范 立，周 亮，陶 乾

ADAS系統(tǒng)實(shí)車道路測試路線方案研究

范 立，周 亮，陶 乾

（招商局檢測車輛技術(shù)研究院有限公司，重慶 401329）

ADAS系統(tǒng)車輛在進(jìn)行真實(shí)道路實(shí)車測試時，對其測試路線進(jìn)行有效選擇和制定是ADAS系統(tǒng)車輛道路測試亟需突破的問題之一。文章基于對ADAS系統(tǒng)環(huán)境感知技術(shù)的分析，考慮道路交通安全影響因素，提出了ADAS系統(tǒng)車輛測試的道路場景分類及路線選取原則，為提高道路測試效率和效果提供支持。

ADAS系統(tǒng)；傳感器；道路測試

前言

高級駕駛輔助系統(tǒng)（即ADAS系統(tǒng)），其原理是利用各類車載傳感器，采集汽車內(nèi)外部的環(huán)境數(shù)據(jù)，對道路環(huán)境中動態(tài)和靜態(tài)的物體進(jìn)行識別、探測與跟蹤等處理，從而引起駕駛者注意，并讓其在最短時間內(nèi)察覺可能發(fā)生的危險，以提高安全性的主動安全技術(shù)。它涵蓋了諸如車道偏離預(yù)警系統(tǒng)（LDWS）、車道保持輔助系統(tǒng)（LKAS）、盲點(diǎn)監(jiān)測系統(tǒng)（BSD）、自動緊急制動系統(tǒng)（AEB）、自適應(yīng)巡航系統(tǒng)（ACC）等。目前ADAS產(chǎn)品可劃分為信息感知類、決策預(yù)警類、駕駛輔助類和部分自動駕駛這四大類功能。

隨著汽車日趨普及化，交通擁堵和事故高發(fā)引起了全社會的廣泛關(guān)注，為了降低交通事故率，提高出行安全和效率，高級輔助駕駛系統(tǒng)（ADAS）的研究和應(yīng)用已經(jīng)取得了突破進(jìn)展，并使得自動駕駛技術(shù)呈現(xiàn)出實(shí)用化的趨勢。ADAS系統(tǒng)的測試包括軟硬件仿真在環(huán)測試、場地測試、實(shí)際道路測試等環(huán)節(jié)。中關(guān)村智通智能交通產(chǎn)業(yè)聯(lián)盟發(fā)布《自動駕駛車輛測試道路要求》，對測試道路進(jìn)行分級[1]。

實(shí)際道路即為完全真實(shí)的道路場景，所有的道路基礎(chǔ)設(shè)施、氣候環(huán)境、交通參與者均為真實(shí)的，不受任何人為因素影響。且所有事件的發(fā)生均為隨機(jī)，因而在測試過程中，無法預(yù)先設(shè)定其初始條件，被測車輛在實(shí)際道路環(huán)境中行駛的過程均為測試過程，因此對ADAS系統(tǒng)也提出了更嚴(yán)格的要求?；诋?dāng)前自動駕駛技術(shù)飛速發(fā)展的要求下，對搭載ADAS系統(tǒng)車輛進(jìn)行實(shí)車道路測試顯得極為重要，通過對ADAS系統(tǒng)車輛開展實(shí)車道路測試，既可以對新技術(shù)進(jìn)行測試驗(yàn)證，還可以檢驗(yàn)ADAS系統(tǒng)車輛的安全性。國內(nèi)各整車廠在車型開發(fā)過程中，對ADAS系統(tǒng)的標(biāo)定極大程度上依賴于國外幾家大型供應(yīng)商（博世、大陸集團(tuán)、飛思卡爾等企業(yè)），標(biāo)定測試過程為：使用該研發(fā)車型進(jìn)行大量道路測試，通常情況為8萬公里以上，定期將數(shù)據(jù)回傳至供應(yīng)商企業(yè)，或者由供應(yīng)商企業(yè)對ADAS系統(tǒng)的各項(xiàng)參數(shù)不斷進(jìn)行調(diào)試，最終實(shí)現(xiàn)該研發(fā)車型最優(yōu)匹配。因此，現(xiàn)階段ADAS系統(tǒng)車輛須進(jìn)行大量的道路測試來驗(yàn)證其安全性能，但測試效率和效果均有待提升?；诂F(xiàn)有技術(shù)，對道路測試的路線進(jìn)行有效選擇和制定是ADAS系統(tǒng)車輛道路測試亟需突破的問題之一。本文基于對ADAS系統(tǒng)環(huán)境感知技術(shù)的分析，考慮道路交通安全影響因素，提出了ADAS系統(tǒng)車輛測試的道路場景分類及路線選取原則，為提高道路測試效率和效果提供支持。

1 ADAS系統(tǒng)環(huán)境感知技術(shù)

ADAS 系統(tǒng)工作的基礎(chǔ)為車輛感知識別技術(shù)，該技術(shù)的功能是感知并識別道路交通環(huán)境、車輛內(nèi)外部情況，該技術(shù)依賴于多種的車載傳感器，以及在傳感器獲取到環(huán)境圖像后，對車道線進(jìn)行識別和提取，以進(jìn)行下一步的決策。

1.1 車載傳感器

衛(wèi)星圖像、照片和點(diǎn)云數(shù)據(jù)均為道路環(huán)境數(shù)據(jù)的主要來源途徑[2]。照片主要來源于航拍或者視覺傳感器，對其拍攝的照片進(jìn)行圖像識別處理，從而獲取道路像素和二維位置信息，進(jìn)一步幫助系統(tǒng)辨識障礙物、行人和道路中的設(shè)施設(shè)備等。視覺傳感器即為攝像頭，依據(jù)不同的模塊和配置，分為單目、雙目、多目和紅外等。攝像頭視野和感知能力有限，且容易受照明度和天氣影響，車載攝像頭的感知原理是：（1）圖像處理，首先將圖片中的所有信息轉(zhuǎn)化為數(shù)字信號；（2）通過圖像進(jìn)行匹配和識別，例如對車輛、行人、道路交通標(biāo)志標(biāo)線等識別；（3）通過對物體運(yùn)動模式的解析，或雙目定位等方法，測算目標(biāo)物與被測車輛的相對位移和速度。通過以上原理，可使得車輛感知到周邊的道路環(huán)境，從而實(shí)現(xiàn)ACC、AEB和LDW等ADAS功能。

雷達(dá)則是通過自身發(fā)射電磁波來感知環(huán)境，從而獲取目標(biāo)的位置和速度等信息，目前受廣泛應(yīng)用的是超聲波雷達(dá)、毫米波雷達(dá)和激光雷達(dá)，將上述傳感器的感知能力進(jìn)行對比分析，其結(jié)果見表1。超聲波雷達(dá)不受雨水和塵土的干擾，但其視角小，需同時配置多個，才能獲得廣角視野。毫米波雷達(dá)優(yōu)點(diǎn)在于具有穿透煙、灰塵和霧的能力，局限性在于對反射波較弱的行人難以識別。激光雷達(dá)通過掃描周圍環(huán)境獲取相關(guān)信息，識別出目標(biāo)物的三維位置，其優(yōu)點(diǎn)在于感知距離長，分辨率和精度高，缺點(diǎn)在于成本高，且易受到環(huán)境因素的影響。

表1 傳感器感知能力對比

傳感器環(huán)境適應(yīng)性天氣良好的感知能力天氣惡劣的感知能力最長感知距離/m 激光雷達(dá)中強(qiáng)弱150 毫米波雷達(dá)強(qiáng)中中70 超聲波雷達(dá)中強(qiáng)弱5 攝像頭（可見光）弱強(qiáng)弱＞200 攝像頭（遠(yuǎn)紅外）強(qiáng)強(qiáng)強(qiáng)100～200

1.2 車道線的識別與檢測

對于車道線的識別與檢測，通常使用的傳感器為攝像頭、雷達(dá)、GPS等，對不同傳感器的功能進(jìn)行研究分析，其功能概述見表2。

表2 傳感器功能概述

傳感器配置功能概述 攝像頭（單目視覺）基于車道線清晰的視覺特征，目前應(yīng)用最廣泛的傳感配置，檢測獲取圖像中的車道線特征。 攝像頭（多目視覺）主要為三維視覺，通過檢測障礙物角度等變化、路沿、道路坡度等，為車道線檢測提供約束條件。 激光雷達(dá)其成本高，通過構(gòu)建道路的三維信息，可提供視覺檢測約束條件；若只用激光雷達(dá)，則通過提取車道線與非車道線反射率差異實(shí)現(xiàn)。 雷達(dá)僅能提供兩種信息：（1）障礙物信息；（2）高速路段的邊界信息。不能直接用于車道線檢測。 GPS、GIS可提供車前道路車道線形狀先驗(yàn)，在城區(qū)內(nèi)的定位精度不高。

車道線的提取是車輛橫向輔助控制系統(tǒng)的主要決策依據(jù)，其識別原理為：車載傳感器在獲取環(huán)境數(shù)據(jù)后，進(jìn)行處理并劃分出道路區(qū)域和周邊環(huán)境的界限再擬合形成道路邊線，若道路邊界不清晰，則需對道路邊緣進(jìn)行再檢測，成功提取車道線后再進(jìn)行擬合，流程如圖1所示。

圖1 車道線識別原理示意圖

2 道路環(huán)境影響因素

車輛通過雷達(dá)、攝像頭等傳感器對道路環(huán)境因素進(jìn)行感知和識別，并以此為行為決策的依據(jù)。然而在不同的道路條件下，車輛對于環(huán)境的感知難度亦不盡相同，因此有必要對道路環(huán)境相關(guān)影響因素進(jìn)行分析。結(jié)合現(xiàn)有的ADAS技術(shù)，從道路角度統(tǒng)籌分析道路結(jié)構(gòu)類型、交通設(shè)施、其他潛在影響因素，作為實(shí)車道路測試路線方案選擇的前提條件。

2.1 道路結(jié)構(gòu)類型

結(jié)合道路識別檢測原理，實(shí)車測試道路包含結(jié)構(gòu)化道路、非結(jié)構(gòu)化道路以及特殊區(qū)域道路：

（1）結(jié)構(gòu)化道路一般是指高速公路、城市快速路和城市主干路等具有明顯可識別物的道路[3]：車行道和道路其他區(qū)域之間分界明顯，路面平整度高，大部分路面材質(zhì)分布均勻，道路線形規(guī)范；車道線寬度、間距一致，排列整齊且連續(xù)性高，易于車輛通過車道線和車行道邊界進(jìn)行識別檢測。

（2）非結(jié)構(gòu)化道路一般是指城市支路、鄉(xiāng)村道路等不具有明顯可識別物的道路：缺少清晰連貫的車道線和道路邊界，路面平整度較差，再加上積水、樹蔭等因素的干擾，使得車輛識別非結(jié)構(gòu)化道路環(huán)境難度明顯大于結(jié)構(gòu)化道路。

（3）特殊區(qū)域道路主要指橋梁、隧道、立交匝道、交叉口、施工占道區(qū)域等道路功能、車流狀態(tài)、信號控制等與常規(guī)連貫行駛道路不同的道路：車流行駛速度低，事故率較高，道路環(huán)境十分復(fù)雜。

2.2 道路交通設(shè)施

道路交通設(shè)施是實(shí)現(xiàn)行車安全快速的重要保障，車輛輔助駕駛系統(tǒng)通過對交通設(shè)施進(jìn)行快速感知并做出相應(yīng)的車輛行為。交通設(shè)施主要包含交通標(biāo)志、交通標(biāo)線、防撞設(shè)施、交通信號系統(tǒng)、照明設(shè)施等，其中，前三者對道路安全的影響大。

1.2.2 對照品貯備液的制備 精密稱取NOR、OFL、TC、OTC、SDZ、SMZ對照品適量，用超純水(已用5 mol/L HCl調(diào)節(jié)pH至3.0左右)分別稀釋制成2.0 mg/mL對照品貯備液。

2.2.1交通標(biāo)志

交通參與者通過交通標(biāo)志上的文字和圖案獲得信息，再進(jìn)行駕駛行為決策。交通標(biāo)志按功能分為主標(biāo)志和輔助標(biāo)志，主標(biāo)志可分為以下七類：警告標(biāo)志、禁令標(biāo)志、指示標(biāo)志、指路標(biāo)志、旅游區(qū)標(biāo)志、作業(yè)區(qū)標(biāo)志和告示標(biāo)志。

2.2.2交通標(biāo)線

交通標(biāo)線的常見表達(dá)方式有文字、圖案、立面標(biāo)記和輪廓標(biāo)等，按照使用功能可分為指示、禁止和警告三類，按照設(shè)置方式可分為縱向、橫向和其他。顏色通常為白色或黃色，由實(shí)線、虛線或虛實(shí)線組成。

2.2.3防撞設(shè)施

防撞設(shè)施有防撞護(hù)欄、防撞桶、防撞水馬等，主要作用是在正常行車中誘導(dǎo)視線，在發(fā)生事故時吸收碰撞能量，防止事故車輛沖出道路，減輕事故車輛及人員的損傷程度。

2.3 其他影響因素

日照長度、能見度和平均風(fēng)速等因素對道路交通安全的影響顯著。日照長會相應(yīng)減少不良天氣狀況的時間；能見度高，存在的安全隱患相對減少，能見度低會使駕駛員視線受到阻礙，極大地影響道路交通安全；平均風(fēng)速和交通事故頻次成正比，風(fēng)速會影響車輛的穩(wěn)定性和操控難度，也會影響系統(tǒng)檢測識別性能，而車輛搭載不同類型的傳感器，其識別能力也不同。

2.3.2光照條件

根據(jù)道路交通事故數(shù)據(jù)統(tǒng)計，盡管白天的事故率高達(dá)70%，但結(jié)合交通量和事故嚴(yán)重性等因素進(jìn)行綜合考量后，認(rèn)為物體視認(rèn)性變差的夜晚的危險程度更高。在夜間駕駛員的視覺神經(jīng)細(xì)胞受到強(qiáng)光刺激時會導(dǎo)致短暫視力下降，產(chǎn)生眩光，嚴(yán)重時會影響駕駛安全。夜晚開車時，環(huán)境光線較暗，視野不清晰，視覺范圍變窄，再加上各種光源（遠(yuǎn)近光燈、交通信號燈、街燈）的干擾，人的反應(yīng)敏銳度會大大降低，這種情況下極易出現(xiàn)交通安全事故。

2.3.3地形條件

針對車輛駕駛的相關(guān)需求，結(jié)合地形條件的特征可將道路簡單劃分為平原道路和山地道路。平原道路的特征是視野開闊，擁有良好的線形和道路條件，長直線多，彎道坡道少，對駕駛員來說，可能產(chǎn)生視覺疲勞甚至超速等狀況；山地道路具有視線條件差，臨崖路段和長陡坡路段較多，平曲線處圓曲線半徑和橫斷面寬度小等特征，行車時還需注意落石和邊坡滑塌，在彎道和上下坡的平縱組合路段行駛較為困難，或出現(xiàn)速度和方向難以把控而導(dǎo)致車輛滑移甚至傾翻的危險[4]。

3 道路測試路線方案

結(jié)合不同車載傳感器的特征以及車輛在實(shí)際道路中行駛時的道路環(huán)境影響因素，根據(jù)道路測試的策劃原則（系統(tǒng)功能邏輯、傳感器局限性、邊界條件等），先確立路線所需的場景組成要素，分析對傳感器產(chǎn)生影響的場景環(huán)境，再確定路試場景，最后制定出包含路試所需場景的測試路線。

3.1 場景要素

通過分析標(biāo)準(zhǔn)規(guī)范場景，包括ISO、NTHSA、SAE、ENCAP、FMCSA 和 ADAS 場景[5]，結(jié)合網(wǎng)絡(luò)事故視頻、公安交管道路交通事故數(shù)據(jù)和事故還原等道路交通事故和人為駕駛經(jīng)驗(yàn)，梳理出自動駕駛車輛道路測試場景要素庫，其中包括路段、車道、道路交通標(biāo)志、道路交通標(biāo)線、交通信號燈、其他設(shè)施和天氣以及交通參與者，見表3。

表3 路測場景要素表

基本要素要素組成 路段雙向、T型路段、十字路口 車道兩車道、四車道、單車道 道路交通標(biāo)志警告標(biāo)志、禁令標(biāo)志、指示標(biāo)志、指路標(biāo)志、施工標(biāo)志、輔助標(biāo)志 道路交通標(biāo)線指示標(biāo)線、禁止標(biāo)線、警告標(biāo)線 交通信號燈機(jī)動車信號燈、非機(jī)動車信號燈、人行道信號燈、方向指示信號燈、車道信號燈、閃光警告信號燈 其他設(shè)施收費(fèi)站、公交車站臺、減速帶、停車場、充電站、加油站、錐形桶 天氣白天、黑夜、晴天、雨天、雪天、霧天 交通參與者測試車、機(jī)動車、非機(jī)動車、行人、動物、其他障礙物、移動式交通管控設(shè)施

3.2 傳感器環(huán)境測試要求

以目前應(yīng)用最為廣泛的攝像頭和毫米波雷達(dá)為例，分析在道路測試中，傳感器所需的環(huán)境測試要求，具體如圖2、圖3所示。

3.3 道路測試場景集

結(jié)合已知道路的駕駛數(shù)據(jù)、道路環(huán)境測試需求、被測車輛及其輔助駕駛功能的特征等，對道路測試場景集進(jìn)行分類，進(jìn)行未知、典型自動駕駛測試場景的構(gòu)建，挖掘、評估未知場景和典型場景，如圖4所示。

圖2 攝像頭環(huán)境影響分析圖

圖3 毫米波雷達(dá)環(huán)境影響分析圖

3.4 道路測試路線制定原則

基于以上分析，測試車輛配置的FCW、LDW、LKA、BSD、AEB、ACC/ICA/TJA等高級輔助駕駛功能，主要測試駕駛員日常自然駕駛場景下的各個功能的實(shí)際表現(xiàn)，測試道路覆蓋高速、國道、城市等不同道路條件，另外覆蓋不同光照、天氣和交通環(huán)境，真實(shí)的測試車輛的ADAS系統(tǒng)。

道路測試期間車輛行駛區(qū)域覆蓋多種天氣和交通環(huán)境條件，其中天氣情況分為晴天、陰天；光照條件分為白天、傍晚、夜晚；道路類型分為高速道路、國道省道道路、城市道路（含城市快速路）；從交通狀況角度又分為擁堵路況、非擁堵路況；從交通參與者角度分為單一交通（只有機(jī)動車參與）、混合交通（除機(jī)動車外有行人、兩輪車、三輪車參與）。道路類型、天氣情況、光照條件的差異伴隨著交通流和道路周邊基礎(chǔ)設(shè)施的差異，同時對車輛功能的也有很大的影響，因此，在不同的道路條件下對車輛進(jìn)行ADAS功能測試，能夠更好地測試車輛ADAS系統(tǒng)對不同道路環(huán)境的適應(yīng)能力。測試道路類型里程分布，高速、國道/省道、城市總體比例的合理分布比例為3：4：3；測試天氣分布，晴天、陰天、雨天總體比例的分布為6：2：2；光照條件分布，白天、傍晚、夜晚總體比例分布為6：3：1，按照以上原則可制定適用于整車主動安全系統(tǒng)道路測試的具體路線。

圖4 道路測試場景

4 結(jié)語

以上針對實(shí)車道路測試開展的相關(guān)研究，對ADAS系統(tǒng)測試和低等級自動駕駛技術(shù)的測試提供幫助，并為自動駕駛測試?yán)碚擉w系搭建和技術(shù)研究積累了經(jīng)驗(yàn)，有了以上研究基礎(chǔ)的支持，眾多道路測試實(shí)踐工作逐步開展，其研究范圍覆蓋了主動安全功能測試、能效測試、傳感器測試等內(nèi)容[6]，獲得的研究成果也使得測試場景和路線的研究進(jìn)展有了新的突破。但自動駕駛測試實(shí)踐等相關(guān)領(lǐng)域仍舊面臨眾多挑戰(zhàn)，這些挑戰(zhàn)值得在后續(xù)的研究中完善和解決。

[1] 中關(guān)村智通智能交通產(chǎn)業(yè)聯(lián)盟.自動駕駛車輛測試道路要求[S].北京:中關(guān)村智通智能交通產(chǎn)業(yè)聯(lián)盟,2019.

[2] Yadav M,Singh A K,Lohani B.Extraction of road surface from mobile Li DAR data of complex road environment[J]. Journal of Remote Sensing,2017,38(16):4645-4672.

[3] 王越,范先星,劉金城,等.結(jié)構(gòu)化道路上應(yīng)用區(qū)域劃分的車道線識別[J].計算機(jī)應(yīng)用,2015(09):279-283+292.

[4] 黃蘭.自動駕駛混行公路的可靠性安全評價方法研究[D].廣州:華南理工大學(xué),2020.

[5] NAUMANN M,LAUER M,STILLER C.Generating comfor- table, safe and comprehensible trajectories for automated vehicles in mixed traffic[C].international conference on in- telligent transporta.tion systems. ITSC,2018.

[6] 趙祥模,承靖鈞,徐志剛,等.基于整車在環(huán)仿真的自動駕駛汽車室內(nèi)快速測試平臺[J].中國公路學(xué)報,2019,32(6):124-136.

Research on Real Vehicle Road Test Route Scheme in ADAS System

FAN Li, ZHOU Liang, TAO Qian

( China Merchants Testing Vehicle Technology Research Institute Co., Ltd., Chongqing 401329 )

It is one of the most important problems to select and formulate the test route of ADAS system vehicles when they are tested on real road.Based on the analysis of environment perception technology of ADAS system and considering the influence factors of road traffic safety, this paper come up with the principle of road scene classification and route selection for vehicle test of Adas System, which provides support for improving the efficiency and effect of road test.

ADAS system;Sensors;Road test

B

1671-7988(2022)01-40-05

U467

B

1671-7988(2022)01-40-05

CLC NO.:U467

范立，就職于招商局檢測車輛技術(shù)研究院有限公司。

10.16638/j.cnki.1671-7988.2022.001.010