事故接管场景下L3自动驾驶换道轨迹的评价和分类

为研究L3自动驾驶事故场景下人工接管后换道轨迹的评价和分类问题,通过驾驶模拟实验采集换道轨迹数据;从舒适性、高效性、生态性、安全性4个方面选取9个评价指标;采用熵权TOPSIS(technique for order preference by similarity to an ideal solution)模型对换道轨迹进行评价并完成标签标定;用标定后的数据训练得到支持向量机(support vector machine, SVM)分类器模型,并将其应用于换道轨迹的分类中,该模型在测试集的平均准确率为79.55%,平均精确率为79.52%,平均召回率为79.51%,平均F_(1)值为77.43%。结果表明:应用熵权TOPSIS模型得到的评分最高的换道轨迹在舒适性、高效性、生态性和安全性上综合表现优秀;SVM分类器能以较为稳定的准确率完成换道轨迹的分类。得到的最优换道轨迹可为驾驶员的换道提供指导,也可为自动驾驶车辆的轨迹遵循提供参考。

基于用户体验的L3级自动驾驶汽车MR界面设计研究

文章旨在探讨如何通过优化L3级自动驾驶汽车的MR界面,给用户提供更加直观和舒适的体验。首先,采用焦点小组访谈、问卷调查和行为观察三种方法,研究识别出了五种用户模型。其次,深入分析了用户需求和对MR界面核心功能的偏好。研究结果揭示了用户对清晰界面展示、直观操作和安全功能的高度需求。基于这些发现,提出了从战略层到操作层的分层设计策略,强调以用户为中心的设计理念,并综合考虑了安全性、直观性和个性化需求。以期为自动驾驶汽车的MR界面设计提供一定的借鉴。

面向L3级自动驾驶高速公路道路测试场景的构建方法

自动驾驶技术的发展离不开道路测试,科学完善的自动驾驶测试评价体系需要完整的测试场景做支撑。高速公路场景作为L3级自动驾驶的典型应用场景,相关的测试标准、测试方法、测试场景亟需明确。文章通过对L3级自动驾驶高速公路道路测试场景来源、场景分类与要素、场景构建关键技术等分析,结合L3级自动驾驶高速公路应用场景,从自动驾驶车辆应急处置、人工介入能力和综合驾驶能力等方面,提出L3级自动驾驶高速公路道路测试场景及测试项目,为后续道路测试评价方法提供基础。

基于L3级自动驾驶的HMI设计

根据L3级自动驾驶项目的相关开发经验,对L3级自动驾驶汽车HMI设计中的问题及痛点进行分析,找出具体根源,同时描述HMI设计在自动驾驶中的作用,并结合实际应用,论述L3级自动驾驶HMI设计的相关原则。

机动车自动驾驶中若干概念探析

近年来,随着人工智能技术的进步,机动车自动驾驶也获得了蓬勃发展。本文在此背景下讨论了自动驾驶中驾驶以及驾驶人概念的变化问题。对于驾驶人的概念,本文认为由于目前完全意义上的自动驾驶尚未出现,所以对驾驶人概念仍应做与过去相同的理解。另外,本文还从技术层面和制度层面提出了一些使现行法中不具备正常驾驶能力的人驾驶人身份成立的设想。对于驾驶的概念,本文认为驾驶即让机动车在公共道路上行驶的行为,这与现行法中对于驾驶的理解相同。另外,作者也提到了自动驾驶中驾驶与限速规定的关系值得关注。