面向L3级自动驾驶高速公路道路测试场景的构建方法

自动驾驶技术的发展离不开道路测试,科学完善的自动驾驶测试评价体系需要完整的测试场景做支撑。高速公路场景作为L3级自动驾驶的典型应用场景,相关的测试标准、测试方法、测试场景亟需明确。文章通过对L3级自动驾驶高速公路道路测试场景来源、场景分类与要素、场景构建关键技术等分析,结合L3级自动驾驶高速公路应用场景,从自动驾驶车辆应急处置、人工介入能力和综合驾驶能力等方面,提出L3级自动驾驶高速公路道路测试场景及测试项目,为后续道路测试评价方法提供基础。     

面向智能车辆的现役道路设施行驶适应性研究综述

为了总结面向智能车辆的现役道路设施行驶适应性，即现役道路基础设施承载智能车辆行驶的适宜程度，阐述自主智能驾驶定义与驾驶自动化等级分类，在此基础上剖析不同等级间的人机功能差异，并分别从感知层、感知-决策层、决策-控制层探讨与道路设计要素相关联的人机功能差异，通过归纳总结智能车辆与道路几何要素、路面性能及其他道路要素(如道路标线)的相互作用机制研究，从道路工程角度及其他道路要素方面回顾该领域的研究现状，指出存在的问题和未来发展方向。研究结果表明：相比传统车辆，配置高等级自动驾驶系统的智能车辆对现役道路设施行驶适应性最高，主动安全系统次之，而驾驶辅助及有条件自动驾驶系统适应性不足。而目前研究主要问题包括：难以归纳、标定不同驾驶自动化等级间的人机功能差异及其对于道路设计参数的需求设计值；测试道路场景条件过于理想，考虑的驾驶自动化等级单一，试验规模和样本有限；道路几何、路面性能以及道路标志、标线等道路要素与智能车辆间的相互作用机制研究不足，缺乏与不同道路场景相匹配的智能车辆驾驶特征数据的获取手段。因此建议：重视并推动与道路设计要素相关联的关键人机功能差异指标信息共享；联合高保真且可交互的道路场景、高精度感知传感器物理模型、车辆动力学模型及微观交通流模型，利用测试场景自动化生成、极限工况场景搜寻与泛化等技术开展智能驾驶虚拟测试，突破现有研究的深度和广度；探索反映不同等级智能车辆的道路行驶适应性特征指标与评价标准，精准、有效地评估预测复杂道路场景及不利道路条件下的行驶适应性。     

实测数据驱动的自动驾驶道路测试驾驶模式辨别方法

自动驾驶道路测试中车企驾驶模式数据具有一定保密性，导致自动驾驶能力难以被客观评估。为此，提出了实测数据驱动的自动驾驶道路测试驾驶模式辨别方法。首先选取数据特征值构建K近邻估计、支持向量机、决策树、随机森林和BP神经网络5种机器学习监督分类模型；其次通过非参数秩和显著性检验确定驾驶模式持续时长阈值，持续时长大于阈值的数据段记录为准确的驾驶模式数据，小于等于阈值的数据段则为驾驶模式待分类数据集；随机选取70%记录准确的驾驶模式数据作为监督分类模型训练数据集，剩余30%作为测试数据集；最后利用正确率、精确率和召回率3个指标评价5种监督分类模型，并选取表现最佳的分类模型用于待分类数据的驾驶模式辨别。基于上海市城市道路和快速路2个道路测试场景共约43.6万条数据，验证驾驶模式辨别方法的有效性。结果表明：随机森林监督分类模型辨别道路测试驾驶模式的效果最佳；城市道路场景和快速路场景待分类数据驾驶模式记录有误率分别达到42.3%和39.4%。实测数据驱动的驾驶模式的辨别与修复，可显著提升评估自动驾驶道路测试驾驶能力的准确度。     

自动驾驶封闭测试场地建设技术研究与实践

自动驾驶封闭场地测试是自动驾驶开放道路测试及自动驾驶汽车大规模市场化应用的必要前提,近年来国内外开展了大量的自动驾驶封闭测试场地建设工作。文章围绕自动驾驶封闭场地测试,首先系统总结分析了国家交通运输部发布的《自动驾驶封闭测试场地建设技术指南(暂行)》的主要内容及典型测试场地的建设要求,然后面向场地构建应用阐述了长安大学车联网与智能汽车试验场的建设实践,最后针对现有测试场地及建设技术难以满足多种技术形式的自动驾驶汽车的测试需求提出了相应的解决思路。     

面向自动驾驶的道路适驾性研究进展

现有道路设计规范考虑了驾驶人感知反应时间和车辆动力学特征,而自动驾驶汽车与驾驶人在感知反应时间、感知距离和感知高度等方面存在差异。这些差异可能会导致自动驾驶汽车在特定道路条件下面临挑战,例如复杂的道路线形、不规则交叉口等情况。为了解道路基础设施对自动驾驶汽车运行的影响,需要开展面向自动驾驶的道路适驾性研究。针对不同道路类型,道路几何设计、交通控制设施和路侧设施等对自动驾驶汽车安全运行影响的定量研究尚不充分。从路段、交叉口、交通标志标线3个方面进行归纳整理,结果表明：(1)现有的研究建立了道路线形设计、交叉口几何设计与自动驾驶感知能力的关系,发现平曲线半径、弦长和曲线偏转角等设计指标影响自动驾驶视距;(2)实车测试发现道路类型、平曲线曲率和车道宽度对自动驾驶失效事件具有显著影响;(3)随着自动驾驶汽车市场渗透率的增加,自动驾驶汽车之间交互行为规则更加明确,有利于提升道路适驾性水平;(4)自动驾驶的感知识别准确率会受到交通标志的反光性能和设置位置的影响,失效概率与交通标线的尺寸、逆反射亮度系数以及延长线相关。面向未来自动驾驶应用需求,针对已建道路,需要测试不同复杂工况条件对自动驾驶汽车运行...     

基于OEDR和ODC的自动驾驶汽车实际道路测试评价技术研究

本文中提出了基于自动驾驶目标和事件探测与响应（OEDR）的测试道路分类方法，构建基于设计运行范围的道路元素基础模型，改进Jaccard Similarity有效相似度算法用于测试道路符合性评估。本文中还根据测试道路选取，提出了基于设计运行条件（ODC）边界的测试方法，结合乘员主观评价形成自动驾驶汽车实际道路测评体系。选取我国典型道路开展的试验结果表明，本文中提出的测评体系具有可行性和普适性，可作为一种标准化方法广泛应用。     

英国自动驾驶汽车道路测试法规简介

英国政府相信无人驾驶（自动驾驶）技术将有效改善道路交通安全并显著减少人员伤亡,并通过颁布相关法规鼓励和推动此自动驾驶新技术在道路交通中的应用,确保高度／完全自动驾驶汽车在公共道路上测试工作和未来市场应用的安全和规范。     

美国加州自动驾驶测试牌照怎就那么“香”?

近些年来,全球在自动驾驶领域的传统车企、零部件供应商以及新创公司等都选择在美国加州开展自动驾驶测试。这不仅是因为加州在自动驾驶方面开放的政策,更是拥有硅谷的高科技人才和丰裕的资本环境。近日,中国自动驾驶初创公司文远知行(WeRide)获准在美国加州指定的公共道路上测试自动驾驶汽车。而提到自动驾驶,一个不得不说的地方就是加州。众所周知,坐拥全球高科技产业中心硅谷的加州.     

边海防部队汽车驾驶员训练应做到“四个贴近”

一、贴近保障任务，立足“缺什么补什么” 一要针对边海防道路特点，突出边境道路、山地道路、复杂道路、狭窄道路、蹋方道路、泥泞道路、涉水道路等具有边海防特点的道路驾驶训练，锤炼驾驶员复杂路况的驾驶技能。     

基于草原道路环境的驾驶员心率影响初步试验研究

道路环境直接或间接影响驾驶员反应.以实驾试验为依据,对不同道路环境与驾驶员心率变化关系进行分析研究.方差分析结果表明:不同道路环境(包括草原道路、隧道、高速公路)是导致3个测试路段同一驾驶员平均心率差异的主要原因.基于此试验结果,后续实驾试验中深入研究草原道路环境与驾驶员心率变化关系.结果表明:随着驾驶时间增加,试验驾...