实际数据驱动的自动驾驶道路测试险态场景辨识方法

险态场景仿真测试是提升自动驾驶车辆驾驶能力和降低道路测试风险的重要手段,其核心基础是险态场景的构建。依托自动驾驶道路测试的实际数据,在甄别自动驾驶模式避险脱离事件的基础上,提出道路测试险态场景辨识关键指标,并利用随机森林、决策树、支持向量机和BP神经网络四种监督分类模型,对险态场景的风险等级进行划分。基于上海城市道路场景实际测试数据和实际记录脱离原因数据,验证了实际数据驱动的道路测试险态场景辨识方法的有效性,同时表明BP神经网络辨识险态场景的效果最好。研究成果为构建道路测试险态场景提供依据。

不同险态情景下共驾型智能车辆接管行为特征分析

为提高驾驶人在不同险态交通情景下接管智能车辆的安全性,在模拟驾驶平台上分别研究了高速公路、山区道路和城市道路3类典型险态环境下驾驶人接管行为的特征和差异性。试验采集并分析了16名驾驶人在3类典型险态环境下的驾驶行为数据。结果表明:①驾驶人在接管车辆时采取的应急操作包括制动、转向、同时转向制动3种,各行为占比分别为71.4%、16.7%和11.9%。②不同险态交通情景下驾驶人接管反应时间无显著差异(P>0.05);在高速-城市险态情景下车辆最大纵向减速度存在显著差异(P=0.002<0.05),在山区-城市险态情景下车辆最大纵向减速度存在显著差异(P=0.048<0.05);在城市-山区险态情景下车辆最大转向盘转角存在显著差异(P=0.015<0.05);在山区-高速险态情景下车辆最大转向盘转角存在显著差异(P=0.000<0.05)。说明在不同险态交通情景下应采用不同的接管措施以提升接管的安全性和有效性。本文研究结果可为不同险态环境下的智能车辆接管系统研发提供参考。