首页期刊导航|中国公路学报
期刊信息/Journal information
中国公路学报
中国公路学报

马建

双月刊

1001-7372

glxb@chd.edu.cn

029-82334387

710064

西安市南二环路中段长安大学内

中国公路学报/Journal China Journal of Highway and TransportCSCD北大核心CSTPCDEI
查看更多>>本刊是中国公路学会主办的公路交通行业最权威的学术性刊物，主要刊载道路工程、桥隧工程、筑路机械工程、汽车与汽车运输经济与工程经济等专业的应用技术及理论性文章，并适当报道有关公路交通的新技术、新材料、新工艺以及国内外重大学术活动、工程建设及科技动态信息等。
正式出版
收录年代

    中国路面工程学术研究综述·2024

    《中国公路学报》编辑部
    1-81页
    查看更多>>摘要：近年来,中国公路建设成果斐然,路网规模快速增长、关键技术不断突破.为进一步提升中国路面工程学科水平及国际影响力,推动路面工程可持续、高质量发展,从公路韧性评估与恢复、长寿命路面结构与材料、公路交通能源自洽、低环境影响公路技术、路面材料基因与高通量、公路数字化及智能化、公路智能检测与高性能养护等七大研究方向,系统梳理了近年来国内外路面工程的发展现状、前沿热点问题与未来发展趋势.具体围绕公路绿色化、韧性化、智能化、长寿命与交能结合等领域,遴选了 20个热点研究方向,涵盖公路致灾因素及失效机理、公路韧性评估与恢复、公路韧性提升关键技术、公路长寿命路面结构足尺试验、公路结构与功能寿命增强技术、公路清洁能源采集技术、公路能源自洽设计、公路路域环境影响测试与评估方法、低环境影响路面新材料、沥青路面温拌再生技术、路面材料基因研究、路面材料跨尺度计算、路面材料基因与高通量研究、公路数字化建模技术、公路数字孪生仿真技术、公路运维数据驱动技术、公路探地雷达检测技术、路面性能轻量化检测、公路沥青路面抗滑性能检测及恢复技术、公路高性能预防养护技术等主要内容.该综述可为中国路面工程学科发展提供指引和参考,为路面工程领域研究人员与技术人员提供参考和借鉴.

    综述公路韧性评估与恢复长寿命路面结构与材料公路交通能源自洽低环境影响公路技术路面材料基因与高通量公路数字化及智能化公路智能检测与高性能养护

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    新能源汽车管理与服务关键技术研究综述

    王震坡张普琛孙逢春张照生...
    82-97页
    查看更多>>摘要：随着新能源汽车的推广应用,车辆规模爆发式增长的同时,在新能源汽车的产品端、运行端以及服务端出现了一系列问题:产品质量监管成效低、运行安全管控不精准、公共服务管理不全面.这些问题影响着新能源汽车的安全可靠运行,制约着新能源汽车产业的发展,已经成为了行业的痛点.在汽车数字化的时代背景下,以大数据为核心,推动新能源汽车管理与服务关键技术的发展,是实现新能源汽车安全可靠高效应用、消除消费者安全焦虑、推动产业跨越式发展的必要支撑和保障.为了较为全面地综述该领域的技术水平和创新成果,从新能源汽车质量测评和溯源技术、新能源汽车安全运行管控和充电服务技术、新能源汽车行为分析辨识和碳核算技术3方面详细论述新能源汽车管理与服务关键技术的研究现状,并重点介绍了"运行大数据+"的新能源汽车"质量监管-运行管控-服务管理"技术体系,最后对目前新能源汽车管理与服务关键技术在产品质量监管、运行安全管控以及公共服务管理等方面存在的问题进行总结,对以大数据分析和挖掘为核心的新能源汽车"质量监测-运行管控-服务管理"技术进行展望.该综述可为新能源汽车管理与服务相关技术的进一步提高提供借鉴,也可为未来该领域技术的发展方向提供参考.

    汽车工程新能源汽车综述管理服务质量测评安全监管

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    智能汽车人机协同决策关键技术综述

    胡满江杨智元李洋陈晓龙...
    98-116页
    查看更多>>摘要：智能汽车人机协同决策是指驾驶人与驾驶自动化系统之间进行信息共享、交互和协同决策的过程,其对于提升智能汽车的安全性、舒适性和通行效率具有重要意义.针对人机协同决策技术在当下文献研究中碎片化且缺乏相关综述研究的现状,介绍了智能汽车人机协同决策技术的研究现状及未来的发展趋势.首先,基于对人机协同驾驶领域研究现状的梳理,从驾驶权限和人机交互2个维度对人机协同决策方法进行分类,前者包含以人为主、人机驾驶权限切换和以机为主的3种决策方式,后者包含人机直接交互和人机间接交互2种决策形式.进一步根据智驾系统中人机协同决策的层级差异,将人机协同决策技术分为人机协同行为决策、人机协同运动规划两大关键技术.前者可分为仲裁驾驶权限、协调驾驶意图和人类在环学习3类,后者可分为人机协同的路径规划和轨迹规划2类.最后,对智能汽车人机协同决策技术的发展趋势进行了总结与展望.通过梳理总结认为:智能汽车人机协同决策技术的发展不仅局限于决策层面,也依赖于上下游共同的技术进步,且多模态人机界面和深度强化学习等技术将成为其进一步发展的重要动力;未来,人机协同决策技术将依托新型决策意图传导技术与大语言模型步入新阶段.

    汽车工程人机协同决策综述驾驶权限人机交互行为决策运动规划

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    混驾环境下基于主从博弈的多车协同决策规划

    严永俊彭林王金湘皮大伟...
    117-133页
    查看更多>>摘要：在自动驾驶车辆与人工驾驶车辆混行的复杂交通环境中,如何减小驾驶行为截然不同的2类车辆间的复杂相互作用对于车辆行驶安全性、乘坐舒适性和交通通行效率的影响,是当前自动驾驶决策与控制领域亟待解决的关键问题.提出了一个人机混驾环境下人工驾驶车辆与 自动驾驶车辆之间的非合作博弈交互框架.首先,综合考虑车辆加速度线性递减的驾驶人纵向操纵特性、差异化配合程度和不同的延迟响应特性,建立人工驾驶车辆的纵向博弈策略.其次,考虑自动驾驶车辆与周围车辆的安全性约束,以及自动驾驶车辆在换道过程中的舒适性和通行效率目标,设计了 自动驾驶车辆的纵向博弈策略.然后,基于主从博弈理论对不同混驾环境下人工驾驶车辆与 自动驾驶车辆的博弈交互问题进行求解,得到最优的换道间隙和自动驾驶车辆的纵向速度轨迹,并采用模型预测控制方法规划出 自动驾驶车辆的横向安全换道轨迹.最后,根据人工驾驶车辆不同配合度和延迟响应时间的差异,设计了多组人机混驾试验工况进行验证.试验结果表明:自动驾驶车辆能够快速准确识别人工驾驶车辆的配合度,选择出最优的目标换道间隙,并与间隙周围的自动驾驶车辆协作来汇入目标间隙.在换道过程中,自动驾驶车辆始终与周围车辆保持安全距离,并且在车速为20 m·s-1的情况下,换道车辆的纵横向加速度均不超过1.25 m·s-2,安全性和舒适性都得到了保障,验证了该非合作博弈交互框架的有效性.

    汽车工程混驾环境多车交互框架主从博弈理论自动驾驶车辆决策规划模型预测控制

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    智能网联车辆加速车道类人化汇入控制研究

    谷梦路葛振振王畅苏彦奇...
    134-146页
    查看更多>>摘要：为研究智能网联车辆(Intelligent Connected Vehicle,ICV)与高速公路主线传统人工驾驶车辆(Human-driven Vehicle,HDV)交互时通过高速公路加速车道的汇入控制算法,提出了一种融合随机森林(Random Forest,RF)算法和深度Q网络(Deep Q-network,DQN)算法的ICV汇入控制模型(DQN-RF).首先,建立路侧数据采集平台,采集了中国G70高速公路加速车道汇入区域HDV的真实汇入过程数据.其次,考虑汇入环境车辆历史数据流和汇入车在加速车道的汇入紧迫度,建立了基于RF算法的类人化汇入决策模型.采用城市交通仿真(Simulation of Urban Mobility,SUMO)平台搭建了高速公路加速车道ICV汇入场景,并基于Python语言建立了 ICV汇入控制深度强化学习测试脚本环境,建立了基于DQN的纵向加速度控制算法.最后,将RF汇入决策模型嵌入DQN纵向加速度控制算法中,实现了 ICV汇入决策和纵向加速度控制的融合.将SUMO内置的LC2013换道模型与DQN模型融合为DQN-LC2013模型,作为基线模型与DQN-RF模型进行对比.研究结果表明:相较于未考虑类人化汇入决策的DQN-LC2013模型,考虑类人化汇入决策的DQN-RF模型获得了更高的奖励值;当加速度动作取值空间为[-1,2]m·s-2时,DQN-RF和DQN-L2013控制下的ICV通过汇入控制区域的平均加速度分别为0.55、0.09 m·s-2,通过汇入控制区域的速度分别为21.4、19.7 m·s-1;DQN-RF模型控制下ICV无停车等待现象,DQN-LC2013控制下ICV在100次汇入过程中出现了 7次停车等待.提出的DQN-RF 汇入控制模型可以实现类人化的驾驶决策,提高ICV通过汇入控制区域的效率和汇入成功率,可用于ICV通过高速公路加速车道汇入区域的汇入决策和纵向加速度控制.

    交通工程汇入控制模型DQN-RF智能网联汇入车辆加速车道SUMO仿真

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于异质边增强时空图注意力网络的自动驾驶换道轨迹规划

    董晴中野公彦杨波季学武...
    147-156页
    查看更多>>摘要：轨迹规划仍然是自动驾驶技术大规模应用所面临的关键难题之一.例如,自动驾驶中的换道轨迹规划算法通常被构建为一个针对代价函数的优化过程.然而,为适应多样化的交通场景而手动调整代价函数中的特征权重,是一项极具挑战性的任务.针对这一问题,提出了一种基于异质边增强时空图注意力网络(Heterogeneous Edge-enhanced Spatial-Temporal Graph ATtention net-work,HEST-GAT)的新型换道轨迹规划方法.首先,采用逆强化学习技术,从大量专家级换道示范中提取代价函数的特征权重向量,构建了一个专家级换道示范数据集.然后,将交通场景构建为一个异质有向图,其中,交通参与者的位置定义为节点属性,交通参与者间的相对位置作为边属性,交通参与者之间的关联类型则定义为边类型.边的属性和类型组合,形成了边的特征表示.为捕获交通场景中的空间和时间信息,采用HEST-GAT网络进行特征提取,并计算了各场景下代价函数的特征权重.接着构建了 一个结合轨迹特征和特征权重的代价函数,并通过优化过程生成最终的换道轨迹规划.为验证所提出方法的实用性,在真实驾驶数据集上进行了多轮换道轨迹规划测试和评估.研究结果显示:与基于时空图卷积网络方法相比,基于HEST-GAT的换道轨迹规划在模拟专家示范轨迹方面的误差显著减少.纵向舒适性、纵向效率、横向舒适性和安全性4项关键指标的误差分别降低了 5.5％、5.4％、1.4％和6.0％.结果表明提出的方法能够生成与人类驾驶行为高度一致的换道轨迹,具有卓越的场景适应能力.

    汽车工程换道轨迹规划逆强化学习图注意力网络代价函数权重自动驾驶

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于强化学习的智能车辆路径跟踪变参数MPC多目标控制

    汪洪波王春阳赵林峰胡延平...
    157-169页
    查看更多>>摘要：为了解决智能车辆在工况变化时跟踪精度下降和稳定性变差的问题,提出基于强化学习的变参数模型预测控制(MPC)算法多 目标控制策略,实现智能车辆路径跟踪控制系统的参数自适应整定.基于车辆动力学模型设计其线性时变MPC控制器,获得最优前轮转向角和附加横摆力矩.基于Actor-Critic强化学习架构,设计进行控制参数整定的深度确定性策略梯度(DDPG)智能体和双延迟深度确定性策略梯度(TD3)智能体,构造以跟踪精度和稳定性为 目标的收益函数,并搭建对接工况和变曲率工况2种典型仿真场景进行算法性能验证,当车辆处于对接工况时,根据路面附着系数的变化及时调整控制器的预测时域和权重矩阵;当车辆处于变曲率工况下时,针对道路曲率变化及时调整控制器的预测时域和权重矩阵.通过MATLAB/SimuLink、CarSim和Python联合仿真分析,将强化学习方法参数整定MPC与固定参数MPC和模糊控制方法参数整定MPC进行对比,结果表明:强化学习方法更能够在保证车辆安全性的前提下,尽可能提高智能车辆在不同路面条件下的路径跟踪精度.在对接工况下,强化学习方法参数整定MPC相较于固定参数MPC和模糊控制方法参数整定MPC,横向偏差平均值分别减少了 99.8％和97.6％,前轮转角变化率平均值分别减小了 99.7％和77.0％;变曲率工况下,横向偏差平均值分别减少了 79.6％和90.8％,前轮转角变化率平均值分别减小了 40.6％和2.6％.说明所提出的基于强化学习的智能车辆径跟踪变参数MPC多 目标控制能够解决变工况下的路径跟踪的稳定性和跟踪精度控制问题,为复杂场景下的路径跟踪控制提供了一种思路.

    汽车工程路径跟踪模型预测控制强化学习控制参数整定附加横摆力矩控制

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于近邻目标区域表征与CVAE的智能汽车测试场景生成方法

    谈东奎朱波胡旭东
    170-180页
    查看更多>>摘要：基于场景的虚拟测试是研发高安全、高可靠智能汽车的必要手段,场景自动生成技术对于智能汽车测试场景库的构建(CVAE)具有重要意义.为此,针对多车动态测试场景,提出一种基于近邻目标区域表征(NORR)和条件变分自编码器(CVAE)的场景生成方法,实现复杂测试场景的快速生成以及对生成场景类型的控制.首先,针对高速公路场景特征,提出应用NORR方法对场景情境进行描述,将测试场景中关键车辆目标信息转化为尺度统一的灰度图像.接着,利用HighD自然车辆轨迹数据集提取大量场景片段,经过数据规范化处理后构建出真实场景库.在此基础上,以场景中车辆目标数量为条件参数,训练基于条件变分自编码器的生成模型,能够生成包含8条车辆轨迹的动态测试场景.通过计算生成样本集的匹配误差、覆盖度和不合理性3个指标,检验生成模型在样本真实性、多样性和合理性方面的表现.验证结果显示:①相比随机轨迹采样方法和基于GAN的生成模型,VAE模型生成的样本质量最好,其生成样本集的平均匹配误差小于5.22,覆盖度能达到57.2％,不合理样本比例仅为1.7％;②所提出的NORR方法有助于提高生成模型的场景生成效果;③CVAE模型能够在条件输入和生成结果之间建立关联性,通过调整条件参数可以改变生成场景中车辆目标数量.

    汽车工程测试场景生成条件变分自编码器智能车辆生成模型

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于交叉注意力机制的多模态感知融合方法

    张炳力潘泽昊姜俊昭张成标...
    181-193页
    查看更多>>摘要：针对智能汽车道路目标检测任务中单一传感器感知能力有限、多传感器后融合处理复杂等问题,提出了一种基于Transformer交叉注意力机制的多模态感知融合方法.首先,利用交叉注意力机制能较好地融合多模态信息的优势,搭建了基于深度学习方式的端到端融合感知网络,用以接收视觉与点云检测网络的输出,并进行后融合处理.其次,对点云检测网络的三维目标信息进行高召回处理,与视觉图像检测器输出的道路目标信息一同作为网络的输入.最后,通过网络实现二维目标信息向三维信息的融合,输出对三维目标检测信息的修正,从而得到准确度更高的后融合检测信息.在KITTI公开数据集上的验证指标表明,通过所提融合方法引入二维检测信息后,相比较PointPillars、PointRCNN、PV-RCNN及CenterPoint四种基准方法,对车辆、骑行人、行人3种类别的综合平均提升分别为7.07％、2.82％、2.46％、1.60％.通过与基于规则的后融合方法对比,所提融合网络在行人和骑行人中等、困难样本检测上,分别有平均1.88％与4.90％的提升.进一步表明所提方法具有更强的适应性与泛化能力.最后,进行了实车试验平台的搭建及算法验证,选取实车试验场景进行可视化定性分析,在实际道路场景下验证了所提检测方法与网络模型.

    汽车工程多模态融合交叉注意力机制三维目标检测后融合信息修正

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于视锥距离和自适应权重卡尔曼滤波的多传感器融合算法

    李杰张洛维王晓燕胡铮...
    194-203页
    查看更多>>摘要：为提升智能驾驶系统的环境感知能力,采用多模态传感器并结合人工智能技术解决单模态传感器在环境感知方面存在识别效果差、易受干扰等问题.然而,跨模态传感器间的特征匹配仍存在问题,如特征表示不一致、感知误差、延迟误差等.为解决这些问题,提出一种基于视锥距离度量的方法,构建了 目标匹配矩阵,使用匈牙利算法进行帧间关联匹配.并引入自适应权重调节技术优化卡尔曼滤波算法,实现了低复杂度高效的跨模态传感器融合目标检测与跟踪.对比交并比(IoU)度量和欧氏距离度量,所提方法在骑行者和行人类别中,多 目标跟踪准确度(MOTA)分别提升至81.22％和58.62％.研究结果表明,融合方法的均方根误差达到了 0.349 0,相比相机和激光雷达单独预测方法分别减少了 30.37％和30.53％,证实了所提出的自适应权重卡尔曼滤波融合跟踪方法的准确性.在KITTI数据集上的多 目标跟踪实验测试,准确度达到了 88.25％,与当前主流方法性能相当.在多种天气环境下的测试结果也展示了优异的性能,车辆、行人、骑行者的目标检测准确率分别达到了 96.40％、75.51％和91.87％.相较于单一传感器,该融合方法在多种路况下表现出更优越的检测效果,提高了系统的可靠性与鲁棒性,为无人驾驶技术的进一步发展奠定了坚实基础.

    汽车工程多目标跟踪传感器融合视锥距离卡尔曼滤波

      原文链接:
    • NETL
    • NSTL
    • 万方数据