2023年度《Automotive Innovation》高影响力论文揭晓
聚焦汽车前沿技术，十篇高水平论文入选
高影响力论文
01
聚类算法综述及其在车辆系统中的应用
Review of Clustering Technology and Its Application in Coordinating Vehicle Subsystems
张财志（通信作者）
重庆大学机械与运载工程学院教授
曹东璞（通信作者）
清华大学车辆与运载学院教授
内容简介
本文系统综述了传统与新型聚类算法，涵盖20种传统方法和4种新兴算法的原理与优劣，并解析相似度度量与评价指标等核心要素。重点总结了聚类技术在传统燃油车、新能源汽车及智能网联汽车中的实际应用，展望其在大数据背景下的发展趋势，为车辆工程领域提供算法选择与优化的理论支持。
引用格式：Zhang, C., Huang, W., Niu, T. et al.: Review of Clustering Technology and Its Application in Coordinating Vehicle Subsystems. Automot. Innov. 6, 89–115 (2023). https://doi.org/10.1007/s42154-022-00205-0
02
基于非线性阻抗谱的燃料电池故障诊断
Fault Diagnosis of Proton Exchange Membrane Fuel Cell Based on Nonlinear Impedance Spectrum
戴海峰（通信作者）
同济大学汽车学院教授
内容简介
针对传统电化学阻抗谱（EIS）无法捕捉高阶谐波响应的问题，本研究提出基于非线性电化学阻抗谱（NEIS）的多阶段故障诊断方法。通过实验获取水淹、干燥、缺料等故障状态下的NEIS数据，结合主成分分析降维，并构建SVM与随机森林模型，采用混合遗传粒子群优化超参数。结果表明，NEIS诊断精度显著优于传统EIS，HGAPSO-SVM模型实现100%准确率。
引用格式：Yuan, H., Zhang, S., Wei, X. et al.: Fault Diagnosis of Proton Exchange Membrane Fuel Cell Based on Nonlinear Impedance Spectrum. Automot. Innov. 6, 597–610 (2023). https://doi.org/10.1007/s42154-023-00253-0
03
汽车轻量化板材塑性各向异性中的非关联性和非二次方特性
Non-associated and Non-quadratic Characteristics in Plastic Anisotropy of Automotive Lightweight Sheet Metals
Myoung-Gyu Lee（通信作者）
首尔国立大学材料科学与工程系及RIAM教授
内容简介
为提升轻量化板材在有限元分析中的建模精度，研究采用非关联流动法则（non-AFR）与耦合二次/非二次模型，对DP980、QP980和AA5754-O三种材料进行多路径力学测试。结果显示，非AFR方法能有效模拟屈服行为；引入非二次塑性势函数显著降低塑性应变方向预测误差，其中AA5754-O铝合金误差由7.0°降至0.2°，凸显非二次建模的重要性。
引用格式：Hou, Y., Min, J. & Lee, M.G.: Non-associated and Non-quadratic Characteristics in Plastic Anisotropy of Automotive Lightweight Sheet Metals. Automot. Innov. 6, 364–378 (2023). https://doi.org/10.1007/s42154-023-00232-5
04
驾驶员对不同驾驶分心任务的EEG反应
Drivers’ EEG Responses to Different Distraction Tasks
秦也辰（通信作者）
北京理工大学副教授
内容简介
研究通过仿真测试设计时钟、2-back和导航三项任务诱发驾驶分心，采集24名受试者脑电图（EEG）信号。发现综合分心较单一认知分心影响更显著。统计分析显示，分心状态下额叶θ波能量升高，颞叶α波能量降低，揭示不同脑区频段活动差异，为开发基于EEG的分心检测系统提供理论依据。
引用格式：Li, G., Wu, X., Eichberger, A. et al.: Drivers’ EEG Responses to Different Distraction Tasks. Automot. Innov. 6, 20–31 (2023). https://doi.org/10.1007/s42154-022-00206-z
05
电动汽车用磷酸铁锂动力电池热失控特性及建模
Thermal Runaway Characteristics and Modeling of LiFePO4 Power Battery for Electric Vehicles
任东生（通信作者）
清华大学车辆与运载学院助理教授
内容简介
尽管磷酸铁锂（LFP）电池安全性较高，但仍存在热失控风险。研究通过绝热实验分析不同SOC下LFP电池热失控过程，划分五个阶段并提取反应动力学参数，建立热失控模型。模型模拟结果与实验高度一致，温度误差小于3%，烘箱条件下特征温度预测误差低于1%，为电池安全设计与热管理优化提供支撑。
引用格式：Sun, T., Wang, L., Ren, D. et al.: Thermal Runaway Characteristics and Modeling of LiFePO4 Power Battery for Electric Vehicles. Automot. Innov. 6, 414–424 (2023). https://doi.org/10.1007/s42154-023-00226-3
06
自动驾驶车辆的安全、高效与社会适应性决策：以无信号控制十字路口驾驶为例
Safe, Efficient and Socially-Compatible Decision of Automated Vehicles: A Case Study of Unsignalized Intersection Driving
李道飞（通信作者）
浙江大学能源工程学院副教授
内容简介
针对自动驾驶车辆在无信号路口难以满足人类驾驶员交互预期的问题，提出一种融合卡车司机视野概率模型、社会适应性与互惠利他主义的博弈论决策算法。人机交互实验包含207个案例，结果表明该算法在安全性和通行效率方面表现优异，且决策更符合人类驾驶习惯，有助于AV融入复杂交通环境。
引用格式：Li, D., Liu, A., Pan, H. et al.: Safe, Efficient and Socially-Compatible Decision of Automated Vehicles: A Case Study of Unsignalized Intersection Driving. Automot. Innov. 6, 281–296 (2023). https://doi.org/10.1007/s42154-023-00219-2
07
锂离子电池异常检测与故障诊断方法综述
Review of Abnormality Detection and Fault Diagnosis Methods for Lithium-Ion Batteries
麻斌（通信作者）
吉林大学控制科学与工程系讲师
内容简介
文章系统回顾了锂离子电池故障诊断最新进展，分析电池衰退机制与常见异常行为，将诊断方法分为统计分析、模型驱动、信号处理与数据驱动四类，比较其特点与适用场景。同时指出当前技术面临的挑战，如早期预警能力不足、多故障耦合识别难等，并展望未来研究方向。
引用格式：Liu, X., Wang, M., Cao, R. et al.: Review of Abnormality Detection and Fault Diagnosis Methods for Lithium-Ion Batteries. Automot. Innov. 6, 256–267 (2023). https://doi.org/10.1007/s42154-022-00215-y
08
基于凸优化避撞的自动驾驶实时轨迹优化
Real-Time Optimal Trajectory Planning for Autonomous Driving with Collision Avoidance Using Convex Optimization
张旭东（通信作者）
北京理工大学机械与车辆学院副教授
内容简介
提出一种基于凸优化的在线轨迹规划方法，用于自动驾驶避障。通过引入双变量建模非凸碰撞约束，结合相对距离对偶问题求解，并在MPC框架中优化连续时间轨迹。采用多边形描述障碍物几何形状，限制加速度与转向速率以提升舒适性。最终问题转化为可高效求解的二次规划，适用于实时应用。仿真验证其性能接近非线性优化方法，具备良好鲁棒性。
引用格式：Li, G., Zhang, X., Guo, H. et al.: Real-Time Optimal Trajectory Planning for Autonomous Driving with Collision Avoidance Using Convex Optimization. Automot. Innov. 6, 481–491 (2023). https://doi.org/10.1007/s42154-023-00222-7
09
对畅销汽车隐私风险的双重评估
A Double Assessment of Privacy Risks Aboard Top-Selling Cars
Giampaolo Bella（通信作者）
卡塔尼亚大学数学和计算机科学系教授
Pietro Biondi（通信作者）
卡塔尼亚大学数学和计算机科学系教授
Giuseppe Tudisco（通信作者）
卡塔尼亚国家天体物理研究所
内容简介
随着智能座舱普及，车辆收集大量用户数据，带来潜在隐私泄露风险。研究结合ISO资产导向法与STRIDE威胁建模法，构建双重评估框架，并应用于十大畅销品牌及特斯拉车型。两种方法得出互补结论，揭示不同品牌在身份关联、健康信息推断等方面的隐私隐患，强调需建立系统化隐私风险评估体系。
引用格式：Bella, G., Biondi, P. & Tudisco, G.A: A Double Assessment of Privacy Risks Aboard Top-Selling Cars. Automot. Innov. 6, 146–163 (2023). https://doi.org/10.1007/s42154-022-00203-2
10
基于车辆运动学和动力学混合模型的无迹卡尔曼滤波算法的状态与偏差估计
Vehicle State and Bias Estimation Based on Unscented Kalman Filter with Vehicle Hybrid Kinematics and Dynamics Models
赵阳（通信作者）
吉林大学汽车工程学院讲师
内容简介
针对传统车辆模型因外力干扰导致状态估计失准的问题，提出一种融合惯性导航与混合运动学-动力学模型的UKF算法。通过切换策略结合两类模型优势，引入需估计的偏差项以补偿坡度、风阻等未建模因素。仿真与实车测试表明，该方法有效消除偏差误差，在大曲率与四分之一转向工况下显著降低侧向速度与偏航率误差，提升状态估计精度与鲁棒性。
引用格式：Zhong, S., Zhao, Y., Ge, L. et al.: Vehicle State and Bias Estimation Based on Unscented Kalman Filter with Vehicle Hybrid Kinematics and Dynamics Models. Automot. Innov. 6, 571–585 (2023). https://doi.org/10.1007/s42154-023-00230-7
《Automotive Innovation》简介
《Automotive Innovation》是由国家新闻出版署批准、中国汽车工程学会主办的首个汽车行业英文科技期刊，致力于推动中国汽车技术创新成果走向国际。期刊与Springer Nature合作出版，已被EI、ESCI、Scopus收录，2023年影响因子达4.8，入选中科院工程技术一区，涵盖智能网联、新能源汽车、未来出行等领域。
期刊由清华大学李骏院士、赵福全教授担任联合主编，吉林大学章新杰教授任执行副主编，编委会汇聚全球18个国家知名专家。目前每季度出版一期，读者覆盖72个国家和地区，单篇最高下载量超6.4万次。
投稿信息
1. 接收原创未发表的英文论文，字数约5000词；
2. 官网免费投稿与阅读：https://www.springer.com/42154