自动驾驶汽车个人信息保护的归责进路与制度构建

自动驾驶汽车对于用户个人信息的收集和利用使得传统"知情同意"架构与社会现实相龃龉,在自动驾驶汽车个人信息保护立法滞后的困境下,需要将信息义务从自然性向规范性转变。域外法案对传统困境应对不足,立法单向度地强化"知情同意"机制也已显露弊端,应以"基于场景的风险管理"构建因应性制度。

混合交通情景下自动驾驶汽车eHMI的信息编码类型与动效组合的可用性研究

针对混合交通情景模式,基于自动驾驶汽车与其他道路使用者的交互过程,探究信息编码类型与动效的组合对eHMI 的有效性和高效性的影响。方法:从文献研究出发,结合现有案例,提出 12 种编码类型的 eHMI,通过满意度问卷研究信息编码类型对于行人满意度的影响。然后,采用虚拟现实渲染的视频片段结合眼动追踪的自然观察范式,探究不同信息编码类型和动效的组合编码对 eHMI 的有效性和高效性的影响。结论:扫掠式动效更适用于“箭头”“行人”等图标编码类型的 eHMI;闪烁式动效更适用于文字编码类型的 eHMI。总结:本研究结果将为 eHMI 设计实践提供一定的指导意见,进而推动 eHMI 的推广和标准建立工作的进行。

自动驾驶汽车行驶风险评估方法综述

行驶风险评估对自动驾驶系统的安全运行至关重要。将现有行驶风险评估方法分为3类,包括面向单一目标物的、基于可达集的和基于势场论的评估方法。提出5个评价维度,包括计算实时性、结果时效性、应用可行性、内容充分性和场景泛用性,对评估方法进行了全面比较,揭示其特点和适用情况。对自动驾驶行驶风险评估面临的问题以及未来发展趋势进行了分析和展望。

基于TsGAN的自动驾驶汽车高速公路变道切入测试场景自动生成算法

前方相邻车道车辆变道切入自动驾驶车辆所在车道是典型的高速公路自动驾驶高风险场景,在实际高速公路上进行该类场景的复现测试存在非常高的安全风险,虚拟仿真测试是解决该问题的最佳途径之一。为自动生成批量化的高保真高速公路变道切入测试场景,该文提出了一种基于时间序列生成对抗网络(TsGAN)的自动驾驶汽车高速公路变道切入测试场景自动生成算法。该算法以变道切入时刻两车的车头时距和侧向时距为场景危险程度评价指标,从高速公路真实轨迹数据集highD中提取4类不同危险程度的2853个变道切入场景实例,基于TsGAN构建变道切入测试场景生成模型,并利用所提取的真实轨迹数据训练模型;其后,采用所构建的模型生成前车变道轨迹和测试车变道切入时刻前的运行轨迹,通过比较所生成的变道轨迹与真实轨迹之间的分布相似性、频谱误差,验证所生成的轨迹的真实性。该文还分析了所生成的场景中变道切入时刻两车的运动关系及轨迹参数分布,检验了自动生成的场景在自然场景中的覆盖度。结果显示:从轨迹关键参数的分布来看,TsGAN模型生成的变道轨迹与真实轨迹的平均相似度达79.7%,平均频谱误差小于8%,落在最相似真实轨迹缓冲区的轨迹超过83.2%,表明所生成的轨迹具有高真实性;与所采集的真实场景相比,所生成的场景实例覆盖范围更大,在参数区间内分布更均匀,变道切入时刻前方变道车辆与测试车的车头时距和侧向时距分别降低了17.83%和16.37%(平均值),车辆轨迹参数分布区间平均增长了19.44%,表明所生成的场景在自然场景中具有较高的覆盖度;所提出的基于TsGAN的场景生成模型可模拟4种不同危险程度的变道切入测试场景,具有较强的针对性。

自动驾驶汽车避撞极限研究

精确计算不同避撞控制策略的极限避撞距离是自动驾驶汽车避撞决策与控制的基础。为厘清差动制动控制对避撞距离的影响,探究转向和差动制动集成控制的极限避撞能力,提高极限避撞距离的计算精度,本研究基于非线性车辆集成动力学和最优控制理论提出一种自动驾驶汽车极限避撞距离计算方法。首先,建立了非线性7自由度车辆动力学模型和复合滑移工况的Pacejka轮胎模型。进一步地,基于上述模型构建了极限避撞距离求解问题,并将其转化为最优控制问题。然后,设计了高斯伪谱法将最优控制问题转化为非线性规划问题并求解。最后,分析了转向控制、制动控制、转向和制动集成控制、转向和差动制动集成控制的极限避撞距离,并与基于质点模型计算和CarSim测试的结果进行了对比。结果表明:转向和差动制动集成控制能够进一步减少自动驾驶汽车的避撞距离,显著提高其避撞能力;本研究所提方法能够显著提高极限避撞距离的计算精度和避撞决策结果的可靠性。

个体共情能力对不同道德行为取向自动驾驶汽车接受意愿的影响

研究通过两项实验考察了共情对不同道德取向自动驾驶汽车接受意愿的影响。结果发现:(1)低共情者在不涉及自身利益时不在意自动驾驶汽车的道德取向(功利主义/道义论),当涉及自身利益时,更倾向于购买自我保护的汽车。(2)当不涉及自身时,高共情者更倾向于购买功利主义自动驾驶汽车;但也可以接受牺牲自我的汽车,对两类自动驾驶汽车的购买意愿相当。

匝道合流交通场景下自动驾驶汽车安全性测试评价方法

针对高速匝道交通场景提出了一种基于自然驾驶数据的自动驾驶汽车安全性评价方法。通过分析合流区冲突特征,建立碰撞时间(Time to Collision,TTC)模型、后侵占时间(Post Encroachment Time,PET)模型、最小安全换道距离(Minimum Safe Spacing,MSS)交通冲突指标计算模型来确定安全性评价指标,利用模糊聚类自然驾驶指标数据确定指标阈值范围,搭建自动驾驶汽车仿真测试试验,应用层间相关性的重要性准则权重分配方法和灰色关联评分模型,计算得到不同控制算法下自动驾驶汽车安全性的综合评价得分。结果表明,被试车辆驾驶行为与理想驾驶行为在各安全性指标的关联度分布明显,计算总体关联度,得分可以直观说明不同自动驾驶系统的综合安全性能。

不同坐姿乘员在自动驾驶汽车碰撞中的损伤仿真实验

为研究不同坐姿乘员在自动驾驶汽车中的碰撞安全性,筛选了7种具有代表性的乘员姿态(包括头部、上肢和躯干的变化)进行正面碰撞的仿真实验,对其乘员运动学和所受载荷进行了对比分析,研究其姿态对乘员碰撞损伤的影响。结果表明:在正面碰撞仿真实验中,倚靠姿态乘员的综合损伤风险与其他姿态相比更高,较交谈姿态,倚靠姿态乘员胸部压缩量增大了45.5%,肋骨骨折严重,内脏器官应变提高了48.8%,左倾姿态乘员损伤风险则明显降低,其头部损伤风险减少了49.1%,胸部损伤降低了14.4%。基于此,提出乘员在碰撞前可通过调整自身姿态来规避部分损伤的策略,以提高乘员在自动驾驶汽车中的碰撞安全性。

自动驾驶汽车“电车难题”的伦理困境与立法因应

“电车难题”并非单纯的思想试验,而是确保机器决策符合人类伦理的重要实践,直接影响自动驾驶汽车的产品准入、责任承担等制度设计,对于自动驾驶汽车乃至人工智能的立法均有现实的规范意义。与传统“电车难题”相比,自动驾驶汽车“电车难题”在伦理对象、选择时机以及利益关联方面存在特殊性,大大增加了法律规制的难度。无论是拯救多数人、综合评分、车内人员优先、车外人员优先等积极应对路径,还是不干预、随机选择、制动停车等不作为应对路径,抑或交给人类驾驶员选择等转移应对路径,都难以完美应对自动驾驶汽车“电车难题”的伦理拷问。从提升全体交通参与者的出行安全与效率出发,未来制定《自动驾驶汽车法》或者《人工智能法》时应确立遵守交通法规优先法则、紧急避险例外法则以及不改变路线兜底法则等三大碰撞法则,同时通过风险管控、产品嵌入以及透明问责等配套规则予以落实。

不同感知群体对自动驾驶汽车购买和使用意向的研究

为探讨L4级自动驾驶汽车(AV)的出行体验对受访者购买和使用意向的影响,受访者被分为体验感知较高和较低群体,在体验前和体验后,利用多项Logit模型建立不同体验感知群体AV购买和使用意向模型。研究结果显示,购买和使用AV的想法不确定程度对体验前、后的选择均产生显著影响,对于体验感知较高群体,体验后该变量的影响程度有所下降,而对于体验感知较低群体则有所增加。AV的价格与购买和使用意向之间呈现较强的正相关关系,价格的升高会增加购买和使用想法的不确定性,从而导致受访者放弃购买AV,选择使用社会共享自动驾驶汽车(SAV)。对于体验感知较高群体来说,体验后对AV行驶过程的感知提升会促进其购买并自己使用AV,而通过提高对AV出行感受和出行安全的感知,将促进他们购买AV并有偿共享给他人使用。另外影响体验感知较低群体对AV购买和使用意向的显著因素数量则明显减少。

自动驾驶汽车仿真器综述:能力、挑战和发展方向

仿真器在自动驾驶汽车(Autonomous Vehicle,AV)系统的研究、开发和验证中发挥着举足轻重的作用。本文系统地探讨了AV仿真器的国内外现状,并重点分析了其能力、面临的挑战和未来发展趋势。首先,梳理了AV仿真器的发展历程,阐述了国内外相关研究现状。接着,依据技术性指标、功能性指标、性能指标和商业性指标,对各类仿真器进行了全面评估,同时讨论了它们在不同研究和开发任务中的适用性。此外,深入剖析了AV仿真器所面临的挑战和限制,结合深度学习、人工智能等先进技术的发展,提出了针对性的解决策略。对于如何克服AV仿真器在复杂环境和多元场景下的局限性,提出了一系列具有前瞻性的解决方案。在此基础上,着重强调了未来研究的机遇和新兴趋势,这些将为下一代仿真器的发展奠定基础。最后,本综述旨在为研究人员、开发者及行业利益相关者提供有益的参考,协助他们选择最符合需求的工具,并激发自动驾驶领域未来的创新潜力。综述的内容有助于推动AV仿真器在自动驾驶研究和实际应用中发挥更大的作用,从而为人类出行带来更为安全、便捷和高效的体验。

人工智能技术在汽车自动驾驶系统中的应用

随着科技的不断发展,人工智能技术已被逐渐应用于汽车自动驾驶系统中。该文对人工智能技术及汽车自动驾驶系统进行概述,分析人工智能技术在汽车自动驾驶系统中的作用,介绍人工智能技术在汽车自动驾驶系统中的具体应用,旨在揭示人工智能技术如何激活自动驾驶汽车的潜能,优化其安全性能、运行效率及智能特性,引领行业迈向全新的高度。

基于安全风险预测的汽车自动驾驶自适应巡航控制研究

目前,自动驾驶技术发展快速,自适应巡航控制作为一项关键技术,受到了汽车制造企业的广泛关注。传统的自适应巡航控制系统主要基于当前车辆与前车的距离和速度进行控制,无法充分考虑周围环境的动态变化,存在一定的安全隐患。该文提出一种基于安全风险预测的汽车自动驾驶自适应巡航控制方法。该方法通过感知和识别周围环境信息,建立环境模型并进行风险评估,然后基于风险评估结果进行决策和路径规划,最终通过车辆控制和执行实时监控和反馈来保证自适应巡航控制系统的鲁棒性和安全性。

智能网联汽车自动驾驶功能安全测试与评估方法研究

智能网联汽车的发展为人们的出行带来了较大的便利,其中,自动驾驶功能受到人们的广泛关注。智能网联汽车的安全测试至关重要,能够确保自动驾驶功能的安全性。该文探讨智能网联汽车自动驾驶功能安全测试与评估的具体方法,以推动智能网联汽车自动驾驶功能安全性的进一步提高。

基于深度学习的汽车自动驾驶控制系统测试平台搭建研究

随着科学技术的快速进步,自动驾驶技术已经成为未来汽车研发领域的重要方向,并且开展汽车自动驾驶控制系统测试可综合评判其整体的安全性、稳定性、可靠性。该文以深度学习理论为基础,分析汽车自动驾驶控制系统测试方法,并探讨测试平台的搭建,以有效推动汽车自动驾驶技术的快速发展和进一步应用。

不确定性环境下的自动驾驶汽车行为决策方法

在真实驾驶环境中,由于感知数据的噪声和其他交通参与者难以预测的行为意图,自动驾驶汽车如何在高度交互的复杂驾驶环境中考虑不确定性因素的影响,做出合理的决策,是当前决策规划系统须解决的主要问题之一。本文提出了一种不确定性环境下的自动驾驶汽车行为决策方法,为消除不确定性的影响,将行为决策过程转化为部分可观察马尔可夫决策过程(POMDP)。同时为解决POMDP模型计算复杂度过高的问题,首次将复杂网络理论应用于自动驾驶汽车周围微观的驾驶环境,对自动驾驶汽车驾驶环境进行动态建模,实现了车辆节点间交互关系的有效刻画,并对重要车辆节点进行科学筛选,用于指导自车的行为决策,实现对关键车辆节点的精准识别和决策空间的剪枝。在仿真环境中验证了所提方法的有效性,实验结果表明,与现有最先进的行为决策方法相比,所提出的方法拥有更高的计算效率,且拥有更好的性能和灵活性。

智能汽车自动驾驶路径跟踪控制算法的应用分析

科技不断进步,汽车行业进入了全新的时代,自动驾驶汽车的路径跟踪控制作为该领域的关键技术,其算法质量直接影响车辆能否顺利跟踪预定路径。因此,自动驾驶汽车路径跟踪控制算法的分析和优化成为自动驾驶领域的研究热点。本文重点探讨路径跟踪控制算法,以期为自动驾驶汽车技术的后续发展提供参考。

考虑侧倾和输入饱和的自动驾驶汽车鲁棒多维切换路径跟踪控制

为解决自动驾驶路径跟踪控制中的侧倾稳定和执行器饱和等问题,提出了一种鲁棒多维切换H∞路径跟踪控制方法以平衡控制器设计难度与控制性能.首先,基于M3D切换系统框架和侧向载荷转移率,构建了工况随动的路径跟踪控制模型;其次,采用鲁棒不变集理论和辅助反馈矩阵方法处理输入饱和的非线性问题,设计了一种鲁棒M3D切换控制器;最后,在多项式二次Lyapunov函数和M3D切换系统理论框架下,给出了保证跟踪系统闭环渐近稳定的判据.在CarSim-Simulink联合仿真环境下,对所提方法的性能进行验证.结果表明,所提方法相比于现有的MPC控制方法,路径跟踪性能提升19.4%,侧倾稳定性能提升23.4%,能够保证车辆在高速大转向等极端工况下具备良好的路径跟踪性能和侧倾稳定.

自动驾驶汽车犯罪的归责与归因

自动驾驶汽车犯罪的归责与归因,是维护社会秩序和助力驾驶自动化技术开发与运用的重要保障。对自动驾驶汽车犯罪进行刑事归责的理论依据,主要有风险分配理论、共享理论和道德理性论。自动驾驶汽车犯罪的刑事责任可分为工具责任、辅助驾驶责任和代理责任,其归责模式主要包括严格责任模式和过失责任模式。自动驾驶汽车犯罪的特殊主体包括制造商、用户、车主、智能网络及大数据信息提供者以及辅助驾驶人等,不同责任主体的注意义务的内容和来源有所不同,因而对其归责亦有所不同。

基于LabVIEW的自动驾驶汽车在线振动监测与诊断系统

为了提高自动驾驶汽车在道路测试中的安全性,基于LabVIEW设计了一种自动驾驶汽车在线振动监测与诊断系统。该系统通过上位机与驾驶机器人通信,获取车辆运行状态数据,同时对自动驾驶车辆的振动在线监测,最后结合车辆振动数据和状态信息进行在线诊断,开发了监测与诊断界面,实现了自动驾驶汽车在道路测试行驶过程中的振动在线监测与诊断。