体验驾驶乐趣——奥迪TT Coupe

4月6日，奥迪发布了新一代TT Coupe。这是于1998年发布的该系列的换代产品。新款双座跑车根据空气动力学重新设计了外形，后排空间有了明显的提升，并且后备厢的容积也有了很大的提升。     

PDA生活专栏（第三回）之游戏梦想

本期的话题其实就围绕一个主题那就是玩就是将PDA变成一个超级游戏机让他带给你无穷的乐趣．现在正值非典特殊时期．除了在家看电视出外散步．好吃好喝等。用PDA打游戏也是不错的活动．笔者这些时间就在游戏上下了很大的功夫，将小时候一些来圆的“梦想’全部实现了，下面笔者就分为PALM篇和PPC篇来分别介绍PDA的游戏功能。     

在探究中体验数学乐趣

随着新课程改革的不断深入,在课堂教学中实施探究性学习显得越来越重要.研究性学习广义地说是指学生主动探究问题的学习,在目前的实践中,主要是指学生在教师的指导下,以类似科学研究的方式去主动获取数学知识,启用数学知识解决问题.数学探究性学习中教师的关键是帮助学生发现值     

自在驾驶 自由通话——车载免提全攻略

随着有车族的壮大。在大街上经常可看到这样的镜头：驾驶员一只手握着方向盘开车。另一只手拿着手机打电话。有调查显示。驾车人因使用手机所而造成的事故占全部交通事故的27．3％。我国的交通法规明确规定司机在行车期间接打手机是违章行为。佩戴手机耳机虽然可以在一定程度上解决开车时接打电话的不便。但被手机耳机线“束缚”的滋味大家也不会觉得很好受吧。如果不得以要在行车时打电话，最好的选择是使用免提装置解放司机们的手。车载免提系统一般可分为传统型车载免提(包括有线连接和使用无线RF发射器的两大类)和蓝牙车载免提。二者各具特点。读者可根据下面的介绍大致了解。     

选车还是选高科技

看过好莱坞大作《I，ROBOT》(机械公敌)的观众，一定会被那辆在未来世界2035年Will Smiths所驾驶的奥迪(AUDI）RSQ跑车深深吸引，没有方向盘、换挡杆，也没有传统的高合器、刹车以及油门踏板。只需要将车上的电脑打开．输入目的地以及在行驶过程中你所感兴趣的数据，电脑就会控制车辆自动向目的地行驶，你可以在车里办公、看碟、玩游戏、甚至睡觉。不用担心发生事故．也不用担心警察的罚单．驾驶这样的车完全是一种享受。     

基于C-V2X的车路协同自动驾驶关键技术与应用

随着车联网技术的演进,自动驾驶在单车智能的基础上,又有了新的发展形态——车路协同自动驾驶。通过“人-车-路-云”深度融合形成的一体化复杂信息物理系统（cyber physical system,CPS）,可以与自动驾驶车辆实现协同感知、协同决策规划甚至协同控制,提升自动驾驶安全性,帮助克服各类复杂交通环境。首先介绍了车路协同的复杂信息物理系统的概念内涵和总体架构,并提出了车路协同自动驾驶的一系列典型应用场景、技术原理、C-V2X(cellular vehicle-to-everything)性能要求、车路协同系统功能与性能要求,可以为下一阶段智能网联汽车与智能交通的深度融合发展提供参考和解决思路。     

面向协同驾驶基于移动边缘计算的5G智能网联车辆服务平台

基于5G通信技术的发展,5G网络开始普及,并与物联网技术、汽车信息通信、人工智能技术等进行了有机融合,促使车联网行业走向智能化发展。截至2021年,我国车联网行业的标准体系基本建立。文中以5G智能网联车辆服务平台为研究对象,分析了移动边缘计算技术的应用,研究了5G通信技术在智能网联车辆服务平台中的全面应用,实现了车辆智能化编队、车辆行驶环境感应、车辆行驶资源分配、车辆安全预警4种核心功能。     

基于曲线拟合的毫米波雷达安装角度校准方法

毫米波雷达的安装角度校准是雷达正常使用并与摄像头进行数据融合的重要前提,雷达安装角度偏 转过大会导致雷达数据与摄像头数据融合失败,影响高级驾驶辅助系统(Advanced Driving Assistance System,ADAS) 的正常使用。文中提出一种基于曲线拟合的毫米波雷达安装角度校准方法,当车辆在道路上行驶时辅以车辆输入 的车速和偏航角信息,通过2000 个静止点进行曲线拟合得到雷达需要补偿的角度。相较于选择有护栏的道路进行 绕行和在标定场地部署角反射器进行安装角度校准的方法,这种方法适用的场景种类更多并且校准时间从15 分钟 以上缩短为5 分钟以下。经过实验验证,在花费更短时间完成校准后,校准精度与其它自校准方法相同为±5°。     

基于强化学习的列车驾驶曲线节能优化算法

在保证安全和准时性的前提下,自动化列车运行可以有效减少列车耗能。为了灵活应对列车运行种的动态变化,提出了一种基于强化学习的方法,可以优化列车控制策略且不采用之前关于列车动力学的知识和设计的列车速度曲线。这个优化模型将列车节能作为目标,把准点到达、列车限速、停车位置作为限制条件。大量的列车运行经验可以被用来训练深度神经网络直到得到最优化行为价值函数,通过对训练过的神经网络输入状态,可以准确输出每个行为的价值,然后再根据行为价值的大小来选择最优的驾驶策略。