重点要“稳” 采埃孚自动驾驶目标锁定L2+和L4

"现在市场上有些系统,让你在驾驶过程中,明显的感觉到车身的摆动,说明它们的车道保持不好。这样会影响驾驶者的驾驶体验。对我们而言,度量级别不重要,重点是稳!"——采埃孚全球CEO沃夫翰宁·施艾德回顾过去三年所经历的CES展会,整个自动驾驶行业一直长期处于亢奋状态。从L2-L5级别,只要你想似乎都能找到相对应的产品以及解决方案。仿佛大家之间正进行一场不言而喻的军备竞赛。远的不说,单说采埃孚本身,2017年第一次亮相并现场与百度合作上车的ProAI至今历历在目。随后两年,ProAI的型号一年比一年高,性能也逐代强悍。     

高等级自动驾驶汽车虚拟测试：研究进展与前沿

安全性测试是高等级自动驾驶汽车（Highly Automated Vehicles,HAV,指具备L3级及以上能力的自动驾驶汽车）规模化应用的基本保障。鉴于HAV测试对象与测试标准的变革,传统基于里程的车辆测试方法论不再适用,场景化虚拟测试正成为验证HAV安全性的核心方法。基于与国内外多家HAV研发机构开展虚拟测试合作的基础上,针对测试场景、测试工具和测试方法等方面的技术难点和学术问题进行汇总、归纳和分析。测试场景方面,围绕场景覆盖度的要求,需重点关注测试场景自主划分、自动化仿真生成和未知高风险场景搜寻等理论方法。测试工具方面,在构建HAV自动驾驶系统“环境感知-规划决策-运动执行”一体化仿真工具的基础上,需研究支撑测试场景生成、驾驶行为双向交互和多传感器物理模型融合的高可信仿真技术。测试方法方面,针对海量测试场景、HAV驾驶能力非单调变化等特征,亟待开展覆盖度驱动型测试方法、加速测试方法和多目标测试与评估等的研究。此外,在上述研究挑战的基础上,面向HAV虚拟测试自动化、快速化、一体化和协同化的应用需求,提出HAV虚拟测试仿真即服务（Simulation as a Service,SAAS）的系统架构,并进一步明确HAV安全性诊断分析、系统自主优化训练和面向系统快速迭代升级的测试方法等SAAS重点研究需求。     

交通流特征深度认知的车队运行参数优化方法

为提升车队对周围交通流环境的认知能力,获取车队周围多车的运行模式,同时通过改变车队运行参数实现车队群体对周围多车群体运行模式的诱导变化,为提升车队及交通流整体运行效率提供优化策略,提出了基于狄利克雷混和高斯过程的车队周围多车运行模式获取算法,将车队周围多车车辆的复杂运行模式视为混和高斯过程,利用狄利克雷分布作为高斯混和权重的先验分布,建立车队周围多车运行模式速度场,从而获取车队周围多车运行模式并分类;通过比较不同多车运行模式下车队的运行效率,提升车队对所处运行环境的认知能力。研究结果表明:利用非参数贝叶斯算法将复杂的多车运行状态进行分类,获取的车队周围多车运行模式可表现为对车队运行效率产生不同影响的速度场;通过将车队周围的多车运行仿真数据分成多个运行模式,可获取不同多车运行模式下车队及交通流整体运行特性;通过更改车队运行参数,观察不同多车运行模式的占比变化,可获取车队运行参数对所处运行环境改变的影响趋势;车队周围多车运行模式的获取,不仅可以提升车队对周围运行环境的认知能力,使得车队能够选取有利路径行驶,同时能够为车队运行策略的优化提供有效的信息。     

东风标致3008加速无力故障浅析

1故障现象贵州三狮汽车销售服务有限公司反馈一辆东风标致3008轿车,由神龙汽车有限公司生产,购车日期:2015年6月16日,故障日期:2015年7月14日。配备EP6发动机,AT6Ⅲ自动变速器,带STT(起停)功能,全景天窗,故障时里程为2 961 km。行驶不到3 000km,就开始出现加速无力,发动机故障灯亮,并且故