基于自然駕駛的智能網(wǎng)聯(lián)汽車典型場(chǎng)景采集及分析研究

摘" 要：為了進(jìn)行大規(guī)模自然駕駛場(chǎng)景數(shù)據(jù)的采集，本文首先分析了駕駛場(chǎng)景數(shù)據(jù)采集需求，選定了數(shù)據(jù)采集設(shè)備方案。接著，基于所開發(fā)的數(shù)據(jù)采集系統(tǒng)，制定了數(shù)據(jù)采集實(shí)施方案，共招募了60余駕駛員，進(jìn)行了覆蓋全國27個(gè)省份的自然駕駛數(shù)據(jù)采集工作，完成了50萬公里數(shù)據(jù)的采集。最終，基于所采集的數(shù)據(jù)，開展包括數(shù)據(jù)采集整體情況、行車域場(chǎng)景、泊車域場(chǎng)景等智能網(wǎng)聯(lián)汽車典型場(chǎng)景的數(shù)據(jù)統(tǒng)計(jì)分析。本文研究成果為后續(xù)的自動(dòng)駕駛功能深入分析、對(duì)極端危險(xiǎn)場(chǎng)景中駕駛員的行為分析奠定基礎(chǔ)。

關(guān)鍵詞：智能網(wǎng)聯(lián)汽車；自動(dòng)駕駛；道路試驗(yàn)；自然駕駛；場(chǎng)景數(shù)據(jù)采集

中圖分類號(hào)：U463.6" " 文獻(xiàn)標(biāo)識(shí)碼：A" " " 文章編號(hào)：1005-2550（2023）05-0016-09

Research on Typical Scenarios Collection and Analysis of Intelligent Connected Vehicle Based on Natural Driving

XIE Ye-jun， QIN Jia-chun， LV Yue-hao， WANG Guo-quan， FU Guang

（ SAIC GM Wuling Automobile CO.， Ltd， Liuzhou 545007， China）

Abstract： In order to collect large-scale natural driving scenario data， firstly， this paper analyzes the requirements of driving scenario data collection， and selects the data collection equipment scheme. Then， based on the developed data collection system， the implementation plan of data collection is formulated， more than 60 drivers have been recruited to collect natural driving data covering 27 provinces nationwide， and 500，000 km of data have been collected. Finally， based on the collected data， data statistics and analysis of typical scenarios of ICV， including the overall situation of data collection， driving area scenario， parking area scenario， etc have been carried out. The research results of this paper lay the foundation for the further analysis of automatic driving function and the analysis of driver’s behavior in extreme dangerous scenarios.

Key Words： Intelligent Connected Vehicle （ICV）; Automatic Driving; Road Test; Natural Driving; Scenario Data Collection

近年來，自動(dòng)駕駛汽車技術(shù)的研發(fā)成為全球科技熱點(diǎn)之一[1-2]。據(jù)美國IEEE預(yù)測(cè)，2040年全球75%的新款汽車都將是自動(dòng)駕駛汽車。智能網(wǎng)聯(lián)汽車是我國產(chǎn)業(yè)戰(zhàn)略大方向，已列入國家戰(zhàn)略規(guī)劃?！吨袊圃?025》[3]指出到2020年要掌握智能輔助駕駛總體技術(shù)及各項(xiàng)關(guān)鍵技術(shù)，初步建立智能網(wǎng)聯(lián)汽車自主研發(fā)體系；2025年掌握自動(dòng)駕駛總體技術(shù)及各項(xiàng)關(guān)鍵技術(shù)，建立較完善的智能網(wǎng)聯(lián)汽車自主研發(fā)體系。

發(fā)展自動(dòng)駕駛汽車技術(shù)，無論是當(dāng)前面臨的技術(shù)挑戰(zhàn)，還是駕駛模式的轉(zhuǎn)變，都需要建立一種高效且可行的自動(dòng)駕駛場(chǎng)景測(cè)試評(píng)價(jià)方法[4]，用于解決功能定義、技術(shù)開發(fā)、測(cè)試驗(yàn)證以及評(píng)價(jià)標(biāo)準(zhǔn)方面存在的問題，促進(jìn)誕生更安全、更強(qiáng)大的自動(dòng)駕駛產(chǎn)品。而場(chǎng)景是支撐自動(dòng)駕駛汽車開發(fā)及測(cè)試評(píng)價(jià)技術(shù)的核心要素[5]，通過場(chǎng)景的解構(gòu)與重構(gòu)對(duì)自動(dòng)駕駛汽車進(jìn)行測(cè)試得到了廣泛認(rèn)可。

在場(chǎng)景采集及分析領(lǐng)域，密歇根大學(xué)的Zhao等[6]將自然駕駛數(shù)據(jù)分為自由行駛、跟車行駛、變道、前車切入、前方通過人行橫道和側(cè)方通過自行車這6種不同的關(guān)鍵駕駛場(chǎng)景，并建立了TrafficeNet場(chǎng)景庫。朱西產(chǎn)等[7]研究了前車安全切入場(chǎng)景下，自車五種典型的制動(dòng)工況。鄭彤等[8]提出了一套面向地下停車場(chǎng)的自動(dòng)泊車功能數(shù)據(jù)采集與提取的技術(shù)方案和工具鏈，包括了硬件傳感器搭建、感知算法開發(fā)和場(chǎng)景數(shù)據(jù)處理分析。中國汽車技術(shù)研究中心的劉生[9]在多款車型上搭建了多傳感器融合的數(shù)據(jù)采集平臺(tái)，其上搭載了單目視覺、雙目視覺、激光雷達(dá)、毫米波雷達(dá)和高精度慣性導(dǎo)航系統(tǒng)等多種傳感設(shè)備。

綜上可知，暫無同時(shí)覆蓋自然駕駛行車、泊車等過程的場(chǎng)景數(shù)據(jù)采集相關(guān)的綜合研究，而場(chǎng)景具有無限豐富、極其復(fù)雜和不確定性的特征，是靜態(tài)特征（像道路、交通設(shè)施等）和動(dòng)態(tài)特征（像交通流、氣象，包括天氣[10]、光照等這些因素）等方面多維融合[11]。正是由于場(chǎng)景對(duì)自動(dòng)駕駛技術(shù)發(fā)展的重大意義，所以需要建立起一套自然駕駛[12]場(chǎng)景數(shù)據(jù)采集技術(shù)方案，以支撐自動(dòng)駕駛場(chǎng)景數(shù)據(jù)庫的建設(shè)。

1" " 場(chǎng)景數(shù)據(jù)采集

1.1" "數(shù)據(jù)采集平臺(tái)方案

場(chǎng)景數(shù)據(jù)采集是指利用多種傳感器設(shè)備，采集并存儲(chǔ)汽車在自然駕駛、泊車等過程中車輛周圍的動(dòng)態(tài)目標(biāo)、靜態(tài)目標(biāo)及周圍環(huán)境等場(chǎng)景信息[13]的過程。通過自動(dòng)的方式實(shí)現(xiàn)行車、泊車過程中的視頻數(shù)據(jù)、車輛CAN信號(hào)、毫米波雷達(dá)信號(hào)等數(shù)據(jù)的同步采集和實(shí)時(shí)顯示。利用離線數(shù)據(jù)分析服務(wù)器對(duì)采集數(shù)據(jù)回放、參數(shù)標(biāo)定以及多傳感器數(shù)據(jù)融合處理[14]，便于后續(xù)進(jìn)行統(tǒng)計(jì)分析，獲取自動(dòng)駕駛系統(tǒng)的典型場(chǎng)景。同時(shí)，平臺(tái)設(shè)備還可以實(shí)現(xiàn)對(duì)視頻數(shù)據(jù)和毫米波雷達(dá)數(shù)據(jù)的實(shí)時(shí)處理和融合，進(jìn)而對(duì)障礙物和周圍環(huán)境進(jìn)行識(shí)別，為后期的自動(dòng)駕駛測(cè)試奠定了良好的基礎(chǔ)。

1.1.1 數(shù)據(jù)采集平臺(tái)技術(shù)要求

1.1.1.1 傳感器性能要求

按照自動(dòng)駕駛汽車場(chǎng)景數(shù)據(jù)采集內(nèi)容、傳感器探測(cè)視場(chǎng)、探測(cè)距離等需求，傳感器采集數(shù)據(jù)應(yīng)覆蓋車體周圍360°，前方最遠(yuǎn)探測(cè)距離不小于150m，后方最遠(yuǎn)探測(cè)距離不小于80m，左右側(cè)向探測(cè)距離不小于20m。

（1）攝像頭

攝像頭用于采集車輛周圍環(huán)境有利于可見光識(shí)別的目標(biāo)物、駕駛員的疲勞駕駛狀態(tài)信息等，分為普通攝像頭（相機(jī)）和多功能攝像頭兩種，而普通攝像頭又分為車輛外部攝像頭和車輛內(nèi)部攝像頭兩種。

車輛外部攝像頭具有對(duì)行人、車輛、交通標(biāo)志、車道線等目標(biāo)較好的識(shí)別和記錄能力，根據(jù)車輛傳感器的配置不同，包括前視、后視和環(huán)視攝像頭。前視和后視攝像頭成像距離較遠(yuǎn)，應(yīng)配置高分辨面陣和窄視場(chǎng)長焦鏡頭；環(huán)視攝像頭成像距離較近，使用中分辨面陣和寬視場(chǎng)短焦鏡頭。

車輛內(nèi)部的駕駛員信息采集包括兩個(gè)監(jiān)控畫面，其一是與車輛、環(huán)境、背景相關(guān)的駕駛員眼睛、頭部運(yùn)動(dòng)；其二是駕駛員與車輛的相互作用，以及其他駕駛員動(dòng)作（如踩踏板、換檔、打方向盤及移動(dòng)電話使用等）。數(shù)據(jù)采集的內(nèi)容包括事件的發(fā)生時(shí)刻、駕駛員危險(xiǎn)駕駛（如分心、疲勞、不良情緒等）圖像、駕駛員視線方向圖像、對(duì)事件預(yù)先意識(shí)和發(fā)生事件后的反應(yīng)圖像等。

多功能攝像頭采用的是Mobileye攝像頭，可標(biāo)記出前方的車道線、目標(biāo)物體及行人的距離、大小、類別、速度、加速度、道路指示牌、偏離預(yù)警信號(hào)、碰撞預(yù)警信號(hào)、速度信息等場(chǎng)景數(shù)據(jù)；其識(shí)別距離≥150m，縱向距離識(shí)別誤差小于10%。

（2）毫米波雷達(dá)

毫米波雷達(dá)用于采集車輛前方、后方和側(cè)向運(yùn)動(dòng)目標(biāo)的位置和運(yùn)動(dòng)速度，以及毫米波易于識(shí)別的靜態(tài)目標(biāo)。毫米波雷達(dá)通過向外發(fā)送無線電波探測(cè)目標(biāo)，是一種可全天時(shí)工作的主動(dòng)傳感器，毫米波雷達(dá)具有探測(cè)范圍廣、環(huán)境干擾小、成本低等特點(diǎn)。目前車載毫米波雷達(dá)主要有24 GHz和77GHz兩種產(chǎn)品，根據(jù)場(chǎng)景數(shù)據(jù)采集的不同要求，采集車輛前向、后向數(shù)據(jù)采用的是77GHz毫米波雷達(dá)，采集車輛側(cè)向數(shù)據(jù)采用的是24GHz毫米波雷達(dá)。

（3）定位系統(tǒng)

定位系統(tǒng)用于獲取汽車的實(shí)時(shí)位置和運(yùn)動(dòng)軌跡，通過定位系統(tǒng)可以計(jì)算得到不同傳感器采集目標(biāo)的全局空間坐標(biāo)或地圖坐標(biāo)。目前通用的定位系統(tǒng)以GPS為主，與GLONASS形成組合導(dǎo)航定位系統(tǒng)。

1.1.1.2 上位機(jī)軟系統(tǒng)要求

上位機(jī)主要用于對(duì)車輛集成傳感器的集成控制、收發(fā)指令、數(shù)據(jù)采集和存儲(chǔ)等方面。上位機(jī)采用工控機(jī)，并與車輛的多傳感器集成應(yīng)用，多傳感器集成對(duì)工控機(jī)的數(shù)據(jù)處理、傳輸與存儲(chǔ)有較高要求。上位機(jī)需要具備高可靠性的輔助駕駛、自動(dòng)駕駛系統(tǒng)實(shí)車道路測(cè)試、評(píng)價(jià)系統(tǒng)；在道路試驗(yàn)過程中，可幫助道路試驗(yàn)工程師發(fā)現(xiàn)各類被測(cè)系統(tǒng)的適應(yīng)性、穩(wěn)定性和可靠性等問題。其可廣泛應(yīng)用于車道偏離預(yù)警（LDW）、車道保持輔助（LKA）、盲區(qū)監(jiān)測(cè)（BSD）、前向碰撞預(yù)警（FCW）、自動(dòng)緊急制動(dòng)（AEB）、自適應(yīng)巡航控制（ACC）等先進(jìn)駕駛輔助駕駛系統(tǒng)（ADAS）[15]以及自動(dòng)駕駛系統(tǒng)的實(shí)車道路測(cè)試。圖1為上位機(jī)數(shù)據(jù)采集系統(tǒng)組成結(jié)構(gòu)圖。

1.1.1.3 數(shù)據(jù)存儲(chǔ)要求

數(shù)據(jù)存儲(chǔ)應(yīng)滿足以下要求：

1）1T固態(tài)硬盤，可插拔式；

2）同步保存連續(xù)數(shù)據(jù)（總線、音視頻、 GPS、模擬量/數(shù)字量、以太網(wǎng)、串口等）；

3）數(shù)據(jù)存儲(chǔ)格式：.asc（總線數(shù)據(jù)）、.txt（GPS、環(huán)境數(shù)據(jù)）、.wav（音頻）、.avi（視頻）；

4）記錄事件發(fā)生時(shí)刻的時(shí)間點(diǎn)，并在連續(xù)數(shù)據(jù)中標(biāo)記時(shí)間戳。

1.1.2 數(shù)據(jù)采集平臺(tái)方案對(duì)比與選定

基于以上數(shù)據(jù)采集平臺(tái)設(shè)備技術(shù)要求，為保證場(chǎng)景數(shù)據(jù)采集的完整性，需進(jìn)行車身周圍360°的環(huán)境信息的精確感知，最終選定如下的數(shù)據(jù)采集平臺(tái)方案：6攝像頭+6毫米波雷達(dá)+1 Mobileye融合方案。

本融合方案主要由6個(gè)攝像頭、6個(gè)毫米波雷達(dá)、1個(gè)Mobileye攝像頭組成，其中，前視、后視及左右兩側(cè)共布置有6個(gè)毫米波雷達(dá)，用于測(cè)量車輛后方及左右兩側(cè)的障礙物距離及速度。車輛共安裝有6個(gè)攝像頭，可識(shí)別車輛360°周圍環(huán)境中的不同的物體，包括車輛（乘用車、商用車、卡車、公交車、摩托車等）、行人、車道線、標(biāo)識(shí)牌等，在物體高度與寬度測(cè)量精度、車道線識(shí)別、行人識(shí)別準(zhǔn)確度方面有優(yōu)勢(shì)。此外，車輛前視方向上安裝有一個(gè)Mobileye攝像頭，可用于標(biāo)記車道線、目標(biāo)物體距離、大小、角度信息。通過對(duì)毫米波雷達(dá)、Mobileye以及攝像頭的數(shù)據(jù)融合，可以精確識(shí)別車輛周邊環(huán)境中的目標(biāo)物信息，可以為典型工況的數(shù)據(jù)提取、場(chǎng)景搭建以及自動(dòng)駕駛研究奠定良好的基礎(chǔ)。本方案?jìng)鞲衅鞲采w范圍示意圖如下圖2所示：

1.2" "數(shù)據(jù)采集實(shí)施方案

1.2.1 數(shù)據(jù)采集任務(wù)規(guī)劃

根據(jù)預(yù)先設(shè)計(jì)或預(yù)期的采集場(chǎng)景的要素需求，規(guī)劃數(shù)據(jù)采集大體區(qū)域、各類型道路擬采集里程配比及數(shù)據(jù)采集車輛的具體行進(jìn)路線，以從多個(gè)地方采集海量的場(chǎng)景數(shù)據(jù)[16]；同時(shí)擬定采集任務(wù)的周期、預(yù)算、任務(wù)分工，選定數(shù)據(jù)采集設(shè)備方案及車輛型號(hào)。

（1）任務(wù)規(guī)劃基本原則

數(shù)據(jù)采集任務(wù)規(guī)劃應(yīng)遵循如下基本原則：

1）按照?qǐng)鼍靶枨?，確定數(shù)據(jù)采集的氣象條件（晴天、陰天、雨天等）是否符合要求；

2）按照?qǐng)鼍靶枨?，確定數(shù)據(jù)采集的季節(jié)（春、夏、秋、冬）是否符合要求；

3）按照?qǐng)鼍靶枨螅_定數(shù)據(jù)采集的時(shí)間周期（如早中晚、周末或工作日）是否符合要求；

4）確定數(shù)據(jù)采集時(shí)段路上的車輛、人流等（上下班、正常情況）是否符合場(chǎng)景要求；

5）按照?qǐng)鼍胺诸?，確定數(shù)據(jù)采集在高速道路、城市道路、園區(qū)道路等不同類型道路上采集的場(chǎng)景數(shù)據(jù)量。

（2）采集區(qū)域選擇

若場(chǎng)景數(shù)據(jù)需求方有指定的采集區(qū)域，則在指定區(qū)域采集；若場(chǎng)景數(shù)據(jù)需求方無指定的采集區(qū)域，則需利用地圖分布選擇擬采集場(chǎng)景數(shù)據(jù)的區(qū)域，對(duì)采集區(qū)域的地形、氣候、交通信號(hào)進(jìn)行調(diào)研，并分析是否符合數(shù)據(jù)采集需求。

（3）重點(diǎn)路段選擇和標(biāo)注

結(jié)合搜集的相關(guān)資料，如不同時(shí)段交通情況、交通信號(hào)、路面情況等，在選擇的場(chǎng)景數(shù)據(jù)采集區(qū)域標(biāo)注重點(diǎn)采集路段和預(yù)期的采集場(chǎng)景，作為數(shù)據(jù)采集時(shí)的必經(jīng)路段或重復(fù)采集路段。

（4）數(shù)據(jù)采集路線規(guī)劃

利用地圖查找到擬采集場(chǎng)景數(shù)據(jù)的區(qū)域后，結(jié)合地圖顯示的影像圖、線劃圖及交通信息，選擇場(chǎng)景數(shù)據(jù)采集區(qū)域進(jìn)入點(diǎn)，規(guī)劃車輛的行進(jìn)路線、行進(jìn)速度、數(shù)據(jù)采集起點(diǎn)和數(shù)據(jù)采集終點(diǎn)，直到規(guī)劃完所有的數(shù)據(jù)采集路線，并估算數(shù)據(jù)采集的工作量，既數(shù)據(jù)采集累計(jì)時(shí)間。路線規(guī)劃示例（西南線）如下圖3所示：

（5）數(shù)據(jù)采集設(shè)備相關(guān)任務(wù)規(guī)劃

數(shù)據(jù)采集設(shè)備相關(guān)任務(wù)主要包括設(shè)備選型、安裝調(diào)試、日常監(jiān)測(cè)維護(hù)、拆除及存管、車輛選型等。

1.2.2 數(shù)據(jù)采集資源籌備

根據(jù)數(shù)據(jù)采集任務(wù)規(guī)劃進(jìn)行人員籌備、設(shè)備安裝、采集車輛籌備、存儲(chǔ)數(shù)據(jù)設(shè)備，確保資源的合理分配，保證數(shù)據(jù)采集工作的進(jìn)行。同時(shí)，根據(jù)采集任務(wù)對(duì)數(shù)據(jù)采集作業(yè)人員數(shù)量、年齡、駕齡、性別、身體狀況、綜合條件等的要求，進(jìn)行招聘、面試及實(shí)車路試。對(duì)通過面試的人員進(jìn)行駕駛風(fēng)格調(diào)查，由測(cè)試工程師帶領(lǐng)數(shù)據(jù)采集作業(yè)人員進(jìn)行崗前培訓(xùn)，包括數(shù)據(jù)采集任務(wù)要求、采集作業(yè)規(guī)范、設(shè)備維護(hù)及異常上報(bào)、作業(yè)過程中突發(fā)情況應(yīng)急預(yù)案等。

1.2.3 數(shù)據(jù)采集實(shí)施

開展場(chǎng)景數(shù)據(jù)采集時(shí)，駕駛員和運(yùn)營管理人員需要相互配合。駕駛員按照規(guī)劃線路駕駛車輛進(jìn)行數(shù)據(jù)采集，并及時(shí)向運(yùn)營管理人員反饋在采集過程中各類問題，并進(jìn)行日常維護(hù)采集設(shè)備。運(yùn)營管理人員解決并記錄采集過程問題，保證采集工作的開展，為后續(xù)采集工作的優(yōu)化提供一定的基礎(chǔ)；記錄過程中產(chǎn)生的費(fèi)用，做好成本把控，為數(shù)據(jù)采集工作預(yù)算提供參考。

1.2.4 數(shù)據(jù)回傳及質(zhì)量核查

隨車測(cè)試人員在數(shù)據(jù)采集過程中按照在途回傳和收車回傳的原則將采集的原始數(shù)據(jù)進(jìn)行回傳，運(yùn)營管理人員及時(shí)將回傳的數(shù)據(jù)進(jìn)行質(zhì)量核查，及時(shí)解決采集過程中隱患問題，避免無效作業(yè)并保證設(shè)備的正常運(yùn)行，提高數(shù)據(jù)采集效率。

1.2.5 數(shù)據(jù)存儲(chǔ)及管理

運(yùn)營管理人員在將采集的原始數(shù)據(jù)進(jìn)行質(zhì)量核查之后，將合格的原始數(shù)據(jù)進(jìn)行數(shù)據(jù)轉(zhuǎn)移，并將存儲(chǔ)原始數(shù)據(jù)的設(shè)備進(jìn)行規(guī)范化的管理，保證原始數(shù)據(jù)的完整性。數(shù)據(jù)采集測(cè)試人員在完成周期性數(shù)據(jù)采集任務(wù)后，會(huì)收集大量的自然駕駛原始數(shù)據(jù)，運(yùn)營管理人員在對(duì)自然駕駛原始數(shù)據(jù)存儲(chǔ)前，會(huì)對(duì)數(shù)據(jù)進(jìn)行首次數(shù)據(jù)處理，數(shù)據(jù)處理及存儲(chǔ)的流程為：原始自然駕駛數(shù)據(jù)驗(yàn)證；數(shù)據(jù)標(biāo)記；數(shù)據(jù)離線處理；數(shù)據(jù)存儲(chǔ)。完成數(shù)據(jù)處理及存儲(chǔ)流程后的原始數(shù)據(jù)，才是符合標(biāo)準(zhǔn)、有效的原始數(shù)據(jù)。

2" " 數(shù)據(jù)采集結(jié)果概述

自項(xiàng)目開展以來，在全國范圍內(nèi)累計(jì)使用30余輛采集車進(jìn)行作業(yè)，涵蓋駕駛員60余人次，覆蓋了中國絕大部分地區(qū)和主要城市，并對(duì)高速道路和主要城市道路進(jìn)行了重點(diǎn)采集，已經(jīng)完成50萬公里自然駕駛數(shù)據(jù)采集。數(shù)據(jù)采集車輛每日作業(yè)不超過12小時(shí)，單人連續(xù)駕駛車輛時(shí)間不超過3小時(shí)，為確保數(shù)據(jù)采集作業(yè)的平穩(wěn)運(yùn)行，采取的駕駛員方案為每一輛數(shù)據(jù)采集車輛配置兩人，一人駕駛車輛而另一人休息并協(xié)助駕駛員觀察路況。為保證數(shù)據(jù)的多樣性，駕駛員每?jī)蓚€(gè)月進(jìn)行一次輪換。下面對(duì)數(shù)據(jù)采集整體情況、行車域場(chǎng)景、泊車域場(chǎng)景等的數(shù)據(jù)統(tǒng)計(jì)分析展開描述。

2.1" "場(chǎng)景數(shù)據(jù)采集結(jié)果分析

2.1.1 駕駛員組成統(tǒng)計(jì)分析

開始階段在進(jìn)行駕駛員選擇時(shí)，優(yōu)先選擇駕齡高的、駕駛經(jīng)驗(yàn)豐富的駕駛員，而在之后的自然駕駛原始數(shù)據(jù)采集規(guī)劃中，為增加駕駛員的代表性，充分采集普通駕駛員駕車的行為特征，雖然每一輛采集車輛仍是配置兩人，但是會(huì)考慮部分采用累計(jì)駕駛里程在3萬公里以內(nèi)的新手司機(jī)，以及配置一定比例的女性司機(jī)，采集女性駕駛員駕車行為特征，豐富自然駕駛原始數(shù)據(jù)庫[17]。目前已累計(jì)有60余人次進(jìn)行數(shù)據(jù)采集作業(yè)，其中，男性占比93.94%，女性占比6.06%。在各個(gè)年齡段分布方面，20～30歲之間駕駛員占比為30.30%，30～40歲之間駕駛員占比為40.91%，40～50歲之間駕駛員占比為22.73%，50～55歲之間駕駛員占比為6.06%。駕駛員性別和年齡組成的統(tǒng)計(jì)分析如下圖4所示：

2.1.2 采集區(qū)域統(tǒng)計(jì)分析

目前已完成50萬公里自然駕駛數(shù)據(jù)采集，其中，區(qū)域覆蓋中國東北地區(qū)、華北地區(qū)、華中地區(qū)、華南地區(qū)、西南地區(qū)、西北地區(qū)等，并對(duì)部分主要城市進(jìn)行了重點(diǎn)采集。下圖5為已采集區(qū)域的分布和占比情況。

2.1.3 道路類型統(tǒng)計(jì)分析

在進(jìn)行各類型道路比例規(guī)劃時(shí)，是根據(jù)2016年中國汽車工程學(xué)會(huì)發(fā)布的《中國智能網(wǎng)聯(lián)汽車技術(shù)路線圖》[18]，技術(shù)路線圖中計(jì)劃在2020年開始在高速道路工況下實(shí)現(xiàn)自動(dòng)駕駛的3級(jí)駕駛自動(dòng)化（有條件自動(dòng)駕駛）[19]的推廣，所以目前采集重點(diǎn)為高速道路采集。所有采集數(shù)據(jù)中，高速占比36.5%，國/省道占比33.8%，城市道路占比27%，其他道路占比2.7%，其他道路主要包括鄉(xiāng)村道路、無明顯交通標(biāo)識(shí)等道路。下圖6為已采集的道路類型占比情況。

2.1.4 道路交叉口統(tǒng)計(jì)分析

道路場(chǎng)景數(shù)據(jù)采集結(jié)果表明：在所有的道路交叉口中，十字交叉口的比例最高，占總數(shù)的64%；其次為T型交叉口，占總數(shù)的30%；此外，環(huán)形交叉口占總數(shù)的2%，多種組合形式的交叉口占1%，這兩種屬于低占比的特殊道路交叉口，實(shí)際道路駕駛中遇到的概率較低。建議在自動(dòng)駕駛功能開發(fā)中，重點(diǎn)關(guān)注并提升十字交叉口和T型交叉口的駕乘體驗(yàn)。下圖7為已采集的道路交叉口占比情況。

2.1.5 天氣狀況統(tǒng)計(jì)分析

在采集過程中的天氣狀況主要分為：晴天、霧天、雨天、陰天等，其中，晴天占比38%，雨天占比32%，陰天占比27%，霧天占比2%。下圖8為已采集的天氣狀況占比情況。

2.2" "行車域典型場(chǎng)景

2.2.1 主車速度分布統(tǒng)計(jì)分析

在采集的全部道路中，主車速度在基本集中分布在30～100km/h，其中，在30～45km/h、80～100km/h出現(xiàn)了兩次峰值區(qū)間，說明了在這兩個(gè)速度值下的行駛占比較大，這與高速道路、城市道路區(qū)域行駛的占比成正相關(guān)，這種現(xiàn)象的發(fā)生可能與行駛道路特征、交通環(huán)境特征及駕駛員特性相關(guān)。建議在做自動(dòng)駕駛功能開發(fā)時(shí)，需要重點(diǎn)關(guān)注打造這兩個(gè)速度區(qū)間的駕乘體驗(yàn)。下圖9為已采集的主車速度占比情況。

2.2.2車道情況統(tǒng)計(jì)分析

在進(jìn)行場(chǎng)景數(shù)據(jù)采集的過程中，針對(duì)中國高速道路的車道情況作了重點(diǎn)采集，結(jié)果表明：在車道數(shù)分布方面，2車道占比超過50%，4車道次之，5車道及以上的幾乎沒有；在車道線異常情況分布方面，比例最高的為車道線模糊，車道線混疊和中斷也有較大的占比，還有一些道路存在無車道線的情況。車道線異常情況給自動(dòng)駕駛功能的視覺算法開發(fā)、橫向控制功能開發(fā)等帶來了一定的難度，需要重點(diǎn)關(guān)注此類特殊場(chǎng)景。下圖10為已采集的中國高速道路車道占比情況。

2.2.3 限速情況統(tǒng)計(jì)分析

在進(jìn)行場(chǎng)景數(shù)據(jù)采集的過程中，針對(duì)中國高速道路的限速情況作了重點(diǎn)采集，結(jié)果表明：在限速數(shù)值分布方面，限速100km/h占比最高，限速120km/h和80km/h次之，限速60km/h及以下的幾乎沒有；在限速標(biāo)志類型分布方面，比例最高的為在右側(cè)路測(cè)，占比超過了四分之三，其他的情況還包括龍門架式、左側(cè)路測(cè)、區(qū)間測(cè)速等。建議在進(jìn)行高速道路場(chǎng)景的超速報(bào)警和自動(dòng)降速功能開發(fā)時(shí)，重點(diǎn)提高在右側(cè)路測(cè)的限速100km/h、120km/h、80km/h的識(shí)別能力，減少誤識(shí)別限速數(shù)值的情況。下圖11為已采集的中國高速道路限速占比情況。

2.2.4轉(zhuǎn)向燈使用情況統(tǒng)計(jì)分析

本文統(tǒng)計(jì)了鄰車切入本車道時(shí)使用轉(zhuǎn)向燈的情況，并與美國的相關(guān)統(tǒng)計(jì)結(jié)果[20] 進(jìn)行了對(duì)比，如下圖12所示。結(jié)果表明：在大多數(shù)情況中，中國駕駛員不會(huì)使用轉(zhuǎn)向燈作為警示信息，以提示其他交通參與者自己的換道行為，且中國駕駛員轉(zhuǎn)向燈使用概率僅為18%，遠(yuǎn)遠(yuǎn)低于美國的概率。因此，自動(dòng)駕駛系統(tǒng)不應(yīng)將轉(zhuǎn)向燈作為唯一判斷或者高優(yōu)先級(jí)判斷其他車輛運(yùn)動(dòng)狀態(tài)的依據(jù)。

2.2.5 制動(dòng)時(shí)機(jī)統(tǒng)計(jì)分析

對(duì)于鄰車切入本車道的過程，目標(biāo)車輛類型不同，主車駕駛員采取的制動(dòng)時(shí)機(jī)也差別很大。當(dāng)目標(biāo)車輛為二輪/三輪車等非機(jī)動(dòng)車時(shí)，在切入開始-越線時(shí)，主車駕駛員100%概率會(huì)踩下剎車，剎車時(shí)機(jī)會(huì)很早；當(dāng)目標(biāo)車輛為乘用車/商用車等機(jī)動(dòng)車時(shí)，有60%以上概率是在切入開始-越線時(shí)踩下剎車，30%左右的概率是越線-切入結(jié)束時(shí)踩下剎車，剩下有小部分概率是切入結(jié)束后踩下剎車。下圖13為目標(biāo)車輛類型與制動(dòng)時(shí)機(jī)之間的占比情況。

2.3" "泊車域典型場(chǎng)景

2.3.1車位類型統(tǒng)計(jì)分析

經(jīng)統(tǒng)計(jì)（泊車位樣本量超過5000個(gè)），采集過的區(qū)域的泊車位類型共有三種，分別是：垂直車位、平行車位、斜向車位，其中，接近九成的泊車位類型為垂直車位，平行車位次之，但占比也僅為10%。因此，在進(jìn)行自動(dòng)泊車功能開發(fā)時(shí)，可側(cè)重于解決垂直車位的識(shí)別和泊入性能，優(yōu)先提高垂直車位的場(chǎng)景覆蓋度。下圖14為不同泊車位類型的占比情況。

2.3.2 車位地面材質(zhì)統(tǒng)計(jì)分析

在泊車位地面材質(zhì)方面，可以發(fā)現(xiàn)會(huì)各種各樣的地面材質(zhì)，且各種材質(zhì)之間的占比比較均衡。因此，在進(jìn)行自動(dòng)泊車功能開發(fā)時(shí)，應(yīng)該盡量覆蓋到各種各樣的地面材質(zhì)，使得自動(dòng)泊車功能在不同的地面材質(zhì)均可以達(dá)到同樣的性能表現(xiàn)。下圖15為不同泊車位地面材質(zhì)的占比情況。

2.3.3 車位尺寸統(tǒng)計(jì)分析

本次泊車位數(shù)據(jù)采集結(jié)果顯示：中國泊車位的尺寸，包括長度和寬度，普遍不滿足法規(guī)要求（長度范圍為5.6～7.5m，寬度范圍為2.7～3.5m），泊車位的大小尺寸整體缺乏監(jiān)管，自動(dòng)泊車系統(tǒng)應(yīng)該增強(qiáng)對(duì)中、小尺寸泊車位的適應(yīng)能力，增加對(duì)真實(shí)場(chǎng)景中的泊車位形式的驗(yàn)證過程。下圖16為泊車位長度和寬度的占比情況（注：圖中的黑色虛線框?yàn)榉ㄒ?guī)要求尺寸）。

2.3.4 車位左側(cè)、后側(cè)隔離統(tǒng)計(jì)分析

中國泊車位左側(cè)、后側(cè)的隔離方式多種多樣，且容易出現(xiàn)車位標(biāo)線不清晰的情況。泊車位左側(cè)隔離絕大多數(shù)為白色實(shí)線，占比達(dá)到了72.8%；其他的左側(cè)隔離還包括了各種顏色的實(shí)線和虛線、臺(tái)階、減速裝置等。泊車位后側(cè)隔離絕大多數(shù)為白色實(shí)線和減速裝置，其中，減速裝置包括常見的限位塊、限位器、低矮欄桿等，另外，后側(cè)存在臺(tái)階也有一定的占比。自動(dòng)泊車系統(tǒng)的設(shè)計(jì)應(yīng)該充分考慮泊車位隔離方式的實(shí)際情況，針對(duì)性進(jìn)行功能適應(yīng)性開發(fā)。下圖17為泊車位左側(cè)和后側(cè)隔離方式的占比情況。

3" " 結(jié)語

本文提出了一種基于自然駕駛的場(chǎng)景數(shù)據(jù)采集方案，其平臺(tái)設(shè)備、實(shí)施方案經(jīng)過50萬公里的實(shí)車道路測(cè)試后得到了充分的驗(yàn)證。結(jié)果表明：

（1）所提出的場(chǎng)景數(shù)據(jù)采集方案具備可行性，細(xì)節(jié)更加豐富，能更全面地采集行車域和泊車域的典型場(chǎng)景，為國內(nèi)其他主機(jī)廠、研究機(jī)構(gòu)等單位的場(chǎng)景數(shù)據(jù)采集工作落地提供參考；

（2）未來將進(jìn)一步對(duì)自動(dòng)駕駛功能無人化典型場(chǎng)景、極端危險(xiǎn)駕駛場(chǎng)景展開數(shù)據(jù)采集；

（3）基于采集的場(chǎng)景，研究場(chǎng)景背后的駕駛員行為，構(gòu)建面向智能網(wǎng)聯(lián)汽車的成熟駕駛模型，為自動(dòng)駕駛功能體驗(yàn)注入更多的擬人化元素；

（4）將采集的數(shù)據(jù)與感知融合技術(shù)、無線通訊技術(shù)相結(jié)合，進(jìn)一步深度挖掘與研究。

參考文獻(xiàn)：

[1]PADEN B， CAP M， YONG S Z， et al. A Survey of Motion Planning and Control Techniques for Self-Driving Urban Vehicles[J]. IEEE Transactions on Intelligent Vehicles， 2016， 1（1）： 33-55.

[2]陳慧巖，熊光明，龔建偉，等.無人駕駛汽車概論[M].北京： 北京理工大學(xué)出版社，2014.

[3]國務(wù)院.國務(wù)院關(guān)于印發(fā)《中國制造2025》的通知[EB/OL].（2015-05-08）[2022-10-22].http：//www.gov.cn/zhengce/content/2015-05/19/content_9784.htm.

[4]范志翔，孫巍，潘漢中，等.自動(dòng)駕駛汽車測(cè)試技術(shù)發(fā)展現(xiàn)狀與思考[J].中國標(biāo)準(zhǔn)化，2017（20）：47-48+55.

[5]陳韜，蔡博，回春.基于場(chǎng)景元素的智能網(wǎng)聯(lián)汽車場(chǎng)景構(gòu)建研究[J].公路與汽運(yùn)，2019（06）：9-12.

[6]ZHAO D，GUO Y，JIA Y J. Traffic Net： An Open Naturalistic Driving Scenario Library[C]// 2017 IEEE 20th International Conference on Intelligent Transportation Systems （ITSC）. IEEE，2017.

[7]朱西產(chǎn)，張家瑞，馬志雄.安全切入場(chǎng)景下的駕駛?cè)顺跏贾苿?dòng)時(shí)刻分析[J].中國公路學(xué)報(bào)，2019，32（6）：262-318.

[8]鄭彤，樊昌國，岳承翰，等.面向地下停車場(chǎng)的原始數(shù)據(jù)與場(chǎng)景數(shù)據(jù)采集與并行計(jì)算[J].現(xiàn)代計(jì)算機(jī)，2020（35）：43-48+69.

[9]劉生.智能網(wǎng)聯(lián)汽車駕駛場(chǎng)景數(shù)據(jù)采集的研究及應(yīng)用[J].汽車縱橫，2018（8）： 74-75.

[10]ZANG S Z， DING M， SMITH D， et al. The impact of adverse weather conditions on autonomous vehicles： how rain， snow， fog， and hail affect the performance of a self-driving car[J].IEEE Vehicular Technology Magazine， 2019 .14（2）： 103-111.

[11]GROH K， KUEHBECK T， FLEISCHMANN B， et al. Towards a scenario-based assessment method for highly automated driving functions[J]. 2017.

[12]FITCH G M， HANOWSKI R J. Using Naturalistic Driving Research to Design， Test and Evaluate Driver Assistance Systems[M]. Springer London， 2012.

[13]GAO F，DUAN J L，HE Y D，et al. A Test Scenario Automatic Generation Strategy for Intelligent Driving Systems[J].Mathematical Problems in Engineering，2019，99 （1）： 1-10.

[14]REZAEI M，TERAUCHI M，KLETTE R. Robust vehicle detection and distance estimation under challenging lighting conditions. IEEE Transactions on Intelligent Transportation Systems，2015，16（5）：2723-2743.

[15]中華人民共和國工業(yè)和信息化部.GB/T 39263 —2020 道路車輛 先進(jìn)駕駛輔助系統(tǒng)（ADAS）術(shù)語及定義[S].國家市場(chǎng)監(jiān)督管理總局；國家標(biāo)準(zhǔn)化管理委員會(huì)，2020.

[16]葉楓，寶鶴鵬，袁悅，王磊.一種基于數(shù)據(jù)分析的中國典型切入場(chǎng)景重現(xiàn)方法[J].現(xiàn)代計(jì)算機(jī)，2021（10）：34-40.

[17]HEIKOOP D D，HAGENZIEKER M，MECACCI G，al. Human behaviour with automated driving systems： a quantitative framework for meaningful human control[J]. Theoretical Issues in Ergonomics Science，2019，20 （6）： 1-20.

[18]魏微.智能網(wǎng)聯(lián)汽車技術(shù)路線圖：分四步走2025年實(shí)現(xiàn)完全自動(dòng)駕駛[EB/OL].（2016-10-27）[2022-10-22].https：//www.sohu.com/a/117 396848_180553.

[19]中華人民共和國工業(yè)和信息化部.GB/T 40429 —2021汽車駕駛自動(dòng)化分級(jí)[S].國家市場(chǎng)監(jiān)督管理總局; 國家標(biāo)準(zhǔn)化管理委員會(huì)，2021.

[20]PONZIANI R. Turn signal usage rate results： A comprehensive field study of 12，000 observed turning vehicles[R]. SAE Technical Paper， 2012.

專家推薦語

郭軍朝

東風(fēng)汽車集團(tuán)有限公司技術(shù)中心質(zhì)量驗(yàn)證中心" "高級(jí)工程師

本文研究?jī)?nèi)容是時(shí)下智能駕駛汽車領(lǐng)域研究的熱點(diǎn)，采集場(chǎng)景數(shù)據(jù)覆蓋了27個(gè)省份的自然駕駛數(shù)據(jù)，采集公里數(shù)是50萬公里，并運(yùn)用數(shù)據(jù)統(tǒng)計(jì)方法分析數(shù)據(jù)整體情況、行車域與泊車域場(chǎng)景等典型的智能駕駛場(chǎng)景，甚至是危險(xiǎn)場(chǎng)景，為駕駛員行為的標(biāo)定奠定了堅(jiān)實(shí)基礎(chǔ)。

本論文實(shí)踐性強(qiáng)，對(duì)智能駕駛汽車場(chǎng)景設(shè)計(jì)、駕駛算法標(biāo)定有很高的工程指導(dǎo)意義。