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...     

高等级自动驾驶汽车虚拟测试：研究进展与前沿

安全性测试是高等级自动驾驶汽车（Highly Automated Vehicles,HAV,指具备L3级及以上能力的自动驾驶汽车）规模化应用的基本保障。鉴于HAV测试对象与测试标准的变革,传统基于里程的车辆测试方法论不再适用,场景化虚拟测试正成为验证HAV安全性的核心方法。基于与国内外多家HAV研发机构开展虚拟测试合作的基础上,针对测试场景、测试工具和测试方法等方面的技术难点和学术问题进行汇总、归纳和分析。测试场景方面,围绕场景覆盖度的要求,需重点关注测试场景自主划分、自动化仿真生成和未知高风险场景搜寻等理论方法。测试工具方面,在构建HAV自动驾驶系统“环境感知-规划决策-运动执行”一体化仿真工具的基础上,需研究支撑测试场景生成、驾驶行为双向交互和多传感器物理模型融合的高可信仿真技术。测试方法方面,针对海量测试场景、HAV驾驶能力非单调变化等特征,亟待开展覆盖度驱动型测试方法、加速测试方法和多目标测试与评估等的研究。此外,在上述研究挑战的基础上,面向HAV虚拟测试自动化、快速化、一体化和协同化的应用需求,提出HAV虚拟测试仿真即服务（Simulation as a Service,SAAS）的系统架构,并进一步明确HAV安全性诊断分析、系统自主优化训练和面向系统快速迭代升级的测试方法等SAAS重点研究需求。     

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。     

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。     

港口自动驾驶现状及典型场景测试技术研究

目前,港口自动驾驶是智能网联汽车应用落地的典型应用方向。港口工作环境差、人员工作时间长,易发生生产事故,而港口自动驾驶的应用将降低生产事故的发生,节约人工成本,增大港口经济效益。针对港口自动驾驶应用,分析当前市场现状和落地影响因素,提出典型测试场景和测试方法。     

面向自动驾驶的仿真场景自动生成方法综述

随着自动驾驶测试验证对虚拟仿真场景依赖程度的增加,传统基于专家经验的场景枚举生成方法已无法满足测试需求.数字虚拟仿真场景自动生成方法在场景多样性、危险性、可解释性、生成效率等方面存在巨大技术优势,是提高汽车自动驾驶技术测试验证安全性和可靠性的关键,已成为当前汽车智能化领域的研究热点.在广泛调研场景自动生成方法领域研究成...     

自动驾驶汽车在城市道路上面临的主要场景挑战

基于人类的自然驾驶数据、交通事故数据等信息提出的自动驾驶汽车技术要求和测试场景难以反映自动驾驶汽车特有的局限性和安全风险。文章从车辆视角出发,利用搭载高度自动驾驶功能的汽车开展了实际道路测试,并通过分析测试过程中遇到的危险场景和边缘场景,总结了城市道路环境下自动驾驶汽车在感知、定位、决策规划、控制执行和网联通信等方面存在的主要场景挑战。该研究成果弥补了基于人类驾驶数据开展相关研究的不足,能够为自动驾驶汽车的研发和基于场景的测试验证提供参考。     

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。     

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。     

电动汽车复合制动控制研究现状综述

电动汽车复合制动由电机再生制动与机械摩擦制动两部分构成,其控制性能直接影响车辆的能量利用效率、制动安全性以及舒适性。围绕静态制动转矩分配控制、动态复合制动协调控制、制动换挡控制、智能辅助驾驶中的复合制动控制4个方面的研究现状与关键技术展开综述,并对复合制动控制未来研究方向进行了展望。对文献的梳理分析表明：制动转矩分配决定着复合制动系统能量回收能力与车辆制动稳定性,基于规则的分配策略面对复杂多变工况自适应性欠佳,而基于优化的分配策略各方面性能表现良好,但需要兼顾控制实时性与优化效果;利用电机响应迅速与控制精确的优势完成复合制动协调控制,能够提升制动模式切换过渡工况与紧急制动工况的控制性能,改善驾驶舒适性;制动过程中实施合理换挡可以进一步提升能量回收效率,同时通过补偿控制解决换挡过程中动力中断和转矩冲击等问题,保证换挡平顺性;随着电动汽车智能化和网联化发展,复合制动控制与驾驶人辅助系统相结合有助于在保证系统功能的同时实现能量回收效益最大化。     

分布式电驱动车辆力矩分配控制研究现状综述

分布式电驱动车辆具有控制灵活度高、传动链短、结构紧凑、传动效率高、空间布置利用率高等特点,独特的结构特点与驱动方式令其在充分挖掘车辆动力学控制潜力、增强车辆安全性、提升驱动效率、简化底盘结构等方面带来明显的技术革新,为高性能车辆控制技术提供硬件载体.然而,作为过驱动、多约束、车辆纵向-横向-垂向运动行为强非线性耦合系统...     

无人驾驶汽车路径跟踪控制方法拟人程度研究

无人驾驶汽车路径跟踪控制是无人驾驶汽车运动控制的核心所在,目前常用的路径跟踪模型主要以路径跟踪精度为主要控制目标,在很大程度上忽略了无人驾驶汽车的乘坐舒适性和控制的拟人程度。为了研究无人驾驶汽车路径跟踪控制算法的拟人程度并提高乘坐舒适性,基于转向几何学、汽车运动学和汽车动力学理论建立实车中常用的4种路径跟踪模型,提出以路径跟踪过程中的最大横向加速度a_ymax和方向盘转角平方和δ_w²共同表征路径跟踪模型的拟人程度和横向乘坐舒适性。基于驾驶人实车换道试验数据,建立多项式拟人换道参考路径,搭建CarSim/Simulink联合仿真模型,并对其进行不同车速下的车辆换道试验。研究结果表明：路径跟踪模型的横向循迹偏差均会随着车速的提高而增加,但都能较好实现路径跟踪;带预瞄路径跟踪模型和动力学前馈最优LQR路径跟踪模型拟人程度较好;汽车运动学路径跟踪模型的乘坐舒适性最差,方向盘修正激烈;在100 km·h^-1,a_ymax>0.7 m·s^-2,δ_w²>2.7×10³时,拟人程度最差;不带预瞄路径跟踪模型循迹精度最高,且拟人程度最高,乘坐舒适性最好,120 km·h^-1时,a_ymax ≤ 0.5 m·s^-2。