自动驾驶汽车的高效对抗性场景测试方法研究

在自动驾驶安全性的研究和应用中,测试里程长、暴露危险场景单一的问题使自动驾驶安全性能的提升受到限制。使用对抗性场景进行测试被认为是解决上述问题的重要手段,然而,现有研究采用通用的优化算法作为框架,将大量计算资源浪费在对参数空间的探索过程中,效率低下。在计算成本的约束下,这些算法甚至无法在更复杂的环境中测试出足够多、足够丰富的失效样本。复杂环境中的对抗性场景测试面临三大挑战：信息匮乏;对抗性样本在庞大的参数空间中稀疏分布;搜索过程中探索与利用难以平衡。该文从这三大挑战出发,提出一种高效的对抗性场景测试框架,通过代理模型来获取更多关于参数空间的信息,精选小样本,以打破庞大空间中稀疏事件的制约,对未知区域和对抗性样本附近的目标进行有针对性的搜索和更新,以实现探索和利用的平衡。实验证明,该文提出方法的搜索效率是随机采样的4倍,与通用遗传算法相比,效率提升一倍以上,在有限的仿真测试次数下,生成了更多容易使被测自动驾驶系统失效的对抗性测试用例。特别地,该文提出的方法能够找出许多离群的对抗性样本,揭示出现有算法无法识别的失效模式。此外,该文提出的方法能够快速、全面地定位出被测算法的脆弱场景,为自动驾...     

适应于自动驾驶的计算结构与平台综述

信息与通信技术领域的不断发展,推动了自动驾驶汽车的巨大进步。自动驾驶汽车有效解决了用户对出行日益提高的安全、便捷、舒适、高效等个性化需求,有着巨大的商业前景和应用价值。首先从自动驾驶的定义出发,对自动驾驶汽车计算任务进行了分类总结,阐述了自动驾驶汽车集移动端、边缘节点和云端一体的计算结构。然后分类讨论了目前自动驾驶汽车移动端计算平台,呈现出异构多核的特点,并对当前主流的底层计算平台进行了对比分析。最后,从性能与成本和信息安全两个方面总结目前自动驾驶汽车计算结构和平台遇到的问题与挑战。     

高速列车的自适应速度及位置控制

探讨高速列车在外界阻力扰动下的自动驾驶控制问题,针对系统参数及外界阻力的不确定性,提出了相应的控制方法并给出了稳定性理论证明。利用列车调度优化环节生成的实时速度及位移数据对算法进行了模拟实验,理论分析和仿真结果均验证了文中方法能有效克服列车所受阻力的影响实现高精度的位置和速度跟踪控制。     

GPS在轮胎吊自动驾驶中的应用

论文是研究嵌入式技术和高精度GPS定位技术在轮胎吊自动控制上的应用方法,阐述了自动驾驶系统的设计和实现要点。文章着重讲述了系统的总体设计思想,软硬件实现方法,以及软件系统中的几大主要部分:堆场数字化,箱位计算,运动趋势推导和自动纠偏等。系统成功实现轮胎吊自动驾驶的功能,提高轮胎吊的实用性、可靠性和工作效率。     

基于多目标协同演化算法的大规模自动驾驶策略

目前无人驾驶技术领域的研究重点主要集中在单车层面的感知、决策与控制,而缺少对多车 之间交互及博弈的研究,因此无法有效降低交通系统整体事故率并提升通行效率。该文提出一种基于 合作博弈理论的大规模自动驾驶策略涌现方法。通过建立面向网联汽车、多目标优化决策的合作博弈 演化平台,并构造了一种网格道路模型和车辆运动学模型,使得系统中各车辆之间以近邻博弈的方式 进行交互;同时系统采用分布式算法并具有间接交互的特点,最终模型计算复杂度与模拟车辆规模呈 线性关系。实验结果表明,最佳策略涌现后,事故率和平均速度均取得明显改善,其中事故率降低了 90%,模型计算速度提升了 30%。该方法可应用于包含数百万辆自动驾驶汽车的城市级智能交通规划 系统中。     

利用试验数据控制汽车模型驾驶行为

在汽车性能仿真计算中,对汽车模型进行驾驶控制是其中关键的一个环节,直接影响仿真的计算结果。该文通过研究ADAMS／Car仿真软件中驾驶控制机理,讨论了其中转向、油门、离合、制动、和档位五个变量的控制方式和相关驾驶控制文件的编写。并针对原有控制中易于出现的问题,以试验数据为目标,通过PID算法对汽车模型的相应输入量进行控制,使仿真计算结果更为可信。利用试验数据对整车模型进行驾驶控制,对提高车辆系统的仿真计算水平有一定的意义。     

基于对数模型的词义自动消歧

提出了一种对数模型(logarithmmodel,简称LM),构造了一个词义自动消歧系统LM-WSD(wordsensedisambiguationbasedonlogarithmmodel).在词义自动消歧实验中,构造了4种计算模型进行词义消歧,根据4个计算模型的消歧结果,分析了高频率词义、指示词、特定领域、固定搭配和固定用法信息对名词和动词词义消歧的影响.目前,该词义自动消歧系统LM-WSD已经应用于基于词层的英汉机器翻译系统(汽车配件专业领域)中,有效地提高了翻译性能.     

自动驾驶的自适应解析模糊控制方法研究

该文在Michael等人提出的车辆系统动力学模型犤7犦的基础上进行自动驾驶的仿真研究,提出了基于模糊控制的车辆驾驶算法。通过构造自适应的解析模糊控制器,空旷道路的汽车自动驾驶问题得到了较好的解决。该控制算法具有收敛快、超调小,准确调整定位巡航速度并根据路况信息自动矫正方向、沿指定路线前进等特点。这种算法不但可以应用于车辆辅助安全驾驶系统,也可以应用于机器人的自主导航等方面。     

自动驾驶软件测试技术研究综述

自动驾驶系统（autonomous driving system,ADS）是一种集成高精度传感器、人工智能和地图导航系统等模块的信息—物理融合系统。该类系统中的自动驾驶软件完成了从高级辅助驾驶到无人驾驶任务中关键的感知、定位、预测、规划和控制任务。随着深度学习和强化学习等人工智能技术的发展和车载硬件设备的不断升级,高级别的自动驾驶软件已经逐渐应用于多种安全攸关的场景中,保障其运行稳定性与可靠性的测试技术逐渐成为学术界和产业界的研究重点。本文在广泛调研国内外文献基础上,对自动驾驶软件测试技术进行了深入分析与梳理。结合自动驾驶软件的架构特点及系统特征,讨论了面向自动驾驶系统的仿真测试和实景测试,以及面向组件的测试技术。其中,在仿真方法方面,分析了软件仿真、半实体仿真和在环仿真等技术;在仿真对象方面,讨论了静态环境仿真、动态场景仿真、传感器仿真和车辆动力学仿真等。同时,本文介绍了当前实景测试的进展与情况,重点分析了实景测试案例中的得失优劣。在面向自动驾驶软件组件的测试技术方面,重点讨论了当前数据驱动技术在感知组件、决策规划组件,以及控制组件测试方面的进展。最后,本文总结分析了自动驾驶软件测试当前面临的挑战,并对未来自动驾驶软件测试技术的研究方向和研究重点进行了展望。     

基于独立集问题的零知识证明研究

零知识证明已经成为信息安全领域身份认证的关键技术之一。为了避免已知零知识证明系统的图同构问题,提出了一种知识的计算零知识证明系统,其安全性建立在NPC独立集问题上。该算法的构造基于离散对数问题的困难性,从而保证了系统的合理性、完全性、计算零知识性。并从计算复杂度和通信复杂度两方面对系统及其算法参数的选取进行了分析。理论证明,该系统是可行有效的。     

自动驾驶系统中视觉感知模块的安全测试

近年来,基于深度学习的视觉感知技术的发展极大地促进了车联网领域中自动驾驶的繁荣,然而自动驾驶系统的安全问题频出引发了人们对自动驾驶未来的担忧.由于深度学习系统的行为缺乏可解释性,测试基于深度学习的自动驾驶系统的安全性极具挑战.目前,已有针对自动驾驶场景的安全性测试工作被提出,但这些方法在测试场景生成、安全问题检测和安全问题解释等方面仍存在不足之处.针对基于视觉感知的自动驾驶系统,设计开发了一种场景驱动的、可解释性强的、运行高效的安全性测试系统.提出了一种能够平衡真实性与丰富度的场景描述方法,并利用实时渲染引擎生成可以用于驾驶系统安全性测试的场景;设计了一种高效的针对非线性系统的场景搜索算法,其可以针对不同的待测试系统动态调整搜索方案;同时,还设计了一个故障分析器,自动化分析定位待测试系统的安全性缺陷成因.复现了现有基于实时渲染引擎的动态自动驾驶测试系统,并同时使用本系统和复现系统对CILRS系统和CIL系统进行安全测试,实验结果表明相同时间下该工作的安全问题发现率是复现的场景驱动的动态测试方法的1.4倍.进一步的实验表明：可以分别为具有代表性的深度学习自动驾驶系统CIL和CILRS,从...     

强化学习的自动驾驶控制技术研究进展

自动驾驶车辆的本质是轮式移动机器人,是一个集模式识别、环境感知、规划决策和智能控制等功能于一体的综合系统。人工智能和机器学习领域的进步极大推动了自动驾驶技术的发展。当前主流的机器学习方法分为：监督学习、非监督学习和强化学习3种。强化学习方法更适用于复杂交通场景下自动驾驶系统决策和控制的智能处理,有利于提高自动驾驶的舒适性和安全性。深度学习和强化学习相结合产生的深度强化学习方法成为机器学习领域中的热门研究方向。首先对自动驾驶技术、强化学习方法以及自动驾驶控制架构进行简要介绍,并阐述了强化学习方法的基本原理和研究现状。随后重点阐述了强化学习方法在自动驾驶控制领域的研究历史和现状,并结合北京联合大学智能车研究团队的研究和测试工作介绍了典型的基于强化学习的自动驾驶控制技术应用,讨论了深度强化学习的潜力。最后提出了强化学习方法在自动驾驶控制领域研究和应用时遇到的困难和挑战,包括真实环境下自动驾驶安全性、多智能体强化学习和符合人类驾驶特性的奖励函数设计等。研究有助于深入了解强化学习方法在自动驾驶控制方面的优势和局限性,在应用中也可作为自动驾驶控制系统的设计参考。     

基于灰色系统理论高速列车ATO速度控制器研究

速度控制器是ATO系统的核心单元,也是列控系统的重要组成部分,针对目前高速列车无ATO功能的情况,研究智能的ATO系统速度控制器对实现高速列车自动驾驶具有的重要意义。通过分析CTCS-3级列控系统的结构和功能,提出了在CTCS-3级列控系统中增加ATO系统速度控制器的方案。首先设计了速度控制器与车载及地面设备的连接方式,实现了信息交互;而后应用灰色系统理论善于研究外延明确内涵不清系统的特点,建立速度控制器模型,进行预测及决策计算,得到比较合理的列车自动驾驶控制策略;最后采用遗传算法对其进行优化,得到最优控制策略。仿真结果表明,该方法实现了高速列车在CTCS-3级列控系统下的自动驾驶,列车运行的各项性能都得到了提高。     

基于椭圆曲线加密的RFID安全系统设计

椭圆曲线加密系统的理论基础是椭圆曲线离散对数问题.与其他公钥密码系统相比,该加密系统具有安全性高、密钥长度短和计算量小等优点,近年来逐渐被应用于RFID认证中.该文首先研究了国外一种基于椭圆曲线加密的认证协议.该协议采用最小的计算量达到安全认证的目的,分析证明该协议易受重放攻击、窃听攻击和标签假冒攻击.在此基础上,提出了一种更为简单和安全的改进协议.     

基于独立集问题的零知识证明研究

零知识证明已经成为信息安全领域身份认证的关键技术之一。为了避免已知零知识证明系统的图同构问题，提出了一种知识的计算零知识证明系统，其安全性建立在NPC独立集问题上。该算法的构造基于离散对数问题的困难性，从而保证了系统的合理性、完全性、计算零知识性。并从计算复杂度和通信复杂度两方面对系统及其算法参数的选取进行了分析。理论证明，该系统是可行有效的。     

语句相似度计算在主观题自动批改技术中的初步应用

文字类主观题的自动批改是实现远程教学系统中在线考试功能的一个关键技术,由于其具有相当的难度,目前国内外在这方面的研究还不是很多,真正实用的系统更少。该文着重对语句相似度的计算进行了深入的研究,利用基于动态规划的语句相似度计算方法实现了文字类主观题的自动批改,测试结果初步达到预期目标。     

基于图像与高精定位融合数据的封闭场地自动驾驶汽车驾驶测试方法

现有的自动驾驶汽车场景仿真测试结果真实性不足，基于实际测试数据的评价方法缺乏实时性。为结合真实数据对测试过程展开实时评价，提出了基于“原场景”库的自动驾驶测试场景生成方法，利用差分定位GPS以及视频图像处理等工具，配合测试场地的高精地图设计了自动驾驶汽车实时测试评价方法，在自动驾驶测试场对本方法进行了实地验证。结果表明本方法具有较高的可行性，能够全面实时地对车辆自动驾驶能力进行评价。     

基于情境意识的自动驾驶接管辅助信息设计研究

文章旨在有条件自动驾驶状态下帮助驾驶者快速恢复情境意识水平,提高接管绩效,提升驾驶安全。采取文献查阅、案例研究、理论分析等研究方法,分别对情境意识理论、信息设计以及自动驾驶接管过程的概念进行阐述,探讨了自动驾驶接管中交互信号的特征,并结合典型案例分析了自动驾驶接管过程中存在的问题。提出基于情境意识理论的自动驾驶接管辅助信息设计策略,为自动驾驶接管辅助信息设计提供一定的参考。     

汽车自动驾驶纵向控制技术的研究

汽车自动驾驶的研究在国外一直是几十年们关注的热点，而我国才刚刚起步。本文按照系统建模、分析和控制的过程对汽车自动驾驶的纵向控制技术进行了深入探索和研究，针对汽车系统中存在的问题，提出了相应的解决方法，取得了有意义的结论。     

煤矿井下网联式自动驾驶技术研究

通过分析地面常规自动驾驶智能化和网联化技术发展现状及技术特点,结合煤矿井下无GNSS（全球卫星导航系统）信号覆盖、巷道照度低、遮挡物与障碍物较多、煤尘粉尘普遍存在的环境特点,提出了煤矿井下开展自动驾驶研究的关键技术,即无GNSS的移动高精定位技术、激光雷达技术、基于毫米波雷达的井下障碍物检测技术、井下低照度视频实时增强和特征匹配技术、井下环境高精地图技术、井下自动驾驶车辆决策规划技术、井下自动驾驶车辆控制执行技术、井下5G通信技术、C-V2X直连通信技术等;指出煤矿井下开展自动驾驶应用具有少人化/无人化需求显著、运营管理主体明确、场景封闭、路线固定、车速较慢、渗透率可控、5G建设基础较好、接口易开放等优势。构建了包括井下自动驾驶车辆、巷道基础设施、人员、煤矿云/边缘计算平台及煤矿自动驾驶应用服务平台的“人-车-巷-云”煤矿井下网联式自动驾驶系统参考架构,设计了包括感知定位系统、网联协同系统、车载操作系统、车辆基础组件的煤矿自动驾驶车辆架构,提出煤矿井下网联式自动驾驶演进将经历3个阶段：第1阶段为远程自动驾驶,实现车辆驾驶人员从井下到井上的转移;第2阶段为具有紧急接管边界的车辆自动驾驶,...