智能汽車(chē)自動(dòng)駕駛系統(tǒng)安全性研究與優(yōu)化

中圖分類(lèi)號(hào)：U496 收稿日期：2025-03-20 DOI： 10.19999/j.cnki.1004-0226.2025.06.007

Abstract：Aimingat improving thesafetyoftheautonomous drivingsystemofintellgentvehicles，thispaperproposesaresearch andoptimizationmethodforthesafetyoftheautonomousdrivingsystemofinteligentvehicles.Thismethodfrstconstructsasafety evaluatioindexsytemfortheutonomousdrivingsytemofintellgentvehicles，overingtwofirs-evelindicatorsofrivingsafety andpassingeficiencyandmultiplesecond-levelidicatorsunderthem.TheCRITICweightingmethodisusedforobjectiveweighting， andthesafetyevaluatioisonductedinombinationwithtegreyelationalteory.Thenbasedonteinematiconstrants，aie maticmodelofintellgentveiclesisstablsed，andtespatialcoodinationcostmodeletweenobstaclesadviclesndttraje torysmoothnesscostmodelareestablisd.Subsequentlymathematicalodelforthecollborativecontroloptimizationoftuto omousdrivingsystemisconstructedandsoledtoachievetheoptimizationofsmothdriving trajectoriesandimprovethesafetyofthe autonomousdrivingsystemofintellgentvehicles.Experimentsshowthatthismethodcanefectivelyanalyethekeypointsofsafetyin autonomousdriving，significantlyeducethecomprehensivesfetycostofautoomousdrivingofiteligentvicles，mprovethesafe tyoftheautonomous driving system，and provide astrong guaranteefor thedriving safetyofintelligent vehicles.

Keywords：Intelligent vehicles;Autonomous driving system;Safety;Optimization;Index system

1前言

智能汽車(chē)自動(dòng)駕駛系統(tǒng)的安全性研究是當(dāng)今智能交通和汽車(chē)制造領(lǐng)域重點(diǎn)研究的課題，在AI技術(shù)、傳感器技術(shù)和實(shí)時(shí)通信技術(shù)突破發(fā)展的今天，自動(dòng)駕駛技術(shù)逐漸從試驗(yàn)階段向商業(yè)化發(fā)展1，但智能汽車(chē)自動(dòng)駕駛系統(tǒng)的安全性是制約智能汽車(chē)普及的關(guān)鍵瓶頸。

從國(guó)際自動(dòng)機(jī)工程師學(xué)會(huì)（SAE）公布的數(shù)據(jù)可知，目前全球自動(dòng)駕駛過(guò)程中出現(xiàn)的安全事故達(dá)到1237起，其中自動(dòng)駕駛系統(tǒng)對(duì)路況的錯(cuò)誤判斷造成的事故占比超過(guò) 68% ，該數(shù)據(jù)暴露了智能汽車(chē)自動(dòng)駕駛系統(tǒng)對(duì)行駛環(huán)境感知魯棒性較差的同時(shí)，其自動(dòng)駕駛的決策邏輯也存在缺陷，對(duì)不同道路行駛場(chǎng)景的適應(yīng)能力差。

在現(xiàn)有的智能汽車(chē)自動(dòng)駕駛體系內(nèi)，自動(dòng)駕駛控制技術(shù)過(guò)度依賴(lài)深度學(xué)習(xí)模型統(tǒng)計(jì)的形式規(guī)律，在外界環(huán)境發(fā)生變化時(shí)，智能汽車(chē)自動(dòng)駕駛系統(tǒng)決策會(huì)出現(xiàn)延遲情況，且在復(fù)雜交通環(huán)境下[2]，智能汽車(chē)自動(dòng)駕駛系統(tǒng)安全性評(píng)估框架技術(shù)落后。近年來(lái)深度學(xué)習(xí)算法、傳感器技術(shù)等雖然進(jìn)步顯著，但在智能汽車(chē)自動(dòng)駕駛系統(tǒng)應(yīng)用中仍然存在諸多問(wèn)題，如傳感器感知延遲、網(wǎng)絡(luò)攻擊造成的系統(tǒng)癱瘓等，以上問(wèn)題為智能汽車(chē)自動(dòng)駕駛安全帶來(lái)嚴(yán)重威脅，也為公共交通安全帶來(lái)潛在的風(fēng)險(xiǎn)。

因此研究智能汽車(chē)自動(dòng)駕駛系統(tǒng)的安全性和優(yōu)化方法，對(duì)智能汽車(chē)實(shí)際應(yīng)用具有重要的理論意義，為提升智能汽車(chē)自動(dòng)駕駛系統(tǒng)安全性提供技術(shù)支持。

2智能汽車(chē)自動(dòng)駕駛系統(tǒng)安全性分析方法

2.1智能汽車(chē)自動(dòng)駕駛系統(tǒng)安全性評(píng)價(jià)指標(biāo)體系構(gòu)建

智能汽車(chē)自動(dòng)駕駛系統(tǒng)的安全性分析需要在特定場(chǎng)景下進(jìn)行，如在匝道匯人過(guò)程中，自動(dòng)駕駛車(chē)輛需要在動(dòng)態(tài)變化的交通環(huán)境中完成車(chē)道識(shí)別、速度調(diào)整、車(chē)距保持以及與其他車(chē)輛的協(xié)同交互等一系列任務(wù)，同時(shí)還需應(yīng)對(duì)高密度車(chē)流、復(fù)雜路況以及人類(lèi)駕駛行為的不確定性等多重挑戰(zhàn)。這一過(guò)程不僅要求系統(tǒng)具備高精度的環(huán)境感知能力，還需要強(qiáng)大的決策規(guī)劃與實(shí)時(shí)控制能力[3]，以確保車(chē)輛能夠安全、平穩(wěn)地融入主路車(chē)流。因此在匝道匯人場(chǎng)景下，利用評(píng)估方法對(duì)汽車(chē)自動(dòng)駕駛系統(tǒng)安全展開(kāi)分析。

在汽車(chē)自動(dòng)駕駛過(guò)程中的形勢(shì)參數(shù)基礎(chǔ)上，選擇智能汽車(chē)自動(dòng)駕駛系統(tǒng)安全評(píng)價(jià)指標(biāo)體系來(lái)評(píng)價(jià)車(chē)輛不同性能，在指標(biāo)選擇過(guò)程中，以信息量大、與匝道匯入測(cè)試場(chǎng)景關(guān)聯(lián)度高的參數(shù)作為評(píng)價(jià)指標(biāo)，這樣選擇的智能汽車(chē)自動(dòng)駕駛系統(tǒng)安全性能夠更準(zhǔn)確地體現(xiàn)，該指標(biāo)體系如表1所示。

由表1可知，一級(jí)指標(biāo)包含“行駛安全性\"和“通過(guò)高效性”。其中，“行駛安全性\"下設(shè)置碰撞時(shí)間、車(chē)頭時(shí)距、后車(chē)侵入時(shí)間三項(xiàng)二級(jí)指標(biāo)，用于評(píng)估駕駛過(guò)程中的安全性能；“通過(guò)高效性\"下設(shè)置通過(guò)時(shí)間、平均速度、換道時(shí)間三項(xiàng)二級(jí)指標(biāo)，側(cè)重評(píng)價(jià)車(chē)輛通行效率相關(guān)的性能。該指標(biāo)體系通過(guò)兩級(jí)指標(biāo)組合，綜合反映自動(dòng)駕駛系統(tǒng)的安全與高效特性。

2.2基于灰色關(guān)聯(lián)理論的智能汽車(chē)自動(dòng)駕駛系統(tǒng)安全性評(píng)價(jià)方法

依據(jù)智能汽車(chē)自動(dòng)駕駛系統(tǒng)運(yùn)行過(guò)程中數(shù)據(jù)波動(dòng)性和數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，對(duì)智能汽車(chē)自動(dòng)駕駛系統(tǒng)安全性評(píng)價(jià)指標(biāo)體系進(jìn)行客觀賦權(quán)。CRITIC權(quán)重法是一種客觀賦權(quán)方法，基于指標(biāo)的“變異性”與“沖突性\"確定權(quán)重。其中，“變異性\"通過(guò)指標(biāo)數(shù)據(jù)的標(biāo)準(zhǔn)差來(lái)衡量，標(biāo)準(zhǔn)差越大，指標(biāo)蘊(yùn)含的信息差異越大；“沖突性”通過(guò)指標(biāo)間的相關(guān)系數(shù)體現(xiàn)，若指標(biāo)間負(fù)相關(guān)程度高，說(shuō)明相互沖突性強(qiáng)，提供的有效信息較少。使用CRITIC權(quán)重法對(duì)智能汽車(chē)自動(dòng)駕駛系統(tǒng)安全性評(píng)價(jià)指標(biāo)體系進(jìn)行客觀賦權(quán)，下面描述詳細(xì)過(guò)程。

由于智能汽車(chē)自動(dòng)駕駛系統(tǒng)安全性評(píng)價(jià)指標(biāo)的單位存在差異[4]，需要對(duì)指標(biāo)進(jìn)行無(wú)量綱化處理。令 x_ij^′ 表示第 i 個(gè)經(jīng)無(wú)量綱化處理后第 j 個(gè)指標(biāo)標(biāo)準(zhǔn)化數(shù)值， x_j 表示第 j 個(gè)指標(biāo)的原始值，則正向指標(biāo)無(wú)量綱化表達(dá)公

式為：

逆向指標(biāo)無(wú)量綱化表達(dá)公式為：

式中， 分別為指標(biāo)在所有數(shù)據(jù)中的最大值和最小值；在CRITIC權(quán)重法內(nèi)，使用標(biāo)準(zhǔn)差來(lái)描述智能汽車(chē)自動(dòng)駕駛系統(tǒng)安全性評(píng)價(jià)指標(biāo)取值范圍變化情況，計(jì)算智能汽車(chē)自動(dòng)駕駛系統(tǒng)安全性評(píng)價(jià)指標(biāo)的標(biāo)準(zhǔn)差，表達(dá)公式如下：

式中， S_j 為第 j 個(gè)智能汽車(chē)自動(dòng)駕駛系統(tǒng)安全性評(píng)價(jià)指標(biāo)的標(biāo)準(zhǔn)差，其數(shù)值波動(dòng)性越大，反映的信息內(nèi)容就越多； n 為指標(biāo)總數(shù)； 為第 j 個(gè)指標(biāo)的均值，其計(jì)算公式為：

式中， x_ij 表示第 j 個(gè)智能汽車(chē)自動(dòng)駕駛系統(tǒng)安全性評(píng)價(jià)指標(biāo)的第 i 個(gè)樣本觀測(cè)值。

智能汽車(chē)自動(dòng)駕駛系統(tǒng)安全性評(píng)價(jià)指標(biāo)之間相關(guān)關(guān)系數(shù)值越高，說(shuō)明兩個(gè)指標(biāo)之間的關(guān)聯(lián)性越強(qiáng)[5]，則該兩個(gè)指標(biāo)之間的沖突度數(shù)值越低，為降低指標(biāo)之間的沖突性，依據(jù)指標(biāo)之間的相關(guān)性為其分配權(quán)重，其表達(dá)公式如下：

式中， R_j 為第 j 個(gè)指標(biāo)的權(quán)重賦值； η_ij 為第 i 個(gè)和第 j 個(gè)指標(biāo)之間的關(guān)聯(lián)度； p 為當(dāng)前指標(biāo)層內(nèi)指標(biāo)數(shù)量。

在式（4）、式（5）基礎(chǔ)上，計(jì)算智能汽車(chē)自動(dòng)駕駛系統(tǒng)安全性評(píng)價(jià)指標(biāo)的客觀權(quán)重，表達(dá)公式如下：

式中， T_j 為第 j 個(gè)智能汽車(chē)自動(dòng)駕駛系統(tǒng)安全性評(píng)價(jià)指標(biāo)的客觀權(quán)重，該數(shù)值越大，說(shuō)明其對(duì)智能汽車(chē)自動(dòng)駕駛系統(tǒng)安全影響越大。

對(duì)第 j 個(gè)智能汽車(chē)自動(dòng)駕駛系統(tǒng)安全性評(píng)價(jià)指標(biāo)的客觀權(quán)重進(jìn)行賦值，其表達(dá)公式如下：

式中， ω_j 為第 j 個(gè)智能汽車(chē)自動(dòng)駕駛系統(tǒng)安全性評(píng)價(jià)指標(biāo)的客觀權(quán)重?cái)?shù)值。

灰色關(guān)聯(lián)分析方法是通過(guò)計(jì)算參考序列和對(duì)比序列之間的相似度或者相異度的方式，評(píng)估比較序列對(duì)參考序列的影響程度[6]。在此將智能汽車(chē)自動(dòng)駕駛評(píng)價(jià)指標(biāo)作為比較序列，將智能汽車(chē)自動(dòng)駕駛系統(tǒng)運(yùn)行過(guò)程中每項(xiàng)指標(biāo)的最優(yōu)值作為參考序列，按照該兩個(gè)序列曲線(xiàn)之間的幾何形狀相似度，判斷比較序列和參考序列的關(guān)聯(lián)程度。該關(guān)聯(lián)程度 ζ_i（j） 計(jì)算公式如下：

ζ_i（j）=

式中， B_i（j） 為第 i 輛智能汽車(chē)第 j 個(gè)指標(biāo)比較數(shù)值； B₀（j）

為第 j 個(gè)指標(biāo)的參考序列數(shù)值 ?ρ 為分辨系數(shù)。

在式（8）基礎(chǔ)上，計(jì)算智能汽車(chē)自動(dòng)駕駛系統(tǒng)安全性評(píng)價(jià)指標(biāo)的總體關(guān)聯(lián)度，其表達(dá)公式如下：

式中， γ_i 為第 χ_i 輛智能汽車(chē)自動(dòng)駕駛系統(tǒng)安全性總體關(guān)聯(lián)度。該數(shù)值越大說(shuō)明當(dāng)前智能汽車(chē)自動(dòng)駕駛系統(tǒng)安全性越高。

經(jīng)過(guò)上述分析過(guò)程，利用式（9）可得到智能汽車(chē)自動(dòng)駕駛性安全性分析結(jié)果。

3智能汽車(chē)自動(dòng)駕駛系統(tǒng)優(yōu)化方法

在上文獲得智能汽車(chē)自動(dòng)駕駛安全性分析結(jié)果基礎(chǔ)上，對(duì)智能汽車(chē)自動(dòng)駕駛系統(tǒng)進(jìn)行優(yōu)化處理，進(jìn)一步提升智能汽車(chē)自動(dòng)駕駛系統(tǒng)的安全性。

為保障智能汽車(chē)在匝道匯入場(chǎng)景中保持行駛軌跡平滑，對(duì)智能汽車(chē)自動(dòng)駕駛運(yùn)動(dòng)規(guī)劃時(shí)構(gòu)建智能汽車(chē)運(yùn)動(dòng)學(xué)模型，該模型如圖1所示。

令 u₁ 表示智能汽車(chē)自動(dòng)駕駛加速度， L 為智能汽車(chē)前后輪軸距，構(gòu)建圖1的智能汽車(chē)運(yùn)動(dòng)學(xué)模型運(yùn)動(dòng)學(xué)約束方程，表達(dá)公式如下：

式中， 為智能汽車(chē)后輪中心點(diǎn)坐標(biāo) x，y 的一階導(dǎo)數(shù)； 分別為智能汽車(chē)前進(jìn)方向 α 和轉(zhuǎn)角速度 φ 的一階導(dǎo)數(shù)； 為智能汽車(chē)自動(dòng)駕駛速度 h 的一階導(dǎo)數(shù)； u₂ 為車(chē)輛前輪偏轉(zhuǎn)角速度。

當(dāng)智能汽車(chē)自動(dòng)駕駛匝道匯人時(shí)，為保障智能汽車(chē)自動(dòng)駕駛系統(tǒng)的安全性，令匝道匯入場(chǎng)景中存在車(chē)輛和障礙物（其他車(chē)輛、路障、護(hù)欄等）數(shù)量分別為 N_nΩ_nΩ，N_obs 個(gè)，令 Q_safel 表示智能汽車(chē)與障礙物之間的安全距離，智能汽車(chē)自動(dòng)駕駛匝道匯入時(shí)，車(chē)輛與障礙物距離低于安全距離時(shí)，應(yīng)控制智能汽車(chē)與障礙物的距離盡可能遠(yuǎn)。在匝道匯入過(guò)程中，智能汽車(chē)自動(dòng)駕駛時(shí)與障礙物的空間協(xié)同函數(shù)表達(dá)公式如下：

式中， l_ik 為第 i 輛智能汽車(chē)自動(dòng)駕駛時(shí)與障礙物 k 的空間協(xié)同函數(shù)； Q_ik 為第 i 輛智能汽車(chē)與第 k 個(gè)障礙物之間的距離； k₁ 為智能汽車(chē)與障礙物距離系數(shù)； Φ_t 為時(shí)刻。

基于式（11），構(gòu)建智能汽車(chē)與障礙物之間空間協(xié)同代價(jià)模型 f₁ ，其表達(dá)公式如下：

在上述無(wú)碰撞前提下，考慮車(chē)輛與車(chē)輛之間的碰撞情況，設(shè)置智能汽車(chē)之間的安全距離為 Q_safe2 ，則智能汽車(chē)之間的空間協(xié)同函數(shù)表達(dá)公式如下：

式中， l_ij 為第 i 輛智能汽車(chē)自動(dòng)駕駛時(shí)與第 j 輛智能汽車(chē)空間協(xié)同函數(shù)； Q_ij 為第 i 輛智能汽車(chē)與第 j 輛智能汽車(chē)之間的距離； k₂ 為智能汽車(chē)之間距離系數(shù)。

在式（13）基礎(chǔ)上，智能汽車(chē)之間空間協(xié)同代價(jià)模型f₂ 表達(dá)公式如下：

智能汽車(chē)自動(dòng)駕駛軌跡的平滑性受其前輪偏轉(zhuǎn)角變化幅度影響，構(gòu)建智能汽車(chē)軌跡平滑車(chē)隊(duì)代價(jià)模型，表達(dá)公式如下：

式中 I₃ 為智能汽車(chē)軌跡平滑車(chē)隊(duì)代價(jià)模型； t_f 為智能汽車(chē)完全匝道后的時(shí)刻； dt 為對(duì)時(shí)間求導(dǎo)； φ_i（t） 為時(shí)刻為Ψ_t 時(shí)智能汽車(chē) i 前輪偏轉(zhuǎn)角。

在上述公式基礎(chǔ)上，構(gòu)建智能汽車(chē)自動(dòng)駕駛系統(tǒng)協(xié)同控制優(yōu)化數(shù)學(xué)模型，其目標(biāo)函數(shù)表達(dá)公式如下：

minf=σ₁f₁+σ₂f₂+σ₃f₃

式中 ，f 為智能汽車(chē)匝道匯入場(chǎng)景下自動(dòng)駕駛綜合代價(jià)；

σ₁，σ₂，σ₃ 分別為智能汽車(chē)不同代價(jià)權(quán)重系數(shù)。

設(shè)置智能汽車(chē)自動(dòng)駕駛系統(tǒng)協(xié)同控制優(yōu)化數(shù)學(xué)模型速度和轉(zhuǎn)角速度的約束條件如下：

式中， h_i?φ_i 分別為第 i 輛智能汽車(chē)自動(dòng)駕駛速度和轉(zhuǎn)角速度數(shù)值; v_max?φ_max 為智能汽車(chē)自動(dòng)駕駛速度和轉(zhuǎn)角速度最大限值。

在式（17）約束條件和滿(mǎn)足式（10）基礎(chǔ)上，對(duì)式（16）進(jìn)行優(yōu)化求解后，可實(shí)現(xiàn)智能汽車(chē)自動(dòng)駕駛系統(tǒng)軌跡平滑駕駛優(yōu)化。

4實(shí)驗(yàn)分析

以某輛智能汽車(chē)作為實(shí)驗(yàn)對(duì)象，使用本文方法對(duì)自動(dòng)駕駛系統(tǒng)安全性進(jìn)行分析，并對(duì)其自動(dòng)駕駛系統(tǒng)進(jìn)行優(yōu)化處理，驗(yàn)證本文方法的實(shí)際應(yīng)用效果。

令該智能汽車(chē)在匝道合流場(chǎng)景下實(shí)現(xiàn)自動(dòng)駕駛，使用本文方法分析其安全性，結(jié)果如表2所示。

從表1中現(xiàn)有數(shù)據(jù)來(lái)看，行駛安全性得分62.55，說(shuō)明在該場(chǎng)景下車(chē)輛行駛安全有一定保障，但也有提升空間。碰撞時(shí)間得分相對(duì)較高為60.51，表明在避免碰撞的時(shí)間把控上表現(xiàn)尚可；車(chē)頭時(shí)距和后車(chē)侵入時(shí)間得分較低，反映與前后車(chē)距離控制需優(yōu)化。通過(guò)高效性得分48.27較低，具體指標(biāo)中平均速度得分55.27，說(shuō)明速度方面有提升空間，而換道時(shí)間得分較高，意味著換道操作較高效。上述結(jié)果表明：在匝道合流場(chǎng)景下，本文方法從行駛安全性和通過(guò)高效性等一級(jí)指標(biāo)，以及碰撞時(shí)間、車(chē)頭時(shí)距等二級(jí)指標(biāo)進(jìn)行了智能汽車(chē)自動(dòng)駕駛安全性分析并打分。各項(xiàng)得分清晰呈現(xiàn)不同維度的安全狀況，能全面且細(xì)致地評(píng)估安全性，表明該方法可有效剖析自動(dòng)駕駛中的安全要點(diǎn)。

為驗(yàn)證本文方法對(duì)智能汽車(chē)自動(dòng)駕駛系統(tǒng)優(yōu)化能力，以智能汽車(chē)行駛安全性的綜合代價(jià)作為衡量指標(biāo)；在車(chē)輛匯入匝道不同次數(shù)情況下，分析本文方法應(yīng)用前后該智能汽車(chē)自動(dòng)駕駛安全性綜合代價(jià)變化情況，測(cè)試結(jié)果如圖2所示。

從圖2可知，在車(chē)輛匯入匝道不同測(cè)試次數(shù)下，優(yōu)化前智能汽車(chē)自動(dòng)駕駛安全性綜合代價(jià)數(shù)值明顯高于優(yōu)化后。這表明本文方法能顯著降低綜合代價(jià)，有效提升自動(dòng)駕駛系統(tǒng)安全性，在不同測(cè)試場(chǎng)景中均展現(xiàn)出強(qiáng)大的優(yōu)化能力，為智能汽車(chē)行駛安全提供有力保障。

5結(jié)語(yǔ)

在智能汽車(chē)自動(dòng)駕駛領(lǐng)域，安全性至關(guān)重要。本文圍繞系統(tǒng)安全性展開(kāi)研究與優(yōu)化，通過(guò)對(duì)關(guān)鍵技術(shù)進(jìn)行剖析及實(shí)際場(chǎng)景測(cè)試，發(fā)現(xiàn)現(xiàn)存問(wèn)題并提出針對(duì)性?xún)?yōu)化方法。測(cè)試結(jié)果表明，優(yōu)化后安全性綜合代價(jià)降低，證明該方法有效。這不僅提升了自動(dòng)駕駛系統(tǒng)安全性，也為智能汽車(chē)進(jìn)一步發(fā)展與應(yīng)用筑牢安全根基。

參考文獻(xiàn)：

[1]謝勇，胡秋燕，李仁發(fā)，等.基于Uptane的汽車(chē)軟件在線(xiàn)升級(jí)優(yōu)化框架［J].計(jì)算機(jī)研究與發(fā)展，2024，61（9）：2145-2155.

[2]戴力源，楊達(dá)，李凱，等.基于圖像與高精定位融合數(shù)據(jù)的封閉場(chǎng)地自動(dòng)駕駛汽車(chē)駕駛測(cè)試方法[J].計(jì)算機(jī)應(yīng)用研究，2023，40（11）：3333-3340+3347 美

[3]王鯤，董振江，楊凡，等.基于C-V2X的車(chē)路協(xié)同自動(dòng)駕駛關(guān)鍵技術(shù)與應(yīng)用[J].電信科學(xué)，2023，39（3）：45-60

[4]徐璞磊，蔡英鳳，廉玉波，等.基于改進(jìn)分層可拓理論的智能汽車(chē)AFS/DYC協(xié)調(diào)控制[J].汽車(chē)工程，2023，45（1）：20-31.

[5]李升波，占國(guó)建，蔣宇軒，等.類(lèi)腦學(xué)習(xí)型自動(dòng)駕駛決控系統(tǒng)的關(guān)鍵技術(shù)[J].汽車(chē)工程，2023，45（9）：1499-1515.

[6]趙樹(shù)廉，來(lái)飛，李克強(qiáng)，等.基于數(shù)字孿生技術(shù)的智能汽車(chē)測(cè)試方法研究[J].汽車(chē)工程，2023，45（1）：42-51.