車道居中保持性能評價方法研究

端帥 王霽宇 石蕊 俞彥輝 崔鵬

摘要 針對智能駕駛車輛居中保持智能性評價問題，提出一種量化測評居中保持性能技術方法。在車輛開啟居中保持功能模式，采用高精度數(shù)采設備對車輛在不同曲率路段的行駛狀態(tài)進行采集，數(shù)據(jù)分析計算得到車輛在車道居中保持行駛時的中心偏置距離。依據(jù)車道中心為基準劃分智能區(qū)、次智能區(qū)、臨界區(qū)和非智能區(qū)四個區(qū)域，選用區(qū)域持續(xù)時間作為評價指標，采用非智能度模型計算不同曲率路段和不同行駛區(qū)域的非智能度。結果表明，非智能度計算模型驗證了車道居中保持性能，提出了車輛居中保持行駛能力量化指標，為驗證和評價車道居中保持能力提供了參考方法。

關鍵詞 車道居中保持;非智能度模型;區(qū)域持續(xù)時間;量化評價

中圖分類號 U463.6;U467 文獻標識碼 A 文章編號 2096-8949（2022）02-0080-04

0 前言

在智能駕駛技術的研究和開發(fā)中需要進行大量的測試、評價和驗證，尤其在突出智能駕駛系統(tǒng)任務感知、決策和控制能力方面。智能駕駛車輛系統(tǒng)根據(jù)測試環(huán)境可以將測試技術分為虛擬仿真測試、封閉場地測試和實際道路測試[1-3]。虛擬仿真測試具備測試場景方便搭建、測試過程可重復、成本高和效率低特點。一般應用于算法開發(fā)迭代驗證階段，多應用于控制器、傳感器等零部件產品測試和驗證。封閉場地測試是在封閉試驗場地內完成，測試過程場景有限，按照標準規(guī)范進行測試和驗證。一般應用于整車級功能和性能驗證。實際道路測試具有場景覆蓋廣，整車系統(tǒng)驗證充分有效的特點。實際道路測試目前沒有標準的法規(guī)作依據(jù)。大部分實車驗證測試以委托單位提供的測試需求規(guī)范作為依據(jù)，結合駕駛員和工程師的主觀判斷進行整車功能驗證和評價。

為了滿足智能網聯(lián)汽車測試和評價充分性和有效性的要求，必須有合適的驗證方法[4-5]。智能網聯(lián)汽車驗證最有效的方法就是道路測試，讓汽車在實際駕駛的復雜場景、工況下進行實車測試。智能駕駛車輛行駛時經過彎道時候傳感器和控制器需要協(xié)同完成復雜的橫縱向耦合運動[6]，智能駕駛車輛在不同彎道場景下，駕駛表現(xiàn)不同，彎道曲率半徑越小，曲率越大，車輛的行駛能力要求更高。車輛的操控性能評價中有關于車輛轉彎居中保持的評估，CCRT車評中有關于車輛在居中保持過程中表現(xiàn)的評價。這些評價以行業(yè)專家經驗進行駕乘評分。專家的主觀評價[7]方法從自動駕駛車輛智能性本身出發(fā)，利用專業(yè)的知識、經驗和判斷，通過觀察被評價對象的表現(xiàn)或狀態(tài)，以歸納分析等非量化手段對自動駕駛車輛智能性進行評價[8-10]。評價結果是宏觀的智能性水平劃分，而非精確的數(shù)值。只有當自動駕駛車輛的智能性水平存在顯著差異時才能區(qū)分出性能優(yōu)劣，針對自動駕駛車輛產品無法做出智能性水平的詳細驗證和精確評價，無法為研發(fā)方向提供精確性引導。

定量評價方法采用數(shù)學的方法[11-12]，以收集和處理數(shù)據(jù)資料為依據(jù)，以精確的數(shù)值概括全部的評價信息，包括獨立指標評價方法和聯(lián)合指標評價方法。定量評價以精準數(shù)值表達全部的評價信息，適用于需要對同車輛的智能性優(yōu)劣做精確分析的場合。評價結果直觀明確，利于工程實踐和自動駕駛車輛性能逐步提高。

為定量驗證和評價智能駕駛車輛居中保持能力，提出一種適用實際道路試驗的驗證模型和方法，包括模型設計、試驗驗證和測試評價。驗證結果可以客觀定量地評價車輛車道居中保持智能性。

1 測試評價方法簡述

1.1 車道居中保持評價思想

車道居中保持功能是指車輛始終保持在當前車道的正中間行駛，穩(wěn)穩(wěn)的通過直道、彎道，而不是在識別到即將“撞線”（偏離車道）之后系統(tǒng)再進行方向的糾正。車道居中保持也是判斷車輛是否達到L2級別輔助駕駛等級的一個重要指標[13]。但是車道居中保持智能度的客觀驗證和評價還需要進一步研究。在實際道路開啟車道居中保持功能行駛時，車輛中心軸線距離車道中心軸線都有隨機偏置距離。距離偏置程度能夠直觀體現(xiàn)車道居中保持功能性能。智能度評價可以通過專家實車感受進行分析和判斷，結果具有一定的參考意義。雖然專家主觀判斷能夠給予車輛功能優(yōu)化指導建議，但是不能夠明確車輛居中保持功能的智能化程度。

客觀判斷車道居中行駛根據(jù)偏置車道中心軸線距離判定功能智能化程度，車輛在實際道路行駛時，專家主觀評測對車輛居中行駛能力的評價不夠科學合理。因此，文章提出一種以持續(xù)時間為判定指標的量化評價方法。在評價模型中，相對于行駛中的車道線，車輛行駛軌跡可以被看作以車輛中心為軸線的中心線。城市、城郊道路系統(tǒng)中車速不高、車輛頻繁變道且彎道道路較短，此時利用評價模型中的駛入時間作為評價指標不合理，不能夠科學地評價智能駕駛車輛的居中保持能力。因此在路況良好的高速公路進行測試可以更好應用評價模型。

1.2 車道智能化區(qū)域劃分

以車輛行駛車道中心標識線為基準，確定Ⅰ、Ⅱ、Ⅲ和Ⅳ四個區(qū)域，分別是智能區(qū)、次智能區(qū)、臨界區(qū)和非智能區(qū)，以評價車輛居中保持智能度。如圖1所示，智能區(qū)的寬度為0.2 m，表示車輛在道路中行駛的最佳區(qū)域，其智能性最高;過渡區(qū)的寬度為0.4 m，表示車輛在車道中心行駛的次智能區(qū)域，其智能性低于智能區(qū);臨界區(qū)的寬度為0.6 m，智能性比次智能區(qū)更低;非智能區(qū)是臨界區(qū)以外的區(qū)域，是非智能性系數(shù)最高的區(qū)域，一旦駛入該區(qū)域，表明此時道路居中狀態(tài)不具備智能化。

1.3 車輛居中行駛行為模型

在構建車輛居中行駛評價模型時，需要將車輛狀態(tài)、距離車道中心軸線距離、道路區(qū)域綜合考慮。因具備車輛行駛過程中偏置車道中心軸線的位置參數(shù)，以智能區(qū)、次智能區(qū)、臨界區(qū)和非智能區(qū)的持續(xù)行駛時間，建立非智能度評價模型。通過分析和計算車道中心軸線附近的車輛行駛狀態(tài)特征，分別建立各個區(qū)域基于持續(xù)時間的非智能度模型。I是指車輛行駛過程中的非智能程度。I=0，即車道居中保持行駛過程中，車輛行駛在車道智能區(qū)范圍。I=1，即車輛偏離中心線距離過大、行駛在車道非智能區(qū)。Z表示道路劃分的不同區(qū)域，T為車輛在該區(qū)域的持續(xù)時間。當車輛一直保持在車道的智能區(qū)行駛，其非智能度I恒為0，用函數(shù)?（I）=0表示。當車輛進入次智能區(qū)中行駛時，若區(qū)域內持續(xù)時間Tt2，非智能度I=1;若區(qū)域內持續(xù)時間Tt1，非智能度I=1;當車輛進入危險區(qū)中行駛時，非智能度I=1。各個區(qū)域持續(xù)時間的非智能度表達式如下：

智能區(qū)： （1）

次智能區(qū)： （2）

臨界區(qū)： （3）

非智能區(qū)： （4）

式中：I為非智能度;t為持續(xù)時間;Z1為智能區(qū);Z2為次智能區(qū);Z3為臨界區(qū);Z4為非智能區(qū)。

1.4 評價指標和方法

區(qū)域內持續(xù)時間是指車輛駛入規(guī)定的道路劃分區(qū)域內，并在該區(qū)域內連續(xù)行駛的累計時間[14]。區(qū)域內持續(xù)時長能夠表明車輛居中行駛的智能化程度，則可以驗證該車輛系統(tǒng)居中保持智能化程度。車輛居中保持能力需要依據(jù)道路行駛區(qū)域和車輛行駛狀態(tài)進行判定。根據(jù)實際道路類型和道路區(qū)域，依據(jù)《智能運輸系統(tǒng) 自適應巡航控制系統(tǒng) 性能要求與檢測方法》（GBT 20608—2006）和《ISO 15622—2010 ACC Adaptive Cruise Control》標準車輛在實際道路的行駛能力，根據(jù)道路曲率進行劃分，分為曲率半徑大于500 m、250～500 m之間、125～250 m之間和小于125 m之間區(qū)間段。如表1所示。

車輛居中行駛過程中瞬時狀態(tài)變化頻繁，在發(fā)生車道居中偏離過程時，車輛狀態(tài)依據(jù)橫向距離區(qū)域分為智能區(qū)、次智能區(qū)、臨界區(qū)和非智能區(qū)，四個區(qū)域的智能性大小為：智能區(qū)>次智能區(qū)>臨界區(qū)>非智能區(qū)，非智能度大小則相反。車輛進入除智能區(qū)之外的其他區(qū)域，表現(xiàn)不同的非智能度。

2 道路試驗設計

2.1 道路試驗

在車道偏離評價模型需要車道靜態(tài)參數(shù)，包括車輛距離左、右側車道線位置，車道中心軸線位置，車輛中心軸線距離車道中心軸線。

為了驗證智能車輛居中保持行駛性能評價模型，選取適合評價模型的高速公路不同曲率范圍的路段進行實際道路測試。依據(jù)《智能運輸系統(tǒng) 自適應巡航控制系統(tǒng) 性能要求與檢測方法》（GBT 20608—2006）和《ISO 15622—2010 ACC Adaptive Cruise Control》照標準車輛在實際道路的行駛能力，根據(jù)道路曲率進行劃分，分為曲率半徑大于500 m、在250～500 m之間、在125～250 m之間和小于125 m，共四種曲率半徑類型。

在高速實際道路試驗，以具備車道居中保持功能的量產車型作為試驗車，如圖2。通過非智能度計算方法對居中保持能力進行驗證和評價。車輛長和寬分別為：L=4.694，W=1.85;車輛中心距離車道左、右側距離作為模型的輸入?yún)?shù)。設定b1=±0.1 m，b2=±0.2 m，b3=±0.1 m。

2.2 車輛居中行駛特性分析

在選取上述四類道路曲率的實際道路進行驗證，根據(jù)試驗車輛車道居中保持行為特征試驗數(shù)據(jù)進行分析和計算，車輛偏離車道中心軸線距離如圖3所示。

根據(jù)圖3可知，偏離車道中心軸線的距離按照每0.1 m刻度分為四個區(qū)域，智能區(qū)在±0.1 m內;次智能區(qū)在0.1～0.2 m和?0.1～0.2 m之間;臨界區(qū)在0.2～0.3 m和?0.2～（?0.3）m;非智能區(qū)在±0.3 m外。道路曲率半徑大于500 m的車道道路，車輛偏離車道中心軸線距離整體比較小，主要集中在智能區(qū)和次智能區(qū);道路曲率半徑在250～500 m之間范圍，車輛偏離車道中心軸線距離集中分布在臨界區(qū)和次智能區(qū)而且偏向一側;道路曲率半徑在125～250 m之間范圍，車輛偏離車道中心軸線距離集中分布在非次智能區(qū)而且偏向一側。道路曲率半徑小于125 m范圍內，車輛偏離車道中心距離離散分布在四個區(qū)域。

通過車輛居中行駛行為，采用智能度評價模型，四種不同道路曲率半徑按照智能區(qū)、次智能區(qū)、臨界區(qū)和非智能區(qū)的持續(xù)時間進行分析和計算，如表2～5所示。

上述表2至表5，分別是道路曲率半徑大于500 m、在250～500 m之間、在125～250 m之間和小于125 m時候不同區(qū)域的非智能度。不同曲率路段的非智能度依據(jù)求取每個路段各個區(qū)域的智能度之和平均值計算。道路曲率半徑大于500 m、在250～500 m之間、在125～250 m之間和小于125 m時的非智能度分別是0.187、0.628、0.506和0.473。從各個道路曲率路段的非智能度可知，該次試驗道路曲率半徑大于500 m時，車輛居中保持智能性明顯優(yōu)于其他曲率半徑路段。道路曲率半徑小于125 m、在125～250 m之間和250～500 m之間時，車輛居中保持智能化程度基本一致。

3 結論

（1）文中提出了車輛居中保持性能評價方法，以車道中心軸線為基準劃分四種智能區(qū)，采用車輛駛入各個區(qū)域的持續(xù)時間作為非智能度的評價指標，建立非智能度評價模型。

（2）在車輛居中保持功能運行狀態(tài)下，以標準依據(jù)按照不同曲率類型將實際道路分為小于125 m、125～250 m之間、250～500 m之間和大于500 m之間四類，并對以上不同曲率半徑道路進行實車采集，通過計算分析得到試驗車在車道居中行駛的智能度分別為0.473、0.506、0.628和0.187。

（3）通過選取實際道路典型曲率半徑路段，對車道居中保持能力的測試驗證和量化評價，客觀評估了車輛車道居中保持能力，提出的量化測評居中保持性能技術方法為驗證和評價智能駕駛車輛車道居中保持能力提供了參考和依據(jù)。

參考文獻

[1]赫炎.智能網聯(lián)汽車的測試評價[J].世界汽車，2021（1）：

96-101.

[2]楊帥，季中豪，楊路鵬，等.基于實車試驗的ADAS測試評價方法研究[J].汽車文摘，2020（11）：39-46.

[3]李寒洋.淺談智能網聯(lián)汽車發(fā)展現(xiàn)狀及趨勢[J].汽車工業(yè)研究，2020（1）：2-9.

[4]雷斌，張帥，梁榮亮，等.乘用車車道保持輔助主觀評價方法研究[J].中國汽車，2020（9）：10-13+25.

[5]陳媛媛，楊良義，張強，等.車道偏離預警系統(tǒng)開放道路測試評價方法研究[J].重慶理工大學學報，2020（8）：63-69+94.

[6]趙世杰.智能車輛多傳感器信息融合方法研究[D].長春：吉林大學，2020.

[7]胡廣雪，邵毅明，鐘穎，等.基于主客觀評價的乘用車自適應巡航系統(tǒng)研究[J].公路與汽運，2019（2）：5-9.

[8]陳君毅，李如冰，邢星宇，等.自動駕駛車輛智能性評價研究綜述[J].同濟大學學報，2019（12）：1785-1790+1824.

[9]宋敏.基于國外技術研究方法的彎道駕駛行為特征統(tǒng)計分析[J].汽車技術，2019（12）：18-22.

[10]謝旺.智能駕駛測試與評價技術研究綜述[C].重慶汽車工程學會2019年論文匯編，2019：115-125.

[11]宋瑞，王羽，鄭碧琪，等.基于中國智能汽車大賽平臺的汽車智能輔助功能測試評價方法研究[J].汽車工業(yè)研究，2018（3）：32-35.

[12]何承坤，宋娟，周唯.汽車自動駕駛測評方法研究[J].工業(yè)技術創(chuàng)新，2016（2）：108-114.

[13]李鵬飛.汽車自適應巡航控制策略及測試場景研究[D].西安：長安大學，2020.

[14]李春梅.車道偏離預警模型及評價算法研究[D].昆明：昆明理工大學，2011.