当前位置：文档之家 › 基于文献计量学的无人驾驶汽车技术研究_李莎莎

基于文献计量学的无人驾驶汽车技术研究_李莎莎

  • 格式：pdf
  • 大小：1.88 MB
  • 文档页数：2

286理论研究

0　引言

无人驾驶汽车属于智能汽车的一种，主要是依靠车内以计算机系

统为主的智能驾驶仪来实现无人驾驶,可以实现更加可靠和安全的行

驶[1]。由于无人驾驶汽车这些优点，它将是未来汽车发展的一个方向。

虽然我国对无人驾驶汽车也有所研究，但是没有国外先进和成熟，我

国对于智能汽车的研究大多局限于引进理论介绍，没有具体的方向指

导。文献专利计量学是一种先进的数据发掘工具，通过研究无人驾驶

汽车（智能汽车）历年文献，能够掌握核心技术和未来发展方向。

1　文献计量学方法

文献计量学通常依托于数据挖掘技术与数理统计分析方法，能够

有效获取并分析个人无法处理的海量客观数据信息。它是采用数学及

统计学等计量方法研究文献的体系及计量特征，从而获得文献的分布、

数量、变化规律和定量管理等情报信息[2]。这个方法最早由美国目录

学家Alan󰀃Pritchard提出，他将数学及统计方法运用到图书馆与其他交

流介质的研究中[3]。不少学者通过该种方法取得了科研成果，如Alan󰀃

Porter提出了“技术机会分析”方法[4]；Liu󰀃通过词频与引证分析对两

国的创新工作进行了比较研究；Fu󰀃对󰀃1993－2008󰀃年间污水处理研究

时，运用词频分析的方法对该领域的技术研发方向进行了统计归纳。

通过其他大量的学者研究，文献计量学方法日趋成熟，被运用到各种

领域中。

在此基础上，很多学者将文献计量学方法引入技术分析与预测中，

从而实现定性分析与定量分析的整合。

2　无人驾驶汽车技术计量学分析

2.1　关键词萃取

由于无人驾驶汽车产业相关的技术缺乏直接的国际专利代码

（IPC），因此本文采用检索词检索。检索方式通常是检索出的文献

在标题、关键词或摘要中含有检索词。在具体检索时，对无人驾驶汽车，

本文在摘要中检索相关检索词。本研究的文献来源是SCI/SSCI󰀃期刊

文献数据库。

利用文献管理软件NE对海量信息进行有效归总和统计分析,NE

是一种进行文献计量学研究的方便的、行之有效的新工具[5]。通过选

择SCI/SSCI󰀃期刊文献数据库进行检索，得到从2006年到2016年8月

23日的2302篇期刊文献数据。

图1是历年来无人驾驶汽车文献数的统计信息（由于2016年未完，

故2016年文献数未列入），可以看出对于无人驾驶汽车的研究有慢

慢增长的趋势，虽然在少数年份数目有所减少，可以发现在2008年，

专利数和期刊文献数都突然减少。这也说明了无人驾驶汽车（智能汽

车）的研究跟经济环境相关关系是非常显著的。但是总体趋势是渐增

的，这说明对无人驾驶汽车的研究将会使热点话题。

2.2　数据分析

SCI期刊文献数据库作为全球化文献检索重要的数据源，用其中

的文献进行科学统计研究与评估分析是非常具有科学性的。通过图2基于文献计量学的无人驾驶汽车技术研究

李莎莎

（武汉理工大学汽车工程学院,武汉 430070）

摘　要：本文基于文献计量学，对无人驾驶汽车技术研究的趋势进行了分析，通过研究发现：我国的无人驾驶汽车的研究还处于起步阶段，国

际范围内，无人驾驶汽车的研究主要集中在车辆位置和姿势控制、数据采集转换装置、计算机逻辑算法、道路交通控制系统、即时车辆路径控

制等5个研究热点。

关键词：文献计量学;无人驾驶汽车;数据分析

DOI:10.16640/j.cnki.37-1222/t.2017.01.248

图1　历年期刊文献数统计

图2　2006－2015 年间全球无人驾驶汽车（智能汽车）文献雷达图的雷达图，可以看出美国的在智能驾驶研究方面最为凸显。还可以发

现，我国对于无人驾驶汽车的研究占据着一定的地位，十年内发表文

献296篇，占总数的16.28%，紧追美国之后。这也说明我国在无人驾

驶汽车研究方面走得比较靠前，这是我们的一大优势，也是我们实现

汽车行业弯道超车的一大机会。此外，台湾省、西班牙、韩国、英国

和日本在研究上也占一定的份额。

从图3的增长速度上来看，中国对于无人驾驶汽车（智能汽车）

的研究活动异常活跃，2010-2015年相对2006-2010年，国内无人驾驶

汽车（智能汽车）研究文献数量增长了235%，即后5年文献量是前5

年文献量的将近两倍半，是增长速度最快的地区，其次是西班牙，增

长了230%。在参与份额上，国内无人驾驶汽车（智能汽车）研究文

献数量也增长显著，涨幅为7.6%，而美国却下降了7.5%。

随着无人驾驶汽车（智能汽车）的发展，可以预见，美国和中国将继续统领无人驾驶汽车（智能汽车）的理论研究，西班牙、台湾和287理论研究

关键词次数关键词次数

1Intelligent󰀃

Transportation󰀃Systems󰀃

(ITS)61423AD󰀃HOC󰀃Networks39

2intelligent󰀃vehicles19224vehicle-to-grid󰀃(V2G)38

3model15125sensors38

4design12426prediction35

5smart󰀃grid9627information35

6algorithms9228communication33

7Electric󰀃vehicles8429stability33

8simulation8230vehicle󰀃detection33

9traffic󰀃flow7131management30

10computer󰀃vision6832behavior29

11tracking6733localization27

12performance6034classification25

13neural-networks5635GPS23

14Fuzzy󰀃control5536impact23

15networks5537pedestrian󰀃detection23

16optimization5538sensor󰀃fusion22

17Intelligent󰀃control5539adaptive󰀃cruise󰀃control22

18safety5440identification22

19Fuzzy󰀃logic4841image󰀃processing22

20dynamics4442car-following󰀃model21

21navigation4243lane󰀃detection21

22recognition4044Road󰀃vehicle󰀃control

21 图3　两期占百分比变化表表1　无人驾驶汽车（智能汽车）核心高频词韩国将有可能成为美中的有力竞争对手。这样看来，我国的无人驾驶

汽车（智能汽车）的研究前途比较宽广，值得政府、企业、科研机构

继续投入政策支持和科研投入，实现弯道超车的机会还是比较大的，

这需要也值得我国的相关科研人员和企业、政府继续努力。

通过数据挖掘和统计分析软件NE的处理和专家修正，从2302篇

SCI文献的关键词中提取了技术核心高频词44个，具体见表1。

3　总结

本文通过大量的SCI文献的数据挖掘，发现我国对于无人驾驶汽

车（智能汽车）的理论研究还是比较详实和全面的，期刊文献发表数

量仅次于美国。增长速度是最为快速的，但是在权威学者数量方面却

表现较为不是十分令人满意，无人驾驶汽车（智能汽车）的权威学者

主要集中在西班牙。

通过期刊文献计量学的统计运用与专家意见综合，本研究发现，

无人驾驶汽车技术研究集中在五个方向；󰀃1）车辆位置和姿势控制；2）

数据采集转换装置；3）计算机逻辑算法；4）道路交通控制系统；5）

即时车辆路径控制。这五大研究领域不是独立存在的，每个领域之

间都有关联，互为基础又互相促进。并且给出各个领域相关系数大

的技术研究“实体”，指出了未来的研究方向。对我国无人驾驶汽

车（智能汽车）领域的科学研究工作具有积极的理论与实践指导意

义。参考文献：

[1]闫民.无人驾驶汽车的研究现状及发展方向[J].汽车维修,2003.

[2]邱均平.文献计量学[M].北京:科学技术文献出版社,1988.

[3]A P.STATISTICAL BIBLIOGRAPHY OR BIBLIOMETRICS[J].Journal

of Documentation.1969.

[4]Scott W.Cunningham,Alan L.Porter, Nils C. Newman．Special

issue on tech mining[J].Technological Forecasting & Social

Change,2006.

[5]邓智心.基于文献管理软件NoteExpress的文献计量学研究的探

讨[J].现代情报,2013.

作者简介：李莎莎（1992-）,女,安徽萧县人，硕士,在校学生，研

究方向：汽车市场营销。

（上接第284页）行自动化升级改造，加装传感器、电磁阀、智能仪表等，节约建设成本，

提高设备的功能性和针对性。这种模式的优点是投入成本相对较少，

缺点是可改装部分一般受限、整体设计的约束因素太多。

4　总结

综上所述的生产性实训基地的建设模式以及研发生产性教学设

备模式各有其区域特点和历史渊源，学校只有从人才培养目标的要

求出发，结合自身的实际条件，统筹各种资源，广泛借鉴，积极创新，

选择合适的生产性实训基地建设模式和研发模式，才能取得良好的

成效。

参考文献：[1]吴弋旻,张雪娟.校内生产性实训基地的探索与研究[J].实验技

术与管理,2010(27).

[2]朱其训.国外职业教育实训基地建设对我国职业教育的启示[J].

徐州工程学院学报:社会科学版,2011(06).

[3]童卫军.校内生产性实训基地建设与运行模式的研究[J].中国大

学教学,2011(08).

[4]樊开青,邰燕,蔡善亚,朱晓彦.自主研发改善高职院校校内实

践教学条件[J].中国教育技术装备,2015(10).

作者简介：董金梁(1984-)，讲师,主要从事机电一体化、智能制造、

工业机器人方向的教科研工作,已成功自主研发自动化设备多种，应

用于一体化教学和企业一线加工，并获5项专利。

合集下载

开题报告《无人驾驶汽车的自动控制与智能驾驶算法研究》

开题报告《无人驾驶汽车的自动控制与智能驾驶算法研究》

开题报告《无人驾驶汽车的自动控制与智能驾驶算法研究》

一、研究背景

随着人工智能和自动驾驶技术的快速发展，无人驾驶汽车已经成为未来交通领域的热门话题。无人驾驶汽车的出现将彻底改变人们出行的方式，提高交通效率，减少交通事故，同时也带来了许多挑战和机遇。在这样的背景下，本研究旨在探讨无人驾驶汽车的自动控制技术和智能驾驶算法，以期为未来智能交通系统的建设提供有力支持。

二、研究目的

本研究旨在深入探讨无人驾驶汽车的自动控制与智能驾驶算法，具体目的包括： 1. 分析当前无人驾驶汽车技术发展现状； 2. 研究无人驾驶汽车的自动控制原理和方法； 3. 探讨智能驾驶算法在无人驾驶汽车中的应用； 4. 提出改进和优化现有智能驾驶算法的方向。

三、研究内容

3.1 无人驾驶汽车技术发展现状分析

在这一部分，我们将对当前无人驾驶汽车技术的发展现状进行梳理和总结，包括各大厂商在无人驾驶领域的最新进展、自动辅助驾驶系统的应用情况以及相关政策法规对无人驾驶技术发展的影响等方面进行分析。 3.2 无人驾驶汽车的自动控制原理和方法研究

本部分将重点研究无人驾驶汽车的自动控制原理和方法，包括传感器数据处理、环境感知、路径规划、运动控制等关键技术。通过对不同自动控制方法的比较和分析，寻找最适合无人驾驶汽车应用场景的控制策略。

3.3 智能驾驶算法在无人驾驶汽车中的应用

本部分将探讨各种智能算法在无人驾驶汽车中的具体应用，包括机器学习、深度学习、强化学习等算法在自动控制、感知识别、决策规划等方面的应用。通过案例分析和实验验证，评估不同算法在无人驾驶汽车中的性能表现。

3.4 智能算法优化与改进方向

最后一部分将提出对当前智能算法在无人驾驶汽车中存在问题和不足之处，并针对这些问题提出改进和优化方向。通过对未来智能算法发展趋势的预测和分析，为提升无人驾驶汽车性能和安全性提供参考建议。

四、研究意义

本研究将有助于推动无人驾驶汽车技术的发展与应用，为智能交通系统建设提供技术支持和理论指导。同时，通过对自动控制与智能算法的深入研究，可以为相关领域学者和工程师提供参考借鉴，促进学术交流与合作。 五、预期成果

多种传感器技术在无人驾驶汽车中的应用研究

多种传感器技术在无人驾驶汽车中的应用研究

多种传感器技术在无人驾驶汽车中的应用研究

400074

摘要

随着科技不断发展，当前汽车行业对汽车智能化的需求不断提升，促进了无人驾驶汽车的发展，传感技术作为研发无人驾驶汽车中十分重要的一环，它的作用日益凸显。无人驾驶汽车的实际行驶环境是复杂多变、难以预料的，离不开各种传感技术对汽车行驶过程中的数据信息进行实时监测，以保证车辆运行时的平稳性与安全性。本文将简单概述无人驾驶汽车的内涵，然后从车载传感技术、环境感知技术及驾驶辅助系统技术三个方面，探究多种传感器技术在无人驾驶领域中的应用情况。最后，对无人驾驶传感器今后的发展方向作出总结。

关键词：无人驾驶汽车，传感器，应用

1.

引言

无人驾驶汽车（Self-driving Car），作为智能汽车行业的一个重要分支，致力于通过环境感知、导航定位、动态规划与自动控制等技术的综合应用，实现汽车自动完成人类驾驶的全过程，将焕然一新的出行安全与效率体验带给人类。

实现无人驾驶，实际上离不开各种传感器技术的支持。它需要依靠传感器感知的行人信息、道路信息、指示牌信息等周边环境来控制行驶的方向、车速等指标。因此，下面将从三个方面对无人驾驶汽车中的传感器技术进行探究说明。

1. 传感技术在无人驾驶汽车中的应用

1.

a.

车载传感器技术的应用

车载传感器根据其功能不同，主要分为视觉传感器、激光雷达传感器、毫米波雷达传感器、超声波雷达传感器与声音传感器[1]。

1.

a.

1.

视觉传感器

视觉传感器是无人驾驶汽车的第二大信息源，其原理是利用光学器件与成像元件来获取外界环境的图像信息。目前，摄像头与相机是无人驾驶汽车上使用较多的视觉传感器，其中，根据功能可以将相机分为单目、双目与全景三种类型。

1.

a.

1.

激光雷达传感器

激光雷达是无人驾驶汽车最重要的传感器之一。激光雷达按照成像方式，可分为一维、二维与三维激光雷达。它能够区分动态的行人与静态的人物海报，测量精度高、实时性好，广泛应用于车距保持、障碍物检测、环境信息获取等领域。

基于深度学习的无人驾驶汽车路径规划研究

基于深度学习的无人驾驶汽车路径规划研究

基于深度学习的无人驾驶汽车路径规划研究

摘要: 得益于深度学习和人工智能领域的进步，自动驾驶技术在过去十年中快速发展。本文调查研究了无人驾驶汽车领域使用的最新深度学习技术。我们首先介绍基于 AI 的无人驾驶汽车决策系统和卷积神经网络。这些方法构成了路径规划和行为仲裁算法的基础。本次调查研究提供的比较有助于深入了解深度学习和人工智能方法在自动驾驶方面的优势和局限性，有助于路径规划算法的设计选择。

列入沧州市科技技术局项目《基于深度学习的无人驾驶汽车路径规划研究》，项目编号：204102018

1 简介

在过去十年的过程中，深度学习和人工智能在计算机视觉、机器人技术和自然语言处理 (NLP) 等技术中得到了广泛应用。它们还对无人驾驶汽车产生了重大影响。无人驾驶汽车已开始从在实验室开发和测试转移到在公共道路上行驶和应用。无人驾驶汽车在实际场景中的应用减少了道路事故和交通拥堵，并改善了我们在过度拥挤的城市中的流动性。 无人驾驶将驾驶的任务完全交给机器，也叫自动驾驶。“自动驾驶”这个名称看似不言自明，但实际上有五个 SAE Level

用于定义自动驾驶。 SAE J3016 标准 [1] 引入了从 0 到 5 的等级，用于对车辆自动化进行分级。较低的 SAE 级别具有基本的驾驶员辅助功能，而较高的

SAE 级别则适用于不需要任何人工交互的车辆。 5 级类别的汽车不需要人工输入，通常甚至没有方向盘或脚踏板。

虽然大多数驾驶场景可以通过经典的感知、路径规划和运动控制方法相对简单地解决，但其余未解决的场景是传统方法失败的极端情况。 1994 年，VaMP 无人驾驶汽车成功行驶 1,600 公里，其中 95% 是自动驾驶。自动驾驶的另一个重要里程碑是 2004 年和 2005 年的 DARPA 大挑战赛以及

2007 年的 DARPA 城市挑战赛。比赛的目标是让无人驾驶汽车在没有人工干预的情况下尽可能快地在越野路线上行驶。Stanley 是 2005 年比赛的获胜者，他利用机器学习技术在非结构化环境中导航。这是自动驾驶汽车发展的一个转折点，承认机器学习和人工智能是自动驾驶的核心组成部分。

车辆自动驾驶技术记三年参考文献

车辆自动驾驶技术记三年参考文献

1. 前言

近年来，随着科技的不断发展，车辆自动驾驶技术逐渐成为汽车产业的热门话题。自动驾驶技术的发展不仅带来了便利，也引起了人们对交通安全、道路规则等方面的关注。本文将回顾车辆自动驾驶技术的发展历程，分析技术取得的成就以及所面临的挑战，并展望未来的发展趋势。

2. 发展历程

2.1 《自动驾驶汽车技术研究进展》

2.2 《自动驾驶汽车的视觉感知技术研究》

2.3 《基于深度学习技术的自动驾驶汽车研究》

3. 技术成就

3.1 《自动驾驶汽车的传感器技术》

3.2 《车辆自动驾驶系统的路径规划与控制方法》

3.3 《车辆自动驾驶系统的智能决策与行为规划》

4. 面临挑战

4.1 《自动驾驶汽车在复杂道路环境下的应对策略研究》

4.2 《自动驾驶汽车的安全性与可靠性研究与分析》

4.3 《自动驾驶汽车的法律法规与道路交通规则的适配性研究》

5. 未来展望 5.1 《自动驾驶汽车技术的发展趋势分析》

5.2 《自动驾驶汽车与智能交通系统的集成研究》

5.3 《自动驾驶汽车在城市交通中的应用前景分析》

6. 结语

通过对车辆自动驾驶技术的发展历程、技术成就、面临的挑战以及未来的展望的分析，可以看出这一技术领域正处于高速发展的阶段。在未来，随着科技的不断进步和人类对智能交通系统的需求不断增加，车辆自动驾驶技术将迎来更广阔的发展空间，为人类的交通出行带来更多的便利和安全。车辆自动驾驶技术的发展至今，仍然面临着许多挑战，例如复杂道路环境下的应对策略、安全性与可靠性、法律法规与交通规则的适配性等方面。针对这些挑战，科研人员不断进行深入研究与探索，努力推动自动驾驶技术朝着更加成熟和完善的方向发展。

在复杂道路环境下的应对策略方面，研究人员正在致力于开发更加智能和灵活的自动驾驶系统。通过引入先进的感知技术和深度学习算法，可以让车辆更加准确地识别和应对各种复杂的道路情况，如交通拥堵、施工路段、不规则的交通信号等，从而提高自动驾驶系统在复杂环境下的适应能力。