高影响力论文

01

自动驾驶车辆电气与电子架构综述：拓扑结构、网络技术与模拟器

Review of Electrical and Electronic Architectures for Autonomous Vehicles: Topologies, Networking and Simulators

曹万科（通信作者）｜北京理工大学机械与车辆学院副教授

内容简介

随着自动驾驶技术发展，车辆电气与电子（E/E）架构趋于集中化。尽管已有串行路线图在产业中广泛应用，但在工程实践中仍面临挑战，尤其是面向区域的E/E架构存在争议。本文提出一种并行开发路线图，系统评估面向功能域与面向区域的架构方案，并探讨融合二者优势的混合架构。同时，全面分析支撑E/E架构演进的关键网络技术，梳理相关建模与验证工具，总结当前技术瓶颈与发展路径。

引用格式

Wang, W., Guo, K., Cao, W. et al.: Review of Electrical and Electronic Architectures for Autonomous Vehicles: Topologies, Networking and Simulators. Automot. Innov. 7, 82–101 (2024). https://doi.org/10.1007/s42154-023-00266-9

02

LLTH-YOLOv5：一种针对低光照场景的实时交通标志检测算法

LLTH-YOLOv5: A Real-Time Traffic Sign Detection Algorithm for Low-Light Scenes

孙晓强（通信作者）｜江苏大学汽车工程研究院教授

内容简介

交通标志检测是自动驾驶系统的关键环节，但现有深度学习模型在低光照条件下性能显著下降。为此，本文提出LLTH-YOLOv5端到端检测框架，包含低光照增强与目标检测两个阶段。通过轻量级增强网络结合非参考损失函数优化图像质量，采用GhostDarkNet53主干网络提升效率，并引入BIFPN与Transformer检测头增强小目标识别能力。实验表明，该方法在低光环境下显著提升检测精度，满足实时性要求。

引用格式

Sun, X., Liu, K., Chen, L. et al.: LLTH-YOLOv5: A Real-Time Traffic Sign Detection Algorithm for Low-Light Scenes. Automot. Innov. 7, 121–137 (2024). https://doi.org/10.1007/s42154-023-00249-w

03

智能网联汽车情感化交互发展回顾与展望

Review and Perspectives on Human Emotion for Connected Automated Vehicles

李文博（通信作者）｜重庆大学机械与运载工程学院副教授

内容简介

在智能网联汽车快速发展背景下，情感化人车交互成为影响用户接受度、安全性与驾乘体验的核心因素。本文系统综述了多模态情感表达、驾驶情境下的情感实验、情感检测与调节技术及其在CAVs中的应用进展。文章整合汽车工程、人机交互、计算机科学等多学科视角，构建人-车-路耦合系统中情感交互的研究框架，为未来智能座舱的情感化设计提供理论支持与方向指引。

引用格式

Li, W., Li, G., Tan, R. et al. Review and Perspectives on Human Emotion for Connected Automated Vehicles. Automot. Innov. 7, 4–44 (2024). https://doi.org/10.1007/s42154-023-00270-z

04

考虑交互信息的基于分层LSTM的车辆轨迹预测方法

A Hierarchical LSTM-Based Vehicle Trajectory Prediction Method Considering Interaction Information

张照普（通信作者）｜吉林大学汽车工程学院

内容简介

精准的轨迹预测对自动驾驶决策至关重要。传统模型在中长期预测中误差较大，而数据驱动方法更具潜力。本文提出一种分层LSTM模型，将预测任务分解为驾驶意图识别、换道时间预测和轨迹生成三个阶段。同时，引入邻近车辆运动状态作为交互信息输入，提升模型对交通环境动态变化的适应能力。在NGSIM真实数据集上的验证结果显示，该方法相比单一LSTM模型具有更低的预测误差。

引用格式

Min, H., Xiong, X., Wang, P. et al. A Hierarchical LSTM-Based Vehicle Trajectory Prediction Method Considering Interaction Information. Automot. Innov. 7, 71–81 (2024). https://doi.org/10.1007/s42154-023-00261-0