導(dǎo)

語(yǔ)

搭載自動(dòng)駕駛功能的智能網(wǎng)聯(lián)汽車因可在其設(shè)計(jì)運(yùn)行條件內(nèi)承擔(dān)全部動(dòng)態(tài)駕駛?cè)蝿?wù)，面臨安全驗(yàn)證與評(píng)估挑戰(zhàn)?；趫?chǎng)景的智能網(wǎng)聯(lián)汽車安全測(cè)試評(píng)估方法已成為廣泛的行業(yè)共識(shí)，模擬仿真測(cè)試是其重要手段之一。從第三方視角，針對(duì)自動(dòng)駕駛安全性、高場(chǎng)景覆蓋度、邏輯完備性等測(cè)試驗(yàn)證目標(biāo)，搭建基于軟件在環(huán)的模擬仿真測(cè)試環(huán)境框架，在此基礎(chǔ)上研究基于設(shè)計(jì)運(yùn)行條件覆蓋的測(cè)試場(chǎng)景集構(gòu)建方法，探索形成一套高可信智能網(wǎng)聯(lián)汽車模擬仿真測(cè)試評(píng)估方法，并在特定應(yīng)用場(chǎng)景進(jìn)行初步實(shí)踐。研究成果為模擬仿真測(cè)試在智能網(wǎng)聯(lián)汽車安全測(cè)試與評(píng)估中的落地應(yīng)用提供了參考。

隨著自動(dòng)駕駛技術(shù)的快速發(fā)展，智能網(wǎng)聯(lián)汽車在改善出行的同時(shí)，預(yù)期功能安全等新的安全風(fēng)險(xiǎn)也日益凸顯。為實(shí)現(xiàn)“與人類駕駛安全性能相比具有正向風(fēng)險(xiǎn)平衡”的目標(biāo)[1]，智能網(wǎng)聯(lián)汽車面臨海量場(chǎng)景測(cè)試挑戰(zhàn)[2]。與實(shí)車測(cè)試方法相比，模擬仿真測(cè)試以其高效率、低成本、高安全、高覆蓋度等優(yōu)勢(shì)，成為測(cè)試驗(yàn)證系統(tǒng)安全的重要支柱之一[3-4]，在智能網(wǎng)聯(lián)汽車綜合安全評(píng)估中發(fā)揮著至關(guān)重要的作用。 國(guó)內(nèi)外學(xué)者、機(jī)構(gòu)在模擬仿真測(cè)試方法、測(cè)試場(chǎng)景、仿真建模、工具鏈可信度等方面已開展大量基礎(chǔ)研究工作[5-8]。針對(duì)產(chǎn)品的不同階段，不同類型的模擬仿真測(cè)試方法不僅應(yīng)用于智能網(wǎng)聯(lián)汽車開發(fā)過程，在產(chǎn)品驗(yàn)證、確認(rèn)和評(píng)估中也逐步扮演重要角色。聯(lián)合國(guó)在針對(duì)L3自動(dòng)駕駛功能自動(dòng)車道保持系統(tǒng)（Automated Lane Keeping Systems，ALKS）的型式批準(zhǔn)法規(guī)中提出可以采用模擬仿真測(cè)試的手段進(jìn)行測(cè)試驗(yàn)證，并對(duì)仿真工具、模型等提出相關(guān)要求[9-10]，日本在其型式批準(zhǔn)實(shí)施中明確引入軟件在環(huán)（Software-in-the-loop，SIL）和硬件在環(huán)（Hardware-in-the-loop，HIL）測(cè)試[11]。聯(lián)合國(guó)自動(dòng)駕駛驗(yàn)證方法非正式工作組（VMAD IWG）提出的新測(cè)試評(píng)估方法（NATM）中要求使用經(jīng)驗(yàn)證的仿真工具鏈，進(jìn)行模擬仿真測(cè)試來評(píng)估自動(dòng)駕駛系統(tǒng)（Automated Driving System，ADS）安全性，并提出SIL測(cè)試適用于駕駛安全及關(guān)鍵安全場(chǎng)景評(píng)估[12]。歐盟在關(guān)于自動(dòng)駕駛系統(tǒng)型式批準(zhǔn)要求的法規(guī)草案中明確可以采用模擬仿真、封閉場(chǎng)地和實(shí)際道路等測(cè)試方法，并引入聯(lián)合國(guó)關(guān)于模擬仿真測(cè)試可信度研究的成果[13]。ISO制定的車輛動(dòng)力學(xué)仿真模型及測(cè)試方法等相關(guān)標(biāo)準(zhǔn)，為車輛動(dòng)力學(xué)仿真測(cè)試驗(yàn)證提供基礎(chǔ)[14-15]。Sch?ner[16]等研究提出SIL測(cè)試是解決復(fù)雜和困難場(chǎng)景下控制算法驗(yàn)證、行為和規(guī)則合規(guī)性驗(yàn)證的有效手段。國(guó)內(nèi)相關(guān)機(jī)構(gòu)從第方視角研究提出一套智能網(wǎng)聯(lián)汽車安全測(cè)試評(píng)估方法，并明確將模擬仿真測(cè)試用于評(píng)估智能網(wǎng)聯(lián)汽車在多樣化場(chǎng)景和復(fù)雜條件下的功能及性能驗(yàn)證[17]。以上研究表明，隨著技術(shù)的成熟，模擬仿真測(cè)試能為智能網(wǎng)聯(lián)汽車安全測(cè)試評(píng)估提供重要支撐，其中，SIL測(cè)試以其低成本、低風(fēng)險(xiǎn)、高效率和高覆蓋度等優(yōu)勢(shì)，成為驗(yàn)證智能網(wǎng)聯(lián)汽車安全性，尤其功能不足和算法缺陷等問題的重要手段。 本文在國(guó)內(nèi)外模擬仿真測(cè)試技術(shù)研究以及相關(guān)實(shí)踐應(yīng)用的基礎(chǔ)上，結(jié)合我國(guó)智能網(wǎng)聯(lián)汽車安全管理需求，站在第三方視角，聚焦搭載自動(dòng)駕駛功能的智能網(wǎng)聯(lián)汽車產(chǎn)品安全，提出一套基于SIL的模擬仿真測(cè)試評(píng)估方法，重點(diǎn)從模擬仿真測(cè)試環(huán)境框架、基于設(shè)計(jì)運(yùn)行條件（Operational Design Condition，ODC）覆蓋的測(cè)試場(chǎng)景集生成方法、測(cè)試環(huán)境可信度驗(yàn)證與評(píng)估等方面進(jìn)行分析。此外，對(duì)模擬仿真測(cè)試驗(yàn)證評(píng)估流程進(jìn)行研究梳理，并針對(duì)自動(dòng)駕駛系統(tǒng)特定場(chǎng)景應(yīng)用開展初步的測(cè)評(píng)實(shí)踐。

1

模擬仿真測(cè)試方法研究

1.1模擬仿真測(cè)試總體框架

模擬仿真測(cè)試方法以自動(dòng)駕駛功能定義、ODC、安全要求等測(cè)試輸入為基礎(chǔ)，從測(cè)試環(huán)境搭建、覆蓋ODC的測(cè)試場(chǎng)景集構(gòu)建以及可信度驗(yàn)證與評(píng)估三個(gè)方面開展具體研究，總體研究框架如圖1所示。

圖1 基于場(chǎng)景的智能網(wǎng)聯(lián)汽車模擬仿真測(cè)試總體研究框架

1.2模擬仿真測(cè)試輸入

模擬仿真測(cè)試輸入包括被測(cè)算法及仿真模型、自動(dòng)駕駛功能定義及ODC、安全要求及接受準(zhǔn)則、企業(yè)模擬仿真自測(cè)數(shù)據(jù)等。

（1）被測(cè)算法及仿真模型：提供待測(cè)試驗(yàn)證的自動(dòng)駕駛算法，以及搭載自動(dòng)駕駛功能車型的車輛動(dòng)力學(xué)模型及參數(shù)，自動(dòng)駕駛系統(tǒng)相關(guān)的傳感器配置、模型及參數(shù)，并提供車輛動(dòng)力學(xué)模型和傳感器模型的可信度驗(yàn)證和評(píng)估證明。

（2）自動(dòng)駕駛功能定義及ODC[18-19]。

（3）安全要求及接受準(zhǔn)則[4]。安全要求包括對(duì)動(dòng)態(tài)駕駛?cè)蝿?wù)執(zhí)行、系統(tǒng)后援、危險(xiǎn)情況、系統(tǒng)失效等的要求。同時(shí)根據(jù)安全要求，制定合理的風(fēng)險(xiǎn)接受準(zhǔn)則。

（4）企業(yè)模擬仿真自測(cè)數(shù)據(jù)：提供企業(yè)模擬仿真自測(cè)關(guān)鍵數(shù)據(jù)，包括仿真測(cè)試場(chǎng)景集、測(cè)試工具鏈、仿真模型、仿真測(cè)試結(jié)果等。

1.3 模擬仿真測(cè)試環(huán)境搭建

模擬仿真測(cè)試以測(cè)試場(chǎng)景集為基礎(chǔ)，通過對(duì)環(huán)境、傳感器、車輛動(dòng)力學(xué)等模擬，搭建自動(dòng)駕駛系統(tǒng)測(cè)試所需的測(cè)試環(huán)境，實(shí)現(xiàn)自動(dòng)駕駛系統(tǒng)在模擬交通場(chǎng)景中的高效率、高覆蓋度測(cè)試。本文基于政策、法規(guī)、標(biāo)準(zhǔn)、工具等研究基礎(chǔ)，結(jié)合行業(yè)探索實(shí)踐[20]，以自動(dòng)駕駛算法為測(cè)試對(duì)象，構(gòu)建模擬仿真測(cè)試環(huán)境搭建的通用框架，如圖2所示。

圖2 模擬仿真測(cè)試環(huán)境框架

模擬仿真測(cè)試以基于ODC覆蓋的方法建立的測(cè)試場(chǎng)景集為輸入，導(dǎo)入傳感器模型（如需）和車輛動(dòng)力學(xué)模型，在場(chǎng)景覆蓋度分析、場(chǎng)景泛化策略分析等測(cè)試策略指導(dǎo)下，融合交通流模型（如需）提供的模擬交通流，通過場(chǎng)景解析、地圖解析、仿真運(yùn)算、模型耦合、時(shí)間同步等運(yùn)算處理實(shí)現(xiàn)對(duì)測(cè)試場(chǎng)景的模擬，建立自動(dòng)駕駛算法測(cè)試所需的測(cè)試環(huán)境。 在具體測(cè)試過程中，傳感器模型（如需）通過測(cè)試場(chǎng)景獲取道路、交通流、環(huán)境等信息，并將原始數(shù)據(jù)或目標(biāo)級(jí)數(shù)據(jù)輸入給自動(dòng)駕駛算法，自動(dòng)駕駛算法將經(jīng)過感知、規(guī)劃、決策、控制等模塊計(jì)算得到的車控指令輸入給車輛動(dòng)力學(xué)模型，以驗(yàn)證自動(dòng)駕駛算法功能的實(shí)現(xiàn)情況。模擬仿真測(cè)試還可以通過聯(lián)合仿真、并行仿真、自動(dòng)化測(cè)試等方式提高測(cè)試精度和效率。 完成具體測(cè)試后，仿真引擎將測(cè)試結(jié)果輸出至評(píng)價(jià)模塊，評(píng)價(jià)模塊基于指標(biāo)體系的量化指標(biāo)，進(jìn)行通過性分析，形成自動(dòng)駕駛算法模擬仿真測(cè)試評(píng)估結(jié)果。此外，通過對(duì)測(cè)試結(jié)果進(jìn)行分析，識(shí)別模擬仿真測(cè)試過程中的危險(xiǎn)場(chǎng)景和邊緣場(chǎng)景，為封閉場(chǎng)地測(cè)試場(chǎng)景選擇和實(shí)際道路測(cè)試道路的測(cè)試場(chǎng)景選擇提供依據(jù)。

1.4 模擬仿真測(cè)試場(chǎng)景集構(gòu)建

國(guó)內(nèi)外針對(duì)自動(dòng)駕駛系統(tǒng)安全性測(cè)試的場(chǎng)景集已開展廣泛研究與建設(shè)，如美國(guó)Mcity[21]、日本SAKURA[22]、英國(guó)MUSSIC[23]、智能網(wǎng)聯(lián)汽車場(chǎng)景數(shù)據(jù)服務(wù)平臺(tái)[24]等。 為滿足場(chǎng)景覆蓋度要求，測(cè)試場(chǎng)景集應(yīng)涵蓋ODC內(nèi)及邊界的各類場(chǎng)景，測(cè)試場(chǎng)景應(yīng)包括ODC涉及的各類場(chǎng)景要素，如道路、交通、天氣、車輛狀態(tài)等。首先基于自然駕駛、法規(guī)、標(biāo)準(zhǔn)、交通事故等多種數(shù)據(jù)來源，構(gòu)建由多源數(shù)據(jù)驅(qū)動(dòng)的基準(zhǔn)場(chǎng)景庫(kù)；然后對(duì)被測(cè)車輛自動(dòng)駕駛功能定義、ODC、安全要求等進(jìn)行分析，篩選測(cè)試邏輯場(chǎng)景，并確定相關(guān)參數(shù)取值區(qū)間和概率分布，形成測(cè)試場(chǎng)景集；最后通過對(duì)取值區(qū)間和概率區(qū)間進(jìn)行分層采樣，對(duì)邏輯場(chǎng)景進(jìn)行泛化，提取具體測(cè)試場(chǎng)景集，具體流程如圖3所示。

圖3 覆蓋ODC的測(cè)試場(chǎng)景集構(gòu)建

圖4所示為針對(duì)高速公路/快速路應(yīng)用場(chǎng)景下有條件自動(dòng)駕駛系統(tǒng)交互場(chǎng)景測(cè)試場(chǎng)景集的部分示例，其中，圖5所示為No.4（直道-主車道行駛-無前車-目標(biāo)車切入）場(chǎng)景示例。

圖4 測(cè)試場(chǎng)景集部分示例

圖5 測(cè)試場(chǎng)景示例

1.5 測(cè)試可信度驗(yàn)證與評(píng)估

模擬仿真測(cè)試可信度用于驗(yàn)證仿真工具鏈、仿真模型以及測(cè)試環(huán)境等對(duì)實(shí)際測(cè)試過程中準(zhǔn)確性、可靠性等要求的滿足情況[25]。聯(lián)合國(guó)、歐盟、日本等相關(guān)技術(shù)法規(guī)允許將模擬仿真測(cè)試用于型式批準(zhǔn)測(cè)試，同時(shí)明確對(duì)仿真工具鏈、仿真模型等的可信度要求[9-13, 26]。

1.5.1 測(cè)試工具鏈置信度要求測(cè)試工具鏈包含場(chǎng)景管理模塊、仿真引擎、評(píng)價(jià)模塊等。測(cè)試工具鏈的置信度要求取決于測(cè)試工具的預(yù)期使用目的、工具失效相關(guān)的風(fēng)險(xiǎn)、相關(guān)項(xiàng)或要素的汽車安全完整性等級(jí)（ASIL）等[27]。 模擬仿真工具鏈中的核心模塊應(yīng)通過置信度確認(rèn)，以保障在仿真運(yùn)算過程中，不會(huì)出現(xiàn)因仿真軟件本身引發(fā)的計(jì)算錯(cuò)誤、算法邏輯變更、超預(yù)期的信號(hào)時(shí)序變更、同步狀態(tài)改變等問題，或者在錯(cuò)誤發(fā)生時(shí)能夠及時(shí)發(fā)現(xiàn)。 工具鏈需要從設(shè)計(jì)開發(fā)到測(cè)試驗(yàn)證進(jìn)行全流程的安全評(píng)估保障，包括軟件安全需求、代碼架構(gòu)、代碼優(yōu)化、合規(guī)性檢測(cè)、數(shù)據(jù)流、控制流、單元設(shè)計(jì)、單元測(cè)試、集成測(cè)試等。 通過使用中積累置信度、工具開發(fā)流程評(píng)估、軟件工具確認(rèn)、按照安全標(biāo)準(zhǔn)開發(fā)等方法，以得出工具的潛在錯(cuò)誤和使用限制要求，應(yīng)按以下準(zhǔn)則進(jìn)行仿真工具鏈的確認(rèn)：（1）應(yīng)提供仿真工具鏈符合分級(jí)中指定用途的特定要求的證據(jù)。（2）應(yīng)對(duì)確認(rèn)中發(fā)生的仿真工具鏈功能異常及其相應(yīng)錯(cuò)誤輸出、其可能的后果信息、及避免或探測(cè)它們的措施進(jìn)行分析。（3）應(yīng)檢查仿真工具鏈對(duì)異常運(yùn)行條件的響應(yīng)。例如，可預(yù)見的誤用、不完整的輸入數(shù)據(jù)、使用被禁止的配置設(shè)置組合等。

1.5.2 模型可信度模型可信度是指在基于場(chǎng)景的測(cè)試中，仿真測(cè)試與實(shí)車測(cè)試結(jié)果之間的統(tǒng)計(jì)不確定性或誤差[28]。模型可信度有三層概念：（1）所有的實(shí)車測(cè)試軌跡在模擬仿真中都是可能的，并有相同的行為決策；（2）每個(gè)模擬仿真測(cè)試軌跡至少有一個(gè)實(shí)車測(cè)試軌跡對(duì)應(yīng)；（3）仿真測(cè)試軌跡和實(shí)車測(cè)試軌跡的可能性是相同的。基于概念（3），假設(shè)兩者發(fā)生概率相同，則表明模型是可信的。剩下的誤差是統(tǒng)計(jì)上的不確定性，可通過模型標(biāo)定，來降低模型參數(shù)后驗(yàn)分布的不確定性。 由于傳感器模型和動(dòng)力學(xué)模型誤差，在對(duì)比過程中應(yīng)分別觀察實(shí)車和仿真運(yùn)動(dòng)曲線的趨勢(shì)是否一致。選取合理的觀察點(diǎn)，重點(diǎn)分析曲線拐點(diǎn)是否有狀態(tài)判斷、對(duì)自動(dòng)駕駛算法的狀態(tài)跳轉(zhuǎn)的判定是否正確等，而非重點(diǎn)關(guān)注曲線具體數(shù)值。

1.5.3 測(cè)試環(huán)境可信度驗(yàn)證測(cè)試環(huán)境可信度驗(yàn)證需要在相關(guān)測(cè)試場(chǎng)景集的較小但具有足夠代表性子集上執(zhí)行[12, 29-30]，具體流程如下：（1）選擇用于可信度驗(yàn)證的場(chǎng)景和參數(shù)：從測(cè)試場(chǎng)景集中，選擇用于可信度驗(yàn)證的子集，以及影響仿真結(jié)果的性能特征參數(shù)。（2）實(shí)車標(biāo)定實(shí)驗(yàn)：在進(jìn)行驗(yàn)證測(cè)試之前，執(zhí)行實(shí)車標(biāo)定試驗(yàn)，以測(cè)量需要在模擬工具中輸入或調(diào)整的參數(shù)。（3）輸入和調(diào)整仿真工具和環(huán)境的設(shè)置：根據(jù)要在模擬中使用的目標(biāo)車輛的參數(shù)（如整備質(zhì)量）和從“實(shí)車標(biāo)定實(shí)驗(yàn)”中獲得的數(shù)據(jù)輸入和調(diào)整設(shè)置（如制動(dòng)性能）。（4）確認(rèn)可信度的實(shí)車測(cè)試：從可信度驗(yàn)證場(chǎng)景集中選擇場(chǎng)景進(jìn)行實(shí)車測(cè)試，如封閉場(chǎng)地測(cè)試。（5）確認(rèn)可信度的仿真測(cè)試：從可信度驗(yàn)證場(chǎng)景集中選擇場(chǎng)景進(jìn)行模擬仿真測(cè)試。（6）確認(rèn)測(cè)試環(huán)境的可信度：對(duì)比實(shí)車測(cè)試和模擬仿真測(cè)試結(jié)果，確認(rèn)仿真環(huán)境的可信度。

2

模擬仿真測(cè)試與評(píng)估

基于搭建的高可信度測(cè)試環(huán)境，結(jié)合具體測(cè)試場(chǎng)景集，對(duì)自動(dòng)駕駛算法開展大規(guī)模場(chǎng)景下的模擬仿真測(cè)試，以驗(yàn)證其在ODC內(nèi)及邊界的安全性[12,31]。具體測(cè)試與評(píng)估流程如圖6所示，主要包括測(cè)試需求分析、測(cè)試資源配置和接口定義、測(cè)試用例生成、測(cè)試執(zhí)行、測(cè)試結(jié)果評(píng)估等。

圖6 模擬仿真測(cè)試與評(píng)估流程

（1）測(cè)試需求分析：測(cè)試前，應(yīng)根據(jù)自動(dòng)駕駛功能定義、ODC、安全要求、接受準(zhǔn)則等識(shí)別模擬仿真測(cè)試場(chǎng)景集并制定測(cè)試方案。（2）測(cè)試資源配置及接口定義：對(duì)仿真環(huán)境進(jìn)行參數(shù)設(shè)置，如車輛動(dòng)力學(xué)模型、傳感器模型等；對(duì)自動(dòng)駕駛算法和測(cè)試工具鏈間接口進(jìn)行匹配和定義，包括數(shù)據(jù)格式接口、通信接口等。（3）測(cè)試用例集生成：依據(jù)測(cè)試場(chǎng)景集泛化生成具體測(cè)試場(chǎng)景集。根據(jù)自動(dòng)駕駛系統(tǒng)的安全要求和接受準(zhǔn)則進(jìn)行敏感性分析，實(shí)現(xiàn)降低參數(shù)空間維度，得到覆蓋被測(cè)自動(dòng)駕駛系統(tǒng)功能和ODC的充分合理的模擬仿真安全測(cè)試用例集。（4）測(cè)試執(zhí)行：在具體測(cè)試過程中，被測(cè)系統(tǒng)算法可進(jìn)行單一場(chǎng)景和/或路網(wǎng)連續(xù)里程仿真測(cè)試。若某場(chǎng)景試驗(yàn)結(jié)果為不通過，則該場(chǎng)景的仿真測(cè)試失敗[32]。當(dāng)完成所有仿真測(cè)試用例的測(cè)試后，模擬仿真測(cè)試結(jié)束。（5）測(cè)試結(jié)果評(píng)估：基于自動(dòng)駕駛系統(tǒng)的安全要求和測(cè)試結(jié)果，對(duì)系統(tǒng)進(jìn)行安全評(píng)估，并與評(píng)價(jià)標(biāo)準(zhǔn)進(jìn)行比較，判斷整體風(fēng)險(xiǎn)水平是否可接受和測(cè)試場(chǎng)景通過性。

3

模擬仿真測(cè)試與評(píng)估實(shí)踐

以圖4中No.2跟隨前車行駛場(chǎng)景為例，在自動(dòng)駕駛功能開啟狀態(tài)下主車跟隨前方目標(biāo)車輛行駛，在主車車道內(nèi)目標(biāo)車加速或減速運(yùn)動(dòng)，如圖7所示。

圖7 跟隨前車行駛場(chǎng)景示意圖

測(cè)試準(zhǔn)備和執(zhí)行部分，僅列出在驗(yàn)證測(cè)試環(huán)境可信度的四個(gè)典型場(chǎng)景下，模擬仿真和封閉場(chǎng)地測(cè)試的結(jié)果對(duì)比作為示例。

3.1 測(cè)試準(zhǔn)備

3.1.1測(cè)試對(duì)象及測(cè)試工具鏈本次測(cè)試實(shí)踐中，根據(jù)不同自動(dòng)駕駛功能設(shè)計(jì)特征，選用兩款車型分別進(jìn)行低速和高速自動(dòng)駕駛功能測(cè)試，選取中國(guó)第一汽車集團(tuán)有限公司的紅旗E-HS9車型進(jìn)行低速工況下的功能測(cè)試，廣州汽車集團(tuán)股份有限公司的AION LX車型進(jìn)行高速工況下的功能測(cè)試。模擬仿真測(cè)試工具鏈基于北京賽目科技有限公司的Sim Pro 1.8.0版本[33]，與仿真測(cè)試對(duì)比的實(shí)車測(cè)試分別在一汽及廣汽試驗(yàn)場(chǎng)實(shí)施。

3.1.2 測(cè)試條件選擇為排除環(huán)境因素對(duì)實(shí)車傳感器探測(cè)性能的干擾，選擇在空曠、車道線清晰、無其他干擾車的封閉場(chǎng)地內(nèi)，對(duì)目標(biāo)車加速、減速兩個(gè)場(chǎng)景進(jìn)行仿真和實(shí)車對(duì)比測(cè)試。

3.1.3 主車與目標(biāo)車參數(shù)定義（1）縱向與橫向距離 縱向距離表示從主車的前沿到目標(biāo)車后沿的距離，單位m；初始縱向距離表示在時(shí)間t=0s時(shí)刻主車與目標(biāo)車之間的縱向距離；橫向距離表示兩輛車相對(duì)邊線之間的距離，單位m，本實(shí)驗(yàn)中1.4m < ?≤ 1.85m；初始橫向距離Dy0表示在t=0s時(shí)刻主車與目標(biāo)車之間的橫向距離。 （2）速度 主車速度，單位km/h；目標(biāo)車速度，單位km/h；主車初始速度：主車在t=0s時(shí)刻的速度，單位m/s；目標(biāo)車初始速度：目標(biāo)車在t=0s時(shí)刻的速度，單位m/s。 （3）加速度 主車加速度，單位m/s2；目標(biāo)車加速度，單位m/s2；車輛加速過程加速度為正，減速過程加速度為負(fù)。

3.1.4 道路參數(shù)設(shè)置

道路參數(shù)具體設(shè)置如表1所示。

表1道路參數(shù)設(shè)置

參數(shù)	值（類型）
車道數(shù)	3
車道寬度/m	3.75
車道線寬度/m	0.15
車道線類型	虛線
道路附著系數(shù)	0.85
路面坡度	水平
道路曲率	直道

3.1.5 通過準(zhǔn)則針對(duì)跟車場(chǎng)景，在跟車行駛過程中保持跟車時(shí)距，根據(jù)前方目標(biāo)車情況控制主車加減速行駛并不得與前車發(fā)生碰撞，跟車時(shí)距不小于系統(tǒng)設(shè)定的最小跟車時(shí)距，TTC不小于系統(tǒng)設(shè)定的安全閾值（閾值隨車速變化）。 針對(duì)上述方案，分別對(duì)加速、減速兩個(gè)場(chǎng)景下的跟車距離、速度、加速度三個(gè)指標(biāo)進(jìn)行觀察，分析其運(yùn)動(dòng)學(xué)曲線，關(guān)注數(shù)據(jù)拐點(diǎn)符合度和運(yùn)動(dòng)趨勢(shì)，進(jìn)行綜合結(jié)果判定。

3.2測(cè)試執(zhí)行

3.2.1 低速工況

（1）目標(biāo)車加速場(chǎng)景 初始條件：=0km/h，=0km/h，=3.2m。目標(biāo)車以=1.2m/s2起步加速至30km/h后勻速行駛，主車穩(wěn)定行駛后試驗(yàn)結(jié)束，結(jié)果如圖8所示。

（a）動(dòng)態(tài)跟車距離

（b）主車與目標(biāo)車速度

（c）主車加速度

圖8 目標(biāo)車加速場(chǎng)景

（2）目標(biāo)車減速場(chǎng)景 初始條件：=18.9km/h，=19.2km/h，=9.6m。目標(biāo)車以=19.2km/h勻速行駛，主車穩(wěn)定跟隨后，目標(biāo)車以=-2m/s2減速，主車跟隨制動(dòng)直至停車，結(jié)果如圖9所示。

（a）動(dòng)態(tài)跟車距離

（b）主車與目標(biāo)車速度

（c）主車加速度

圖9 目標(biāo)車減速場(chǎng)景

3.2.2 高速工況（1）目標(biāo)車加速場(chǎng)景 初始條件：=60km/h，=60km/h，=50m。目標(biāo)車以=0.5~1m/s2加速至100km/h后勻速行駛，主車穩(wěn)定行駛后試驗(yàn)結(jié)束，結(jié)果如圖10所示。

（a）動(dòng)態(tài)跟車距離

（b）主車與目標(biāo)車速度

（c）主車加速度

圖10 目標(biāo)車加速場(chǎng)景

（2）目標(biāo)車減速場(chǎng)景 初始條件：=100km/h；=100km/h；=50m。目標(biāo)車以=100km/h勻速行駛，主車穩(wěn)定跟隨后，目標(biāo)車以=-2m/s2減速至60km/h后勻速行駛，主車穩(wěn)定行駛后試驗(yàn)結(jié)束，結(jié)果如圖11所示。

（a）動(dòng)態(tài)跟車距離

（b）主車與目標(biāo)車速度

（c）主車加速度

圖11 目標(biāo)車減速場(chǎng)景

3.3測(cè)試評(píng)估

3.3.1 測(cè)試可信度評(píng)估

在3.2中四個(gè)試驗(yàn)場(chǎng)景的測(cè)試結(jié)果對(duì)比中，針對(duì)跟車距離、速度、加速度時(shí)間曲線，通過觀察分析運(yùn)動(dòng)趨勢(shì)、拐點(diǎn)、數(shù)據(jù)震蕩趨勢(shì)等數(shù)據(jù)觀察點(diǎn)（同色圓圈標(biāo)記處），分析表明：仿真和實(shí)車測(cè)試數(shù)據(jù)趨勢(shì)表現(xiàn)一致，由此可判定，仿真測(cè)試在功能邏輯測(cè)試方面的測(cè)試結(jié)果具備較高可信度。

由于測(cè)試過程中，受實(shí)車動(dòng)力總成響應(yīng)慢于仿真模型、動(dòng)力學(xué)模型標(biāo)定差異、加減速時(shí)模型的表現(xiàn)差異等因素影響，觀察時(shí)應(yīng)充分考慮實(shí)車與仿真的表現(xiàn)差異，對(duì)數(shù)據(jù)進(jìn)行平移、拉伸等處理后再進(jìn)行對(duì)比觀察。

3.3.2 模擬仿真測(cè)試評(píng)估

以圖4中No.2跟隨前車行駛場(chǎng)景為例，測(cè)試車型選用紅旗E-HS9。初始條件：=80km/h，≥200m，1.6m≤1.85m，目標(biāo)車靜止（=0km/h）。

通過采用有效的泛化算法對(duì)測(cè)試場(chǎng)景進(jìn)行針對(duì)性泛化，確保測(cè)試的場(chǎng)景覆蓋度。為簡(jiǎn)化分析過程，在交通擁堵工況下，僅對(duì)主車速度在6~80km/h范圍內(nèi)，進(jìn)行2km/h增量的單參數(shù)泛化，對(duì)其減速控制功能進(jìn)行高密度測(cè)試，結(jié)果如圖12所示。圖中顏色越深表示場(chǎng)景測(cè)試中的最小車間距越小，風(fēng)險(xiǎn)相對(duì)更高，在后續(xù)實(shí)車測(cè)試中可參考該分布圖進(jìn)行場(chǎng)景參數(shù)選取。

圖12 目標(biāo)車減速場(chǎng)景

其中，測(cè)試結(jié)果顯示，在車速58km/h時(shí)發(fā)生了碰撞。經(jīng)分析發(fā)現(xiàn)，發(fā)生該碰撞的原因是，在緊急制動(dòng)模塊（最大剎停速度為60km/h）的速度邊界時(shí)，由緊急制動(dòng)模塊的減速作用切換至單車道自動(dòng)駕駛模塊減速，緊急制動(dòng)模塊的減速請(qǐng)求退出過早，而單車道自動(dòng)駕駛模塊減速請(qǐng)求尚未介入，進(jìn)而導(dǎo)致了碰撞。

4

結(jié)語(yǔ)

本文從第三方角度出發(fā)，基于智能網(wǎng)聯(lián)汽車“三支柱”安全測(cè)試評(píng)估方法研究，提出一套基于場(chǎng)景的模擬仿真測(cè)試評(píng)估方法，分別從模擬仿真測(cè)試環(huán)境框架、測(cè)試場(chǎng)景集構(gòu)建、測(cè)試可信度驗(yàn)證與評(píng)估等方面進(jìn)行研究，梳理形成了模擬仿真測(cè)試與評(píng)估流程，并在特定應(yīng)用場(chǎng)景下開展初步實(shí)踐。隨著自動(dòng)駕駛技術(shù)的迭代更新，以及模擬仿真測(cè)試技術(shù)的持續(xù)改進(jìn)，針對(duì)智能網(wǎng)聯(lián)汽車的模擬仿真測(cè)試評(píng)估方法也需要不斷更新完善，以更好地適應(yīng)產(chǎn)業(yè)發(fā)展和行業(yè)管理需要。

參考文獻(xiàn)

[1] Ethics Commission. Automated and Connected Driving [R]. Germany：Ethics Commission，2017.

[2] RAND. Autonomous Vehicle Technology: A Guide for Policymakers [R]. United States：RAND，2014.

[3] OICA. Future Certification of Automated/Autonomous Driving Systems [R]. French：OICA，2019.

[4]劉法旺,曹建永,張志強(qiáng)等. 基于場(chǎng)景的智能網(wǎng)聯(lián)汽車“三支柱”安全測(cè)試評(píng)估方法研究 [J]. 汽車工程學(xué)報(bào)，2022，12（5）.

LIUFawang,CAOJianyong,ZHANGZhiqiang,etal. A Scenario-Based “Three-Pillar” Safety Testing and Assessment Method for Intelligent and Connected Vehicles [J]. Chinese Journal of Automotive Engineering，2022，12（5）.（inChinese）

[5]朱冰,張培興,趙健等.基于場(chǎng)景的自動(dòng)駕駛汽車虛擬測(cè)試研究進(jìn)展 [J]. 中國(guó)公路學(xué)報(bào)，2019，32（6）.

ZHU Bing, ZHANG Peixing, ZHAO Jian, et al. Review of Scenario-based Virtual Validation Methods for Automated Vehicles [J]. China Journal of Highway and Transport，2019，32（6）. （inChinese）

[6]KIROVSKII O. Determination of Validation Testing Scenarios for an ADAS Functionality: Case Study[J]. SAE Paper，2019.

[7] DAVISION A J,REID I D, MOLTON N D, et al. MonoSLAM:Real-time Single Camera SLAM[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence，2007，29（6）.

[8] GUO J, DENG W W, ZHANG S M, et al. A Novel Method of Radar Modeling for Vehicle Intelligence [J]. SAE Paper，2016.

[9] Economic Commission for Europe. Uniform provisions concerning the approval of vehicles with regard to Automated Lane Keeping Systems [Z]. United Nations：Economic Commission for Europe，2021.

[10] Economic Commission for Europe. Proposal for the 01 series of amendments to UN Regulation No. 157 (Automated Lane Keeping Systems) [Z]. United Nations：Economic Commission for Europe，2022.

[11] 國(guó)土交通省. TRIAS 48-R157-01自動(dòng)車線維持システム試験（協(xié)定規(guī)則第157號(hào)）[Z]. 日本：國(guó)土交通省，2020.

Ministry of Land and Communications. TRIAS 48-R157-01 Automated Lane Keeping Systems Test (Agreement No.157) [Z]. Japan：Ministry of Land and Communications，2020.（in Japanese）

[12] Economic Commission for Europe. New Assessment/Test Method for Automated Driving (NATM) Guidelines for Validating Automated Driving (ADS) Safety [Z]. United Nations：Economic Commission for Europe，2022.

[13] European Commission. Draft Commission Implementing Regulation：Laying Down Rules for the Application of Regulation (EU) 2019/2144 of the European Parliament and of the Council as Regards Uniform Procedures and Technical Specifications for the Type-Approval of Motor Vehicles with Regard to their Automated Driving System (ADS) (G/TBT/N/EU/884) [Z]. Europe：European Commission，2022.

[14] ISO 11010-1: 2022. Passenger cars — Simulation model classification — Part 1: Vehicle dynamics [S]. Switzerland：International Organization for Standardization，2021.

[15] ISO 22140: 2021. Passenger cars — Validation of vehicle dynamics simulation — Lateral transient response test methods [S]. Switzerland：International Organization for Standardization，2021.

[16] SCH?NER H P. Simulation in Development and Testing of Autonomous Vehicles [J]. Germany：18th Internationales Stuttgarter Symposium，2018.

[17] 劉法旺,徐曉慶,陳貞等. 搭載自動(dòng)駕駛功能的智能網(wǎng)聯(lián)汽車安全測(cè)試與評(píng)估方法研究 [J]. 汽車工程學(xué)報(bào)，2022，12（3）.

LIUFawang,XUXiaoqing,CHENZhen,etal. Research on Safety Test and Assessment Method of Intelligent and Connected Vehicle with Autonomous Driving Function [J]. Chinese Journal of Automotive Engineering，2022，12（3）.（inChinese）

[18] National Highway Traffic Safety Administration. A Framework for Automated Driving System Testable Cases and Scenarios [R]. United States：National Highway Traffic Safety Administration，2018.

[19] BSI PAS 1883: 2020. Operational Design Domain (ODD) taxonomy for an automated driving system (ADS) – Specification. United Kingdom：The British Standards Institution，2020.

[20] WEISSENSTEINERP, STETTINGERG, RUMETSHOFERJ, et al. Virtual Validation of an Automated Lane-Keeping System with an Extended Operational Design Domain.Electronics [J]. Electronics，2022，11（1）.

[21] Mcity. Driving Progress: 2019 Annual Report [R]. United States：Mcity，2019.

[22] SAKURA. Towards the Harmonization of Safety Assessment Methods of Automated Driving [R]. Japan：SAKURA，2021.

[23] Department for Transport. Automated Vehicles in the UK [R]. United Kingdom：Department for Transport，2019.

[24] 陳貞. 智能網(wǎng)聯(lián)汽車場(chǎng)景數(shù)據(jù)服務(wù)平臺(tái) [R]. 北京：世界智能網(wǎng)聯(lián)汽車大會(huì)，2021.

CHEN Zhen. Intelligent and Connected Vehicle Scenario Data Service Platform [R]. Beijing：World Intelligent Connected Vehicles Conference，2021. （in Chinese）

[25] International Alliance for Mobility Testing and Standardization. International Alliance for Mobility Testing and StandardizationTM Best Practice: A Comprehensive Approach for the Validation of Virtual Testing Toolchains [Z]. United States：International Alliance for Mobility Testing and Standardization，2021.

[26] DONà R, CIUFFOB. Virtual Testing of Automated Driving Systems. A Survey on Validation Methods [J].IEEE Access，2022（10）.

[27] GB 34590—2017. 道路車輛 功能安全 [S]. 北京：全國(guó)汽車標(biāo)準(zhǔn)化技術(shù)委員會(huì)，2017.

GB 34590—2017. Road Vehicles—Functional safety [S]. Beijing：National Technical Committee of Auto Standardization，2017.（in Chinese）

[28] RIEDMAIERS, DANQUAHB, SCHICKB, et al. Unified Framework and Survey for Model Verification, Validation and Uncertainty Quantification [J]. Archives of Computational Methods in Engineering，2021（1）.

[29] Japan Automobile Manufacturers Association, Inc. Automated Driving Safety Evaluation Framework Ver. 2.0-Guidelines for Safety Evaluation of Automated Driving Technology [Z]. Japan：Japan Automobile Manufacturers Association, Inc. ，2021.

[30] RIEDMAIER S, SCHNEIDER D, WATZENIG D, et al. Model Validation and Scenario Selection for Virtual-Based Homologation of Automated Vehicles [J]. Applied Sciences，2021：11（1）.

[31] European Commission. Guidelines on the Exemption Procedure for the EU Approval of Automated Vehicles [Z]. European：European Commission，2019.

[32] MYERS R, SAIGOL Z. Pass-Fail Criteria for Scenario-Based Testing of Automated Driving Systems [J]. ArXiv：Robotics，2020.

[33] SGS-TüV Saar GmbH. Beijing Saimo Technology Co.,Ltd. Sim Pro Simulation Tool Chain (Certificate No. FS/71/220/21/0692)[Z]. Germany：SGS-TüV Saar GmbH，2022.

本文已于2023年3月發(fā)布于汽車工程學(xué)報(bào)。

作者：劉法旺1，何豐2，周時(shí)瑩3，梁偉強(qiáng)4，何博2，陳貞5，徐曉慶6，曹建永7

（1. 工業(yè)和信息化部 裝備工業(yè)發(fā)展中心；2. 北京賽目科技有限公司；3. 中國(guó)第一汽車集團(tuán)有限公司；4. 廣州汽車集團(tuán)股份有限公司；5. 北京鏑石數(shù)據(jù)科技有限公司；6. 中國(guó)汽車工程研究院股份有限公司；7. 上海機(jī)動(dòng)車檢測(cè)認(rèn)證技術(shù)研究中心有限公司）

掃描二維碼

關(guān)注賽目科技

?

專注智能網(wǎng)聯(lián)汽車

測(cè)試丨驗(yàn)證丨評(píng)價(jià)研究