CN115576224A - 一种自适应巡航控制系统仿真测试和评价方法 - Google Patents
一种自适应巡航控制系统仿真测试和评价方法 Download PDFInfo
- Publication number
- CN115576224A CN115576224A CN202211462767.7A CN202211462767A CN115576224A CN 115576224 A CN115576224 A CN 115576224A CN 202211462767 A CN202211462767 A CN 202211462767A CN 115576224 A CN115576224 A CN 115576224A
- Authority
- CN
- China
- Prior art keywords
- acc
- test
- evaluation
- scene
- vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种自适应巡航控制系统仿真测试和评价方法，主要涉及自适应巡航控制系统仿真测试和评价技术领域，解决了商用车和乘用车自适应巡航控制系统缺乏仿真测试和评价方法论的问题。包括：建立ACC测试场景库体系、ACC仿真测试评价体系、ACC仿真测试流程；创建ACC测试场景库体系对应的ACC片段式场景库、ACC重构连续场景库和ACC重构随机交通流场景库；创建ACC仿真测试评价体系对应的ACC硬件在环测试评价体系、ACC驾驶员在环测试评价体系和ACC场地在环测试评价体系；创建ACC仿真测试流程对应的ACC场景库搭建流程、ACC仿真测试评价流程、评价分值有效性评定流程。
Description
技术领域
本申请涉及智能驾驶仿真测试技术领域，尤其涉及一种自适应巡航控制系统仿真测试和评价方法。
背景技术
自适应巡航控制（Adaptive Cruise Control，简称ACC）系统，作为一种主动安全技术，能提高道路利用率、提高驾驶安全性、减少驾驶员驾驶负担，已大规模应用到汽车行业里。
为了保证ACC系统的安全性和可靠性，对其进行充分的仿真测试就显得尤为必要。但针对ACC系统缺乏强制性的法规指导，只有推荐性法规指导，且相关法规都只侧重于实车测试领域，无法直接指导仿真测试。且ACC系统更侧重于舒适性，因而对ACC系统进行仿真测试评价的难度更高。
发明内容
针对目前行业内缺乏可用来指导ACC系统仿真测试的方法论这一现状，本发明提出了一种自适应巡航控制系统仿真测试和评价方法。
本申请提供了一种自适应巡航控制系统仿真测试和评价方法，方法包括：建立ACC测试场景库体系、ACC仿真测试评价体系、ACC仿真测试流程；创建ACC测试场景库体系对应的ACC片段式场景库、ACC重构连续场景库和ACC重构随机交通流场景库；创建ACC仿真测试评价体系对应的ACC硬件在环测试评价体系、ACC驾驶员在环测试评价体系和ACC场地在环测试评价体系；创建ACC仿真测试流程对应的ACC场景库搭建流程、ACC仿真测试评价流程、评价分值有效性评定流程。
进一步地，创建ACC测试场景库体系对应的ACC片段式场景库、ACC重构连续场景库和ACC重构随机交通流场景库，具体包括：搭建ACC测试场景库体系中的ACC片段式场景库时，通过场景仿真软件手动搭建，用于ACC硬件在环测试；搭建ACC测试场景库体系中的ACC重构连续场景库时，针对ACC典型场景，在公开道路上实际采集若干段连续的场景数据；其中，场景数据至少包括视频原始图像数据、整车CAN和雷达CAN总线报文数据、环视摄像头录制视频；将视频原始图像数据进行切片、清洗、标注，并在场景仿真软件中重构为场景库，以完成创建ACC重构连续场景库；搭建ACC测试场景库体系中的ACC重构随机交通流场景库时，在ACC重构连续场景库中，利用随机交通流软件加入随机交通流，以创建ACC重构随机交通流场景库。
进一步地，创建ACC仿真测试评价体系对应的ACC硬件在环测试评价体系、ACC驾驶员在环测试评价体系和ACC场地在环测试评价体系，具体包括：设置ACC硬件在环测试评价体系的测试要求：设置不包含任何进入退出条件及抑制条件的理想前向碰撞预警模块，当检测到碰撞时间达到相应报警条件时，发出预警信息；设置ACC硬件在环测试评价体系的测试方法：针对每一个ACC片段式场景库，遍历所有的ACC距离模式挡位，测试场景覆盖整个ACC片段式场景库；设置ACC硬件在环测试评价体系的评价指标：目标识别能力和稳定巡航能力；目标识别能力：表征能快速切换目标并稳定识别目标的能力；稳定巡航能力：无ACC接管退出，无理想前向碰撞预警模块报警；设置ACC硬件在环测试评价体系的评价方法：能快速切换和稳定识别目标，且全程都无ACC人工接管请求发出和理想前向碰撞预警模块报警，就判定为通过，否则不通过。
进一步地，创建ACC仿真测试评价体系对应的ACC硬件在环测试评价体系、ACC驾驶员在环测试评价体系和ACC场地在环测试评价体系，具体还包括：设置ACC驾驶员在环测试评价体系的测试方法：构建测试司机测评数据获取环节，以获取ACC片段式场景库、ACC重构场景库、ACC重构随机交通流场景库中的所有场景的连续3次测试的测试数据和评价数据；其中，所有场景都以视频注入的形式进行在环仿真测试，并由自动化测试软件调配测试进度，且针对ACC片段式场景库，遍历所有的ACC距离模式挡位；设置ACC驾驶员在环测试评价体系的评价指标：响应敏捷性、速度模式一致性、距离模式一致性、跟车舒适性；其中，响应敏捷性为：目标前车运动情况发生变化时，本车能快速达到稳定巡航状态的响应能力；速度模式一致性为：在速度模式下稳定巡航时，本车车速相对稳定并与设定车速保持一致的能力；距离模式一致性为：在距离模式且在任一挡位下稳定巡航时，能达到预设的巡航跟车时距并保持时距相对稳定的能力；跟车舒适性为：在前车加减速过程中，本车通过控制自车加速度和减速度来实现平稳跟车的能力；设置ACC驾驶员在环测试评价体系的评价方法：根据预设打分方法和分值有效性评定方法。
进一步地，设置ACC驾驶员在环测试评价体系的评价方法：根据预设打分方法和分值有效性评定方法，具体包括：获取三位司机在每个测试场景的3次连续测试过程中的测试数据；获取三位司机在每个测试场景的3次连续测试后的评价数据，并计算每位司机连续三次打分的平均值X1和标准差D1；若标准差D1超过阈值δ1，则对场景进行第二轮复测，直到标准差在阈值δ1范围内；当每位司机连续三次打分的标准差不超过阈值δ1时，司机A、司机B、司机C在同一测试场景下的三次连续测试数据的平均值分别为有效平均值XyA、XyB、XyC ；再比较同一测试场景下的三位司机的有效平均值Xz，Xz=（XyA +XyB+XyC）/3，并计算标准差Dz，若标准差Dz超过阈值δ2 ，则复测场景，直到有效标准差Dz在阈值δ2范围内，且标准差D1在阈值δ1范围内；若标准差Dz不超过阈值δ2，则输出Xz作为测试场景下三位司机评分的最终平均值。
进一步地，创建ACC仿真测试评价体系对应的ACC硬件在环测试评价体系、ACC驾驶员在环测试评价体系和ACC场地在环测试评价体系，具体还包括：设置ACC场地在环测试评价体系的测试要求：布置预设面积预设环境的封闭式场地；设置ACC场地在环测试评价体系的测试方法：获取3个司机对ACC重构场景库和ACC重构随机交通流场景库中的所有场景都进行6次重复测试的测试数据，以及测试后的评价数据，其中，前三遍是不开启ACC功能；后三遍开启ACC功能，由ACC系统控制；所有场景都以视频注入的形式进行在环仿真测试，并由自动化测试软件调配测试进度；每完成一段完整的ACC重构连续场景1次测试，或者每完成一段ACC重构随机交通流场景1次测试，就用车载油耗仪记录该次测试具体的燃油消耗量。
进一步地，创建ACC仿真测试评价体系对应的ACC硬件在环测试评价体系、ACC驾驶员在环测试评价体系和ACC场地在环测试评价体系，具体还包括：设置ACC场地在环测试评价体系的评价指标：获取燃油消耗量、稳定巡航能力、响应敏捷性、速度模式一致性、距离模式一致性、跟车舒适性各自对应的评价数据；其中，燃油消耗量为表征燃油经济性的指标；稳定巡航能力为表征长时间保持无ACC人工接管请求发出、无理想碰撞预警模块报警能力的指标；响应敏捷性为表征当目标前车运动情况发生变化时，本车能快速达到稳定巡航状态的响应能力的指标；速度模式一致性为表征在速度模式下稳定巡航时，本车车速相对稳定并保持与设定车速一致性能力的指标；距离模式一致性为表征在距离模式任一挡位下稳定巡航时，能达到预设的巡航跟车时距并保持时距相对稳定能力的指标；跟车舒适性为表征在前车加减速过程中，本车通过控制自车加速度和减速度来实现平稳跟车的能力的指标；设置ACC场地在环测试评价体系的评价方法：针对评价指标燃油消耗量，针对每个场景，在不开启ACC功能时，根据连续的三次油耗值，计算平均值X1和标准差D1；在开启ACC功能时，根据连续的三次油耗值，计算平均值X2和标准差D2；以前三次油耗平均值X1为基准，油耗增加率Z=（X2 - X1）/ X1，以百分数表示；针对评价指标稳定巡航能力，测试全程都无ACC接管请求和理想碰撞预警模块报警，判定测试通过，否则不通过；针对评价指标响应敏捷性、速度模式一致性、距离模式一致性、跟车舒适性，采用获取3个司机组成的评价数据作为评价指标。
进一步地，创建ACC仿真测试流程对应的ACC场景库搭建流程、ACC仿真测试评价流程、评价分值有效性评定流程，具体包括：设置ACC场景库搭建流程：利用场景仿真软件，搭建ACC片段式场景库；针对ACC典型场景，在公开道路上用实车采集若干段场景数据；将采集的视频原始图像数据经过切片、清洗、标注后，在场景仿真软件中重构为场景库；在场景库中加入随机交通流；且ACC场景库搭建流程依次输出三种场景库，即：ACC片段式场景库、ACC重构连续场景库、ACC重构随机交通流场景库。
进一步地，创建ACC仿真测试流程对应的ACC场景库搭建流程、ACC仿真测试评价流程、评价分值有效性评定流程，具体包括：设置ACC仿真测试评价流程：搭建ACC场景库、开展ACC硬件在环仿真测试评价、开展ACC驾驶员在环仿真测试评价、开展ACC场地在环仿真测试评价；且ACC仿真测试评价流程依次输出三种报告，即：输出ACC硬件在环仿真测试评价报告、ACC驾驶员在环仿真测试评价报告、ACC场地在环仿真测试评价报告。
进一步地，创建ACC仿真测试流程对应的ACC场景库搭建流程、ACC仿真测试评价流程、评价分值有效性评定流程，具体还包括：设置评价分值有效性评定流程：获取司机A、B、C分别进行三次连续测试后的打分数据，记录为司机A打分1、司机A打分2、司机A打分3，司机B打分1、司机B打分2、司机B打分3，司机C打分1、司机C打分2、司机C打分3；计算司机A三次打分的平均值X1，以及司机A三次打分的标准差D1；将D1与阈值δ1相比，若D1≤δ1 ，则判定X1有效，将此时X1的值赋给有效平均值Xy，并输出XyA；若D1＞δ1 ，则判定X1无效，重新进行该司机连续三次测试并在每次测试后打分的步骤；同理，依次输出XyB 、XyC；计算XyA 、XyB 、XyC的平均值Xz和标准差 Dz，并判断Dz≤δ2是否成立，若成立，则输出Xz作为测试场景下三位司机评分的最终平均值，Xz=（XyA +XyB+XyC）/3，流程结束；若Dz＞δ2，则判定在测试场景下三位司机的评价结果不合格，重新进行三位司机的三次连续测试并在每次测试后打分的步骤。
本领域技术人员能够理解的是，本发明至少具有如下有益效果：
1、提出了一整套基于在环仿真测试和评价的方法，实现了ACC系统的仿真测试评价；
2、本发明能够在仿真测试中从安全性、舒适性、燃油经济性角度评价ACC系统；
3、提出了一套分值有效性评定方法，且此方法实现了舒适性评价的量化；
4、利用了在环仿真方法测评ACC系统的燃油经济性，实现了将燃油经济性纳入ACC系统仿真测试评价体系之中。
附图说明
下面参照附图来描述本公开的部分实施例，附图中：
图1是本发明一个实施例的ACC场景库搭建流程图；
图2是本发明一个实施例的ACC仿真测试评价流程图；
图3是本发明一个实施例的评价分值有效性评定流程图；
图4是本发明评价小组进行评价的方式的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
下面通过附图对本申请实施例提出的技术方案进行详细的说明。
本发明提出的一种自适应巡航控制系统仿真测试和评价方法包括：创建ACC测试场景库体系、ACC仿真测试评价体系、ACC仿真测试流程。其中，ACC测试场景库体系包括ACC片段式场景库、ACC重构连续场景库、ACC重构随机交通流场景库；ACC仿真测试评价体系包括ACC硬件在环测试评价体系、ACC驾驶员在环测试评价体系、ACC场地在环测试评价体系、ACC仿真测试综合评价；ACC仿真测试流程包括ACC场景库搭建流程、ACC仿真测试评价流程、评价分值有效性评定流程。
具体地，一、ACC测试场景库体系
ACC测试场景库体系包括ACC片段式场景库、ACC重构连续场景库、ACC重构随机交通流场景库三大部分。
1.ACC片段式场景库：
通过场景仿真软件手动搭建的ACC片段式场景库，用于ACC硬件在环测试。
该场景库包括但不限于如下场景：
（1）、直路，目标前车与本车相距200m以上、静止于本车道中央；本车以30km/h、40km/h、50km/h、60km/h接近目标车；
（2）、半径500m弯道，目标前车与本车相距200m以上、静止于本车道中央；本车以30km/h、40km/h、50km/h、60km/h接近目标车；
（3）、半径250m弯道，目标前车与本车相距200m以上、静止于本车道中央；本车以30km/h、40km/h、50km/h、60km/h接近目标车；
（4）、直路，目标前车与本车相距200m以上、位于本车道中央并以30km/h车速匀速行驶；本车以90km/h、100km/h、110km/h、120km/h接近目标车；
（5）、半径500m弯道，目标前车与本车相距200m以上、位于本车道中央并以30km/h车速匀速行驶；本车以90km/h、100km/h、110km/h、120km/h接近目标车；
（6）、半径250m弯道，目标前车与本车相距200m以上、位于本车道中央并以30km/h车速匀速行驶；本车以90km/h、100km/h、110km/h、120km/h接近目标车；
（7）、直路，目标前车与本车相距200m以上、位于本车道中央并以70km/h车速匀速
行驶；本车以90km/h、100km/h、110km/h、120km/h接近目标车；当本车跟车状态稳定后，目标
前车以-3
加速度开始减速；
（8）、半径500m弯道，目标前车与本车相距200m以上、位于本车道中央并以70km/h
车速匀速行驶；本车以90km/h、100km/h、110km/h、120km/h接近目标车；当本车跟车状态稳
定后，目标前车以-3
加速度开始减速；
（9）、半径250m弯道，目标前车与本车相距200m以上、位于本车道中央并以70km/h
车速匀速行驶；本车以90km/h、100km/h、110km/h、120km/h接近目标车；当本车跟车状态稳
定后，目标前车以-3
加速度开始减速；
（10）、直路，目标前车与本车相距200m以上、位于本车道中央并以70km/h车速匀速
行驶；本车以90km/h、100km/h、110km/h、120km/h接近目标车；当本车跟车状态稳定后，目标
前车以-4
加速度开始减速；
（11）、半径500m弯道，目标前车与本车相距200m以上、位于本车道中央并以70km/h
车速匀速行驶；本车以90km/h、100km/h、110km/h、120km/h接近目标车；当本车跟车状态稳
定后，目标前车以-4
加速度开始减速；
（12）、半径250m弯道，目标前车与本车相距200m以上、位于本车道中央并以70km/h
车速匀速行驶；本车以90km/h、100km/h、110km/h、120km/h接近目标车；当本车跟车状态稳
定后，目标前车以-4
加速度开始减速；
（13）、直路，目标前车与本车相距200m以上、位于本车道中央并以30km/h车速匀速
行驶；本车以90km/h、100km/h、110km/h、120km/h接近目标车；当本车跟车状态稳定后，目标
前车以3
加速度开始加速；
（14）、半径500m弯道，目标前车与本车相距200m以上、位于本车道中央并以30km/h
车速匀速行驶；本车以90km/h、100km/h、110km/h、120km/h接近目标车；当本车跟车状态稳
定后，目标前车以3
加速度开始加速；
（15）、半径250m弯道，目标前车与本车相距200m以上、位于本车道中央并以30km/h
车速匀速行驶；本车以90km/h、100km/h、110km/h、120km/h接近目标车；当本车跟车状态稳
定后，目标前车以3
加速度开始加速；
（16）、直路，目标前车与本车相距200m以上、位于本车道中央并以30km/h车速匀速
行驶；本车以90km/h、100km/h、110km/h、120km/h接近目标车；当本车跟车状态稳定后，目标
前车以2
加速度开始加速；
（17）、半径500m弯道，目标前车与本车相距200m以上、位于本车道中央并以30km/h
车速匀速行驶；本车以90km/h、100km/h、110km/h、120km/h接近目标车；当本车跟车状态稳
定后，目标前车以2
加速度开始加速；
（18）、半径250m弯道，目标前车与本车相距200m以上、位于本车道中央并以30km/h
车速匀速行驶；本车以90km/h、100km/h、110km/h、120km/h接近目标车；当本车跟车状态稳
定后，目标前车以2
加速度开始加速；
（19）、直路，目标前车与本车相距200m以上、位于本车道中央并以30km/h车速匀速
行驶；本车以90km/h、100km/h、110km/h、120km/h接近目标车；当本车跟车状态稳定后，目标
前车以1
加速度开始加速；
（20）、半径500m弯道，目标前车与本车相距200m以上、位于本车道中央并以30km/h
车速匀速行驶；本车以90km/h、100km/h、110km/h、120km/h接近目标车；当本车跟车状态稳
定后，目标前车以1
加速度开始加速；
（21）、半径250m弯道，目标前车与本车相距200m以上、位于本车道中央并以30km/h
车速匀速行驶；本车以90km/h、100km/h、110km/h、120km/h接近目标车；当本车跟车状态稳
定后，目标前车以1
加速度开始加速；
（22）、直路，目标前车与本车相距200m以上、目标车与本车横向重叠率50%并以30km/h车速匀速行驶；本车以70km/h接近目标车；
（23）、半径500m弯道，目标前车与本车相距200m以上、目标车与本车横向重叠率50%并以30km/h车速匀速行驶；本车以70km/h接近目标车；
（24）、半径250m弯道，目标前车与本车相距200m以上、目标车与本车横向重叠率50%并以30km/h车速匀速行驶；本车以70km/h接近目标车；
（25）、直路，目标前车与本车相距200m以上、目标车与本车横向重叠率-50%并以30km/h车速匀速行驶；本车以70km/h接近目标车；
（26）、半径500m弯道，目标前车与本车相距200m以上、目标车与本车横向重叠率-50%并以30km/h车速匀速行驶；本车以70km/h接近目标车；
（27）、半径250m弯道，目标前车与本车相距200m以上、目标车与本车横向重叠率-50%并以30km/h车速匀速行驶；本车以70km/h接近目标车。
2.ACC重构连续场景库：
针对ACC典型场景，在公开道路上实际采集若干段连续的场景数据，包括视频原始图像数据、整车CAN和雷达CAN总线报文数据、环视摄像头录制视频等部分，将视频原始图像数据进行切片、清洗、标注，并在场景仿真软件中重构为场景库，即ACC重构连续场景库。
3.ACC重构随机交通流场景库
在上述ACC重构连续场景库中，利用随机交通流软件（如Vissim/SUMO）加入随机交通流，即ACC重构随机交通流场景库。
二、ACC仿真测试评价体系
ACC仿真测试评价体系包括ACC硬件在环测试评价体系、ACC驾驶员在环测试评价体系、ACC场地在环测试评价体系三大部分。
其中，ACC硬件在环测试评价体系主要从安全性维度评价；ACC驾驶员在环测试评价体系主要从舒适性维度评价；ACC场地在环测试评价体系主要从燃油经济性维度评价，同时也从安全性和舒适性角度进行综合评价。
1、ACC硬件在环测试评价体系
（1）测试要求：程序中需要带有理想前向碰撞预警（Forward Collision Warning，简称FCW）模块，该模块的FCW预警不包含任何进入退出条件及抑制条件，当碰撞时间（Timeto Collision，简称TTC）达到相应报警条件时都能发出预警信息。
（2）、测试方法：针对每一个ACC片段式场景库，遍历所有的ACC距离模式挡位。测试场景覆盖整个ACC片段式场景库。
（3）、评价指标：
①目标识别能力：表征能快速切换目标并稳定识别目标的能力；
②稳定巡航能力：全程无ACC人工接管请求发出，无理想前向碰撞预警模块报警。
（4）、评价方法：当测试过程中，能快速切换和稳定识别目标，全程都无ACC人工接管请求发出和理想前向碰撞预警模块报警，就判定该条测试用例通过，否则不通过。
2、ACC驾驶员在环测试评价体系
（1）测试方法：需要由3个有经验的司机组成的评价小组，每个司机针对ACC片段式场景库、ACC重构场景库、ACC重构随机交通流场景库中的所有场景，都进行连续3次测试。
以上三种场景库中的所有场景都以视频注入的形式进行在环仿真测试，并由自动化测试软件调配测试进度。
针对ACC片段式场景库，要遍历所有的ACC距离模式挡位；针对ACC重构场景库和ACC重构随机交通流场景库，司机可根据驾驶经验去实时选择相应的ACC距离模式挡位。
（2）评价指标：
①响应敏捷性：
表征当目标前车运动情况发生变化时，本车能快速达到稳定巡航状态的响应能力；
②速度模式一致性：表征在速度模式下稳定巡航时，本车车速相对稳定并与设定车速保持一致的能力；
③距离模式一致性：表征在距离模式某挡位下稳定巡航时，能达到要求的巡航跟车时距并保持时距相对稳定的能力；
④跟车舒适性：表征在前车加减速过程中，本车通过控制自车的加速度和减速度来实现平稳跟车的能力。
（3）评价方法：
①打分方法，预设打分方法和分值有效性评定方法。
具体地，采用由3个司机组成的评价小组进行评价的方式进行，采取十分制，如图4所示。
②分值有效性评定方法
每位司机针对每个测试场景都进行3次连续测试，每完成一个场景的三次连续测试都紧跟着进行针对该场景的评价。记录所有的测试数据以及针对每个测试场景三位司机的评价数据（打分值），并计算每位司机连续三次打分的平均值X1和标准差D1，若标准差D1超过阈值δ1，则对该场景进行第二轮复测，直到标准差在阈值δ1范围内。（若某场景经过2次以上复测，则将其重点记录并分析。）当每位司机连续三次打分的标准差不超过阈值δ1时，每一位司机同一测试场景下的三次连续测试数据的平均值为有效平均值Xy。
再比较同一测试场景下的三位司机的有效平均值Xy，并计算其标准差Dz，若标准差Dz超过阈值δ2，则复测该场景，直到有效标准差Dz在阈值δ2范围内，且标准差D1在阈值δ1范围内。若标准差Dz不超过阈值δ2，则输出Xz作为该测试场景下三位司机评分的最终平均值，Xz=（XyA +XyB+XyC）/3。（见附图3）（注：通常δ2＞δ1）
3、ACC场地在环测试评价体系
（1）测试要求：
需要有一大片足够宽阔的封闭式场地（直线距离5km以上），且场地内道路平坦且硬化，场地内道路的摩擦系数与公开道路相仿，且场地内无其他人员或者车辆，并有专门人员维持秩序、禁止外人入内。
（2）测试方法：
需要由3个司机组成的评价小组，每个司机针对ACC重构场景库和ACC重构随机交通流场景库中的所有场景都进行6次重复测试，即：针对每个连续测试场景：前三遍都是不开启ACC功能，由司机驾驶真实车辆，根据注入的虚拟连续交通场景，做出加减速的判断；后三遍都开启ACC功能，由ACC系统控制。
以上三种场景库中的所有场景都以视频注入的形式进行在环仿真测试，并由自动化测试软件调配测试进度，并记录所有测试数据。
每完成一段完整的ACC重构连续场景1次测试，或者每完成一段ACC重构随机交通流场景1次测试，就用车载油耗仪记录该次测试具体的燃油消耗量。
针对ACC重构连续场景库和ACC重构随机交通流场景库，在开启ACC功能时，司机根据驾驶经验去实时选择相应的ACC距离模式挡位。
（3）评价指标：
①燃油消耗量：表征燃油经济性；
②稳定巡航能力：无ACC人工接管请求发出，无理想FCW模块报警；
③响应敏捷性：表征当目标前车运动情况发生变化时，本车能快速达到稳定巡航状态的响应能力；
④速度模式一致性：表征在速度模式下稳定巡航时，本车车速相对稳定并与设定车速的一致性；
⑤距离模式一致性：表征在距离模式某挡位下稳定巡航时，能达到要求的巡航时距并保持时距相对稳定的能力；
⑥跟车舒适性：表征在前车加减速过程中，本车通过控制自车加速度和减速度来实现平稳跟车的能力。
（4）评价方法：
针对评价指标①燃油消耗量：针对每个场景，在不开启ACC功能时，根据连续的三次油耗值，计算平均值X1和标准差D1；在开启ACC功能时，根据连续的三次油耗值，计算平均值X2和标准差D2。（若标准差超过一定阈值，则对该场景进行第二轮复测，直到标准差在一定阈值范围内。若某场景经过2次以上复测，则将其重点记录并分析。）以前三次油耗平均值X1为基准，油耗增加率Z=（X2 - X1）/ X1，以百分数表示。
针对评价指标②稳定巡航能力，测试全程都无ACC接管请求和理想FCW预警，判定该条测试用例通过，否则不通过。
针对评价指标③响应敏捷性、④速度模式一致性、⑤距离模式一致性、⑥跟车舒适性，仍采用由3个司机组成的评价小组进行评价的方式进行，以上四项每一项在每一次测试后，都进行一次主观打分，仍采取十分制，同上图4。其分值有效性判定方法也同上。
三、测试流程体系
测试流程体系分为ACC场景库搭建流程、ACC仿真测试评价流程、评价分值有效性评定流程。
1、 ACC场景库搭建流程：
ACC场景库搭建流程共分四步，即：利用场景仿真软件，手动搭建ACC片段式场景库；针对ACC典型场景，在公开道路上用实车采集若干段场景数据；将采集的视频原始图像数据经过切片、清洗、标注后，在场景仿真软件中重构为场景库；在上述场景库中加入随机交通流。
此流程依次输出三种场景库，即：ACC片段式场景库、ACC重构连续场景库、ACC重构随机交通流场景库。
2、ACC仿真测试评价流程：
ACC仿真测试评价流程共分四步，即：利用场景仿真软件，手动搭建ACC片段式场景库；针对ACC典型场景，在公开道路上用实车采集若干段场景数据；将采集的视频原始图像数据经过切片、清洗、标注后，在场景仿真软件中重构为场景库；在上述场景库中加入随机交通流。
此流程依次输出三种场景库，即：ACC片段式场景库、ACC重构连续场景库、ACC重构随机交通流场景库。
3、评价分值有效性评定流程：
在评价分值有效性评定流程中，司机A分别进行三次连续测试，每次测试后依次打分，记录为司机A打分1、司机A打分2、司机A打分3，计算司机A三次打分的平均值X1，以及司机A三次打分的标准差D1。将D1与阈值δ1相比，若D1≤δ1 ，则判定X1有效，将此时X1的值赋给有效平均值，并输出XyA。若D1＞δ1 ，则判定X1无效，重新进行该司机连续三次测试并在每次测试后打分的步骤。
如此，可依次输出XyB 、XyC。计算XyA 、XyB 、XyC的平均值Xz和标准差 Dz，并判断Dz≤δ2是否成立，若成立，则输出Xz作为该测试场景下三位司机评分的最终平均值，Xz=（XyA +XyB+XyC）/3，流程结束。若Dz＞δ2，则判定在该测试场景下三位司机的评价结果不可靠，重新进行三位司机的三次连续测试并在每次测试后打分的步骤。（注：通常δ2 ＞δ1 ）
作为实施例一地：
如图1所示，本发明实施例提供一种ACC场景库搭建流程图，框图详细介绍了ACC仿真测试场景库搭建的流程。
此流程共分四步，即：利用场景仿真软件，手动搭建ACC片段式场景库；针对ACC典型场景，在公开道路上用实车采集若干段场景数据；将采集的视频原始图像数据经过切片、清洗、标注后，在场景仿真软件中重构为场景库；在上述场景库中加入随机交通流。
此流程依次输出三种场景库，即：ACC片段式场景库、ACC重构连续场景库、ACC重构随机交通流场景库。
作为实施例二地：
如图2所示，本发明实施例提供一种ACC仿真测试评价流程图。该流程共分四步，即：搭建ACC场景库、开展ACC硬件在环仿真测试评价、开展ACC驾驶员在环仿真测试评价、开展ACC场地在环仿真测试评价。
此流程依次输出三种报告，即：输出ACC硬件在环仿真测试评价报告、ACC驾驶员在环仿真测试评价报告、ACC场地在环仿真测试评价报告。
作为实施例三地：
如图3所示，本发明实施例提供一种评价分值有效性评定流程，在该流程中，司机A分别进行三次连续测试，每次测试后依次打分，记录为司机A打分1、司机A打分2、司机A打分3，计算司机A三次打分的平均值X1，以及司机A三次打分的标准差D1。将D1与阈值δ1相比，若D1≤δ1 ，则判定X1有效，将此时X1的值赋给有效平均值，并输出XyA。若D1＞δ1 ，则判定X1无效，重新进行该司机连续三次测试并在每次测试后打分的步骤。
如此，可依次输出XyB 、XyC。计算XyA 、XyB 、XyC的平均值Xz和标准差 Dz，并判断Dz≤δ2是否成立，若成立，则输出Xz作为该测试场景下三位司机评分的最终平均值，Xz=（XyA +XyB+XyC）/3，流程结束。若Dz＞δ2，则判定在该测试场景下三位司机的评价结果不可靠，重新进行三位司机的三次连续测试并在每次测试后打分的步骤。（注：通常δ2＞δ1）
尽管通过参考附图并结合优选实施例的方式对本发明进行了详细描述，但本发明并不限于此。在不脱离本发明的精神和实质的前提下，本领域普通技术人员可以对本发明的实施例进行各种等效的修改或替换，而这些修改或替换都应在本发明的涵盖范围内/任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
实施例进行各种等效的修改或替换，而这些修改或替换都应在本发明的涵盖范围内/任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种自适应巡航控制系统仿真测试和评价方法，其特征在于，所述方法包括：
建立ACC测试场景库体系、ACC仿真测试评价体系、ACC仿真测试流程；
创建ACC测试场景库体系对应的ACC片段式场景库、ACC重构连续场景库和ACC重构随机交通流场景库；
创建ACC仿真测试评价体系对应的ACC硬件在环测试评价体系、ACC驾驶员在环测试评价体系和ACC场地在环测试评价体系；
创建ACC仿真测试流程对应的ACC场景库搭建流程、ACC仿真测试评价流程、评价分值有效性评定流程。
2.根据权利要求 1 所述的自适应巡航控制系统仿真测试和评价方法，其特征在于，创建ACC测试场景库体系对应的ACC片段式场景库、ACC重构连续场景库和ACC重构随机交通流场景库，具体包括：
搭建ACC测试场景库体系中的ACC片段式场景库时，通过场景仿真软件搭建，用于ACC硬件在环测试；
搭建ACC测试场景库体系中的ACC重构连续场景库时，针对ACC典型场景，在公开道路上实际采集若干段连续的场景数据；其中，场景数据至少包括视频原始图像数据、整车CAN和雷达CAN总线报文数据、环视摄像头录制视频；将视频原始图像数据进行切片、清洗、标注，并在场景仿真软件中重构为场景库，以完成创建ACC重构连续场景库；
搭建ACC测试场景库体系中的ACC重构随机交通流场景库时，在ACC重构连续场景库中，利用随机交通流软件加入随机交通流，以创建ACC重构随机交通流场景库。
3.根据权利要求 1 所述的自适应巡航控制系统仿真测试和评价方法，其特征在于，创建ACC仿真测试评价体系对应的ACC硬件在环测试评价体系、ACC驾驶员在环测试评价体系和ACC场地在环测试评价体系，具体包括：
设置ACC硬件在环测试评价体系的测试要求：设置不包含进入退出条件及抑制条件的理想前向碰撞预警模块，当检测到碰撞时间达到相应报警条件时，发出预警信息；
设置ACC硬件在环测试评价体系的测试方法：针对每一个ACC片段式场景库，遍历所有的ACC距离模式挡位，测试场景覆盖整个ACC片段式场景库；
设置ACC硬件在环测试评价体系的评价指标：目标识别能力和稳定巡航能力；目标识别能力：表征能快速切换目标并稳定识别目标的能力；稳定巡航能力：无ACC接管退出，无理想前向碰撞预警模块报警；
设置ACC硬件在环测试评价体系的评价方法：能快速切换和稳定识别目标，且全程都无ACC人工接管请求发出和理想前向碰撞预警模块报警，就判定为通过，否则不通过。
4.根据权利要求 1 所述的自适应巡航控制系统仿真测试和评价方法，其特征在于，创建ACC仿真测试评价体系对应的ACC硬件在环测试评价体系、ACC驾驶员在环测试评价体系和ACC场地在环测试评价体系，具体还包括：
设置ACC驾驶员在环测试评价体系的测试方法：构建测试司机测评数据获取环节，以获取ACC片段式场景库、ACC重构场景库、ACC重构随机交通流场景库中的所有场景的连续3次测试的测试数据和评价数据；其中，所有场景都以视频注入的形式进行在环仿真测试，并由自动化测试软件调配测试进度，且针对ACC片段式场景库，遍历所有的ACC距离模式挡位；
设置ACC驾驶员在环测试评价体系的评价指标：响应敏捷性、速度模式一致性、距离模式一致性、跟车舒适性；其中，响应敏捷性为：目标前车运动情况发生变化时，本车能快速达到稳定巡航状态的响应能力；速度模式一致性为：在速度模式下稳定巡航时，本车车速相对稳定并与设定车速保持一致的能力；距离模式一致性为：在距离模式且在任一挡位下稳定巡航时，能达到预设的巡航跟车时距并保持时距相对稳定的能力；跟车舒适性为：在前车加减速过程中，本车通过控制自车加速度和减速度来实现平稳跟车的能力；
设置ACC驾驶员在环测试评价体系的评价方法：根据预设打分方法和分值有效性评定方法。
5.根据权利要求 1 所述的自适应巡航控制系统仿真测试和评价方法，其特征在于，设置ACC驾驶员在环测试评价体系的评价方法：根据预设打分方法和分值有效性评定方法，具体包括：
获取三位司机在每个测试场景的3次连续测试过程中的测试数据；获取三位司机在每个测试场景的3次连续测试后的评价数据，并计算每位司机连续三次打分的平均值X1和标准差D1；
若标准差D1超过阈值δ1，则对场景进行第二轮复测，直到标准差在阈值δ1范围内；当每位司机连续三次打分的标准差不超过阈值δ1时，司机A、司机B、司机C在同一测试场景下的三次连续测试数据的平均值分别为有效平均值XyA、XyB、XyC ；再比较同一测试场景下的三位司机的有效平均值Xz，Xz=（XyA +XyB+XyC）/3，并计算标准差Dz，若标准差Dz超过阈值δ2，则复测场景，直到有效标准差Dz在阈值δ2范围内，且标准差D1在阈值δ1范围内；若标准差Dz不超过阈值δ2，则输出Xz作为测试场景下三位司机评分的最终平均值。
6.根据权利要求 1 所述的自适应巡航控制系统仿真测试和评价方法，其特征在于，创建ACC仿真测试评价体系对应的ACC硬件在环测试评价体系、ACC驾驶员在环测试评价体系和ACC场地在环测试评价体系，具体还包括：
设置ACC场地在环测试评价体系的测试要求：布置预设面积预设环境的封闭式场地；
设置ACC场地在环测试评价体系的测试方法：获取3个司机对ACC重构场景库和ACC重构随机交通流场景库中的所有场景都进行6次重复测试的测试数据，以及测试后的评价数据，其中，前三遍是不开启ACC功能；后三遍开启ACC功能，由ACC系统控制；所有场景都以视频注入的形式进行在环仿真测试，并由自动化测试软件调配测试进度；每完成一段完整的ACC重构连续场景1次测试，或者每完成一段ACC重构随机交通流场景1次测试，就用车载油耗仪记录该次测试具体的燃油消耗量。
7.根据权利要求 1 所述的自适应巡航控制系统仿真测试和评价方法，其特征在于，创建ACC仿真测试评价体系对应的ACC硬件在环测试评价体系、ACC驾驶员在环测试评价体系和ACC场地在环测试评价体系，具体还包括：
设置ACC场地在环测试评价体系的评价指标：获取燃油消耗量、稳定巡航能力、响应敏捷性、速度模式一致性、距离模式一致性、跟车舒适性各自对应的评价数据；其中，燃油消耗量为表征燃油经济性的指标；稳定巡航能力为表征长时间保持无ACC人工接管请求发出、无理想碰撞预警模块报警能力的指标；响应敏捷性为表征当目标前车运动情况发生变化时，本车能快速达到稳定巡航状态的响应能力的指标；速度模式一致性为表征在速度模式下稳定巡航时，本车车速相对稳定并保持与设定车速一致性能力的指标；距离模式一致性为表征在距离模式任一挡位下稳定巡航时，能达到预设的巡航跟车时距并保持时距相对稳定能力的指标；跟车舒适性为表征在前车加减速过程中，本车通过控制自车加速度和减速度来实现平稳跟车的能力的指标；
设置ACC场地在环测试评价体系的评价方法：针对评价指标燃油消耗量，针对每个场景，在不开启ACC功能时，根据连续的三次油耗值，计算平均值X1和标准差D1；在开启ACC功能时，根据连续的三次油耗值，计算平均值X2和标准差D2；以前三次油耗平均值X1为基准，油耗增加率Z=（X2 - X1）/ X1，以百分数表示；针对评价指标稳定巡航能力，测试全程都无ACC接管请求和理想碰撞预警模块报警，判定测试通过，否则不通过；针对评价指标响应敏捷性、速度模式一致性、距离模式一致性、跟车舒适性，采用获取3个司机组成的评价数据作为评价指标。
8.根据权利要求 1 所述的自适应巡航控制系统仿真测试和评价方法，其特征在于，创建ACC仿真测试流程对应的ACC场景库搭建流程、ACC仿真测试评价流程、评价分值有效性评定流程，具体包括：
设置ACC场景库搭建流程：利用场景仿真软件，搭建ACC片段式场景库；针对ACC典型场景，在公开道路上用实车采集若干段场景数据；将采集的视频原始图像数据经过切片、清洗、标注后，在场景仿真软件中重构为场景库；在场景库中加入随机交通流；且ACC场景库搭建流程依次输出三种场景库，即：ACC片段式场景库、ACC重构连续场景库、ACC重构随机交通流场景库。
9.根据权利要求 1 所述的自适应巡航控制系统仿真测试和评价方法，其特征在于，创建ACC仿真测试流程对应的ACC场景库搭建流程、ACC仿真测试评价流程、评价分值有效性评定流程，具体包括：
设置ACC仿真测试评价流程：搭建ACC场景库、开展ACC硬件在环仿真测试评价、开展ACC驾驶员在环仿真测试评价、开展ACC场地在环仿真测试评价；且ACC仿真测试评价流程依次输出三种报告，即：输出ACC硬件在环仿真测试评价报告、ACC驾驶员在环仿真测试评价报告、ACC场地在环仿真测试评价报告。
10.根据权利要求 1 所述的自适应巡航控制系统仿真测试和评价方法，其特征在于，创建ACC仿真测试流程对应的ACC场景库搭建流程、ACC仿真测试评价流程、评价分值有效性评定流程，具体还包括：
设置评价分值有效性评定流程：获取司机A、司机B、司机C分别进行三次连续测试后的打分数据，记录为司机A打分1、司机A打分2、司机A打分3，司机B打分1、司机B打分2、司机B打分3，司机C打分1、司机C打分2、司机C打分3；计算司机A三次打分的平均值X1，以及司机A三次打分的标准差D1；将D1与阈值δ1相比，若D1≤δ1 ，则判定X1有效，将此时X1的值赋给有效平均值Xy，并输出XyA；若D1＞δ1 ，则判定X1无效，重新进行该司机连续三次测试并在每次测试后打分的步骤；
同理，依次输出XyB 、XyC；计算XyA 、XyB 、XyC的平均值Xz和标准差 Dz，并判断Dz≤δ2是否成立，若成立，则输出Xz作为测试场景下三位司机评分的最终平均值，Xz=（XyA +XyB+XyC）/3，流程结束；若Dz＞δ2，则判定在测试场景下三位司机的评价结果不合格，重新进行三位司机的三次连续测试并在每次测试后打分的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211462767.7A CN115576224B (zh) | 2022-11-22 | 2022-11-22 | 一种自适应巡航控制系统仿真测试和评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211462767.7A CN115576224B (zh) | 2022-11-22 | 2022-11-22 | 一种自适应巡航控制系统仿真测试和评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115576224A true CN115576224A (zh) | 2023-01-06 |
| CN115576224B CN115576224B (zh) | 2023-10-10 |
Family
ID=84589251
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211462767.7A Active CN115576224B (zh) | 2022-11-22 | 2022-11-22 | 一种自适应巡航控制系统仿真测试和评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115576224B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117664601A (zh) * | 2024-01-31 | 2024-03-08 | 中汽研汽车检验中心（天津）有限公司 | 一种汽车预见性巡航技术节能效果测试评价方法及系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108646586A (zh) * | 2018-03-20 | 2018-10-12 | 重庆邮电大学 | 一种智能网联汽车在环仿真、测试验证系统与方法 |
| CN110779730A (zh) * | 2019-08-29 | 2020-02-11 | 浙江零跑科技有限公司 | 基于虚拟驾驶场景车辆在环的l3级自动驾驶系统测试方法 |
| US10599155B1 (en) * | 2014-05-20 | 2020-03-24 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle operation feature monitoring and evaluation of effectiveness |
| CN111144015A (zh) * | 2019-12-30 | 2020-05-12 | 吉林大学 | 一种自动驾驶汽车虚拟场景库构建方法 |
| CN111580500A (zh) * | 2020-05-11 | 2020-08-25 | 吉林大学 | 一种针对自动驾驶汽车安全性的评价方法 |
| CN111752168A (zh) * | 2020-07-17 | 2020-10-09 | 吉林大学 | 基于驾驶员在环实验的人车协同转向控制器评价方法 |
| CN112241127A (zh) * | 2019-12-20 | 2021-01-19 | 北京新能源汽车技术创新中心有限公司 | 自动驾驶安全评分方法、装置、计算机设备和存储介质 |
| CN113009900A (zh) * | 2021-02-06 | 2021-06-22 | 武汉光庭信息技术股份有限公司 | 一种adas控制器硬件在环仿真系统 |
| CN114354219A (zh) * | 2022-01-07 | 2022-04-15 | 苏州挚途科技有限公司 | 自动驾驶车辆的测试方法及装置 |
| CN114428998A (zh) * | 2022-01-27 | 2022-05-03 | 中汽院智能网联科技有限公司 | 一种自动驾驶系统一体化仿真测试与评价方法及系统 |
-
2022
- 2022-11-22 CN CN202211462767.7A patent/CN115576224B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10599155B1 (en) * | 2014-05-20 | 2020-03-24 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle operation feature monitoring and evaluation of effectiveness |
| CN108646586A (zh) * | 2018-03-20 | 2018-10-12 | 重庆邮电大学 | 一种智能网联汽车在环仿真、测试验证系统与方法 |
| CN110779730A (zh) * | 2019-08-29 | 2020-02-11 | 浙江零跑科技有限公司 | 基于虚拟驾驶场景车辆在环的l3级自动驾驶系统测试方法 |
| CN112241127A (zh) * | 2019-12-20 | 2021-01-19 | 北京新能源汽车技术创新中心有限公司 | 自动驾驶安全评分方法、装置、计算机设备和存储介质 |
| CN111144015A (zh) * | 2019-12-30 | 2020-05-12 | 吉林大学 | 一种自动驾驶汽车虚拟场景库构建方法 |
| US20210197851A1 (en) * | 2019-12-30 | 2021-07-01 | Yanshan University | Method for building virtual scenario library for autonomous vehicle |
| CN111580500A (zh) * | 2020-05-11 | 2020-08-25 | 吉林大学 | 一种针对自动驾驶汽车安全性的评价方法 |
| CN111752168A (zh) * | 2020-07-17 | 2020-10-09 | 吉林大学 | 基于驾驶员在环实验的人车协同转向控制器评价方法 |
| CN113009900A (zh) * | 2021-02-06 | 2021-06-22 | 武汉光庭信息技术股份有限公司 | 一种adas控制器硬件在环仿真系统 |
| CN114354219A (zh) * | 2022-01-07 | 2022-04-15 | 苏州挚途科技有限公司 | 自动驾驶车辆的测试方法及装置 |
| CN114428998A (zh) * | 2022-01-27 | 2022-05-03 | 中汽院智能网联科技有限公司 | 一种自动驾驶系统一体化仿真测试与评价方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 陈帅等: "乘用车自适应巡航控制主观评价方法研究", 《中国汽车》 * |
| 陈帅等: "乘用车自适应巡航控制主观评价方法研究", 《中国汽车》, 16 September 2020 (2020-09-16), pages 58 - 62 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117664601A (zh) * | 2024-01-31 | 2024-03-08 | 中汽研汽车检验中心（天津）有限公司 | 一种汽车预见性巡航技术节能效果测试评价方法及系统 |
| CN117664601B (zh) * | 2024-01-31 | 2024-05-07 | 中汽研汽车检验中心（天津）有限公司 | 一种汽车预见性巡航技术节能效果测试评价方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115576224B (zh) | 2023-10-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112781887B (zh) | 测试车辆性能的方法、装置和系统 | |
| EP1332910B1 (en) | Method and system for vehicle operator assistance improvement | |
| CN106781454B (zh) | 驾驶行为的评估方法和装置 | |
| Smith et al. | Feasibility of driver judgment as basis for a crash avoidance database | |
| McAvoy et al. | Simulator study of primary and precipitating factors in work zone crashes | |
| CN111526311B (zh) | 驾驶用户行为的判断方法、系统、计算机设备及存储介质 | |
| Hang et al. | An improved automated braking system for rear-end collisions: A study based on a driving simulator experiment | |
| CN115576224A (zh) | 一种自适应巡航控制系统仿真测试和评价方法 | |
| CN112100857A (zh) | 一种分心驾驶行为的风险评估方法 | |
| Varotto et al. | Driver speed compliance following automatic incident detection: Insights from a naturalistic driving study | |
| Wang et al. | Effect of daily car-following behaviors on urban roadway rear-end crashes and near-crashes: A naturalistic driving study | |
| CN113232670A (zh) | 基于区块链的驾驶行为分析方法 | |
| Bareiss | Effectiveness of Intersection Advanced Driver Assistance Systems in Preventing Crashes and Injuries in Left Turn Across Path/Opposite Direction Crashes in the United States | |
| Bella et al. | Combined effect of traffic and geometrics on rear-end collision risk: Driving simulator study | |
| Yan et al. | Investigating initial driver intention on overtaking on rural roads | |
| Scanlon | Evaluating the Potential of an Intersection Driver Assistance System to Prevent US Intersection Crashes | |
| Jonas et al. | Variability in circumstances underlying pedal errors: an investigation using the national motor vehicle crash causation survey | |
| Suetomi et al. | Driver behavior under a collision warning system-a driving simulator study | |
| Peng et al. | A Method for Vehicle Collision Risk Assessment through Inferring Driver's Braking Actions in Near-Crash Situations | |
| Del Re et al. | Implementation of road safety perception in autonomous vehicles in a lane change scenario | |
| Sato et al. | Applying fuzzy logic to understanding driving modes in real road environments | |
| Imaseki et al. | Predicting the severity of driving scenario for rear-end and cut-in collisions using potential risk indicator extracted from near-miss video database | |
| Nakamura et al. | A vehicle behavioral analysis of the signal pre-warning information provided to the driver | |
| Wu et al. | Using on-board video data for safety analysis–An analysis of right hook crashes involving large buses at signalized intersections | |
| Zhang et al. | Analysis of the Driver’s Breaking Response in the Safety Cut-in Scenario Based on Naturalistic Driving |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |