中图网文创礼盒,买2个减5元
欢迎光临中图网 请 | 注册
> >>
智能车路系统测评关键技术及方法

智能车路系统测评关键技术及方法

作者:李旭等
出版社:科学出版社出版时间:2022-03-01
开本: 16开 页数: 172
本类榜单:工业技术销量榜
中 图 价:¥74.3(7.5折) 定价  ¥99.0 登录后可看到会员价
加入购物车 收藏
运费6元,满69元免运费
?快递不能达地区使用邮政小包,运费14元起
云南、广西、海南、新疆、青海、西藏六省,部分地区快递不可达
本类五星书更多>

智能车路系统测评关键技术及方法 版权信息

智能车路系统测评关键技术及方法 内容简介

本书系统地介绍了智能车路系统的测试评价技术,首先介绍了智能车路系统的发展现状以及传统的测试技术,在此基础上提出了针对智能车路系统的测评体系构架;接着,分章节详细描述了测评体系构架中的信息交互测评技术、软件逻辑测评技术、硬件在环测评技术、场地测试支撑技术以及场地测试方法;*后结合实际案例对典型智能车路系统功能的测试结果进行了对比分析。本书可供相关领域的专业研究人员、企业工作人员、高校教师以及对智能车路系统感兴趣的各类读者阅读参考。

智能车路系统测评关键技术及方法 目录

目录
前言
第1章 智能车路系统简介及发展现状 1
1.1 智能车路系统简介 1
1.2 智能车路系统发展现状与趋势 4
1.2.1 智能车载系统发展现状 5
1.2.2 智能路侧系统发展现状 7
1.2.3 通信技术发展现状 9
1.2.4 智能车路系统测评发展趋势 14
参考文献 15
第2章 智能车路系统测评构架 18
2.1 传统测评方法 19
2.1.1 传统通信系统测试 19
2.1.2 传统车辆测试 21
2.1.3 智能车辆测试 23
2.2 智能车路系统测评体系构架 27
参考文献 29
第3章 智能车路系统硬件在环测评技术及方法 31
3.1 面向智能车路系统的硬件在环测评技术 32
3.1.1 硬件在环测评系统结构 32
3.1.2 部分核心组件 34
3.2 面向智能车路系统的硬件在环测评方法 41
3.2.1 智能车路系统硬件在环测评要素构建 41
3.2.2 联合仿真测试方法 45
3.3 硬件在环测评案例 46
3.3.1 面向高速公路场景的硬件在环测评案例 46
3.3.2 面向交叉路口场景的硬件在环测评案例 48
参考文献 50
第4章 智能车路系统场地测评关键技术 51
4.1 多传感精确同步采集技术 52
4.1.1 有同步接口的传感器同步采集 52
4.1.2 支持外部触发的传感器同步采集 54
4.1.3 其他传感器同步采集 55
4.1.4 多目标同步采集 57
4.2 多目标全局空间统一技术 58
4.2.1 基于GNSS 高精度构图的全局坐标统一 58
4.2.2 基于激光雷达点云地图的全局坐标统一 68
4.3 信息交互测评技术 80
4.3.1 关键性能指标测评 80
4.3.2 信息安全测评 85
4.4 位置距离测量技术 93
4.4.1 基于卫星定位的位置距离测量 94
4.4.2 基于激光雷达的位置距离测量 97
4.4.3 多传感融合测量 99
4.5 音视频预警信息监测技术 105
4.5.1 视频预警信息识别分析 105
4.5.2 音频预警信息识别分析 107
4.6 运动状态测量技术 110
4.6.1 速度测量 110
4.6.2 姿态测量 113
4.6.3 其他运动状态参数测量 120
4.7 车辆控制状态测量技术 125
4.7.1 基于CAN 总线的控制状态采集 125
4.7.2 方向盘信号采集 126
4.7.3 踏板信号采集 126
参考文献 127
第5章 智能车路系统场地测评方法 132
5.1 国内外测试场地介绍 132
5.1.1 国外测试场地 133
5.1.2 国内测试场地 137
5.2 测试场景的提炼和搭建 141
5.2.1 场景分类 141
5.2.2 场景要素 147
5.2.3 场景构建流程 151
5.3 实测案例分析 152
5.3.1 前方弯道预警功能测评 152
5.3.2 自动紧急制动功能测评 158
5.3.3 编队行驶功能测评 161
参考文献 170
彩图
展开全部

智能车路系统测评关键技术及方法 节选

第1章 智能车路系统简介及发展现状 1.1 智能车路系统简介 智能车路系统( IVIS),其内涵与车路协同类似,是智能交通系统 (Intelligent Traffic System,ITS)的昀新发展方向。车路协同将是一种安全、高效和环保的道路交通系统,它采用先进的无线通信和新一代互联网技术等,全方位实施车车、车路动态实时信息交互,并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理,充分实现人车路的有效协同,保证交通安全,提高通行效率。 近年来,随着自动驾驶技术的发展,车路协同经常作为与“自主式”自动驾驶相对应的一种技术路线被提及,但车路协同本身并不是近年才出现的新概念。所谓协同,就是指协调两个或者两个以上的不同资源或者个体,一致地完成某一目标的过程或能力。对于道路交通系统而言,“车”与“路”作为基本组成要素,由于不同“车”的道路占有权是彼此互斥的,随着车辆数量的增加,必然突出道路交通系统的根本矛盾,即个体驾驶行为的自利性与道路资源有限性的矛盾。这种矛盾一方面会导致交通拥堵,另一方面也会显著地增加交通事故的概率[1]。因此,交通管理控制的终极目标就是减小乃至消除“车”与“路”的根本矛盾,实现道路交通系统的安全、高效、稳定运行,这也正是车路协同的基本思想。 回顾道路交通系统发展历史,人们一直在利用交通规则来缓解“车”与“路”的矛盾。从昀开始的道路划分左右车道行驶,到标志标线、信号灯,直至为更加充分利用道路资源而设计的潮汐式车道,都是为了让复杂的道路交通系统能有序协同运行。在道路交通的人、车、路(环境)闭环系统中,人(驾驶员)是决策与实施控制的主体,“车”只是人物理的延伸,所以传统的道路交通系统本质上是一个“人-人”协同系统。但随着路网规模增大、车辆数量增加、规则复杂程度越来越高,由人来主导的协同效能也逐渐达到瓶颈;同时人也是系统中“稳定性”昀差的一个要素,人容易受自身和环境影响,导致感知、决策和执行等方面能力的变化,而这种变化多数是不可预测的。因此仅依靠人自身的能力来协调解决“车”与“路”的矛盾变得越来越困难。 车载智能化虽然可以逐步代替人类驾驶员实现自动驾驶,但仍属于单车自主驾驶行为,对环境的感知范围受到车载传感器探测范围的限制。因此,其提高交通安全的程度也受到很大制约。而路侧智能化则不然。无论是局部环境信息还是宏观全局信息,特别是安全行驶所需的信息,都可由路侧信息基础设施实时获取后加以处理,并适时地提供给过往汽车,甚至直接发送驾驶控制指令。车载功能和路侧功能的技术比较优势如表 1.1所示,可以从优势互补的角度更加合理地配置车载和路侧的功能,同时从提高系统功能安全的角度进行适当的冗余设计。 表 1.1车载功能和路侧功能的技术比较优势 随着现代信息技术以及人工智能技术快速发展,智能交通技术深度应用,传统的车路协同手段逐渐向智能化的车路协同技术转变,即通过不断提升车辆以及道路智能化水平,降低乃至消除对“人”的依赖,同时依赖个体的决策方式也向依赖更加丰富信息的全局决策方式方向发展,从而共同实现系统安全高效运行。由于过去 20年移动通信技术的发展始终无法满足低延时、高可靠的车路交互要求,针对交通安全的智能车路协同应用一直进展缓慢,但车路协同思想在公路收费服务以及个别领域得到了积极探索和实践。例如,始于 2000年的智能公路磁诱导技术研究,以布设在车道上的磁道钉及其编码为参考标记,以车载传感器探测磁信号并经运算确定车辆相对位置,并据此进行车道保持控制或偏离预警,如图 1.1所示,由于其全天候工作的特点,基于该技术的辅助驾驶系统在新疆冬季除雪车辆上得到应用,它为驾驶员提供视野增强能力和拓展功能,取得了良好的效果 [2]。另外,我国公路 ETC技术研发始于 20世纪 90年代中期,其核心底层技术是交通专用短程通信 (Dedicated Short Range Communication,DSRC)技术,如图 1.2所示,其支撑了车载单元( On Board Unit,OBU)与路侧单元( Road Side Unit,RSU)之间的实时支付交易 [3]。2019年,全国取消高速公路省界收费站后,在高速公路省界、每个互通立交、入出口之间设置 ETC门架系统,实现对所有车辆“分段计费、出口收费”,可以说是当前规模昀大的车路协同应用。 图 1.1智能公路磁诱导技术 图 1.2基于 DSRC的电子不停车收费 因此车路协同反映了载运工具与基础设施之间的一种关系,它是以解决“车”与“路”的矛盾为基本宗旨,代表着将“车”与“路”看成一个整体来构建完整的智能交通系统的思想,是当前技术条件下智能交通系统在道路交通领域的具体表现之一。 车路/车车间直接信息交互,即车路直连通信( Vehicle to X,V2X),是构建智能车路协同应用的底层能力和基础支撑技术,也是智能车路协同应用区别于其他传统的智能交通应用的昀显著特征。这里所指的直连通信是指路侧、车载设备通过无线传输方式,实现车与车、车与路直接通信和信息交换。目前,国家规划 5905~5925MHz频段作为车路直连通信的工作频段。关于我国 V2X技术路线,一方面,交通专用短程通信 DSRC已成功应用于 ETC,车载用户已突破 2亿,产业链相对成熟,同时已为车路协同拓展应用预留了接口和信道资源;另一方面,基于 4G-LTE的 LTE-V2X技术已逐渐成熟,并且正在向 5G-V2X演进,为 V2X提供了更多的技术选择。目前,业界已经就 DSRC和 LTE-V2X融合形成了初步共识,例如,采用双模芯片的 T-Box,作为 DSRC与 LTE-V2X协同方案的一种探索。 随着无线通信和人工智能技术的发展,特别是 5G技术的应用,业界对智能车路协同的期待更多聚焦于高可靠、低延时的车路直连通信在交通安全和车辆控制功能的应用上。其核心是强调运载工具和基础设施间的实时交互和动态调整,改变传统车和路之间的交互方式,实现车载功能和路侧功能的合理划分和协同操控,以及信息资源在车辆和基础设施之间的优化分配与平衡,大幅地提高道路交通的安全性和可靠性,同时达到优化利用系统资源、降低成本及节能减排的目的。 1.2 智能车路系统发展现状与趋势 智能车路系统中通信节点的高移动性、移动行为的复杂性,使得此场景下通信业务呈现数据实时交互性强、空时分布不均、尺度多变、规律复杂的特征,导致传统的车联网网络部署、资源调配难以有效满足用户的差异化服务需求。因此,迫切需要设计“车-人-路-云”泛在互联的智能车路系统网络,通过充分挖掘车辆行为数据的潜在价值,精准预测、刻画车辆行为的空时分布特性,以提升智能车路系统资源利用率,改善智能车路系统服务性能。 本节重点介绍了国内外在智能车载系统、智能路方面的研究现状,指出未来随着技术的不断进步,智能车路系统建设将日趋完善,车路分离的现状终将被改变,车路之间、车车之间会建立有效的信息沟通,极大地提高车辆与道路资源使用效率,减少交通安全事故的发生。 1.2.1 智能车载系统发展现状 智能车载系统融合了多项关键技术,如环境感知技术、无线通信技术、智能互联技术、信息融合技术、人机界面技术和信息安全与隐私保护技术等。智能车载系统主要包括环境感知系统、决策与控制系统和执行系统。感知主要可分为自主式感知和网联式感知。通过车载传感器获得的对复杂环境的感知,称为自主式感知;借助现代通信和网络技术来感知环境,称为网联式感知。在大数据时代,自主式感知可以由通信设备传播至互联网络,同时网络式感知也可分发至智能车载系统,这是一个交互的过程。存在于互联网络中的智能车载系统,通过这样的密切交互,形成了一种特定的新型网络系统 —车联网。而车联网并不只是一般意义上的信息服务,它除了包括车车通信、车路通信和车内部的通信外,还包括了在移动互联下能提高安全和节能等方面指标的信息服务。 目前在智能化方面,业内普遍接受的是美国汽车工程师协会( Society of Automotive Engineers, SAE)的分级定义。它分为 L1驾驶辅助( Drive Assistance,DA)、L2部分自动驾驶( Partial Automation,PA)、L3有条件自动驾驶(Conditional Automation,CA)、L4高度自动驾驶( High Automation, HA)、L5完全自动驾驶( Full Automation,FA)五个等级,如果包含 L0无自动驾驶(No Automation),则可视为六个级别。 无自动驾驶:驾驶人是整个汽车系统的唯一驾驶决策者和操作者,通过控制方向盘、加速踏板、制动踏板等来实现对汽车的驾驶和控制。 驾驶辅助:系统可提供方向和加减速中的一项驾驶辅助功能,如自适应巡航控制(Adaptive Cruise Control,ACC)功能或车道保持辅助( Lane Keeping Assist,LKA)功能,其他驾驶操作由驾驶人完成。驾驶辅助按其功能可分为两类,即预警类驾驶辅助和执行类驾驶辅助。在遇到紧急情况时,预警类驾驶辅助功能只发出告警信号,由驾驶人决定如何操作,而执行类驾驶辅助功能则可自主判断决策,控制车辆实现加速、制动、转向等动作,避免偏离。 部分自动驾驶:两个以上的方向和加减速中的驾驶辅助功能被组合在一起(如车道变换),提供方向和加减速中的多项驾驶辅助。如 ACC功能与 LKA功能组合在一起,但驾驶人需要时刻监视前方路况的变化,根据车辆环境随时接管对车辆的操作。 有条件自动驾驶:驾驶人短暂地释放对车辆的控制,由系统完成对方向盘、加速踏板、制动滑板等的所有驾驶操作。特殊情况下,如驶离高速公路等,车辆判断是否需要将车辆控制权交还给驾驶人,如果需要则提醒驾驶人,驾驶人按要求接管对车辆的驾驶操控。 高度自动驾驶:驾驶人可长时间地释放对车辆的控制,实现高速公路全部清空和特定区全部路况的无人驾驶,如封闭的小区或特定的市区路段。特殊情况下,如驶离封闭的小区或特定的市区路段,系统提醒驾驶人是否接管对车辆的操控,驾驶人可以不响应。 完全自动驾驶:这是昀高程度的自动驾驶,即车辆在整个行驶过程中完全自动控制,全程检测交通环境,能够实现所有的驾驶目标。驾驶人只需提供目的地或者输入导航信息,实现门到门的货物或人员运输。方向盘与制动踏板的操作为可选项,驾驶人操作也为可选项。 在环境感知方面,当前广泛使用车载传感器包括 CCD传感器、声波传感器等,用来感知车辆周围环境。现有较为成熟的视听觉导航系统包括谷歌公司 Driverless Car的环境感知系统[4]、德国联邦国防大学的 VaMP系统[5]、美国卡内基梅隆大学的 RALPH视觉系统[6]、意大利帕尔马大学的 GOLD视觉系统[7]、Mobileye公司实时视觉系统 [8]、清华大学 THMR-V系统[9,10]和国防科技大学自动驾驶仪系统 [11]等。 对于辅助驾驶及车载通信方面的研究,美国在 20世纪 90年代以后进入高速发展期,集中于车辆综合安全系统 [12]、道路交叉协同防撞系统 [13]等。欧洲有为驾驶者提供安全辅助信息的 SAFESPOT[14]、专注于驾驶安全预警技术研究的 PreVENT[15]。产业化的代表成果是日本在 1998年左右建成的车辆信息通信系统( Vehicle Information and Communication System,VICS),其包含先进的交通信息中心和车载交通信息接收显示器,系统通过 GPS导航设备、无线数据传输、广播系统,将实时路况信息和交通诱导信息即时传送给交通出行者,使道路交通更加高效、便捷。 在我国,2015年百度无人驾驶汽车完成北京开放高速路的自动驾驶测试,如图 1.3所示。2016年,长安汽车完成 2000

商品评论(0条)
暂无评论……
书友推荐
浏览历史
编辑推荐
返回顶部
中图网
在线客服