基于高速公路自然驾驶数据的自动驾驶车辆跟驰智能性评价模型

为解决当前自动驾驶车辆跟驰智能性评价中存在的以主观评价为主、缺少微观驾驶行为数据支撑的问题，以高速公路自然驾驶数据为基础，从自动驾驶车辆与人工驾驶车辆驾驶行为一致性的角度出发，构建自动驾驶车辆跟驰智能性评价模型。首先，通过无人机视频拍摄和图像处理，获取了国内18个省份部分高速公路上的高精度车辆轨迹，利用K-means聚类方法提取了15 446组稳定跟驰数据。然后，采用描述性统计方法对速度、加速度、跟车间距及跟车时距等指标进行分析。通过Gamma分布拟合不同速度下的跟车间距，以不同速度下跟车间距众数为中心，将跟车间距按照样本量的70%、20%、10%划分为与人工驾驶车辆驾驶行为一致性较好、一般、较差等3种情况，以此为基础建立自动驾驶车辆跟驰智能性评价模型。最后，通过自动驾驶车辆跟驰试验，证明所建模型适用于自动驾驶车辆跟驰智能性评价，相比既有研究，该模型的特点是能基于全过程、微观跟驰行为数据对自动驾驶车辆做出综合的量化评价。这表明基于自然驾驶数据与驾驶行为一致性构建的模型能客观、量化评价自动驾驶车辆跟驰行为，可用于自动驾驶车辆跟驰行为研究与技术参数设计。