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。     

自动驾驶汽车测试场景构建关键技术综述

面向自动驾驶汽车测试场景构建,本文首先对现有场景定义与架构进行了对比分析,并提出测试场景应涵盖场景要素和测试要素的共计10层信息;其次,归纳提出了包括具体场景直接构建、典型逻辑场景挖掘分析与推理演绎和具体场景重构衍生的场景构建方法体系;再次,从单一片段测试、组合片段测试和融合交通流的测试3个维度,系统梳理了主流虚拟场景...     

自动驾驶汽车的仿真

随着汽车自动化程度的提高，自动驾驶汽车已成为国内外的研究热点之一。本文设计了一种自动驾驶汽车的模型，它能根据道路的弯曲程度变化实时地计算出车辆的转向角度输入，控制车辆按照预设想道路行吮。     

基于不同风格行驶模型的自动驾驶仿真测试自演绎场景研究

为了验证自动驾驶汽车决策结果的安全性,提出一种具有自主决策和交互能力的行驶模型生成方法,该行驶模型作为背景车被用于构建自演绎仿真场景来测试自动驾驶汽车的连续决策能力。首先,以强化学习为基础、结合遗传与进化思想,创新地设计并生成了具有自主决策和交互能力的不同风格行驶模型;然后,在模型构建阶段分别训练生成了保守、普通和激进3种风格的行驶模型,其中普通风格行驶模型的训练参数来源于自然驾驶数据集highD的车辆参数分布,保证了该行驶模型的真实性;最后,在普通风格行驶模型的基础上设计并训练出了具有显著激进特征的激进风格行驶模型,以增强自演绎场景的复杂性和测试效果。结果表明：在模型真实性方面,以highD数据集中的跟车速度、车头间距、换道时刻下碰撞时间等参数的分布为真值,研究所生成的普通风格行驶模型的参数分布与真值的平均相似程度为88%,相较于基于规则的智能驾驶人模型（IDM）提升了20.3%;在场景测试性方面,以被测系统为主要责任方的碰撞次数为评估指标,研究生成的不同风格行驶模型所构成的自演绎场景的测试性约是由IDM构成的基线场景的7倍。因此,设计和生成的行驶模型所构成的自演绎场景可以有效支撑面向自动驾驶决策系统的仿真测试。     

自动驾驶仿真测试平台发展现状与展望

仿真测试是自动驾驶汽车开发过程中必不可少的一环,目前国内外存在多个自动驾驶仿真平台。文章通过从仿真层次、仿真内容、使用情况等方面对自动驾驶仿真平台进行整理,总结出自动驾驶仿真平台的发展现状和存在问题,提出自动驾驶仿真平台的发展趋势。     

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。     

乘用车自动驾驶测试4X体系探索

随着汽车自动驾驶功能使用的场景越来越多,尤其是4级驾驶自动化[1]在出租车方面的应用,快速迭代的需求强烈。文章主要阐述自动驾驶测试的工具链、评价方法、问题管理机制和软件版本迭代管理4个模块,并对X个场景不断迭代的方法进行探索,形成一套完善的测试体系,并在实际工作中成功应用。     

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。     

自动驾驶汽车基础测试场景构建研究（双语出版）

针对L2/L3级自动驾驶汽车的仿真测试和封闭场地测试认证需求,结合现有L2/L3级自动驾驶汽车量产车型的主要功能特点,提出自动驾驶汽车基础测试场景群的构建方法。首先针对指定的道路交通环境,分析主车和周围交通参与者可能的相对位置和运动方向的组合,确定复杂场景群。其次分别以主车功能所确定的各个可能运动方向,依此与各干扰车辆的可能运动方向（包括任一干扰车辆不存在的情形）进行组合,组合时采用PICT组合测试工具,并添加必要的运动约束条件,选择参数组合覆盖标准自动生成全部的组合场景群。最后结合场景筛选规则,筛选出具有测试价值的覆盖各个层级及功能的基础测试场景群。采用场景构建方法,对于主车处于三车道中间车道的路段场景和无红绿灯的十字路口场景,分别构建62种和33种基础测试场景。根据驾驶人行为特性、交通规则、汽车在城市、郊区和高速公路工况下的典型车速、加减速度、横向加速度、交通事故和自然驾驶数据库的有关场景数据等,设计主车换道工况的测试用例。采用模型预测控制框架建立主车局部路径规划和控制仿真模型,并对主车危险换道场景进行仿真。研究结果表明：主车在邻车道前车大减速的情况下实现了减速换道并避免了与本车道前车和邻车道前后车的碰撞,同时跟踪到期望跟车间距,验证了该换道测试用例的有效性。     

智能网联混合交通流交叉口控制：研究进展与前沿

交叉口是城市道路交通运行的瓶颈点,是造成交通拥堵的问题所在。交通控制是调控交通流、预防和缓解交通拥堵的关键策略,在效费比上具有较大优势。智能网联、自动驾驶技术的发展催生了常规车辆(Regular Vehicle, RV)、网联车辆(Connected Vehicle, CV)和智能网联车辆(Connected and Automated Vehicle, CAV)组成的智能网联新型混合交通流,推动着城市道路交通控制对象、数据环境和控制手段的变革,为交通控制提出巨大挑战的同时,也为交通控制理论方法的创新发展创造了新的条件。智能网联混合交通流交叉口控制已成为国内外研究热点,尚处于研究起步阶段。根据路权特征,先从单点交叉口、干线交叉口和路网多交叉口3个层面梳理智能网联混合交通流环境下的共用设施交叉口控制研究,包括交通信号配时、车辆轨迹/路径规划以及车辆轨迹-信号配时协同控制。然后介绍自动驾驶专用设施交叉口控制研究,包括CAV专用车道、CAV专用路段、CAV专用区域和快速公交-CAV混合专用车道。通过对现有成果的梳理发现：虽然新型混合交通流交叉口控制研究取得了部分进展,但RV驾驶行为的随机性、...     

无信号灯十字路口自动驾驶汽车直行关键场景构建

自动驾驶汽车在开发过程中需要进行全面的测试以确保其安全性,关键场景是有条件和高度自动驾驶汽车进行安全测试验证的重要基础。首先,针对测试场景参数离散化全组合后测试用例数量巨大的问题,分别采用3路定强度和变强度组合测试策略及场景初筛规则,以自动驾驶主车直行通过无信号灯十字路口及周围2辆干扰车的测试场景为例,使测试用例数量从全组合的3.9×10⁷组分别减少到6 525组和26 496组。其次,采用碰撞时间、后侵占时间和最大减速度作为场景关键性识别和评价指标。利用基于动态安全区域的避障策略和基于模型预测控制的自动驾驶主车运动规划与控制模型,以及搭建的基于MATLAB/Simulink和CarSim软件的自动驾驶汽车联合仿真平台,通过仿真并与安全指标阈值比较,获得数量大幅减少的关键测试用例。最后,采用基于加权欧氏距离的K-medoids聚类方法对变强度组合策略获得的2 234组关键测试用例进行聚类,获得9组典型关键测试用例。研究结果表明：碰撞时间、后侵占时间和最大减速度指标阈值可以用于识别十字路口场景关键性;相对3路定强度参数组合策略,变强度参数组合策略提供了更多的关键测试用例,对其随机抽样获得少量随机关键测试用例;随机和典型关键测试用例可以应用于封闭试验场验证无信号灯十字路口自动驾驶汽车直行运动规划的安全性。     

基于自然驾驶数据的自动驾驶汽车安全性评价方法

自动驾驶汽车进行大规模市场推广前必须进行准确可靠的安全性评价,由于自动驾驶系统复杂程度的增加及设计运行区域的扩大,面向传统汽车的评价方法已不能满足自动驾驶汽车的安全性评价需求,基于此,建立一种基于自然驾驶数据的自动驾驶汽车安全性评价方法,可解决现有方法在逻辑场景层面安全性评价的缺陷。首先,建立基于自然驾驶数据的逻辑场景构建流程,分析场景描述参数,搭建自然驾驶数据采集平台采集相关自然驾驶数据,采用高斯分布模型描述参数概率分布;进而,离散逻辑场景参数空间获取具体测试用例,并在建立的PreScan、CarSim和MATLAB联合仿真平台中对被测自动驾驶算法进行仿真遍历测试,通过高斯模型将测试结果中的危险场景参数聚类,获取被测算法在逻辑场景中的危险区域;最后,综合考虑逻辑场景参数空间概率分布和得到的相应逻辑场景危险区域,提出基于自然驾驶数据的自动驾驶汽车安全性评价指标——场景风险指数,并以前车制动和前车切入场景为例,给出某黑盒算法的具体评价示例。研究结果表明：被测算法在前车制动场景和前车切入场景中的场景风险指数分别为0.409 8和1.08×10^-5,在前车制动场景中具有较大的安全风险,与仿真测试的直观结果相符;通过比较计算得到的场景风险指数与实际仿真测试结果可证明所提出的方法可以实现逻辑场景层面的自动驾驶安全性量化、易于操作、贴近自然驾驶情况。     

智能汽车自主泊车系统测试方法

自主泊车系统是智能汽车领域的研究热点,但其缺少系统性测试评价方法的研究。针对这一问题：首先,提出了基于ALFUS（Autonomy Levels for Unmanned System）框架思想的测试用例构建体系,结合对由泊车事故数据、实际泊车场景数据构成的实际数据以及包含传感器工作原理和泊车过程的自主泊车系统工作原理的分析,生成了自主泊车系统测试环境元素集合、测试任务元素集合、两级测试时空顺序,并通过对三者进行整合得到了自主泊车系统测试用例集;其次,提出了以环境类型、任务类型进行划分的自主泊车系统三级四类分级测试方法,并在此基础上结合模糊综合评价法得到了基于自主泊车系统测试用例集的测试评价方法;然后,利用乔哈里视窗理论建立了自主泊车系统测试评价结果分析矩阵,实现了从智能汽车自主泊车系统性能局限、测试方法局限两方面对测试评价结果的分析;最后,考虑现有自主泊车系统技术条件,选用不同型号的具备自主泊车系统的智能汽车进行实车试验,对上述测试方法进行了实践,并分析获得了自主泊车系统功能及性能方面的改进意见。试验结果表明：所提智能汽车自主泊车系统测试方法不仅可对测试对象的性能提出改进建议,也能验证测试方法本身的完善性,并证明了该测试方法对于现阶段自主泊车系统的有效性。     

面向智能汽车测试的弱势群体服饰色彩研究

智能汽车测试是其技术开发与应用中必不可少的环节,封闭场景下测试目标物准确反映真实道路环境下交通对象特性是保障测评结果可信的关键,而道路弱势群体服饰色彩是相应测试目标设计的关键参数,也是智能车测评相关标准中要求的一个主要指标。为此,通过对中国某省份2018～2020年间重大交通安全事故案例的分析和筛查,得出178例弱势道路使用者群体伤亡人员样本,首先提取样本服饰颜色,然后选取适当的色彩空间,将色彩数据从RGB(Red-Green-Blue)空间转换至LUV(Lightness-Chroma)空间。以转换结果作为聚类参数,采用K-means聚类算法,获取受害者样本基于季节、出行方式等不同因素下的服饰代表颜色。区别现阶段欧洲标准中目标物黑色上衣/蓝色长裤的搭配组合,黑色上衣/黑色长裤作用于符合中国国情的自动驾驶场景中测试目标物的服饰颜色更具代表性。鉴于中国新车评价规程(China-New Car Assessment Programme, C-NCAP)选取行人目标物与自行车骑行者目标物,将目标物服饰改为黑色上衣/黑色长裤组合,以测试目标物与测试车辆位置分别构建相对横向及纵向运动的多个场景,...     

车联网环境下自动驾驶车辆车道选择决策模型

试验车道选择行为是自动驾驶车辆最基本的决策行为之一,利用车联网技术可以使车道选择结果更加全面、合理.首先,对高速公路自动驾驶车辆车道选择决策过程进行分析,并以车联网感知通信范围内的车辆的平均速度、重车比例及前往车道的理想换道时间为主要指标创建成本函数,根据计算结果输出最优车道序列;然后,以Gipps安全驾驶模型为基础,...     

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。     

混合动力电动汽车制动系统回馈特性仿真

为了研究混合动力电动汽车(HEV)回馈制动特性,建立了用于城市公交的混合动力电动汽车复合制动系统的仿真模型,提出了回馈制动控制策略,分析了复合制动系统的工作过程,并探讨影响电动汽车制动系统可靠、安全和高效的主要因素,研究电动汽车复合制动系统优化途径。研究结果表明:回馈制动最低车速限值越小,制动能量回收率越大;从回收电动汽车能量角度分析,回馈制动比例应有一个有效范围值;在各种循环工况下,具有回馈制动功能时混合动力电动汽车城市客车单位里程的能量消耗可降低10%~25%。