智能汽车测试工况与用户工况关联评价模型

为研究智能汽车从用户工况到试验场测试工况有效性定量评价的问题,基于行车风险场理论,综合考虑加速系数、危险度覆盖率、最大危险度及危险度分布4个评价因子,提出了智能汽车测试工况与用户工况关联匹配模型和评价模型。关联匹配模型通过危险度相等建立了测试工况与用户工况内在的理论关联关系,提出了危险度-工况次数分布尽量一致的原则。评价模型通过有效性指数建立了测试工况好坏的定量评价指标。提出了加速系数越大越好、样本危险度覆盖率越大越好、最大危险度越接近用户极限值越好、危险度分布相似性越高越好的4个原则。以车辆跟随场景作为算例对关联评价模型进行验证,3种测试工况的危险度均接近用户危险度,符合匹配模型的要求。计算3种测试工况的有效性指数并按照大小进行了排序,当改变4个评价因子的权重分配时,排序发生了变化。研究结果表明,关联匹配模型能够用于对智能汽车测试工况的有效性进行定量评价,评价因子权重分配会影响有效性指数,可以按需设定。