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。     

基于场景的智能网联汽车模拟仿真测试评估方法与实践

搭载自动驾驶功能的智能网联汽车因可在其设计运行条件内承担全部动态驾驶任务,面临安全验证与评估挑战。基于场景的智能网联汽车安全测试评估方法已成为广泛的行业共识,模拟仿真测试是其重要手段之一。从第三方视角,针对自动驾驶安全性、高场景覆盖度、逻辑完备性等测试验证目标,搭建基于软件在环的模拟仿真测试环境框架,在此基础上研究基于设计运行条件覆盖的测试场景集构建方法,探索形成一套高可信智能网联汽车模拟仿真测试评估方法,并在特定应用场景进行初步实践。研究成果为模拟仿真测试在智能网联汽车安全测试与评估中的落地应用提供了参考。     

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。     

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     

长沙开放7.8km道路用于智能网联汽车测试

正近日,长沙市政府开放了一段约7.8km长的线路用于智能网联汽车道路测试,并发放首批4个种类智能网联汽车开放道路测试号牌。首批发放的智能网联汽车开放道路测试号牌,涵盖智慧公交、智能驾驶乘用车、智能驾驶环卫作业车、自动驾驶重卡4种类型,分别发放给4家致力于智能网联汽车研发的企业。     

智能网联汽车产业发展的迫切需求

正智能网联汽车在正式推向市场之前,必须要在真实交通环境中进行充分的测试,全面验证自动驾驶功能,实现与道路、设施及其他交通参与者的协调,这是智能网联汽车技术研发和应用过程中必不可少的步骤。4月12日,工业和信息化部、公安部、交通运输部联合发布了《智能网联汽车道路测试管理规范(试行)》,为智能网联汽车道路测试奠定了基础。     

基于大数据的智能辅助驾驶道路适用度评估

随着汽车市场朝网联化发展，主机厂可通过网联终端采集到智能辅助驾驶的行车数据，主机厂通过车联网大数据离线计算了解用户使用智能辅助驾驶功能的情况，分析智能辅助驾驶在各类路况中的适用性。汽车主机厂在研发阶段做了各路况的实车测试，但未有一套基于用户实际使用情况的评估方法。为了了解智能辅助驾驶功能在各类路况中的适用度，需要一套基于用户智能辅助驾驶数据的评估方法。本文基于车联网采集的智能辅助驾驶功能的数据，使用机器学习的方法对汽车智能辅助驾驶的道路适用度进行评估。     

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。     

汽车安全性测评规程现状及趋势展望

在汽车产业电动化和智能化进程中,汽车安全测试评价技术也从单纯被动安全向主被动安全融合方向延伸和扩展。本文从车内乘员保护、车外弱势道路使用者保护与主动安全三方面,深入对比分析了全球主流汽车安全测评规程的差异,总结了针对各测评工况的车辆安全开发技术要点,探讨了新能源与智能网联汽车安全测评规程的发展趋势。研究认为,主流汽车安全测评规程在被动安全评价方面越来越严格,主动安全测评工况比重在逐步增加,未来测评规程的发展重心将集中于主被动安全融合及针对复杂工况的虚拟测评两方面。此外,针对新能源汽车的电池安全测试已相对完善,未来研究重点可向电控系统测试、底盘稳定性测试和充换电设施与配套设备统一标准化认证等方向拓展;而构建合理、可靠的智能网联汽车OTA(over the air)测试、HMI(human machine interface)安全性和舒适性等测评方法,在中长期内将成为行业关注的重难点问题,且可借助自动驾驶模拟器等工具搭建虚实结合的复合测评体系。     

欧美日智能网联汽车准入管理研究及启示

智能网联汽车是汽车产业转型升级的重要战略方向,良好的政策环境是其快速发展的关键保障。本文以智能网联汽车准入管理为研究重点,首先对欧美日智能网联汽车准入管理政策、法规和标准进展进行研究,分析主要进展和发展趋势;在此基础上,进一步梳理提出智能网联汽车准入管理面临的自动驾驶安全、责任判定、软件升级、网络安全、标准支撑5项主要挑战;最后,针对挑战提出管理建议。     

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。     

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。     

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。     

产品安全认知视域下的自动驾驶车辆安全探讨

对产品安全认知的内涵与演进进行了剖析,从安全分析发展的角度梳理产品安全理念的发展,提出了有限性视域下的自动驾驶车辆安全需求。产品安全的本质是产品所处的风险状态,与社会发展协调同步。自动驾驶车辆除了要满足功能安全、预期功能安全、网络和数据安全外,还应有韧性安全需求。为理解产品安全认知的演进和自动驾驶安全需求分析的构建提供了思路。     

基于一维卷积神经网络的驾驶人身份识别方法

近年来，智能网联汽车（ICV）已成为智能工业时代最有前景的发展方向。作为现代移动的重要模式，ICV的设计和开发越来越强调个性化需求。提出一种仅使用车载CAN总线行车状态数据，基于深度学习的驾驶人身份识别通用框架。首先采集20名驾驶人在固定试验路线下，包括不同道路类型、不同交通条件下的自然驾驶行车状态数据集；其次对9种类型的CAN信号行车数据进行数据清洗与重采样，构建数据样本集。搭建了由卷积层、池化层、全连接层、SoftMax层构成的一维卷积神经网络（1-D CNN）驾驶人身份识别模型，并且使用Adam算法、L2正则化、Dropout、小批量梯度下降等方法对模型性能进行优化。算法验证过程中，探讨了模型卷积核占比、卷积核数量、卷积层层数、全连接层节点规模对模型识别准确率的影响，进而对模型结构参数进行优选。进一步地，将该算法与K近邻（KNN）、支持向量机（SVM）、多层感知器（MLP）等传统机器学习方法及深度学习算法长短时记忆网络（LSTM）进行对比分析，同时探究样本时间窗口大小、样本数据重叠度、驾驶人数量对模型识别结果的影响。在数据时间窗口为1 s、数据重合度80%的条件下，对20名驾驶人进行识别，评价指标宏观F₁分数可达99.1%，表明该模型表现明显优于其他对比模型算法，其对驾驶人身份识别表现稳定，鲁棒性强。     

高速公路隧道事故风险规避新技术应用分析和探讨

为解决隧道区域事故率偏高且危害性较重等问题，首先，分析隧道常见事故的致因和归纳传统隧道交通事故的应对策略；然后，借助于当前智能网联汽车、现代移动通信、互联网与大数据处理的技术进步，构建基于5G通信的隧道区域自动驾驶与车路协同技术框架，并探讨基于该框架的创新性风险规避策略。本研究顺应智能网联汽车和自动驾驶系统的技术趋势，契合公路隧道提质升级行动的目标需求，通过完善隧道区域的综合预警机制，变传统的隧道事故被动应对为积极主动预防，为实现隧道区域交通要素的智慧化、提升司乘人员的行车体验、增强事故的紧急救援能力和风险管控水平提供新的思路。     

基于典型非机动车事故的自动驾驶汽车测试场景构建方法研究

基于交通事故卷宗、交通事故视频信息数据,研究机非混行交通环境下典型交通事故形态,构建了面向机非混行交通环境下的自动驾驶汽车测试场景,旨在针对我国较为特殊的机非混行环境下的自动驾驶汽车的测试场景及测试评价方法提供参考。本文首先分析了自动驾驶测试场景的构建需求,建立交通事故数据筛选标准,得到133例可用于构建自动驾驶汽车测试场景的机动车与非机动车交通事故数据集;其次基于《中华人民共和国道路交通安全法》行驶要求,对133例交通事故的发生地点、车辆行为、道路类型、环境光线等方面进行解构分析;最后通过聚类分析,建立了5类典型的自动驾驶测试场景模型,并分析了不同场景模型的关键要素,为实际道路测试提供理论指导。     

智能网联汽车全生命周期节能减排绩效评价研究

为进一步研究不同级别智能网联汽车全生命周期节能减排绩效,基于生命周期评价方法(LCA),以某国产合资紧凑型纯电动乘用车为评价对象,搭建智能网联汽车生命周期评价模型,研究分析其全生命周期的矿产资源消耗、化石能源消耗及环境排放影响;进而基于不同级别智能网联汽车采用智能装备的差异,对L0~L5级别智能网联汽车全生命周期各阶段能源消耗和环境影响进行评估预测与对比分析。研究结果表明：在智能网联汽车全生命周期矿产资源消耗方面,原材料获取阶段占比最高;在化石能源消耗方面,运行使用阶段占比最高;在综合环境影响方面,受中国电力结构影响,运行使用阶段环境影响综合值最大;随着智能化程度的不断提高,智能网联汽车相邻级别间全生命周期化石能源消耗可降低3.5%~6.3%,GWP、AP、EP、POCP环境排放最高可分别降低约13.9%、13.3%、13.7%、11.7%,其中使用阶段环境排放降低程度最为明显;综上,通过进一步加强汽车轻量化研究,拓展新型材料在智能网联汽车领域的应用,合理优化我国电力结构布局,提升车辆自主决策水平,加快云平台与大数据等关键技术在智能网联汽车上的应用等途径,可有效提升智能网联汽车节能减排效果。     

智能汽车的人机共驾技术研究现状和发展趋势

智能汽车的人机共驾技术（HMIoIV）是解决其智能化级别难以快速跨越至高度自动化水平的有效过渡手段。HMIoIV涉及了L0~L3级别的智能汽车的多种自动化技术,包括先进辅助驾驶系统。针对当前国内外智能汽车人机共驾技术的研究现状,对其概念、结构和研究内容进行总结,根据独立驾驶人参与的数量和驾驶操作方参与的数量将现有的人机共驾技术分成3类：单驾双控结构、串联型双驾单控结构（Traded Control）和并联型双驾双控结构（Shared Control）;并对驾驶人为因素、驾驶人模型、自然驾驶人状态监测和驾驶意图识别、串联型双驾单控结构和并联型双驾双控结构的研究方法以及权限与责任的关系进行全面综述。最后,分析总结当前智能汽车的人机共驾技术所面临的问题和挑战,并对该技术的发展趋势做出展望。