靳聪 郭强 侯学轶 蒋海波
（中国北方车辆研究所，北京 100072）
主题词：智能网联车辆 智能驾驶 测试方法 测试场景 技术路线
缩略语
ADAS Advanced Driver Assistance Systems（先进驾驶辅助系统）
V2X Vehicle To Everything（车辆与万物互联）
AI Artificial Intelligence（人工智能）
DA Driver Assistance（驾驶辅助）
PA Partial Automation（部分智能驾驶）
CA Conditional Automation（有条件智能驾驶）
HA Highly Automation（高度智能驾驶）
FA Fully Automation（完全智能驾驶）
CMOS Complementary Metal Oxide Semiconductor（互补型金属氧化物半导体）
DSP Digital Signal Processor（数字信号处理器）
ACC Adaptive Cruise Control（自适应巡航控制系统）
AEB Autonomous Emergency Braking（自动紧急制动系统）
LDW Lane Departure Warning（车道偏离预警系统）
LKA Lane-Keeping Assistance（车道保持辅助系统）
BSD Blind Spot Detection（盲点监测系统）
CCRs Car To Car Rear Stationary（自车对前方静止车辆的工况）
CCRb Car To Car Rear Moving（自车对前方匀速运动车辆的工况）
CCRm Car To Car Rear Braking（自车对前方减速运动车辆的工况）
TTC Time To Collision（碰撞时间）
RTK Real-Time Kinematic（实时动态）
1 前言
近年来，低下的移动出行效率以及频发的交通事故已成为当前交通事业发展面临的最艰巨的挑战，高度复杂的道路交通场景对智能驾驶汽车的安全性提出了更高的要求，使车辆驾驶人员从驾驶和拥堵中解放出来成为汽车行业需要面临和解决的一个关键问题。在工业4.0和第4次工业革命的大背景下，汽车经过不断发展，逐步进入电动化和智能化时代，汽车技术呈现出了成熟的主动安全系统，辅助或代替了驾驶员的一部分工作。尤其随着人工智能（AI）技术及相关算法的不断成熟，智能驾驶乃至无人驾驶逐步成为可能，伴随着对汽车安全及运行效率要求的不断提高，许多传统的整车企业纷纷制定智能化发展路线和战略，相关技术及产业领域的市场前景巨大[1-2]。车辆智能驾驶功能即以车载传感器信号为基础，进行感知、决策、执行控制等过程，实现车辆对于周围环境的判断和辅助功能，可以说智能驾驶汽车及相关技术会带来巨大的社会效益和经济发展效益。
区别于占当今社会主体的有人驾驶车辆，智能网联汽车作为多产业深度融合的综合性载体，是未来汽车产业重要的发展战略方向和实现创新驱动发展战略的重要抓手，美国、欧洲、日本和韩国等工业大国均高度重视智能网联汽车产业，纷纷制定国家战略来推动智能网联汽车产业的发展[3-4]。美国与欧洲多国走在智能网联产业发展前端，积极推动智能驾驶测评工作，并编制了很多相关技术标准规范，日本、新加坡等国跟随其后，利用国家的优势技术，积极开展场景建设及智能驾驶测评方法研究。我国的智能网联汽车产业虽起步较晚，但在国家政策的有力支持下，近年来相关部委也在积极推进智能驾驶测试基地的建设。总体来讲，在汽车产业不断变革的大背景下，智能网联汽车以及智能驾驶车辆在近几年发展势头迅猛，其已经成为中国汽车产业发展的新目标，无论是国家政府机关、行业机构，还是整车、设备厂家均极其重视相关产业和技术的发展，各大企业和公司在智能驾驶汽车的传感、控制、执行以及ADAS研发、车联网V2X研究等方面都有重要的技术延伸和平台布局。
当前，智能网联汽车技术存在两条发展路径现状。一条是优先发展车载智能方向，有限布局基础设施；另外一条是智能汽车和智能道路协同发展的车路一体化路径。当前国外大部分选择第一条技术路径，我国则更多的选择第二条技术路径，缘由在于充分利用我国在5G互联通信、道路基础设施等方面的优势，在大力发展智能车辆的同时，形成商业应用的模式，以此可以不断推动我国智能网联汽车和相关产业的发展，推进智能网联汽车更好地走进广阔市场。
本文对智能网联车辆技术路线及测试方法进行了综述，较为全面的分析了智能网联汽车技术架构及需要在相关安全性测试时考虑的因素。同时对智能网联汽车相关基础性概念、技术研究方案等做出比较详细的介绍，提供了有关方面的技术参考。
2 智能网联车辆测试分析
2.1 智能驾驶等级划分
当前，智能驾驶等级标准划分仍然遵循国际通用标准，依据不同车辆和驾驶员在车辆控制方面的作用和职责，在决策控制方面可以区分为“辅助控制类”和“自动控制类”，分别对应不同等级的决策控制[5-6]。其中，辅助控制类主要指车辆利用各类电子技术辅助驾驶员进行车辆控制，如横向控制、纵向控制及其组合模式，可分为驾驶辅助（DA，L1级）和部分智能驾驶（PA，L2级）；自动控制类则根据车辆自主控制以及替代人员进行驾驶的场景和条件进一步细分为有条件智能驾驶（CA，L3级）、高度智能驾驶（HA，L4级）和完全智能驾驶（即无人驾驶FA，L5级）[7]。
2.2 环境感知和观察能力
智能汽车ADAS系统需求旺盛，作为其关键技术的感知传感器，其功能、性能及成本会直接影响ADAS发展。自车感知性能指的就是通过各类传感器获取周围环境信息的能力，当前ADAS测试系统常用的物理传感器包括超声波雷达、激光雷达、毫米波雷达、单机/立体摄像头、高精度数字定位地图等。上述各种传感器的优缺点如下方的表1所示。
车载摄像头与消费电子摄像头结构类似，是将镜头组、CMOS芯片封装为模组，并和数字信号处理器（Digital Signal Processor，DSP）集成，其应用场景较多，可以实现先进行车辅助（行车记录仪、ADAS）、驻车辅助（全车环视）与车内人员监控（人脸识别技术）等功能。单目摄像头一般安装在前挡风玻璃上部，用于探测前方路况，识别周边车辆、行人等信息，广泛应用于前碰撞预警、行人监测、车道偏离预警等功能中，由于其成本低廉，技术成熟，目前被广泛搭载于智能车辆上，仍然是当前和未来市场的应用主流。
表1 主要物理传感器的优缺点
毫米波雷达原理是向周围发射无线电，通过测定和分析反射波以计算障碍物的距离和方向。无线电的波长范围在1～10 mm，频率范围在30～300 GHz，当下主流的车载毫米波雷达有24 GHz和77 GHz两个频段，24 GHz多用于短/中距离测量，77 GHz用于中/长距离测量，由于77 GHz毫米波雷达性能优于24 GHz，故未来前者将是主流的应用频段。
激光雷达（Lidar）原用于测绘，其测距原理与雷达相似，Lidar系统通过测量3D空间每个像素到发射器间的方向和距离，创建出真实世界完整的3D模型，它是一种用于精确获得目标三维位置信息（距离、方位和高度）和运动状态的传感器，可实现对目标的检测、跟踪和分类[8]。由于激光雷达在分辨率、抗干扰能力、获取信息量、全天时工作能力等方面具有显着的竞争优势，因此一般认为L4级别以上的智能驾驶车辆必备激光雷达装置。
高精度地图用来实现智能驾驶超视距控制。在智能驾驶车辆上，传感器取代了人眼，成为智能驾驶车辆的眼睛。传感器的作用是不断识别周围的环境，由此来确定周围的车况。激光雷达、摄像机扫描到的数据精度很高，普通民用导航电子地图的绝对坐标精度大约在10 m左右，同时GPS设备的定位精度也在10 m左右，对于驾驶员来说这已足够用，但还完全无法满足传感器的要求。高精度地图提供了道路中的车道线、交通标志所在区域以及周围环境等信息，在高精度地图的基础上智能驾驶进行定位，才能具有更好地决策效果。
采用功能全面的多源传感器信息融合方式对目标物进行探测可以更有效的实现环境感知[9]，提高对周围环境事物的观察、检测能力，以便可以更好的加速ADAS系统乃至智能驾驶汽车的开发测试与评价的过程。该方式已经成为当前自主研发ADAS产品的主要方案，获得了广泛的应用。
2.3 先进驾驶辅助系统（ADAS）测试技术
2.3.1 ADAS测试工况
图1 ADAS研发测试工况
高级驾驶辅助系统是一种基于AI算法来进行智能图像处理与分析的主动安全技术，它可以用来在紧急情况下提醒驾驶人员以避免发生车道偏离、车辆碰撞等潜在危险事故，由此增加车辆驾驶的安全性[10]。目前，随着智能车发展势头迅猛，能够支撑环境感知、决策预警和智能控制等核心功能及性能评估的先进驾驶辅助系统（ADAS）测试标准体系正在进行建设并逐步成熟，同时针对AEB、LKA等系统设计了一系列的相关试验场景。由图1可以看出，先进驾驶辅助系统测试工况包括AEB、ACC、LKA、BSD等L1级系统测试和L2级多系统横、纵向的组合测试，其中，AEB系统是由试验场景规划的不同分为对静止目标车（CCRs）和对移动目标车（CCRm/CCRb）的测试，LDW与LKA系统可以分为一定速度下的车道偏离测试和误警测试[11-12]。表2为针对ADAS不同测试工况下的应用介绍。
表2 ADAS技术不同测试工况下的应用
2.3.2 ADAS系统测试设备
在车辆上搭载独立的具备高精度定位功能的数据采集系统和各类应用传感器，可以对自车车行数据和目标车车行数据进行实时同步采集[13-15]。常用的ADAS系统测试工具装置[13]如图2所示。
图2 ADAS系统测试设备及装置
由图2可以看到，在ADAS性能试验和智能驾驶系统技术的研究中，现用的主要测试设备包括图2（b）ABD SR60驱动机器人(包括转向、换挡、制动油门组合机器人)和车载数据处理器、图2（d）英国的RT 3002基站（高精度陀螺仪）、图2（e）油门/制动加速器组合机器人，上述设备均安装在图2（c）所示的自车装置内。其中，英国ABD转向机器人和相应的基站设施可以实现对试验车辆行驶轨迹的精确控制，油门/制动加速器组合机器人实现对车速的精确控制，双总线通讯模块RT-range装置可以实现对测试车与目标车的车速、相对距离和减速速度的有效控制，进而能够有效的控制碰撞时间TTC的采集精度，满足试验测试精度的要求。为了保证试验研究的安全，必须采用符合要求的气球车，目前该测试设备主要依赖于由德国进口的已通过欧洲（Euro）-NCAP认证的目标气球车，如图2（a）所示。
另外，在车辆内部还可以搭载RTK实时动态定位仪器装置，使用GPS的载波相位观察测量，并且利用移动站和参考站之间观测误差的空间相关性，采用差分的方式消除移动站观测数据中的大部分误差，从而实现高精度定位。通过与高精度地图技术的相互配合，车载RTK技术能够在中短基线的情况下实现5 cm以内精度的定位，并通过双天线定向板卡做到精确的监测汽车自身的位置、姿态及周围路况信息，这对于智能驾驶车辆汽车实现全局路径规划，先见性预测以及车辆本身的精确控制均有很大的帮助，同时也在最大程度上避免了急刹车，急加速及其他众多复杂且具有潜在危险的交通事故的发生。
2.3.3 ADAS测试方法实例
选取紧急自动刹车（AEB）测试工况作为典型实例，对其测试方法进行分析，其动态试验场景如图3所示，该场景主要用于评价主车对于前方静止车辆或减速车辆的识别能力和在紧急情况下的车辆自动安全制动功能。试验过程中，两车位于相同车道并加速到表3中要求的速度，且主车车头距离目标车车尾150 m时，试验正式开始。
图3 AEB动态试验场景图
表3 AEB试验实施表
试验的具体实施方法如下，其中（1）～（3）为目标车匀速状态下的测试，（4）为目标车变速状态下的测试。
（1）目标车在试验道路中间，以30 km/h的匀速行驶或者以40 km/h的初速度进行加速度±4 m/s2变速行驶；
（2）主车分别以70 km/h、60 km/h、50 km/h的匀速行驶；
（3）主车逐渐接近目标车，两车间距150 m时开始记录试验数据，直到主车自动减速并在保持一定距离下跟随目标车后行驶，则试验结束；
（4）在目标车变速行驶过程中，主车先减速并稳定跟随目标车行驶2 s后，目标车开始变速行驶。主车根据目标车的车速自动调节自身车速，并保持与目标车相对纵向位置不变，直至目标车减速为零，主车自动跟停，则试验结束。
此项试验的判定方法为：当主车可以随着目标车的速度情况进行变速行驶，并保持与目标车有一定的距离，最后可以跟随目标车减速为零，同时在试验过程中，由主车与目标车的车距和相对车速获得的碰撞时间TTC的数值满足相应的指标要求，则试验结论为通过。
2.4 V2X车联网系统测试技术
智能网联汽车除了依靠本车的物理传感器实现周边状态的感知外，还能够通过基于车联网的V2X通信技术来获知周边更大范围内的其他车辆环境和道路交通状况信息，做到更高程度的自动化与智能化[16-18]。可以说，虽然在实际应用的准确性方面ADAS拥有一定的优势，但是V2X技术可以很好的解决ADAS技术没有处理好的视线范围问题[19-21]。
图4 V2X车联网系统技术架构[19]
V2X车联网技术系统架构[19]如图4所示，可以看出，V2X车联网系统由数据管理系统、车载系统和路测系统三个基础系统组成，且三者之间可以实现相互通信。其中，路测系统包括路测通信系统、传感器检测系统、交通信息控制系统，车载系统包括车载定位系统、车载通信系统、车载诊断系统。
V2X通信传感系统作为一种主动安全技术，一方面通过V2V、V2I等通信技术获得道路交通状态和其他车辆以及交通参与者的信息，另一方面可以将本车的相关操纵状态信息发给其他车辆和其他交通参与者，它可以使汽车获取更大范围的感知能力，发现潜在的安全风险，并且优化路径规划。总体来说，该技术就是基于车-车、车-路、车-人、车-后台的通信，实时并可靠的获取车辆周边交通环境信息及车辆决策信息，形成车-车、车-路等各交通参与者之间的联网协同决策与控制。汽车网联化的等级划分[17]如下方的表4所示。
图5为V2X系统测试设备示意图[16]，V2X系统测试与ADAS系统测试方法类似，目前基于车联网V2X技术的协同式驾驶辅助技术正在进行实用性技术开发和一定规模的仿真设计以及试验场景测试，智能网联车辆安全运行测试管理规范也在进行相应的制定。
表4 汽车网联化的等级划分[17]
图5 V2X系统测试设备及装置示意[16]
另外，目前的民用智能网联车辆主要进行5G定位系统的开发，利用它可以基本做到实时精确且可靠的车道定位、车辆的状态行为以及路况等信息的采集，避免重大交通事故的发生[22]。当前的无人驾驶必须建立在5G通讯网络的情况下才可以实现，这是车联网的必要条件，相应道路需要实现5G信号全覆盖。进一步来说，主车周围的目标车将各自所在的位置信息上传到5G互联网络，主车进而接收到他们的位置信息并回传自身的信息状态，然后电脑根据获得的数据自主判断并制定下一步的行驶方案。总体来讲，随着5G技术的大力推进和应用，V2X技术以及智能网联汽车产业也会随之不断快速的创新发展。
3 智能网联车辆技术架构与路线分析
图6和图7分别表示为智能网联汽车技术架构和测试流程结构框架图，可以看到，智能网联车辆的测试主要包括安全性测试和一般专项性能测试两方面，其中，安全性测试包括针对功能安全性和信息安全性的测试，且二者均需要进行硬件在环测试，即对智能网联汽车系统及零部件的测试，可以说，功能安全和信息安全是智能网联汽车安全问题的核心技术难点，直接影响着智能网联汽车的未来市场前景和发展。智能网联车辆可以自主操纵油门和制动、方向（转向）及挡位等信息，并且可以实时监测车辆行驶的数据状态，操作方便也更加精确，汽车智能化技术的进步必然会让交通事故死亡率得到显着下降。智能驾驶汽车具有自身的特点，主要表现为其对环境更为敏感，对周围物理状态的把握相比较驾驶人员更准确，但是智能网联汽车车辆还缺乏像人类驾驶员一样的灵活应变能力[23]。
图6 智能网联汽车技术架构
另外，当前存在两种智能网联汽车的研发技术路线，二者的导向与本质是不同的。以传统车企为主的ADAS升级路线，即以图6中的车辆共性关键技术作为切入点，经测试评价逐步增加驾驶中的自动处理技术项目来提升车辆的安全性，其本质在于车辆功能的发展与辅助功能的增加，为客户提供更好的体验。以互联网企业为主导的无人驾驶路线，即以图6中的信息交互关键技术作为切入点，经过相关测试评价（图7），从特定环境下的智能驾驶逐步切入到全区域条件下的高度智能驾驶，其本质在于基于AI领域的探索创新从而实现移动式的服务机器人。
图7 智能网联汽车测试流程结构框架
4 智能网联车辆测试场景库的建设
试验场景的构建分为实车动态场景组合构建和静态场景组合构建[24-27]。图8为测试场景库构建图，可以看到，场景的提炼及分类主要是基于动态场景组合（如机动车辆、非机动车辆和行人等）和静态场景组合（如天气、光线、树林、壕沟、电磁环境等）两方面内容。
图8 测试场景库构建
图9 测试场景的模型构建流程
图9 为测试场景模型构建流程图。测试场景设计构建的基本要素包括道路环境要素、天气与光照环境、交通信号识别、工作条件等内容，同时基于车辆的机动性、安全性等不同方面的内容可以扩展许多试验场景。场景库的构建需要通过MIL模型仿真、MATLAB/SIL软件仿真设计和相应的软、硬件在环测试以及大量试验场景数据的积累，同时也需要通过不同车辆以及不同工况的实车系统测试，针对相关测试研究方法不断加以验证。
图10 特殊的测试场景
图10 所示为特殊典型的测试场景示例。其中,
（a）表示为对向两轮车冲突场景;
（b）为两轮车右侧横穿冲突场景;
（c）为两轮车左侧横穿冲突场景;
（d）为左转车辆冲突场景;
（e）为对向车辆冲突场景;
（f）为同向车辆冲突场景;
（g）为主车随前车减速以及自车与目标车跟随场景。
根据车辆的机动性、安全性等方面，动态的测试场景主要包括目标车与主车垂直碰撞场景、交叉路口场景、小目标场景、目标车与主车水平碰撞场景、目标车与主车跟随保持场景、目标车超越主车的场景等。同时，通过仿真设计和试验验证可以不断优化与完善测试场景的建设。
同时，根据真实交通数据对场景进行重建，进而提炼出危险场景即道路安全临界事件，形成智能驾驶虚拟/场地测试场景库，再通过实车的开发测试，能够加快ADAS相关测试与评价，由此可以缩短实际智能驾驶车辆研发测试与评价的历程。
5 结束语
随着智能网联汽车产业及相关技术的快速发展，建立比较完备的智能网联汽车以及智能驾驶车辆运行安全性测试评价体系已经成为重要的课题，同时ADAS系统与V2X系统测试技术在不断发展，相关标准规范也在不断的进行完善。本文对智能网联车辆技术路线和架构以及有关测试方法进行综述，基于对测试场景的建设规划和有关智能网联车辆测试评价的平台建设发展的介绍，提出可以科学的评判智能网联车辆的安全性、机动性、可靠性、通信性、智能性等性能的方式方法，为智能网联汽车乃至未来的无人驾驶车辆的研究提供了科学且比较系统全面的技术参考。
