連接自動電動汽車的關鍵技術

人工智能等技術的快速發展,物聯網、大數據和信息交流的發展促進了連接自治電動車等功能複雜的環境感知、智能決策、協同控製和執行。這個特殊問題的主要目的旨在使學者展示他們的最新研究成果在環境感知係統,自動駕駛決策係統,垂直和水平控製係統、網絡通信係統、電池能量管理係統等,並促進其應用領域的連接自治在中國電動車。八個文件被選擇在這個特殊的問題嚴格審查和他們代表在這一活躍領域的最新研究成果。

為了實現自主駕駛,幾個步驟,包括環境感知,路徑規劃,和動態控製,需要完成。然而,車輛配備車載傳感器仍有局限在獲取必要的環境數據最優驅動決策。本文“雲控製係統體係結構,在智能和連接車輛技術和應用程序:評估”,李等人介紹智能和連接車輛(ICV)雲控製係統(CCS)作為一個新的概念,因為它是一種潛在合成解決方案高級自動駕駛改善安全和優化交通流智能交通。本文係統地研究了雲的控製平台架構的概念,核心技術、設計方法以及應用ICV潛力。根據分析,雲控製係統開發的挑戰和建議已經解決。

隨著無線通信的進步,汽車基礎設施集成係統交叉規劃和決策方法得到了增加的關注。“規劃和決策連接自動車輛在各個路口:回顧”的曹等人最近的研究主要是概述在十字路口的規劃和決策技術,使車輛能夠安全、高效地通過十字路口。介紹了總體規劃和決策方法:圖,prediction-based,優化、機器學習、端到端,強化學習,部分可觀測馬爾可夫方法。本文還總結了進化規劃決策方法基於車輛基礎設施合作技術。

在“使用雙層能量最優製動控製方案的軌跡規劃和跟蹤連接電動汽車”,陰等人提出一個能量最優製動策略(區塊)提高電動汽車的能源效率的考慮共享製動意圖。首先,製定一個雙層控製方案。然後,本文進行了數次模擬節理MATLAB和CarSim,結果證明了該區塊達到突出比常規的恒減速製動再生能源改善策略。最後,研究了電動汽車的能量最優製動機製分析的基礎上刹車減速,電池充電能力,和運動效率,可實時控製的指導。

郭等人的作品名為“Neural-Fuzzy-Based自適應滑模自動操舵控製的無人駕駛電動汽車建立”提出了一種新穎的自適應滑模Neural-Fuzzy-Based自動轉向控製策略來提高應用無人駕駛電動汽車的駕駛性能和時變不確定參數。運動學和動力學模型,準確地表達車輛構造的操縱行為。然後,neural-fuzzy-based自適應滑模控製器自動轉向監督提出了無人駕駛電動汽車的橫向動態行為。結果說明了控製方案具有優良性能的誤差收斂性和魯棒性。

”周圍的對象檢測和跟蹤自主駕駛使用激光雷達和雷達融合”,蔡等人提出一種有效的方法用於高精度檢測和跟蹤目標周圍的自主車輛。采用無味卡爾曼濾波,雷達和激光雷達信息有效融合實現高精度探測目標的位置和速度信息的自主車輛。最後,真正的車輛進行測試在不同駕駛環境場景。實驗結果表明,該傳感器融合方法能有效地檢測和跟蹤車輛周邊與高精度的目標。

在“展期預防和運動規劃對於一個聰明的重型卡車”,王等人提出一個與自主運動規劃戰略反翻轉能力提高翻轉穩定對於一個聰明的重型卡車。本文建立了翻轉動力學模型的智能重型卡車。然後,獲得最優路徑來滿足需求,智能重型卡車可以避免障礙和傳動穩定沒有翻轉。此外,三種典型場景設計智能重型卡車的動態性能進行了數值模擬。結果表明,該運動規劃策略可以有效地避免碰撞和提高車輛翻轉穩定即使在最糟糕的駕駛場景。

陰等人的研究,題為“自適應多模式融合實例分割CAEVs在複雜的條件:數據集,框架和驗證”引入一個端到端磨混合的專家(SMoE)融合框架來提高感知係統的魯棒性和準確性CAEVs在複雜光照和天氣條件。本文介紹了複雜KITTI數據集,這個數據集很好注釋實例級的提議半自動注釋的方法。SMoE融合方法設計了自適應學習互補形式的健壯的內核。實驗結果表明,該SMoE框架產生重大改善其他融合技術在不利的環境條件。

最後,“ML-ANet:轉移學習方法使用適應網絡自主駕駛的多標記圖像分類”,李等人提出一種新的多標記適應網絡(ML-ANet)基於多個內核變體以最大平均差異減少源和目標域之間的差異。本文還進行了惡劣天氣和cross-camera適應考試來驗證該ML-ANet的有效性。結果表明,ML-ANet達到精度高於多標記圖像分類的最先進的方法相比在不利天氣適應和cross-camera適應實驗。

的論文發表在這個特殊的問題,我們希望他們將有利於連接社區自治電動車研究的發展。