石 蕊,王霽宇,端 帥

[1.中國汽車技術(shù)研究中心有限公司,天津 300300; 2.中汽研汽車檢驗中心（天津）有限公司,天津 300300]

0 引言

當(dāng)前，以萬物互聯(lián)等技術(shù)為代表的新一輪科技革新正迅猛發(fā)力，推動傳統(tǒng)制造業(yè)向智能制造轉(zhuǎn)型。而汽車產(chǎn)業(yè)作為國民經(jīng)濟的支柱產(chǎn)業(yè)，因規(guī)模大、帶動效應(yīng)強、國際化程度高、資金技術(shù)人才密集，或?qū)⑹菐又圃鞓I(yè)轉(zhuǎn)型升級與新一輪科技革新的重要產(chǎn)業(yè)。智能駕駛是我國搶占制造產(chǎn)業(yè)制高點、促進行業(yè)轉(zhuǎn)型升級，由汽車大國邁向汽車強國的重要突破口。目前智能駕駛汽車正在由測試示范逐步邁入量產(chǎn)商用階段的過程中，測試驗證及評價需求呈量級式增長。為此，聯(lián)合國在2018 年整合原ITS/AD 非正式工作組的相關(guān)業(yè)務(wù)，成立了新的自動駕駛汽車工作組GRVA，并在GRVA 下成立了自動駕駛汽車評估和管理非正式工作組VMAD。VMAD 明確提出，只基于特定場景和指標(biāo)的現(xiàn)場測試評估方法無法滿足自動駕駛系統(tǒng)在各種復(fù)雜場景下全天候測試和評估的要求。由此提出了目前國際社會最為接受的自動駕駛測試方法“多柱法”自動駕駛測試準(zhǔn)則，即通過模擬測試、現(xiàn)場測試和實際道路測試進行測試[1]。

與此同時，隨著自動駕駛技術(shù)的發(fā)展，以車道居中保持為代表的典型L2 駕駛自動化功能已經(jīng)逐漸普及。而以特斯拉、小鵬、蔚來為代表的新興汽車企業(yè)，所開發(fā)車型具備自動按導(dǎo)航行駛、變道、通過匝道、智能限速等功能，進而豐富了高級駕駛輔助系統(tǒng)的細分，通常把這種在特定道路上能夠按導(dǎo)航路線輔助駕駛、能夠自動變道超車、自動通過匝道換路線的功能系統(tǒng)稱為“領(lǐng)航駕駛輔助”系統(tǒng)。同時，傳統(tǒng)車企如長城、比亞迪等也把這類功能加入了產(chǎn)品發(fā)布的計劃中。而這類產(chǎn)品在實際復(fù)雜交通運行環(huán)境的整車級測試評價技術(shù)未突破、測試成本高、周期長、覆蓋度低、缺乏完善工具鏈，且現(xiàn)今的領(lǐng)航駕駛輔助系統(tǒng)測試更多側(cè)重于驗證車輛的安全及可靠性，有關(guān)性能優(yōu)劣如何進行測試驗證及評價的相關(guān)研究較少且標(biāo)準(zhǔn)化測試評價體系及詳細測試方法也尚屬空白。

因此，該文將針對測試評價方法缺乏的問題，聚焦領(lǐng)航駕駛輔助功能性測試評價方法研究，重點開展基于關(guān)鍵場景的領(lǐng)航駕駛輔助系統(tǒng)智能化評價方法研究，以自動變道及穩(wěn)定跟車場景為示例，建立智能化測試評價方法，并通過實際道路測試數(shù)據(jù)完成驗證。

1 智能性評價方法研究

自動駕駛&高級別輔助駕駛系統(tǒng)智能性評價方法研究有助于智能駕駛車輛的任務(wù)決策、復(fù)雜環(huán)境認(rèn)知、演進交通場景理解等能力分級，助力汽車智能化設(shè)計水平提升[2]。同時，汽車智能化技術(shù)是減少交通事故、緩解交通擁堵、減輕環(huán)境污染的有效途徑。因此，開展領(lǐng)航駕駛輔助等新興智能駕駛產(chǎn)品的智能性評價方法研究十分必要。

對于智能駕駛車輛智能性的定義，多數(shù)學(xué)者認(rèn)為智能性的基本性能應(yīng)由傳統(tǒng)車輛性能系統(tǒng)升級而拓展得到，對于傳統(tǒng)人工駕駛車輛，安全、舒適、經(jīng)濟是衡量車輛性能的三個重要維度，其中，安全性包括了車輛的被動安全性能、制動性能和操縱穩(wěn)定性等；舒適性則包含了車輛的平順性、振動和噪聲性能等；經(jīng)濟性主要指車輛的燃油經(jīng)濟性。對于智能駕駛汽車，由于駕駛?cè)蝿?wù)的行為主體由人變成了人與系統(tǒng)，對車輛的考察由原來的駕駛員視角擴展到乘員視角（即系統(tǒng)開得好不好），因此安全性、舒適性與經(jīng)濟性被賦予了新的涵義以體現(xiàn)車輛的智能性。在安全性方面，智能性主要體現(xiàn)在如車輛避撞性能和危害減輕能力的主動安全性能上；在舒適性方面，由于自動駕駛汽車具有更出色的運動控制和車間協(xié)同能力，與自然駕駛行為差異較大，往往會引起乘員的不舒適感，因此智能性也體現(xiàn)在車輛駕駛行為與乘員期望的一致性以及不讓乘員產(chǎn)生失控感的能力。此外，與傳統(tǒng)車輛經(jīng)濟性對應(yīng)，除了能耗效率，車輛在規(guī)定時間內(nèi)高效率地完成既定駕駛?cè)蝿?wù)的時間效率（如單車、多車通行效率）也是智能性的重要體現(xiàn)，因此可將能耗效率與時間效率統(tǒng)稱為智能駕駛汽車的效能性[2]。

此外，隨著智能駕駛技術(shù)的應(yīng)用落地，自動駕駛技術(shù)的應(yīng)用使汽車從單一的駕駛?cè)蝿?wù)執(zhí)行機構(gòu)向集感知、決策、控制于一體的駕駛?cè)蝿?wù)執(zhí)行主體轉(zhuǎn)變，智能駕駛汽車功能優(yōu)劣、性能高低的評價將不僅僅取決于執(zhí)行機構(gòu)性能表現(xiàn)，更取決于感知、決策、控制等全過程綜合性能表現(xiàn)，也是汽車智能性中進階性能的重要體現(xiàn)。如部分學(xué)者提出的智能駕駛汽車智能性體現(xiàn)在盡可能少的人工接管、優(yōu)秀的人機交互性與學(xué)習(xí)性以及與其他交通參與者良好的交互質(zhì)量上[3]，所以智能性應(yīng)是智能駕駛系統(tǒng)為了能夠完成動態(tài)任務(wù)所具有的綜合感知、認(rèn)知、分析、交互、規(guī)劃、決策和執(zhí)行等能力。Meng Haolan 等[4]綜合考慮智能性的各維度，提出了行駛自治性、社會合作性和學(xué)習(xí)進化性的自動駕駛智能性評價框架。智能駕駛汽車作為擁有上述高階智能屬性的執(zhí)行主體，在其開發(fā)與準(zhǔn)入進程中，需要進行充分的智能性測試與評價。因此該文將聚焦領(lǐng)航駕駛輔助系統(tǒng)這一L2+級別的細分，在智能性維度功能表現(xiàn)的測試與評價方法上，從關(guān)鍵場景表現(xiàn)著手確定智能度評價指標(biāo)，構(gòu)建起智能駕駛汽車綜合評價體系中的智能性維度。

2 面向領(lǐng)航駕駛輔助功能性測試評價的關(guān)鍵場景選取

場景構(gòu)建是智能駕駛汽車開展測試評價研究的基礎(chǔ)，各國主機廠商、測試主體、研發(fā)機構(gòu)都對場景庫構(gòu)建技術(shù)研究給予了相當(dāng)?shù)闹匾?。研究范圍涉及測試場景方法論、場景元素解析與耦合、場景重構(gòu)技術(shù)、場景搭建技術(shù)、驗證方法論等方面。因此在領(lǐng)航駕駛輔助性能評價研究中，關(guān)鍵測試場景的確定、提取、指標(biāo)及其評價模型選定對于功能評價的一致性、準(zhǔn)確性至關(guān)重要。

Winner[5]等在對大量智能駕駛測試數(shù)據(jù)進行了統(tǒng)計分析，發(fā)現(xiàn)在智能駕駛系統(tǒng)開啟下的測試階段，跟隨道路曲率行駛、跟車行駛、換道行駛分別占所有智能駕駛工況的比率統(tǒng)計結(jié)果如圖1 所示，可見跟車行駛與換道行駛作為最典型的行駛場景在日常行駛中的工況覆蓋率，而對這兩類場景進行測試與評價也將是檢驗智能駕駛汽車橫縱向控制性能經(jīng)濟性、安全性、穩(wěn)定性的有效途徑，因此該文將重點研究智能駕駛系統(tǒng)在上述兩種典型場景下的智能性表現(xiàn)。

圖1 智能駕駛汽車行駛工況占比圖

研究團隊搭建的公共道路測試工具鏈如圖2 所示，主要由慣導(dǎo)與GPS 定位組合模塊、激光雷達、毫米波雷達和帶識別的智能攝像頭等真值傳感器構(gòu)成，以準(zhǔn)確識別車輛周圍的道路、車輛和行人等目標(biāo)物，計算目標(biāo)物之間的距離、速度和位置?；诖?，團隊通過開展在長里程公共道路測試進行數(shù)據(jù)積累，已完成五個搭載領(lǐng)航駕駛功能的量產(chǎn)車型（特斯拉Model3、小鵬P5、小鵬P7、蔚來ES6、阿維塔11）在高速路、快速路工況下的測試，有效測試?yán)锍踢_3 200 km。在測試全過程盡可能全程開啟領(lǐng)航駕駛輔助系統(tǒng)，開啟自主換道，非緊急情況下不對系統(tǒng)決策觸發(fā)及執(zhí)行階段進行干涉，同時輔以典型變道、跟車行為主觀評價，由經(jīng)驗豐富的主觀評價工程師進行記錄并評價，完成數(shù)據(jù)采集后，將測試數(shù)據(jù)上傳至智能網(wǎng)聯(lián)汽車公共道路測試云端平臺。

圖2 公共道路測試工具鏈架構(gòu)

通過上述技術(shù)流程，應(yīng)用云端平臺的場景管理模塊對上述測試數(shù)據(jù)在領(lǐng)航駕駛輔助開啟下的自主變道及穩(wěn)定跟車場景進行提取，通過數(shù)據(jù)清洗、過濾，共獲得系統(tǒng)自動觸發(fā)、全程執(zhí)行的變道成功場景3 276 個，由于緊急情況系統(tǒng)降級、人工介入等導(dǎo)致的變道失敗場景464個，各種道路曲率下穩(wěn)定跟車場景6 782 個，這些場景將為該文的關(guān)鍵場景工況下的領(lǐng)航駕駛輔助系統(tǒng)智能性測試評價方法建立提供數(shù)據(jù)支撐。

3 關(guān)鍵場景工況下的領(lǐng)航駕駛輔助系統(tǒng)智能性測試評價方法建立

市場上紛繁復(fù)雜的智能駕駛產(chǎn)品由于定義的不一致性導(dǎo)致部分廠商在宣傳上投機取巧，類似行為給智能駕駛技術(shù)發(fā)展和產(chǎn)品落地都帶來了一定的負面作用，所以針對智能駕駛車輛智能化水平建立客觀準(zhǔn)確的評價方法論尤為重要，評價方法論必須能夠準(zhǔn)確、合理、客觀、科學(xué)且盡可能全面地反映智能化性能。

目前智能駕駛系統(tǒng)的評價指標(biāo)體系多從安全、高效、智能等維度進行分層級建立。智能駕駛車輛體現(xiàn)的智能性，體現(xiàn)在智能駕駛環(huán)境下車輛運行的安全性、舒適性與經(jīng)濟性等傳統(tǒng)屬性。因此智能性指標(biāo)選取應(yīng)盡可能從上述的安全、舒適、經(jīng)濟等維度全面體現(xiàn)由系統(tǒng)主導(dǎo)的換道、跟車行為能夠自主控制，盡可能減少人工干預(yù)，不發(fā)生緊急危險情況，高效順暢地完成。

3.1 換道場景下的系統(tǒng)智能性測試評價方法建立

合理的評價指標(biāo)應(yīng)構(gòu)成一個完整的體系，全面地反映所評價對象，但并不是所有的因素都可量化為評價指標(biāo)，指標(biāo)選擇應(yīng)本著差異性大、覆蓋廣且評價指標(biāo)體系必須進行篩選、優(yōu)化，組成科學(xué)合理的評價指標(biāo)集。綜合考量此類系統(tǒng)在道路測試中的試驗表現(xiàn)及現(xiàn)有的綜合評價結(jié)果，選擇接管頻率、停頓次數(shù)、橫向加速度分布率為智能性考量的備選指標(biāo)。

在前期的多維度備選指標(biāo)分別列舉環(huán)節(jié)中，該文可能本著差異性大、覆蓋廣的原則完成列舉任務(wù)，而上述的環(huán)節(jié)僅完成根據(jù)測試數(shù)據(jù)表現(xiàn)及文獻研究擬定的備選指標(biāo)，上述指標(biāo)是否架構(gòu)成作為正式評價指標(biāo)體系，成為研究成果實際應(yīng)用，尚缺乏足夠的理論支撐，因此該文將用敏感度分析法確認(rèn)正式評價指標(biāo)[6]，敏感度靠前的指標(biāo)將被選為課題輸出評價指標(biāo)體系的正式關(guān)鍵指標(biāo)，最終確立換道場景下系統(tǒng)智能性指標(biāo)體系如圖3 所示。而對于指標(biāo)層級參數(shù)的具體權(quán)重，需以科學(xué)的評價方法理論進行確認(rèn)。

圖3 換道場景系統(tǒng)智能性指標(biāo)體系

該文考量各評價方法優(yōu)缺點及適用性，決定以模糊綜合評價法確認(rèn)準(zhǔn)則層的權(quán)重占比，并以AHP-熵值組合賦權(quán)法修正準(zhǔn)則層權(quán)重，并確認(rèn)指標(biāo)層權(quán)重，以模糊綜合評價方法及AHP-熵值組合賦權(quán)法結(jié)合的評價方式建立基于公共道路測試的自動變道—時機選擇階段評價指標(biāo)體系，確定指標(biāo)層級權(quán)重方法如下：

因素集是以影響評價對象的各種因素為元素所組成的一個普通集合，通常用U表示。

導(dǎo)致目前少許企業(yè)的抵扣鏈條斷層的緣由主要包括兩方面：首先是現(xiàn)行政策不允許抵扣某些支出，或者沒有這方面的抵扣政策；其次是實際操作階段，抵扣有政策，但是又出現(xiàn)不可抗的因素導(dǎo)致不能及時有效地抵扣稅額。

即為影響評價對象的第i個因素。這些因素具有不同程度的模糊性。該文中u1、u2、u3分別為安全性、效能性、智能性。

3.1.1 建立綜合評價集

評價集是評價者對評價對象可能做出的各種結(jié)果所組成的集合，通常用V表示。

可用不同的等級、評語或數(shù)字來表示。該文中對準(zhǔn)則層的評價集元素包括重要、一般重要、中等、比較不重要、很不重要，分別對應(yīng)著評價中的v1、v2、v3、v4、v5。

3.1.2 確定各因素權(quán)重

評價工作中，各因素的重要程度有所不同，為此，需給各因素ui賦一個初始權(quán)重，各因素的權(quán)重集合的模糊集合，用A表示。

在該課題中，確定初始權(quán)重集為：

3.1.3 進行單因素模糊評價，獲得評價矩陣

這樣U中元素分別形成行矩陣R1、R2、R3、R4，按順序構(gòu)成矩陣R4*3，即為模糊評價矩陣。

3.1.4 建立綜合評價模型

確定單因素評判矩陣R和因素權(quán)向量A之后，通過模糊變化將U上的模糊向量A變?yōu)閂上的模糊向量B，向量B即為U中各元素所附權(quán)重，經(jīng)計算：

3.1.5 應(yīng)用AHP-熵值組合賦權(quán)法進一步確定評價體系權(quán)重分配

經(jīng)模糊綜合評價法，已獲得準(zhǔn)則層權(quán)重，下面將對其進行修正，并完成對指標(biāo)層的權(quán)重計算。AHP-熵值組合賦權(quán)法采用主觀賦權(quán)法（AHP）和客觀賦權(quán)法（熵權(quán)法）相結(jié)合的組合賦權(quán)方法，能夠彌補單一賦權(quán)帶來的不足。將兩種賦權(quán)方法相結(jié)合的加權(quán)方法稱為組合賦權(quán)法。主客觀組合權(quán)重是：

式中，αj——層次分析法計算所得的權(quán)重；βj——熵值法計算所得權(quán)重。

最終得出智能性指標(biāo)層所獲得的權(quán)重：

3.2 穩(wěn)定跟車場景下的系統(tǒng)智能性測試評價方法建立

如3.1 所述的研究進程，首先擬定備選的指標(biāo)層指標(biāo)，包括接管頻率、最大縱向減速度、TTC 均值，后經(jīng)AHP-熵值組合賦權(quán)法計算，對應(yīng)權(quán)重分別為0.42、0.35、0.23。

3.3 基于關(guān)鍵場景的系統(tǒng)智能化公共道路測試評價實施技術(shù)路線

基于上述研究，已完成了基于關(guān)鍵場景的系統(tǒng)智能化公共道路測試評價指標(biāo)體系建立，也充分分析了借助公共道路測試手段測試領(lǐng)航駕駛功能智能性表現(xiàn)的優(yōu)越性，該節(jié)旨在通過實施流程介紹，指導(dǎo)廠商及測試機構(gòu)執(zhí)行對該功能進行實際道路測試與評價一體化流程，最終輸出評價得分，實施流程如圖4 所示。

圖4 基于關(guān)鍵場景的系統(tǒng)智能化公共道路測試實施流程

4 總結(jié)與展望

該文就面向典型場景的領(lǐng)航駕駛輔助系統(tǒng)功能性測試評價方法展開研究，提出以跟車、換道場景為關(guān)鍵場景的智能性測評理論，建立智能性評價指標(biāo)體系并確定權(quán)重，輔以真實測試數(shù)據(jù)驗證，為領(lǐng)航駕駛功能整車級測試評價方法體系提供支撐。后續(xù)將持續(xù)對該方向進行研究，挖掘基于典型場景的實際道路測試有效里程，確定并建立場景隨機篩選機制，助力領(lǐng)航駕駛輔助技術(shù)不斷迭代優(yōu)化。