汽車電子最新文章 应急系统或存在技术，德国要求特斯拉紧急召回 7月2日消息，据报道，由于汽车应急系统存在技术问题，德国汽车监管机构已要求特斯拉公司召回其Model Y和Model 3车型，该要求仅限于德国境内的这两款车，全球约有5.9万辆受到影响。 發表于：2022/7/6 特斯拉二季度交付破25万辆 刷新产量记录 7月3日，特斯拉官方公布了二季度的交付数据。2022年第二季度，尽管经历了供应链的持续挑战和工厂停工，特斯拉全球仍然生产了超过25.86万辆汽车，交付了近25.47万辆汽车。 發表于：2022/7/6 余承东：华为鸿蒙智能座舱世界最好、没有之一 AITO问界M5交付短短三个月已经超过了1万台，创造了国内新造车的交付纪录，其之所以如此吸引消费者，很大一部分原因在于其搭载了华为鸿蒙智能座舱。 發表于：2022/7/6 沃尔沃公布了6月数据：同比下降26.9% 7月4日，沃尔沃汽车公布其6月全球销量同比下降26.9%至49,904辆。沃尔沃汽车指出，虽然其全球销量有所下滑，但市场对其汽车的需求依然强劲，尤其是对其Recharge系列车型(包括纯电动汽车和插电式混合动力汽车)的需求。 發表于：2022/7/6 吉利旗下沃尔沃欧洲新建第三座纯电车型工厂 7 月 3 日消息，吉利旗下的沃尔沃汽车将在欧洲建造第三家纯电汽车制造工厂，这是该公司到 2030 年实现全电动化、到 2040 年实现气候中性化计划的一部分。 發表于：2022/7/6 特斯拉上海和柏林工厂将暂时停工升级产线 7月5日早间消息，据报道，本周，特斯拉的投资者发现，特斯拉近期出现了一系列新变化，包括令人失望的季度交付量、创纪录的月度产量，以及现在多家工厂将停工数周的状况。 發表于：2022/7/6 1死5伤，蔚来汽车再出事故！警方最新通报来了 7月4日上午，河南省漯河市中心医院门口一辆电动汽车突然失控，追尾一辆轿车后撞向人群，有多人遭到撞击。当日晚间，漯河交警发布警情通报称，此次交通事故导致6人受伤，其中1人经抢救无效死亡，其他5人无生命危险。事故发生后，辖区交警大队民警迅速到达现场开展事故处理工作。受伤人员已及时送医救治。 發表于：2022/7/5 分布式VANETs中车流自适应的低冲突TDMA-MAC协议 在分布式车载自组织网络中，动态变化的双向车流会严重影响基于slot分组的TDMA-MAC协议降低冲突的效果以及整体协议的安全性与可靠性，对此设计一种车流自适应的低冲突TDMA-MAC协议TALC-MAC。采用slot占用率作为分组调整的判断依据，设计详细的分组扩展与收缩策略以适应车流实际分布。同时优化帧内slot分组方案与节点预约slot的策略，进一步降低网络中发生冲突的概率。仿真实验结果表明TALC-MAC能有效适应双向车流的动态变化，保持协议整体低冲突的特性。 發表于：2022/7/5 基于方向一致损失的轻量车道线检测 目前，轻量型车道线检测网络存在弯道检测效果差、网络感受野不够与实时性受限等问题，故提出了一种改进的轻量型车道线检测网络模型。首先，为提高弯道检测效果，设计了一种方向一致损失，以使模型适用于弯道场景。其次，为在增强网络实时性的同时提高其感受野，提出将自注意力机制与RepVGG相融合的网络作为模型的主干网络。该模型在CULane测试集上测试的总F1-measure达到了70.7%，在Tusimple测试集上测试的准确率达到95.92%，其平均推断速度达到了408 FPS。实验结果表明，该模型相较于目前轻量型模型在性能上有一定的提升，尤其对弯道场景下的车道线检测效果提升明显。 發表于：2022/7/5 消费类IC已躺平，车规半导体能否逆周期上行？ 在消费级半导体大幅跳水的现状下，车规级半导体能否在行业下行周期下保持逆势上升？车规级芯片缺货还将持续多久？近日，《与非研究院》采访了包括Mouser、安富利、唯样商城在内的多家元器件分销渠道专家，从产业及供应链的角度剖析了车规半导体的未来走向。 發表于：2022/7/5 Microchip发布全新maXTouch®显示屏旋钮（KoD™）触摸控制器系列产品，颠覆传统触摸屏设计 基于maXTouch技术的显示屏旋钮控制器通过将机械旋钮与现有多点触摸显示器相结合，实现了创新的人机接口（HMI）解决方案 發表于：2022/7/2 意法半导体灵活高压运放瞄准汽车和工业环境应用 意法半导体 TSB622通用低功耗双算放大器（运放）增强在工业和汽车应用中的鲁棒性和灵活性。 發表于：2022/7/2 LG Innotek成功开发汽车室内用雷达模块 提高乘客安全性 LG Innotek（代表JeongCheoldong）28日宣布，已成功开发出全球全球领先的高水平的"汽车室内用雷达 （Radar） 模块"。凭借此次开发，LG Innotek 得以在全球车辆用雷达模块市场上领先一步。 發表于：2022/7/2 基于轻量级密集神经网络的车载自组网入侵检测方法 在车载自组网中，攻击者可以通过伪造、篡改消息等方式发布虚假交通信息，导致交通拥堵甚至是严重的交通事故，而传统的入侵检测方法不能满足车载自组网的应用需求。为了解决现阶段车载网中入侵检测方法性能低且存储与时间成本高的问题，提出了一种基于密集神经网络的入侵检测方法L-DenseNet(Light Dense Neural Network)，通过降低模型复杂性，提升算法训练速度和部署适应性，使其更适用于车载自组网中的入侵检测。在VeReMi数据集上进行对比实验，结果表明，该方法在识别各类攻击的精确率和召回率的综合表现最好，且具有较少的时间成本和存储开销。 發表于：2022/7/1 基于改进YOLOv5的车辆属性检测 车辆属性检测是一个基础任务，其属性检测结果可以被应用到很多下游的交通视觉任务。提出了一种基于YOLOv5的车辆属性检测改进算法。针对检测目标较小的问题，加入了卷积注意力模块，让网络模型把更多的注意力放在小目标对象上；针对数据集样本种类较少的问题，改进了YOLOv5的马赛克数据增强方式；使用自门控激活函数Swish，起到抑制噪声、加快收敛速度并提升模型鲁棒性的作用。此外，还在公开车辆数据集VeRi-776的基础上进行了详细的车辆属性标注，构建了一个车辆属性数据集。实验结果表明，改进后的算法比原始YOLOv5的平均精确率提升了4.6%，能够准确地检测到车辆图像的通用属性，可以供下游任务使用。 發表于：2022/7/1 <…215216217218219220221222223224…>
