隨著汽車電氣化與智能化的高速發展，搭載智能駕駛系統的車輛越來越普及，人們的駕乘方式和駕乘感受也在發生巨大的改變。但近年，因使用智能駕駛系統導致車禍甚至人員傷亡的事故頻發，智能駕駛系統的安全性成為大眾關注的焦點。

目前針對于智能駕駛系統的安全測試，國家智能網聯汽車（長沙）測試區前期基于雨霧特殊天氣對六款車型的智能駕駛系統功能進行了系統性的研究測試，測試結果表明特殊天氣對智能駕駛系統的影響很大。本文在前期研究測試的基礎上，從車輛實際使用的危險場景出發，通過模擬車載物跌落、泥漿飛濺、夜間逆光和揚塵四類場景，實車測試車輛智能駕駛系統的表現，深入研究在危險場景下不同車型的智能駕駛系統功能水平，引導智能汽車企業及零部件企業對產品進行進一步的優化升級。

本文通過在國家智能網聯汽車（長沙）測試區搭建車載物跌落、泥漿飛濺、夜間逆光和揚塵天氣場景，實車測試不同車輛的智能駕駛系統在四種場景下的表現并記錄測試結果，通過測試結果分析車輛的智能駕駛功能水平。

測試車輛

本文沿用前幾期測試的六款車型，分別為比亞迪護衛艦07、嵐圖夢想家、理想L9、蔚來ES8、零跑C11、高合HiPhiX，具體車型信息如表1所示，本次試驗車型通過租賃方式獲取。

表1  測試車型一覽表

測試設備

本文測試所用的主要測試設備包括行人目標物、EVT假車、目標物驅動系統和數據采集設備（RT），如圖1所示。設備具體參數如表2所示。

表2  主要測試設備一覽表

圖1  測試設備

測試場地

本文測試所用的測試場地為國家智能網聯汽車（長沙）測試區模擬高速和雨霧模擬區，其中模擬高速進行車載物跌落和泥漿飛濺場景測試，雨霧模擬區進行夜間逆光和揚塵天氣場景測試。測試場地如圖2所示。

圖2  測試場地

試驗條件

環境：本試驗在天氣良好且光照正常的環境下進行試驗（夜間逆光場景除外），試驗過程中風速低于5m/s。

試驗過程數據采集：試驗過程使用的所有設備滿足動態數據采樣和存儲頻率為100Hz。其中數據采集精度滿足以下要求：

（1）速度精度為0.1km/h；

（2）縱向加速度精度為0.1m/s2；

（3）橫向和縱向位置精度為0.03m。

車輛狀態：本次試驗車輛輪胎氣壓為廠家推薦的標準冷態氣壓，試驗過程中除安裝的試驗設備外，測試車輛僅乘坐兩名人員（試驗員和駕駛員）。

車輛功能設置：本次試驗過程中車輛跟車行駛時距設置為中間檔位。時距檔位個數為偶數的，時距設置為中間檔后面最靠近高時距的檔位。試驗車輛的自動緊急制動系統報警級別設置為報警中間檔位。檔位個數為偶數的，報警級別設置為中間偏早報警的檔位。

試驗要求：試驗車輛在開啟智能駕駛系統功能的情況下，以不同的試驗速度進行場景測試，具體如表3所示。試驗過程中，保持試驗車輛和目標物速度在規定車速±2km/h且試驗車輛行駛方向橫向偏移量不超過規定行駛路徑±0.3m。每個試驗工況最多進行3次試驗，低速試驗未通過則不進行高速試驗，3次試驗中有2次滿足要求，則通過測試；反之則不通過。若前2次試驗均通過或不通過測試，則不進行第3次試驗。試驗過程中全程記錄數據，當試驗車輛與目標物發生碰撞或者避免碰撞時，本次試驗結束。

表3  試驗工況表

試驗評價

本文借鑒ISO 26262的風險評估方法，使用場景暴露度和場景傷害度兩個評價指標對四類場景本身進行風險評價，最終確認每個場景的權重分值，測試結果按照碰撞、碰撞但預警、避撞三種情況進行得分評價，如表4所示。

表4  四類場景權重得分及結果評價

本次試驗研究的四類場景來源于實際行車過程常遇見的四類危險場景，具體如下：

車載物跌落場景主要模擬在正常穩定跟車行駛過程中，突遇前車車載物跌落的情況，車輛對于動態跌落車載物的識別及避撞的能力。

泥漿飛濺場景則模擬在車輛受到飛濺的泥漿遮擋前視攝像頭時，對于前方靜止車輛的識別及避撞的能力。

夜間逆光場景主要模擬在夜間遇到對向車輛開遠光燈的情況下，車輛對前方同向行走的行人及靜止車輛的識別及避撞的能力。

揚塵場景模擬在揚塵環境視野受限的情況下，對于前方靜止車輛的識別及避撞的能力。

車載物跌落：本場景該場景選用紙箱作為跌落車載物，紙箱大小為60cm*40cm*50cm。目標車在試驗道路的中間，試驗車輛跟隨目標車行駛，穩定跟車行駛至少2s后，目標車上的紙箱拋落，如圖3所示。實車測試如圖4所示。

圖3  車載物跌落場景示意圖

圖4 實車測試

測試結果如下：

表5  車載物跌落場景試驗結果

測試評分結果如下：

圖5  車載物跌落場景評分

在車載物跌落測試中，所有車輛均無法識別拋灑的紙箱并進行避撞，可能原因為現階段智能駕駛系統暫未考慮此類情況。

泥漿飛濺：目標車放置在車道中心線上，試驗車輛縱軸線與目標車縱軸線重合，當試驗車輛達到穩定車速且兩車縱向距離縮小至50m時，對測試車輛前視攝像頭進行泥漿噴灑，持續噴射3s，設置目標車車尾部為碰撞點，如圖6所示M點，用于記錄兩車的縱向及橫向相對位置，每組試驗的碰撞點應相同。實車測試如圖7所示。

圖6  泥漿飛濺場景示意圖

圖7 實車測試

測試結果如下：

表6  泥漿飛濺場景試驗結果

評分結果如下：

圖8  泥漿飛濺場景評分

在泥漿飛濺場景測試中，所有車輛在前視攝像頭被遮擋而雷達等其他傳感器正常工作的情況下，均無法識別前方靜止車輛并進行避撞，說明前置攝像頭的干擾對車輛智能駕駛功能的影響很大。

夜間逆光

（1）夜間逆光下的行人縱向場景：本場景的光源車輛為M1類乘用車，開啟遠光燈并靜止放置在逆向車道中心線上，目標假人APT中心線與試驗車輛中心線重合。目標假人以5km/h的速度與車輛行駛方向相同的方向移動，碰撞點在車輛寬度50%位置，如圖9中所示M點。試驗過程中背景光照強度應滿足小于1lx。實車測試如圖10所示。

圖9  夜間逆光—行人縱向場景示意圖

圖10 實車測試

試驗結果如下：

表7  夜間逆光—行人縱向場景試驗結果

評分結果如下：

圖11  夜間逆光-行人縱向場景評分

在夜間逆光—行人縱向場景測試中，嵐圖夢想家、蔚來ES8、零跑C11車輛智能駕駛系統功能表現穩定且均通過了該場景下的全部測試。但從整體測試結果來看，夜間逆光對部分車型的智能駕駛系統影響很大，

（2）夜間逆光下的前車靜止場景：本場景的光源車輛為M1類乘用車，開啟遠光燈放置在逆向車道中心線上，目標車放置在車道中心線上，試驗車輛縱軸線與目標車縱軸線重合，設置目標車車尾部為碰撞點，如圖12所示M點。用于記錄兩車的縱向及橫向相對位置，每組試驗的碰撞點應相同，試驗過程中背景光照強度應滿足小于1lx。實車測試如圖13所示。

圖12  夜間逆光—前車靜止場景示意圖

圖13實車測試

試驗結果如下：

表8  夜間逆光—前車靜止場景試驗結果

      評分結果如下：

圖14  夜間逆光-前車靜止場景評分

在夜間逆光—前車靜止測試中，嵐圖夢想家、蔚來ES8和零跑C11均通過了該場景下的所有測試，智能駕駛系統功能表現較好，結合行人場景測試結果，夜間逆光對于以上三款車型的智能駕駛系統功能影響較小。

揚塵：揚塵模擬環境滿足在目標車周圍能見度小于10m。目標車放置在車道中心線上，試驗車輛縱軸線與目標車縱軸線重合，設置目標車車尾部為碰撞點，如圖15所示M點。用于記錄兩車的縱向及橫向相對位置，每組試驗的碰撞點應相同。實車測試如圖16所示。

圖15  揚塵場景示意圖

圖16 實車測試

試驗結果如下：

表9  揚塵場景試驗結果

     評分結果如下：

圖17  揚塵-前車靜止場景評分

從測試結果來看，揚塵環境對六款車型的智能駕駛系統的影響很大，六款車型均未能通過所有測試。

本文通過對六款車型進行四類場景的測試發現，不同車型智能駕駛系統功能在四類場景下的表現相差很大。在四類場景中，車載物跌落和泥漿飛濺場景難度系數最大，所測試的六款車型均無法通過測試；而夜間逆光場景難度系數最小，六款車型中有一半的車型均通過了測試。針對揚塵場景，六款車型的表現參差不齊，且均未能達到預期效果，車輛的智能駕駛系統功能水平需要進一步提升。為了能更加科學的反映出智能車輛在以上四類場景下的智能駕駛功能水平，后續，國家智能網聯汽車（長沙）測試區將加大測試車輛的樣本量，持續開展其他車型的測試研究。