基于真实里程的测试技术与方法

智能汽车是汽车､电子､信息通信､道路交通运输等行业深度融合的新型产业形态｡当前, 我国智能汽车产业进入快车道, 技术创新日益活跃, 新型应用蓬勃发展, 产业规模不断扩大,而相应的测试技术体系也在不断完善, 推动产业进步｡本书首先立足于整体现状对智能汽车测试体系架构进行综述, 并针对测试技术的发展趋势和整个核心技术进行详细描述;然后, 针对测试体系中每一测试过程的概念､核心思想､关键技术､测试方法､发展趋势等进行详细描述｡

注：本文节选自《智能汽车测试技术》第五章节，由机械工业出版社于2025年6月份出版

本书可供智能汽车设计人员及测试人员阅读使用, 也可供车辆工程专业及相关专业师生阅读参考｡

手机打开以下链接购买

https://mp.weixin.qq.com/s/QBxaIPLrADmhzcUlwvjNPw

《智能汽车测试技术》目录 

第1 章

导论

1.1 背景与需求/ 001

1.2 基本概念/ 003

1.2.1 测试与评价的基本概念/ 003

1.2.2 产品全生命周期中的测评技术/ 004

1.3 现状与挑战/ 005

1.4 本书章节安排/ 006

第2 章

智能汽车

测评概述

 2.1 测评需求分析/ 009

2.1.1 安全性测试与验证/ 009

2.1.2 智能性测试与评价/ 012

2.2 测试方法论/ 015

2.2.1 安全性测试验证框架/ 015

2.2.2 智能性测试评估框架和体系/ 017

2.3 测试工具链及应用要求/ 023

2.3.1 测试工具链/ 023

2.3.2 测试需求与测试工具的适配性/ 027

2.4 本章小结/ 029

参考文献/ 030

第3 章

智能汽车

测试场景

3.1 场景基本概念/ 031

3.2 场景体系/ 033

3.2.1 场景要素与属性/ 033

3.2.2 场景层级/ 035

3.2.3 场景分类/ 036

3.3 场景生成方法/ 037

3.3.1 基于形式化描述的场景生成方法/ 037

3.3.2 基于驾驶员模型的场景生成方法/ 040

3.3.3 安全关键场景生成方法/ 048

3.4 场景采集与利用/ 051

3.4.1 场景采集技术/ 051

3.4.2 场景库搭建/ 052

3.5 本章小结/ 052

参考文献/ 053

第4 章

环境感知

系统的测试

技术与方法

4.1 环境感知系统测试需求分析/ 055

4.2 环境感知系统介绍/ 057

4.2.1 感知系统/ 057

4.2.2 硬件模组/ 058

4.2.3 认知算法/ 058

4.3 环境感知系统测试技术框架/ 059

4.4 各类感知环境介绍/ 060

4.4.1 封闭场地环境/ 060

4.4.2 道路交通环境/ 064

4.4.3 虚拟仿真环境/ 066

4.5 数据生成模型介绍/ 069

4.5.1 降雨图像生成方法概述/ 070

4.5.2 降雨图像生成模型介绍/ 071

4.5.3 降雨图像生成模型结果/ 075

4.6 具体测试案例/ 076

4.6.1 案例一:基于封闭场地环境的感知系统测试/ 076

4.6.2 案例二:基于虚拟仿真环境的硬件模组测试/ 078

4.6.3 案例三:基于虚拟仿真环境的感知系统测试/ 081

4.6.4 案例四:基于三类感知环境和数据生成模型的

认知算法测试/ 083

4.7 本章小结/ 086

参考文献/ 087

第5 章

决策规划

系统的测试

技术与方法

 5.1 决策规划系统的测试需求与挑战/ 089

5.1.1 测试需求/ 089

5.1.2 测试挑战/ 090

5.2 基于场景的测试技术与方法/ 092

5.2.1 静态试验设计测试方法/ 092

5.2.2 动态试验设计测试方法/ 094

5.3 基于真实里程的测试技术与方法/ 101

5.3.1 开放道路测试技术/ 101

5.3.2 重要度采样加速测试方法/ 103

5.4 基于虚拟里程的测试技术与方法/ 104

5.4.1 虚拟里程测试系统组成框架/ 105

5.4.2 用于虚拟里程测试的NPC 模型生成方法/ 106

5.4.3 用于虚拟里程测试的NPC 模型性能验证/ 113

5.4.4 虚拟里程测试的应用/ 118

5.4.5 小结/ 130

5.5 其他测试技术/ 131

5.5.1 自动化测试技术/ 131

5.5.2 错误注入测试技术/ 139

5.5.3 分布式自动化测试技术/ 152

5.6 本章小结/ 157

参考文献/ 157

第6 章

整车测试

技术与方法

6.1 整车测评需求分析/ 159

6.2 封闭测试场地平台/ 160

6.2.1 封闭测试场/ 160

6.2.2 动态模拟目标物系统/ 162

6.2.3 定位与数据采集系统/ 163

6.3 开放道路测试系统/ 164

6.3.1 测试方案制定/ 165

6.3.2 数据采集与数据闭环系统/ 165

6.4 本章小结/ 166

第7 章

智能汽车

安全性评估

7.1 基于具体场景的安全性评估/ 169

7.1.1 场景瞬时风险评估方法/ 170

7.1.2 多阶段安全评估/ 180

7.1.3 单个测试场景结果外推/ 181

7.2 基于逻辑场景的安全性评估/ 182

7.2.1 评估要求/ 182

7.2.2 面向逻辑场景评价的危险域识别方法/ 183

7.3 针对被测功能的安全性评估/ 192

7.4 本章小结/ 192

参考文献/ 193

第8 章

智能汽车

综合行驶

性能评估

 8.1 测评需求与研究现状/ 195

8.1.1 测评需求/ 195

8.1.2 研究现状/ 195

8.2 测评基本流程/ 197

8.3 典型测试场景矩阵/ 198

8.4 测试方法与流程/ 199

8.4.1 测试方案/ 199

8.4.2 背景车跟驰模型/ 199

8.4.3 测试数据输出/ 201

8.5 评价方法与流程/ 202

8.5.1 评价体系/ 202

8.5.2 评价流程/ 204

8.6 测评示例/ 206

8.7 本章小结/ 209

参考文献/ 209

附 录

附录A 测试工况参数设置/ 210

附录B 背景车跟驰模型/ 212

附录C 归一化方法/ 214

附录D 常见缩写词/ 216

5 . 3 基于真实里程的测试技术与方法

基于真实里程的测试方法是让被测车辆在一定的环境条件下连续行驶, 而不预先设定其测试任务或目标。具体包括开放道路测试方法和基于开放道路测试数据的重要度采样加速测试方法。

5.3.1 开放道路测试技术

开放道路测试是使用真实的研发车辆在现实道路和真实交通环境下开展的测试。其测试真实性高, 可同时测试车辆各硬件子系统之间的协调情况、软件算法的正确性、车辆与驾驶员之间的交互情况等。开放道路测试是企业最常采用的测试技术, 也是汽车量产之前必须经历的测试过程。

1 . 开放道路测试技术分类

开放道路测试方法存在特殊性, 主要体现在该测试方法是结合特定测试环境的专用测试方法, 无法推广到其他测试工具。开放道路测试可以提供完全真实的、非人工模拟的交通场景, 所有交通参与者、气候条件、道路条件都真实存在, 不受人为控制。由于所有事件均是随机发生的, 车辆在真实道路行驶的过程均是测试过程, 从而对智能汽车提出了更高的要求。现有的开放道路测试可以分为两大类, 一类是不限定行驶路线的, 另一类是限定行驶路线的。

不限定行驶路线的测试方法直接让被测系统在实际开放道路上行驶, 而不限定其行驶路线。不限定行驶路线的测试方法能够提供真实的交通环境, 满足环境感知系统、决策规划系统的测试需求, 理论上是进行智能汽车测试的最佳方式。该测试方法的主要不足在于测试周期长、效率低,测试成本巨大,同时必须考虑安全风险问题以及法律法规的限制。从统计学角度出发,要验证智能汽车比人类驾驶更安全,理论上应该至少进行99000000mile(1mile=1609.344m)以上的实车道路测试,这是一个十分漫长的测试里程[10]。因此,单纯依靠开放道路测试方法来测试智能汽车并不具备可操作性。

限定行驶路线的方法会根据被测车辆的设计运行条件(OperationalDesignCondition,ODC)、目标和事件探测与响应(ObjectandEventDetectionandResponse,OEDR)等功能定义筛选符合条件的开放道路,用于被测车辆的测试。限定行驶路线的实际道路测试评价框架如图5-14所示,包括确定被测车辆的ODC、选定备选道路类型、评估确定备选、被测车辆实际道路测试和实际道路评价。具体而言,首先,确定被测车辆的ODC,然后依据ODC在实际道路类型集中初步筛选符合ODC的道路类型,之后结合道路评估方法和测试元素基础模型最终确定符合条件的道路用于测试,测试过程中基于用户主观感受来评价被测车辆的性能。该方法依据ODC限定测试的道路,减少了测试里程量,具有一定可行性。

图5 -14 限定行驶路线的实际道路测试评价框架

2. 开放道路测试技术相关进展

近年来,随着智能汽车技术的发展,国内外企业均在开放道路测试上进行了大量实践。

在我国,多个城市都开展了开放道路测试。上海2020年开放道路测试有效测试时长1.17万h,有效测试里程39.7万km,22家测试企业中,避险脱离率最高为26.8次/100km,平均11.9次/100km。

截至2022年底,广州市智能网联汽车开放道路有效测试总时长超过51万h、有效测试总里程达976.1万km。广州市2022年测试主体累计研发出25款测试车型投入到广州市进行道路测试工作,其中,平均脱离间隔里程数最长为51.43km。排名前10的测试车型中总平均脱离间隔里程数为28.88km。截至2022年底,北京市累计28家企业开展了智能汽车道路测试。其中,17家企业379辆智能汽车取得全市范围内测试通知;14家企业269辆智能汽车获准在高级别智能汽车示范区开展道路测试、示范应用及商业化试点的先行先试。其中,无人化累计测试里程超过138万km,高速公路累计测试里程达5.3万km。

在国外,梅赛德斯-奔驰于2013年用一辆S500轿车完成了一段103km的全智能汽车道路测试[11]。整个测试路线途经25个城镇和主要城市,覆盖了很多复杂的交通场景。美国谷歌公司的Waymo智能汽车研发团队是最早开展全智能汽车道路测试的团队之一。截至2017年10月,Waymo智能汽车在美国的4个州、20个城市完成了超过5.6×106km的道路测试。在测试过程中,由经过严格培训的测试工程师负责监测和记录智能汽车的行为,寻找车辆表现不佳或无法应对的特殊场景,针对性地改进和调整软件算法,对功能进行迭代和优化。2018—2019年,德国、英国、芬兰、日本等国的汽车企业也都在本国自动驾驶相关法律法规框架下开展了大量的实际道路测试。在美国,谷歌、沃尔沃、通用汽车等厂商都先后开展了智能汽车的开放道路测试。《加州DMV智能汽车路测数据》显示,2022年上报总测试里程为820.67万km,上报总接管数为8216次,平均接管里程(MPI)为998.87km。

5.3.2 重要度采样加速测试方法

重要度采样加速测试方法采用数据驱动的思想,通过对开放道路测试数据进行统计分析,利用重要度采样方法提取满足特定需求的驾驶场景,用于智能汽车的测试。重要性采样的本质在于改变场景数据的原始分布情况,为重要(稀有)场景分配较高的出现概率,在保证事故率估计准确的同时又能减少测试次数,从而加速测试。其关键在于引入一个新的采样函数(重要度函数),在新的采样函数中去采样xi,使发生重要场景的可能性更高。

下面举例介绍重要度采样方法的基本思路。如图5-15所示,f(x)为目标函数在参数空间上的分布情况。如图5 -16 所示, g(x)为参数x 实际分布的概率密度函数。事故率(E) 可按式(5 -4) 进行估计。从图5 -16 中可以看出,g(x)数值较大的部分主要集中横轴的右半部分, 若按照该分布进行采样得到的点大部分位于横轴右边; 而目标函数f(x)值较大的部分集中在横轴左边, 这就使得测试过程中很难快速准确估计出事故率。

图5 -15 目标函数在参数空间中的概率密度分布示意图

为了快速准确估计事故率, 引入一个新的采样函数p(x), 如图5 -16 所示, 该函数的数值较大的部分更靠左, 也就是与目标函数的分布更接近。基于该函数进行采样, 采样的点将会更多位于横轴的左边, 可以更快速且准确地估计事故率(E)。引入p(x)后的事故率计算公式见式(5 -5)。

图5 -16 目标函数实际概率密度和采样函数概率密度分布示意图

本书首先立足于整体现状对智能汽车测试体系架构进行综述， 并针对测试技术的发展趋势和整个核心技术进行详细描述；然后， 针对测试体系中每一测试过程的概念、核心思想、关键技术、测试方法、发展趋势等进行详细描述。

本书可供智能汽车设计人员及测试人员阅读使用， 也可供车辆工程专业及相关专业师生阅读参考。

手机打开以下链接购买

https://mp.weixin.qq.com/s/QBxaIPLrADmhzcUlwvjNPw

作者简介：

陈君毅,2009年毕业于同济大学汽车学院,获工学博士学位,任职于同济大学汽车学院｡长期从事自动驾驶汽车测试与评价方向研究工作,先后主持和参与国家级､省部级项目共11项,并与华为､路特斯､上汽大众､蔚来等企业开展了深度校企合作研究｡近5年,在国内外学术期刊和国际会议上共发表SCI/EI检索论文近30篇,其中以第一作者或及通讯作者发表的为20余篇;申请发明专利30余项(已授权7项)｡担任SAE汽车安全和网络安全技术委员会秘书､功能安全和预期功能安全分委会主席;是自动驾驶测试场景国际标准(ISO3450X)支撑专家组成员,以及CAICV联盟预期功能安全工作组核心成员;担任《汽车工程》和《汽车工程学报》青年编委委员,IEEE Transactions on Intelligent Vehicles､Proceedings of the Institution of Mechanical Engineers, Part D: Journal of Automobile Engineering､《中国公路学报》､《汽车工程》､IEEE Intelligent Transportation Systems Conference､IEEE Intelligent Vehicles Symposium等国内外期刊和国际会议审稿人,曾于多项国际学术会议担任分论坛主席｡

版权信息:

智能汽车测试技术 / 陈君毅等著. -- 北京 : 机械工业出版社, 2025. 5. -- (智能汽车关键技术丛书).ISBN 978-7-111-77871-4 Ⅰ. U467 中国国家版本馆CIP数据核字第2025X8D229号

本书由机械工业出版社出版，本文经出版方授权发布。

来源：汽车测试网