基于场景的智能网联汽车“三支柱”安全测试评估方法研究

随着汽车智能化、网联化以及自动驾驶技术的快速发展，搭载自动驾驶功能的智能网联汽车目前正处于测试验证转向多场景示范应用的新阶段，产业化应用需求日益迫切，车辆安全问题更加凸显，针对车辆产品安全的测试评估方法成为关注焦点。由于智能网联汽车及其运行环境的复杂性以及安全事件的偶发性，传统的高里程实车测试在效率、成本等方面难以适应自动驾驶测试评估的发展需要。从第三方视角出发，在汽车生产企业研发测试的基础上，结合工程实践与应用需要，通过分析智能网联汽车的安全目标，对比模拟仿真、封闭场地和实际道路3种测试方法的特点及优缺点，提出基于场景的 “三支柱”融合测试评估方法，为综合评估智能网联汽车的安全性提供支撑。     

搭载自动驾驶功能的智能网联汽车安全测试与评估方法研究

目前,针对搭载自动驾驶功能的智能网联汽车,国内外正在广泛开展特定设计运行条件下的道路测试、示范应用等工作,其安全测试与评估方法已经成为当前行业研究的热点和难点。从第三方视角出发,重点针对汽车智能化、网联化面临的主要安全风险,将智能网联汽车的安全测试与评估分为基础测评和监测调整两个阶段。在基础测评阶段,综合评估产品对过程保障及测试要求的符合情况;在监测调整阶段,基于对车辆实际安全状态的监测,适时调整安全评估结果。在此基础上,重点梳理了基于场景的测试、安全评估、监测等测评方法的内在逻辑及原则要求。分别阐述了功能安全、预期功能安全、网络安全和数据安全等过程保障方法及主要要求,以及模拟仿真、封闭场地、实际道路、网络安全和数据安全、软件升级、数据记录等测试方法及主要要求。提出的方法为特定设计运行条件下,具有自动驾驶功能的智能网联汽车综合安全评估提供了参考。     

基于场景元素的智能网联汽车场景构建研究

在智能网联汽车测试评价中,场景库搭建与道路测试一直都是其难点。文中对智能网联汽车功能的典型测试场景搭建及测试方法进行分析与研究,首先分析智能网联汽车驾驶场景的来源,从典型驾驶场景中归纳出基本场景元素库,以场景元素库为基础实现测试场景库搭建;然后在PreScan中进行场景虚拟重构,进行自动驾驶功能模拟仿真;最后基于真实道路场景搭建对车辆自动驾驶功能进行实车测试。     

交通事故场景在智能网联汽车仿真测试中的应用

在汽车全生命周期范围内,通过三支柱测试认证方法来验证智能网联汽车的功能和安全,是提升车辆安全性和交通效率的有效手段,具有广阔的应用前景。其中,如何通过仿真方法来高效验证在危险工况和事故场景下智能网联汽车的主动安全防护能力,成为目前亟待解决的问题之一。基于交通事故场景,建立交通事故数据到仿真测试场景重构的技术方案,并通过实际案例验证了该方案应用于仿真测试的可行性。实践证明,所建方案有助于丰富智能网联汽车仿真测试场景库,提升仿真测试效率,加快完善智能网联汽车的安全测试与评估的进程。     

智能网联汽车热带测试场景研究

环境测试是实现高级自动驾驶的重大技术问题,阐述了国内外智能网联汽车环境测试发展现状,阐明了智能网联汽车热带测试场景建设的必要性。深入挖掘国际上智能网联汽车测试场景建设项目提出的场景框架,然后提取场景框架中的环境要素,指出相应环境要素对于智能网联汽车安全驾驶的重要影响。提出智能网联汽车热带测试场景的环境要素,并凝练了海南热带测试场景环境要素中的气候、交通和植被要素特征,建立了具有代表性的智能网联汽车热带测试场景,为高级自动驾驶实施落地奠定了基础。     

基于整车在环仿真的自动驾驶汽车室内快速测试平台

整车在环仿真测试方法可以安全、高效地验证复杂环境和极端工况等场景下自动驾驶汽车性能的有效性，基于此研发一种基于整车在环仿真的自动驾驶汽车室内快速测试平台，该平台由前轴可旋转式转鼓试验台、试验台测控子系统、虚拟场景自动生成子系统、虚拟传感器模拟子系统、驾驶模拟器、自动驾驶汽车和测试结果自动分析评价子系统组成。通过在试验台滚筒上独立加载转矩模拟车辆行驶阻力，可动态模拟不同的路面附着系数，同时利用坡度、侧倾和转向随动机构可模拟车辆俯仰角、侧倾角和航向角3个自由度；采用虚拟现实技术柔性集成车辆动力学模型、传感器仿真、复杂道路交通环境及测试用例仿真，模拟多种道路交通场景，并通过传感器仿真及数据融合等技术快速测试自动驾驶汽车智能感知与行为决策等性能指标。将自动驾驶汽车、虚拟仿真场景和试验台耦合构建一个闭环系统，完成了多项关键技术研发，包括：多自由度高动态试验台结构设计、虚拟测试场景自动重构方法和传感器数据模拟及注入方法，可满足在各种场景下测试自动驾驶汽车整车性能的需求。此外，为验证快速测试平台的有效性，以U-turn轨迹跟踪控制为研究实例，基于简化的车辆运动学模型和模型预测控制算法，在平台上搭建U-turn场景并对自动驾驶汽车的轨迹跟踪控制算法性能进行大量测试。结果表明：自动驾驶汽车室内快速测试平台可以真实地模拟汽车在道路上的运行工况，自动驾驶汽车在虚拟场景中的轨迹跟踪效果良好，与参考轨迹的偏差小于8%，证明了该测试平台检测方法的有效性。     

基于V2X和自动驾驶HIL联调的仿真系统开发

随着智能网联汽车的快速发展,车用无线通信（V2X）技术在智能交通领域发挥着越来越重要的作用,因此行业内对 V2X 和自动驾驶相关的硬件在环（HIL）融合测试需求也越来越高。由于 V2X HIL 系统与自动驾驶 HIL 系统两者相互独立,在实际应用中尚缺少对两者相关应用场景及功能进行全链路的闭环仿真测试系统。基于 dSPACE 平台 HIL 仿真系统及V2X HIL 系统的联调过程,搭建了一套能够同时验证蜂窝车联网（C-V2X）通信功能和单车智能感知功能的 HIL 联调仿真测试系统。测试结果表明：通过对 V2X 应用场景的仿真,该系统能够正确实现对单车智能驾驶功能测试、V2X 被测算法的验证及预警功能显示,由此验证了联合仿真平台的有效性。     

基于城市先进道路交通系统的智能交通仿真平台设计

针对自动驾驶汽车在复杂交通场景中的测评需要,通过对先进道路交通系统的通讯、监控、大数据的技术集成构建了智能交通仿真平台。基于212种中国城市道路交通场景,该仿真平台通过半实物的方式还原了常见的200种自动驾驶运营场景,为自动驾驶汽车的技术研发、功能测试以及智能交通系统的策略研究提供了可视化的验证,大大节约了智能网联汽车的开发成本,并为其开发成效提供了新的途径。     

图森未来获得首张重卡自动驾驶道路测试牌照

正2018年10月16日,全国第1张针对自动驾驶重卡的道路测试牌照在上海颁出。专注于自动驾驶技术研发与应用的上海图森未来人工智能科技有限公司获得上海智能网联汽车道路测试牌照,将在上海临港地区投入测试。上海市智能网联汽车道路测试推进工作小组根据图森未来提出的智能网联汽车道路测试申请,结合第三方机构上海市制造业创新中心(智能网联汽车)的评估报告和专家组的评审意见,对其智能网联汽车道路测试条件符合     

自动驾驶汽车在城市道路上面临的主要场景挑战

基于人类的自然驾驶数据、交通事故数据等信息提出的自动驾驶汽车技术要求和测试场景难以反映自动驾驶汽车特有的局限性和安全风险。文章从车辆视角出发,利用搭载高度自动驾驶功能的汽车开展了实际道路测试,并通过分析测试过程中遇到的危险场景和边缘场景,总结了城市道路环境下自动驾驶汽车在感知、定位、决策规划、控制执行和网联通信等方面存在的主要场景挑战。该研究成果弥补了基于人类驾驶数据开展相关研究的不足,能够为自动驾驶汽车的研发和基于场景的测试验证提供参考。     

高等级自动驾驶汽车虚拟测试：研究进展与前沿

安全性测试是高等级自动驾驶汽车（Highly Automated Vehicles，HAV，指具备L3级及以上能力的自动驾驶汽车）规模化应用的基本保障。鉴于HAV测试对象与测试标准的变革，传统基于里程的车辆测试方法论不再适用，场景化虚拟测试正成为验证HAV安全性的核心方法。基于与国内外多家HAV研发机构开展虚拟测试合作的基础上，针对测试场景、测试工具和测试方法等方面的技术难点和学术问题进行汇总、归纳和分析。测试场景方面，围绕场景覆盖度的要求，需重点关注测试场景自主划分、自动化仿真生成和未知高风险场景搜寻等理论方法。测试工具方面，在构建HAV自动驾驶系统“环境感知-规划决策-运动执行”一体化仿真工具的基础上，需研究支撑测试场景生成、驾驶行为双向交互和多传感器物理模型融合的高可信仿真技术。测试方法方面，针对海量测试场景、HAV驾驶能力非单调变化等特征，亟待开展覆盖度驱动型测试方法、加速测试方法和多目标测试与评估等的研究。此外，在上述研究挑战的基础上，面向HAV虚拟测试自动化、快速化、一体化和协同化的应用需求，提出HAV虚拟测试仿真即服务（Simulation as a Service，SAAS）的系统架构，并进一步明确HAV安全性诊断分析、系统自主优化训练和面向系统快速迭代升级的测试方法等SAAS重点研究需求。     

基于场景的自动驾驶汽车虚拟测试研究进展

随着自动驾驶等级的提高，面向传统汽车的测试工具与测试方法已不能满足自动驾驶汽车测试的需要。基于场景的虚拟测试方法在测试效率、测试成本等方面具有巨大的技术优势，是未来自动驾驶汽车测试验证的重要手段，已成为当前的研究热点。通过对大量相关文献的系统梳理，综述了基于场景的自动驾驶汽车虚拟测试研究进展。对比分析了自动驾驶测试场景的不同定义方式，明确了测试场景的内涵，归纳了测试场景的要素种类，概述了测试场景的数据来源，总结了场景数据的处理方法。在此基础上，对自动驾驶汽车虚拟测试方法进行了总结，分析了典型的测试方式、测试平台和虚拟测试的技术要点，梳理了软件在环、硬件在环和车辆在环测试方案及其关键技术。针对自动驾驶汽车测试效率问题，研究了基于场景的加速测试技术，概述了典型的测试场景随机生成方法和危险场景强化生成方法。最后，对基于场景的自动驾驶汽车虚拟测试所面临的问题及未来发展趋势进行了分析和展望。研究结果表明：基于场景的虚拟测试是推动自动驾驶技术发展和产业落地的必由之路，未来研究应着力突破基于解构与自动重构的测试场景数据库、人-车-环境系统一体化高置信度建模、自动驾驶汽车虚拟测试标准工具链、不同自动驾驶汽车渗透率下的混合交通模拟与测试、测试案例动态自适应随机生成机制等核心共性技术，建立自动驾驶汽车虚拟测试标准体系。     

Test Scenario Design for Intelligent Driving System Ensuring Coverage and Effectiveness

Intelligent vehicle greatly benefits traffic safety, efficiency and driving comfortable. With the development of intelligent driving technology and its application, it is becoming increasingly important to do effective and comprehensive tests before putting on the market. Comprehensively considering the cost of test, an automatic generation method of test scenarios is proposed to ensure both coverage and effectiveness. Based on the analyzed key infuence factors of an intelligent driving system, the analytic hierarchy process (AHP) is used to determine their importance and accordingly an complex index is defined, based on which an improved test case generation algorithm based on the pairwise independent combinatorial testing tool (PICT) is proposed to ensuring both combinational coverage and complexity of test cases. Finally, the test scenario is generated by clustering these discrete test cases considering similarity and complexity. The high complex test cases are preferred to be combined together and conducted preferentially to increase the test efficiency. The effectiveness of this method is validated by applying it on a lane departure warning system (LDW).     

信号交叉口行车风险场建立及车辆通行行为优化

随着汽车逐步向智能化、网联化发展,智能网联车辆逐步进入实际应用阶段。进行智能网联车辆的通行行为优化,对提升驾驶安全性和行车效率,避免事故发生和交通拥堵至关重要。车辆在通过交叉口时将受到很多环境及运动因素的影响,而现有的通行优化模型难以准确表达各类因素共同作用下的行驶环境。为此,基于风险场理论建立由环境场和运动场组成的信号交叉口行车风险场,表征信号交叉口中每点的实时行车风险程度,从而引导车辆驶向风险值低点,并提供下一步长的位移及速度指引,实现车辆的动态轨迹优化及速度控制。典型场景下的仿真结果表明：在优化模型的控制下单车的信号交叉口通行效率明显提升,其中直行方向车辆单车平均通行效率提升最高,平均提升6.35%,通过对交叉口面积内所有车辆进行通行行为优化,交叉口通行效率提升了9.3%,这表明所建模型可以准确表达交叉口行车环境并优化车辆通行行为。研究结论可应用于自动驾驶车辆的交叉口通行控制,并为网联环境下的行车环境表达和安全驾驶控制提供模型基础。     

Design and simuation of a vehicle test bed based on intelligent transport systems

As growing demand of vehicle safety system, especially regarding intelligent transport systems (ITS), automotive manufacturers are focusing more on driving safety and efficient transportation for vehicle users. Many safety systems have been launched in the market recently so, it is important to evaluate the vehicle safety systems and ITS. The ITS based intelligent vehicle test bed was constructed to meet the growing demand of test and verification for such ADAS and ITS systems. First, this paper describes in detail concept of the test-bed. This test-bed is carefully designed to meet the requirements of ISO/TC204 standards. In order to verify the design of the test-bed, virtual test with driving siulator was processed on a virtual test tracks. This test-bed will be used to conduct testing on various ITS and ADAS technologies, such as adaptive cruise control (ACC), lane departure warning system (LDWS), cooperative intersection warning system as well as rollover stability control (RSC) and electronic stability control (ESC), etc.     

驾驶模拟器在自动驾驶系统中的应用研究

自动驾驶车辆在实际道路上行驶之前的测试阶段是一个至关重要的环节。一个低成本、高效率以及高精度测量的自动驾驶车辆的测试方式,对于自动驾驶车辆的开发具有重要意义。将驾驶模拟器运用到研究自动驾驶车辆测试已是近年来的一个研究热点。基于虚拟驾驶场景的自动驾驶车辆的检测,通过组合虚拟驾驶场景的背景车辆、行人、交通灯、建筑、指示标牌等元素,研究将驾驶模拟器与虚拟驾驶场景的联合应用来测试自动驾驶车辆。设计了典型的交通场景,通过自动驾驶车辆和背景车辆的实时交互,研究自动驾驶车辆的各项性能指标。研究结果表明:该驾驶模拟器可以高度拟合人类驾驶体验,驾驶员通过驾驶模拟器控制背景车辆能够很好的模拟现实中的驾驶行为,对自动驾驶车辆的仿真测试起到了促进作用。     

人机混驾环境下混行车辆雾模型研究

目前搭载高级驾驶辅助系统和车联网（Vehicular Ad Hoc Network，VANET）技术的智能网联车（Intelligent Connected Vehicles，ICV）正大量涌入人工驾驶车（Manual Vehicle，MV）流之中，ICV与MV共存的异构车辆混行交通态势逐步形成，异构车辆之间的交互产生壁垒。混行之下单个ICV虽可依托单车硬件传感与单车计算单元实现与MV的交互意图识别，但其受有限算力与有限传感的影响，资源负载增大，时效性与安全性方面存在一定的误差与风险，而混行之下的VANET技术也不能够提供全局性车路资源用以高度匹配ICV与MV的交互场景，而且越来越多的ICV计算需求也在激增VANET的负载压力。对此，结合边缘计算概念中的雾计算理论，提出混行车辆雾模型（Mixed Vehicle Fog，MVF），充分发挥车联网络边缘节点能力，通过合理整合调度ICV资源的方法，解决对MV正常交互意图计算的时效性与安全性问题。该模型首先通过各感知单元响应混行交通环境下ICV与MV的正常交互事件，然后利用基于容错节点分簇的资源调度算法（Fault-tolerant Node Clustering Resource Scheduling Algorithm，FNC-RSA），动态划分局部路段内对交互事件具有相关意图感知与计算需求的ICV为一组"协同雾群"，再评估雾内ICV节点自身资源与路由代价，定向定量调度资源，最终实现雾群内部MV交互信息共享与驾驶意图协同计算。试验借助Prescan和MATLAB搭建联合仿真平台，与低能耗自适应分簇型路由算法（Low Energy Adaptive Clustering Hierarchy，LEACH）模型对比，验证MVF模型的运行效率与模型鲁棒性。研究结果表明：MVF模型通过交互事件细分协同雾群，保证了计算负载均衡，提高了ICV定向资源计算与传输效率，比LEACH模型降低了55.17%的平均跳数，缩短了45.40%的平均任务完成时间，抗时延干扰能力强，鲁棒性能优异。该模型对于打破混行环境异构车辆交互壁垒，提高混行道路交通行车安全，创造车联网络良性发展空间具有积极作用。     

变道切入场景下ADAS系统测试与评价研究

为了满足变道切入场景下的ADAS系统测试评价需求,提出一种考虑场景风险系数的变道切入场景生成方法和客观综合评价模型。通过采集自然驾驶数据,采用阈值法自动提取变道切入功能场景并深入分析变道切入行为特征。使用单因素方差分析法与皮尔逊相关性检验法共同分析场景风险系数与场景要素的相关性来确定关键场景要素。结合Kmeans算法对离散逻辑场景参数进行聚类,从而得到5个典型测试场景。基于场景风险系数,采用AHP与CRITIC法构建多层次综合评价模型,采用灰色关联理论对ADAS系统进行客观评价。借助VTD仿真软件构建变道切入虚拟测试场景库,进行仿真试验验证。结果表明,相关性分析使场景要素维度降低了60%,生成的测试场景可以有效验证ADAS系统的综合性能,综合评价模型可对ADAS系统表现进行客观有效的评价,为智能驾驶系统开发提供有效参考。     

基于Prescan的自然驾驶场景构建与研究

文章主要描述基于Prescan软件对实车的自然驾驶场景片段转换成虚拟场景,用于ADAS或自动驾驶模拟测试。通过配备毫米波雷达、相机、Mobileye摄像头等传感器采集道路驾驶数据,提取场景片段,转化成虚拟软件中相应的实车场景,用于HIL或MIL测试,可实现重复性测试,降低测试成本,模拟恶劣天气等状况,复现实车测试状态等测试优点。