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。

随着自动驾驶技术的发展,目标检测的准确性和可靠性变得至关重要。深度学习作为自动驾驶系统中的核心组成部分,其预测结果的不确定性估计对于系统的安全性和稳定性具有显著影响。总结了深度学习不确定性估计理论在自动驾驶目标检测中的应用,并探讨了有效的不确定性评价体系的重要性。介绍了深度学习不确定性估计的基本理论,包括贝叶斯神经网络、蒙特卡洛方法以及集成学习方法等。这些方法通过不同的途径量化模型预测的不确定性,为自动驾驶系统提供了更丰富的信息。深入探讨了自动驾驶目标检测中不确定性估计的应用。通过案例分析,展示了如何利用不确定性信息来提高目标检测的准确性,特别是在面对复杂环境和极端条件时,不确定性估计可以作为决策支持,帮助系统避免潜在的风险。总结了自动驾驶目标检测不确定性估计评价指标,同时,考虑了模型的预测性能、不确定性估计的准确性。

在自动驾驶的视觉感知任务中,准确且快速提取认知不确定性和偶然不确定性对有效解决自动驾驶的预期功能安全问题至关重要。传统方法中,如MonteCarlo Dropout 和 Deep Ensembles,通过采样不同子模型的预测结果来估计不确定性,这使在模型推理阶段不确定性估计速度很慢且容易占用处理器大量内存。针对MonteCarlo Dropout不确定性估计速度较慢及其后续检测结果选取的问题,提出了一种快速 MonteCarlo Dropout方法及后续检测结果校正的方法。此方法使用多头机制替换了MonteCarlo Dropout传统的多次采样机制,节省了采样时间,进而节省了整个不确定性估计阶段的推理时间。

针对自动驾驶接受准则难以统一并量化的问题,通过综述现有相关法规、标准和评价方法最优实践,凝练5种安全概念及相互关联关系。着重阐释了以合理可预见且可避免为核心的行为安全概念及研究现状。结合场景数据统计和驾驶员紧急反应机制,提出了合理可预见和可避免的量化研究方法框架。结合事故和实践经验,给出了行为安全在自动驾驶评价中的使用方法,及基于其概念的覆盖事前事后的闭环认证认可流程。可为主管机构、行业第三方、研发企业围绕行为安全建立相关自动驾驶研发、测试流程提供参考。

为了避免驾驶辅助系统对驾驶员造成不必要的干预,结合碰撞风险与驾驶操纵能力引出了纵向跟车工况下的风险评估区的概念,基于驾驶数据的正态分布特性确定了风险评估区边界,进而提出一种新的人机共驾纵向驾驶权分配策略,该策略以碰撞时间倒数(TTCi)为判断前提,如果TTCi超过其阈值,则以风险评估区上边界代表驾驶操纵能力的最大偏差值,根据驾驶员操纵能力的偏差程度分配辅助驾驶系统的控制权。结合Prescan、Matlab/Simulink与罗技G29驾驶模拟器搭建了驾驶员在环仿真平台,以分心驾驶模拟驾驶员操纵能力下降情况,对策略的有效性进行了验证。结果表明,在高速道路跟车工况下,所提出的人机共驾策略能有效避免由于驾驶员操纵能力下降导致的碰撞事件发生。

针对当前无人车行驶过程中存在的异常信号测试手段缺乏问题,以可靠性行驶试验中受到环境干扰等导致的信号异常为例,利用感知系统中多传感器感知信号在时域和空域上的相关性,建立多传感器采集数据信息间的交叉数学模型,提出将传感器采集信号和各传感器分别作为信号矩阵的行列元素,通过此数值化方式将原始多传感器信号转化为可参数化的信号矩阵模型。还提出了一种基于矩阵补全和深度矩阵分解融合(MC+DMF)的方法恢复由于环境干扰等导致的部分异常信号,根据神经网络前向传播特性,将原始矩阵中的行向量(单个传感器在i时刻的各采集数据)和列向量(传感器向量)进行降维,降低失真信号矩阵在特征提取过程中的计算量,利用Hadamard乘积对特征提取后的损失函数正则化避免出现过拟合,将该方法运用至SODA10M和KITTI公开数据集中,并与传统的单一矩阵分解(MF)、概率矩阵分解(PMF)、带偏置的奇异值分解(BiasSVD)方法进行均方根误差(MAE)对比试验,可有效检测到行驶过程中出现的异常信号传感器。结果表明,深度矩阵分解方法能极大地降低数据恢复误差和时间,相较于概率矩阵分解方法,其误差率低1%,恢复时间少约20.65%。

车道线检测是自动驾驶领域的关键技术,目前仍面临较多挑战。车道线监督信号的稀疏性以及复杂场景下的遮挡、阴影等因素会影响检测的准确率与实时性。基于此,提出了一种融合CBAM注意力机制与线锚特征聚合模块的车道线检测模型,提出的算法在Tusimple 和 CULane数据集分别达到96.19%的准确率和76.24%的综合F1得分,通过实车测试表明,该算法检测帧率为67fps,可以在复杂交通场景下进行实时检测,较好地解决了车道线遮挡问题。

在现有的基于视觉的智能雨刮系统中,雨滴目标检测模型的参数量多,计算规模大,不利于部署到车载嵌入式设备中。针对上述问题,提出一种改进的轻量级雨滴目标检测模型 YOLOv5RGA。使用轻量化网络RepVGG模块和GhostBottleneck模块替代主干网络的卷积模块和C3模块,改善网络的特征提取能力,降低网络的参数量和计算量。使用Adam优化器代替SGD优化器,加快收敛速度,提高网络模型的平均精度。通过试验验证,与YOLOv5s模型相比,基于YOLOv5RGA的雨滴目标检测模型的平均精度提高了0.8%,同时模型参数量降低了48.5%,计算量降低了35.2%,模型大小降低了44.4%。轻量级雨滴目标检测模型的应用能大大降低硬件开销,同时也有利于模型的部署。

为加快推动智能网联汽车数据资源的集聚共享和开发利用,提出建立采用“国家区域企业”三级多中心架构的“智能网联汽车数据交互与综合应用公共服务平台”。该平台基于行业统一的数据采集与传输标准规范,广泛应用大数据、云计算、区块链等现代信息技术,能高效实现千万量级车辆数据的实时采集与分析处理,为促进行业数据的挖掘利用提供基础支撑平台。基于平台采集存储的数据资源,探索开展了车辆测试评价、安全运行监测、分析挖掘等多场景综合应用,验证了平台实际应用的先进性和可行性。

为充分发挥油电混动系统在矿卡上的节能减排性能,针对串联式混合动力矿卡提出一种双模能量管理策略(EMS)。利用反向传播神经网络(BPNN)构建了“发动机最优油耗模式”和“增程器效率最优模式”模型,在此基础上,设计了一种双模EMS来调整增程器与电池包的功率输出,实现了整车在复杂工况下的能耗实时调整,以实际工况数据对提出的策略进行了硬件在环仿真验证。结果表明,与规则策略和等效能耗最小策略相比,双模EMS的节油率分别提升了12.74%和7.4%,进一步提升了实时策略的节油性能。

针对如何回收电机余热以提升乘员舱制热性能的问题,基于AMESim软件搭建了纯电动乘用车热管理系统仿真模型。在此基础上,分析了电机余热回收模式下,制冷剂分配比例和热管理系统架构对乘员舱制热性能的影响。研究结果表明,在车速为60 km/h时,电机的发热量可达1402W,电机控制器的发热量可达427 W。与无电机余热回收模式相比,通过合理分配制冷剂,热管理系统从电驱动系统和环境中吸收的总热量可提升58.69%~100.57%,乘员舱制热功率可提升71.36%~100.37%。在电机余热回收模式下,采用并联架构的乘员舱制热功率比串联架构高出了23.42%~27.23%。

针对传统PI控制器难以同时满足高速弱磁和低速弱磁电压反馈回路增益非线性变换的问题,提出了一种自适应调节方案。通过分析解耦电压反馈式电流超前角控制回路中导致系统非线性的因素,设计了反比函数转速调节器和模糊控制电流超前角调节器,对弱磁工况下电压控制回路的非线性进行补偿,设计了钳位抗饱和模块以解决电压反馈积分饱和问题。在此基础上,采用粒子群优化算法,对模糊控制器的模糊规则权值和比例因子进行离线优化。通过仿真和试验证明了自适应弱磁算法响应特性优于传统PI电压反馈控制算法。

对车辆轮胎漂移极限工况的分析可以大幅提高自动驾驶车辆的横纵向控制能力以及驾驶安全性。基于UniTire的大滑移的附着表达能力优化了整车漂移的控制算法,并依据整车稳定控制原理和预期制动回正时间参数等,实现漂移结束后车辆快速恢复稳态直线行驶的轮缸目标压力的计算,通过DYNA4与Simulink在CANoe工控机平台进行了快速原型验证。结果表明,优化后的控制算法能使车辆快速进入漂移的横纵向平衡状态以及漂移结束后快速恢复直线行驶,且能达到控制的实时性要求。

松软路面条件下,轮地接触界面应力分布随滑转和沉陷的变化规律较复杂,难以进行轮胎模型的合理表达。基于有限元进行了定沉陷量条件下的轮胎纵向滑转/滑移仿真,探明了轮地接触界面应力分布特性随滑转/滑移程度的变化规律,发现在不同滑移率下应力分布呈现3种特性,分别对应滑转、小程度滑移和大程度滑移状态。通过模拟压陷、剪切试验获得土壤特性参数,建立了适用于3种滑转/滑移状态的应力分布模型,以此为基础进一步建立了轮地相互作用纵滑模型,对松软路面上的轮胎面内特性有较好的表达效果。

热氧老化是发动机舱非金属零部件主要热失效模式之一,传统的整车热管理开发流程大多仅关注零部件的最高工作温度,不能有效地预测零部件生命周期内的热衰退表现。基于中国市场的气候条件和车辆道路行驶大数据,建立了一套整车热老化等效行驶工况和零部件热老化寿命评估方法。采用该方法对某车型发动机悬置橡胶衬套的热老化寿命进行了评估,发现改善橡胶材料的配方可以提高其热老化寿命至约3倍,悬置橡胶衬套的实际工作温度在原有基础上升高10℃,其热老化寿命减少约50.0%。对悬置橡胶衬套的传热路径进行了分析,发现可以通过优化冷却风扇尾流以及降低发动机本体与悬置橡胶衬套之间的热传导来改善橡胶衬套的实际工作温度,从而提高其热老化寿命。

解决网约车运营中的乘客出行需求预测问题,以降低车辆空载率、减少乘客等待时间。在考虑乘客出行需求的动态时空依赖性的基础上,提出一种基于空间数据可视化和格兰杰因果检验的乘客出行需求空间依赖性分析方法,并结合卷积神经网络和注意力机制,建立了一种基于注意力机制的时空图卷积神经网络模型来预测乘客出行需求。实例研究表明,本模型能有效捕获乘客出行需求时空依赖性的动态特征,提升模型的预测性能,具有较高的准确性和实用性。

3D打印技术由于其耗材成本低、成品多样化的特点,在汽车吸能结构的耐撞性研究中已被研究人员关注与应用。通过3D打印技术针对相同结构尺寸,不同基体材料的防撞梁和蜂窝填充材料等汽车吸能结构,开展了准静态试验研究,对比分析了其力学响应及变形模式,进一步基于有限元仿真,研究了结构参数对其耐撞性指标的影响。研究结果表明,3D打印PLA防撞梁及蜂窝填充结构的载荷位移曲线与金属结构呈现出相同的趋势,并且能反映汽车吸能结构的变形特征;结构壁厚的增加导致相对密度的增加,提高了防撞梁与蜂窝结构的耐撞性,此外,胞元尺寸的增加也会影响蜂窝结构的耐撞性。提出了基于3D打印技术的汽车吸能结构优化方案,采用试验与仿真相结合的方法系统地研究了结构参数对耐撞性的影响,对于汽车类专业教具设计及汽车吸能结构分析有一定的参考意义。