车零件应用场景，通过金属3D打印激光选区融化（SLM）工艺替代复杂长周期高费用的传统工艺零件，为汽车零件进一步应用金属3D打印工艺技术提供了理论依据及实际应用案例参考。     

非限制场景下铁路机车车号定位检测方法

针对传统铁路机车车号定位检测模型泛化性较低，不适用于多种检测应用场景等问题，提出一种适用于非限制场景、基于YOLO(You Only Look Once)v4-tiny模型的铁路机车车号定位检测方法。文章采用空洞卷积代替标准卷积，增大机车车号特征提取感受野，提升传统YOLOv4-tiny模型的检测精度；建立铁路机车车号数据集（RLND,Railway Locomotive Number Dataset），用于模型训练，并对模型的检测效果进行验证。验证结果表明，该方法对铁路机车车号的定位检测精度为99.44%，检测速度为50帧/s，能够应对非限制场景下的机车车号定位检测需求。     

双注意力引导的跨层优化交通场景语义分割

针对交通场景目标分割边缘不平滑以及小目标难以准确分割等问题，本文提出一种双注意力引导的跨层优化交通场景语义分割算法。首先，构建多分支特征提取编码网络，并利用串行非比例式空洞卷积实现空间上下文信息提取，进而改善小目标信息的丢失；其次，构建基于空间对齐的跨层特征融合解码网络，实现语义信息和细节信息的融合，增强不同尺度目标的表达能力；最后，提出通道和空间注意力机制，建模全局通道相关性和长距离位置相关性，增强网络对关键特征的学习能力。交通场景数据集Cityscapes和CamVid上的实验结果表明，所提特征提取编码网络、跨层特征融合解码网络以及注意力机制模块是有效的；所提语义分割算法获得了77.79%和78.66%的平均交并比，能够平滑目标分割边缘，尤其对细长条形目标具有鲁棒性。     

面向智慧公路的智能道钉应用场景研究

我国智能公路的建设近年来获得飞速发展，针对当前智慧公路在信息感知发布方面存在的一些问题，在开展了大量研究与市场产品对标的基础上，提出了一种新型智能道钉设备，分析了智能道钉在智慧公路上应用的优势与可行性，介绍了智能道钉的系统架构与设备内部结构。针对公路雾区、小半径弯道、高速公路分流区等视距受限路段，提出了针对以上场景的智能道钉发布预警功能的实现，并在实地搭建模拟测试环境，测试了公路雾区、小半径弯道等应用场景。结果表明，通过智能道钉能够在不良视距路段实现对驾驶人的事故风险警示，弥补可变情报板等设备的不足，优化预警手段，实现碰撞风险的精细化提示，从而减少由不良视距造成的行车安全隐患。