基于代理遗传优化的智能驾驶系统加速测试方法

提出了一种基于代理遗传优化的智能驾驶系统加速测试方法。首先,通过场景要素层次分析权值与优解区域特征改进参数采样模块中的拉丁超立方采样区间,实现了采样效率与优化效果的协同提升;其次,利用参数采样结果和重复度筛选机制增加遗传寻优模块的种群多样性,克服了传统遗传算法的局部收敛难题;然后,利用基于循环更新机制的代理筛选模块对场景测试结果进行预测,平衡了加速算法与代理模型应用之间的效率与精度矛盾;最后,搭建仿真平台在高维时序分解的前车变速场景下对待测智能驾驶系统进行加速测试与验证。结果表明,本文提出的方法可有效搜寻大量关键场景并提升测试效率。

产教融合的“智能驾驶导论”课程建设和改革

针对“智能驾驶导论”课程尚没有成熟的教学内容体系和满足培养需求的实践设计等问题,提出了基于产教融合的“智能驾驶导论”课程建设思路并进行了探索和实施。从教学目标和教学内容设置、教学组织、实践环节设计和实施方面引导企业深度参与,完成了基于智能驾驶产业需求的课程建设和改革,解决了课程与产业需求脱节的问题,使学生从产业和技术的视角构建智能驾驶的知识体系,同时培养了学生的工程实践和创新创业能力,为校企协同的课程建设和人才培养提供了很好的探索和实践。

五菱宝骏汽车智能驾驶辅助系统全组网络模块和非网络故障诊断

本文分析五菱宝骏汽车智能驾驶辅助系统中全组网络模块和非网络故障的诊断流程,为汽车售后工程师、中高职和应用型本科教师从事五菱宝骏汽车维护、保养和故障诊断提供有益的参考。

基于光波导技术的低能见度下智能驾驶辅助系统研究

智能驾驶辅助系统是面向雨雪雾等低能见度环境下行车而开发的新产品,包括四个子系统,共同构成了智能驾驶辅助系统。图像信息预处理子系统将图像利用暗通道细化去噪算法进行预处理从而消除图像去雾后的“光晕”效应,提升图片质量;车道线识别子系统和道路障碍物识别子系统两者结合互补,从而实现对车道线、交通标志以及行人、车辆等道路障碍物的图像精准辨识;智能驾驶视觉辅助子系统基于体全息光波导的增强现实视频图像融合技术实现大幅面二维扩瞳的光路系统设计,提升了视场角和虚像距离等性能参数,并消除了驾驶员的视野盲区。

智能驾驶技术在节能减排中的应用与挑战分析

随着经济发展,环境污染和能源消耗问题日益凸显,智能驾驶以其精准的导航、高效的能源管理和协同的交通流等优势成为解决这一问题的关键技术。然而,技术实施、法规制定和公众接受度等方面仍面临诸多挑战。为充分发挥智能驾驶的节能减排潜力,需要跨领域合作,共同应对未来挑战。本文通过系统研究,以期为相关领域的深入研究和实践提供一些参考。

基于时空风险的智能驾驶车辆避险决策规划

为完善复杂道路场景下智能驾驶车辆的碰撞风险评估方法,实时生成有效避险轨迹,本文提出了一种基于时空风险的智能驾驶车辆避险决策规划方法。首先,采用时空耦合的多域风险度量作为评估指标,监督智能驾驶车辆横纵向碰撞风险,同时实时监测行车风险指标变化,通过与典型避险场景风险数据库间的相关性分析,判断潜在碰撞风险大小,从而提前规避风险。然后,依据行车风险场对车辆目标状态进行不均匀采样,规避行车风险较高的驾驶区域,提高避险规划的安全性和实时性。试验结果表明,所提出的避险决策规划方法可安全有效地避开横纵向碰撞风险,并且根据风险指标的时域相关性分析可提前0.5s发现潜在碰撞风险,从而提前平稳规避风险,不均匀采样可将避险轨迹平均规划时间由0.13缩短到0.07s。

面向智能驾驶的轻量化GwcNet立体匹配算法研究

智能驾驶技术作为新一代智能交通系统的核心之一,受到了广泛关注。其中,感知融合技术在实现智能驾驶的精准定位和环境感知中起着至关重要的作用。在感知融合中使用的立体匹配算法更是关乎智能驾驶的安全性和准确性,是智能驾驶环境感知领域中重要的技术环节。针对智能驾驶汽车在硬件方面算力不足,但对立体匹配算法实时性和精度均有较高要求的问题,文章基于GwcNet,为智能驾驶环境感知模块设计了一种轻量化的立体匹配算法。利用ACV模型替代GwcNet立体匹配算法中参数量、运算量最大的3D卷积模块,使得算法的实时性和精度得到提升。为了进一步减少网络复杂度,减小ACV模块中的网络参数,提出一个Fast-ACV模型。最后在KITTI 2015数据集中对立体匹配算法进行对比分析。结果表明,所提出的轻量化GwcNet立体匹配算法在精度和实时性上均优于GwcNet算法。

智能驾驶课程思政元素库构建研究

智能驾驶是典型的交叉型学科,涵盖人工智能及车辆工程等多学科知识体系。该文从智能驾驶导论课程特点出发,确立思政目标、挖掘思政元素、设计融入手段及维护机制,并探讨构建面向智能驾驶课程思政元素库方法,以期为高校智能驾驶新工科专业课程思政的推进提供参考和借鉴。

面向结构化道路的智能驾驶轨迹规划一致性研究

智能车在动态环境中的轨迹规划须具备良好的舒适性及安全性,离散采样轨迹规划算法具有实时性高、多目标最优等优点而被广泛研究和应用,但在仿真及实车测试中发现,典型的基于多项式优化求解的离散采样局部轨迹规划结果在换道等瞬态过程存在一致性较差的问题。本文针对性提出一种考虑一致性评价的“拼接+强规划”轨迹规划算法。具体而言,根据自车状态截取历史轨迹为当前周期拼接轨迹,结合拼接轨迹和轨迹末状态采样点生成基于多项式的候选轨迹簇作为轨迹强规划阶段,再基于轨迹横向偏差设计轨迹一致性评价函数以从轨迹簇中选取较高一致性的最优行驶轨迹。经仿真和真实道路场景实车验证,表明所提出的轨迹规划方法在满足轨迹安全性、平顺性、舒适性要求的基础上提高了智能驾驶车辆行驶轨迹的整体一致性。

面向智能驾驶的深度学习综合实验平台构建及项目实现

搭建了面向智能驾驶的深度学习综合实验平台。平台包括基于Coppelia Sim的智能驾驶虚拟仿真系统和基于英伟达Jetson Nano嵌入式小车的交通沙盘实物系统。基于该平台设计的实验方案,涉及了深度学习主要知识点,实现了智能驾驶若干子场景,采用了边缘人工智能常用方案“云端训练+边缘推断”。基于上述虚拟仿真系统,建模并训练实现了深度强化学习Q值网络、卷积神经网络、循环神经网络等多种类别神经网络。实物系统测试结果表明,该平台基于上述神经网络能够有效实现车道保持、交通标志牌识别、语音控制等智能驾驶场景。学生可利用该平台自主搭建需要的场景,接入不同类型的神经网络,实现其他智能驾驶功能,并完成深度学习相关算法的测试和评估。

智能驾驶车辆轨迹预测方法综述

针对目前车辆轨迹预测难点,对车辆轨迹预测方法的分类和研究现状进行综述。根据模型实现预测时域的不同,将现有算法分为短时域和长时域的车辆轨迹预测方法;介绍短时域的基于物理模型和传统机器学习预测方法的基本概念及研究现状,总结对比长时域的基于深度学习、神经网络和基于车辆驾驶行为意图识别的预测方法。分析结果表明:长时域方法能够解决车辆轨迹预测难点问题,保证智能车辆高效、安全驾驶。

基于LQR的智能驾驶汽车横纵向控制研究

为了提高智能驾驶汽车跟踪控制器的稳定性和跟踪精度,提出了一种基于线性二次型调节器(LQR)控制算法和驾驶员预瞄模型的横向跟踪控制策略,结合纵向比例-积分-微分(PID)控制算法实现横纵向控制。首先建立带有前馈的LQR控制器,采用梯度下降优化算法优化LQR控制器权重参数,并在此基础上引入驾驶员预瞄模型,设计了基于经验的预瞄距离自适应控制器;其次建立双PID纵向控制器进行速度控制。最后通过Carsim和Matlab/Simulink联合仿真以及实车测试验证,结果表明:仿真工况下最大横向偏差小于0.035 m,最大航向偏差小于0.09 rad,实车测试工况下也能够良好遵循规划轨迹的整体趋势,速度跟踪效果良好且前轮转角与横摆角速度变化平稳。因此,该控制器能够保证较高精度且平稳的轨迹跟踪,在高速状态下更为明显。

基于智能驾驶场景的人机信任影响因素及作用机制研究

目的研究智能驾驶场景下人机环系统中的三个重要因素(系统预测准确率、环境可认知状态和驾驶经验)对驾驶员智能驾驶辅助系统人机信任的影响。方法采用三因素组内组间混合设计的人因学实验,招募了24名不同驾驶经验的被试在智能驾驶辅助系统的三种预测准确率(90%、76%、60%)及两种环境可认知状态(清晰认知和模糊认知环境)下进行模拟驾驶任务,并收集驾驶过程中被试的主观人机信任、驾驶行为绩效和生理数据等多维指标,采用重复测量的方差分析处理实验数据。结果不同驾驶经验下,被试的主观信任存在显著差异。系统预测准确率和驾驶经验对主观信任存在交互作用。不同环境可认知状态下,被试的瞳孔直径、眼跳次数和皮电波峰幅值均存在显著差异。环境可认知状态和驾驶经验对眼跳次数存在交互作用。人机环三因素对被试的驾驶行为绩效无明显影响。结论系统预测准确率、环境可认知状态和驾驶经验均可在不同程度上影响主观人机信任及其相关生理指标。环境可认知状态较差时驾驶员会增加对驾驶辅助系统的信任。随着驾驶员驾驶经验的增加,其对驾驶辅助系统的信任也会增加。

人工智能技术在智能驾驶领域的应用分析

人工智能技术近年来发展迅猛,已在自然语言处理、语音识别、图像处理等方面取得耀眼的成绩,对人们的生活产生了很大影响。为更好地探究人工智能技术在智能驾驶领域的应用,提高汽车驾驶的安全性和效率,推动无人驾驶技术的发展,本文将对机器学习在汽车驾驶领域的应用进行分析,探讨其现状、优势以及未来发展趋势。

汽车企业加速布局智能驾驶赛道

1月17日,工信部、公安部、交通运输部等五部门联合发布《关于开展智能网联汽车“车路云一体化”应用试点工作的通知》(以下简称通知),为智能网联汽车产业发展按下“加速键”。与此同时,新能源车企在智能驾驶领域“大动作”不断:长安与华为展开深度合作、北汽即将推出智选模式新车、比亚迪加大整车智能资金投入……各家车企加速布局智能驾驶赛道,新能源汽车的“智驾时代”要来了?

前融合策略下辅助智能驾驶的多模态数据采集与高精度点云地图构建

随着人工智能和泛在传感技术的迅猛发展,以多模态数据融合处理为基础的智能辅助驾驶系统逐渐走入千家万户。智能驾驶技术的核心是依赖于先进的人工智能和泛在传感器技术,以增强或替代驾驶人的感知、决策和执行能力。其中,对道路环境实时、精准、稳健的感知是汽车智能化的重要一环。本文介绍了一种集成多源传感器的多模态数据采集车辆平台,通过构建高精度点云地图,为辅助智能驾驶提供基础点云数据服务。不同于“后融合”的多源数据融合策略,本文采取经时空同步多源数据进行“前融合”的策略,在完成多源传感器数据同步与校准的基础上,为智能驾驶车辆提供时间空间一致的感知数据。在地图构建层面上,通过与IMU和固态激光雷达的耦合,实现了对环境点云地图的高精度重建,为辅助智能驾驶的实现和进一步发展提供了重要技术支持。

个人数据谁做主?--智能驾驶个人数据的权利归属问题

智能驾驶汽车在运行中会产生具有“可识别性”的个人数据,这些个人数据关乎着人身利益。随着智能驾驶技术快速发展,个人数据所形成的数据红利又使其产生了巨大的经济价值,由此形成了众多主体对其主张利益诉求的局面,因此对智能驾驶个人数据的确权尤为迫切、必要。智能驾驶个人数据的性质界定、个人数据权的法律定位、权利主体及权利配置、法律适用难题等现实困境,需要理论关照与实践回应。应将智能驾驶个人数据权定位为“综合性权利”,根据“可识别性”与场景化区分的二级规则对个人数据进行确权,并赋予智能驾驶个人数据指向者知情权、必要同意权、删除与修改权,赋予智能驾驶个人数据使用者采集权、携带权、使用权与收益权,使智能驾驶个人数据兼具人身性与财产性,在特殊场景下需要国家发挥控制权和调控权,充分发挥行业组织的自律作用,共同维护数据市场的有序发展,推动智能驾驶汽车的专门立法与行业规范的制定,最终实现对智能驾驶个人数据的确权目标。

高铁智能驾驶技术及应用

自动驾驶具备提高运输效率、提升乘客舒适度、减轻司机劳动强度以及降低列车牵引能耗等优势,是高速铁路智能化发展方向。根据我国高铁自动驾驶CTCS-2+ATO/CTCS-3+ATO发展现状,从技术体系、系统架构、运行控制等方面分析了当前技术。结合功能试验和性能试验对京张高铁ATO功能优化及运用情况进行研究,为ATO系统推广应用和技术持续提升提供了有力支撑。在此基础上,针对高速列车自动驾驶智能化提升需求,从正线GoA3自动驾驶、动车所自动化调车、调度控制一体化等方面提出了智能化改进方案,以支撑智能高铁2.0体系建设。

未来智能驾驶场景下用户期望研究

该文以探究未来智能驾驶场景下的用户期望为目的,采用设置舞台的实验方法,通过动作表演、草图绘制、道具摆放和用户访谈等方式引导被试思考,分析得出未来智能驾驶场景下的用户期望,包括社交、移动的家、可变性、智能化和语音助手5个方面,并总结出未来智能驾驶场景下的用户期望研究模型。该模型将用户的焦点从过去的事件、物品、知识、记忆转移到未来,产生新的用户期望用于指导设计实践,在设计前期有助于设计师对汽车设计概念做出更好的评判。

智能驾驶技术在汽车互联网产品中的应用与优化研究

本文回顾了智能驾驶技术的演进,强调了其在汽车互联网产品中的应用,以及这一领域的研究意义。详细探讨了智能驾驶技术的关键组成部分,包括传感技术、数据处理与分析以及自动化控制系统,这些技术为实现智能驾驶提供了基础。通过案例研究和成功实践的分析,展示了智能驾驶技术在不同汽车品牌和汽车共享服务中的应用,讨论了用户反馈如何促进产品的不断改进,为智能驾驶技术在汽车互联网产品中的应用提供深入洞察,促进其进一步发展和优化。