自动驾驶汽车的碰撞安全性研究综述

【目的】探讨自动驾驶汽车的安全性。【方法】首先,通过分析国内外自动驾驶汽车安全研究的现状,并对其进行梳理和总结;然后,归纳自动驾驶无法避免碰撞的原因以及分析错综复杂的车内外环境,对自动驾驶汽车碰撞安全问题的应对策略进行讨论;最后,就自动驾驶汽车碰撞安全技术的提升做出展望。【结果】就目前而言,智能化技术仍然存在许多不成熟的地方,尤其是自动驾驶汽车的安全方面依旧有许多领域需要更多的研究与试验,比如自动驾驶的障碍物识别、路径规划、控制策略以及自动驾驶汽车的内部空间布局等。【结论】自动驾驶技术在汽车上的使用让人们拥有了更安全、更舒适的乘坐体验,研究人员应当牢牢围绕“以人为本”这个理念,关注人的需求,保护人的安全,并围绕该理念设计与发展智能化技术。     

自动驾驶汽车测试技术与应用进展

针对自动驾驶汽车的决策规划、环境感知等测试需求,从测试方法、测试工具以及测试加速三个方面,系统地总结了自动驾驶汽车测试技术与应用现状,深入地分析了自动驾驶汽车测试技术的特点和适用范围.最后,指出了自动驾驶汽车测试技术的未来发展方向.     

探讨人工智能在汽车自动驾驶系统中的运用

随着现代科技的快速发展,各种新技术也随之发展起来,以人工智能为代表的新技术,在我国汽车领域得到了广泛运用。车辆自动驾驶是以计算机为核心,完成车辆自动驾驶。目前,车辆自动驾驶能够感知部分问题,其他问题还要依赖于人工智能技术。本文从车辆自动驾驶技术现状入手,对人工智能在汽车自动驾驶系统中的应用进行了深入分析。     

强化学习在自动驾驶技术中的应用与挑战

围绕强化学习在自动驾驶领域的应用进行了多方面的概括和总结。对强化学习原理及发展历程进行了介绍;系统介绍了自动驾驶技术体系以及强化学习在自动驾驶领域的应用所需的基础;按不同的应用方向分别介绍了强化学习在自动驾驶领域中的应用案例;深入分析了现阶段强化学习在自动驾驶领域存在的挑战,并提出若干展望。     

小型智能车自动驾驶系统设计

基于单片机控制及传感器技术,实现小型汽车可自动寻迹行驶的功能,并且能够利用光电传感器检测道路上的障碍,利用两个电机的差动调节,控制电动小汽车的自动避障、寻光及自动停车等过程。并对整个控制软件进行设计以及调试,最终完成软件和硬件的融合,实现小型智能车自动驾驶的预期功能。     

基于情感强度的自动驾驶车辆决策机制探究

随着自动驾驶技术的逐渐成熟,传统人工驾驶车辆和自动驾驶车辆之间的混行将成为常态。为使车辆安全高效行驶,自动驾驶车辆的决策机制须与人类决策一致。危险工况下的驾驶决策复杂,紧张恐惧等情感也是驾驶决策不可忽视的因素。以一典型危险场景为例,利用虚拟驾驶实验还原场景,对场景内驾驶决策的影响因素进行分析,建立了包括情感强度等输入指标的改进PSO-LSSVM驾驶决策模型,探究情感强度对驾驶决策的影响。结果表明,在决策模型中加入情感强度指标可提高预测准确率。     

广东人工智能发展进行时

正广汽联手小马智行合力发展自动驾驶技术2月,广汽集团发布公告,称其与小马智行签订战略合作框架协议,双方将在包括自动驾驶技术、无人驾驶示范运营、移动出行等领域进行合作。广汽与小马智行合作的具体方向包括4个领域:一是自动驾驶技术领域。双方将在无人车的相关技术开发、生产制造等方面进行合作,并在协商的前提下     

基于深度强化学习的智能车辆行为决策研究

自动驾驶车辆决策系统直接影响车辆综合行驶性能,是实现自动驾驶技术需要解决的关键难题之一。基于深度强化学习算法DDPG（deep deterministic policy gradient）,针对此问题提出了一种端到端驾驶行为决策模型。首先,结合驾驶员模型选取自车、道路、干扰车辆等共64维度状态空间信息作为输入数据集对决策模型进行训练,决策模型输出合理的驾驶行为以及控制量,为解决训练测试中的奖励和控制量突变问题,本文改进了DDPG决策模型对决策控制效果进行优化,并在TORCS（the open racing car simulator）平台进行仿真实验验证。结果表明本文提出的决策模型可以根据车辆和环境实时状态信息输出合理的驾驶行为以及控制量,与DDPG模型相比,改进的模型具有更好的控制精度,且车辆横向速度显著减小,车辆舒适性以及车辆稳定性明显改善。     

全球自动驾驶发展现状与趋势(上)

2012年5月,美国内华达州机动车辆管理部门(DMV)为谷歌自动驾驶车颁发了首例驾驶许可证。同年9月,加利福尼亚州出台法案宣布从2015年起允许自动驾驶汽车上路行驶。自动驾驶汽车产业化应用的脚步越来越近,这将会对汽车产业与现代交通产生革命性的影响。基于上海市科学学研究所和中科院上海生命科学信息中心的有关研究成果,我们将分两期剖析自动驾驶技术与产业发展态势。本期重点对全球自动驾驶技术与产业发展现状与趋势开展分析。供参考。     

全球自动驾驶发展现状与趋势（下）

继上一期对全球自动驾驶技术与产业发展的分析,本期软科学基于中科院上海生命科学信息中心1和上海市科学学研究所2的有关研究成果,重点就各国自动驾驶技术研发布局与产业化发展策略进行梳理,分析我国及上海自动驾驶领域的发展基础与现状,提出布局重点的建议。     

混有CACC和ACC车辆的连续型元胞自动机交通流模型

现有的混合交通流元胞自动机模型中自动驾驶车辆与手动驾驶车辆在跟驰模型上大多仅存在反应时间上的差别,并不能体现自动驾驶上层控制系统实时调节加速度保持车速稳定的特点,基于Gipps模型和PATH实验室标定的ACC和CACC跟驰模型提出了更符合自动驾驶机理的连续型元胞自动机模型。通过计算机数值仿真分别从速度,流量,拥堵比例以及期望车间时距方面对不同渗透率下的混合交通流进行分析。结果表明,智能网联车辆能有效提高道路通行能力,且能大幅减少交通拥堵;智能网联车渗透率越高,开始出现拥堵车辆的密度临界值越大;同时道路通行能力随期望车间时距减小而增大。     

城市道路交通控制概述与展望

面对城市道路交通控制理论与技术亟待突破和当前多学科交叉研究优势凸显的情况,总结了城市交通控制发展历程和研究现状,总结并谈论了存在的问题和未来的发展。首先回顾了中国城市道路交通控制的发展阶段;其次,围绕道路交通控制概述了交通信号控制、交通需求辨识和交通控制仿真的国内外研究情况;最后,针对传统交通控制存在的问题进行了讨论并立足未来车路协同、自动驾驶、人工智能等新理论与技术的演进总结了交通控制领域的研究重点和应着力解决的关键问题。     

车路协同环境下城市交通控制研究

在梳理城市交通控制随交通信息进步发展脉络的基础上,结合车路协同环境下交通信息采集的特点,综述分析单点控制、协调控制的研究现状,进一步总结了车路协同环境下城市交通控制的发展机遇和挑战.指出车路协同环境下交通流演变模型、基于实时车载数据的控制策略评价,以及面向特殊模式的控制策略是车辆协同环境下城市交通控制的突破口和发展方向.     

驾驶员行为仿真模型研究进展

着重从驾驶行为分析的角度出发,回顾了以往构建于控制论思想之上的车辆跟驰模型,特别是其中与人因素有关的GHR模型、碰撞避免模型、AP模型、基于模糊逻辑的模型、基于神经网络的模型、期望间距模型等,对各模型的构建理论和主要优缺点进行了详细阐述,从整体上揭示了上述模型构建过程中所忽视的用于刻画驾驶行为可变性特点的一些关键性问题,并结合当今交通领域最新的研究成果分别从应用领域专门化、研究手段多样化、研究层次深入化、模型构建实用化等方面预测了驾驶行为仿真模型未来的发展趋势.     

虚幻4驾驶模拟器设计和驾驶员特性分析

深入研究人类驾驶员的驾驶行为和特性,对推动智能汽车向高度自动驾驶发展具有重要意义。采用驾驶模拟器研究驾驶员在复杂交通场景下的驾驶决策和驾驶行为,成为近年来的一个研究热点。基于虚幻四引擎UE4交互式视景仿真技术,通过车辆、道路、建筑、交通灯、行人、路牌等交通元素的驾驶视景仿真环境搭建,开发了CarSim汽车动力学模型和罗技G29力反馈方向盘踏板的具有高拟真度人机交互的驾驶模拟系统。并设计了典型工况下的驾驶模拟试验,通过实时采集驾驶员驾驶数据,对驾驶员特性进行研究。研究结果表明:该驾驶模拟器具有逼真的驾驶体验,利用模糊C聚类算法(FCM,fuzzy C-means),将驾驶员特性进行准确分为6个聚类,可以将驾驶员特性进行准确分类,确立驾驶员特性与驾驶能力的关联,为进一步建立实时驾驶权分配研究奠定了基础。     

基于车辆微观行为的城市交通模拟软件系统框架

回顾了国内外城市交通微观模拟系统的发展状况,对机动车辆的微观行为模式进行了研究.重点探讨了在非自由车流状态下车辆的行驶行为,在此基础上,采用面向对象的软件技术,设计了包括13个主要模块的城市交通微观模拟软件系统框架,描述了各模块的主要功能及相互关系.     

基于Transformer的自动驾驶交互感知轨迹预测

针对自动驾驶运动规划中预测周围交通参与者(如车辆、自行车、行人)未来轨迹的问题,提出了一个基于Transformer的轨迹预测模型(Trajectory Prediction Transformer,TPT)来帮助自动驾驶车辆预测周围交通参与者的未来运动轨迹。首先,为了有效地考虑交通参与者和交通环境之间的交互信息,将交通参与者建模为交通智能体。并将交通智能体的历史运动轨迹和周围交通环境信息编码为多通道图,作为模型的输入。然后,利用改进的Transformer对交通环境进行建模,并捕捉交通智能体与交通环境之间值得关注的交互信息,预测其未来运动轨迹。最后,在大规模自动驾驶数据集Lyft进行的实验表明,TPT模型能够在不同预测时长下取得优于其他对比模型的预测结果,且用时更短。     

用于车辆电子控制系统开发的仿真环境

介绍了一个用来开发和测试车辆电子控制系统性能的仿真环境.仿真环境模拟真实的交通工况和极限驾驶工况,用于验证车辆电子控制系统中的控制算法,也可以将硬件系统集成到环境里进行硬件在环仿真.首先,介绍了虚拟环境的整体框架和结构.接着,详细介绍了系统的各个组成模块的功能.由于交通环境下仿真车辆感知周围的驾驶环境主要依靠传感器实现,以自适应巡航控制系统为例,介绍了传感器模块和控制模块的集成方法.最后,给出了一个交通环境下自适应巡航控制的例子.     

无交通信号路口行人过街的人车交互过程研究

自动驾驶汽车要进入人车混行的无交通信号路口,需确保与行人之间的交互安全,为解决这一问题,现以非自动驾驶汽车为研究对象,探索其与行人在无交通信号路口的交互过程。本文选取北京市内两处无交通信号灯的路口作为研究场景进行长期拍摄,基于视频数据从中提取行人的个体属性变量、行人的穿越行为变量、车辆的穿越行为变量以及间隙数据,将行人的过街行为分为穿越前、中两个阶段进行研究。结果表明,穿越阶段对行人的穿越时间具有显著性影响,穿越路口对行人的穿越时间不具有显著性影响。对于穿越前的等待时间,在有右转车道下对其具有影响的因素有行人的拒绝车辆个数和来自方向,在无右转车道下对其具有影响的因素有行人的拒绝车辆个数和起始位置。对于穿越中的穿越时间,在有无右转车道下对其具有影响的因素均为穿越人数和车辆1的行为。今后自动驾驶汽车行驶到无交通信号路口时,可以通过此结果去识别行人,并判断出行人的穿越时间,以便及时做出相应的措施。     

公安交管视角下的车路协同技术探讨及应用

车路协同已经成为全球关注的重点,但目前还存在技术架构不清晰、关键技术不明确和应用验证不落地等问题。通过分析智能网联环境下的交通管控数据驱动,立足于公安交管视角,设计车路协同技术应用架构,明确了跨行业、跨平台的信息交互架构,探讨了车路协同的路侧信息交互技术、管控设备安全认证和公安交管赋能平台等关键技术。依托无锡车联网先导区示范应用项目,规模化验证了车路协同应用服务场景。打通了公安交管部门与通信运营商和车联网企业的信息交互通道,率先实现了信号机与汽车前后装车载终端间高可靠、低延迟的交通信息实时推送,验证了车路协同对精准出行服务和辅助安全驾驶的提升作用,对智慧交管有重要推动意义。