智能网联汽车技术电子教案

课程教案教案课程名称：智能网联汽车技术授课教师：适用专业：教学单位：编制时间：目录

智能网联汽车技术概论教案第一章概述课程名称第一章、智能网联汽车定义与特点课程类型职业技术课授课专业及对象汽车智能技术专业总学时2学时授课教材教材名称：《智能网联汽车技术概论》教辅材料：教学辅助视频、网络参考资料一、教学任务目标授课内容掌握智能网联汽车的定义、特点、智能等级划分（L0-L5）及技术特征。理解智能网联汽车与传统汽车的本质区别。学情分析学生对智能网联汽车有初步了解，但缺乏系统认识。对自动驾驶等级划分标准不熟悉，容易混淆概念。教学目标知识目标：理解智能网联汽车的基本概念、定义及特点。掌握GB40429—2021驾驶自动化分级标准（L0-L5）。了解智能网联汽车的技术特征。能力目标：能够准确区分不同自动驾驶等级的技术特征。能够分析智能网联汽车与传统汽车的差异。素质目标：培养学生对智能网联汽车技术的学习兴趣。增强学生对中国智能网联汽车产业发展的信心。教学重点智能网联汽车的定义、特点及智能等级划分标准（L0-L5）。教学难点不同自动驾驶等级之间的技术边界与区分要点。二、教学设计课程思政教学设计通过介绍中国智能网联汽车产业的快速发展，增强民族自豪感和科技自信。引导学生认识到核心技术自主可控的重要性。教学资源多媒体课件：包含智能网联汽车的基本概念、发展历程、等级划分标准。视频素材：自动驾驶等级演示视频。案例：特斯拉、小鹏、华为ADS等实车案例。教学方法讲授法：系统讲解智能网联汽车的基本概念和等级划分标准。案例分析法：通过实车案例帮助学生理解不同等级的差异。讨论法：组织学生讨论自动驾驶等级的实际应用场景。三、教学活动（一）课前任务预习教材第一章相关内容，了解智能网联汽车的基本概念。观看自动驾驶技术发展纪录片，收集1-2个感兴趣的智能网联汽车案例。（二）课堂教学教学环节教师活动学生活动设计意图教学环节一：课程导入通过展示智能网联汽车的最新成果和应用案例，引出本课程的教学主题。介绍课程整体框架和学习要求。认真聆听教师介绍，感受智能网联汽车的快速发展和广阔前景。明确课程学习目标。激发学生学习兴趣和求知欲，为后续课程奠定良好基础。教学环节二：智能网联汽车的定义与特点利用多媒体课件讲解智能网联汽车的定义，逐一介绍智能化、网联化两大核心特征。对比传统汽车与智能网联汽车的差异。认真观看课件和教师讲解，记录关键知识点。小组讨论智能网联汽车与传统汽车的本质区别。使学生掌握智能网联汽车的基本概念和核心特征。教学环节三：智能等级划分标准详细讲解GB40429—2021驾驶自动化分级标准，逐一介绍L0到L5六个等级的定义、技术特征和典型应用。认真观看课件，记录各等级的关键特征。通过案例匹配练习巩固等级划分知识。使学生掌握智能网联汽车的智能等级划分标准，能够准确区分不同等级。教学环节四：课堂总结与作业布置总结本节课的主要内容和知识点，强调智能等级划分的重点和难点。布置课后作业。回顾本节课学习内容，记录课后作业。提问和解答疑惑。巩固学习成果，为下节课做好准备。实训任务一：自动驾驶等级案例识别实训目标：能够根据车辆功能描述准确判断其自动驾驶等级。实训设备：多媒体教学系统、案例卡片。实训步骤：分组讨论案例，判断等级并说明依据。（三）课后拓展完成课后习题：收集3款不同自动驾驶等级的量产车型，分析其等级划分依据。预习下节课内容：智能网联汽车的技术特征与基础架构。（四）教学反思教学效果评估：通过课堂提问和案例分析练习，评估学生对智能等级划分的掌握程度。改进方向：增加更多实车案例，帮助学生建立直观认识。教学内容教学内容教学批注/记录智能网联汽车的定义与特点知识点：智能网联汽车的定义：搭载先进车载传感器、控制器、执行器，融合现代通信与网络技术，实现车与X（人、车、路、云端）智能信息交换共享，具备复杂环境感知、智能决策、协同控制功能，可实现安全、高效、舒适、节能行驶，最终替代人操作的新一代汽车。知识点：四大核心特点：①智能化——环境感知+智能决策+自动控制；②网联化——V2X通信实现车与外界信息交换；③协同化——车路协同、车车协同、车云协同；④共享化——出行服务共享化趋势。授课内容：采用讲授法+案例教学法。①用3分钟视频展示智能网联汽车实际应用场景引入概念；②逐条讲解定义中的关键词（传感器、控制器、V2X、协同控制），结合传统汽车对比说明本质区别；③用特斯拉Autopilot、小鹏NGP、华为ADS等实车案例说明四大特点；④组织学生分组讨论：智能网联汽车与传统汽车最本质的区别是什么？每组派代表发言。驾驶自动化分级（GB40429—2021）知识点：GB40429—2021将驾驶自动化分为六级：L0应急辅助（系统不持续执行动态驾驶任务，仅预警或瞬时干预）；L1部分驾驶辅助（持续执行横向或纵向运动控制中的一项）；L2组合驾驶辅助（同时执行横向和纵向运动控制）；L3有条件自动驾驶（特定条件下持续执行全部动态驾驶任务，驾驶员需随时接管）；L4高度自动驾驶（特定条件下执行全部任务并自动接管，无需驾驶员接管）；L5完全自动驾驶（所有条件下执行全部任务）。授课内容：采用讲授法+对比教学法。①播放各等级自动驾驶演示视频，让学生先直观感受差异；②用表格对比L0-L5的定义、技术特征、典型应用、驾驶员角色；③重点讲解L2与L3的本质区别（L2驾驶员监控环境，L3系统监控环境）；④课堂练习：给出6款车型的功能描述，让学生判断自动驾驶等级并说明依据。实操：实操项目：自动驾驶等级案例识别。①教师准备10张车型功能卡片（含特斯拉Model3、小鹏P7、蔚来ET7、奔驰S级等）；②学生分组，每组抽取3张卡片，根据功能描述判断自动驾驶等级；③每组填写《等级判定表》，写明判定依据（横向控制？纵向控制？谁监控环境？）；④教师点评，纠正常见错误（如把L2误判为L3）。注意：强调"Hands-on"和"Eyes-on"的区别，L2级必须手握方向盘、眼观路面。第一章概述课程名称第一章、智能网联汽车技术介绍与发展课程类型职业技术课授课专业及对象汽车智能技术专业总学时2学时授课教材教材名称：《智能网联汽车技术概论》教辅材料：教学辅助视频、网络参考资料一、教学任务目标授课内容掌握智能网联汽车的技术特征，包括传感器技术、通信技术、数据处理技术。理解智能网联汽车的基础架构（感知层、决策层、执行层、通信层）。学情分析学生已了解智能网联汽车的基本概念和等级划分，但对技术架构缺乏深入理解。需要通过系统讲解建立整体认知框架。教学目标知识目标：掌握智能网联汽车的核心技术特征。理解感知层、决策层、执行层、通信层的四层架构。了解各层的关键技术和组成部件。能力目标：能够绘制智能网联汽车的系统架构图。能够分析各层之间的信息流向和协作关系。素质目标：培养学生的系统思维和工程意识。增强学生对智能网联汽车技术复杂性的认识。教学重点智能网联汽车的四层基础架构及各层关键技术。教学难点各层之间的信息交互与协同控制机制。二、教学设计课程思政教学设计通过介绍国产传感器、芯片和操作系统的技术突破，培养学生的科技自立自强意识。引导学生关注国产替代在智能网联汽车领域的进展。教学资源多媒体课件：包含智能网联汽车技术架构图、各层技术详解。视频素材：智能网联汽车系统工作原理演示。实物：车载传感器模型。教学方法讲授法：系统讲解四层架构及各层关键技术。图示法：通过架构图帮助学生建立整体认知。讨论法：组织学生讨论各层技术的发展趋势。三、教学活动（一）课前任务复习上节课智能等级划分内容。预习教材中智能网联汽车技术架构相关章节。（二）课堂教学教学环节教师活动学生活动设计意图教学环节一：复习导入回顾上节课智能等级划分内容，引出本节课主题：智能网联汽车靠什么实现智能化？回顾上节课知识，思考智能网联汽车的技术实现方式。温故知新，建立知识衔接。教学环节二：智能网联汽车的技术特征详细讲解传感器技术、通信技术、数据处理技术、控制技术四大技术特征。介绍每种技术的作用和典型应用。认真观看课件，记录关键技术点。思考各技术在实际车辆中的应用。使学生掌握智能网联汽车的核心技术特征。教学环节三：感知层技术讲解感知层的组成：摄像头、毫米波雷达、激光雷达、超声波雷达、GNSS等。对比各传感器的优缺点和适用场景。认真听讲，记录各传感器的技术参数和特点。小组讨论不同传感器组合方案的优劣。使学生掌握感知层的关键技术和传感器选型原则。教学环节四：决策层与执行层讲解决策层的核心：计算平台、算法、高精地图。讲解执行层的组成：动力控制、制动控制、转向控制。认真观看架构图，理解决策层和执行层的工作原理。使学生掌握决策层和执行层的关键技术。教学环节五：通信层与整体架构讲解通信层技术：车载网络、V2X通信、5G/6G移动通信。总结四层架构的整体协作关系。认真听讲，绘制系统架构图。理解各层之间的信息流向。使学生建立智能网联汽车的整体架构认知。教学环节六：课堂总结与作业布置总结本节课的四层架构和关键技术。布置课后作业。回顾本节课内容，完成架构图绘制。记录作业要求。巩固学习成果，强化系统思维。实训任务一：智能网联汽车架构图绘制实训目标：能够独立绘制智能网联汽车四层架构图，并标注各层关键部件。实训设备：绘图工具、参考资料。实训步骤：根据课堂所学，绘制完整架构图并说明各层功能。（三）课后拓展完成智能网联汽车四层架构图绘制作业。调研国产激光雷达和毫米波雷达的技术参数，与进口产品进行对比。（四）教学反思教学效果评估：通过架构图绘制作业评估学生对系统架构的理解程度。改进方向：增加实物展示和虚拟仿真体验，帮助学生建立直观认识。教学内容教学内容教学批注/记录智能网联汽车的技术特征知识点：四大核心技术：①传感器技术——摄像头（视觉识别，成本低，受光照影响）、毫米波雷达（距离速度测量，全天候）、激光雷达（高精度三维点云，成本高）、超声波雷达（近距离探测）、GNSS/IMU（定位姿态）；②通信技术——车载网络（CAN/以太网）、V2X（DSRC/C-V2X）、5G/6G移动通信；③数据处理技术——AI算法、域控制器计算平台、大数据分析；④控制技术——线控制动、线控转向、动力控制。授课内容：采用讲授法+实物展示法。①展示车载传感器实物或模型，让学生观察摄像头、毫米波雷达、激光雷达的外观差异；②用表格对比各传感器的探测距离、精度、成本、优缺点；③讲解通信技术时，用"车的神经网络"比喻车载网络，用"车的社交网络"比喻V2X；④播放芯片拆解视频，介绍计算平台的算力参数（TOPS）。智能网联汽车基础架构知识点：四层架构：①感知层——摄像头、毫米波雷达、激光雷达、超声波雷达、GNSS/IMU，负责环境感知和定位；②决策层——计算平台（域控制器/中央计算机）、AI算法（感知融合、路径规划、行为决策）、高精地图，负责信息处理和决策；③执行层——线控制动（EHB/EMB）、线控转向（SBW）、动力控制（驱动电机），负责执行决策指令；④通信层——车载网络（CAN/LIN/以太网）、V2X通信、5G/6G，负责车内和车外信息传输。授课内容：采用讲授法+图示教学法。①用"人体"比喻四层架构：感知层=眼睛耳朵、决策层=大脑、执行层=手脚、通信层=神经系统；②逐层讲解各层的组成部件和功能，配合架构图说明信息流向（传感器→决策→执行→反馈）；③重点讲解各层之间的接口和数据格式；④让学生分组绘制四层架构图，标注各层关键部件和信息流向。实操：实操项目：智能网联汽车架构图绘制与部件识别。①教师提供空白架构图模板和部件卡片（摄像头、毫米波雷达、激光雷达、域控制器、线控制动、线控转向、CAN总线、5G模块等）；②学生分组，将部件卡片粘贴到架构图的对应层级；③每组派代表讲解各部件的作用和信息流向；④教师点评，纠正层级归属错误（如把激光雷达放到决策层）。注意：强调感知层和决策层的边界——传感器是感知，算法和计算平台是决策。第一章概述课程名称第一章、智能网联汽车技术介绍与发展课程类型职业技术课授课专业及对象汽车智能技术专业总学时2学时授课教材教材名称：《智能网联汽车技术概论》教辅材料：教学辅助视频、网络参考资料一、教学任务目标授课内容了解智能网联汽车的发展背景与趋势，包括国内外发展历程和产业现状。探讨智能网联汽车涉及的道德与伦理问题，包括信息隐私、数据安全、责任认定等。学情分析学生对技术发展趋势有一定兴趣，但对伦理问题思考较少。需要引导学生从技术、社会、法律多维度思考智能网联汽车的影响。教学目标知识目标：了解国内外智能网联汽车的发展历程和现状。理解智能网联汽车的未来发展趋势。掌握智能网联汽车涉及的主要伦理问题。能力目标：能够分析智能网联汽车发展对社会的影响。能够从伦理角度评价智能网联汽车的技术应用。素质目标：培养学生的社会责任感和职业道德意识。增强学生的法律意识和数据安全意识。教学重点智能网联汽车的发展趋势和主要伦理问题。教学难点自动驾驶事故责任认定的法律与伦理困境。二、教学设计课程思政教学设计通过对比中外智能网联汽车发展路径，突出中国方案的优势和特色。引导学生思考技术发展中的人文关怀和社会责任。教学资源多媒体课件：包含国内外发展历程、产业数据、伦理案例。视频素材：智能网联汽车发展纪录片。案例：自动驾驶事故案例分析。教学方法讲授法：讲解发展历程和趋势。案例分析法：通过真实案例探讨伦理问题。辩论法：组织学生就自动驾驶责任认定进行辩论。三、教学活动（一）课前任务收集智能网联汽车最新发展动态。思考自动驾驶汽车遇到紧急情况时应如何决策。（二）课堂教学教学环节教师活动学生活动设计意图教学环节一：复习导入回顾前两节课内容，引出本节课主题：智能网联汽车将走向何方？回顾知识，思考智能网联汽车的未来发展。建立知识衔接，引发思考。教学环节二：国内外发展历程讲解美国、欧洲、日本、中国智能网联汽车的发展历程和政策支持。对比各地区的技术路线差异。认真听讲，记录各国发展特点。思考中国智能网联汽车的发展优势。使学生了解智能网联汽车的全球发展格局。教学环节三：发展趋势分析分析智能网联汽车的六大发展趋势：电动化、智能化、网联化、共享化、服务化、生态化。介绍Robotaxi、无人配送等新兴业态。认真观看趋势分析，讨论各趋势的实现路径和时间节点。使学生掌握智能网联汽车的未来发展方向。教学环节四：道德与伦理问题探讨智能网联汽车涉及的伦理问题：信息隐私与数据安全、算法偏见与公平性、事故责任认定、就业影响等。认真听讲，参与伦理问题讨论。思考技术发展中的人文关怀。使学生认识到智能网联汽车技术的社会影响和伦理挑战。教学环节五：课堂辩论与总结组织学生就"自动驾驶事故责任应由谁承担"进行简短辩论。总结本节课内容。参与辩论，表达观点。总结本节课核心知识点。培养学生的批判性思维和表达能力。实训任务一：智能网联汽车伦理案例分析实训目标：能够从伦理角度分析智能网联汽车的典型案例。实训设备：案例材料、讨论场地。实训步骤：分组阅读案例，从技术、法律、伦理多维度分析并撰写分析报告。（三）课后拓展撰写一篇关于智能网联汽车伦理问题的小论文（500字以上）。预习第二章：智能网联汽车技术原理。（四）教学反思教学效果评估：通过课堂辩论和小论文评估学生对伦理问题的思考深度。改进方向：邀请行业专家或法律人士参与讨论，增强实践指导意义。教学内容教学内容教学批注/记录智能网联汽车发展背景与趋势知识点：国外发展历程：美国DARPA挑战赛（2004-2007）→Google自动驾驶（2009）→TeslaAutopilot（2015）→Waymo商用Robotaxi（2018）。中国发展：智能网联汽车技术发展规划（2015）→道路测试规范（2018）→新能源汽车产业发展规划（2021-2035）。六大趋势：电动化、智能化、网联化、共享化、服务化、生态化。新兴业态：Robotaxi、无人配送、无人环卫、智慧物流。授课内容：采用讲授法+视频教学法。①播放智能网联汽车发展纪录片片段（10分钟），展示从DARPA挑战赛到Robotaxi的发展历程；②用时间轴梳理中外发展关键节点；③对比中美欧日的技术路线差异（美国纯视觉+单车智能、中国车路协同、欧洲安全优先、日本资源节约）；④讲解六大趋势时，每个趋势配1-2个实际案例（如共享化→滴滴自动驾驶、服务化→蔚来NOMI）。智能网联汽车的道德与伦理问题知识点：五大伦理问题：①信息隐私与数据安全——车辆采集大量个人数据（位置、驾驶习惯、车内语音/影像）；②算法偏见与公平性——训练数据可能引入种族、性别偏见；③事故责任认定——生产者、使用者、算法开发者的责任划分；④就业影响——对驾驶员、出租车司机等职业的冲击；⑤数字鸿沟——技术普及的公平性，老年人和残障人士的使用障碍。授课内容：采用案例教学法+课堂辩论法。①用3个真实案例引入伦理问题：Uber自动驾驶致死事故（责任认定）、特斯拉刹车门（数据安全）、人脸识别歧视（算法偏见）；②组织课堂辩论："自动驾驶汽车遇到紧急情况，应保护车内乘客还是车外行人？"正反方各5分钟；③教师总结，介绍"电车难题"在自动驾驶中的现实意义；④讲解中国《汽车数据安全管理若干规定》的核心要求。实操：实操项目：伦理案例分析报告。①教师发放3个典型案例材料（自动驾驶事故责任、数据隐私泄露、算法歧视）；②学生分组，每组选择1个案例，从技术、法律、伦理三个维度分析；③撰写《伦理案例分析报告》（300字以上），包含：事件经过、技术原因、伦理争议、改进建议；④每组派代表分享分析结论。注意：引导学生多角度思考，避免简单的"谁对谁错"判断，强调技术发展中的人文关怀。第二章智能网联汽车技术原理课程名称第二章、智能网联汽车硬件结构课程类型职业技术课授课专业及对象汽车智能技术专业总学时2学时授课教材教材名称：《智能网联汽车技术概论》教辅材料：教学辅助视频、网络参考资料一、教学任务目标授课内容掌握智能网联汽车的硬件结构概述，包括电子电气架构演进。理解车载计算平台的组成和功能，包括域控制器、中央计算平台。学情分析学生对传统汽车电子电气架构有一定了解，但对智能网联汽车的集中式架构缺乏认识。需要从分布式到集中式的演进角度讲解。教学目标知识目标：掌握智能网联汽车硬件结构的基本组成。理解电子电气架构从分布式到域集中式再到中央计算式的演进。了解车载计算平台的核心组件。能力目标：能够分析不同电子电气架构的优缺点。能够识别车载计算平台的关键硬件组件。素质目标：培养学生的技术演进思维。增强学生对国产计算平台的了解和信心。教学重点电子电气架构的演进和车载计算平台的组成。教学难点域控制器与中央计算平台的技术差异。二、教学设计课程思政教学设计通过介绍国产车载芯片（如地平线、华为昇腾、黑芝麻）的技术突破，增强学生的民族自信和科技自立自强意识。教学资源多媒体课件：包含电子电气架构演进图、计算平台结构图。视频素材：车载计算平台工作原理。实物：域控制器拆解模型。教学方法讲授法：系统讲解硬件结构和计算平台。对比法：对比分布式与集中式架构的差异。案例法：以特斯拉、比亚迪、蔚来的EE架构为例。三、教学活动（一）课前任务复习传统汽车电子电气架构知识。预习教材第二章硬件结构部分。（二）课堂教学教学环节教师活动学生活动设计意图教学环节一：课程导入通过提问"智能网联汽车的大脑在哪里"引出本节课主题。思考问题，进入学习状态。激发兴趣，引入主题。教学环节二：硬件结构概述讲解智能网联汽车硬件系统的整体组成：感知硬件、计算硬件、通信硬件、执行硬件。介绍各部分的作用和关系。认真观看硬件结构图，记录各组成部分。使学生建立智能网联汽车硬件系统的整体认知。教学环节三：电子电气架构演进讲解电子电气架构的三个发展阶段：分布式架构、域集中式架构、中央计算式架构。分析各阶段的特点和优缺点。认真听讲，对比三种架构的差异。思考架构演进的驱动力。使学生掌握电子电气架构的演进规律和各阶段特点。教学环节四：车载计算平台详细讲解车载计算平台的组成：SoC芯片、MCU、存储器、电源管理、散热系统。介绍主流计算平台方案。认真观看计算平台拆解图，了解各组件功能。记录主流芯片参数。使学生掌握车载计算平台的核心组件和技术参数。教学环节五：课堂总结与作业布置总结硬件结构和计算平台的核心知识点。布置课后作业。回顾本节课内容，记录作业要求。巩固学习成果。实训任务一：车载计算平台识别与分析实训目标：能够识别车载计算平台的关键组件，分析其技术参数。实训设备：计算平台模型、技术资料。实训步骤：观察模型，识别组件，查阅参数，撰写分析报告。（三）课后拓展完成车载计算平台技术参数对比表（至少对比3款主流芯片）。预习下节课：通信模块与控制执行单元。（四）教学反思教学效果评估：通过组件识别和参数对比评估学生的掌握程度。改进方向：增加实际车辆或开发板的实操环节。教学内容教学内容教学批注/记录智能网联汽车硬件结构概述知识点：硬件系统四大组成：①感知硬件——前视摄像头（1-3个）、毫米波雷达（前向1个+角雷达4个）、激光雷达（1-3个）、超声波雷达（8-12个）、GNSS/IMU（1套）；②计算硬件——座舱域控制器、智驾域控制器、中央计算平台；③通信硬件——车载以太网交换机、V2X模块、5G/4G模块、蓝牙/WiFi；④执行硬件——线控制动系统（EHB/EMB）、线控转向系统（SBW）、驱动电机控制器。授课内容：采用讲授法+实车观察法。①展示智能网联汽车硬件布局图，标注各传感器和控制器的安装位置；②如有条件，带领学生到实训车辆旁实地观察（前视摄像头在挡风玻璃上方、毫米波雷达在前保险杠、激光雷达在车顶或翼子板、超声波雷达在前后保险杠）；③讲解各硬件的接口类型和连接方式（CAN、以太网、Fakra连接器）；④对比传统汽车和智能网联汽车的硬件差异（ECU数量从100+减少到几个域控制器）。电子电气架构演进与车载计算平台知识点：EE架构三阶段：①分布式架构——每个ECU独立控制单一功能，ECU数量多达上百个，线束复杂，算力分散；②域集中式架构——按功能域划分（动力域、底盘域、座舱域、智驾域、车身域），代表：特斯拉Model3、大众MEB；③中央计算式架构——中央计算平台+区域控制器，软硬件解耦，代表：特斯拉HW4.0、蔚来NT2.0、小鹏X-EEA3.0。计算平台核心组件：SoC芯片（AI算力+CPU+GPU）、MCU（安全监控）、存储器（LPDDR+eMMC/UFS）、电源管理、散热系统。主流芯片：英伟达Orin（254TOPS）、地平线J5（128TOPS）、华为MDC610（200TOPS）。授课内容：采用讲授法+对比教学法。①用"从诸侯割据到中央集权"比喻EE架构演进；②对比三种架构的ECU数量、线束长度、算力利用率、OTA能力；③拆解计算平台结构，讲解SoC芯片的算力单位TOPS（每秒万亿次操作）；④对比英伟达、地平线、华为三款主流芯片的算力、功耗、制程工艺；⑤讨论国产芯片的机遇和挑战。实操：实操项目：车载计算平台识别与参数对比。①教师提供3款计算平台的技术资料（英伟达Orin、地平线J5、华为MDC）和拆解图片；②学生分组，识别各平台的核心组件（SoC、MCU、内存、存储、电源、散热）；③填写《计算平台参数对比表》（算力、功耗、制程、CPU核心数、GPU、安全等级）；④分析各平台的适用场景（高端智驾/中端智驾/座舱）。注意：强调算力不是唯一指标，还要看功耗、散热、软件生态、功能安全等级。第二章智能网联汽车技术原理课程名称第二章、智能网联汽车智能传感器课程类型职业技术课授课专业及对象汽车智能技术专业总学时2学时授课教材教材名称：《智能网联汽车技术概论》教辅材料：教学辅助视频、网络参考资料一、教学任务目标授课内容掌握智能网联汽车的通信模块，包括车载网络和V2X通信。理解控制执行单元的组成和工作原理，包括线控制动、线控转向、驱动控制。学情分析学生对车载网络有一定了解，但对V2X通信和线控技术缺乏深入认识。需要结合实际应用场景讲解。教学目标知识目标：掌握车载网络系统的组成和协议。理解V2X通信的技术原理和应用场景。掌握线控制动、线控转向的工作原理。能力目标：能够分析车载网络的拓扑结构。能够解释线控系统的工作原理和安全冗余设计。素质目标：培养学生对通信安全和功能安全的重视。增强学生对国产线控技术的了解。教学重点V2X通信技术和线控执行系统的工作原理。教学难点线控系统的安全冗余设计和故障处理机制。二、教学设计课程思政教学设计通过介绍C-V2X中国标准和国产线控技术的发展，增强学生的标准自信和技术自信。教学资源多媒体课件：包含通信网络拓扑图、线控系统原理图。视频素材：V2X车路协同演示、线控系统工作演示。教学方法讲授法：系统讲解通信模块和执行单元。演示法：通过视频展示实际工作过程。讨论法：讨论通信安全和功能安全问题。三、教学活动（一）课前任务复习上节课硬件结构内容。预习教材中通信模块和执行单元部分。（二）课堂教学教学环节教师活动学生活动设计意图教学环节一：复习导入回顾上节课计算平台内容，引出"大脑如何指挥身体"——通信与执行。回顾知识，思考通信和执行的作用。建立知识衔接。教学环节二：车载网络系统讲解车载网络的演进：CAN/LIN→CANFD→车载以太网。介绍各总线的特点和应用场景。认真观看网络拓扑图，记录各总线特点。使学生掌握车载网络系统的组成和协议。教学环节三：V2X通信技术详细讲解V2X通信的四种模式：V2V车车通信、V2I车路通信、V2P车人通信、V2N车网通信。对比DSRC和C-V2X两种技术路线。认真听讲，理解V2X的应用场景。讨论C-V2X相比DSRC的优势。使学生掌握V2X通信技术原理和中国方案的优势。教学环节四：线控制动系统讲解线控制动的工作原理：EHB电子液压制动、EMB电子机械制动。介绍安全冗余设计和故障处理机制。认真观看原理图，理解线控制动的工作过程。思考安全冗余的必要性。使学生掌握线控制动系统的工作原理和安全设计。教学环节五：线控转向与驱动控制讲解线控转向系统的组成和工作原理。讲解驱动控制的扭矩矢量分配和能量回收。认真听讲，记录关键技术点。使学生掌握线控转向和驱动控制的基本原理。教学环节六：课堂总结与作业布置总结通信模块和执行单元的核心内容。布置课后作业。回顾本节课内容，记录作业。巩固学习成果。实训任务一：车载网络拓扑分析实训目标：能够分析实车的车载网络拓扑结构，识别各总线和节点。实训设备：车辆电路图、网络分析工具。实训步骤：查阅电路图，绘制拓扑图，分析数据流向。（三）课后拓展完成车载网络拓扑图绘制作业。调研C-V2X在国内的试点应用情况。预习第三章：智能驾驶决策与控制。（四）教学反思教学效果评估：通过拓扑图绘制和课堂提问评估学生掌握程度。改进方向：增加CAN总线数据分析的实操环节。教学内容教学内容教学批注/记录车载网络系统知识点：车载总线对比：①CAN总线——速率500Kbps-1Mbps，用于动力、底盘、车身控制，可靠性高；②LIN总线——速率20Kbps，用于车门、座椅、空调等低速控制，成本低；③CANFD——速率可达5Mbps，兼容CAN，用于大数据量传输；④FlexRay——速率10Mbps，高可靠实时控制，用于线控底盘；⑤车载以太网——速率100Mbps-10Gbps，用于域控制器间通信、摄像头数据传输、OTA升级。SOA面向服务架构：基于SOME/IP或DDS中间件，实现软硬件解耦和服务化调用。授课内容：采用讲授法+网络拓扑分析法。①展示传统汽车和智能网联汽车的网络拓扑图，对比总线数量和数据流量；②用表格对比五种总线的速率、成本、可靠性、应用场景；③讲解车载以太网的物理层（100BASE-T1单对双绞线）和协议栈（TCP/IP+SOME/IP）；④介绍SOA架构的核心概念（服务提供者、服务消费者、服务注册发现）；⑤分析CAN总线的数据帧格式（ID、DLC、数据段、CRC）。V2X通信技术知识点：V2X四种模式：V2V车车通信（碰撞预警、协同行驶）、V2I车路通信（信号灯信息、道路危险预警）、V2P车人通信（行人保护、弱势交通参与者预警）、V2N车网通信（云端服务、OTA、交通大数据）。两种技术路线：①DSRC——基于WiFi802.11p，欧美主导，部署成本高，覆盖范围短；②C-V2X——基于蜂窝通信（LTE-V2X/NR-V2X），中国主导，覆盖广、演进性好、可复用基站。C-V2X工作模式：PC5直连通信（低时延，车车/车路直接通信）+Uu蜂窝通信（广覆盖，通过基站中转）。授课内容：采用讲授法+视频演示法。①播放车路协同实际应用视频（绿波通行、盲区预警、行人保护）；②讲解V2X四种模式的应用场景和消息格式（BSM、SPAT、MAP、RSI）；③对比DSRC和C-V2X的技术差异，重点讲中国C-V2X方案的优势；④介绍无锡、长沙、北京的车路协同试点项目；⑤讨论车路协同的商业模式和挑战。线控制动与线控转向系统知识点：线控制动：①EHB电子液压制动——保留液压回路，电子控制助力，响应时间<150ms；②EMB电子机械制动——完全电机驱动，无液压管路，响应时间<100ms，目前仍在研发阶段。安全冗余：双制动回路、冗余传感器、故障降级（部分制动→靠边停车）。线控转向（SBW）：方向盘模拟器+转向执行器+冗余控制器，取消方向盘与转向轮的机械连接，可变转向比，支持自动驾驶转向。驱动控制：扭矩矢量分配（左右轮独立扭矩控制，提升操控性）、制动能量回收（回收动能转化为电能，提升续航10-20%）。授课内容：采用讲授法+原理演示法。①播放线控制动和线控转向的工作原理动画；②对比传统液压制动和线控制动的响应时间（传统300-500msvsEHB<150msvsEMB<100ms）；③讲解安全冗余的重要性，用"双保险"比喻冗余设计；④介绍博世iBooster、大陆MKC1等主流线控制动产品；⑤讨论线控技术对自动驾驶的意义（更快的响应=更高的安全）。实操：实操项目：车载网络拓扑分析与CAN数据读取。①教师提供车辆电路图和CAN总线数据（用CANoe或PCAN工具采集的真实数据）；②学生分组，根据电路图绘制车载网络拓扑图，标注各总线和节点；③使用CAN分析工具读取CAN数据，识别关键信号（车速、转速、制动踏板位置）；④填写《网络分析报告》，说明各总线的功能和数据流向。注意：操作CAN工具时严格遵守操作规程，禁止向总线发送未知报文，防止误触发车辆功能。第三章智能驾驶决策、控制与执行课程名称第三章、自动驾驶环境信息感知与融合课程类型职业技术课授课专业及对象汽车智能技术专业总学时2学时授课教材教材名称：《智能网联汽车技术概论》教辅材料：教学辅助视频、网络参考资料一、教学任务目标授课内容掌握环境信息感知的基本原理，包括多传感器数据融合技术。理解目标检测、跟踪和分类的基本方法。学情分析学生已了解各类传感器的特点，但对多传感器融合缺乏系统认识。需要从数据级、特征级、决策级三个层次讲解融合技术。教学目标知识目标：掌握环境感知的基本流程和方法。理解多传感器数据融合的三个层次。了解目标检测、跟踪和分类的基本算法。能力目标：能够分析不同融合策略的优缺点。能够解释感知系统的工作流程。素质目标：培养学生的数据思维和系统思维。增强学生对感知安全的重视。教学重点多传感器数据融合技术和目标检测跟踪方法。教学难点多传感器时间同步和空间标定。二、教学设计课程思政教学设计通过介绍国产感知算法和传感器的技术进步，增强学生的技术自信。引导学生关注感知系统对弱势交通参与者的保护。教学资源多媒体课件：包含感知系统流程图、融合算法示意图。视频素材：多传感器融合效果演示。数据集：KITTI、nuScenes示例。教学方法讲授法：系统讲解感知和融合技术。演示法：通过视频展示融合效果。案例法：以特斯拉、小鹏、华为的感知方案为例。三、教学活动（一）课前任务复习第二章传感器技术内容。预习教材第三章环境感知部分。（二）课堂教学教学环节教师活动学生活动设计意图教学环节一：课程导入通过提问"自动驾驶汽车如何看懂周围环境"引出本节课主题。思考问题，进入学习状态。激发兴趣，引入主题。教学环节二：环境感知系统概述讲解环境感知的基本流程：数据采集→预处理→融合→检测→跟踪→分类。介绍感知系统的输入输出。认真观看流程图，理解感知系统的工作流程。使学生建立环境感知系统的整体认知。教学环节三：多传感器数据融合详细讲解数据融合的三个层次：数据级融合、特征级融合、决策级融合。分析各层次的优缺点和适用场景。介绍BEV融合和Transformer在感知中的应用。认真听讲，记录各融合层次的特点。讨论BEV融合的优势。使学生掌握多传感器数据融合的技术原理和最新进展。教学环节四：目标检测与跟踪讲解目标检测的基本方法：基于视觉的检测、基于点云的检测、多模态检测。介绍目标跟踪的卡尔曼滤波和多目标跟踪算法。认真观看检测效果演示，理解检测和跟踪的原理。使学生掌握目标检测和跟踪的基本方法。教学环节五：可行驶区域与车道线检测讲解可行驶区域分割和车道线检测的方法。介绍高精地图与感知的融合。认真听讲，记录关键技术点。使学生了解可行驶区域和车道线检测技术。教学环节六：课堂总结与作业布置总结感知与融合的核心内容。布置课后作业。回顾本节课内容，记录作业。巩固学习成果。实训任务一：多传感器数据可视化与分析实训目标：能够可视化多传感器数据，分析融合效果。实训设备：数据集、可视化工具。实训步骤：加载数据，分别查看各传感器数据，观察融合结果。（三）课后拓展完成感知系统技术方案对比作业（对比纯视觉、激光雷达融合、多模态融合三种方案）。预习下节课：路径规划与行为决策。（四）教学反思教学效果评估：通过方案对比和课堂提问评估学生掌握程度。改进方向：增加感知算法的实操体验环节。教学内容教学内容教学批注/记录环境感知系统概述知识点：感知系统工作流程：数据采集（各传感器原始数据）→时间同步（硬件触发/PTP精确时间协议）→空间标定（外参标定：传感器之间的位置关系）→数据融合→目标检测→目标跟踪→目标分类→输出（目标列表：位置、速度、类别、置信度；可行驶区域；车道线；交通标志）。感知输出要求：目标检测率>95%、虚警率<1%、延迟<100ms、距离误差<5%。授课内容：采用讲授法+流程图教学法。①用"人的感知过程"类比：眼睛耳朵采集信息→大脑融合→识别物体→判断运动趋势；②详细讲解感知系统的7步流程，每一步配示意图；③重点讲解时间同步和空间标定的重要性（不同传感器数据不在同一时间/坐标系就无法融合）；④介绍感知系统的性能指标和测试方法；⑤播放感知系统可视化视频（点云+检测框叠加）。多传感器数据融合知识点：融合三个层次：①数据级融合——原始数据直接融合，信息损失最小，但计算量大、对同步要求高；②特征级融合——各传感器提取特征后融合，平衡精度和效率，代表：BEV（鸟瞰图）特征融合，是当前主流方案；③决策级融合——各传感器独立检测后融合结果，计算量小，但信息损失大、精度低。BEV融合：将多摄像头、多雷达的特征统一转换到鸟瞰图坐标系，用Transformer进行时空融合，代表方案：特斯拉BEV+Transformer、小鹏XNet。授课内容：采用讲授法+对比教学法。①用"盲人摸象"比喻多传感器融合的必要性（每个传感器只能看到一部分）；②对比三个融合层次的优缺点、计算量、精度；③详细讲解BEV融合的原理：多摄像头图像→2D特征→3D空间投影→BEV特征→时序融合→检测输出；④播放特斯拉BEV感知的可视化视频；⑤讨论纯视觉方案（特斯拉）vs融合方案（国内主流）的优劣。目标检测与跟踪知识点：目标检测方法：①视觉检测——YOLO系列（单阶段，速度快）、FasterR-CNN（两阶段，精度高）、Transformer-based（DETR，端到端）；②点云检测——PointNet（点级特征）、VoxelNet（体素特征）、PointPillars（柱体特征，速度快）；③多模态检测——图像+点云联合检测，精度更高。目标跟踪：卡尔曼滤波（线性系统状态估计）、扩展卡尔曼滤波EKF（非线性系统）、多目标跟踪MOT（数据关联+轨迹管理，匈牙利算法匹配检测结果与已有轨迹）。授课内容：采用讲授法+演示法。①展示目标检测的可视化结果（检测框+类别+置信度）；②讲解YOLO的核心思想（将图像划分为网格，每个网格预测边界框）；③讲解点云检测的挑战（点云稀疏、无序、旋转不变性）；④演示卡尔曼滤波的跟踪效果（匀速运动目标的位置预测）；⑤介绍多目标跟踪中的数据关联问题（新目标出现、目标消失、ID切换）。实操：实操项目：多传感器数据可视化与融合效果分析。①教师提供KITTI数据集的多传感器数据（图像+点云+标定参数）；②学生使用RViz或Open3D工具可视化图像和点云数据；③观察不同传感器的感知范围和特点（摄像头有颜色但无深度，激光雷达有深度但无颜色）；④分析融合后的检测效果（对比单传感器和融合的检测结果）；⑤填写《感知效果分析报告》，说明各传感器的优劣势和融合的价值。注意：点云数据量大，操作时注意电脑性能，可视化时适当降采样。第三章智能驾驶决策、控制与执行课程名称智能驾驶决策、控制与执行课程类型职业技术课授课专业及对象汽车智能技术专业总学时2学时授课教材教材名称：《智能网联汽车技术概论》教辅材料：教学辅助视频、网络参考资料一、教学任务目标授课内容掌握路径规划的基本方法，包括全局规划和局部规划。理解行为决策的基本原理。掌握控制执行系统的工作原理，包括纵向控制和横向控制。学情分析学生对感知系统有了了解，但对决策规划和控制缺乏认识。需要从"感知→决策→控制"的完整链路讲解。教学目标知识目标：掌握路径规划的基本方法（A*、Dijkstra、RRT、人工势场等）。理解行为决策的状态机和规划方法。掌握PID控制和模型预测控制（MPC）。能力目标：能够分析不同规划算法的适用场景。能够解释PID控制器的参数调节方法。素质目标：培养学生的算法思维和控制理论基础。增强学生对安全控制的重视。教学重点路径规划算法和车辆控制方法。教学难点模型预测控制（MPC）的原理和实现。二、教学设计课程思政教学设计通过介绍国产自动驾驶决策规划算法的技术突破，增强学生的算法自信。引导学生关注决策算法的安全性和伦理考量。教学资源多媒体课件：包含规划算法示意图、控制系统框图。视频素材：自动驾驶决策规划过程演示、控制效果对比。仿真工具：CarSim/Prescan演示。教学方法讲授法：系统讲解规划和控制算法。演示法：通过仿真展示算法效果。讨论法：讨论不同场景下的决策策略。三、教学活动（一）课前任务复习上节课感知与融合内容。预习教材第三章决策规划与控制部分。（二）课堂教学教学环节教师活动学生活动设计意图教学环节一：复习导入回顾感知系统内容，引出"看懂环境后如何做决策和控制"。回顾知识，思考决策控制的作用。建立知识衔接。教学环节二：路径规划概述讲解路径规划的分类：全局规划（从起点到终点）和局部规划（避障和动态调整）。介绍规划问题的数学描述。认真观看规划示意图，理解全局和局部规划的区别。使学生建立路径规划的整体认知。教学环节三：全局规划算法讲解Dijkstra算法、A*算法的原理和应用。介绍基于高精地图的全局路径规划方法。认真听讲，记录算法原理。通过简单示例理解算法过程。使学生掌握全局规划的基本算法。教学环节四：局部规划算法讲解人工势场法、RRT算法、Lattice规划、优化方法等局部规划算法。分析动态避障和轨迹生成。认真观看算法演示，理解局部规划的工作原理。使学生掌握局部规划的主要方法。教学环节五：行为决策讲解行为决策的方法：有限状态机、决策树、强化学习、规划博弈。介绍换道、跟车、路口通行等典型行为决策。认真听讲，记录决策方法。讨论不同场景下的决策策略。使学生理解行为决策的基本原理和典型应用。教学环节六：车辆控制讲解纵向控制（速度控制）和横向控制（转向控制）。详细介绍PID控制和模型预测控制（MPC）的原理。认真观看控制框图，理解PID和MPC的工作原理。使学生掌握车辆控制的基本方法。教学环节七：课堂总结与作业布置总结规划决策控制的完整链路。布置课后作业。回顾本节课内容，记录作业。巩固学习成果。实训任务一：PID控制器参数调节仿真实训目标：能够调节PID控制器参数，观察控制效果。实训设备：仿真软件、车辆模型。实训步骤：设置初始参数，运行仿真，观察响应，调节参数，对比效果。（三）课后拓展完成PID参数调节实验报告。调研主流自动驾驶系统的决策规划方案。预习第四章：通信与定位技术。（四）教学反思教学效果评估：通过仿真实验和课堂提问评估学生掌握程度。改进方向：增加更多仿真场景的实操练习。教学内容教学内容教学批注/记录路径规划概述与全局规划知识点：规划分类：①全局规划——从起点到终点的宏观路径规划，基于高精地图，考虑道路拓扑、交通规则、实时路况；②局部规划——在全局路径基础上进行动态避障和轨迹生成，考虑周围车辆、行人、障碍物。全局规划算法：①Dijkstra算法——最短路径搜索，无启发信息，遍历所有节点；②A*算法——启发式搜索，用估价函数引导搜索方向，效率更高；③基于高精地图的车道级规划——考虑车道级拓扑、限速、转向限制。授课内容：采用讲授法+动画演示法。①用"导航软件规划路线"类比全局规划，用"开车时躲避障碍物"类比局部规划；②动画演示Dijkstra和A*算法的搜索过程，对比搜索效率；③讲解A*算法的估价函数f(n)=g(n)+h(n)（实际代价+估计代价）；④介绍高精地图在全局规划中的作用（车道级路径、实时交通信息）；⑤讨论全局规划和局部规划的协作关系。局部规划算法知识点：局部规划算法：①人工势场法——目标点产生引力，障碍物产生斥力，合力方向为运动方向，简单但易陷入局部最优；②RRT快速扩展随机树——随机采样探索空间，适合高维空间和复杂障碍，但路径不平滑；③Lattice规划——在Frenet坐标系下采样多条候选轨迹，按代价函数评估选最优，是当前自动驾驶主流方案；④优化方法——将规划转化为带约束的优化问题（最小化jerk、舒适度、碰撞风险），用QP或NLP求解。授课内容：采用讲授法+仿真演示法。①动画演示人工势场法的引力斥力和运动轨迹；②演示RRT算法的随机树生长过程；③重点讲解Lattice规划：在Frenet坐标系（沿路径的s-l坐标）下，分别采样纵向（s-t）和横向（l-s）轨迹，组合后评估代价（碰撞、舒适度、效率）；④播放自动驾驶规划算法的仿真视频（显示候选轨迹和选中轨迹）；⑤讨论各种算法的适用场景。行为决策与车辆控制知识点：行为决策方法：①有限状态机FSM——定义状态（巡航、跟车、换道、超车、路口通行）和转移条件，规则明确，工业界主流；②决策树——基于规则的层级决策；③强化学习——通过奖励学习最优策略，适合复杂交互场景；④规划博弈——多智能体交互决策，考虑其他车辆的意图。车辆控制：①纵向控制——速度跟踪、车距保持，方法：PID控制、MPC；②横向控制——路径跟踪、航向控制，方法：纯追踪算法PurePursuit、Stanley算法、MPC；③PID控制——比例P（快速响应）+积分I（消除稳态误差）+微分D（抑制超调）；④MPC模型预测控制——基于车辆模型预测未来状态，滚动优化控制量，可处理约束和多变量耦合。授课内容：采用讲授法+仿真演示法。①用"开车时的决策过程"类比行为决策（看到前车减速→决定跟车还是换道→执行）；②讲解有限状态机的状态定义和转移条件，用换道决策为例（判断安全距离→打转向灯→执行换道→回正）；③演示PID控制的阶跃响应（P-only、PI、PID的区别）；④演示MPC的轨迹跟踪效果（对比PID在弯道的表现）；⑤讨论MPC的优势（前瞻性、处理约束）和挑战（计算量大）。实操：实操项目：PID控制器参数调节仿真。①教师提供Python/MATLAB仿真环境（车辆纵向控制模型）；②学生设置PID初始参数（Kp=1,Ki=0,Kd=0），运行仿真，观察速度响应曲线；③逐步调节Kp、Ki、Kd参数，观察响应曲线的变化（超调、振荡、稳态误差）；④记录不同参数下的性能指标（上升时间、超调量、调节时间、稳态误差）；⑤撰写《PID参数调节实验报告》，总结参数调节规律。注意：参数调节要逐步进行，每次只调一个参数，避免参数过大导致系统发散。第四章智能网联汽车通信与定位技术课程名称智能网联汽车通信课程类型职业技术课授课专业及对象汽车智能技术专业总学时2学时授课教材教材名称：《智能网联汽车技术概论》教辅材料：教学辅助视频、网络参考资料一、教学任务目标授课内容掌握车载网络系统的架构和协议。理解V2X车路协同的技术原理和应用场景。了解C-V2X的技术标准和中国方案。学情分析学生对车载网络有初步了解，但对V2X车路协同的技术细节和应用场景缺乏深入认识。需要结合中国C-V2X标准讲解。教学目标知识目标：掌握车载以太网和SOA架构。理解V2X通信的技术原理和消息集。掌握C-V2X的工作模式和应用场景。能力目标：能够分析车路协同系统的架构和数据流。能够识别V2X的典型应用场景。素质目标：培养学生对中国通信标准的了解和自信。增强学生对车路协同安全的重视。教学重点C-V2X通信技术和车路协同应用场景。教学难点V2X消息集（BSM、SPAT、MAP等）的理解。二、教学设计课程思政教学设计通过介绍C-V2X中国标准的全球领先地位，增强学生的标准自信和民族自信。引导学生关注车路协同对弱势交通参与者的保护。教学资源多媒体课件：包含车载网络架构图、V2X通信示意图。视频素材：车路协同实际应用演示。案例：无锡、长沙、北京车路协同试点。教学方法讲授法：系统讲解车载网络和V2X技术。案例法：以国内车路协同试点为例。讨论法：讨论车路协同的商业模式。三、教学活动（一）课前任务复习第二章通信模块内容。预习教材第四章车载网络与V2X部分。（二）课堂教学教学环节教师活动学生活动设计意图教学环节一：课程导入通过展示车路协同实际应用视频，引出本节课主题。观看视频，感受车路协同的应用效果。激发兴趣，引入主题。教学环节二：车载网络架构演进讲解车载网络从CAN到以太网的演进。介绍SOA面向服务架构和中间件（SOME/IP、DDS）。认真观看架构演进图，记录关键技术。使学生掌握车载网络的最新发展。教学环节三：V2X通信技术原理详细讲解V2X的通信模式：PC5直连通信和Uu蜂窝通信。介绍C-V2X的协议栈和关键技术。认真听讲，理解PC5和Uu的区别。记录C-V2X的技术特点。使学生掌握V2X通信的技术原理。教学环节四：V2X消息集与应用讲解V2X的核心消息集：BSM（基本安全消息）、SPAT（信号灯相位与时序）、MAP（地图消息）、RSI（路侧信息）。介绍典型应用场景。认真观看消息格式，理解各消息的作用。讨论各应用场景的价值。使学生掌握V2X消息集和典型应用。教学环节五：车路协同系统架构讲解车路协同的三层架构：车载终端、路侧设备、云控平台。介绍中国方案的特色和优势。认真观看系统架构图，理解各层的作用。使学生建立车路协同系统的整体认知。教学环节六：课堂总结与作业布置总结车载网络和V2X的核心内容。布置课后作业。回顾本节课内容，记录作业。巩固学习成果。实训任务一：V2X应用场景分析实训目标：能够分析V2X典型应用场景的技术需求和实现方案。实训设备：案例材料、分析模板。实训步骤：选择应用场景，分析技术需求，设计实现方案。（三）课后拓展完成V2X应用场景分析报告。调研国内车路协同试点城市的进展。预习下节课：卫星定位与高精地图。（四）教学反思教学效果评估：通过场景分析报告和课堂提问评估学生掌握程度。改进方向：增加V2X设备的实际操作体验。教学内容教学内容教学批注/记录车载网络架构演进知识点：车载网络演进：①传统分布式——CAN/LIN总线，ECU间点对点通信，线束长达数公里；②域集中式——域控制器+车载以太网，域内CAN、域间以太网；③中央计算式——中央计算平台+区域控制器（Zonal），以太网为主干，CAN仅用于末端执行器。SOA面向服务架构：基于SOME/IP（Scalableservice-OrientedMiddlewarEoverIP）或DDS（DataDistributionService）中间件，将功能封装为服务，支持服务的注册、发现、调用，实现软硬件解耦和OTA升级。授课内容：采用讲授法+对比教学法。①对比三种架构的网络拓扑图，直观展示线束减少和集中化趋势；②讲解车载以太网的优势（带宽大、成本低、与IT技术兼容）；③介绍SOME/IP的服务发现机制（SD协议）和序列化格式；④讲解DDS的以数据为中心的发布/订阅模型；⑤讨论SOA对汽车软件架构的影响（从信号导向到服务导向）。V2X通信技术原理知识点：C-V2X协议栈：①物理层——LTE-V2X（Rel-14/15）或NR-V2X（Rel-16+），支持PC5直连和Uu蜂窝两种接口；②网络层——IPv6；③安全层——数字证书、消息签名、加密；④应用层——SAEJ2735消息集。关键技术：①资源分配——半静态调度（周期性业务）+动态调度（非周期业务）；②同步机制——GNSS同步（主）+基站同步（备）；③安全机制——PKI数字证书体系、消息签名验证、隐私保护（假名证书）。授课内容：采用讲授法+协议分析教学法。①讲解C-V2X的协议栈，对比与普通蜂窝通信的区别（增加了PC5直连接口）；②详细讲解PC5接口的工作原理（无需基站，车车/车路直接通信，时延<20ms）；③介绍V2X安全证书体系（根CA→注册CA→授权CA→假名证书）；④分析C-V2X相比DSRC的技术优势（带宽更大、演进性好、可复用5G基站）；⑤讨论C-V2X的商业化挑战（路侧设备部署成本、商业模式）。V2X消息集与车路协同应用知识点：核心消息集：①BSM基本安全消息——车辆位置、速度、航向、加速度、车辆尺寸，广播频率10Hz；②SPAT信号灯相位与时序——当前灯色、剩余时间、相位序列；③MAP地图消息——路口拓扑、车道连接关系、停止线位置；④RSI路侧安全信息——施工、事故、湿滑路面等预警；⑤RSM路侧感知消息——路侧设备检测到的目标列表。应用场景：安全类（前向碰撞预警FCW、盲区预警BSD、交叉路口碰撞预警ICW、紧急车辆预警）、效率类（绿波通行GLOSA、车速引导、拥堵预警）、服务类（充电桩查找、停车场预约、OTA）。授课内容：采用讲授法+案例教学法。①逐一讲解5种核心消息的格式和用途，用实际数据示例说明；②播放车路协同应用演示视频（绿波通行、盲区预警、行人保护）；③以无锡车路协同试点为例，讲解系统架构（车载OBU+路侧RSU+云控平台）；④分析中国"车路云一体化"方案的特色和优势；⑤讨论车路协同对自动驾驶的意义（降低单车智能成本、提升安全冗余）。实操：实操项目：V2X应用场景分析与消息设计。①教师提供3个典型应用场景（交叉路口碰撞预警、绿波通行、紧急车辆优先）；②学生分组，选择1个场景，分析所需的V2X消息（BSM/SPAT/MAP/RSI）和数据字段；③设计消息交互流程（谁发、谁收、频率、触发条件）；④绘制《V2X应用场景时序图》；⑤每组派代表讲解设计方案。注意：强调消息的实时性要求（安全类消息时延<100ms）和可靠性要求（丢失率<1%）。第四章智能网联汽车通信与定位技术课程名称智能网联汽车定位技术课程类型职业技术课授课专业及对象汽车智能技术专业总学时2学时授课教材教材名称：《智能网联汽车技术概论》教辅材料：教学辅助视频、网络参考资料一、教学任务目标授课内容掌握卫星定位技术的原理，包括GPS/北斗和差分定位。理解高精地图的组成和制作流程。了解SLAM技术的基本原理和应用。学情分析学生对GPS有基本了解，但对高精地图和SLAM缺乏认识。需要从定位精度需求出发讲解技术演进。教学目标知识目标：掌握卫星定位的基本原理和差分定位技术。理解高精地图的组成要素和制作流程。了解SLAM技术的基本分类和原理。能力目标：能够分析不同定位技术的精度和适用场景。能够解释高精地图在自动驾驶中的作用。素质目标：培养学生对北斗系统的了解和自信。增强学生对地理信息安全的重视。教学重点差分定位技术和高精地图的应用。教学难点SLAM技术的数学原理和实现。二、教学设计课程思政教学设计通过介绍北斗卫星导航系统的建设成就，增强学生的民族自信和爱国情怀。引导学生关注地理信息安全和数据主权。教学资源多媒体课件：包含定位原理示意图、高精地图示例、SLAM演示。视频素材：北斗系统介绍、高精地图制作流程。教学方法讲授法：系统讲解定位、高精地图和SLAM。演示法：通过视频展示实际效果。案例法：以百度、高德、四维图新的高精地图为例。三、教学活动（一）课前任务复习上节课V2X内容。预习教材第四章定位与高精地图部分。（二）课堂教学教学环节教师活动学生活动设计意图教学环节一：课程导入通过提问"自动驾驶汽车如何知道自己在哪"引出本节课主题。思考问题，进入学习状态。激发兴趣，引入主题。教学环节二：卫星定位技术讲解卫星定位的基本原理（三角测量）。介绍GPS、北斗、伽利略、格洛纳斯四大系统。讲解差分定位（DGPS、RTK）的原理和精度。认真观看定位原理图，理解三角测量原理。记录各系统的特点和精度。使学生掌握卫星定位和差分定位技术。教学环节三：组合导航与多源融合定位讲解IMU惯性导航的原理。介绍GNSS+IMU+视觉+激光雷达的多源融合定位方法。分析各传感器的互补性。认真听讲，理解组合导航的优势。讨论多源融合的必要性。使学生掌握组合导航和多源融合定位技术。教学环节四：高精地图讲解高精地图的定义和特点（厘米级精度、丰富语义信息）。介绍高精地图的组成要素：车道模型、道路部件、道路属性、定位特征。讲解制作流程。认真观看高精地图示例，理解其与普通地图的区别。记录制作流程。使学生掌握高精地图的组成和应用。教学环节五：SLAM技术讲解SLAM（同时定位与地图构建）的基本原理。介绍视觉SLAM和激光SLAM的分类和典型算法。分析SLAM在自动驾驶中的应用。认真观看SLAM演示，理解基本原理。记录典型算法。使学生了解SLAM技术的基本原理和应用。教学环节六：课堂总结与作业布置总结定位、高精地图和SLAM的核心内容。布置课后作业。回顾本节课内容，记录作业。巩固学习成果。实训任务一：高精地图数据浏览与分析实训目标：能够浏览和分析高精地图数据，识别关键要素。实训设备：高精地图可视化工具、样例数据。实训步骤：加载数据，浏览地图，识别车道模型、道路标志等要素。（三）课后拓展完成高精地图要素识别作业。调研北斗系统在智能网联汽车中的应用。预习第五章：智能座舱。（四）教学反思教学效果评估：通过地图分析作业和课堂提问评估学生掌握程度。改进方向：增加定位设备的实际操作体验。教学内容教学内容教学批注/记录卫星定位技术知识点：卫星定位原理：三角测量法，通过4颗以上卫星的距离（信号传播时间×光速）计算接收机的三维位置和时钟偏差。四大系统：①GPS美国——24颗卫星，全球覆盖，民用精度5-10m；②北斗中国——35颗卫星（5颗GEO+27颗MEO+3颗IGSO），全球覆盖+短报文，民用精度5-10m，亚太地区更优；③伽利略欧洲——30颗卫星；④格洛纳斯俄罗斯——24颗卫星。误差来源：卫星钟差、电离层延迟、对流层延迟、多径效应、接收机噪声。差分定位：①DGPS伪距差分——精度米级；②RTK载波相位差分——精度厘米级（1-2cm），需要基准站；③PPP精密单点定位——精度分米级，无需基准站但收敛时间长。授课内容：采用讲授法+视频教学法。①播放北斗系统建设纪录片片段，增强民族自信；②用"四点定位"动画演示卫星定位原理；③对比四大系统的卫星数量、覆盖范围、精度特点；④详细讲解RTK的工作原理（基准站发送校正数据→流动站接收→载波相位差分→厘米级定位）；⑤介绍RTK在自动驾驶中的应用（高精定位是L3+自动驾驶的必要条件）。组合导航与多源融合定位知识点：IMU惯性导航：①组成——加速度计（测量线加速度）+陀螺仪（测量角速度）；②原理——对加速度二次积分得位置，对角速度积分得姿态；③特点——短时高精度、完全自主、不受外界干扰，但误差随时间累积（漂移）。组合导航：GNSS+IMU融合，用卡尔曼滤波，GNSS提供绝对位置修正IMU漂移，IMU在GNSS信号丢失时（隧道、地下车库）提供连续定位。多源融合：GNSS+IMU+视觉（视觉里程计）+激光雷达（SLAM匹配）+轮速计+高精地图（地图匹配），多源互补，输出高频（100-200Hz）、高精度（厘米级）、高可靠的位姿信息。授课内容：采用讲授法+对比教学法。①用"走路时看路标+数步数"比喻组合导航（GNSS=看路标，IMU=数步数）；②讲解IMU的误差累积问题（零偏、噪声、温度漂移）；③演示GNSS+IMU融合的效果（GNSS丢星时IMU保持定位，IMU漂移时GNSS修正）；④介绍多源融合的传感器互补性（各传感器的优缺点互补）；⑤讨论城市峡谷（高楼遮挡GNSS）场景下的定位挑战和解决方案。高精地图与SLAM技术知识点：高精地图特点：①精度——厘米级（普通地图米级）；②要素——车道级信息（车道线、车道中心线、车道连接关系）、道路部件（交通标志、信号灯、路面标记）、道路属性（限速、坡度、曲率）、定位特征（杆状物、标志牌、路面特征点）；③更新——实时动态更新（众包采集+云端更新）。制作流程：采集（激光雷达+摄像头+GNSS/IMU）→处理（点云拼接、图像识别）→融合（多传感器数据融合）→制图（人工+自动化）→质检（自动化+人工）→发布（云端OTA）。SLAM技术：①视觉SLAM——基于摄像头，成本低，受光照影响，代表：ORB-SLAM；②激光SLAM——基于激光雷达，精度高，成本高，代表：Cartographer、LOAM；③应用——无GPS环境定位、地图构建、AR/VR。授课内容：采用讲授法+图示教学法。①对比普通导航地图和高精地图的截图，直观展示差异（普通地图只有道路，高精地图有车道线、信号灯、路牌）；②讲解高精地图的四大类要素和制作流程；③介绍国内高精地图厂商（百度、高德、四维图新、华为）；④讲解SLAM的基本原理（同时定位与地图构建，"鸡生蛋"问题）；⑤对比视觉SLAM和激光SLAM的优缺点；⑥讨论高精地图的商业模式和数据安全挑战。实操：实操项目：高精地图数据浏览与要素识别。①教师提供高精地图样例数据（百度Apollo或OpenDRIVE格式）和可视化工具；②学生使用可视化工具浏览高精地图，缩放查看不同层级的细节；③识别关键要素：车道线（实线/虚线/双黄线）、车道中心线、交通信号灯、停止线、人行横道、限速标志；④测量车道宽度、曲率半径等参数；⑤填写《高精地图要素识别表》，记录各要素的位置、类型、属性。注意：高精地图数据涉及地理信息安全，仅限教学使用，不得外传或用于其他用途。第五章智能座舱课程名称第五章、智能网联汽车语音识别技术课程类型职业技术课授课专业及对象汽车智能技术专业总学时2学时授课教材教材名称：《智能网联汽车技术概论》教辅材料：教学辅助视频、网络参考资料一、教学任务目标授课内容掌握智能座舱的定义、发展历程和系统架构。理解座舱内多传感器融合技术，包括驾驶员监测系统（DMS）和乘员监测系统（OMS）。学情分析学生对智能座舱有直观感受（大屏、语音助手），但对系统架构和传感器技术缺乏深入认识。需要从用户体验出发讲解技术实现。教学目标知识目标：掌握智能座舱的定义和发展阶段。理解智能座舱的系统架构和核心技术。掌握DMS/OMS的工作原理和应用。能力目标：能够分析智能座舱的系统组成和功能模块。能够解释DMS的工作原理和关键技术。素质目标：培养学生对用户体验设计的理解。增强学生对驾驶安全的重视。教学重点智能座舱系统架构和DMS/OMS技术。教学难点座舱内多传感器融合的算法实现。二、教学设计课程思政教学设计通过介绍国产智能座舱系统的快速发展，增强学生的产业自信。引导学生关注座舱数据隐私和用户权益保护。教学资源多媒体课件：包含智能座舱架构图、DMS工作原理图。视频素材：智能座舱体验演示、DMS实际效果。实物：座舱模型或DMS摄像头。教学方法讲授法：系统讲解智能座舱架构和传感器技术。体验法：如有条件让学生体验智能座舱功能。讨论法：讨论智能座舱的发展趋势。三、教学活动（一）课前任务收集自己接触过的智能座舱功能案例。预习教材第五章智能座舱概述部分。（二）课堂教学教学环节教师活动学生活动设计意图教学环节一：课程导入通过展示智能座舱的最新产品视频，引出本节课主题。观看视频，分享自己使用智能座舱的体验。激发兴趣，引入主题。教学环节二：智能座舱概述讲解智能座舱的定义和发展阶段：机械时代→电子时代→智能时代。介绍智能座舱的核心功能和用户价值。认真听讲，记录发展阶段和核心功能。思考智能座舱与传统座舱的区别。使学生建立智能座舱的整体认知。教学环节三：智能座舱系统架构讲解智能座舱的硬件架构：座舱域控制器、显示屏、摄像头、麦克风、扬声器。讲解软件架构：操作系统、中间件、应用层。认真观看架构图，理解各层的作用。记录核心组件。使学生掌握智能座舱的系统架构。教学环节四：驾驶员监测系统（DMS）详细讲解DMS的工作原理：摄像头采集→人脸检测→特征提取→状态判断。介绍疲劳检测、注意力监测、身份识别等功能。认真观看DMS演示，理解工作原理。讨论DMS对驾驶安全的意义。使学生掌握DMS的工作原理和应用功能。教学环节五：乘员监测系统（OMS）与多传感器融合讲解OMS的功能：儿童遗留检测、乘员姿态监测、生命体征监测。介绍座舱内多传感器融合：视觉+红外+毫米波+声音。认真听讲，记录OMS功能。讨论多传感器融合的优势。使学生了解OMS和座舱多传感器融合技术。教学环节六：课堂总结与作业布置总结智能座舱架构和传感器技术。布置课后作业。回顾本节课内容，记录作业。巩固学习成果。实训任务一：智能座舱功能体验与分析实训目标：能够体验和分析智能座舱的各项功能，撰写体验报告。实训设备：智能座舱演示车或模拟器。实训步骤：逐项体验功能，记录操作流程和效果，分析技术实现。（三）课后拓展完成智能座舱功能体验报告。调研主流车型的DMS功能和效果。预习下节课：人机交互与多屏融合。（四）教学反思教学效果评估：通过体验报告和课堂提问评估学生掌握程度。改进方向：增加实车体验环节，让学生直观感受智能座舱功能。教学内容教学内容教学批注/记录智能座舱概述与系统架构知识点：智能座舱发展三阶段：①机械时代——物理按键、机械仪表、收音机；②电子时代——中控屏、数字仪表、简单语音助手；③智能时代——多屏融合、AI语音助手、场景化服务、个性化定制、OTA升级。核心功能：①信息娱乐——音乐、视频、导航、游戏、应用商店；②人机交互——语音、触控、手势、人脸识别、AR-HUD；③安全监测——DMS驾驶员监测、OMS乘员监测、儿童遗留检测；④舒适体验——座椅调节（加热/通风/按摩）、空调（分区/香氛）、氛围灯、场景模式。系统架构：硬件（座舱域控制器+多屏+摄像头+麦克风+扬声器）+软件（OS+中间件+应用层）。授课内容：采用讲授法+体验教学法。①展示从老式汽车座舱到现代智能座舱的对比图片，让学生感受变化；②如有智能座舱演示车或模拟器，让学生体验语音控制、多屏互动、座椅调节等功能；③讲解座舱域控制器的作用（整合仪表、中控、副驾屏、HUD的计算）；④介绍主流座舱芯片（高通8155/8295、华为麒麟990A、联发科MT8675）；⑤讨论智能座舱的发展趋势（从"功能堆砌"到"场景化体验"）。驾驶员监测系统（DMS）知识点：DMS工作原理：红外摄像头采集驾驶员面部图像→人脸检测→关键点定位（68/106个关键点）→状态分类（疲劳/分心/正常）。核心功能：①疲劳检测——眨眼频率（正常15-20次/分钟，疲劳时<5次/分钟）、闭眼时长（>2秒判定疲劳）、打哈欠检测、头部姿态（低头）；②注意力监测——视线方向（正视前方/看后视镜/看中控）、头部偏转角度；③身份识别——人脸识别，自动调整座椅、后视镜、空调、音乐偏好；④危险行为检测——打电话、抽烟、双手离开方向盘。技术要求：红外补光（夜间可用）、实时性（>30fps）、准确率（>95%）、防欺骗（照片/视频无法通过）。授课内容：采用讲授法+演示法。①播放DMS实际工作演示视频（显示人脸关键点、视线方向、疲劳报警）；②详细讲解DMS的技术流程和算法；③介绍DMS的法规要求（欧盟2024年新车强制安装DMS，中国C-NCAP2021版增加DMS评分）；④讨论DMS的隐私争议（车内摄像头是否侵犯隐私）和解决方案（数据本地化处理、不上传云端）；⑤强调DMS是辅助系统，不能替代驾驶员的注意力。乘员监测系统（OMS）与多传感器融合知识点：OMS功能：①儿童遗留检测——毫米波雷达检测生命体征（呼吸、心跳），锁车后自动报警，防止儿童被遗忘在车内导致中暑；②乘员姿态监测——安全带佩戴检测、坐姿异常（脚抬到仪表台）、儿童安全座椅检测；③生命体征监测——心率、呼吸频率（毫米波雷达或摄像头）。座舱多传感器融合：①视觉+红外——全天候人脸检测（红外补光解决夜间问题）；②毫米波雷达——生命体征检测、存在检测（穿透衣物，不受光照影响）；③声音——语音