中国智能网联汽车测试示范区发展调查研究

围绕测试场地建设、基础设施、测试能力、服务配套等方面,综合分析国内测试示范区发展现状及水平,归纳其面临的突出和共性问题。在此基础上,提出了加强测试示范区统筹协调、加快标准制定、推进测试结果互认和数据共享、建立交流沟通机制等措施和建议。     

电气化公路技术研究

交通是能源消纳的重要领域，其对社会能源结构的调整和节能减排具有重要的影响和带动作用。在陆路交通方面，轨道交通和小型客运车辆的电气化发展方向相对清晰，而公路货运尚无明确的技术路线。为充分利用清洁能源，减少化石能源在交通领域中的使用，发展并推广电气化公路技术，对重载卡车的蓄电池、燃料电池、混合动力3种电气化方案进行对比分析，结合卡车负载的特点，对不同电气化方案进行评估。研究融合新能源发电及并网、混合动力技术、智能驾驶技术的电气化公路技术，从车辆动力技术、供电线路、受电弓与计费、新能源并网、编组智能驾驶运行5个方面对电气化公路方案进行介绍，可以实现公路货运系统的绿色、安全、高效运行。以10公里线路电气化为例，进行规划和成本估算，构建单车和区域（或路段）电气化的运营成本计算模型，基于燃油消耗和阻力分析2种方法进行计算。对车辆购置及改装、基础设施建设、可再生能源发电、系统环保效益等4个方面进行技术分析与成本测算。从供能技术变革、商业模式和推广路线3个角度对电气化公路技术的未来推广进行论证展望。研究结果表明：电气化公路技术的应用与规模化能够带来巨大的经济与环境收益，其中的混合动力方案与架空线输电方案为面对未来可能的储能技术变革与无线输电普及打下重要的基础，提供了拓展空间，也是重载货车实现智能驾驶的重要步骤；与燃油驱动相比，电驱动百公里成本减少96元，单一重卡年运营成本减少18.8万元，百公里污染物（如：碳氧化物、氮氧化物等）均减少50%以上。     

基于风险网络的轨道交通车辆风险评价

针对轨道交通车辆系统的风险网络和关键部件风险评价开展研究，以系统部件和部件连接关系作为节点和边，建立了风险网络模型，分析了节点固有风险的影响因素和计算方法.根据节点之间故障传播概率得到边的作用强度和路径风险.对节点固有风险和路径风险进行分析，得到节点综合风险，并通过幂法对节点综合风险进行求解，从而识别部件对系统的影响程度.以转向架系统为例进行综合风险计算，结果表明：部件固有风险大小不能完全决定综合风险大小，还与部件连接关系和作用强度相关；与实际经验得出的关键部件综合风险排序对比，利用本文方法得到的关键部件排序一致性与其他方法相比有明显提升.     

汽车强国战略背景下H市新能源汽车销售影响因素分析

本文主要从市场角度出发,以H市为例,对影响消费者购买新能源汽车的因素进行分析,应用实证分析方法,构建出影响因素分析体系,对收集到的市场数据提取出相关变量,然后进行变量的显著性检验及分析,最后在此基础上提出政策建议。     

Real-time model predictive control of connected electric vehicles

ABSTRACT

Electric Vehicles (EVs) motors develop high torque at low speeds, resulting in a high rate of acceleration with the added advantage of being fitted with smaller gearboxes. However, a rapid rise of torque in EVs fitted with central drive powertrains can create undesired torsional oscillations, which are influenced by wheel slip and flexibility in the halfshaft. These torsional oscillations in the halfshaft lead to longitudinal oscillations in the vehicle, thus creating problems with regard to comfort and drivability. The significance of using wheel slip in addition to halfshaft torsion for design of anti-jerk controllers for EVs has already been highlighted in our previous research. In this research, we have designed a look-ahead model predictive controller (LA-MPC) that calculates the required motor torque demand to meet the dual objectives of increased traction and anti-jerk control. The designed LA-MPC will improve drivability and energy consumption in connected EVs. The real-time capability of the LA-MPC has been demonstrated through hardware-in-the-loop experiments. The performance of the LA-MPC has been compared to other controllers presented in the literature. A validated high-fidelity longitudinal-dynamics model of the Rav4EV, which is the test vehicle of our research has been used to evaluate the controller.     

中国智慧公交示范现状分析及展望

智慧公交示范属于智能网联示范中的特色应用场景,也是智能网联开放道路示范的先行力量。本文梳理了我国现有典型智慧公交示范情况,分析其共性特点及存在问题,并对未来发展进行了展望。旨在从智慧公交视角窥见整体智能网联汽车产业发展进程,促进智能网联汽车从封闭走向开放、从示范应用走向商业化推广。     

电动汽车整车运行性能检测试验技术

电动汽车的生产和制造需要符合相关的标准,并且还要对整车的性能进行测试,只有这样才能更好的符合汽车上路的条件。本文主要是将国标要求作为基础来对电动汽车的最高车速、滑行能力、加速性能、制动性能和爬坡能力和能量消耗率和续航里程进行测试,通过实施一定的检测试验方法和配套的相关试验设备来做好检测,并且要对测试的结果进行分析,对电动汽车的运行性能进行进一步的优化,从而推进我国电动汽车行业的更好发展和进步。     

Flow-field guided steering control for rigid autonomous ground vehicles in low-speed manoeuvring

ABSTRACT

This paper studies the low-speed manoeuvring problem for autono-mous ground vehicles operating in complex static environments. Making use of the intrinsic property of a fluid to naturally find its way to an outflow destination, a novel guidance method is proposed. In this approach, a reference flow field is calculated numerically through Computational Fluid Dynamics, based on which both the reference path topology and the steering reference to achieve the path are derived in a single process. Steering control considers three constraints: obstacle and boundary avoidance, rigidity of the vehicle, plus the non-holonomic velocity constraints due to the steering system. The influences of the parameters used during the flow field simulation and the control algorithm are discussed through numerical cases. A divergency field is defined to evaluate the quality of the flow field in guiding the vehicle. This is used to identify any problematic branching features of the flow, and control is adapted in the neighbourhood of such branching features to resolve possible ambiguities in the control reference. Results demonstrate the effectiveness of the method in finding smooth and feasible motion paths, even in complex environments.     

人机混驾环境下基于LSTM的无人驾驶车辆换道行为模型

道路系统中的人机混驾交通环境是指人工驾驶车辆与自动驾驶车辆混合运行的交通环境，其中换道行为建模是人机混驾环境下无人驾驶车辆行为研究的热点。基于深度学习理论，构建人机混驾环境下基于长短期记忆神经网络的无人驾驶车辆换道行为模型（Long-short-term-memory-based Autonomous Vehicles Lane Changing，LSTM-LC）。通过研究人工驾驶车辆在换道过程中与周边车辆的相互作用，对换道行为影响因素进行分析；同时，为了提升模型的迁移性，引入道路横向偏移量信息。结合LSTM神经网络的输入要求，使用美国公开交通数据集Next Generation SIMulation（NGSIM）构建换道行为样本库。针对LSTM-LC模型，以均方差MSE作为损失函数，使用RMSprop优化方法进行训练，对LSTM网络结构、历史序列长度N及训练样本量3个重要参数进行标定。最后，针对道路横向偏移量M对LSTM-LC模型性能的影响进行对比试验。研究结果表明：相比GRU-LC模型，LSTM-LC模型对换道行为的表征更准确，在模型的精度和迁移性上有着显著的提升；GRU-LC模型的均方差为4.64 m²，迁移性均方差为119.82 m²，而LSTM-LC模型的均方差为3.18 m²，迁移性均方差为79.58 m²，分别优化了31.5%和39.71%；通过引入道路横向偏移量M，可将LSTM-LC模型精度和迁移性提升约10%，且模型稳定性更强。