自動駕駛測試評估體系綜述

保麗霞,吳金友,王秋蘭,季 楠,王凡婷

(1.上海市城市建設設計研究總院(集團)有限公司,上海 200125;2.吉林大學,吉林 長春 130000)

1 自動駕駛測試場地建設

目前,自動駕駛汽車正在從研發階段轉向在特定應用場所下的大規模實驗和試用階段,隨著自動駕駛系統的不斷發展,產生了很多新的測試需求。因此,建立完備的自動駕駛測試體系將有效推動智能網聯汽車產業發展[1]。

自動駕駛車輛測試是驗證和判斷自動駕駛系統在響應過程中是否能夠正確識別交通設施和參與者,并時刻遵守交通規則的測試。傳統的整車測試主要測試單車性能。與傳統的車輛測試不同,自動駕駛車輛測試的評價對象是一個強耦合的人-車-環境-任務系統,因此,使用針對傳統車輛的測試方法很難滿足對自動駕駛汽車性能測試的需求。隨著自動駕駛技術的不斷發展,各國圍繞自動駕駛測試相關工作進行了大量研究。目前,自動駕駛車輛測試兩大方法分別是仿真測試和道路測試[2]。仿真測試主要通過搭建仿真測試平臺,測試自動駕駛汽車各個系統的功能,是自動駕駛系統測試的第一步[3]?；诘缆返臏y試最接近真實環境的測試,是驗證自動駕駛功能的必要步驟,也是自動駕駛汽車商業化的必備條件。自動駕駛測試評價體系研究和統一標準規范的建立,對于提升我國自動駕駛汽車研究水平具有重要意義。

鑒于目前自動駕駛汽車測試技術缺乏全面系統的總結,圍繞國內外自動駕駛測試場地的建設情況、自動駕駛測試場景、測試方法、測試評價原則等進行了系統的總結。

2 自動駕駛測試場地建設

自動駕駛汽車大規模上路之前必須經過自動駕駛道路測試,在自動駕駛測試過程中可以評估測試車輛的性能并發現在測試中可能存在的風險,從而進行算法后續優化與系統功能提升,最大限度地提高自動駕駛車輛的安全性。

道路測試是基于真實的交通場景進行的測試,測試結果可信度較高,因此得到了業界的廣泛重視。測試場地能夠提供最接近開放道路的交通環境,方便探索在仿真測試中忽略的車輛在行駛過程中可能出現的各種問題。

2.1 國外自動駕駛測試場地

國外早在20世紀就開始重視自動駕駛汽車的發展,美國、日本等國家相繼出臺了支持自動駕駛汽車的研發和測試的政策,并投入大量資金建設無人駕駛測試場[4-7]。

美國已經建成多個無人駕駛示范區,其中,作為全球第一個自動駕駛汽車測試場M-city已于2015年建成,并引發廣大關注[8]。2016年,英國政府計劃在部分現有自動駕駛汽車檢測中心的基礎上,重點建設檢測設施集群。另外,瑞典、日本、新加坡等都在推進自動駕駛測試場地建設工作[4]。如表1所示。

表1 國外主要自動駕駛測試場

2.2 國內自動駕駛測試場地

我國的測試試驗場和示范區的建設仍處在不斷學習的階段,但是布局已經較為完整。許多企業都在努力加快智能網聯汽車的示范應用,并且推進自動駕駛車輛的商業化落地,目前上海、北京、重慶等地都已建立了智能網聯測試示范區[9],每個示范區都有自己的特點和側重,如表2所示。

3 自動駕駛測試場景

3.1 測試場景要素劃分

由于自動駕駛技術的發展帶來了測試需求的增加,學者們開始研究自動駕駛測試場景的構建。Geyer等人[12]詳細闡述了自動駕駛測試場景構成元素定義及場景的分類。Menzel等人[13]對情景一詞進行了更詳細的分類,將場景劃分為功能場景、邏輯場景和具體場景。德國PEGASUS項目[14]專門分析了自動駕駛汽車不同階段的測試需求,針對測試場景的構建,提出了六層分層模型,分別是道路層、交通設施層、臨時操作層、目標層、環境層和數據通訊層。美國國家公路交通安全管理局(NHTSA)構建了自動駕駛車輛測試場景的框架。趙祥模等人[15]將自動駕駛測試場景環境要素分為動態環境要素和靜態環境要素。

通過對以往研究的分析,一般來說,自動駕駛測試場景是一定時間和空間范圍內車輛運行設計域(Operational Design Domain,ODD)元素、目標和時間探測與響應(Object and Event Detection and Response,OEDR)元素和自車元素構成[16]。

3.2 國內典型測試場景庫案例

自動駕駛場景庫是指由不同測試需求構建的測試場景組成的數據庫。國內目前有很多公司已經開始建立自己的場景庫以供測試研究,如表3所示。

4 自動駕駛測試方法

4.1 測試方法簡介

自動駕駛測試場景的建設和功能劃分與車輛測試方法密不可分,目前自動駕駛測試方法主要分為仿真測試、封閉場地測試和開放道路測試,通常對車輛的測試采用“多支柱法”,即通過仿真測試、封閉場地測試和開放道路測試等多種測試方法對車輛依次進行功能測試[17]。

自動駕駛仿真測試指的是通過計算機還原盡可能真實的自動駕駛車輛運行場景,從而方便對車輛各個系統和車輛整體進行測試[18]。研究人員通過分析研究仿真測試的結果,測試與驗證自動駕駛各個系統和算法的有效性。仿真測試的主要優點是測試場景設置靈活,場景覆蓋率高、安全,有利于提高測試效率,降低測試成本。

自動駕駛道路測試,包括封閉場地測試和開放道路測試。雖然現階段大多數的測試工作仍以仿真測試為主,自動駕駛汽車的測試工作90%由仿真測試完成,但是仿真測試并不能完全取代實際道路測試,自動駕駛車輛需要進行道路測試來實現其最終測試。

4.2 典型場景下自動駕駛車輛測試實例

鑒于目前的自動駕駛仿真測試方法已經相當成熟,各國都在積極推進自動駕駛場地測試以加快無人駕駛車輛的商業化落地。

(1)封閉場地測試

2021年度,國家智能汽車與智慧交通(京冀)示范區亦莊基地為20余家國內外測試主體提供了測試服務,總測試時長超過3 100 h,封閉測試場全年測試里程近5.54萬km。

①基礎功能測試

以感知功能測試為例,當前被測自動駕駛車輛大多數是通過激光雷達、毫米波雷達和攝像頭來實現感知功能,主要測試被測車輛對周圍車輛、行人、障礙物等的識別性能。本文總結了2019～2021年自動駕駛車輛在封閉測試場內對其前方不同物體的最大感知距離,如表4所示。根據表中數據可知隨著自動駕駛車輛系統的升級,車輛整體感知性能逐漸提高,對物體的感知距離逐年增加。

表4 2019～2021年封閉試驗場向前最大感知距離優化方案對比

②整車測試

測試自動駕駛車輛的整車性能首先需要對于車輛在不同工況下的操作能力進行測試。2021年,北京封閉測試場測試的自動駕駛車輛在交通標線、曲線行駛、直角彎道、變更車道、通過人行橫道線、會車、路口左轉、路口右轉等項目通過率都達到了100%[19]。其次,通過車輛在封閉場地指定線路進行駕駛來評估自動駕駛車輛的動態駕駛性能與行駛穩定性。通過對測試結果的分析,現階段發現的問題主要包括定位精度不夠、某些工況下變道策略不合理等。

③試運營驗證測試

在正式對車輛進行開放道路測試之前,一些車輛選擇在封閉測試場內進行試運營來測試車輛行駛整個過程的性能。例如,2021年北封閉示范區就開展了無人巴士和無人配送車的運營測試。在一些常見場景下對無人巴士的基礎功能進行測試驗證,比如接客落客、與乘客的交互等。無人配送車測試場景,主要包括對配送車的遠程操控、最后一公里配送的測試。測試結果表明,仍存在許多問題需要解決,例如在緊急制動時刻車輛如何能確保乘客的安全等。

(2)實際道路測試

①試運營載人測試

截止2021年底,北京市載人測試里程累計超過251萬km,參與載人試運營測試的志愿者超過30萬人次[20]。隨著運營規模的擴大,用戶對自動駕駛車輛的接受程度逐漸提高,并且在自動駕駛車輛載人體驗過后,用戶對自動駕駛車輛運營的滿意度普遍較高,但仍需重點關注自動駕駛車輛運營模式、駕駛安全、舒適度等問題。

②道路測試關鍵脫離情況

自動駕駛關鍵脫離是指自動駕駛車輛因系統故障、策略缺陷、超出設計運行域等原因,車輛控制權限切換為人類駕駛員的事件,是道路測試的重點測試項目。2021年北京市場地測試中自動駕駛車輛脫離場景占比情況如表5所示,車輛脫離原因類型占比情況如表6所示。

表5 車輛脫離場景占比

根據表中數據可以看出,車輛脫離情況大多發生在變道場景中,并且,目標物占用車道、道路施工等因素是車輛脫離的主要原因。這主要是因為自動駕駛車輛在行駛過程中需嚴格執行交通法規,上述原因使得自動駕駛車輛失去合規的通行路線不得不請求人類接管車輛,人類駕駛員通常會臨時越過交通規則約束使車輛正常運行。為解決此類問題,未來還要從法律法規、權責劃分方面出發提出相應的解決方案。

5 自動駕駛測試評價原則

對自動駕駛車輛的評價主要從安全性、準確性、及時性和順暢性四個方面進行。

安全性原則:提高道路安全和駕駛效率是自動駕駛車輛的主要目的。因此,安全性能直接影響到自駕車輛的性能評估結果。安全性是測試中的一票否決項。此處的安全不應只關注本車是否可通過相應措施盡量降低風險,同樣需要關注本車的相應措施是否會嚴重影響交通流,造成外界其他交通參與者與本車產生危險。

準確性原則:準確性是指自主車輛能否準確地執行相關的駕駛行為,自車的駕駛行為不會對其他交通參與者造成過度的影響,甚至造成碰撞事故。它應該滿足其他交通參與者的一般期望,不對交通速度產生負面影響,不使其他駕駛參與者對其行為產生混淆,不影響道路安全。

及時性原則:及時性是指自主車輛是否能根據實時路況執行相關的駕駛行為,而不影響其他交通參與者。這一內容主要通過主觀測試方法來評估。

順暢性原則:順暢性是指自動駕駛汽車能否順利地、無障礙地完成相關駕駛行為,不被其他交通參與者頻繁打斷,或頻繁地、不合理地退出自動駕駛模式,要求駕駛員接管。

舒適性原則:舒適性指的是自動駕駛車輛在行駛過程中盡量保持平穩,減少加減速的頻率。

6 結 論

作為一個新興發展發向,自動駕駛汽車涉及較多的技術領域,應用場景復雜多變,尤其是自動駕駛汽車在面臨不確定事件時風險較大。本文基于現有的自動駕駛測試標準與研究。

總體來說,目前自動駕駛測試在場景構建、測試方法、測試標準方面都取得了一定的進展,但是仍然處于研究的初級階段,未來的研究方向主要放在車路協同與自動駕駛車輛交互測試、連續出行場景下自動駕駛車輛應用效果測試以及路側智能設施數據提供能力測試等方面,實地驗證自動駕駛車輛各個環節的性能,從而推動智能網聯技術生態體系的打造。

此外,在自動駕駛測評規范方面,未來的發展方向應著眼于建立健全測試的標準和法規,制定自動駕駛汽車運行安全、能力測試標準,加快我國自動駕駛技術的發展與落地。