虚拟驾驶环境中车辆智能体的驾驶行为模型

建立虚拟交通环境的多智能体结构,分析车辆智能体的驾驶行为分层模型以及感知、决策和操作等过程。采用模糊专家系统建立车辆智能体的驾驶行为模型。为模拟现实中的驾驶员行为特性,加入驾驶员因子,使驾驶模拟器的虚拟交通环境更符合现实。运用OpenGVS产生和显示实时交互的虚拟驾驶场景。结果表明该模型能体现实际驾驶行为的多样性、随机性和模糊性。该模型通用有效,它使驾驶模拟器的虚拟交通场景更真实满意。     

虚拟驾驶系统中智能汽车创建方法的研究

虚拟驾驶系统中智能自主汽车的驾驶水平对整个仿真系统的逼真性以及测试的可信性起着决定作用。本文通过对智能交通环境的研究，阐述了在虚拟驾驶仿真系统中智能汽车的建立方法．提出了利用数据库储存虚拟交通环境的道路信息，实现智能汽车对道路的识别。本文还提出了基于碰撞检测原理的视觉信息获取方法以及基于视觉信息的实时决策算法。实验结果表明，按照以上的方法，智能汽车能较真实的模拟人的视觉，做出人性化的驾驶行为，增强了智能汽车在复杂交通网络中行驶的正确性以及系统的快速性、稳定性,效果令人满意。     

智能车辆的自主驾驶与辅助导航

本文综述了国外有关智能车辆研究的某些最新进展。重点介绍了美国ＣＭＵ的Ｎａｖｌａｂ５系统，德国的ＶａＭｏＲｓ－Ｐ系统和法国的Ｐｅｕｇｅｏｔ系统的平台结构，分析了相应的视觉处理系统的主要特点，归纳了值得注意的研究动向和发展趋势，并结合存在的问题进行了有益的探讨。     

自主车仿真系统中场景建模与视觉仿真实现

提出了自主车仿真系统的基本思想,并针对视觉导航的需求建立了自主车行驶的虚拟环境及典型障碍物模型;根据自主车和云台的运动学特性,实现了自主车场景漫游及云台控制功能,同时结合车体及云台位姿解算完成地形匹配及车载摄像机位姿确定;最后,对实际摄像机参数及成像噪声特性进行分析,进而给出了相应的视觉传感器仿真部分的实现.实验结果表明,该视觉仿真部分具有良好的真实感和实时性.     

智能驾驶路径规划技术综述

随着5G通信系统和人工智能技能快速发展,汽车产品的智能化和联网化已是大势所趋。人们追求更加方便快捷的出行方式,智能汽车朝着人员辅助驾驶到汽车实现无人辅助自动驾驶以及单车独自智能驾驶到多车协同智能驾驶等方向发展。目前汽车智能驾驶前景广阔,智能驾驶技术已成为汽车产品功能研究领域的热门研究方向。智能驾驶路径规划分为局部路径规划和全局路径规划。在路径规划技术中需要用到环境感知技术来实现智能汽车自主避障,因此,介绍智能驾驶研究概况,结合算法对环境感知、路径规划等智能驾驶技术的发展进行分析和梳理,并对智能驾驶汽车的未来进行展望。     

虚拟驾驶环境中混合交通控制的设计与实现

1 引言汽车驾驶模拟器(简称模拟器)是将计算机仿真技术应用于教学的一个教学仿真系统。它使用实车驾驶室的环境,并实时地生成虚拟环境来模拟驾驶训练中的声音和视景效果,从而给学员以在真车实景中训练的感受。虚拟驾驶环境就是在汽车驾驶模拟器中构造的虚拟环境。     

关于疲劳驾驶行为的研究和建模

道路交通伤害是一种致命的灾难，每年在全球无情地夺去大约120万人的生命，而疲劳驾驶在道路交通伤害的原因中占据了很大的比例，对交通安全的危害日益严重。本文针对疲劳驾驶的特点，从驾驶人驾驶行为表现的角度进行建模分析，以区别出疲劳状态下的驾驶，并对以后该课题的发展方向作了简单的展望。     

驾驶行为的初步研究

疲劳驾驶对交通安全的危害日益严重，通过给驾驶行为建模来研究疲劳行为，主要介绍了给驾驶行为建模的主要流程，信号采集，对方向信号进行傅立叶级数展开来提取特征值，确定特征值的个数等。通过对驾驶员正常的驾驶行为进行建模，当驾驶员处于疲劳状况下驾车偏离正常模型时则能够有效的区别开。     

动态虚拟智能交通场景的研究与实现

在微观交通仿真系统中,三维虚拟交通场景主要研究静态物体的构建,对交通环境中各种动态因素研究较少。该文探讨虚拟交通场景中虚拟汽车的视觉感知行为和决策行为,给出视觉感知图和模糊神经网络决策图,在此基础上利用EONSDK技术构建动态虚拟智能交通场景平台,提高了虚拟交通环境的真实性,而且可以定制不同交通环境和模拟不同交通事故场景。     

面向智能驾驶测试的仿真场景构建技术综述

随着汽车智能化程度的不断提高,智能汽车通过环境传感器与周边行驶环境的信息交互与互联更为密切,需应对的行驶环境状况也越来越复杂,包括行驶道路、周边交通和气象条件等诸多因素,具有较强的不确定性、难以重复、不可预测和不可穷尽。限于研发周期和成本、工况复杂多样性,特别是安全因素的考虑,传统的开放道路测试试验或基于封闭试验场的测试难以满足智能驾驶系统可靠性与鲁棒性的测试要求。因此,借助数字虚拟技术的仿真测试成为智能驾驶测试验证一种新的手段,仿真场景的构建作为模拟仿真的重要组成部分,是实现智能驾驶测试中大样本、极限边界小概率样本测试验证的关键技术,这对提升智能驾驶系统的压力和加速测评水平显得尤为重要。面向智能驾驶测试的仿真场景构建技术已成为当前汽车智能化新的研究课题和世界性的研究热点,作为一种新兴技术仍面临许多挑战。本文提出了面向智能驾驶测试的仿真场景构建方法,系统阐述了国内外研究工作的进展与现状,包括场景自动构建方法和交通仿真建模方法,重点分析一些值得深入研究的问题并围绕场景构建技术的发展趋势进行了讨论分析,最后介绍了团队相关研究在2020中国智能驾驶挑战赛仿真赛和世界智能驾驶挑战赛的仿真场景应用情况。     

智能车辆SINS/DGPS/光电测速仪组合导航的研究

为适应自主驾驶车辆的高精度、高频率与高可靠性的导航要求,本文对智能车辆的多传感器组合导航进行了研究.提出了一种双向光电测速仪和CP-DGPS共同辅助SINS的智能车辆组合导航方法,进行了仿真试验验证.结果表明,该组合导航系统能为智能车辆提供丰富的导航信息,并具有100 Hz的高频输出、厘米级的导航精度和较强的容错能力,当GPS较长时间中断时,通过SINS/光电测速仪的组合仍能为智能车辆提供可靠的导航数据.     

自动驾驶地图的数据标准比较研究

作为实现汽车自动驾驶的关键基础设施,自动驾驶地图能够提供大量准确且语义丰富的数据来帮助用户以更精细的尺度了解周边环境状况,辅助感知、定位、驾驶规划与决策控制,满足智能时代多种高层次的应用需求,进而切实推动我国自动驾驶相关领域的发展与商业化应用。自动驾驶地图的数据标准作为自动驾驶地图生产应用的指导性规范之一,是自动驾驶地图数据标准化的基准。当前我国自动驾驶相关领域对自动驾驶地图标准化的需求迫切,地图数据标准化已成为业界共同关注的热点问题。为解决自动驾驶地图数据标准化问题,切实推动自动驾驶地图的高效发展,本文对自动驾驶地图的数据标准进行比较研究。首先介绍国内外主流的自动驾驶地图数据标准,然后针对其中4种：导航数据标准（navigation data standard,NDS）、OpenDrive、智能运输系统智能驾驶电子地图数据模型与交换格式和道路高精度电子导航地图数据规范进行分析比较研究,主要从数据结构、数据模型、地图渲染和协同应用4个维度展开,并在各个维度上给出数据标准编制时建议遵循的原则。基于分析比较研究的结果,总结出自动驾驶地图数据标准编制时建议遵循的原则。通过对自动驾驶地图的数据标准进行分析比较研究,归纳总结出数据标准编制时建议遵循的原则,这些建议遵循的编制原则对我国相应规格标准的制定具有借鉴意义。     

基于车辆行驶数据的驾驶人行为谱分析方法

针对我国驾驶人行为谱的研究尚不完善,专业领域内没有相应的行为谱分析工具的问题,提出了一套针对营运客车的完整的驾驶人驾驶行为谱体系并设计了一套分析工具。首先,设计并定义了驾驶人行为谱的特征指标和评价指标;其次,给出了驾驶人行为谱的特征指标分析、计算方法,采用基于马尔可夫链蒙特卡洛采样和离群点剔除的K-means算法对驾驶人的驾驶风格进行分析,采用回归学习对驾驶人的驾驶技能进行分析;然后,设计了基于车联网、大数据的驾驶人行为谱的基础数据采集和预处理方法;最后,采用Java语言、Spring MVC架构开发出驾驶人行为谱分析工具。将机器学习中的数据挖掘、数据分析算法与交通安全领域相结合,对完善我国驾驶人行为谱框架体系具有理论意义,为我国驾驶人行为谱的研究提供了一个科学、定量化分析的工具,对交管部门规范驾驶人驾驶行为、提高道路安全指数、制定合理的交通安全管理策略具有指导意义。     

A survey of deep learning techniques for autonomous driving

The last decade witnessed increasingly rapid progress in self‐driving vehicle technology, mainly backed up by advances in the area of deep learning and artificial intelligence (AI). The objective of this paper is to survey the current state‐of‐the‐art on deep learning technologies used in autonomous driving. We start by presenting AI‐based self‐driving architectures, convolutional and recurrent neural networks, as well as the deep reinforcement learning paradigm. These methodologies form a base for the surveyed driving scene perception, path planning, behavior arbitration, and motion control algorithms. We investigate both the modular perception‐planning‐action pipeline, where each module is built using deep learning methods, as well as End2End systems, which directly map sensory information to steering commands. Additionally, we tackle current challenges encountered in designing AI architectures for autonomous driving, such as their safety, training data sources, and computational hardware. The comparison presented in this survey helps gain insight into the strengths and limitations of deep learning and AI approaches for autonomous driving and assist with design choices.     

视觉感知的端到端自动驾驶运动规划综述

视觉感知模块能够利用摄像机等视觉传感器获取丰富的图像和视频信息,进而检测自动驾驶汽车视野中的车辆、行人与交通标识等信息,是自动驾驶最有效、成本最低的感知方式之一。运动规划为自主车辆提供从车辆初始状态到目标状态的一系列运动参数和驾驶动作,而端到端的模型能够直接从感知的数据获取车辆的运动参数,因而受到广泛的关注。为了全面反映视觉感知的端到端自动驾驶运动规划方法的研究进展,本文对国内外公开发表的具有代表性和前沿的论文进行了概述。首先分析端到端方法的应用,以及视觉感知和运动规划在端到端自动驾驶中的作用,然后以自主车辆的学习方式作为分类依据,将视觉感知的端到端自动驾驶运动规划的实现方法分为模仿学习和强化学习两大类,并对各类方法的不同算法进行了归纳和分析;考虑到现阶段端到端模型的研究面临着虚拟到现实的任务,故对基于迁移学习的方法进行了梳理。最后列举与自动驾驶相关的数据集和仿真平台,总结存在的问题和挑战,对未来的发展趋势进行思考和展望。视觉感知的端到端自动驾驶运动规划模型的普适性强且结构简单,这类方法具有广阔的应用前景和研究价值,但是存在不可解释和难以保证绝对安全的问题,未来需要更多的研究改善端到端模型存在的局限性。     

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。     

采用一致性算法与虚拟结构的多自主水下航行器编队控制

采用一致性算法与虚拟结构法研究了多自主水下航行器(AUV)小尺度编队控制问题.首先针对各自主水下航行器拥有不同虚拟领航者信息(参考信息)的情况,通过对各AUV拥有的不一致参考信息进行一致性协商而达到状态一致.其次,基于虚拟结构思想采用坐标变换将各AUV相对于虚拟领航者的相对位置转换为各自的期望位置,并设计了一种有限时间跟踪控制律以确保各AUV能在有限时间内跟踪上其期望轨迹,从而实现了多AUV的小尺度有限时间编队控制.最后仿真实验验证了控制策略的有效性.     

一种基于视觉传感器的微缩智能车硬件架构设计

为了配合国家自然科学基金重大研究计划“视听觉信息的认知计算”,文中介绍一种基于视觉传感器的微缩智能车硬件架构,用作在高相似度微缩城市道路环境下开发自主驾驶技术的平台。文中首先简略介绍智能车的发展概况,然后根据本计划的应用背景和工作性能要求,运用模块设计的思想,提出微缩智能车的整体硬件设计方案并详述各部分的设计思路与结果。该方案把视觉传感器置于环境感知任务的核心地位,有别于传统设计思路。实验及展示表明,该硬件架构结构合理性能良好,可用作研究计划的物理载体。     

建立Avatar感知能力与自主行为选择模型的新方法

在人脸重构系统与智能虚拟环境系统的研究基础上,提出了一种基于Agent的建立虚拟人感知能力与行为选择模型的新方法。该方法把虚拟人(Avatar)当成一个Agent,它在虚拟场景中能够识别三维物体以及利用传感器计算物体的运动方向。Avatar的行走采用骨架模型来进行仿真,并且其行走行为由七个基本动作行为组成。实验结果显示新方法是具有较好的效果。