科技成果评价 -智能网联汽车预期功能安全测试评价研究项目

科技成果评价资料 （一）课题研究任务渠道 （四）与当前国内外同类研究、同类技术的综合比较 七、国内外同类技术的背景材料和对比分析报告 湖南省检验检测学会科技成果鉴定技术文件研制工作报告（一）课题研究任务渠道本课题为通过关注与调研市场车辆在复杂环境以及特殊场景下智能网联汽车存在的问题，由本单位提出或批准的，占用本职工作时间研究开发的项目。（二）课题背景近年来，随着中国经济的高速腾飞和汽车产业的飞速发展,我国汽车保有量飞速上升。据公安部统计，2023年全国机动车保有量达4.35亿辆，全国新注册登记机动车3480万辆，新领证驾驶人2429万人,汽车产销量已经十年蝉联全球第一。与此同时,由于我国是人口大国,人口密度较高,在车流量及行车速度大幅增长的同时,也导致了交通事故频繁发生,2022年中国发生道路交通事故256409起,造成60676人死亡、263621人受伤,直接财产损失12.4亿元。为减少日益增长的安全事故问题,采用相关技术提高汽车安全性刻不容缓。通过收集到的交通数据,对比自动驾驶系统和人类驾驶员的性能表现,从美国国家公路交通安全管理局NHTSA的NMVCCS数据库可以得到,94%的交通事故是人为误操作引起的,其中,41%的人为失误是由于感知错误,33%是决策错误,11%是性能错误。从以上统计数据可以得到,亟需采用自动驾驶系统的设计方式来改善人类驾驶员的感知与决策。这些事故的发生带来了巨大的生命财产和经济的损失。为了减少日益增长的交通事故,保证车辆正常行驶的安全性以及避免驾驶人因素所带来的交通事故,不能仅依靠驾驶人观测车辆周边环境操纵车辆,大力推进汽车安全辅助驾驶技术甚至自动驾驶系统的发展是目前世界各国的重要目标。ADAS系统作为一项近年来在汽车行业蓬勃发展的技术,可以紧急情况下在驾驶员主观反应之前作出主动判断和预防措施,主要包含AEB、ACC、LDW、FCW等,其有助于避免交通事故的发生,或将其严重程度降低。近年来,由于ADAS系统技术的日趋成熟与系统成本的不断下降,中国市场更多的普通车型应用了ADAS。2023年在市场规模方面，L2级别自动驾驶的渗透率已超过40%。随着智能辅助驾驶功能的不断成熟、成本的下降以及消费者接受度的提高，L2级别已成为主流的驾驶辅助方案，并且渗透率仍在不断增加。2023年中国L2级自动驾驶功能渗透率超过40%，预计到2025年达到50%，预计到2030年整体市场规模将突破4500亿元。随着智能辅助驾驶功能的不断成熟、成本降低、消费者接受度提高，L2级别已成为主要的驾驶辅助方案，同时渗透率仍在进一步极氪、深蓝、问界等全系标配。以ADAS功能中的AEB功能为例，道路上常见发生的车辆与车辆追尾事故,如果配备AEB功能,则大部分事故都可以被完全避免;针对车与行人发生的事故,假如配备AEB功能,每4起事故中有1起就可以被完全避免，即便是车辆高速与行人发生碰撞过程中,碰撞伤害也可极大程度的降低,从而避免死亡事故的发生。随着智能驾驶系统的发展,在解决了旧有安全事故隐患的同时,也带来了新的挑战。人类驾驶员由于强感知识别能力,弱精确控制能力的技术特点,在做出决策判断后无法按照预期目标对车辆进行控制;反观机器驾驶员具备的强精准控制、弱感知识别的能力,尽管在汽车的横向/纵向控制上可以弥补人类驾驶员的最大短板,却常常因为感知、决策等能力的功能限制,产生错误的输出结果,导致事故的发生。由于过分信任自动紧急系统而导致的事故近年来有许多。丰田在车主手册中公布的一份清单强调了行人检测软件的盲区,在某些情况下可能完全无法检测到车辆、大型动物、行人和骑车人。这个特殊情况包括在车辆、大型动物、行人和骑车人被前车或侧车遮挡住视线,而前车不再遮挡后突然出现,系统无法及时识别。然后特别指出黑暗环境下,摩托车可能完全无法检测到。目前绝大多数AEB都是只针对车辆的,也有少数针对行人和骑车人。通常情况下,探测行人的延迟较高,碰撞时速度未能有效境地;毫米波雷达对静止物体的检测失效;车辆转弯时受限于传感器盲区,导致AEB失效;天气和光线也会对传感器检测性能产生影响,如高低光照下摄像头目标检测性能下降。这些问题都导致了用户信任度的下降。基于以上种种问题的存在,作为汽车主动安全技术系统的重要组成部分,尽管ADAS系统对于目前交通环境中事故的减少具备重大意义,在降低道路交通事故死亡率上起着重要的作用,但在其安全性无法到达预期要求的情况下,其效能表现会受到制约,难以完成进一步的推广与应用。为提高用户对以ADAS系统的信心,亟需对其系统安全性进行提高,目前世界各国针对此类新出现的安全问题,提出了预期功能安全的概念,通过一系列的标准和操作流程,最大程度上避免此类事故的发生。测试与验证对预期功能安全而言是其流程后半段的重要组成部分,对测试评价方法与危险场景提出了较高的要求。2020年,由李骏院士牵头,中国成立了智能网联汽车预期功能安全技术联盟(CAICV-SOTIF),用以进行SOTIF场景数据库的建设,以及针对中国现有SOTIF问题提供技术研究及解决方案。从预期功能安全的场景分类上,将当前世界复杂的较量场景分别四类,分别为已知的安全场景(区域1)、已知的不安全场景(区域2)、未知的不安全场景(区域3)、未知的安全场景(区域4),示意图如图1.1所示。图1.1预期功能安全的场景分类从预期功能安全的角度出发,在开发初期,第2区域和第3区域可能太大,导致无法接受的剩余风险。而SOTIF活动的最终目标是最小化区域2和区域3,最终取得可接受的剩余风险。在此过程中,需要最大化或维护区域1,使其安全性能得到提升或保留;采用改进功能或限制功能的使用或性能等方案措施,将更多的危险场景从区域2移到区域1,达到解决安全隐患的目的,缩小其带来的安全性能影响;通过大量采集的测试数据库的反复迭代验证,将检测到的区域3的可能风险场景移到区域2,作为系统设计过程中的主要参考因素进行设计上的功能修订。根据美国NHTSA和SAE对智能驾驶的分级可以看出,当前的自动驾驶系统技术多数处在L2级别,即开启一系列的汽车辅助驾驶系统技术,达到了部分自动驾驶的功能实现,并开始朝着更高级别的自动驾驶迈进。在此自动化程度日益提高的过程中,由于复杂的交通场景问题,现有的汽车电控系统测试评价标准无法达到对所有场景的全覆盖,从而导致了繁杂的不安全场景的产生。特殊天气及危险复杂场景是智驾系统预期功能安全测试与验证的重点对象，雨雾天气可能导致激光雷达和摄像头的探测距离与精度下降，影响车辆的感知能力；强光、阴影或夜间环境可能干扰视觉传感器的识别效果；十字路口的复杂交通场景功及特殊交通参与物（如临时施工、大型障碍物等）尚处于初步探索阶段，相关的场景处于智驾驾驶的算法边界或不在感知识别的范围类，可能导致现有算法无法准确识别和应对。国内外的相关机构在特殊天气及危险环境的测试场景进行了相关的研究，特殊天气测试场景方面较为先进的国外的机构如日本的Jtown测试区、新加坡的CENRAN测试区等，国内的机构如襄阳达安、广州卡达克等；危险场景方面国外较为先进的有美国的Mcity测试区、瑞典的AstaZero测试区、E-NCAP，国内较为先进的有清华大学、中国汽研、中汽中心等。相关的机构能提供特殊天气及危险场景的测试场景评价服务并没有形成一套科学、全面的测评体系。因此，智驾系统在特殊天气及复杂交通场景下存在复杂场景的特征表征不充分、测试工具不完备、评价体系不健全等问题，亟需开展智驾系统基于特殊天气及危险场景的预期功能安全测评体系研究，旨在填补国内在此领域的研究短板，通过系统化的测试手段与精准的设备支持，有效提升智能驾驶系统的安全质量（三）起止时间（四）研发工作组织过程通过走访相关企业、咨询专家等方式深入分析市场现状、竞性能要求和软硬件设备要求。评估项目的可行性，包括成本效益分析、投资回报率预测等，根据项目内容，成立了专门的项目团队，明确项目目标、范围、预算、时间表和关键里程碑。团队成员通过调研文献、自动驾驶数据库、交通事故案例等资料收集场各子任务负责人及主要开发人员、项目经理、产品经理参会。重点汇报和解决项目开发过程中的关键技术难点，及需要协调的资源。各子任务内部每天召开研发站立会，逐个人员汇报作日进展及今日计划，以此督促每个节点按计划推进。分阶段回顾项目过程，提炼成功经验和失败教训。整理相关项目文档，包括需求文档、场景库、测试报告等，存入知识库，组织项目总结会议，促进知识传递和团队学习。（五）研发工作成果目前基于场景的测试方法是在汽车行业内主流的减少预期功能安全事故的手段,对失效场景库进行搭建时,需要针对容易导致预期功能安全危险的场景,其中感知层上主要包含了目标场景考虑不周到、系统无法对环境做出正确响应等方面,决策层上包括功能逻辑仲裁机制不合理、决策算法效果不佳等方面。目前主流的测试场景搭建方法中,主要从真实数据及专家经验中获取数据,其中真实数据往往来自于自然驾驶数据、事故数据、道路监控数据、驾驶通行证考试数据、封闭与开放区域的汽车试验区域的测试数据等,其对于驾驶员习性、真实轨迹预测、仿人行为决策等领域的测试场景库搭建具备重要意义;专家经验包括标准法规测试场景等,其是以过往测试的经验总结而成的相关系统测试场景,行业普遍认可度较高。由于标准法规的测试场景往往参考了真实数据与专家经验等,具备较强的代表性,因此在场景库构建时也参考了标准法规,主要参考了智能网联汽车预期功能安全场景库建设报告白皮书以及与EuroNCAP、C-NCAP、IVISTA进行构建,利用该失效场景库进行测试验证,可以进一步压缩未知危险区域的大小,使之称为已知危险区域,最终扩大已知安全智能网联汽车预期功能安全场景库建设报告白皮书中对面向智能驾驶预期功能安全测试场景的需求及实现进行了深入的分析与建议。测试场景主要有三个抽象级别,分别为功能场景、逻辑场景和具体场景。其中,功能场景旨在概念阶段进行项目定义、危险分析与风险评估,逻辑场景在系统开发阶段基于状态空间变量从统计学的角度对功能场景进行泛化描述,具体场景则是在测试验证阶段确定状态空间的每个参数,生成确定的测试用例作为典型代表工况。本白皮书中对于预期功能安全场景库的建设更多是从功能场景的角度进行定义,之后的逻辑场景和具体场景直至测试用例的生成,依旧需要依据对应系统的详细测试标准法规来建立。该白皮书中主要对车辆系统的各种算法提出的能力测试场景。对感知层算法而言,采用改变场景中的道路因素与环境因素,对感知算法针对功能局限的应对性能进行测试,规定的功能场景针对相机与毫米波雷达感知能力的有改变环境中的光照、降雨量、降雪量,改变道路表面的油污、积雪、积水,改变物体层的物体表面特征、运动状态,改变环境中的电磁强度、物体表面材质等测试场景。对决策层算法而言,目的是测试决策算法对不同交通状态及环境的适应性,提高工况覆盖率,采用了改变交通参与者运动状态的方法,规定了车辆进行强制并道、强行、突然制动等功能场景。该白皮书中也对ADAS系统的预期功能安全测试场景进行了简单的规定,其主要场景的实现是对交通参与者参数的改变。依据交通参与者的类型,包络但不限于与交通相关的车辆、行人、动物、其他移动物体等,设置交通参与者不同的交通行为,包括相邻车道车辆的突然并道、同车道前车的突然制动、行人突然从角落冲出、道路上方出现的飘落物等容易触发漏制动或误制动的场针对ADAS系统而言,目前具有一定代表性和广泛认可度的测试法规有欧洲新车安全评鉴协会发布的Euro-NCAP法规,中国汽车技术研发中心发布的C-NCAP与其在测试场景上也多有相似之处，以及中国汽车工程研究院发布分IVISTA指数。通过参考相关标注建立预期功能安全场景库，根据现有的测试设备及环境模拟条件，初步筛选预期功能安全首期测试场景，具体包括雨天物品跌落场景、飞溅场景7大场景共16个测试项目。产出一套测试规程、一系列的测试装备、4项发明专利、3项实用新型，2项商标注册。具体情况如下：1、基于危险场景和特殊气象环境的预期功能安全测评体系在雨、雾、尘、光、黑暗条件下，由于不能完全看清周围环境，将影响驾驶员做出合理的判断，发生致命事故的几率更大。天气条件作为影响因素对交通事故的影响主要是通过光照、降水、湿度和温度等条件作用。通常来说，一般天气状况很少影响驾驶条件，但当出现雨、雪、雾灯特殊天气时，外部环境复杂多变，路面附着系数降低，视线范围较窄，驾驶员能接收到道路的信息较少，进而使得驾驶员影响驾驶员的判断，引发道路事故。这类情况下，发生严重事故的几率更高。通过搭建全方位的智能驾驶实车测评体系，建设多维度的智能驾驶实车测试能力（包括特殊天气、路面及危险场景测评）。具体实现路径为基于现有的智能网联汽车的法规测试场景、召回事故场景、事故案例以及公司智能网联汽车测试经验，提炼和确认智能驾驶实车典型测试场景，在标准法规测试方法的基础上融入感知干扰因素（特殊天气、路面等）和交通干扰因素（特殊目标物和危险复杂场景形成智能驾驶实车测试场景，同时借鉴ISO26法进行场景评价，通过实车测试的方式，验证智能驾驶实车测评体系，根据国家智能网联汽车（长沙）测试区实际场地情况，参照GB/T27964-2011《雾的预报等级》、GB/T28592-2012《降水性能要求及试验方法》等国标要求。部分测试场景如下：1.1行人纵向1.1.1试验概述本试验用于评价试验车辆AEB系统在雨天条件下对于车辆前方同向行走行人的识别和自动制动的能力，试验车辆车速分别为20km/h、30km/h、40km/h、50km/h，行人速度为5km/h；纵向行人路径与车辆路径重合；碰撞点为50%。试验工况如下表1.1表1.1雨天——行人纵向试验工况序号试验车辆车速120km/h2340km/h450km/h序号降雨等级121.1.2试验实施方法该场景分别在大雨和中雨环境下进行，雨量参目标假人APT中心线与试验车辆中心线重合，目标假人以5km/h的速度与车辆行驶方向相同的方向移动。试验车辆分别以20km/h、30km/h、40km/h、50km/h的速度进行试验，碰撞点位置在50%处，如图1.2中所示M点，试验过程中全程记录数据。当试验车与目标假人发生碰撞或者避免碰撞，本次试验结束。图1.2雨天——行人纵向场景示意图1.1.3试验要求(1)保持速度稳定，试验车辆车速应保持在规定车速±(2)试验车辆行驶路径横向偏移量不超过规定行驶路径±1.2.1试验概述本试验用于评价试验车辆AEB系统在雨天环境下对车辆前方横穿行人的识别和自动制动的能力，试验车辆车速分别为20km/h、30km/h、40km/h、50km/h，行人速度为5km/h；横穿行人路径与车辆路径垂直；碰撞点为25%。试验工况如下表1.3所表1.3雨天——行人横穿(近端)试验工况序号试验车辆车速试验次数120km/h323340km/h3450km/h31.2.2试验实施方法该场景在中雨环境下进行，雨量参数如表2所示，目标假人APT行驶路径与试验车辆行驶路径垂直，经加速度段1m加速至M点，试验过程中全程记录数据。当试验车与目标假人发生碰撞或者避免碰撞，本次试验结束。图1.3雨天——行人横穿(近端)场景示意图1.2.3试验要求(2)试验车辆行驶路径横向偏移量不超过规定行驶路径±1.3行人横穿(近端单侧遮挡)1.3.1试验概述本试验用于评价试验车辆AEB系统在雨天环境下对车辆前方遮挡横穿行人的识别和自动制动的能力，试验车辆车速分别为20km/h、30km/h、40km/h、50km/h，行人速度为5km/h；横穿行人路径与车辆路径垂直；碰撞点为50%。试验工况如下表1.4表1.4雨天——行人横穿(近端单侧遮挡)试验工况序号试验车辆车速试验次数120km/h323340km/h3450km/h31.3.2试验实施方法该场景在中雨环境下进行，雨量参数如表2所示，目标假人CPT行驶路径与试验车辆行驶路径垂直，经加速度段1m加速至M点，试验过程中全程记录数据。当试验车与目标假人发生碰撞或者避免碰撞，本次试验结束。图1.4雨天行人横穿(近端单侧遮挡)场景示意图1.3.3试验要求(2)试验车辆行驶路径横向偏移量不超过规定行驶路径±1.4.1试验概述本试验用于评价试验车辆AEB系统在雨天条件下对于车辆前方同向行走自行车的识别和自动制动的能力，试验车辆车速分别为20km/h、30km/h、40km/h、50km/h,自行车速度为15km/h；纵向自行车路径与车辆路径重合；碰撞点为50%。试验工况如下表1.5雨天——自行车纵向试验工况序号试验车辆车速试验次数120km/h323340km/h31.4.2试验实施方法该场景分别在大雨和中雨环境下进行，雨量参目标自行车BT中心线与试验车辆中心线重合，目标自行车BT以15km/h的速度与车辆行驶方向相同的方向移动。试验车辆分别以20km/h、30km/h、40km/h、50km/h的速度进行试验，碰撞点位置在50%处，如图1.5中所示M点，试验过程中全程记录数据。当试验车与目标自行车发生碰撞或者避免碰撞，本次试验结图1.5雨天——自行车纵向场景示意图1.4.3试验要求(2)试验车辆行驶路径横向偏移量不超过规定行驶路径±1.5前车静止1.5.1试验概述本试验用于评价试验车辆AEB系统在雨天条件下对于车辆前方同向静止目标车辆的识别和自动制动能力，试验车辆车速分别为20km/h、30km/h、40km/h、50km/h，纵向静止目标车辆路径与车辆路径重合。试验工况如下表1.6所示。表1.6雨天——前车静止试验工况序号试验车辆车速试验次数120km/h323340km/h3450km/h31.5.2试验实施方法该场景分别在大雨和中雨环境下进行，雨量参数如表2所示，目标车放置在车道中心线上，试验车辆纵轴线与目标车纵轴线40km/h、50km/h，设置目标车车尾部为碰撞点，如图1.6所示M点，用于记录两车的纵向及横向相对位置，每组试验的碰撞点应相同，试验过程中全程记录数据。当试验车与目标车发生碰撞或者避免碰撞，本次试验结束。图1.6雨天——前车静止场景示意图1.5.3试验要求(2)试验车辆行驶路径横向偏移量不超过规定行驶路径±（2）雾天场景2.1行人纵向2.1.1试验概述本试验用于评价试验车辆AEB系统在雾天条件下对于车辆前方同向行走行人的识别和自动制动的能力，试验车辆车速分别为20km/h、30km/h、40km/h、50km/h，行人速度为5km/h；纵向行人路径与车辆路径重合；碰撞点为50%。试验工况如下表1.7表1.7雾天——行人纵向试验工况序号试验车辆车速试验次数120km/h323340km/h3450km/h3表1.8雾天能见度参数序号雾天等级雾天能见度参数122.1.2试验实施方法该场景分别在浓雾和强浓雾环境下进行，雾天能见度参数如标假人以5km/h的速度与车辆行驶方向相同的方向移动。试验车辆分别以20km/h、30km/h、40km/h、50km/h的速度进行试验，碰撞点位置在50%处，如图1.7中所示M点，试验过程中全程记录数据。当试验车与目标假人发生碰撞或者避免碰撞，本次试验图7雾天——纵向行人场景示意图2.1.3试验要求(2)试验车辆行驶路径横向偏移量不超过规定行驶路径±2.2.1试验概述本试验用于评价试验车辆AEB系统在雾天条件下对于车辆前方同向行走自行车的识别和自动制动的能力，试验车辆车速分纵向自行车路径与车辆路径重合；碰撞点为50%。试验工况如下表1.9雾天——自行车纵向试验工况序号试验车辆车速试验次数120km/h323340km/h3450km/h32.2.2试验实施方法该场景分别在浓雾和强浓雾环境下进行，雾天能见度参数如标自行车BT以15km/h的速度与车辆行驶方向相同的方向移动。试验车辆分别以20km/h、30km/h、40km/h、50km/h的速度进行试验，碰撞点位置在50%处，如图1.8中所示M点，试验过程中全程记录数据。当试验车与目标自行车发生碰撞或者避免碰撞，本次试验结束。图1.8雾天——自行车纵向场景示意图2.2.3试验要求(2)试验车辆行驶路径横向偏移量不超过规定行驶路径±2.3前车静止2.3.1试验概述本试验用于评价试验车辆AEB系统在雾天条件下对于车辆前方同向静止目标车辆的识别和自动制动能力，试验车辆车速分别为20km/h、30km/h、40km/h、50km/h，纵向静止目标车辆路径与车辆路径重合。试验工况如下表1.10所示。表1.10雾天——前车静止试验工况序号试验车辆车速试验次数120km/h323340km/h3450km/h32.3.2试验实施方法该场景分别在浓雾和强浓雾环境下进行，雾天能见度参数如表1.8所示，目标车放置在车道中心线上，试验车辆纵轴线与目标车纵轴线重合，目标车车速为0km/h。试验车辆车速分别为如图1.9所示M点，用于记录两车的纵向及横向相对位置，每组试验的碰撞点应相同，试验过程中全程记录数据。当试验车与目标车发生碰撞或者避免碰撞，本次试验结束。图1.9雾天——前车静止场景示意图2.3.3试验要求(2)试验车辆行驶路径横向偏移量不超过规定行驶路径±以行人横穿为例评价主车AEB系统在强光干扰下对于车辆前方同向行驶目标假人的识别和避撞能力，主车车速分别为20km/h、30km/h、40km/h、50km/h，纵向目标假人路径与车辆路径平行；碰撞点为50%，主要测试工况如表1.11所示。表1.11行人纵向工况13233343（4）扬尘场景以前车静止为例，评价主车AEB系统在扬尘条件干扰下对于车辆前方同向静止目标车辆的识别和避撞能力，主车车速分别为20km/h、30km/h、40km/h、50km/h，纵向静止目标车辆路径与车辆路径重合；碰撞点为100%，主要测试工况如表1.12所示。13233343（5）雨中智能泊车场景时建造平行车位、斜向车位和垂直车位三种类型的车位，其中停车位参数参照IVISTA2020版智能泊车辅助试验规程，平行车位宽2.4m，斜向角度为45°,车位均为白色标线，且标线宽度为15cm，整个系统满足中雨和小雨降雨量标准。平行车位泊车工况相关参数如表1.13所示，表1.13平行车位泊车工况车3333表1.14侧方位自动泊车工况13表1.15雨天场景降雨强度参数1（6）物品跌落场景抛洒机固定在目标车车顶位置，主车开启行车驾驶功能，待两车速度保持稳定之后，抛洒机将纸箱抛落，用来模拟稳定跟车过程中，前车纸箱掉落后试验车辆避让障碍物的场景,主要测试工况如表1.16所示。表1.16抛洒物识别工况333（7）飞溅场景本试验用来模拟智能网联车辆在行车过程中，摄像头受到污渍干扰的条件，AEB系统对目标物的识别能力，车速为20km/h、30km/h、40km/h、50km/h，主要测试工况如表1.17所示。表1.17静止车辆工况13233343安全部分评价规程评价规程依据功能对从安全性和舒适性两个维度进行评价安全性的评价指标占比80%包括避撞、碰撞但速度减少量＞舒适性占比20%包括碰撞预警时间和刹停后到碰撞点的距离，安全性评价指标如表1.18所示，舒适性评价如表1.19所示。表1.18安全性评价指标（80%）表1.19舒适性指标（20%）警时间<行车部分评价规程行车安全性的评价指标占比80%包括自车识别目标并刹停避撞，且未触发AEB、自车减速触发AEB并避撞，自车识别目标，减速制动（速度减少量≥8km/h）后碰撞目标，自车速度减少量<8km/h或TTC=2.5s时，自车仍未减速，舒适性占比20%包括纵向减速度、减速度变化率和横向加速度，纵向减速度、减速度变化率其区间如图1.10所示，安全性评价指标（80%）如表1.20所示，舒适性指标（20%）表1.21所示。表1.20行车安全性评价指标（80%）发AEB（100%）自车速度减少量<表1.21舒适性指标（20%）之间线性变线性变化,（100%）图1.10减速度及减速度变化率要求区间泊车部分评价标准安全性的评价指标占比80%包括自动泊入未发生碰撞且在目标区域，发生碰撞或未泊入，舒适性占比20%包括揉库次数、偏角和泊车总时间，安全性评价指标（80%）如表22所示，舒适性指标（20%）表23所示。表22安全性评价指标（80%）表23舒适性指标（20%）2、研制特殊场景预期功能安全测试装备基于现有的智能网联汽车召回事故场景、事故案例以及公司智能网联汽车测试经验，计划搭建高速临时养护作业测试场景、前车车载物跌落测试场景和摄像头污染测试场景，以上场景均为养护抢修车）、车载物抛洒测试设备和摄像头污染测试设备。主要用来模拟实际行车过程中的瞬态强光和逆光，可模拟20000-30000Lux的可调光照强度，并可根据试验需求调整光照角度和高度，其中角度调节范围为0-90°,高度调节范围为0.5-4米，模拟强光测试设备如图2.1所示。图2.1模拟强光测试设备（2）摄像头污染测试设备该设备应能够通过更换不同孔径喷嘴的方式，调节不同的喷射速度，喷射速度的范围为2m/s-10m/s，可根据实际测试需求对智能网联汽车不同位置的摄像头进行精准的污染干扰，最高可支持时速120km/h的测试。主要用来模拟智能网联汽车摄像头在受到污渍干扰的情况，智能驾驶系统对车道线及障碍物的识别及响应的能力，摄像头污染测试设备如图2.2所示。图2.2摄像头污染测试设备该设备整体采用钢结构，高度可自由调节但最高不超过1.5m，可安装在普通乘用车车顶位置，通过控制开关远程控制发均可根据试验的需求来进行灵活调节，该设备可用来模拟在正常跟车行驶过程中，前车突然掉落货物的情况，验证智能网联车辆对于动态跌落车载物的识别及避撞的能力，纸箱抛洒测试设备如图2.3纸箱抛洒测试设备（4）高速作业车目标物该目标物用于智能驾驶车辆在高速临时养护作业场景下的功能测试，高度仿真高速作业车（防撞缓冲车、绿化综合养护作业车、养护抢修车三种车型可拼装）外形尺寸、结构形式，其雷达截面反射RCS值应与高速作业车事务一致，且满足智能驾驶车辆毫米波雷达传感器识别要求，目标物外蒙皮图案及警示标识满足红外视觉传感器识别要求。目标物结构性能满足试验场景快速搭建、碰撞可靠性要求，其中外轮廓尺寸符合GB1589-2016标准，车体厢体颜色符合GB/T3181-2008规定的YO7中黄色，外置特征体修剪绿篱机悬臂外轮廓尺寸符合T/CCMA0105-2020团体标准。车体主体及支撑骨架应采用防潮、抗撞力强、韧性强、循环再造、绿色环保的聚乙烯发泡棉，中间采用磁铁结构，使用抗冲击塑料件，蒙皮材料采用进口材质，高速作业车目标物如图图2.4高速作业车目标物2.2测试环境搭建目前以建设国家智能网联测试区，即将使用的大王山智能网联汽车试验场与2024年6月份正式投入使用。占地300余亩，道路长度约6.5公里，包含城市交叉路口、模拟隧道、环岛、模拟雨雾光尘测试系统等，支持非机动车横穿预警、前向碰撞预警、红绿灯信号、车行上下点、超车辅助、自动泊车等33个城市环境模拟测试场景。其中交叉路口双向三车安全岛等；模拟隧道长200米，单向两车道，可实现GNSS信号屏蔽；模拟雨雾光尘系统总长约100m，净空为4.5m，双向两车道，有效降雨、降雾宽度为7m，可持续模拟降雨降雾稳定时间为60min。其中模拟小雨降雨强度为1-10mm/h，中雨降雨强度为10-25m/h，大雨降雨强度为25-50mm/h;模拟大雾场景能见度小于1km，模拟浓雾能见度可小于500m；整个系统满足各种天气环境下纵向追行人、自行车、踏板车以及静止车辆等预期功能安全测试场景。全长3.6公里，双向6车道，车道宽度为3.75m。可实现进出服务区、进出收费口、路边紧急停车、道路施工提醒、港湾式应急停车等高速测试场景。具备高速桥梁、护栏、限速标识、追尾提示等设施，可按实际需求搭建匝道场景。（2）雨中泊车测试区域时建造平行车位、斜向车位和垂直车位三种类型的车位，其中停车位参数参照IVISTA2020版智能泊车辅助试验规程，平行车位宽2.4m，斜向角度为45°,车位均为白色标线，且标线宽度为15cm，整个系统满足中雨和小雨降雨量标准，雨中泊车测试设备图2.7雨中泊车测试设备（3）雨雾场景天气模拟系统区域4.5米，如图2.8所示。可以通过对应控制阀模拟大中小雨和大小雾，其中降雨持续模拟时间不少于1小时，降雾模拟连续稳定时间不少于一小时且15分钟内达到稳定状态，具体要求如下表2.1。表2.1雨雾系统参数大王山智能网联试验场如图2.9所示，部分能力如表2.2所示。图2.9大王山智能网联试验场表2.2大王山智能网联测试区部分场景12345678（六）课题组人员1男2男3男4男无5男无6男无7男无8男无9男无男无男无男无男无（七）经费来源公司自筹（一）技术方案论证1、总体思路本项目首先对常见的特殊天气及交通事故进行统计分析，提取典型的测试场景，依据相关标准法规制定了预期功能安全测试标准体系，其次依据标准构建了预期功能安全测试场地，并研发了相应的测试设备，最后采用实车验证的方式对测评体系不断优化，完善了预期功能安全测试标准体系及测试方法，本项目的技术路线图如图2.10所示。1、面向特殊气象及危险工况的关键场景构建基于场景的测试评价方法逐渐成为行业公认的解决自动驾驶汽车测试难题的重要手段，场景的数据来源综合选取国家车辆事故深度调查体系(NAIS)数据库和中国汽研百万公里自然驾驶数据库、中国智能网联汽车创新联盟预期功能安全工作组相关工作成果以及中汽院湖南公司开展的超7800场测试数据为数据池。从场景数据池中选取发生频率高、危害大的事故场景，耦合测试场景的人、车、路等要素，采用层次聚类法统计分析得到基本场景数据库。依据基本场景数据库，参照参考国标GB/T28592-2012《降水量等级》和GB/T27964-2011《雾的预报等级》等标准建设雨雾模拟测试气象环境，形成还原度高、可快速构建的复杂天气环境及危险场景实车测试案例库。（a）雾天测试场景（c）夜间测试场景2、核心测试系统自主创新及场地建设测试场景中夜间逆光场景、扬尘场景、物品跌落场景、飞溅场景、十字路口、高速作业车场景均为国内首创，缺乏标准测试设备，针对此类场景自主研发了多种测试设备，部分测试设备如图2.14所示。分级式PID雨雾控制装置能实现对降雨程度及可见度的精准控制，多功能式物体抛射装置可模拟跟车过程中前车掉落不同角度及大小的货物；如基于高拟真自然光精准分级控制装置可模拟实际行车过程中的瞬态强光和逆光场景；可调节式摄像头污染设备能实现摄像头不同区域及程度的干扰模拟。（a）模拟强光设备（c）纸箱抛洒装置3、预期功能安全结果测评体系建立献资料，结合我司测试团队完成的清华大学十字路口城市巡航功能和高速HWP功能预期功能安全场地测试经验，最终确定从安全性和舒适性两个维度对现有测试场景进行评价，确定测评场景权重、分值以及对应测试结果所占权重得分，形成科学合理的测评体系。取了市面上具备相应功能的车辆进行测试规程的测试验证，测试车辆超20款车型，测评车型囊括SUV、MPV和轿车，针对测试规程中场景参数如测试速度、雨量大小、场景通过条件进行了充分验证，在初版测评规程的基础上不断完善优化。形成了《智车信心度测试规范》测评规程及特殊天气及危险场景的测试工具（二）技术特征通过公司建立的预期功能安全场景库，根据现有的测试设备及环境模拟条件，初步筛选预期功能安全测试场景，具体包括雨天场景、雾天场景、夜间逆光场景、扬尘场景、雨中智能泊车场景、物品跌落场景、飞溅场景、高速作业车场景等共32个测试基于初步筛选的预期功能安全测试场景，依据国内外成熟的标准测试规程，确定初步的测试方法及通过性要求。并且通过预实验确定测试方法和通过性要求的有效性。对于雨天场景和雾天场景，为保证试验的一致性和可重复性，参考国标GB/T28592-2012《降水量等级》和GB/T27964-2011《雾的预报等级》，确定雨天和雾天的具体参数。并依据雨天和雾天的具体参数开发相应的雨雾设备。针对夜间逆光场景、扬尘场景、物品跌落场景、飞溅场景，自主开发相应的模拟强光设备、扬尘模拟测试设备、纸箱抛洒测试设备、摄像头污染测试设备满足实车测试需求。新建了雨中泊车测试场地，可支持平行停车位、斜向停车位和垂直停车位，其中平行车位长6m宽2.4m，垂直车位长5.3m宽2.4m，斜向车位长7m宽2.4m，可柔性搭建泊车所需各种场景，例地锁、植被等异形目标物等，满足智能网联汽车雨中自动泊车测试的需求。基于测试场景，选取了市面上具备相应功能的车辆进行测试规程的测试验证，测试车辆超20款车型，测评车型囊括SUV、MPV和轿车，针对测试规程中场景参数如测试速度、雨量大小，场景通过性要求如报警时间、速度减少量等进行了充分验证，修改并完善了初版测评规程。最后，借鉴ISO26262和ISO21448的测评方法，通过参考大量的文献资料，结合我司测试团队完成的清华大学十字路口城市巡航功能和高速HWP功能预期功能安全场地测试测试经验，最终确定以场景暴露度和场景伤害度两个维度对现有测试场景进行评价，确定测评场景权重、分值以及对应测试结果所占权重得（三）总体性能指标本项目为针对特殊环境和危险场景下智能驾驶系统的试验方法，适用于搭载智能驾驶系统的整备质量不超过3500kg的载客车辆(M1类)，以场景暴露度和场景伤害度两个维度对现有测试场景进行评价，确定测评场景权重、分值以及对应测试结果（四）与当前国内外同类研究、同类技术的综合比较目前，智能网联汽车的研究方向主要聚焦在功能安全的研究课题中，对预期功能安全的研究尚为成为主流，但是由于复杂气候条件或者没有预期的交通状况所代表的危险交通场景对智能驾驶系统带来了巨大考验，且这类场景暴露度和危害度较高，极易造成严重的交通事故发生。针对国内外相关的机构能提供特殊天气及危险场景的测试场景评价服务并没有形成一套科学、全面的测评体系这一问题。我司通过对预期功能安全方向的深入研究，推出全国首个复杂环境及危险场景测评体系--智车信心度（C-IAC），并且依托国家智能网联测试区（长沙）场地打造了雨、雾、尘、光等特殊测试环境。对比国内其他检测机构的场地条件，我司具备国内唯一具有同时模拟雨雾尘光测试条件的测试设备和测试场地。对比国外其它检测机构如日本的Jtown测试区，我司在模拟雨雾测试环境对雨量和能见度的精准控制优于国外，对于扬尘和夜间逆光我司在满足同样性能的条件下制造成本较低。其他检测机构没有搭建起完备的预期功能安全测试场地，我司处于领先地位。对比其他检测机构尚未开展完备的预期功能安全测试，我司依托智车信心度和预期功能安全测试场地已开展了共计20个车型的测试，完善和验证了测评方法的科学性和可实施性。同时，智车信心度打造了湖南公司在预期功能安全测试领域的专属名片，获得了中国汽车工业协会、中国汽车工程学会以及中国智能网联汽车产业创新联盟给国家智能网联汽车（长沙）测试区授予了“智能网联汽车预期功能安全测评基地”“智能网联汽车预期功能安全测试基地”以及“智能网联汽车标准验证基地”三块牌照，吸引了中央媒体等各类媒体报道，具备一定的行业影响力。（五）市场推动作用（新对推动社会经济发展、科技进步的意义及市场竞争力的作用）依托预期功能安全测试方法研究成果，公司成功举办了全国首个智能网联汽车预期功能安全测试基地启用仪式活动，发布了人民网、湖南日报、长沙晚报、学习强国等二十余家央媒、省市级媒体及40余家网络行业媒体，累计共70家媒体进行了报道，累计阅读量高达30万+。启动仪式上，中国汽车工业协会、中国汽车工程学会以及中国智能网联汽车产业创新联盟给国家智能网联汽车（长沙）测试区授予了“智能网联汽车预期功能安全测评基地”“智能网联汽车预期功能安全测试基地”以及“智能网联汽车标准验证基地”三块牌照，这也是国内首个获行业认可的预期功能安全测试基地。基于预期功能安全测试方法研究成果，由公司和凯瑞认证联合申报的《智能网联汽车信心度测试规范》通过了国家市场监督管理总局的自愿性认证备案，依据《智能网联汽车信心度测试规范》，公司可为企业开展智车信心度认证服务，发放智车信心度认证证书，帮助智能网联汽车企业优化产品性能，提高认证车型性认证项目包括雨天安全、雾天安全和智能泊车。引用于智能网联汽车感知系统SOTIF测评2022年年度研究总结报告、高速公路巡航功能（HWP）预期功能安全分析及测试评价研究报告、智能网联汽车预期功能安全前沿技术研究报告——方案探索与实践、智能网联汽车自动驾驶系统要求及测试方法，目前已有已经开展166例测试，确定34类临近工况，为高速驾驶功能的开发测试提供强有力的依据。（六）推广应用前景基于特殊天气及危险场景的测评体系的相关测试场景目前已经为广汽、特斯拉、比亚迪、百度、轩辕智驾、路特斯、大众酷翼等企业提供了预期功能雨雾场景、高速路及城市道路危险场景等测试服务，相关的测试规程部分被中国汽研IVISTA指数采纳。已进行沟通交流准备应用的单位有赛力斯、小鹏，潜在应用单位有蔚来、理想等。工信部的准入要求也明确提出了危险场景的测试需求。消费者对智能网联汽车安全性能的期待日益提高，尤其是在极端气候条件下的表现。一个能够全面、准确评估车辆在特殊环境下的性能的测评体系，将有助于提升消费者对智能网联汽车的信任度，进而影响其购买决策。主机厂为了赢得市场竞争力，也会积极采用此类测评体系，以证明其产品的全天候适应能力和安全性。（七）存在的问题无测验报告。（报告中需详细描述测验方法、测验项目、测验过程、测验数据、测验结论）。测验报告由科技成果评价（鉴定）测验组提查新报告（成果达到国际水平的需同时进行国内外查新，且查新后6个月内必须完成成果鉴定，否则需要重新查新）应用报告（一）应用面基于特殊天气及危险场景的测评体系的相关测试场景目前已经为广汽、特斯拉、比亚迪、百度、轩辕智驾、路特斯、大众酷翼等企业提供了预期功能雨雾场景、高速路及城市道路危险场景等测试服务，相关的测试规程部分被中国汽研IVISTA指数采单位有蔚来、理想等。基于预期功能安全测试方法研究成果，由公司和凯瑞认证联合申报的《智能网联汽车信心度测试规范》通过了国家市场监督管理总局的自愿性认证备案，依据《智能网联发放智车信心度认证证书，帮助智能网联汽车企业优化产品性能，提高认证车型附加值曝光机会，提升品牌影响力，目前，首期智车信心度自愿性认证项目包括雨天安全、雾天安全和智能泊车。2022年3月至2023年12月累计预期功能安全测试服务费用约极大的推动智能网联汽车预期功能安全相关标准体系建设，推动智能网联汽车预期功能安全实车测试验证。成功申报了2022年国家重点研发计划新能源汽车专项子课题《基于关键场景的预期功能安全测试验证技术》，支撑了联盟测试示范工作组和预期功能安全工作组的关键技术的攻关