智能網聯汽車熱帶測試場景研究

程思博 王宣鋒 林俊山

（海南熱帶汽車試驗有限公司，瓊海 571400）

主題詞：智能網聯汽車 測試 熱帶場景 環境

1 前言

國內智能網聯汽車測試示范區測試場景趨同性較高，多集中于研發功能階段的常規測試。智能駕駛功能測試場景大部分基于較基本的道路類型、最常見的道路交通標線標識和常規的車輛行駛狀態，主要目的是為了保障智能駕駛車輛的基本行駛功能。目前,汽車行業還沒有提出針對復雜氣候條件下的智能網聯汽車測試方法，智能網聯汽車在復雜氣候環境中的行駛可靠性還存在很大的不確定性。智能網聯汽車在實際公開道路行駛過程中面對的工況非常復雜，當前智能駕駛商業化落地和安全運行，必須要進行全面、大規模的嚴格測試。

2 國內外智能網聯汽車環境測試發展現狀

2.1 國內智能網聯汽車環境測試現狀

2020 年12 月，中國智能網聯汽車產業創新聯盟發布了《智能網聯汽車預期功能安全場景庫建設報告》[1]。報告首次對自動駕駛的關鍵要素，如感知、決策和執行分別受到的環境因素影響進行了分類，并提出了提升安全性的建議。

2022 年11 月，中國智能網聯汽車產業創新聯盟發布了《智能網聯汽車特殊環境自動駕駛功能場地試驗方法及要求》[2]征求意見稿，現面向全體會員及其他有關單位廣泛征求意見。自動駕駛汽車在商業化落地運行之前，需要經過大量的測試驗證和算法更新迭代。目前，工業和信息化部發布了《智能網聯汽車 自動駕駛功能場地試驗方法及要求》[3]標準，規范了普通環境下自動駕駛場地測試的試驗場景、試驗方法及通過標準，但該標準沒有對特殊環境下的自動駕駛功能測試提出規范性要求。未來，隨著自動駕駛技術不斷發展與成熟，特殊環境下的自動駕駛測試是自動駕駛大規模商業化所必經的階段。國內特殊環境測試領域規范和標準幾乎處于空白狀態，因此，汽車行業對于在特殊環境下的自動駕駛指導性測試標準的需求也較為緊迫。《智能網聯汽車特殊環境自動駕駛功能場地試驗方法及要求》[2]著眼于國內復雜的特殊環境，重點提出對智能網聯汽車影響較大的低溫、冰雪、熱帶氣候和山地丘陵環境下的測試方法及要求。

2.2 國外智能網聯汽車環境測試現狀

國外智能網聯汽車特殊環境測試場景的研究機構主要集中在美國、新加坡和歐盟。美國具備智能網聯汽車環境測試條件以及進行相關研究的機構，包括美國交通部、美國國家航空航天局肯尼迪航天中心、美國移動中心、愛荷華大學國家先進駕駛模擬中心、美國密歇根州立大學M-City 自動駕駛測試中心。新加坡大力發展智慧城市和智能交通，新加坡CETRAN智能車測試中心對特殊環境測試場景進行了大量研究。歐盟也有很多機構，比如瑞典AstaZero、德國聯邦經濟事務和能源部推動的PEGASUS 聯合項目進行了大量的測試場景研究。

美國交通部在美國9 個州指定了10 個自動駕駛試點試驗場，分布于美國東西部各個緯度。這些分布在美國不同緯度的自動駕駛試點試驗場具有不同的氣候條件和地理特征，使智能網聯汽車可以在更加豐富的環境條件下開展測試。

美國國家航空航天局肯尼迪航天中心具備人工控制的可變環境模擬設備,以及寬廣的測試道路網絡，可以對智能網聯汽車進行特殊環境測試，比如模擬極端氣候和異常的交通路況。

美國移動中心的試驗場擁有豐富的氣候測試環境（包括冰雪天氣），且面積約為美國密歇根州立大學M-City 自動駕駛測試中心的10 倍。試驗場內擁有雙層高架公路、鐵路道口、混凝土基礎路面、制造結冰和濕滑路面的水塔，這些公共基礎設施可以靈活搭配使用。

愛荷華大學國家先進駕駛模擬中心擁有全美國最大、設施最昂貴的模擬試驗場，且其在汽車安全、計算機模擬和建模研究領域處于國際領先地位。愛荷華大學試驗場內可進行各種人為因素的測試和高度可定制化的虛擬環境測試，且愛荷華地區具備各類真實動態的測試元素，包括各種天氣、地形和路面條件，可在整個地區進行真實道路測試。

美國密歇根州立大學M-City 自動駕駛測試中心就氣候環境對于智能網聯汽車感知模塊的影響做了相關的研究。最新的研究結果表明[4]，在雨霧環境中，小雨或者毛毛細雨都會影響感知系統檢測道路參與者的算法。這說明自動駕駛的算法如果不能很好地處理各種氣候環境條件，智能網聯汽車運行只能局限在陽光合適的天氣。如果氣候環境低于自動駕駛系統臨界標準時，需要人工接管車輛。自動駕駛測試中心的研究人員研究了雨霧環境的各種參數，包括雨滴大小、雨滴密度、風速和降雨量，發現當降雨強度達到其最高級別10%的時候，自動駕駛算法會漏檢約20%的物體。當降雨強度達到其最高級別30%的時候，自動駕駛算法會漏檢約40%的物體。

新加坡CETRAN 智能車測試中心由新加坡國家陸路運輸管理局、新加坡南洋理工大學共同成立，是東南亞地區第一個自動駕駛測試中心。測試中心內具有模擬降雨設備，可以模擬熱帶降雨和積水情況，可以針對性地模擬出新加坡周邊地區的氣候環境。熱帶地區的降雨具有突然性且雨量較大，經常短時間內導致道路深度積水，而自動駕駛感知系統在檢測積水和積水深度方面比較困難。下雨時，雨滴會分別吸收激光雷達和毫米波雷達產生的激光束和無線電波，導致信號衰減。不均勻降雨形成的雨柱還可能會反射這些信號，導致車輛誤識別率升高。為了更深入、更全面測試惡劣天氣下智能網聯汽車，新加坡CETRAN智能車測試中心謀求與美國密歇根州的美國移動中心等試驗場進行合作。

由聯邦經濟事務和能源部推動的PEGASUS 聯合項目，匯集了德國汽車企業、供應商以及研究機構。該項目將制定一個用于自動駕駛功能的通用標準化測試程序框架。該框架內部的功能場景模型中既包含了傳統的測試要素，還將環境要素加入到了框架模型當中，使得環境要素成為了測試場景中重要的組成部分。

3 熱帶測試場景建設的必要性

3.1 行業發展需要

智能網聯汽車是汽車產業發展的戰略方向，是汽車強國戰略的重要組成部分。首先，在技術層面上，汽車正在由人工操作的機械移動工具逐漸向電子化的移動信息終端演進。其次，在產業層面上，汽車的集成化程度越來越高，產業交叉程度越來越深，呈現出綠色化、智能化、網聯化、平臺化的發展特點。最后，在應用層面上，汽車正在由單純的交通運輸工具演變為智能的移動服務空間，正在成為新產業鏈、新模式的重要載體。智能網聯汽車大規模商業化落地，離不開大規模的環境適應性測試，以驗證其功能的可靠性。而熱帶環境適應性測試是環境適應性測試的重要一環，其結果體現了智能網聯汽車所能達到的環境極限，代表了智能網聯汽車行駛空間域的廣度。為了規范化、體系化和結構化地對智能網聯汽車進行熱帶環境適應性測試，有必要建設智能網聯汽車熱帶測試場景。

3.2 政策指引

為加快推進智能汽車創新發展，國家各部委和相關部門陸續發布了《智能網聯汽車道路測試與示范應用管理規范（試行）》[5]、《智能汽車創新發展戰略》[6]、《汽車駕駛自動化分級》[7]、《2020年智能網聯汽車標準化工作要點》[8]、《關于推動交通運輸領域新型基礎設施建設的指導意見》[9]、《車聯網路側設施設置指南》[10]、《關于促進道路交通自動駕駛技術發展和應用的指導意見》[11]等國家級戰略和政策，為營造更好的測試示范環境，為智能網聯汽車產業生態健康發展提供助力。其中2021年9月施行的《智能網聯汽車道路測試與示范應用管理規范》[5]中指出，一般性的測試場景做過一次后便可在全國通認測試結果，但是對于地區性特色的測試場景，則需要單獨進行測試。《智能網聯汽車道路測試與示范應用管理規范》[5]的發布引導各地區發掘自身的區域特色環境測試場景，因此智能網聯汽車熱帶測試場景建設是響應國家最新政策、促進智能網聯汽車發展的重要舉措。

4 熱帶測試場景的整體結構

4.1 自動駕駛場景分層模型

參考德國PEGASUS項目的場景分類體系，自動駕駛場景一般分為道路、交通設施及路邊環境、臨時交通變化、交通參與者、氣候環境條件和數字信息6個層次[12]。本文主要針對其中的第2層植被狀況、第4層交通參與者、第5層氣候環境條件進行熱帶環境特征要素的探索和研究。自動駕駛場景分層模型結合熱帶環境特征要素，可以定義一個自動駕駛熱帶測試場景（表1）。

表1 智能駕駛場景分層模型

4.2 熱帶環境特征要素

海南地處熱帶，不僅有熱帶的氣候特征，還有獨特的島嶼交通特征和植被特征。因此，可以把熱帶環境特征要素分為氣候、交通和植被要素。通過收集整理這3特征要素的實際數據，可以初步構建自動駕駛熱帶測試場景，探索熱帶環境特征要素對于汽車自動駕駛功能的實際影響。

可以把熱帶環境特征要素劃分成更多的可能影響自動駕駛功能的環境因素子項目，整理和歸納這些環境因素數據（表2），用于自動駕駛熱帶測試場景構建的理論數據支撐:

表2 氣候交通環境因素對于智能汽車自動駕駛要素的影響

（1）氣候特征要素：

氣候特征要素包含：光照、降雨、鹽度、濕度、溫度。

（2）交通特征要素：

交通特征要素包含：道路特征和交通參與者特征。交通參與者特征分為城市城區道路參與者特征和城鎮道路參與者特征。

（3）植被特征要素：

植被特征要素包含：城市道路路旁植被種類和城市道路旁的植被情況。

4.3 海南熱帶氣候特征

4.3.1 濕度全國主要城市20年的統計數據中，海南試驗場的平均相對濕度高于全國各主要地區（圖1）。

圖1 全國主要城市20年平均相對濕度[13]

4.3.2 溫度全國主要城市20年的統計數據中，海南試驗場的平均溫度高于全國各主要地區（圖2）。

圖2 全國主要城市20年平均氣溫[13]

4.3.3 降雨

全國主要城市18年的統計數據中，瓊海的降水總量高于全國各主要地區（圖3）。

圖3 全國主要城市18年的降水總量[13]

4.3.4 太陽光照度

目前因無太陽光照度全國范圍內的測量值，只能通過太陽光照度的影響因素（太陽高度角、能見度），定性推算各地太陽光照度的強弱。太陽高度角越高，能見度越高，太陽光照度越強。以各地空氣質量指數（Air Quality Index,AQI）表征各地能見度，海南瓊海市（試驗場所在地）能見度排在全國前列（圖4）。太陽高度角隨著緯度的變小而增大，海南地區緯度低于全國其它地區，太陽高度角高于其它地區。因此，從太陽高度角和能見度2個方面推算海南地區的太陽光照度應該排在全國前列。

圖4 全國主要城市AQI指數[14]

2022年6月初，海南試驗場內的正午太陽光直射照度為140 000～164 600 lx，與樹蔭下的比值最大為10倍。

4.3.5 鹽霧

全國各海域的整體鹽霧水平存在差異，東南沿海略高于北方沿海。海鹽離子含量與當地的環境溫度、風向風速、海水溫度和海水鹽度參數有較大關系。環境溫度和海水溫度越高，海面風速越大，海水鹽度值越大，該地區的海鹽含量就越高。在同一區域內，離海距離和地形具體環境條件對鹽霧水平的影響更顯著。隨著離海距離的增加，鹽霧的濃度和沉積速率均會下降。

4.4 海南島嶼交通特征

4.4.1 城市道路面積

2020 年，海南省道路面積排在全國倒數第4 位，道路總面積小（圖5）。

圖5 2020年全國主要省市道路面積[15]

4.4.2 城市道路長度2020年，海南地區城市道路長度排在全國倒數第5位，道路總長度小（圖6）。

圖6 2020年全國主要省市道路長度[15]

4.4.3 兩輪車交通參與者

2020年，海南省每100戶兩輪車擁有量排名全國第1，對照海南的道路面積和長度全國排名，海南地區兩輪車密度很高（圖7）。

圖7 2020年全國主要省市100戶兩輪車擁有量[13]

4.5 海南熱帶植被特征

4.5.1 海南整體植被狀況

海南省屬于熱帶季雨林、熱帶雨林區域，植被種類豐富、結構復雜、構造特殊、終年生長。雨林的一個重要特征是具有大量附生的蕨類和有花植物，植物量（主要是木材）占陸地總植物量40%。其植被結構復雜，層次劃分不明顯，有喬木層、灌木層、草本層。在城市園區和路旁多種植灌木和小型喬木，在鄉鎮道路旁樹木多枝冠寬大且枝葉茂密。

4.5.2 植被層次分類

激光雷達在探測復雜或深度紋理的物體（如灌木叢）時通常會產生噪聲，從而阻礙系統的感知。激光雷達探測灌木叢時會產生“拖尾”問題及“空洞”問題。理論上，激光雷達脈沖打到物體表面是一個理想的光斑點，但是實際的激光雷達脈沖存在一定的發散角，打到物體上是一個面。當物體存在多層次的縱深結構時（比如灌木叢或者縱深大的植物），這樣就可能導致激光雷達脈沖打到前面物體邊緣時，部分激光脈沖打到后面層次的物體上，進而出現一個脈沖出去返回2個回波，無法判斷以哪個距離為準。

表3 基本植物層次及植物高度

激光雷達探測近處低矮障礙物，特別是具有多層次縱深的低矮植被時，在由遠及近靠近過程中，出現點云“時有時無”的丟失現象被稱為“空洞”。障礙物原始點云“時有時無”會讓感知軟件難以持續跟蹤判斷，從而無法準確判斷是不是一個固定障礙物，容易導致智能網聯汽車出現危險緊急制動或頻繁的減速、加速現象。

5 智能網聯汽車熱帶測試場景初步構建

5.1 強光照下標志和標線識別與響應

試驗道路為包含雙向2 車道的長直路并在路段內設置限速標志牌，車道線為白色虛線，限定車速≤40 km/h，光照度≥100 000 lx，交通暢通，沒有其它車輛和行人干擾，道路兩側除樹木外無其它遮擋物（表4）。

表4 強光照下的標志和標線的識別與響應場景

參與者類型動作參數交通參與者氣候環境條件數字信息交通狀況交通流量時間天氣類型天氣參數V2X設備測試車（1）初始位置：車道中央（2）移動方向：面向限速牌正面（3）移動速度：限速牌前100 m加速到限速牌速度以上暢通無白天晴天光照強度：100 000 lx或以上無

5.2 強光照下前方車輛的識別與響應

試驗道路為包含雙向兩車道的長直路，并在路段內設置前方固定車輛，車道線為白色虛線，限定車速為30 km/h，光照度≥100 000 lx，交通暢通，沒有其它車輛和行人的干擾，道路兩側除樹木外無其它遮擋物（表5）。

表5 強光照下的前方車輛的識別與響應場景

參與者類型交通參與者動作參數氣候環境條件數字信息交通狀況交通流量時間天氣類型天氣參數V2X設備測試車（1）初始位置：車道中央（2）移動方向：面向故障車輛（順光和逆光）（3）移動速度：限速牌前100 m加速到限速牌速度以上暢通無白天晴天光照強度：100 000 lx或以上無

5.3 強光樹陰下的行人路旁行走

試驗道路為至少包含2 條車道的長直道，中間車道線為白色虛線，并在道路兩側設置各類熱帶植被，同時試驗道路上有長度達20 m以上的樹陰（表6）。

表6 強光樹陰下的行人路旁行走場景

氣候環境條件數字信息時間天氣類型天氣參數V2X設備白天晴天光照強度：100 000 lx或以上;明暗光照度比：≥7無

5.4 雨霧天氣的標志識別與響應

試驗道路為長直道，并帶有可模擬降雨天氣環境的雨霧噴水裝置，模擬下雨路段的道路長度為50 m以上，降雨量的參考標準如表7所示。同時在雨霧路段的終點提供限速30 km/h的車輛道路限速標志。模擬車輛從雨霧起點進入，檢驗車輛能否不受雨霧影響，正常識別道路限速標志。

表7 雨霧模式下的標志識別與響應場景

5.5 前方路面積水通行

試驗道路為包含雙向2 車道的長直道，車道線為白色虛線，直道長度大于100 m，并帶有可模擬路面積水的測試區，模擬路面積水的道路長度為100 m以上，道路兩側無其它遮擋物（表8）。

表8 前方路面積水通行場景

5.6 茂盛灌木叢道路通行

試驗道路兩邊密布超過車身高度的灌木叢，道路長度大于200 m，灌木超過道路邊緣小于15 cm（表9）。

表9 茂盛灌木叢道路通行場景

6 結束語

智能網聯汽車熱帶測試場景屬于環境類測試要素，本文首先描述了國內外智能網聯汽車環境測試發展現狀，進而闡述智能網聯汽車熱帶測試場景建設的必要性，最后提出智能網聯汽車熱帶測試場景的整體結構以及初步構建智能網聯汽車熱帶測試場景。在整體結構中描述了環境特征包含的要素，以及這些環境要素可能對自動駕駛功能安全產生的影響。

未來，根據本文的內容，可以繼續歸納出一些具有代表性的智能網聯汽車熱帶測試場景，將這些場景應用在實際的智能網聯汽車測試中，依據測試的結果持續驗證環境要素對于智能網聯汽車自動駕駛功能產生的影響，并持續完善場景中的要素參數，構建更加完善的智能網聯汽車熱帶測試場景庫。