靳聰 郭強 侯學(xué)軼 蔣海波

（中國北方車輛研究所，北京 100072）

主題詞：智能網(wǎng)聯(lián)車輛 智能駕駛 測試方法 測試場景 技術(shù)路線

縮略語

ADAS Advanced Driver Assistance Systems（先進(jìn)駕駛輔助系統(tǒng)）

V2X Vehicle To Everything（車輛與萬物互聯(lián)）

AI Artificial Intelligence（人工智能）

DA Driver Assistance（駕駛輔助）

PA Partial Automation（部分智能駕駛）

CA Conditional Automation（有條件智能駕駛）

HA Highly Automation（高度智能駕駛）

FA Fully Automation（完全智能駕駛）

CMOS Complementary Metal Oxide Semiconductor（互補型金屬氧化物半導(dǎo)體）

DSP Digital Signal Processor（數(shù)字信號處理器）

ACC Adaptive Cruise Control（自適應(yīng)巡航控制系統(tǒng)）

AEB Autonomous Emergency Braking（自動緊急制動系統(tǒng)）

LDW Lane Departure Warning（車道偏離預(yù)警系統(tǒng)）

LKA Lane-Keeping Assistance（車道保持輔助系統(tǒng)）

BSD Blind Spot Detection（盲點監(jiān)測系統(tǒng)）

CCRs Car To Car Rear Stationary（自車對前方靜止車輛的工況）

CCRb Car To Car Rear Moving（自車對前方勻速運動車輛的工況）

CCRm Car To Car Rear Braking（自車對前方減速運動車輛的工況）

TTC Time To Collision（碰撞時間）

RTK Real-Time Kinematic（實時動態(tài)）

1 前言

近年來，低下的移動出行效率以及頻發(fā)的交通事故已成為當(dāng)前交通事業(yè)發(fā)展面臨的最艱巨的挑戰(zhàn)，高度復(fù)雜的道路交通場景對智能駕駛汽車的安全性提出了更高的要求，使車輛駕駛?cè)藛T從駕駛和擁堵中解放出來成為汽車行業(yè)需要面臨和解決的一個關(guān)鍵問題。在工業(yè)4.0和第4次工業(yè)革命的大背景下，汽車經(jīng)過不斷發(fā)展，逐步進(jìn)入電動化和智能化時代，汽車技術(shù)呈現(xiàn)出了成熟的主動安全系統(tǒng)，輔助或代替了駕駛員的一部分工作。尤其隨著人工智能（AI）技術(shù)及相關(guān)算法的不斷成熟，智能駕駛乃至無人駕駛逐步成為可能，伴隨著對汽車安全及運行效率要求的不斷提高，許多傳統(tǒng)的整車企業(yè)紛紛制定智能化發(fā)展路線和戰(zhàn)略，相關(guān)技術(shù)及產(chǎn)業(yè)領(lǐng)域的市場前景巨大[1-2]。車輛智能駕駛功能即以車載傳感器信號為基礎(chǔ)，進(jìn)行感知、決策、執(zhí)行控制等過程，實現(xiàn)車輛對于周圍環(huán)境的判斷和輔助功能，可以說智能駕駛汽車及相關(guān)技術(shù)會帶來巨大的社會效益和經(jīng)濟發(fā)展效益。

區(qū)別于占當(dāng)今社會主體的有人駕駛車輛，智能網(wǎng)聯(lián)汽車作為多產(chǎn)業(yè)深度融合的綜合性載體，是未來汽車產(chǎn)業(yè)重要的發(fā)展戰(zhàn)略方向和實現(xiàn)創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略的重要抓手，美國、歐洲、日本和韓國等工業(yè)大國均高度重視智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)，紛紛制定國家戰(zhàn)略來推動智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)的發(fā)展[3-4]。美國與歐洲多國走在智能網(wǎng)聯(lián)產(chǎn)業(yè)發(fā)展前端，積極推動智能駕駛測評工作，并編制了很多相關(guān)技術(shù)標(biāo)準(zhǔn)規(guī)范，日本、新加坡等國跟隨其后，利用國家的優(yōu)勢技術(shù)，積極開展場景建設(shè)及智能駕駛測評方法研究。我國的智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)雖起步較晚，但在國家政策的有力支持下，近年來相關(guān)部委也在積極推進(jìn)智能駕駛測試基地的建設(shè)?？傮w來講，在汽車產(chǎn)業(yè)不斷變革的大背景下，智能網(wǎng)聯(lián)汽車以及智能駕駛車輛在近幾年發(fā)展勢頭迅猛，其已經(jīng)成為中國汽車產(chǎn)業(yè)發(fā)展的新目標(biāo)，無論是國家政府機關(guān)、行業(yè)機構(gòu)，還是整車、設(shè)備廠家均極其重視相關(guān)產(chǎn)業(yè)和技術(shù)的發(fā)展，各大企業(yè)和公司在智能駕駛汽車的傳感、控制、執(zhí)行以及ADAS研發(fā)、車聯(lián)網(wǎng)V2X研究等方面都有重要的技術(shù)延伸和平臺布局。

當(dāng)前，智能網(wǎng)聯(lián)汽車技術(shù)存在兩條發(fā)展路徑現(xiàn)狀。一條是優(yōu)先發(fā)展車載智能方向，有限布局基礎(chǔ)設(shè)施；另外一條是智能汽車和智能道路協(xié)同發(fā)展的車路一體化路徑。當(dāng)前國外大部分選擇第一條技術(shù)路徑，我國則更多的選擇第二條技術(shù)路徑，緣由在于充分利用我國在5G互聯(lián)通信、道路基礎(chǔ)設(shè)施等方面的優(yōu)勢，在大力發(fā)展智能車輛的同時，形成商業(yè)應(yīng)用的模式，以此可以不斷推動我國智能網(wǎng)聯(lián)汽車和相關(guān)產(chǎn)業(yè)的發(fā)展，推進(jìn)智能網(wǎng)聯(lián)汽車更好地走進(jìn)廣闊市場。

本文對智能網(wǎng)聯(lián)車輛技術(shù)路線及測試方法進(jìn)行了綜述，較為全面的分析了智能網(wǎng)聯(lián)汽車技術(shù)架構(gòu)及需要在相關(guān)安全性測試時考慮的因素。同時對智能網(wǎng)聯(lián)汽車相關(guān)基礎(chǔ)性概念、技術(shù)研究方案等做出比較詳細(xì)的介紹，提供了有關(guān)方面的技術(shù)參考。

2 智能網(wǎng)聯(lián)車輛測試分析

2.1 智能駕駛等級劃分

當(dāng)前，智能駕駛等級標(biāo)準(zhǔn)劃分仍然遵循國際通用標(biāo)準(zhǔn)，依據(jù)不同車輛和駕駛員在車輛控制方面的作用和職責(zé)，在決策控制方面可以區(qū)分為“輔助控制類”和“自動控制類”，分別對應(yīng)不同等級的決策控制[5-6]。其中，輔助控制類主要指車輛利用各類電子技術(shù)輔助駕駛員進(jìn)行車輛控制，如橫向控制、縱向控制及其組合模式，可分為駕駛輔助（DA，L1級）和部分智能駕駛（PA，L2級）；自動控制類則根據(jù)車輛自主控制以及替代人員進(jìn)行駕駛的場景和條件進(jìn)一步細(xì)分為有條件智能駕駛（CA，L3級）、高度智能駕駛（HA，L4級）和完全智能駕駛（即無人駕駛FA，L5級）[7]。

2.2 環(huán)境感知和觀察能力

智能汽車ADAS系統(tǒng)需求旺盛，作為其關(guān)鍵技術(shù)的感知傳感器，其功能、性能及成本會直接影響ADAS發(fā)展。自車感知性能指的就是通過各類傳感器獲取周圍環(huán)境信息的能力，當(dāng)前ADAS測試系統(tǒng)常用的物理傳感器包括超聲波雷達(dá)、激光雷達(dá)、毫米波雷達(dá)、單機/立體攝像頭、高精度數(shù)字定位地圖等。上述各種傳感器的優(yōu)缺點如下方的表1所示。

車載攝像頭與消費電子攝像頭結(jié)構(gòu)類似，是將鏡頭組、CMOS芯片封裝為模組，并和數(shù)字信號處理器（Digital Signal Processor，DSP）集成，其應(yīng)用場景較多，可以實現(xiàn)先進(jìn)行車輔助（行車記錄儀、ADAS）、駐車輔助（全車環(huán)視）與車內(nèi)人員監(jiān)控（人臉識別技術(shù)）等功能。單目攝像頭一般安裝在前擋風(fēng)玻璃上部，用于探測前方路況，識別周邊車輛、行人等信息，廣泛應(yīng)用于前碰撞預(yù)警、行人監(jiān)測、車道偏離預(yù)警等功能中，由于其成本低廉，技術(shù)成熟，目前被廣泛搭載于智能車輛上，仍然是當(dāng)前和未來市場的應(yīng)用主流。

表1 主要物理傳感器的優(yōu)缺點

毫米波雷達(dá)原理是向周圍發(fā)射無線電，通過測定和分析反射波以計算障礙物的距離和方向。無線電的波長范圍在1～10 mm，頻率范圍在30～300 GHz，當(dāng)下主流的車載毫米波雷達(dá)有24 GHz和77 GHz兩個頻段，24 GHz多用于短/中距離測量，77 GHz用于中/長距離測量，由于77 GHz毫米波雷達(dá)性能優(yōu)于24 GHz，故未來前者將是主流的應(yīng)用頻段。

激光雷達(dá)（Lidar）原用于測繪，其測距原理與雷達(dá)相似，Lidar系統(tǒng)通過測量3D空間每個像素到發(fā)射器間的方向和距離，創(chuàng)建出真實世界完整的3D模型，它是一種用于精確獲得目標(biāo)三維位置信息（距離、方位和高度）和運動狀態(tài)的傳感器，可實現(xiàn)對目標(biāo)的檢測、跟蹤和分類[8]。由于激光雷達(dá)在分辨率、抗干擾能力、獲取信息量、全天時工作能力等方面具有顯著的競爭優(yōu)勢，因此一般認(rèn)為L4級別以上的智能駕駛車輛必備激光雷達(dá)裝置。

高精度地圖用來實現(xiàn)智能駕駛超視距控制。在智能駕駛車輛上，傳感器取代了人眼，成為智能駕駛車輛的眼睛。傳感器的作用是不斷識別周圍的環(huán)境，由此來確定周圍的車況。激光雷達(dá)、攝像機掃描到的數(shù)據(jù)精度很高，普通民用導(dǎo)航電子地圖的絕對坐標(biāo)精度大約在10 m左右，同時GPS設(shè)備的定位精度也在10 m左右，對于駕駛員來說這已足夠用，但還完全無法滿足傳感器的要求。高精度地圖提供了道路中的車道線、交通標(biāo)志所在區(qū)域以及周圍環(huán)境等信息，在高精度地圖的基礎(chǔ)上智能駕駛進(jìn)行定位，才能具有更好地決策效果。

采用功能全面的多源傳感器信息融合方式對目標(biāo)物進(jìn)行探測可以更有效的實現(xiàn)環(huán)境感知[9]，提高對周圍環(huán)境事物的觀察、檢測能力，以便可以更好的加速ADAS系統(tǒng)乃至智能駕駛汽車的開發(fā)測試與評價的過程。該方式已經(jīng)成為當(dāng)前自主研發(fā)ADAS產(chǎn)品的主要方案，獲得了廣泛的應(yīng)用。

2.3 先進(jìn)駕駛輔助系統(tǒng)（ADAS）測試技術(shù)

2.3.1 ADAS測試工況

圖1 ADAS研發(fā)測試工況

高級駕駛輔助系統(tǒng)是一種基于AI算法來進(jìn)行智能圖像處理與分析的主動安全技術(shù)，它可以用來在緊急情況下提醒駕駛?cè)藛T以避免發(fā)生車道偏離、車輛碰撞等潛在危險事故，由此增加車輛駕駛的安全性[10]。目前，隨著智能車發(fā)展勢頭迅猛，能夠支撐環(huán)境感知、決策預(yù)警和智能控制等核心功能及性能評估的先進(jìn)駕駛輔助系統(tǒng)（ADAS）測試標(biāo)準(zhǔn)體系正在進(jìn)行建設(shè)并逐步成熟，同時針對AEB、LKA等系統(tǒng)設(shè)計了一系列的相關(guān)試驗場景。由圖1可以看出，先進(jìn)駕駛輔助系統(tǒng)測試工況包括AEB、ACC、LKA、BSD等L1級系統(tǒng)測試和L2級多系統(tǒng)橫、縱向的組合測試，其中，AEB系統(tǒng)是由試驗場景規(guī)劃的不同分為對靜止目標(biāo)車（CCRs）和對移動目標(biāo)車（CCRm/CCRb）的測試，LDW與LKA系統(tǒng)可以分為一定速度下的車道偏離測試和誤警測試[11-12]。表2為針對ADAS不同測試工況下的應(yīng)用介紹。

表2 ADAS技術(shù)不同測試工況下的應(yīng)用

2.3.2 ADAS系統(tǒng)測試設(shè)備

在車輛上搭載獨立的具備高精度定位功能的數(shù)據(jù)采集系統(tǒng)和各類應(yīng)用傳感器，可以對自車車行數(shù)據(jù)和目標(biāo)車車行數(shù)據(jù)進(jìn)行實時同步采集[13-15]。常用的ADAS系統(tǒng)測試工具裝置[13]如圖2所示。

圖2 ADAS系統(tǒng)測試設(shè)備及裝置

由圖2可以看到，在ADAS性能試驗和智能駕駛系統(tǒng)技術(shù)的研究中，現(xiàn)用的主要測試設(shè)備包括圖2（b）ABD SR60驅(qū)動機器人(包括轉(zhuǎn)向、換擋、制動油門組合機器人)和車載數(shù)據(jù)處理器、圖2（d）英國的RT 3002基站（高精度陀螺儀）、圖2（e）油門/制動加速器組合機器人，上述設(shè)備均安裝在圖2（c）所示的自車裝置內(nèi)。其中，英國ABD轉(zhuǎn)向機器人和相應(yīng)的基站設(shè)施可以實現(xiàn)對試驗車輛行駛軌跡的精確控制，油門/制動加速器組合機器人實現(xiàn)對車速的精確控制，雙總線通訊模塊RT-range裝置可以實現(xiàn)對測試車與目標(biāo)車的車速、相對距離和減速速度的有效控制，進(jìn)而能夠有效的控制碰撞時間TTC的采集精度，滿足試驗測試精度的要求。為了保證試驗研究的安全，必須采用符合要求的氣球車，目前該測試設(shè)備主要依賴于由德國進(jìn)口的已通過歐洲（Euro）-NCAP認(rèn)證的目標(biāo)氣球車，如圖2（a）所示。

另外，在車輛內(nèi)部還可以搭載RTK實時動態(tài)定位儀器裝置，使用GPS的載波相位觀察測量，并且利用移動站和參考站之間觀測誤差的空間相關(guān)性，采用差分的方式消除移動站觀測數(shù)據(jù)中的大部分誤差，從而實現(xiàn)高精度定位。通過與高精度地圖技術(shù)的相互配合，車載RTK技術(shù)能夠在中短基線的情況下實現(xiàn)5 cm以內(nèi)精度的定位，并通過雙天線定向板卡做到精確的監(jiān)測汽車自身的位置、姿態(tài)及周圍路況信息，這對于智能駕駛車輛汽車實現(xiàn)全局路徑規(guī)劃，先見性預(yù)測以及車輛本身的精確控制均有很大的幫助，同時也在最大程度上避免了急剎車，急加速及其他眾多復(fù)雜且具有潛在危險的交通事故的發(fā)生。

2.3.3 ADAS測試方法實例

選取緊急自動剎車（AEB）測試工況作為典型實例，對其測試方法進(jìn)行分析，其動態(tài)試驗場景如圖3所示，該場景主要用于評價主車對于前方靜止車輛或減速車輛的識別能力和在緊急情況下的車輛自動安全制動功能。試驗過程中，兩車位于相同車道并加速到表3中要求的速度，且主車車頭距離目標(biāo)車車尾150 m時，試驗正式開始。

圖3 AEB動態(tài)試驗場景圖

表3 AEB試驗實施表

試驗的具體實施方法如下，其中（1）～（3）為目標(biāo)車勻速狀態(tài)下的測試，（4）為目標(biāo)車變速狀態(tài)下的測試。

（1）目標(biāo)車在試驗道路中間，以30 km/h的勻速行駛或者以40 km/h的初速度進(jìn)行加速度±4 m/s2變速行駛；

（2）主車分別以70 km/h、60 km/h、50 km/h的勻速行駛；

（3）主車逐漸接近目標(biāo)車，兩車間距150 m時開始記錄試驗數(shù)據(jù)，直到主車自動減速并在保持一定距離下跟隨目標(biāo)車后行駛，則試驗結(jié)束；

（4）在目標(biāo)車變速行駛過程中，主車先減速并穩(wěn)定跟隨目標(biāo)車行駛2 s后，目標(biāo)車開始變速行駛。主車根據(jù)目標(biāo)車的車速自動調(diào)節(jié)自身車速，并保持與目標(biāo)車相對縱向位置不變，直至目標(biāo)車減速為零，主車自動跟停，則試驗結(jié)束。

此項試驗的判定方法為：當(dāng)主車可以隨著目標(biāo)車的速度情況進(jìn)行變速行駛，并保持與目標(biāo)車有一定的距離，最后可以跟隨目標(biāo)車減速為零，同時在試驗過程中，由主車與目標(biāo)車的車距和相對車速獲得的碰撞時間TTC的數(shù)值滿足相應(yīng)的指標(biāo)要求，則試驗結(jié)論為通過。

2.4 V2X車聯(lián)網(wǎng)系統(tǒng)測試技術(shù)

智能網(wǎng)聯(lián)汽車除了依靠本車的物理傳感器實現(xiàn)周邊狀態(tài)的感知外，還能夠通過基于車聯(lián)網(wǎng)的V2X通信技術(shù)來獲知周邊更大范圍內(nèi)的其他車輛環(huán)境和道路交通狀況信息，做到更高程度的自動化與智能化[16-18]?？梢哉f，雖然在實際應(yīng)用的準(zhǔn)確性方面ADAS擁有一定的優(yōu)勢，但是V2X技術(shù)可以很好的解決ADAS技術(shù)沒有處理好的視線范圍問題[19-21]。

圖4 V2X車聯(lián)網(wǎng)系統(tǒng)技術(shù)架構(gòu)[19]

V2X車聯(lián)網(wǎng)技術(shù)系統(tǒng)架構(gòu)[19]如圖4所示，可以看出，V2X車聯(lián)網(wǎng)系統(tǒng)由數(shù)據(jù)管理系統(tǒng)、車載系統(tǒng)和路測系統(tǒng)三個基礎(chǔ)系統(tǒng)組成，且三者之間可以實現(xiàn)相互通信。其中，路測系統(tǒng)包括路測通信系統(tǒng)、傳感器檢測系統(tǒng)、交通信息控制系統(tǒng)，車載系統(tǒng)包括車載定位系統(tǒng)、車載通信系統(tǒng)、車載診斷系統(tǒng)。

V2X通信傳感系統(tǒng)作為一種主動安全技術(shù)，一方面通過V2V、V2I等通信技術(shù)獲得道路交通狀態(tài)和其他車輛以及交通參與者的信息，另一方面可以將本車的相關(guān)操縱狀態(tài)信息發(fā)給其他車輛和其他交通參與者，它可以使汽車獲取更大范圍的感知能力，發(fā)現(xiàn)潛在的安全風(fēng)險，并且優(yōu)化路徑規(guī)劃?？傮w來說，該技術(shù)就是基于車-車、車-路、車-人、車-后臺的通信，實時并可靠的獲取車輛周邊交通環(huán)境信息及車輛決策信息，形成車-車、車-路等各交通參與者之間的聯(lián)網(wǎng)協(xié)同決策與控制。汽車網(wǎng)聯(lián)化的等級劃分[17]如下方的表4所示。

圖5為V2X系統(tǒng)測試設(shè)備示意圖[16]，V2X系統(tǒng)測試與ADAS系統(tǒng)測試方法類似，目前基于車聯(lián)網(wǎng)V2X技術(shù)的協(xié)同式駕駛輔助技術(shù)正在進(jìn)行實用性技術(shù)開發(fā)和一定規(guī)模的仿真設(shè)計以及試驗場景測試，智能網(wǎng)聯(lián)車輛安全運行測試管理規(guī)范也在進(jìn)行相應(yīng)的制定。

表4 汽車網(wǎng)聯(lián)化的等級劃分[17]

圖5 V2X系統(tǒng)測試設(shè)備及裝置示意[16]

另外，目前的民用智能網(wǎng)聯(lián)車輛主要進(jìn)行5G定位系統(tǒng)的開發(fā)，利用它可以基本做到實時精確且可靠的車道定位、車輛的狀態(tài)行為以及路況等信息的采集，避免重大交通事故的發(fā)生[22]。當(dāng)前的無人駕駛必須建立在5G通訊網(wǎng)絡(luò)的情況下才可以實現(xiàn)，這是車聯(lián)網(wǎng)的必要條件，相應(yīng)道路需要實現(xiàn)5G信號全覆蓋。進(jìn)一步來說，主車周圍的目標(biāo)車將各自所在的位置信息上傳到5G互聯(lián)網(wǎng)絡(luò)，主車進(jìn)而接收到他們的位置信息并回傳自身的信息狀態(tài)，然后電腦根據(jù)獲得的數(shù)據(jù)自主判斷并制定下一步的行駛方案?？傮w來講，隨著5G技術(shù)的大力推進(jìn)和應(yīng)用，V2X技術(shù)以及智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)也會隨之不斷快速的創(chuàng)新發(fā)展。

3 智能網(wǎng)聯(lián)車輛技術(shù)架構(gòu)與路線分析

圖6和圖7分別表示為智能網(wǎng)聯(lián)汽車技術(shù)架構(gòu)和測試流程結(jié)構(gòu)框架圖，可以看到，智能網(wǎng)聯(lián)車輛的測試主要包括安全性測試和一般專項性能測試兩方面，其中，安全性測試包括針對功能安全性和信息安全性的測試，且二者均需要進(jìn)行硬件在環(huán)測試，即對智能網(wǎng)聯(lián)汽車系統(tǒng)及零部件的測試，可以說，功能安全和信息安全是智能網(wǎng)聯(lián)汽車安全問題的核心技術(shù)難點，直接影響著智能網(wǎng)聯(lián)汽車的未來市場前景和發(fā)展。智能網(wǎng)聯(lián)車輛可以自主操縱油門和制動、方向（轉(zhuǎn)向）及擋位等信息，并且可以實時監(jiān)測車輛行駛的數(shù)據(jù)狀態(tài)，操作方便也更加精確，汽車智能化技術(shù)的進(jìn)步必然會讓交通事故死亡率得到顯著下降。智能駕駛汽車具有自身的特點，主要表現(xiàn)為其對環(huán)境更為敏感，對周圍物理狀態(tài)的把握相比較駕駛?cè)藛T更準(zhǔn)確，但是智能網(wǎng)聯(lián)汽車車輛還缺乏像人類駕駛員一樣的靈活應(yīng)變能力[23]。

圖6 智能網(wǎng)聯(lián)汽車技術(shù)架構(gòu)

另外，當(dāng)前存在兩種智能網(wǎng)聯(lián)汽車的研發(fā)技術(shù)路線，二者的導(dǎo)向與本質(zhì)是不同的。以傳統(tǒng)車企為主的ADAS升級路線，即以圖6中的車輛共性關(guān)鍵技術(shù)作為切入點，經(jīng)測試評價逐步增加駕駛中的自動處理技術(shù)項目來提升車輛的安全性，其本質(zhì)在于車輛功能的發(fā)展與輔助功能的增加，為客戶提供更好的體驗。以互聯(lián)網(wǎng)企業(yè)為主導(dǎo)的無人駕駛路線，即以圖6中的信息交互關(guān)鍵技術(shù)作為切入點，經(jīng)過相關(guān)測試評價（圖7），從特定環(huán)境下的智能駕駛逐步切入到全區(qū)域條件下的高度智能駕駛，其本質(zhì)在于基于AI領(lǐng)域的探索創(chuàng)新從而實現(xiàn)移動式的服務(wù)機器人。

圖7 智能網(wǎng)聯(lián)汽車測試流程結(jié)構(gòu)框架

4 智能網(wǎng)聯(lián)車輛測試場景庫的建設(shè)

試驗場景的構(gòu)建分為實車動態(tài)場景組合構(gòu)建和靜態(tài)場景組合構(gòu)建[24-27]。圖8為測試場景庫構(gòu)建圖，可以看到，場景的提煉及分類主要是基于動態(tài)場景組合（如機動車輛、非機動車輛和行人等）和靜態(tài)場景組合（如天氣、光線、樹林、壕溝、電磁環(huán)境等）兩方面內(nèi)容。

圖8 測試場景庫構(gòu)建

圖9 測試場景的模型構(gòu)建流程

圖9 為測試場景模型構(gòu)建流程圖。測試場景設(shè)計構(gòu)建的基本要素包括道路環(huán)境要素、天氣與光照環(huán)境、交通信號識別、工作條件等內(nèi)容，同時基于車輛的機動性、安全性等不同方面的內(nèi)容可以擴展許多試驗場景。場景庫的構(gòu)建需要通過MIL模型仿真、MATLAB/SIL軟件仿真設(shè)計和相應(yīng)的軟、硬件在環(huán)測試以及大量試驗場景數(shù)據(jù)的積累，同時也需要通過不同車輛以及不同工況的實車系統(tǒng)測試，針對相關(guān)測試研究方法不斷加以驗證。

圖10 特殊的測試場景

圖10 所示為特殊典型的測試場景示例。其中,

（a）表示為對向兩輪車沖突場景;

（b）為兩輪車右側(cè)橫穿沖突場景;

（c）為兩輪車左側(cè)橫穿沖突場景;

（d）為左轉(zhuǎn)車輛沖突場景;

（e）為對向車輛沖突場景;

（f）為同向車輛沖突場景;

（g）為主車隨前車減速以及自車與目標(biāo)車跟隨場景。

根據(jù)車輛的機動性、安全性等方面，動態(tài)的測試場景主要包括目標(biāo)車與主車垂直碰撞場景、交叉路口場景、小目標(biāo)場景、目標(biāo)車與主車水平碰撞場景、目標(biāo)車與主車跟隨保持場景、目標(biāo)車超越主車的場景等。同時，通過仿真設(shè)計和試驗驗證可以不斷優(yōu)化與完善測試場景的建設(shè)。

同時，根據(jù)真實交通數(shù)據(jù)對場景進(jìn)行重建，進(jìn)而提煉出危險場景即道路安全臨界事件，形成智能駕駛虛擬/場地測試場景庫，再通過實車的開發(fā)測試，能夠加快ADAS相關(guān)測試與評價，由此可以縮短實際智能駕駛車輛研發(fā)測試與評價的歷程。

5 結(jié)束語

隨著智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)及相關(guān)技術(shù)的快速發(fā)展，建立比較完備的智能網(wǎng)聯(lián)汽車以及智能駕駛車輛運行安全性測試評價體系已經(jīng)成為重要的課題，同時ADAS系統(tǒng)與V2X系統(tǒng)測試技術(shù)在不斷發(fā)展，相關(guān)標(biāo)準(zhǔn)規(guī)范也在不斷的進(jìn)行完善。本文對智能網(wǎng)聯(lián)車輛技術(shù)路線和架構(gòu)以及有關(guān)測試方法進(jìn)行綜述，基于對測試場景的建設(shè)規(guī)劃和有關(guān)智能網(wǎng)聯(lián)車輛測試評價的平臺建設(shè)發(fā)展的介紹，提出可以科學(xué)的評判智能網(wǎng)聯(lián)車輛的安全性、機動性、可靠性、通信性、智能性等性能的方式方法，為智能網(wǎng)聯(lián)汽車乃至未來的無人駕駛車輛的研究提供了科學(xué)且比較系統(tǒng)全面的技術(shù)參考。