5G V2X赋能车路协同系统

车路协同是信息通信、智能汽车、交通运输和交通管理等行业深度融合的新型产业业态,处于人工智能、5G和交通三大国家战略的交汇点。5G V2X无线通信技术作为关键赋能型技术,将有助于构建“路-云-车-人-网”协同的车联网生态体系。该文首先介绍车路协同系统的定义、主要建设内容及其典型应用场景。其次以应用牵引,针对5G新空口-车用无线通信(NR-V2X)技术中的直连通信应用于自动驾驶场景的具体需求进行研究,给出不同业务场景下对通信性能和安全的需求说明。最后,针对车路协同系统低时延、高可靠和高并发的系统需求,分析5G NR V2X物理层、资源分配、拥塞控制和Qos与安全设计的相关原理。

基于14项智能网联汽车封闭测试的海南汽车试验场改造建设

为了全面掌握智能网联汽车封闭试验场建设标准,通过分析《智能网联汽车道路测试管理规范(试行)》及相关标准、法规,总结了智能网联汽车在封闭测试场进行14项测试的具体要求,梳理了智能网联汽车封闭测试场建设的主要内容,并按照相关要求从园区改造、硬件设备设施建设及软件平台建设3大方面对海南汽车试验场进行了智能网联化改造,使其满足所有智能网联汽车封闭测试要求,为封闭测试场建设或传统试验场改造为智能网联汽车试验场提供参考。

基于数字孪生技术的智能网联半挂汽车装调与测试平台构建

半挂汽车在高速发展的现代物流行业起着关键作用,随着半挂汽车制造业向智能化和网络化转型,行业面临测试成本高昂、测试环境复杂和效率低下等挑战。本研究通过半挂汽车动力学模型、控制模型和三维模型,创建了数字孪生对象,并构建了智能网联半挂汽车的数字孪生装调测试平台。该平台实现了对装调和测试过程的实时监控、预测和优化,有效提升了测试效率和质量,为半挂汽车的数字化和智能制造提供了创新的解决方案。

我国自动驾驶汽车公共测试道路管理现状及对策

本文聚焦国内自动驾驶汽车公共测试道路,介绍国内各地自动驾驶汽车及公共测试道路管理现状,从政策、管理、产业、技术、应用等多个角度分析发展趋势,提出当前发展中存在的问题及对策建议。

智能网联汽车测试方案研究与展望

对智能网联汽车开展全方位的测试评价,是智能网联汽车安全上路与产业顺利落地的重要保障。基于智能网联汽车的测试现状、测试技术路径、测试评价规范和标准,在满足智能网联汽车现有道路测试要求及未来多应用融合方面,创新性地提出智能网联汽车测试方案总体架构,并详细阐述虚拟仿真测试、网联测试、自动驾驶功能测试、大规模并发测试、互联互通测试5个业务应用。最后结合我国智能网联汽车的实际应用与行业需求,对智能网联汽车测试的未来发展方向进行展望。

基于配电网一次侧故障的就地式FA测试技术研究

一二次融合智能开关具备故障就地化处理高级功能,是智能配电网的典型特征,但如何测试其故障处理功能是一个难题,因此提出了高精度故障反演测试系统,为一二次融合智能开关故障测试奠定基础。通过分析目前传统的各种馈线自动化测试方法的不足,提出了基于一次侧故障注入的测试方法,解决了一二次智能开关全要素参与FA测试的问题。为实现就地式FA系统级测试,提出了基于HIL的一次侧故障注入就地式FA测试方法,采用仿真节点与实际测试台融合的虚实结合的技术,实现就地式FA系统级测试。

一种车路协同封闭场地测试系统设计方法

智能网联汽车搭载了先进的环境感知系统及智能逻辑算法功能,具备环境感知及智能决策功能。但对于道路盲区的预测及控制,是单车智能无法跨越的壁垒。目前,路侧感知及车联网技术已成为未来发展无人驾驶汽车、道路通行安全及效率提升的公认技术路线之一。文章通过标准梳理及走访调研国内车联网测试场、示范区,以测试场景为依托,提出道路技术参数设计方法及最小通信距离设计方法,结合设备设施布置要求,提出一种封闭测试场车路协同系统设计方法,满足智能网联汽车车路协同全场景封闭场地闭环测试及验证。

浅论国家汽车质量检验检测中心(广西)封闭智能网联测试场地的规划建设

文章阐述了广西柳州首家封闭智能网联测试场地的规划、设计、建造全过程,探讨了测试场地的智能网联汽车道路试验检测评价技术以及智能网联汽车封闭道路测试能力,并形成广西智能网联汽车自动驾驶功能测试技术规范,符合广西汽车产业的发展方向。针对建设过程中的重点、难点进行分析,解决建造过程中的行驶车道和传播区域吸声系数问题,使场地满足试验标准的条件,为后续的场地建设提供了宝贵的经验。

智能网联重卡的前向碰撞预警方案设计

前向碰撞预警系统已经成为重卡车型的标准配置,JT/T 1178.2-2019《营运货车安全技术条件》规定,牵引车辆和总质量大于18000 kg且最高车速大于90 km/h的载货车应具备车道偏离报警功能和车辆前向碰撞预警功能。本文提出了一种智能网联重卡的前碰撞预警方案,将前视摄像头和77 G毫米波雷达结合采集到的两种不同数据进行融合,实现前碰撞预警功能,该方案通过了实车场地测试和道路测试。测试结果表明该方案可以有效提升行驶的安全性。

基于自然驾驶的智能网联汽车典型场景采集及分析研究

为了进行大规模自然驾驶场景数据的采集,本文首先分析了驾驶场景数据采集需求,选定了数据采集设备方案。接着,基于所开发的数据采集系统,制定了数据采集实施方案,共招募了60余驾驶员,进行了覆盖全国27个省份的自然驾驶数据采集工作,完成了50万公里数据的采集。最终,基于所采集的数据,开展包括数据采集整体情况、行车域场景、泊车域场景等智能网联汽车典型场景的数据统计分析。本文研究成果为后续的自动驾驶功能深入分析、对极端危险场景中驾驶员的行为分析奠定基础。

智能网联车路云协同系统架构与关键技术研究综述

随着汽车产业电动化、智能化、网联化、共享化的发展驱动,全球主要强国均将智能网联汽车列为国家战略发展方向.蜂窝车联网、边缘计算网络和高精度定位系统的技术发展,为车车、车路、车人和车云系统的全面融合提供了有效支撑.车辆、道路、云平台与蜂窝车联网(Cellular vehicle-to-everything,C-V2X)网络的融合,加速打通车内与车外、路面与路侧、云上与云间的信息互通,为实现车路云一体化的融合感知、群体决策及协同控制提供了重要基础.首先,梳理了智能网联车路云协同系统架构与关键技术,对该领域的演进特征、发展制约因素进行了总体概述;其次,阐述了新型车路云协同系统、智能网联C-V2X通信系统、云控系统和车路云协同测试系统的架构设计与工作原理;然后,从C-V2X组网、融合定位、测试评价角度,介绍了车路云协同系统融合V2X网络、融合定位的技术演进与研究进展,给出了智能网联场景的仿真平台、实车测试及评价指标;最后,对智能网联车路云协同系统的协同组网与控制、互操作、边缘智能服务和安全技术层面的发展趋势进行了展望.

车联网仿真测试评价技术研究综述

车联网的大规模部署及其在智能网联汽车领域的广泛应用前需要对其性能及功能进行全面、深入的测试评价,其中通过仿真技术对其进行评价分析是当前的主流测试评价手段。从车联网研究及应用过程中的测试评价需求出发,总结了主流的网络仿真器和交通仿真器,对现有车联网仿真平台进行了分类,研究并对比分析了典型的车联网仿真平台;针对车联网的应用特性,研究并归纳了影响车联网仿真性能的车辆移动模型、信道传播模型及驾驶员行为等;从网络仿真指标、车联网应用相关指标归纳了车联网功能及性能测试的典型评价指标;最后探讨了车联网仿真测试的发展方向。

基于密集连接卷积神经网络的道路车辆检测与识别算法

针对现有道路车辆检测识别算法中存在的检测精度不高、实时性差以及小目标车辆漏检等问题,提出一种基于密集连接卷积神经网络的道路车辆检测与识别算法。首先,基于YOLOv4网络框架,通过采用密集连接的深度残差网络结构,加强特征提取阶段的特征复用,实现对浅层复杂度较低的特征的利用;然后,在多尺度特征融合网络引入跳跃连接结构,强化网络的特征信息融合和表征能力,以降低车辆漏检率;最后,采用维度聚类算法重新计算先验框尺寸,并按照合理的策略分配给不同检测尺度。实验结果表明,该算法在KITTI数据集上获得了98.21%的检测精度和48.05 frame/s的检测速度,对于BDD100K数据集中复杂恶劣环境中的车辆也有较好的检测效果,在满足实时检测要求的同时有效提升检测精度。

车联网中一种面向路侧单元的自组网路由协议

提出了一种面向路侧单元的自组网路由协议.该协议采用树形拓扑结构,路网分为若干交通控制子区,各子区设有交通控制子中心,网络采用无线或有线方式与控制总中心相连,各子区内以交通控制子中心作为根节点,路侧单元作为路由子节点,通过自组网路由协议,构建路侧单元自组网络.仿真实验结果证明,借助路侧单元自组网络,实现相互车路通信和车车通信,很大程度上改善了车载自组网的信息发布与数据聚合.

基于神经网络的智能驾驶模式识别研究

为满足智能驾驶汽车高级驾驶辅助系统(ADAS)功能研发和验证的需求,提高ADAS功能的准确性,设计了一款基于神经网络的智能驾驶模式识别程序,该程序由数据采集、目标检测、场景识别预测3个模块组成。数据采集模块利用ESR毫米波雷达、前置摄像头对交通环境及周围车辆的数据信息进行采集;目标监测模块通过控制算法选择判断触发各类ADAS功能场景的最可疑目标;场景识别处理模块以汽车制造商提供的大量自然驾驶数据的场景挖掘结果为依据,利用神经网络学习各类ADAS场景的特征行为,并通过约束条件对各类ADAS功能场景的识别结果进行实时判定。通过开放道路试验进行验证,结果表明,该程序的场景识别结果准确率可达到99.86%。

基于智能微缩车的车路协同实训平台设计

基于智能微缩车设计的车路协同实训平台集成了环境感知传感器、决策控制器、模拟道路场景、运动执行单元等模块来模拟智能汽车行驶控制;结合等比例沙盘,进行智能网联微缩车实训平台SLAM建图、自主导航、自动寻线行驶、自动泊车、雷达跟随行驶、行驶过程中自动避障、红路灯识别等自动驾驶功能;微缩车、沙盘、路侧单元综合测试,构成“车-路-云”系统。通过道路场景变换掌握智能车及先进驾驶辅助系统的知识与技能,推动我国智能网联汽车技术的发展和人才培养。支撑企业研究智能车及无人驾驶技术,降低研发成本,实现显著社会价值、经济价值。

智能网联汽车法律规制及路权前瞻

发达国家抓住人工智能网联汽车的发展契机,积极进行政策松绑和法律制定,以期获得国际竞争优势。我国智能网联汽车技术也在迅速发展,但囿于技术瓶颈和传统交通法规限制,智能网联汽车仍面临网络风险危及公共安全、传感数据侵害他人隐私、事故责任引发争议、立法滞后路权范围偏小等问题,有必要通过加强网络安全立法强化隐私信息保护,厘清智能网联汽车事故责任,扩充智能网联汽车路权,探索具有我国特色的智能网联汽车发展和治理之路。

随机时变路网环境下稳健路径选择及实证研究

交通拥挤、天气、突发事故等不确定性因素影响着城市区域之间的路网提供的连通服务水平.本文对城市片区间道路连通路径选择进行研究.根据随机时变网络描述和稳健路径选取原则,建立了最优化模型,并采用改进的Dijkstra算法.通过深圳实例计算,分析了出发时刻与最短路径行程时间和路段构成之间关系,并与确定性时变路网环境下进行计算结果对比.结果表明,随机时变路网环境下鲁棒性最优算法选择稳健路径具有合理性和可行性,可以很好地应用到区域动态连通情况的研究.

基于道路试验的跟车场景挖掘系统设计

为满足智能网联汽车开发和测试过程中对驾驶场景的需求,设计了一种跟车场景挖掘系统,该系统由车辆空间位置模块、跟车目标选择模块、跟车约束模块、信号及时间片断处理模块组成,车辆空间位置模块和跟车目标选择模块对跟车目标和跟车场景开始时间进行标定,跟车约束模块对跟车场景结束时间进行标定,最终通过信号及时间片断处理模块完成跟车场景信号的挖掘。离线场景挖掘和道路试验结果表明,该系统具有较高的准确性。

国家智能交通综合测试基地通信网络架构解析

通过对国家智能交通综合测试基地基于测试专网、交通管理业务专网、办公网等的通信网络类型、网络通信的需求分析和重点对网络架构的解读分析,理清了国家智能交通综合测试基地各类网络的结构和层次关系,为基地未来的综合服务楼、科学实验楼等建设提供网络安全管理、可靠扩展的技术基础。