课题承担单位：重庆长安汽车股份有限公司
一 、研究背景
根据中华人民共和国国家标准《汽车驾驶自动化分级》的定义 ，2级驾驶自动化系统是指在其设计运行条件下能够持续地执行动态驾驶任务中的车辆横向和纵向运动控制，且具备与所执行的车辆横向和纵向运动控制相适应的部分目标和事件探测与响应能力的智能驾驶系统。依据此标准，车道内自动驾驶和自动泊车均属于L2级组合驾驶辅助功能。
基于此标准，特斯拉是最早从事L2级组合驾驶辅助功能开发的主机厂。在2015年7月推送的V7.0版本更新中首次开放了AutoSteer 、ACC等自动驾驶功能。沃尔沃在2015年也发布了第一代自动驾驶辅助系统PilotAssist1.0，但仅能工作在0-50km/h且必须跟随目标车行驶 ；长安汽车在2018量产了国内首个L2级组合驾驶辅助功能IACC（Integrated Adaptive Cruise Control） ；吉利汽车也于2018年发布了其L2级组合驾驶辅助功能——智能领航系统，该系统具备0-130km/h的持续纵向和横向控制能力，既能进行跟线行驶又能跟随车辆行驶 ；随后长城汽车 、广汽 、上汽 、北汽等传统主机厂都纷纷推出了L2级组合驾驶辅助功能。新造车势力如蔚来、小鹏、威马也快速发布了自己的L2级组合驾驶辅助功能。
整体来看，L2级组合驾驶辅助功能开始进入市场普及初期且呈现出了快速发展的趋势。根据国家信息中心经济咨询中心李伟利的文章，2020年，L2级组合驾驶辅助功能新车渗透率达到了6.8% ，而2021年1-4月新车渗透率接近13%。
但由于缺乏行业规范如L2级组合驾驶辅助功能的应用场景，各企业的L2级组合驾驶辅助系统性能表现大相径庭，用户体验更是参次不齐 。故本文特针对汽车组合驾驶辅助系统（L2）应用及测试场景展开研究。
二、研究目标
本课题就行业的发展现状，系统的总结国内典型的L2级组合辅助驾驶系统的功能体系框架 。就用户的实际应用场景 ，设计并总结了L2级组合辅助驾驶功能的测试方法。旨在能够帮助各L2级组合辅助驾驶系统搭载企业完善自身的测试评价体系，从而为用户提供更加安全、舒适的L2级组合驾驶辅助功能。
三 、研究内容
本课题的研究内容主要包含以下三个方面：
第一，从推荐性国家标准《汽车驾驶自动化分级》出发，结合目前市场上主流的L2级组合驾驶辅助功能 ，进行L2级的功能体系框架分析。
第二，结合行业实际和用户需求 ，从测试角度出发 ，研究针对L2级功能的测试评价场景提取方法。
第三，针对前文研究的L2级功能体系框架，分别针对不同的子功能设计其测试场景和方法。
四、研究成果
第一，L2级的功能体系框架分析
表1 L2级系统功能特性
功能特性 | 功能说明 | 典型应用企业 |
跟车行驶 | 系统可以在车道线丢失时跟随前车行驶轨迹行驶 ，以避免L2频繁退出的问题 | 特斯拉、小鹏、长安 |
智能限速 | 系统可以根据当前道路的限速自动限制L2系统的最高行驶速度 ，以避免用户使用L2时超速行驶的问题 | 特斯拉、长安 |
弯道限速 | 系统可以根据弯道半径自动调节本车行驶速度，以避免车速过高进入弯道 ，导致安全性和舒适性降低 | 特斯拉、小鹏、长安 、沃尔沃 |
智慧避让 | 系统可以针对旁边有护栏、大货车等特殊场景自动控制车辆远离，以增强用户信心 | 长安、小鹏 |
脱手检测 | 系统可以针对驾驶员脱手进行自动检测，并适时提醒用户手握方向盘 | 特斯拉、小鹏、长安 、沃尔沃 |
接管提醒 | 系统可以实时进行状态检测 ，一旦发现工作条件不满足 ，则请求驾驶员接管 | 特斯拉 、小鹏、长安、沃尔沃 |
单线控制 | 系统在短暂丢失单侧车道线时，可以依靠另一侧清晰的车道线进行控制 | 特斯拉、长安、小鹏 |
第二，针对L2级功能的测试评价场景提取方法。
测试的目的是为了充分发现产品的功能和性能缺陷 ，保障向用户交付的产品达到设计目标。基于此，L2级组合驾驶辅助系统测试场景提取有以下原则。
1）场景要素须全面覆盖
针对L2级组合驾驶系统 ，前文梳理了其场景要素包含天气、温度、道路类型、道路质量 、弯道曲率、交通流在内的6大要素 。对L2级智能泊车系统而言，其场景要素应包含车位类型 、障碍物类型、障碍物数量 、障碍物大小、车位线颜色、车位线线型、车位线宽度 、障碍物与车位线相对几何关系 。那么，针对每一个测试场景都必须包含这些要素。只有这样才是一个完整的测试场景。
2）场景参数要边界化
针对具体的场景要素 ，在设计其取值时 ，通常建议将其取至边界值。如天气要素中 ，假设其参数有晴天、阴天 、雨天 、夜晚 、雨夜。那么其边界则是晴天和雨夜。其它参数均为此两种参数的中间状态。在实际的测试经验中 ，同一个场景一旦在晴天和雨夜都能验证通过 ，那么其在天气状态下无法通过的概率低于0.1%，这是因为目前L2级组合驾驶辅助系统所使用的传感器中摄像头对光照和下雨最为敏感 ，性能衰减最严重 。当在最恶劣条件下都能正确输出时，在常规工况下，其性能将更加有保障。
3）测试工况要典型化
测试工况是在设定好测试场景参数后，设定本车或目标车的运动速度 ，不同的速度对应不同的测试工况，一个测试场景可能对应非常多的测试工况。如L2级智能巡航系统进行对中行驶时 ，其速度范围为0-130km/h。如何进行测试速度的选取呢 ，通常建议根据用户的实际使用情况进行选择。如高速公路，大多数用户正常的巡航速度为120km/h，基于此特性 ，我们可以针对高速测试的场景建议测试速度选择为120km/h，而不必非常密集的设置不同的测试速度，如110km/h，115km/h，120km/h。
第三，针对不同的子功能设计其测试场景和方法。
基于前文所述原则，仔细梳理L2级智能巡航系统的应用场景后，整理出测试内容包括车道对中测试 、车辆识别与加速跟踪能力测试 、车辆识别与减速跟踪能力测试 、弯道适应能力测试、坡道适应能力测试、蠕行停走跟随测试 、侵入测试、目标切出测试以及跟车行驶功能测试。
试验目的是为了测试车道对中功能对于各种车道线组合的车道识别能力，并且检验系统在横向控制和纵向控制耦合状态下维持车辆在车道中央行驶的能力。
初始条件：在有清晰车道线的标准直道上，车道宽度为3.65m ，由实线和虚线组合成三种车道形式。本车行驶轴线与车道中轴线距离为dc=0.9m±0.1m且处于静止状态 ，如图3 。
测试过程：本车静止状态下设置L2级智能巡航系统至可激活状态，设置目标车速为vset，而后激活L2级智能巡航系统，使本车自主加速及自动转向，车辆完全稳定至目标车速后测试结束 ，如图4 。
vset=30km/h, 60km/h, 90km/h, 120km/h
评价标准：加速过程平顺性，横向控制稳定性，车道线识别时间
图1 车道识别与对中能力测试（直道）-初始条件
图2 车道识别与对中能力测试（直道）-结束条件
2）L2级组合驾驶辅助系统测试场景——车位探测性能测试
如图3所示，驾驶测试车辆直线行驶进行车位搜索，搜索横向距离P1=1.0m ，车速Vf =15±3km/h，找到车位后按系统提示停车 ，测量停车后的实际距离Spastslot。
超声波车位摆放实际长度SL≈车长+1.2m，宽度SD≈车宽+0.4m，左右各搜索25次；
划线车位摆放实际长度SL≈6.0m，宽度SD≈2.5m ，左右各搜索25次。划线车位需考虑光照强度 ，低光照工况（＜100lx）左右各搜索15次。
图3 泊车过程示意图
记录数据：测试后按《探测车位性能测试表》（如表8所示）要求，记录每次测试的探测方式、搜车位方向、实际车位长度 、实际车位深度、系统检测长度 、系统检测深度、停车后的系统像素值、释放车位时的系统像素值 、后轮轮脉冲数、停车后的实际测量距离以及trace编号。
表2探测车位性能测试表
测量数据 | ||||||||||||
序号 | 探测方式 | 搜车位方向 | 实际车位长度 | 实际车位深度 | 系统检测长度 | 系统检测深度 | 停车后的系统像素值 | 释放车位时的系统像素值 | 后轮轮脉冲数（释放车位到车辆停止） | 停车后的实际测量距离（mm） | trace | |
左后轮 | 右后轮 | |||||||||||
1 | 超声波 | R | ||||||||||
2 | 超声波 | L | ||||||||||
3 | 摄像头 | R | ||||||||||
4 | 摄像头 | L | ||||||||||
数据经处理后获得车位长度误差、深度误差、车位偏移误差 、释放车位距离以及行驶距离系统误差 ，数据处理表如表9所示 。
表3 探测车位性能测试表
数据处理 | ||||
车位长度误差（cm） | 车位深度误差（cm） | 车位偏移误差（cm） | 释放车位距离（cm） | 行驶距离系统误差（cm） |
关注创新基地公众号