论自动驾驶汽车交通事故致人损害的民事责任

自动驾驶系统虽然在现阶段尚不具有民事主体资格,但其特殊性决定了自动驾驶汽车交通事故致人损害的民事责任不完全等同于传统机动车交通事故侵权责任。根据自动驾驶系统是否存在缺陷,此种责任可分别成立机动车交通事故侵权责任和产品责任。就前者而言,自动化程度的不同决定了责任主体也有所不同,其或者是人类驾驶员,或者是人类驾驶员与生产者,或者是所涉各方当事人。就后者而言,其责任主体不仅包括自动驾驶汽车的生产者和销售者,还包括编程者、设计者等人员。由于自动驾驶系统的智能性,上述责任在责任构成和免责事由等方面也具有一定的特殊性。     

驾驶行为的心理解读

上班、下班、娱乐,甚至在工作的过程中,都有可能接触到驾驶,即使你不是亲自驾驶．也一定穿梭在被驾驶的车流中,喧闹的都市里．你怎能不面对驾驶？从心理的视角,我们一起来了解驾驶行为。     

基于纵向避撞时间的预警／制动算法

针对汽车纵向避撞系统的要求,提出了一种基于纵向避撞时间的纵向碰撞预警／避撞（FCW／FCA）算法。通过分析纵向避撞时间与驾驶员反应时间之间的关系,建立了前车不同行驶工况条件下的安全车距模型,并在3种不同行驶工况下,与 Berkeley 模型进行制动／预警距离的对比。研究结果表明：该算法确定的制动距离与 Berkeley 模型确定的距离相差很小,并且考虑了前车的运行工况;该算法还能够根据前车行驶工况的不同,确定出合理的预警距离。对比分析结果验证了该算法的有效性和可行性,能够提高车辆行驶的安全性。     

基于卷积神经网络感知功能的极端场景生成方法

近年来,基于卷积神经网络深度学习的感知算法在自动驾驶车辆环境感知系统中发挥着越来越重要的作用。由于在神经网络训练过程中,训练数据无法覆盖所有极端场景,因此如何保证基于深度学习的感知算法在极端场景下的安全性和可靠性,仍是一个亟待解决的问题。传统的基于真实行驶里程的验证方法,在获取极端场景数据上危险性高,经济性差,因此很难检验驾驶功能在极端场景下的性能。基于虚拟场景的仿真验证方法,虽然可以通过设置场景参数来生成大量测试场景,但是通过简单的参数组合并不能有效的生成极端场景。本文展示了一种在虚拟环境中生成极端场景的方法,用于训练和测试基于深度卷积神经网络的车道线识别算法。首先将场景特征用参数进行表示,然后使用deep Q-learning强化学习的方法,来生成极端场景的参数组合。通过与随机组合以及成对组合场景参数的方法进行对比,可以看出该基于强化学习的场景生成方法可以更有效地生成极端场景,因此可提高自动驾驶感知功能的测试效率,同时可为卷积神经网络提供更多的极端场景训练数据。     

"酒驾"治之困

一幕幕祸起醉酒驾驶的交通事故不断挑战着人们的承受力。据了解，我国交通事故死亡率连续十余竽居世界第一。中国汽车保有量占世界的3％，但交通事故死亡人数却占世界的16％，每万辆车死亡率为9，意味着平均每天就有两三百人丧生于车祸，而酒后驾驶是导致交通事故的罪魁祸首之一。     

高油价时代的省油大法

不管是出于省钱的考虑还是为环保着想，有车一族总会想一些办法来减少油耗，尤其是在现在这个高油价的时代。省油是件技术活儿，但也许其中一些小的方法是我们很容易就能使用的。     

机动车驾驶入侵犯驾驶行为的调查研究

侵犯驾驶行为是近年来逐渐引起重视的驾驶人不良驾驶行为之一。本研究采用问卷调查的方法。对浙江省三个城市的驾驶人进行随机抽样调查，得出侵犯驾驶行为可以分为漠视他人、空间侵占、保持前进、赢得优先、人际侵犯等具体类型，并从人口统计学的角度比较分析了不同类型驾驶人在不同侵犯驾驶行为类型上的差异，为制定驾驶人驾驶行为矫正和安全教育策略提供理论参考。     

浅谈汽车节油驾驶

随着日益上涨的油价，人们越来越重视汽车的节油问题，影响汽车耗油量的因素有很多，但驾驶员的驾驶技术水平对油耗有较大的、直接的影响。因此，驾驶员对驾驶操作技术的关注和学习才是节油的真谛。     

一线民警防范警务驾驶执法安全风险研究

目前,在警务实战训练工作中对一线民警防范警务驾驶执法安全风险重视不够,缺乏这方面的意识培养和正规系统训练。为此,警务实战训练应在训练内容、师资队伍、手段方法、保障体系等方面提高一线民警防范警务驾驶执法安全风险的能力。     

自主移动机器人走廊视觉识别与跟踪方法研究

在基于图像的道路识别技术实现的自主驾驶问题研究中,图像识别和跟踪的速度是自主驾驶效果的关键。采用基于模型的走廊识别技术,通过模仿人类视觉过程,使用遗传算法,对实时图像进行目标识别和跟踪,实现了一套自主移动机器人系统;同时通过对识别模型匹配值的变化率分析,实现了对走廊拐角的识别。实验结果表明,该方法的走廊图像识别和跟踪速度能够满足系统实时性的要求,并具有较高的可靠性。