智能网联汽车测试场景三维评价模型研究

测试驱动型开发是智能网联汽车技术发展的重要路径,而测试场景作为测试驱动型开发过程的核心要素,需要建立科学合理的建模和分类方法。首先,从应用层面定义了智能网联汽车测试场景的三个评价指标;其次,提出了测试场景评价的三维建模与评价方法;最后,结合具体应用案例分析了测试场景三维评价模型的应用场景。提出的测试场景三维评价模型对智能网联汽车的测试与评价具有重要指导作用。     

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。     

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。     

自动驾驶仿真多逻辑场景综合评价方法

基于场景的仿真测试方法已成为解决自动驾驶汽车性能验证的核心思路,该方法将车辆连续驾驶过程进行分割获取非重复的独立场景片段,并在仿真环境中进行测试。与测试过程相贴合,本文提出了一种自动驾驶仿真多逻辑场景综合评价方法。首先建立自动驾驶汽车多逻辑场景综合评价方法,明确兼顾场景自身特征信息及仿真过程信息的场景权重分析流程;通过暴露度、失控度、危害度建立逻辑场景自身特征信息权重;建立包含仿真精度信息、要素种类信息、参数空间信息、离散步长信息的仿真过程信息权重;基于HighD数据集抽取前车制动、前车左侧切入、前车右侧切入场景信息,并基于本文提出的方法及基准算法测试结果计算场景权重,最终获取两种被测算法在多逻辑场景中的综合评价结果。     

智能网联汽车测试场场景设计方法研究

智能网联汽车测试场是"无人驾驶"车辆运行安全测试的基础设施.构建测试场景、分析测试场设计要素和技术指标是测试场设计的核心.基于"车-路-环境"的测试场景分类,给出典型测试场景模型构建方法和建设需求,可用于支撑智能网联汽车测试场总体设计.     

面向智能网联交通系统的模块化柔性试验场

为了给智能网联试验场设计与建设提供参考,分析了智能网联交通系统中测试技术的研究现状;结合长安大学车联网与智能汽车试验场的测试和研究经验,提出了一种面向智能网联交通系统的模块化柔性试验场,该试验场包括应用场景、感知发布、网络链路和管理服务4个层次。应用场景层通过模拟真实场景中的天气、道路和交通条件,验证智能网联交通设备和服务在不同环境、不同场景的适应性;感知发布层通过摄像头、激光雷达、毫米波雷达等传感设备以及可变情报板等信息发布设备,实现环境数据及交通信息的采集,并下发相应的控制信息和服务信息;网络链路层由车载异构网络构成,通过网络间的协同工作,为应用场景层和感知发布层的设备提供网络信息服务;管理服务层负责下层数据的存储、备份、处理和可视化,并实现下层测试设备的管理与维护。在上述模块化平台的基础上,开发智能网联汽车室内测试台架,配合试验场进行交通场景构建、测试场景复现和单一要素分析,实现智能网联交通的柔性场景测试。结果表明：所提出的试验场具有标准化的测试条件,可控可追踪的测试流程和科学的测试评价体系,能够模拟真实的道路交通场景,提高智能网联相关技术的开发和测试效率。该试验场的建设、推广与应用,能够推进智能网联和无人驾驶技术从理论研究到实际应用的转化,为实现未来交通信息服务和交通系统的创新与变革起到至关重要的作用。     

一种面向ADS的模型驱动式逻辑场景建模及仿真方法

汽车自动驾驶的场景建模及仿真分析是确保自动驾驶系统安全性的关键，对于提高整个系统的安全性至关重要，已经引起工业界和学术界的广泛关注。场景建模是场景仿真、测试、验证分析的基础，能够有效帮助发现场景中存在的危险，是自动驾驶系统设计开发面临的挑战性问题之一。然而，现有的场景模型生成方法，主要采用数据驱动式，结合路采数据和数字孪生技术构建具体场景，无法有效应对ADS场景复杂、类型多样、测试效率不高的问题。同时，为了提高场景的覆盖率，迫切需要从逻辑场景的层次设计一种可视化的场景建模语言，可用于构建逻辑场景，并具有丰富的语义模型，能够支持逻辑场景的测试及验证分析。针对以上问题，我们提出一种模型驱动式场景建模方法用于构建逻辑场景模型，并结合ADS领域知识及ISO 26262功能安全标准，提出了一种逻辑场景建模语言SML4ADS，给出了其相应的语法及语义模型。此外，设计并实现了一种可扩展的、灵活的场景模型仿真方法，能够支持多种场景仿真工具。结合实际案例分析，展现了本文所提出的模型驱动式场景建模及仿真方法的有效性，为后续场景模型的测试、验证与分析奠定基础。     

基于改进云组合赋权的智能网联驾驶场景安全性评价方法

准确可靠的驾驶场景安全性评价是智能网联车辆推广应用的基础,但智能网联驾驶场景复杂多变,以固定数值为指标权重的评价方法无法充分考虑因此带来的模糊性和随机性。为此,研究了基于改进云组合赋权的智能网联驾驶场景安全性评价方法。建立了包含静态环境层、动态行为层、智能要素层的智能网联驾驶场景要素库,制定场景设计方案;按照功能场景、逻辑场景、具体场景的顺序进行场景解构,提取相关要素,设计形成场景;引入云模型概念,结合博弈论思想改进云组合赋权;基于云模型运算法则构建综合云,表征各场景安全性,构建理想云评价模型;提出相对相似度指标作为评价结果,量化分析场景安全性并排序。依据场景设计方案进行仿真试验,对比层次分析法、优序图法、熵值法、变异系数法、博弈组合赋权及原云组合赋权等赋权评价方法,其评价结果与仿真结果在99%置信水平下显著相关,二者的皮尔逊相关系数为0.649,较上述其他评价方法分别提高了5.5%、7.8%、19.7%、13.7%、8.1%、0.8%;同时,该方法事故识别准确率为78.13%,高于Baumann等所用方法的44.29%和Xia等所用方法的57.2%。研究结果表明：基于改进云组合赋权的...     

一种自动驾驶仿真场景要素的提取方法

针对场景及其内容定义不明确、场景基本要素提取多为主观分析和不同测试主体的场景要素选择和设计不可解释等问题,本文中提出一种汽车自动驾驶仿真场景的关键要素提取方法。该方法从自动驾驶系统角度逐级分析场景要素对感知、决策和控制模块的影响,并根据对自动驾驶不同子模块的影响,建立为一种要素-结构-功能平面的映射方程,然后基于平面节点判别矩阵建立场景要素的提取模型,量化场景要素的重要性并进行判别和筛选。最后通过分析第四届世界智能驾驶仿真挑战赛的行人安全避撞场景的元素构成,验证了所提方法的可行性和有效性。     

船舶智能避碰策略测试方法与指标研究

智能避碰策略是实现智能航行的关键技术,其设计缺陷会导致巨大的安全风险、环境风险及经济损失.为获取对智能避碰策略系统有效的测试评价方法,研究并得出测试评价指标体系,以在开阔水域的2艘船舶为研究对象,基于《国际海上避碰规则》研究并量化船船之间的典型关系、行动准则等关键概念,通过解算船舶态势关系得出影响船舶避碰行为的要素,并进行仿真验证.进而以此为基础分析对智能避碰策略可行的测试评价方法,得出构建系统化、量化及典型化测试场景的原则及方法,依托典型测试场景提出测评指标体系的构建原则,为研究构建多船在开阔水域智能避碰测评方法和测评指标体系提供基础.      

基于近邻目标区域表征与CVAE的智能汽车测试场景生成方法

基于场景的虚拟测试是研发高安全、高可靠智能汽车的必要手段,场景自动生成技术对于智能汽车测试场景库的构建具有重要意义。为此,针对多车动态测试场景,提出一种基于近邻目标区域表征(NORR)和条件变分自编码器(CVAE)的场景生成方法,实现复杂测试场景的快速生成以及对生成场景类型的控制。首先,针对高速公路场景特征,提出应用NORR方法对场景情境进行描述,将测试场景中关键车辆目标信息转化为尺度统一的灰度图像。接着,利用HighD自然车辆轨迹数据集提取大量场景片段,经过数据规范化处理后构建出真实场景库。在此基础上,以场景中车辆目标数量为条件参数,训练基于条件变分自编码器的生成模型,能够生成包含8条车辆轨迹的动态测试场景。通过计算生成样本集的匹配误差、覆盖度和不合理性3个指标,检验生成模型在样本真实性、多样性和合理性方面的表现。验证结果显示：(1)相比随机轨迹采样方法和基于GAN的生成模型,VAE模型生成的样本质量最好,其生成样本集的平均匹配误差小于5.22,覆盖度能达到57.2%,不合理样本比例仅为1.7%;(2)所提出的NORR方法有助于提高生成模型的场景生成效果;(3)CVAE模型能够在条件...     

高速公路智能车路协同系统应用场景库构建研究

在对现有车路协同场景研究情况分析的基础上,综合考虑交通需求与道路环境属性双重因素,提出了面向高速公路智能车路协同系统的场景构建方法,构建了适合不同高速公路需求的功能完备、场景丰富、要素齐全的车路协同应用场景库,满足新基建与智慧高速建设应用需求,为高速公路车路协同示范应用提供参考.     

面向决策规划系统测试的具体场景自动化生成方法

为解决自动驾驶决策规划系统仿真测试中场景文件生成效率低的问题,基于场景表示的3个抽象层次,提出了一种具体场景自动化生成方法。基于层级模型构建功能场景,并提取功能场景关键字,映射至参数空间以生成逻辑场景,最后通过关键字对参数空间进行采样,自动生成OpenSCENARIO格式的具体场景文件。仿真验证结果表明,自动生成的场景文件能够满足高等级自动驾驶测试要求,且相比于手动编写方式,该方法能减少场景文件的编写工作,提高生成效率。     

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。     

预期功能安全场景库复杂度量化方法研究

基于Pegasus场景分层体系,提出了一种关于场景复杂度的量化方法,以此来评定场景数据的质量。该方法确定了每层要素的决定因素,根据决定因素确定每层要素的复杂度,通过求出各层要素复杂度之和,得到场景数据的总复杂度。此外,为了防止"过复杂"现象,提出了"母子库"法和"系统场景概率"法,将场景要素的复杂度乘以该要素的出现概率,得到修正后的复杂度。研究结果显示,通过该方法可以构建合理可用的场景库。     

无人驾驶汽车测试场总体设计方法及典型功能分区

针对无人驾驶汽车运行安全性测试的重要载体——无人驾驶汽车测试场,提出了测试场景研究-场景模型构建-基础设施需求-设施集成落地的总体设计方法,归纳总结了道路交通类场景、效率类场景、信息服务类场景、通信和定位能力类场景4类主要测试场景,给出了从模型构建到设施集成落地的基本方法.结合国内外行业技术标准,提出了城市街区、环道(含高速测试)、低等级公路、多功能测试区等典型功能分区.最后总结认为,无人驾驶汽车测试场作为一个新的工程设计类型,涉及车辆、通信、交通等多学科,其总体设计面临较大的不确定性和成长性,须紧跟各专业学科的新技术、新方向调整完善.     

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。     

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。     

基于自然驾驶数据挖掘的二阶车辆与行人交互测试场景

针对当前网联车车辆与行人交互(以下简称人车交互)测试场景复杂性低、无法充分涵盖真实道路情况下的人车交互场景测试需求问题,提出了一种基于自然驾驶数据的人车交互测试场景构建方法.该方法首次提出了二阶人车交互测试场景的概念,在传统人车交互场景基础上组合前序车辆运动场景,实现交互场景时间域扩充,并通过挖掘自然驾驶数据中人车交互...