三阶段智能车辆多信号灯路口节能车速规划

为提高智能车辆在多信号灯场景通行时的能耗经济性，提出一种鲁棒三阶段(选择—平滑—优化，Select-Smooth-Optimize, SSO)的节能车速规划框架。采用随机撒点方式划分可通行区域，基于经济巡航车速构建加权有向无环图(WOG),利用Dijkstra算法求解加权有向无环图粗解；利用三次样条插值模型平滑粗解轨迹，降低非线性优化的计算时间；将车速规划最优控制问题转化为非线性优化问题，利用平滑后的轨迹作为内点法优化的初始迭代值，加快最优速度轨迹收敛，构建不规则信号灯相位和配时(SPaT)场景并进行仿真测试。仿真结果表明，与一阶段和两阶段基准算法相比，SSO算法分别节省26%、7%的能耗，并能兼顾鲁棒性与实时性计算要求。     

基于激光点云特征的LiDAR-GNSS/IMU联合自动标定方法

车载多线激光雷达与GNSS/IMU系统间的数据融合可以提高智能驾驶定位系统的精度，两传感器间外部参数的标定是完成数据融合的前提.针对车辆传感器间外部参数手动测量困难、标定自动化程度低的问题，提出了一种不依赖标志物的自动标定方法，首先构建线、面两类特征点云地图并采用闭环约束减小累积误差，对两类点云地图分别提取面特征体素和线特征聚类，并将每一激光帧中的激光点与面特征体素和线特征聚类进行关联，结合基于运动标定的约束，构建最小二乘问题优化求解外部参数，最后通过实车实验验证了所提出算法的有效性和鲁棒性.     

硬件在环测试台模拟车辆电池的电压分布

驾驶辅助系统不仅是为了辅助驾驶员进行一般的驾驶活动,而且要能在关键情况下接管驾驶。使用原型车进行试驾是测试该系统最现实的方式,试驾可使驾驶辅助系统暴露在各种实际环境下,从而检查其可靠性。由于带有原型的测试驱动器成本很高,而且难以完全相同方式复制驾驶活动,因此在系统开发和测试过程中经常使用硬件在环（HiL）测试台。HiL测试台不仅提供相关硬件,还可以为这些被测系统（SUT）提供模拟环境。在实际车辆的试驾过程中,由于不同的环境影响,电气系统的电压会发生变化,这些变化是基于不断变化的电气负载影响。目前,车辆电气系统的电压变化无法在硬件在环测试台上模拟。为了确定电压变化的原因和潜在现象,需要对实际试驾记录数据进行检查,以了解潜在现象。然后将这些结果用于推导唯象激励,该唯象激励可用于模拟测试台上的真实电压曲线。本文分析了车辆测量结果,目的是找出车载电压长期和短期热变化的可能原因,提出一种在HiL测试台上进行虚拟测试驱动的情况下真实模拟电压变化的方法。     

中国造车新势力的发展历程与前景展望

近几年,涌现了诸多非传统汽车行业出身的企业创始人,他们被统称为造车新势力.本文回顾了中国造车新势力的发展历程,从政治因素、经济因素、社会因素和技术因素角度对其出现和快速发展的原因进行了分析;总结了其中涌现的企业家精神;针对新能源汽车的政策和新能源汽车实际使用问题,对新能源汽车的发展前景进行了展望.     

面向类人角色动画的骨骼运动数据生成算法

为降低获取与给定类人角色模型相匹配的骨骼运动数据的成本，提高运动数据的可重用性，文章提出一种仅使用较少种类的动作捕捉数据获取多种类角色模型的骨骼运动数据生成算法。该算法首先利用动作捕捉数据训练运动数据自编码器，然后在该自编码器生成的隐变量空间中通过迭代约束求解的方式获得多种不同类人角色模型的骨骼运动数据。在Adobe Mixamo数据库上的实验表明，该文提出的算法具有较好的表现性能，能够有效生成多种类的骨骼运动数据，可以作为一种扩展骨骼运动数据库的方法，能够为影视、动画和游戏等领域降低动画制作的成本。     

自动驾驶车辆对人工驾驶车辆跟驰行为影响分析

针对自动驾驶车辆（automated vehicle, AV）与人工驾驶车辆（manual vehicle, MV）组成的混行跟驰环境，基于Waymo公开数据集研究混行环境中AV前车对MV后车跟驰行为的影响。首先，探究混行环境中期望安全裕度模型和智能驾驶人模型的建模能力和模型参数变化，研究表明，混行环境中MV跟驰行为的机制没有发生变化，但是MV驾驶人的减速敏感程度更低。其次，从跟驰安全性、稳定性和环境效应3个方面对混行跟驰行为进行进一步分析得到，混行环境中的MV跟驰行为的稳定性和环境效应得到了改善，但是安全性并没有发生变化。最后，通过对前车速度波动性进行讨论发现，AV前车主要是通过降低自身速度波动性，从而抑制MV后车的速度波动性，改善MV后车在稳定性及环境效应方面的表现。     

基于注视行为特性的驾驶人分心负荷评估

为了评估驾驶人操作手机的各种行为对行车安全的影响，组织19名驾驶人佩戴眼动仪开展室内模拟驾驶试验，分别采集城市快速路自由流和拥挤流2种典型交通状况下驾驶人进行正常驾驶、免提通话、语音短信3种操作时的注视数据。采用层次聚类法结合机械划分的方式，将驾驶人的视野平面划分为6个视觉兴趣区域；利用描述统计和方差分析法建立了衡量注视行为特性的敏感性指标集(注视区域信息熵、注视持续时间、垂直方向注视偏差、瞳孔面积变异系数)；最后采用熵权法构建4项指标的权重体系，提出了分心负荷指数的概念，并引入TOPSIS法验证了分心负荷指数对分心程度的评估效果。结果表明:进行免提通话操作时驾驶人多处于认知分心状态，语音短信操作时多处于视觉分心状态；相较于正常驾驶，除了自由流场景中进行免提通话操作时分心负荷差异甚微以外，其余手机操作均对驾驶人注视行为产生显著影响，致使分心负荷指数普遍升高，且在拥挤流场景中，执行语音短信操作时分心负荷激增，驾驶风险远高于免提通话。     

真实驾驶循环中的发动机电基合成燃料评估

电基合成燃料（E-Fuels）是实现环境和气候目标的一个重要组成部分。其中C1含氧化合物因其具备清洁燃烧的特性而备受关注,包括氧化亚甲基醚（OME）、碳酸二甲酯（DMC）和甲酸甲酯（MeFo）。为探索新型燃料在内燃机中的潜力,对汽油和柴油燃烧、排放模型进行了优化和扩展。在成功验证和标定模型后,对虚拟测试车辆进行了研究,重点关注燃料的效率潜力、排放水平和经济性。首先,基于现代汽油、柴油和天然气发动机,开发了不同概念的OME和DMC/MeFo发动机;其次,在真实驾驶循环（RDE）中对这些发动机概念在E级乘用车和40 t卡车上的应用进行了评估。结果表明,通过调整喷射策略和匹配废气再循环,OME发动机能实现最佳的热效率和极低的排放;混合燃料DMC/MeFo由于高抗爆性,结合先进的发动机技术,能达到接近柴油机的热效率,且发动机复杂性大大降低,这使得DMC/MeFo燃料在重型卡车应用中具有广阔的前景。     

基于改进YOLOv5的露天矿山目标检测方法

目前实地部署的商用采矿无人系统大都采用激光雷达和毫米波雷达作为感知传感器，难以准确识别障碍物的类型，尤其是较远处障碍物，不利于正确决策，从而影响无人作业的安全和整体效率.针对这些问题，本文采集了不同场景的矿山数据，并提出了一种基于YOLOv5S的图像目标检测算法.该算法主要进行了三方面改进：首先，使用不同的填充策略和空间注意模块优化采样方法，提高了模型的采样能力；其次，解耦Head预测分支，让每个分支专注自己的任务；最后，优化损失函数，耦合定位和分类，实现定位和分类任务的联合优化.试验表明，三种方法在保持实时性的前提下，可将YOLOv5S的平均精度（Average Precesion， AP）从49.9%提高至58.9%，实现白天、夜间场景下不同尺度的障碍物识别.