面向智能網(wǎng)聯(lián)汽車的成熟駕駛模型白皮書 202311

令術(shù)革命的支持下，自動駕駛能夠高效規(guī)劃出行路線與時間，從而大幅度提高出行效率，并可直接減少行駛能消。同時還能避免駕駛員因注意力分散、酒駕及身體疲勞等造成的安全隱患，因此自動駕駛汽車已成為全球各企業(yè)研發(fā)的重中之重。當(dāng)前具備先進(jìn)駕駛輔助系統(tǒng)、自動駕駛系統(tǒng)的汽車滲透我國汽車強(qiáng)國建設(shè)進(jìn)入關(guān)鍵時期，面對智能汽車激烈的國際競爭和我國汽車產(chǎn)業(yè)轉(zhuǎn)型升級突破的強(qiáng)烈訴求，快速抓住汽車智能化、網(wǎng)聯(lián)化及共享化發(fā)展的新機(jī)遇，使我國汽車生態(tài)快速轉(zhuǎn)型升級，并成為新業(yè)態(tài)引領(lǐng)者，對不斷滿足人民日益增長的智能出行需求與美好生活需要具有十分重要的因此，為了有助于設(shè)計(jì)更能被用戶接受的智能駕駛系統(tǒng)，達(dá)到減少交通事故，提升駕乘體驗(yàn)，提高交通效率的目的，中國汽車技術(shù)研究中心有限公司聯(lián)合中國第一汽車股份有限公司、華為技術(shù)有限公司、清華大學(xué)等本書結(jié)合成熟駕駛模型發(fā)展現(xiàn)狀、自動駕駛發(fā)展現(xiàn)狀及成熟駕駛模型標(biāo)準(zhǔn)化的發(fā)展現(xiàn)狀，綜合提出符合中國駕駛員的成熟駕駛模型，包含緊急制動模型與緊急轉(zhuǎn)向模型，在世界范圍內(nèi)首次通過實(shí)車標(biāo)定與仿真標(biāo)定相結(jié)合方式開展模型參數(shù)標(biāo)定，確定了駕駛員反應(yīng)時間、制動特性曲線及轉(zhuǎn)向特征曲線等多項(xiàng)關(guān)鍵技術(shù)參數(shù)，并用仿真工具進(jìn)行參數(shù)泛化，首次構(gòu)建了基于實(shí)車及仿真二者相結(jié)合的成熟駕駛模型關(guān)鍵參數(shù)，最終得出了可避免碰撞的場景參數(shù)范圍邊界，為自動駕駛汽車與人類駕駛能力類比、預(yù)期功能安全研究、設(shè)計(jì)運(yùn)行域設(shè)計(jì)及自動駕駛準(zhǔn)入管理等提供重要依據(jù)，研究成果可全面支撐自動駕駛汽車產(chǎn)品及技術(shù)發(fā)展，為我國自動駕駛汽車高鄭建明、張宇飛、孫航、高魯濤、華一丁、王紅、陳龍、蘭祥琪、郭欽城、田磊、李佳秾、章棵、沈金華、宋雪松、韓卓偉、李雪軻、曹建永、黃俊富、江浩斌、程周、覃斌、劉開勇、張巍、高海龍、孫加興、邱志鵬、潘濤、鄭英東、付源翼、夏創(chuàng)新、史志輝、張麗平、劉瑞強(qiáng)、曲歌、張儒征、牟柯、李傲雪、廖尉華、宋永康、杜強(qiáng)飛、 成熟駕駛模型是指模仿成熟人類駕駛員控制車輛行為的數(shù)學(xué)模型或計(jì)算機(jī)模型，這些模型在汽車設(shè)計(jì)、自動駕駛算法開發(fā)、駕駛模擬器以及交一般來說，成熟駕駛模型建模思路是，對駕駛活動進(jìn)行具體觀察，如駕駛員的決策過程，駕駛員的注意力控制及車輛的速度、加速度等車輛表現(xiàn)，在此基礎(chǔ)上，構(gòu)建一個層級結(jié)構(gòu)，如策略、操縱和控制三層，然后將層級結(jié)構(gòu)與駕駛?cè)蝿?wù)動態(tài)聯(lián)系起來，在不同層級上對駕駛?cè)诉M(jìn)行行為分析。成熟駕駛模型技術(shù)在當(dāng)今世界呈現(xiàn)出豐富多彩的發(fā)展態(tài)勢，經(jīng)歷了數(shù)十年的持續(xù)探索與技術(shù)積淀，其發(fā)展脈絡(luò)浸潤了認(rèn)知心理學(xué)、交通工程、依據(jù)模型建模方法大致可分為基于理論的模型和基于數(shù)據(jù)的模型?；诶碚摰哪Ｐ统；谌祟愋睦韺W(xué)、生理學(xué)、控制理論等領(lǐng)域的研究成果進(jìn)行建模，近年來這些模型更加細(xì)化，對人類行為的模擬精度越來越高；基于數(shù)據(jù)的模型常基于大數(shù)據(jù)和機(jī)器學(xué)習(xí)技術(shù)，大幅提高了駕駛模型的準(zhǔn)確性和預(yù)測能力。通過分析大規(guī)模的實(shí)際駕駛數(shù)據(jù)，模型能夠自我優(yōu)化，提按照模型的細(xì)節(jié)程度可分為微觀模型和宏觀模型，微觀模型重點(diǎn)關(guān)注單一駕駛員決策過程和操作細(xì)節(jié)；宏觀模型重點(diǎn)關(guān)注整體交通流的宏觀特按照模型的功能可分為行為模型、決策模型和性能模型，行為模型專注于駕駛員的操作行為，如轉(zhuǎn)向、加速、制動等；決策模型模擬駕駛員的策略選擇和決策過程，如應(yīng)對突發(fā)事件的反應(yīng)、最小風(fēng)險策略選擇等。性按照應(yīng)用領(lǐng)域可分為交通工程應(yīng)用模型、車輛設(shè)計(jì)應(yīng)用模型和駕駛培訓(xùn)評估模型等，交通工程應(yīng)用模型用于路網(wǎng)設(shè)計(jì)、交通流量控制、事故重建等領(lǐng)域；車輛設(shè)計(jì)應(yīng)用模型用于車輛人機(jī)交互設(shè)計(jì)、輔助駕駛系統(tǒng)開發(fā)、駕駛員輔助功能的評價和優(yōu)化等；駕駛培訓(xùn)評估模型應(yīng)用于模擬具體的駕成熟駕駛模型的研究方向眾多，但在自動駕駛技術(shù)領(lǐng)域中，跟馳與換道模型的研究深度和應(yīng)用范圍相對較為廣泛。在實(shí)際行車過程中，由于駕路方向操縱車輛)駕駛行為安全的重要性，且有研究表明，近一半的交通事故是由于駕駛?cè)烁嚲嚯x過近導(dǎo)致的。車輛跟馳理論不僅是微觀交通流理論最基本的仿真模型，還是理解宏觀交通流形成的理論基石。此外，它還具有指導(dǎo)交通組織管理、緩解交通擁堵的現(xiàn)實(shí)意義。橫向駕駛行為是指駕駛?cè)嗽谂c道路垂直的方向上對車輛進(jìn)行操控，是駕駛行為的重要組成部分，換道模型與跟馳模型構(gòu)成了交通流中兩個最主要的駕駛?cè)蝿?wù)，也是駕車輛跟馳模型主要用于描述車輛在跟馳行為過程中的行駛狀態(tài)變化。根據(jù)建模方法的不同，已有模型劃分為理論驅(qū)動車輛跟馳模型(Theory-DrivenCar-FollowingModel)和數(shù)據(jù)驅(qū)動車輛跟馳模型(Data-理論驅(qū)動車輛跟馳模型側(cè)重于對駕駛行為影響因素的描述，模型的設(shè)計(jì)者通常是在觀察車輛跟馳行為的基礎(chǔ)上,提出符合駕駛經(jīng)驗(yàn)的理論假設(shè),數(shù)據(jù)驅(qū)動跟馳模型，是以真實(shí)的車輛行駛數(shù)據(jù)為基礎(chǔ)，利用數(shù)據(jù)科學(xué)與機(jī)器學(xué)習(xí)等理論和方法，通過樣本數(shù)據(jù)的訓(xùn)練、學(xué)習(xí)、迭代、進(jìn)化，挖刺激-反應(yīng)框架是跟馳行為建模中最經(jīng)典的思想，它深刻揭示了跟馳安全距離模型基本假設(shè)為，駕駛?cè)似谕c前導(dǎo)車保持安全車頭間距，當(dāng)前導(dǎo)車突然制動時，駕駛?cè)四軌蛴袝r間做出反應(yīng)并減速停車，以避免發(fā)生碰撞[5]。這類模型主要是基于牛頓運(yùn)動學(xué)公式建立的，由于其形式簡單隨著認(rèn)知心理學(xué)的發(fā)展，許多學(xué)者試圖在跟馳行為建模中引入更多“人的因素”，心理-生理模型[6]即是以駕駛員的感知與反應(yīng)特性為基礎(chǔ)來建立模型。心理-生理跟馳模型在許多仿真軟件中得到了廣泛應(yīng)用，例如到了應(yīng)用，并且已經(jīng)成為許多國家交通仿真領(lǐng)域的標(biāo)準(zhǔn)。元胞自動機(jī)實(shí)質(zhì)上是一個定義在由具有離散、有限狀態(tài)的元胞組成的元胞空間中的動力學(xué)系統(tǒng)，它按照一定的局部規(guī)則在時間維度進(jìn)行演化。由于交通元素本質(zhì)上具有離散性，使用元胞自動機(jī)理論來對跟馳行為進(jìn)行建模具有其獨(dú)特的優(yōu)越性。因此，元胞自動機(jī)是一種有效的建模工具，可近年來，隨著理論驅(qū)動類模型研究的深入，研究方向逐漸分為考慮人類因素、基礎(chǔ)設(shè)施因素、交通信息因素、異質(zhì)交通流等微觀駕駛行為的因素，見圖2，人類因素包括感知閾值、駕駛?cè)艘曈X角度、風(fēng)險感知、分心及失誤的跟馳模型?；A(chǔ)設(shè)施因素主要包括道路基礎(chǔ)設(shè)施對跟馳行為的影響，如路面條件、行駛阻力與道路幾何條件等。交通信息因素包含駕駛?cè)藢煌ㄐ畔⒌挠洃浶?yīng)、預(yù)測效應(yīng)等，異質(zhì)交通流因素不僅包括機(jī)動車、非機(jī)動車和行人各種交通流的混行，隨著駕駛輔助系統(tǒng)、車聯(lián)網(wǎng)、自動駕數(shù)據(jù)驅(qū)動的跟馳模型以真實(shí)的車輛行駛數(shù)據(jù)為基礎(chǔ)，利用數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)等理論和方法，通過樣本數(shù)據(jù)的訓(xùn)練、學(xué)習(xí)和迭代進(jìn)化，挖掘車輛跟馳行為的內(nèi)在規(guī)律。這類模型不局限于各種理論假設(shè)，不追求嚴(yán)格意義上的數(shù)學(xué)推導(dǎo)，而是采用非參數(shù)方法挖掘軌跡數(shù)據(jù)的內(nèi)在信息，旨在建立具有高預(yù)測精度的跟馳模型。根據(jù)使用算法的不同，這類模型可分為模糊邏輯類、人工神經(jīng)網(wǎng)絡(luò)類、實(shí)例學(xué)習(xí)類、支持向量回歸類以及深度學(xué)習(xí)模糊邏輯類是應(yīng)用模糊集合及模糊規(guī)則對定性問題進(jìn)行描述，從而實(shí)現(xiàn)對未知模型和系統(tǒng)的綜合判斷。模糊邏輯在車輛跟馳模型中的應(yīng)用，使人工神經(jīng)網(wǎng)絡(luò)方法是通過對樣本數(shù)據(jù)的學(xué)習(xí)建立起一般性的描述，具有較高的預(yù)測精度，因此，使用人工神經(jīng)網(wǎng)絡(luò)建模車輛跟馳行為也一直是斷應(yīng)用到跟馳行為建模中。目前隨著神經(jīng)網(wǎng)絡(luò)技術(shù)的進(jìn)步，隱含層數(shù)目更深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的分支，其核心來源于人工神經(jīng)網(wǎng)絡(luò)[8]。深度學(xué)習(xí)通過構(gòu)建多層隱含層模型，分析大量訓(xùn)練數(shù)據(jù)，提高分類和預(yù)測的準(zhǔn)確數(shù)據(jù)驅(qū)動類模型參數(shù)結(jié)構(gòu)復(fù)雜，同時需要大量的有效數(shù)據(jù)對模型進(jìn)行參數(shù)標(biāo)定，同時由于神經(jīng)網(wǎng)絡(luò)處理過程的黑盒，機(jī)理不可解釋性，相關(guān)模型普遍尚在研究中，成熟落地的商業(yè)化應(yīng)用產(chǎn)品較少，因此標(biāo)準(zhǔn)化難度較理論驅(qū)動類跟馳模型相對成熟度更高，在工程中獲得了更多的應(yīng)用，567Wiedema6AX:靜止?fàn)顟B(tài)下前后ABX:較小速度差下的Vissim、MITSim、換道模型是指在汽車自動駕駛系統(tǒng)中，用于判斷何時以及如何進(jìn)行車輛的換道操作的算法模型。換道模型旨在實(shí)現(xiàn)安全、高效和自適應(yīng)的車輛為兩類：換道決策模型、換道執(zhí)行模型。其中，換道決策模型描述了駕駛員做出換道決策的邏輯規(guī)則和過程，用于模擬駕駛員的微觀駕駛特性。換道執(zhí)行模型則主要分析了換道車輛與周邊車輛的交互關(guān)系，以處理換道車換道決策模型從駕駛員換道決策的角度對換道行為進(jìn)行建模，側(cè)重于微觀換道過程的表達(dá)，以及物理參數(shù)的標(biāo)定，主要包括規(guī)則模型、離散選擇模型、人工智能模型、馬爾可夫模型、生理-心規(guī)則模型是最基本的換道行為建?？蚣?，模型的解釋變量與因變量之道模型為代表，是指車輛針對不同換道環(huán)境，制定出不同的換道規(guī)則，比如最小安全距離規(guī)則、換道避障規(guī)則等，換道車輛基于這些規(guī)則判斷當(dāng)前的交通環(huán)境是否滿足換道的條件，進(jìn)而決策是否進(jìn)行換道。例如，在Gipps模型的基礎(chǔ)上引入換道概率來描述駕駛員換道行為的隨機(jī)性、將換對于離散選擇模型，由于因變量不是一個連續(xù)的變量，是一個離散變量，使用離散選擇模型可以提供一個有效的建模途徑，比如在研究各類因素（如道路坡度、彎道曲率等、車齡、光照、天氣條件等）對事故嚴(yán)重程度的影響的時候，因變量事故嚴(yán)重程度就可以認(rèn)為是一個離散變量，比如使用輕、中、嚴(yán)重三個程度來表示。Ahmed等人在其開發(fā)的離散選擇模型中考慮了駕駛員的差異性與狀態(tài)的依賴性（當(dāng)前的選擇依賴于以往的駕駛經(jīng)驗(yàn)與換道的決策過程），并進(jìn)一步考慮了高密度交通流中強(qiáng)制換道頻發(fā)使用神經(jīng)網(wǎng)絡(luò)的模型，可以從大量數(shù)據(jù)中挖掘特征，通過調(diào)整內(nèi)部節(jié)點(diǎn)連接的權(quán)重和閾值，對網(wǎng)絡(luò)輸出造成不同程度的影響，以達(dá)到系統(tǒng)控制的目的。由于不需要使用周圍交通精確感知數(shù)據(jù)進(jìn)行建模，因此具備較好馬爾可夫模型是基于馬爾科夫鏈的一種統(tǒng)計(jì)模型，他的核心思想是，隨時間序列變化的一系列狀態(tài)，每個當(dāng)前的狀態(tài)只和之前的幾個有限的狀道決策模型。實(shí)驗(yàn)結(jié)果表明基于隱馬爾可夫的換道決策模型具有更好的精概率選擇模型描述個體駕駛員的行為由其自身特征和其他駕駛員的行為組成的環(huán)境決定，反之亦然。從條件概率的角度來看，其他駕駛員的行為對某駕駛員的影響，可以被解釋為，當(dāng)某駕駛員感知到周圍其他車輛的為了深入探究微觀換道過程與周圍車輛的交互關(guān)系，以及這種關(guān)系與各種交通現(xiàn)象之間的聯(lián)系，研究者們將換道模型與運(yùn)動波理論相結(jié)合，創(chuàng)元胞自動機(jī)(CellularAutomata,CA)是一種時空離散的局部動力學(xué)模型，是研究復(fù)雜系統(tǒng)的一種典型方法，特別適合用于空間復(fù)雜系統(tǒng)的時空動態(tài)模擬研究。元胞自動機(jī)模型被廣泛地應(yīng)用于換道模型構(gòu)建中，如單元力相關(guān)的模型[10,11]是指，通過參考相關(guān)力學(xué)模型建立換道行為與周邊早期的換道模型多為基于規(guī)則的建模方法，近年來逐漸向人工智能模型轉(zhuǎn)變，本節(jié)從基本假設(shè)、模型參數(shù)、應(yīng)用情況等幾個方面，對各類換道MITSIMARTEMiS—賴MITSIMVISSIM——————AhmedMITSIM爭 爭——————t Ulbrich———————Wiedema類VISSIM關(guān)鍵駕駛模型中的跟馳模型和換道模型是決策模塊中的兩個重要組成跟馳模型的主要任務(wù)是根據(jù)周圍車輛的位置、速度和行為，預(yù)測并決策如何與前車保持安全距離并實(shí)現(xiàn)平穩(wěn)的跟車行駛。在實(shí)現(xiàn)跟馳行為時，跟馳模型需要考慮諸如車速、加速度、最小安全距離等因素，并實(shí)時調(diào)整車輛速度和加速度，以確保安全、舒適的跟車體驗(yàn)。換道模型負(fù)責(zé)根據(jù)感知信息和決策規(guī)劃，判斷何時、何地以及如何進(jìn)行車道變換，以實(shí)現(xiàn)安全、高效的換道行為。換道模型需要綜合考慮多個因素，如前方交通狀態(tài)、周圍車輛行為、車道寬度、加速度和轉(zhuǎn)向角等，確定最佳的換道時機(jī)和策略。雖然對駕駛行為分析建模以及仿真的研究取得一定進(jìn)展，但目前還沒有一個公認(rèn)的模型能夠完成駕駛?cè)^程的覆蓋和表征駕駛?cè)说娜啃袨?，在緊急情況下識別駕駛?cè)说奈ｋU特征仍存在一定缺陷，同時，人因異質(zhì)化我們將自動駕駛技術(shù)拆分為產(chǎn)品開發(fā)技術(shù)與產(chǎn)品測試技術(shù)，二者的有效整合，確保了自動駕駛汽車能在不斷進(jìn)化的同時，滿足日益嚴(yán)格的安全2.1.1產(chǎn)品開發(fā)技術(shù)發(fā)展現(xiàn)狀環(huán)境感知定位技術(shù)是自動駕駛汽車的核心技術(shù)之一，它使得車輛能夠理解周圍的環(huán)境。這一技術(shù)領(lǐng)域正在快速發(fā)展。環(huán)境感知定位通常依賴于多種傳感器，包括激光雷達(dá)（LIDAR）、雷達(dá)、攝像頭和超聲波傳感器等，傳統(tǒng)激光雷達(dá)以其高成本和外形尺寸較大而聞名。近年來，固態(tài)激光雷達(dá)和MEMS激光雷達(dá)的發(fā)展提高了成本效益，尺寸更小，適用性更強(qiáng)，見高分辨率攝像頭和先進(jìn)的計(jì)算機(jī)視覺算法組合，能夠?qū)崿F(xiàn)對交通標(biāo)志、雷達(dá)技術(shù)的改進(jìn)使得車輛能夠在惡劣天氣條件下，如霧和雨中，更好隨著深度學(xué)習(xí)和其他人工智能技術(shù)的進(jìn)步，環(huán)境感知軟件算法變得越為可能，這為環(huán)境感知定位帶來了額外的數(shù)據(jù)源，提高了總體的感知能力，隨著傳感器技術(shù)的發(fā)展，現(xiàn)代車輛上的攝像頭、雷達(dá)、激光雷達(dá)（LIDAR）和其他感應(yīng)器可以提供關(guān)于車輛狀態(tài)和環(huán)境的大量數(shù)據(jù)，駕駛模型技術(shù)正在更有效地融合這些傳感器數(shù)據(jù)，能夠更準(zhǔn)確地理解和預(yù)測駕近年來，來自不同領(lǐng)域的諸多學(xué)者開展行為決策方法相關(guān)研究，從不同的行為決策方法上，大體可以分為基于規(guī)則的行為決策方法和基于機(jī)器經(jīng)過研究學(xué)者們的研究與改進(jìn)，至今已有多種規(guī)劃控制算法，而每種A*、D*法徑法在國內(nèi)外，駕駛員行為模型已廣泛應(yīng)用于自動駕駛技術(shù)開發(fā)過程中，MobileyeWaymoWayve臺2.1.2產(chǎn)品測試技術(shù)發(fā)展現(xiàn)狀正式工作組（VMAD）。在自動駕駛測試面臨的新問題和新挑戰(zhàn)背景下，提出“多支柱法”自動駕駛測試準(zhǔn)則，即通過仿真測試、場地測試和實(shí)際道路測試等多種途徑與方式，主張利用仿真測試覆蓋全場景測試，利用場地測試覆蓋典型場景和危險場景，利用實(shí)際道路測試覆蓋典型場景，綜合測當(dāng)下，模擬仿真技術(shù)已經(jīng)成為智能網(wǎng)聯(lián)汽車測試驗(yàn)證的重要手段之一，可以有效地驗(yàn)證自動駕駛算法的功能和效果。根據(jù)被測對象的不同，可以測試方法首先需要在模擬仿真中建立一個成熟駕駛模型，目前有很多VTD[13]：駕駛模型豐富，駕駛員類型較多，支持交通流仿真，如圖131Carmaker[14]：IPGDriver支持轉(zhuǎn)向、剎車、油門、擋位、離合等駕駛員輸入，模型具備自適應(yīng)學(xué)習(xí)駕駛員行為特征的能力，駕駛模型模擬的準(zhǔn)確性較好，支持道路預(yù)瞄，支持配置賽車駕駛模型，支持交通流仿真，如近年來國內(nèi)外關(guān)于智能網(wǎng)聯(lián)汽車開放道路測試的相關(guān)標(biāo)準(zhǔn)、法規(guī)及政智能網(wǎng)聯(lián)汽車道路測試與示范應(yīng)用管理工信部聯(lián)通裝〔2021〕97號廣州市關(guān)于智能網(wǎng)聯(lián)汽車道路測試有關(guān)穗交規(guī)字〔2018〕19號— H28.5警察廳公表行更深入的理解，從而提高自動駕駛系統(tǒng)的性可以幫助自動駕駛系統(tǒng)更好地適應(yīng)不同的駕駛城市道路和高速公路上，駕駛員的駕駛風(fēng)格會助自動駕駛系統(tǒng)理解這些差異并做出相應(yīng)的駕進(jìn)行預(yù)測。這種預(yù)測能力可以幫助自動駕駛車4.安全性能評估：實(shí)車測試中，成熟駕駛模在第一類模型中，僅評估通過制動來避免碰撞的能力，首先建立注意動性能模型。該類模型假設(shè)駕駛員是可以預(yù)測到碰撞風(fēng)險并施加一定比例的制動力，在這種前提下，第二類性能模型主要包括橫向安全檢查、縱向第二類性能模型首先進(jìn)行橫向安全檢查，如果不存在風(fēng)險，則無動作；如果存在風(fēng)險，再進(jìn)行縱向安全檢查，如果不存在風(fēng)險，則無動作；如果包括主動模糊安全替代評價指標(biāo)（ProactiveFuzzySurrogatesafetysafetymetric，CFS任何一個指標(biāo)大于0，則表示縱向存在安采用上述步驟和方法識別出風(fēng)險，如果駕駛員此時通過制動能避免碰撞，綜上，成熟駕駛模型在產(chǎn)品開發(fā)與測試過程各個環(huán)節(jié)均廣泛應(yīng)用。目前規(guī)劃控制技術(shù)相對成熟，在自動駕駛技術(shù)發(fā)展過程中旨在模仿人類駕駛員，做出正確的決策，控制車輛，安全、舒適、高效的完成駕駛?cè)蝿?wù)，在環(huán)境感知技術(shù)越發(fā)成熟的條件下，進(jìn)一步促進(jìn)駕駛模型在自動駕駛技術(shù)中的應(yīng)用，國內(nèi)外眾多科研機(jī)構(gòu)及主機(jī)廠也對駕駛模型研究較為深入，取得了較為廣泛的應(yīng)用，但在產(chǎn)業(yè)的快速發(fā)展下，智能網(wǎng)聯(lián)汽車仍然存在諸多自動駕駛技術(shù)中的應(yīng)用多局限于跟馳與換道行為的擬合刻畫，而缺少涵蓋同時，在產(chǎn)品測試過程中，為了有助于對產(chǎn)品進(jìn)行全面評價，暴露問題，達(dá)到減少交通事故，提升駕乘體驗(yàn)，提高交通效率的目的，迫切需要制定一份科學(xué)、規(guī)范的智能網(wǎng)聯(lián)汽車成熟駕駛模型標(biāo)準(zhǔn)體系，支撐和配合在國內(nèi)外不斷演進(jìn)的產(chǎn)業(yè)趨勢下，無論是車企還是新興智能駕駛系統(tǒng)年高速導(dǎo)航輔助駕駛功能成為主流車企的標(biāo)配功能后，城市導(dǎo)航輔助駕駛此外，還有許多智能駕駛科技公司發(fā)布應(yīng)用了駕駛模型特點(diǎn)的產(chǎn)品，元戎啟行在2023年推出了DeepRoute-Driver3.0智能駕駛解決方案，解綁了對高精度地圖的依賴的同時，仍能保持在復(fù)雜路段中擁有老司機(jī)般載的駕駛模型用于采集邊緣場景下人類駕駛員數(shù)據(jù)，保證駕駛數(shù)據(jù)的逼真度，還原了人類老司機(jī)的駕駛風(fēng)格，例如對進(jìn)出匝道的預(yù)處理和自然的交部企業(yè)成功獲得了全國不同城市的自動駕駛運(yùn)營牌照，并在部分城市開始了泛化運(yùn)營。此外，還可以在有限的城市內(nèi)體驗(yàn)主駕無安全員的自動駕駛案國外智能駕駛發(fā)展時間較國內(nèi)更早，以美國為代表，Waymo剛開始是Waymo宣布該公司開始在駕駛座上不配置安全駕駛員的情況下測試自動駕正式開啟無人駕駛出租車收費(fèi)業(yè)務(wù)。其無人駕駛出租車沒有安全員，屬于真正意義上的無人駕駛。車輛的傳感器采用360°視角，對車輛附近行人、建筑、自行車、其他汽車、道路狀況等所有信息都具有感知能力，且距離在包括仿真、感知、規(guī)劃和數(shù)據(jù)在內(nèi)的多個領(lǐng)域均取得顯著自研成果，構(gòu)筑特斯拉自動駕駛解決方案的護(hù)城河。特斯拉對海量人類駕駛數(shù)據(jù)進(jìn)行收集與分析，不斷改進(jìn)其自動駕駛系統(tǒng)的性能。這種基于數(shù)據(jù)驅(qū)動的方法使得特斯拉的自動駕駛系統(tǒng)能夠不斷學(xué)習(xí)和優(yōu)化，提升安全性和性能。因此，馬斯克預(yù)言未來自動駕駛將比人類駕駛更加安全，甚至安全性提升約為人Waymo隨著技術(shù)的不斷進(jìn)步和完善，智能駕駛產(chǎn)品的功能也越來越豐富，目前的智能駕駛產(chǎn)品不僅可以進(jìn)行基本的路徑規(guī)劃、避障和控制等操作，還具有包括自適應(yīng)巡航、自動泊車、自動換道等輔助駕駛功能。同時，規(guī)劃、控制、識別和決策等方面也有了較大的提升，大大增加了智能駕駛產(chǎn)品的雖然市面上這些已有功能能夠很好的做到居中、跟車等能力，但是智能網(wǎng)聯(lián)汽車仍然存在諸多安全問題，國內(nèi)已發(fā)生多起自動駕駛汽車碰撞事業(yè)的輕型貨車，造成駕駛?cè)怂劳?。?jù)美國國家公路交通安全管理局發(fā)布數(shù)計(jì)，自動駕駛汽車因自身問題主動碰撞其他道路交通參與者的事故占比為18.8%，事故主要原因之一為前車突然急減速或在未使用相應(yīng)指示燈情況下，強(qiáng)制加塞至自動駕駛汽車行駛道路時，自動駕駛汽車難以對目標(biāo)物種因此，自從自動駕駛汽車產(chǎn)品開始普及，交通事故問題一直伴隨人類至今，隨著自動駕駛技術(shù)的發(fā)展，安全類的駕駛行為模型逐步受到關(guān)注，因此，如何打造一款用戶可以在自動駕駛功能激活后充分信任其能力，接受其能力缺陷，并在自動駕駛系統(tǒng)發(fā)出合理接管請求時，無怨言的履行接管義務(wù)的產(chǎn)品，我們迫切需要一份安全評價模型，來探尋自動駕駛汽車產(chǎn)隨著自動駕駛技術(shù)與產(chǎn)品的發(fā)展和應(yīng)用，安全類成熟駕駛模型的標(biāo)準(zhǔn)化也逐漸成為關(guān)注的焦點(diǎn)。當(dāng)前，國外成熟駕駛模型標(biāo)準(zhǔn)化工作主要由國定了一系列與自動駕駛技術(shù)相關(guān)的成熟駕駛模型標(biāo)準(zhǔn)和法規(guī)，涵蓋了駕駛模型類別、能力要求、適用場景等方面的規(guī)范。經(jīng)過調(diào)研，國外涉及到的3.1.1跟馳模型相關(guān)標(biāo)準(zhǔn)在跟馳模型方面，當(dāng)前國際標(biāo)準(zhǔn)的研究重點(diǎn)在于系統(tǒng)的自適應(yīng)巡航功能的要求，包括跟隨控制和速度控制等。ISO15622:2018《智能交通自適應(yīng)巡航控制系統(tǒng)性能要求和測試程序》標(biāo)準(zhǔn)[15]中給出的跟隨控制部 分內(nèi)容可以提煉出對自動駕駛系統(tǒng)的駕駛模型的設(shè)計(jì)要求。該標(biāo)準(zhǔn)未涉及具體的跟馳模型，但對跟馳模型的實(shí)現(xiàn)和應(yīng)用提出了一些具體要求和指標(biāo)，的車輛批準(zhǔn)。這些規(guī)定涉及跟馳控制算法、車輛間通信、傳感器和安全等方面。該標(biāo)準(zhǔn)所采用的評價標(biāo)準(zhǔn)是自動駕駛系統(tǒng)在其運(yùn)行過程中不能夠帶來“可避免”的風(fēng)險（事故），并且滿足屬地國的交通法規(guī)（除需要違規(guī)才可避免發(fā)生事故的情況）。上述“可避免”的風(fēng)險邊界需要依據(jù)緊急場景下的人類駕駛模型來確認(rèn)。該法規(guī)在附錄中定義了熟練且謹(jǐn)慎的人類駕UN-R157法規(guī)附錄除了定義了上述緊急制動模型外，還以日本熟練且謹(jǐn)慎的人類駕駛員能力定義了模型的相關(guān)參數(shù)取值，包括不同場景下的風(fēng)），），間（0.75s制動至最大減速度時間（0.6s）及最大減速度取值），車輛中心與行車道中心的偏差超過完全制動的時間（在自我車輛和切入車輛完全重合后，根據(jù)熟練且謹(jǐn)慎駕駛員緊急制動模型，可以確定其在遇到緊急場景時可以避免碰撞的能力邊界，并以此作為自動駕駛車輛的能力要求，即自動故推導(dǎo)可驗(yàn)證性能要求的方法》草案[17]，提出了三種避免事故的性能要求模型：最遲轉(zhuǎn)向模型、安全區(qū)模型及一般駕駛模型，草案中的模型的構(gòu)建3.1.2換道模型相關(guān)標(biāo)準(zhǔn)在換道模型方面，國際標(biāo)準(zhǔn)關(guān)注的重點(diǎn)方向包括警告駕駛員因車道變策系統(tǒng)性能要求和試驗(yàn)程序》標(biāo)準(zhǔn)[18]雖列舉了眾多場景，同時指定了車速、間距等指標(biāo)的選取范圍，但主要目的是用于對警告發(fā)出與否進(jìn)行測試，暫未明確提出與換道模型相關(guān)的測試要求。IEEE2846-2022《自動駕駛系統(tǒng) 定的安全標(biāo)準(zhǔn)，RSS模型規(guī)定了人類和自動駕駛汽車在風(fēng)險和實(shí)用性之間要求，并對自動駕駛轉(zhuǎn)向的各個方面都做出詳細(xì)規(guī)定。R79中的功能定義包含轉(zhuǎn)向糾偏(CorrectiveSteeringFunctions,CSF)、緊急轉(zhuǎn)向(EmergencySteeringFunctions,ESF)、A-E類ACSF，R79主在換道過程完成后車輛應(yīng)自動恢復(fù)單車道行駛控制用換道橫向移動開始時刻目標(biāo)車的距離判定情景是否屬于危險情景的距離定義為scriticalvrear指后方接近車輛的速度或130km/hvACSF指搭載ACSF的主車的真實(shí)速度tG=1s：減速后需達(dá)到的跟車時距（THW）最小運(yùn)行速度vsimnsrear是車企申明的最小探測距離（m）vapp=36.1m/s：后方車輛以13可以采用該國的最大速度限制作為vapp。但車輛需3.2.1跟馳模型相關(guān)標(biāo)準(zhǔn)隨著自動駕駛技術(shù)的發(fā)展和應(yīng)用，成熟駕駛模型的標(biāo)準(zhǔn)化在中國也日益受到重視。中國標(biāo)準(zhǔn)化機(jī)構(gòu)積極參與國際標(biāo)準(zhǔn)化組織（ISO）相關(guān)工作組，并推動制定與成熟駕駛模型相關(guān)的國際標(biāo)準(zhǔn)，在成熟駕駛模型標(biāo)準(zhǔn)化方面起到了重要的推動和引領(lǐng)作用。同時，我國還獨(dú)立制定了適用于中國模型標(biāo)準(zhǔn)化也給予了重視和支持，政府部門積極組織和推動相關(guān)標(biāo)準(zhǔn)的制國內(nèi)車輛跟馳模型標(biāo)準(zhǔn)尚未形成統(tǒng)一的體系，但相關(guān)領(lǐng)域的學(xué)者和專家對自動駕駛系統(tǒng)跟馳模型提出了一些規(guī)范及要求。目前，國內(nèi)已經(jīng)根據(jù)這些要求建立起了智能網(wǎng)聯(lián)汽車自適應(yīng)巡航控制系統(tǒng)的標(biāo)準(zhǔn)體系以及試驗(yàn)求與檢測方法》[21]與GB/T41798-2022《智能3.2.2換道模型相關(guān)標(biāo)準(zhǔn)換道模型方面，國內(nèi)相關(guān)領(lǐng)域?qū)W者和專家已經(jīng)開展了一系列的理論研究和實(shí)證分析，主要涵蓋了城市道路、高速公路和智能交通系統(tǒng)等不同的應(yīng)用場景。目前，國內(nèi)已經(jīng)建立了智能網(wǎng)聯(lián)汽車換道輔助系統(tǒng)的標(biāo)準(zhǔn)，即GB/T37471-2019《智能運(yùn)輸系統(tǒng)換道車道行駛控制》中描述了車輛換道系統(tǒng)應(yīng)該滿足的標(biāo)準(zhǔn)。這些規(guī)定包含了車道行駛控制系統(tǒng)的一般要求、性能要求和試驗(yàn)方法、車輛的探測響應(yīng)能力、不可進(jìn)行換道的條件等方面內(nèi)容。該標(biāo)準(zhǔn)所采用的評價標(biāo)準(zhǔn)是避免碰撞風(fēng)險。除為避免碰撞風(fēng)險等特殊情況所采取的安全響應(yīng)策略外，系統(tǒng)在該法規(guī)描述了車輛完成整個換道操作需滿足一定的換道時間要求，如該法規(guī)除規(guī)定了整個換道過程的時間以外，還定義了換道過程觸發(fā)時刻，試驗(yàn)車輛后向距離相關(guān)模型的相關(guān)計(jì)算方法，在橫向和縱向運(yùn)動的參2.從試驗(yàn)車輛開始換道準(zhǔn)備階段，到后向接近目標(biāo)車輛3.后向接近目標(biāo)車輛減速至與試驗(yàn)車輛相同車速后，兩4.VVUT=[10,120]km/h在換道過程觸發(fā)后1.在換道過程觸發(fā)后至換道完成前試驗(yàn)車輛后向距離[5,12]m；2.在換道過程觸發(fā)后至換道完成前試驗(yàn)車輛和目標(biāo)車輛應(yīng)保持的時間間距，tR=1s;3.后向接近目標(biāo)車輛的減速度，a2=3m/s2；4.從試驗(yàn)車輛開始換道執(zhí)行階段，到后向接近目標(biāo)車輛開始減速的時間，tB=0.4s；5.后向接近目標(biāo)車輛減速至與試驗(yàn)車輛相同車速后，兩車之間應(yīng)保持的時間間距，tG=1s。橫向運(yùn)動直道上的換道執(zhí)行階段車輛的橫向加速度應(yīng)不大于1m/s2M1以及N1類最大橫向加速度應(yīng)不大于3m/s2，且橫向加速度變化率在任意的0.5s內(nèi)的平均值應(yīng)不大于5m/s3。M2、M3、N2以及N3類換道執(zhí)行階段試驗(yàn)車輛的最大橫向加速度應(yīng)不大于2.5m/s2，且橫向加速度變化率在任意的0.5s內(nèi)的平均值應(yīng)不大于5m/s3。根據(jù)該法規(guī)的描述，可以確定在換道過程中的換道時間以及換道過程中與后向車輛之間的安全距離，并以此作為自動駕駛車輛的距離要求，即自動駕駛車輛系統(tǒng)后向安全距離內(nèi)存在其他目標(biāo)車輛情況下，系統(tǒng)應(yīng)采取在成熟駕駛模型研究方面，國外標(biāo)準(zhǔn)起步較早，相對完善，國內(nèi)標(biāo)準(zhǔn)國內(nèi)標(biāo)準(zhǔn)聚焦于系統(tǒng)的性能和試驗(yàn)方法等方面的研究，包括跟馳加速度、碰撞預(yù)警、速度差等與構(gòu)建成熟駕駛模型相關(guān)的參數(shù)要求研究，對于提高道路安全性，提升交通安全管理水平具有重要意義，為開展成熟駕駛UN-R157隨著自動駕駛技術(shù)的發(fā)展，對其測試驗(yàn)證的維度主要包括安全性、效率性和舒適性等。其中，安全性是自動駕駛的基石，也是自動駕駛測試驗(yàn)證的重中之重。聯(lián)合國世界車輛法規(guī)協(xié)調(diào)論壇（WP.29）發(fā)布《自動駕駛原則。其定義的安全原則為自動駕駛汽車在其設(shè)計(jì)運(yùn)行范圍（ODD）內(nèi)，不得造成任何合理可預(yù)見且可避免的交通傷亡事故。其中“可避免”指的是注意力集中的成熟駕駛員可以避免的碰撞。如果自動駕駛汽車能夠在其ODD內(nèi)的合理可預(yù)見的場景下，達(dá)到注意力集中的成熟駕駛員的避免碰撞國注意力集中的成熟駕駛員建立緊急反應(yīng)模型及數(shù)據(jù)庫，可定義自動駕駛目前，成熟駕駛模型研究方向眾多，各方學(xué)者多年來已有較為深入的研究，在產(chǎn)品開發(fā)階段，駕駛模型參數(shù)融合于自動駕駛車輛決策規(guī)劃控制算法中，目的在于使車輛行為更加類人，保證駕駛安全，被廣大用戶接受，在產(chǎn)品測試階段，測試方法與標(biāo)準(zhǔn)中多次出現(xiàn)緊急安全相關(guān)的駕駛模型及相關(guān)參數(shù)，進(jìn)行產(chǎn)品安全性驗(yàn)證，但是在產(chǎn)品與標(biāo)準(zhǔn)的發(fā)展過程中，安全類模型備受關(guān)注，標(biāo)準(zhǔn)化可行性最高，應(yīng)用范圍最廣，所以構(gòu)建中國特色的成熟駕駛模型，以及設(shè)定符合中國駕駛員習(xí)慣及安全性要求的模型參數(shù)，成為智能網(wǎng)聯(lián)汽車進(jìn)一步發(fā)展的必要條件。在此基礎(chǔ)上，可以對智能駕駛系統(tǒng)的合規(guī)性、安全性、舒適性進(jìn)行評估，從而構(gòu)建智能駕駛系統(tǒng)工程落緊急制動模型分為三個區(qū)：自由行駛區(qū)、勻速區(qū)、制動生效區(qū)，如圖點(diǎn)后，進(jìn)入勻速行駛區(qū)，駕駛員進(jìn)行風(fēng)險評估、決策反應(yīng)、腳部遷移、開始踩踏板；在制動生效區(qū)，車輛產(chǎn)生明顯的制動效果，通過制動效能快速最大制動減速度：首先對自車的制動減速度進(jìn)行平滑及過濾，剔除少數(shù)由于碰撞、系統(tǒng)偏移導(dǎo)致的奇異數(shù)據(jù)點(diǎn)。隨后選取最大減速度前、后分別首次大于-0.1m/s2的時間點(diǎn)之間的數(shù)據(jù)作為有價值的切片數(shù)據(jù)分析，由于在實(shí)車標(biāo)定過程中，本車制動減速度可能受到噪聲干擾，以及在觸發(fā)最大制動減速度。2）對所有本車減速度信號切片數(shù)據(jù)求解微分，得到所有樣本的減速pp**針對梯度進(jìn)行正態(tài)性檢驗(yàn)，從上表可以看出，研究數(shù)據(jù)的樣本量大于并且偏度絕對值小于3，則說明數(shù)據(jù)雖然不是絕對正態(tài)，但基本可接受為可得出本車減速度在切片數(shù)據(jù)內(nèi)，存在某一個穩(wěn)定區(qū)間，減速度達(dá)到最大求取該組樣本對應(yīng)的20%，80%分位數(shù)，得到該穩(wěn)定區(qū)間為[-19，3）設(shè)定一個上下限為[-19，10]m/s3的公差帶，從本車制動減速度最大值開始，以0.1m/s3為步長，向上移動，直至此公差帶與本車制動減速度無重合，記錄每次移動時，落在公差帶內(nèi)的樣本點(diǎn)數(shù)，求得樣本點(diǎn)數(shù)最過，則以當(dāng)前值作為最大制動減速度取值，若不足，則選取當(dāng)前樣本點(diǎn)，及小于當(dāng)前平均值的所有點(diǎn)，再次求平均值，作為最大制動減速度取值。制動效能提升時間：選取有價值的切片數(shù)據(jù)，由于在實(shí)際行駛中制動踏板時常會產(chǎn)生輕微擾動，因此在統(tǒng)計(jì)中，無法直接尋找第一幀制動減速度不為零的時刻，否則會由于擾動而失準(zhǔn)。為解決該問題，本實(shí)驗(yàn)通過近似法，假設(shè)在制動開始與即將飽和時制動效能提升速率相同，使用較高制動減速度時的時刻反推，以實(shí)現(xiàn)魯棒抗干擾的制動效能提升時間計(jì)算，具第一幀制動減速度到達(dá)最大制動減速度15%的類似地，找到第一幀制動減速度到達(dá)最大制動減速度90%的時刻記為在對每個駕駛員進(jìn)行相同分析后，對于決策響應(yīng)時間，選取所有駕駛員數(shù)據(jù)作為有效數(shù)據(jù)，應(yīng)當(dāng)對每個人數(shù)據(jù)結(jié)果求平均后，再求取所有駕駛員結(jié)果的平均值。對于制動效能提升時間與最大制動減速度，剔除發(fā)生碰人類駕駛員在遇到緊急場景時，除了采取制動行為避免碰撞外，還有可能采取轉(zhuǎn)向動作避險。緊急轉(zhuǎn)向模型包括自由行駛區(qū)、直線行駛區(qū)和正在風(fēng)險出現(xiàn)時間點(diǎn)后，仍處于直線行駛狀態(tài)，駕駛員進(jìn)行風(fēng)險評估、決策反應(yīng)、手部開始握緊并轉(zhuǎn)動方向盤，在正弦轉(zhuǎn)向區(qū)，方向盤以正弦方式進(jìn)對于緊急轉(zhuǎn)向避險場景，基于駕駛模擬器導(dǎo)出數(shù)據(jù)并分析三個主要參=δmaxsin(4?4)其中δmax為方向盤最大轉(zhuǎn)角，t1為開始轉(zhuǎn)向時刻，t2為第一次回正時方向盤最大轉(zhuǎn)角：首先對駕駛員自車的方向盤轉(zhuǎn)角數(shù)據(jù)進(jìn)行平滑以及過濾，剔除少數(shù)由于碰撞、系統(tǒng)偏移導(dǎo)致的奇異數(shù)據(jù)點(diǎn)。隨后選取風(fēng)險產(chǎn)方向盤回正時間：選取有價值的切片數(shù)據(jù)，由于在實(shí)際行駛中方向盤時常會產(chǎn)生輕微擾動，因此在統(tǒng)計(jì)代碼中，無法直接尋找第一幀轉(zhuǎn)向角不為零的時刻，否則會由于擾動而失準(zhǔn)。為解決該問題，本實(shí)驗(yàn)通過近似法，假設(shè)在轉(zhuǎn)向開始與即將轉(zhuǎn)向時轉(zhuǎn)向角提升速率相同，使用較高轉(zhuǎn)向角時的時刻反推，以實(shí)現(xiàn)魯棒抗干擾的方向盤回正時間計(jì)算，具體如下。找到第一幀轉(zhuǎn)向角到達(dá)最大轉(zhuǎn)向角20%的時刻記為t20，第一幀轉(zhuǎn)向角到達(dá)最大轉(zhuǎn)向角15%的時刻記為t15，則近似的轉(zhuǎn)向開始的時刻t1可以計(jì)算如式4類似地，依據(jù)式4-6找到第一次方向盤回正的時刻為t2。最后，將t2決策響應(yīng)時間：選取標(biāo)定的風(fēng)險開始幀所對應(yīng)的時間作為風(fēng)險發(fā)生時刻，其標(biāo)定方法與緊急制動場景相同，定義為t0，開始轉(zhuǎn)向的時刻與方向在對每個駕駛員進(jìn)行相同分析后，對于決策響應(yīng)時間，選取所有駕駛員數(shù)據(jù)作為有效數(shù)據(jù)，應(yīng)當(dāng)對每個人數(shù)據(jù)結(jié)果求平均后，再求取所有駕駛員結(jié)果的平均值。對于方向盤最大轉(zhuǎn)向角與方向盤回正時間，剔除發(fā)生碰關(guān)場景空間以識別風(fēng)險因素，并基于識別出的風(fēng)險因素確定關(guān)鍵場景。例境為封閉道路（高速路或城市快速路主路），功能特性為自動車道保持且關(guān)鍵緊急場景的確定需要考慮多種維度的場景參數(shù)，包括道路環(huán)境、交通設(shè)施、目標(biāo)行為、天氣條件等。由于不涉及感知系統(tǒng)產(chǎn)生的風(fēng)險，故只需將場景參數(shù)聚焦到目標(biāo)行為。目標(biāo)可包括車輛、行人等。若目標(biāo)為車行為只包括車道保持。環(huán)境車輛的行為包括橫向的轉(zhuǎn)向行為和縱向的速度行為，橫向的轉(zhuǎn)向行為包括車道保持、切入、切出等，縱向的速度行為包括靜止、恒速、加速、減速等。另外，在相同的環(huán)境車輛行為條件下，由于其處于主車不同的位置處，是否會產(chǎn)生風(fēng)險及產(chǎn)生的風(fēng)險類別都是不同的，故風(fēng)險場景的確定還需考慮環(huán)境車輛與主車的位置關(guān)系。環(huán)境車輛的車所有可能的位置關(guān)系，“+1”、“+2”、“+3”標(biāo)號位置是“1”、通過遍歷主車行為、環(huán)境車輛行為和環(huán)境車輛位置可以確定出緊急場例如切入場景中以低速恒速切入風(fēng)險程度最高最典型。最終確定的關(guān)鍵風(fēng)險場景包括鄰車低速切入、前方車輛切出后存在靜止車輛、前方車輛緊急1-----●○○----2○○○●----●○○○3-----●○○----4-----●○○----5-----●○○----6------------7------------8------------據(jù)此，確定緊急制動模型及緊急轉(zhuǎn)向模型的實(shí)車參數(shù)標(biāo)定工況如下。本車跟隨車速包括10、20、30、40、60、95、120km/h，因受現(xiàn)有技術(shù)及序號速速m123該工況風(fēng)險出現(xiàn)時間為前車制動減速度首次達(dá)到-5m/s2對應(yīng)時間點(diǎn)。緊急切入工況：在直道內(nèi)VUT跟隨勻速行駛，相鄰車道GVT并入到VUT21本車車速包括15、25、30、40、45、50、70、85、90、100、110、速km/h縱向距離mMm/s5AEB1由于駕駛員在看到切入車輛車頭開始切入時，就會產(chǎn)生制動反應(yīng)，因此，該工況對應(yīng)風(fēng)險出現(xiàn)時間點(diǎn)為目標(biāo)車右前車輪首次橫向偏移行駛軌跡1廠·廠·合目前市面智能網(wǎng)聯(lián)汽車最低激活車速工況，因此，選取30、40、50、mmm盡管理論上風(fēng)險車輛（即前前車）在暴露一條邊時就可以被直接觀測，然而考慮到駕駛員對于物體的感知能力是有限的，過于小的物體并無法激活足夠的認(rèn)知活性，因此需要將風(fēng)險產(chǎn)生的時間點(diǎn)延后。因此，為了便于計(jì)算，該工況的風(fēng)險出現(xiàn)時間點(diǎn)為當(dāng)前車車輛后保邊緣橫向位移超過前前由于實(shí)車場地標(biāo)定工況的單一性，考慮駕駛員會對目標(biāo)車輛產(chǎn)生預(yù)警心理，導(dǎo)致決策響應(yīng)時間不準(zhǔn)確，因此對于虛擬仿真參數(shù)標(biāo)定工況，增加60km/h。自車穩(wěn)定跟隨前車行駛一段時間。當(dāng)前車到達(dá)預(yù)設(shè)地點(diǎn)時，前車60km/h，自車從車流末尾開始逐漸超越左側(cè)車輛，穩(wěn)定跟隨前車行駛。當(dāng)切出后遇靜止前車工況：自車在中間車道行駛，初始位置與前車距離逐漸超越左側(cè)車流，穩(wěn)定跟隨前車行駛。當(dāng)前車與前前車之間的距離達(dá)到受試人員應(yīng)至少15-20人，均為駕齡10年以上，駕駛里程超過30000km，年齡、職業(yè)、婚否，駕駛風(fēng)格為包含激進(jìn)、一般和柔和三種類仿真標(biāo)定測試用例結(jié)果68個，實(shí)車標(biāo)定測試用例結(jié)果2由于場地當(dāng)中進(jìn)行的緊急制動工況駕駛員對其有一定的預(yù)判，因此導(dǎo)致決策響應(yīng)時間偏短，與仿真標(biāo)定以及公開數(shù)據(jù)集分析統(tǒng)計(jì)結(jié)果存在差異，并且仿真標(biāo)定過程中，車輛參數(shù)取值多樣性較差，對環(huán)境模擬存在一定偏差，因此，最大制動減速度與制動效能提升時間實(shí)車標(biāo)定結(jié)果可信度較高。仿真標(biāo)定測試用例結(jié)果67個，實(shí)車標(biāo)定測試用例結(jié)果62個，見表20。綜上，具有中國特色的成熟駕駛員緊急制動模型中，由于實(shí)車場地測試時，采用假車進(jìn)行試驗(yàn)，因此，導(dǎo)致駕駛員提前預(yù)警，使得決策響應(yīng)時間較仿真標(biāo)定結(jié)果短1.05s，同時由于實(shí)車標(biāo)定過程中缺少交通流干擾，會對駕駛員注意力控制，肌肉控制產(chǎn)生影響，而仿真標(biāo)定中車輛參數(shù)、靜態(tài)環(huán)境參數(shù)偏理論化，與實(shí)際情況存在差異，進(jìn)而影響最終的制動效能提升時間與最大制動減速度，導(dǎo)致二者結(jié)果產(chǎn)生差異。實(shí)車標(biāo)定中，制動效能提升時間與最大制動減速度較仿真結(jié)果更為真實(shí)可信，同時交通流干擾的缺失，可理解為駕駛員注意力更加集中，因此可應(yīng)用于表征人類駕駛員緊急轉(zhuǎn)向模型中，駕駛員決策響應(yīng)時間與緊急制動模型工況影響因素類似，采用仿真標(biāo)定結(jié)果，同樣的由于實(shí)車特性，轉(zhuǎn)向盤最大轉(zhuǎn)角以及轉(zhuǎn)把主車車速選定，采用二維圖表征前車切出后遇靜止車輛、鄰車切入、前2)本書重點(diǎn)研究了成熟駕駛模型中的緊急制動模型與緊急轉(zhuǎn)向模型，以探尋中國成熟駕駛員緊急工況下的安全邊界，用以評價自動駕駛汽車安全性，但是隨著自動駕駛技術(shù)的發(fā)展，自動駕駛已到商業(yè)化前夕，用戶不會為了安全的單一要素買單，必須同時做到舒適及效率，因此本書根據(jù)前四章研究結(jié)果，提出一套以安全性為基礎(chǔ)，兼顧舒適、效率的成熟駕駛模型 縱向控制模型接管模型縱向控制模型緊急制動模型緊急轉(zhuǎn)向模型跟馳模型換道模型接管模型緊急接管模型縱向控制模型接管模型縱向控制模型緊急制動模型緊急轉(zhuǎn)向模型跟馳模型換道模型接管模型緊急接管模型橫向控制模型 異質(zhì)交通流模型異質(zhì)交通流模型橫向控制模型在該框架下，以安全性駕駛模型為通用基礎(chǔ)模型，并依據(jù)中華人民共級別，增加舒適性駕駛模型要求，在L3及以上輔助級別，應(yīng)依據(jù)產(chǎn)品ODD/ODC，逐步擴(kuò)展跟馳模型到縱向控制駕駛模型，換道模型到橫向控制標(biāo)準(zhǔn)制定路線圖是基于基礎(chǔ)通用先行、產(chǎn)業(yè)需求先行、法律法規(guī)支撐的原則，部分標(biāo)準(zhǔn)可以根據(jù)指定實(shí)際情況進(jìn)行拆分和合并，同時參考技術(shù)第一階段，開展基礎(chǔ)通用，安全性駕駛模型標(biāo)準(zhǔn)化工作，包括緊急制第二階段，開展舒適性駕駛模型標(biāo)準(zhǔn)化工作，包括跟馳、換道、接管第三階段，根據(jù)自動駕駛技術(shù)演進(jìn)和產(chǎn)品發(fā)展情況，適時開展橫縱向通過實(shí)踐成熟駕駛模型及參數(shù)的確定過程，建議智能網(wǎng)聯(lián)汽車的成熟駕駛模型標(biāo)準(zhǔn)化范圍應(yīng)包括模型定義、測試場景及測試方法等方面。其中，模型定義方面需要標(biāo)準(zhǔn)化成熟駕駛員的定義、成熟駕駛模型的定義及模型參數(shù)的定義等。測試場景方面需要標(biāo)準(zhǔn)化場景的類型及參數(shù)，測試方法方智能網(wǎng)聯(lián)汽車成熟駕駛員模型標(biāo)準(zhǔn)化范圍測試場景測試方法模型定義測試場景測試方法模型定義成熟駕駛員定義測試設(shè)備測試流程數(shù)據(jù)記錄成熟駕駛員定義測試設(shè)備測試流程數(shù)據(jù)記錄數(shù)據(jù)處理場景類型場景參數(shù)模型參數(shù)定義成熟駕駛員模型定義成熟駕駛模型將是確定自動駕駛汽車的行為安全是否優(yōu)于人類駕駛員的必要條件，即以成熟駕駛員的緊急場景應(yīng)對能力作為自動駕駛能力的安全基線，在成熟駕駛員能夠避免碰撞的緊急場景的參數(shù)取值范圍條件下，要求自動駕駛汽車也應(yīng)能夠避免碰撞，因此，必須加速標(biāo)準(zhǔn)化中國成熟駕駛員緊急反應(yīng)模型，定義自動駕駛汽車的行為安全能力邊界，以保證自動駕駛汽車的安全運(yùn)行，本書完成了緊急制動模型與緊急轉(zhuǎn)向模型的基礎(chǔ)研究，優(yōu)化，風(fēng)險評估時間與評估完成時刻不易統(tǒng)計(jì)，且兩個時間段內(nèi)車輛行為未發(fā)生變化，可將兩段時間合并。其次，人類駕駛員遇到緊急場景時為避免碰撞，采取的行為除緊急制動外，還包括緊急轉(zhuǎn)向，僅用緊急制動模型代表人類駕駛員的碰撞避免能力是不夠的，需要建模注意力集中的成熟駕通過對成熟駕駛模型的現(xiàn)狀分析與標(biāo)定實(shí)踐，建議智能網(wǎng)聯(lián)汽車的基礎(chǔ)通用成熟駕駛模型以緊急制動模型及緊急轉(zhuǎn)向模型為主。其中，緊急制動模型參數(shù)包括風(fēng)險出現(xiàn)時間點(diǎn)、決策響應(yīng)時間、制動效能提升時間及最包括風(fēng)險出現(xiàn)時間點(diǎn)、決策響應(yīng)時間、方向盤回正時間及方向盤最大轉(zhuǎn)角，隨著我國汽車工業(yè)和智能化水平的快速發(fā)展，自動駕駛已成為當(dāng)下汽車行業(yè)的重要發(fā)展方向，為了實(shí)現(xiàn)全面無人化駕駛，給自動駕駛的安全性、舒適性、效率性認(rèn)證提出了更迫切的需求。本書第一章對成熟駕駛模型技第二章聚焦自動駕駛技術(shù)與成熟駕駛模型的關(guān)系，詳細(xì)闡述了目前成熟駕駛模型廣泛應(yīng)用于自動駕駛產(chǎn)品開發(fā)技術(shù)與測試技術(shù)中，并廣泛搭載第三章圍繞當(dāng)前標(biāo)準(zhǔn)發(fā)展現(xiàn)狀，闡明國內(nèi)外成熟駕駛模型相關(guān)的標(biāo)準(zhǔn)現(xiàn)狀，國外標(biāo)準(zhǔn)起步較早，相對完善，國內(nèi)標(biāo)準(zhǔn)聚焦于系統(tǒng)的性能和試驗(yàn)方法等方面的研究，對于提高道路安全性，提升交通安全管理水平具有重要意義，為開展成熟駕駛模型標(biāo)準(zhǔn)化研究奠定良好的基礎(chǔ)。國內(nèi)外相關(guān)標(biāo)準(zhǔn)多以安全性測試為基石，結(jié)合其他性能要求和測試方法，形成完善的標(biāo)第四章則圍繞安全性測試，提出了緊急制動模型與緊急轉(zhuǎn)向模型，并采用實(shí)車與仿真聯(lián)合標(biāo)定的方法，確定了中國成熟駕駛員的模型參數(shù)，并第五章對智能網(wǎng)聯(lián)汽車成熟駕駛模型標(biāo)準(zhǔn)化的重要意義進(jìn)行了探討和研究，對成熟駕駛模型標(biāo)準(zhǔn)化方向及框架給出建議，也對成熟駕駛模型的本項(xiàng)目的輸出將有十分廣泛的應(yīng)用?？芍味囗?xiàng)國標(biāo)制定，如支撐國標(biāo)《智能網(wǎng)聯(lián)汽車自動駕駛功能仿真試驗(yàn)方法及要求》中場景參數(shù)取值。可支撐核心數(shù)據(jù)庫建立，如中國成熟駕駛員的緊急制動及緊急轉(zhuǎn)向行為數(shù)據(jù)庫?？苫谥袊墒祚{駛員的能力水平，支撐制定相關(guān)測試規(guī)程或行業(yè)白皮書，如智能駕駛行為安全評價測試規(guī)程、及智能駕駛行為安全評價方本書中數(shù)據(jù)是在特定條件、設(shè)備、人員情況下獲得的，結(jié)果僅供參考。成熟駕駛員模型可應(yīng)用于確定自動駕駛功能仿真試驗(yàn)方法中的場景參數(shù)取值，即仿真試驗(yàn)中的場景參數(shù)取值應(yīng)在成熟駕駛員模型能夠避免碰撞的參數(shù)取值范圍之內(nèi)。本附錄以成熟駕駛員的緊急制動模型為例，通過對鄰車切入場景、前車切出遇靜止車場景及前車制動場景的關(guān)鍵參數(shù)進(jìn)行全集泛化，并將上述場景與緊急制動模型實(shí)現(xiàn)至仿真平臺中，最終得到成熟駕駛員的緊急制動模型在上述三個場景下的碰免碰撞的參數(shù)取值范圍如藍(lán)點(diǎn)所示，無法避免碰撞的參數(shù)取值范圍如紅點(diǎn)所示，自動駕駛仿真試驗(yàn)中的場景參數(shù)取值應(yīng)在藍(lán)點(diǎn)中選取。其中，紅點(diǎn)區(qū)域附近的藍(lán)點(diǎn)對應(yīng)參數(shù)取值為危險場景的參數(shù)取值?？捎糜谥螄鴺?biāo)《智能網(wǎng)聯(lián)汽車自動駕駛功能仿真試驗(yàn)方法及要求》中場景參數(shù)的合理性A.2鄰車切入場景下的可避免碰撞的參數(shù)取值范圍A.3前車切出遇靜止車場景下的可避免碰撞的參數(shù)取值范圍A.4前車制動場景下的可避免碰撞的參數(shù)取值范圍[1]ReuschelA.VehicleMovementsintheColumnUniformlyAccleratedorDelayed[J].OesterrichIngrArch,1950,4:193-215.[2]PIPESLA.AnOperationalAnalysisofTrafficDynamics[J].JournalofAppliedPhysics,1953,24(3):274-281.[3]NEWELLGF.MemoirsonHighTrafficFlowTheoryinthe1995s[J].OperationsResearch,2002,50(1):173:178.[4]CHANDLERRE,HERMANR,MONTROLLEW.TrafficDynamics:StudiesinCarFollowing[J].OperationsResearch,1958,6(2):165-184.[5]S.Krauss.MicroscopicModelingofTrafficFlow:InvestigationofCollisionFreeVehicleDynamics[J].DLR-Forschungsberichte,1998.[6]WIEDEMANNR.SimulationofRoadTrafficinTrafficFlow[R].Karlsruhe:UniversityofKarlsruhe,1974.[7]KikuchiS,ChakrobortyP.CAR-FOLLOWINGMODELBASEDONFUZZYINFERENCESYSTEM[J].TransportationResearchRecordJournaloftheTransportationResearchBoard,1992,1365(1365):82-