CN110531740B - 一种智能车智能化程度量化测评方法 - Google Patents

Abstract

本发明公开了一种智能车智能化程度量化测评方法，该方法包括：S1，按照自主驾驶功能，对智能车的智能化程度进行层次划分；S2，搭建智能车智能化程度评测环境；S3，设定智能车评测方案，该方案包括测试环境、测试任务、评价对象和评价指标；S4，选取智能化测评指标，并通过分析表征评价智能车行车过程的关键参数，构建适合的评价指标体系；S5，获取被测智能车在不同测试任务场景下的多组量化评价依据数据；S6，求取实现最高等级无人驾驶时对应的智能化程度，并以此为基准对被测智能车的被测自动驾驶***的智能化程度进行评价。本发明能够完整真实地对驾驶辅助***及智能车测评其所处的不同智能化程度。

Description

一种智能车智能化程度量化测评方法

技术领域

本发明涉及一种驾驶辅助***、智能车测评技术领域，尤其涉及一种智能车智能化程度量化测评方法。

背景技术

智能车具备提高汽车生产率，运输***的安全性和效率的潜力，而随着人们需求的提高，自主驾驶***变得越来越复杂，因此必须对其进行有效测试，以验证智能车能否更好为人们服务。智能化程度评价被认为是智能车研究的重要组成部分；它能够测评从智能车各组成***到整体的智能化程度，有助于发现研究问题，提高自主驾驶安全性。现有智能车测试评价项目已逐步进行，一些特定的测试中心，如密歇根大学交通运输学院的麦基蒂，已经开展测试自主驾驶的工作，各种软件仿真测试、硬件在环测试技术也在逐渐加以应用。

然而，这些测试手段是封闭的、模拟的，局限在特定交通场景中，难以复现或模拟人-车-环境交互的真实复杂交通。而进行智能车实地测试的项目主要是各国的无人车挑战赛，如欧洲陆地机器人试验机器人竞赛，美国DARPA组织的无人车辆大赛，中国的智能车未来挑战赛等，这些挑战赛致力于在模拟城市环境中，开发主动车辆安全测试和测评方法，并测试车辆协同驾驶水平。通过多年经验积累，智能车挑战赛逐步形成较为完善的适合于无人驾驶的智能行为评价体系，然而，这些智能车的相关测试并没有涵盖所有真实的交通场景，也没有获取其安全水平对应的不同智能化等级，且测试车辆智能化程度是否能够保证其安全行驶还有待考证。同时，在整个开发过程中，包括功能开发和测试、***集成和验证、试驾和验证等，仍然非常需要完整的自主车辆测试方法。

因此，总结现有智能车智能化程度量化测评方法存在的一些问题：

1.智能车智能化程度的“智能”的定义不明。现有测评方法没有给出测评智能化的具体手段，未清晰定义智能所覆盖的指标和量化其在环境中采取适应性决策和行动的能力。

2.智能车智能化程度测评技术缺乏***性。由于智能车智能化程度的特殊性(测试环境与对象的未知性、评价指标的综合性)，该***的评价方法需要能够综合实现测试环境搭建、***辨识、碰撞过程分析等功能，并保证满足可扩展性、精度高、运算快速和结果可重复等要求，但目前测评方法功能独立，不具***性。

3.智能车智能化程度测评指标单一。由于智能车本身属于集成化智能体，现有自主无人***的测评方法，主要包括：等级评价方法，双轴法，三轴法，查表法、公式法、蛛网评价模型法。无人驾驶***的自主评价方法必须考虑多样性，多维性，层次性，以及初级和次级的应用目标和***本身的性质。这些测评方法不仅单一指标测评不够充分，而且类似任务驱动的测评指标可能不满足驾驶人的驾驶需求。

由此可见，现有的智能车的性能测评方法和相关技术难以满足智能车技术的发展需求。因此，为解决上述问题，有必要开发一种智能车智能化程度量化测评方法及装置。

发明内容

本发明的目的在于提供一种智能车智能化程度量化测评方法，其能够完整真实地对驾驶辅助***及智能车测评其所处的不同智能化程度。

为实现上述目的，本发明提供一种智能车智能化程度量化测评方法，所述智能车智能化程度量化测评方法包括：S1，按照自主驾驶功能，对智能车的智能化程度进行层次划分，主要划分为环境感知层、行为决策层和运动规划层；S2，针对单一自主驾驶功能驾驶辅助***或多自主驾驶功能***融合的同一层次设备进行测试其智能化程度，搭建与S1中划分的层次相对应的智能车智能化程度评测环境；S3，根据S2提供的每一层次对应的智能车智能化程度评测环境，设定相应的智能车评测方案，该方案包括测试环境、测试任务、评价对象和评价指标；S4，针对S3提供的评价指标，选取智能化测评指标，并通过分析表征评价智能车行车过程的关键参数，构建适合的评价指标体系；S5，在S3设定的测试任务场景中，获取被测智能车在不同测试任务场景下的多组量化评价依据数据；S6，对S5获得的每一组量化评价依据数据进行统计分析，并根据各统计分析结果所属S4中的智能化测评指标，求取实现最高等级无人驾驶时对应的智能化程度，并以此为基准对被测智能车的被测自动驾驶***的智能化程度进行评价。

进一步地，S4中的智能化测评指标包括安全性、高效性、合理性及舒适性；在一个有n个道路使用者的交通***中，采用式(12)提供的综合指标S_int表示被测智能车i在行车过程中对智能化测评指标的多目标追求：

式(12)和式(13)中，t₀为被测智能车i驾驶过程的起始时刻，t_f为被测智能车i驾驶过程的终止时刻，m_i为被测智能车i的质量，v_i为被测智能车i的速度，v_j为其它道路使用者j的速度，

为被测智能车i的横向冲击度，

为被测智能车i的纵向冲击度，R_i为交通规则对驾驶人的纵向约束阻力，G_i为虚拟引力，v_i，x为被测智能车i的纵向速度，F_Ii，1和F_Ii，2分别为两侧车道线对驾驶人的横向约束力，v_i，y为被测智能车i的横向速度，F_ji为其它道路使用者j对被测智能车i造成的外在力。

进一步地，所述安全性主要通过由式(1)所表征的被测智能车i在特定交通场景中的行车风险水平U_risk而计算得到：

式(1)至式(5)中，t₀为被测智能车i驾驶过程的起始时刻，t_f为被测智能车i驾驶过程的终止时刻，m_i为被测智能车i的质量，v_i为被测智能车i的速度，v_limit为车道限速，τ为校准参数，v_i，x为被测智能车i的纵向速度，v_i，y为被测智能车i的横向速度，v_j为其它道路使用者的速度，l_t为车道线类型，r_li为被测智能车i与道路边界的距离，l_w为车道宽度，d_ij为被测智能车i与其它道路使用者j的中心点之间的直线距离，v_ij为被测智能车i和其它道路使用者j之间的相对速度，θ_ij为从d_ij到v_ij的夹角，

是从d_ij到v_i的夹角且逆时针方向为正，m_j为其它道路使用者j的实际物理质量，

为关于其它道路使用者j速度v_j的函数，T_j为其它道路使用者j的类型。

进一步地，所述高效性主要通过式(7)表示的被测智能车完成任务的效率U_eff进行衡定：

G_i＝m_ig sinθ_i (8)

式(7)至(9)中，m_i为被测智能车i的质量，v_i为被测智能车i的速度，v_i，x为被测智能车i的纵向速度，g为重力加速度；k为常数，v_der为驾驶人的期望速度，v_limit为车道限速。

进一步地，所述合理性主要通过由式(10)所表示的体现所假设的/真实存在的驾驶人心理预期度U_com而计算得到：

式(4)、式(5)和式(10)中，t₀为被测智能车i驾驶过程的起始时刻，t_f为被测智能车i驾驶过程的终止时刻，m_i为被测智能车i的质量，v_i为被测智能车i的速度，v_j为其它道路使用者的速度，v_ij为被测智能车i和其它道路使用者j之间的相对速度，d_ij为被测智能车i的与其它道路使用者j的中心点之间的直线距离，θ_ij为从d_ij到v_ij的夹角，

是从d_ij到v_i的夹角且逆时针方向为正，m_j为其它道路使用者j的实际物理质量，

为关于其它道路使用者j速度v_j的函数，T_j为其它道路使用者j的类型。

进一步地，所述舒适性通过车辆性能指标来进行反映，其定义为式(11)表示的舒适软约束函数U_smooth：

式(11)中，

为被测智能车i的横向冲击度，

为被测智能车i的纵向冲击度。

进一步地，S6中的“表征驾驶过程安全、高效、舒适和合理的智能化程度”定义为D_int，其值越高智能化程度越高，将数据统一映射到[0，1]区间上：

式(15)中，S_int为被测智能车i在行车过程中对安全性、高效性、合理性和舒适性的多目标追求的智能化程度的综合指标，

为智能车达到最高等级智能水平时完成整个测试理论上的最小作用量。

进一步地，

采用数据挖掘平均方法获得，或者采用如下式(14)获得：

进一步地，在环境感知层，其根据具备环境感知功能的设备融合后数据的可靠性，对不同物体的运动状态和物理属性进行预测并过滤，同时识别道路使用者的相对距离、运动方向、速度、姿态和定位估计，以单独测评被测智能车上搭载的具备环境感知功能的设备的环境感知能力；

在行为决策层，其通过对被测智能车在结构化或非结构化道路环境中行驶时，其决策后策略是否使得行车过程的智能化程度提高进行考核，以单独测评被测智能车的行为决策能力；

在运动规划层，其通过对被测智能车的行驶过程的速度规划、局部路径规划，生成安全可行的行驶轨迹，以及轨迹规划是否符合所设定的安全性、高效性、合理性以及舒适性的判别指标进行单独测评。

本发明由于采取以上技术方案，其具有以下优点：1、本发明提出的新的智能车智能化程度量化测评方法能够公开、定量和公平地测量智能车由单个驾驶辅助***到整体智能车的智能化程度，具体可以从环境感知、行为决策、运动规划三层次测评车辆的性能并检测车辆任务执行情况。2、本发明提出的智能车智能化程度量化测评方法适用于人-车-路复杂环境交互***，考虑了智能车整个测试过程的行车轨迹(速度、加速度等)、行驶时间、具体制动操作等，并对这些操作进行指标量化，基于真实操作行为，使得智能水平的定量评价结果更具合理可靠性。3、本发明提出的智能车智能化程度量化测评方法综合考虑了行车安全性、高效性、合理性、舒适性等指标，并根据交通环境对智能车评测进行综合建模，基于理论最小作用量定义了被测智能车的智能水平，建立了完备的无人驾驶车辆智能水平的评价指标体系，其结果能够直接支撑智能车测评。

附图说明

图1为本发明提供的智能车智能化程度多层次量化评估框架图；

图2为本发明提供的智能车智能化程度的测评流程图；

图3为本发明提供的智能车测试驾驶任务设计示意图；

图4至图11为本发明提供的测试智能车智能化程度的不同测试场景示意图。

具体实施方式

在附图中，使用相同或类似的标号为相同或类似的元件或具有相同或类似功能的元件。下面结合附图对本发明的实施例进行详细说明。

如图1所示，本实施例所提供的智能车智能化程度量化测评方法包括如下步骤：

S1，按照自主驾驶功能，对智能车的智能化程度进行层次划分，主要划分为环境感知层、行为决策层和运动规划层。

S2，针对单一自主驾驶功能驾驶辅助***或多自主驾驶功能***融合的同一层次设备进行测试其智能化程度，搭建与S1中划分的层次相对应的智能车智能化程度评测环境。

1.在环境感知层，对被测智能车的环境感知能力可以进行单独测评，即量化测评被测智能车上搭载的具备环境感知功能的设备，如激光雷达、毫米波雷达、摄像头等多传感器，测评多传感器融合检测精度。主要检测对象包括结构化道路、交通标志、动态和静态道路使用者。在测试过程中，被测智能车将根据多传感器融合后数据的可靠性，对不同物体的运动状态和物理属性进行预测并过滤，同时识别其它道路使用者的相对距离、运动方向、速度、姿态和定位估计，包括其它道路使用者数量统计及属性类别(如行人、交通标志、交通灯、车道线、其它车辆和其它相关元素)。

2.在行为决策层，对被测智能车的行为决策能力可以进行单独测评。测评行为决策***主要包括对被测智能车在结构化或非结构化道路环境中行驶时，能在复杂多变交通场景下做出合理的驾驶行为。主要考核指标包括决策后策略是否使得行车过程的智能化程度提高，可通过记录反应时间和操作正确性等来进行初步考核。主要决策行为包括车道保持、换道、超车、通过路口等。在满足环境感知层输出准确性基础上，可以实现行为决策层的测评。反之，若被测智能车感知性能不足，则会造成行为决策层的干扰。

3.在运动规划层，对被测智能车的运动规划能力可以进行单独测评。运动规划层主要对被测智能车的行驶过程进行速度规划、局部路径规划，生成安全可行的行驶轨迹。通过行为决策层将命令接收到运动规划层中，对被测智能车从起始点点到达目标点进行合理地轨迹规划。主要考核指标包括行驶轨迹是否符合智能性要求，即轨迹规划是否符合所设定的安全性、高效性、合理性以及舒适性等判别指标。

这些功能的测评可以通过被测智能车的传感器和执行器进行结果输出，并可以在进行全程测试前通过试驾或模拟方式对单一功能的驾驶辅助***进行评估。

S3，根据S2提供的每一层次对应的智能车智能化程度评测环境，设定相应的智能车评测方案，该方案包括测试环境、测试任务、评价对象和评价指标。

进一步地，S3中的所述设定被测智能车评测方案具体包括：

被测智能车测评实验平台搭建需要满足封闭测试场、可重复实验、可远程操作等要求，因此通过布置封闭测试场，还原真实驾驶场景来为被测智能车测试提供测试环境，同时该测试场景能够覆盖危险场景、事故场景和自然驾驶场景等；具体评价对象覆盖不同功能的智能驾驶辅助***、不同等级被测智能车辆、不同类型车辆(卡车、SUV、小轿车)等。评价指标包括安全性程度、高效性程度、合理性程度、舒适性程度等。在测试过程中，每辆被测智能车后面都有一辆裁判车，负责前面的被测智能车紧急停车、观察后的交通法规和测评指标测量。在关键测评路段，有现场评委是否负责度量(时间、速度和距离)、记录和测量。

在测试过程中，被测智能车需要逐次通过各个测试场景，在不同测试场景依次完成对应的每项任务，并记录全程的行车轨迹(速度、加速度等)、行驶时间和具体制动操作等。这些可以通过安装在紧随其后的判断车辆上的仪器设备来测量。车辆里程表和车轮编码器用于被测智能车行驶距离的远程测量。校准后的摄像机用于短程距离估计。速度计用于估计车速，计时器用于记录完成任务的时间。对于难以衡量的指标，本实施例采用由现场评委观察和记录，或者在比赛后通过分析记录的视频获得。

S4，针对S3提供的评价指标，选取智能化测评指标，并通过分析表征评价智能车行车过程的关键参数，构建适合的评价指标体系。进一步地，还通过选择合适的评价方法，以优秀的有人驾驶行为标准，分析被测智能车测试过程中的行车轨迹及操纵行为，通过已建立的评价指标体系，对被测智能车行为做出有效评价，为被测智能车智能行为评价***提供依据。

进一步地，S4中的所述进行智能化测评指标选取具体包括：

通过建立的智能化程度标准，根据测试任务中的输出，来测评被测智能车的智能化程度。智能化程度标准具体包含的智能性指标，能够涵盖车辆行驶过程中的安全性、高效性、合理性及舒适性。在综合道路环境中，由于驾驶场景的复杂多变、交通参与者行为的难以预测以及人们对于行车安全性、高效性、合理性、舒适性等要求的提高，对于整个动态复杂过程，智能车的智能决策***相当于人类驾驶员的大脑，人类驾驶员是一个客观存在的，驾驶员将行驶路径分解为方向盘、油门、刹车踏板的操作，从而执行规划目标。在整个驾驶过程中，被测智能车体现了高度的实时性与智能性特征。

其中，智能化测评指标中的安全性主要通过由式(1)所表征的被测智能车i在特定交通场景中的行车风险水平U_risk而计算得到。被测智能车i在道路环境中行驶时，由于道路环境中还包含有其它道路使用者j，不同道路使用者之间的动态交互对被测智能车的安全行驶带来隐患。衡量被测智能车的安全性程度很大程度上取决于被测智能车的操纵行为。本实施例中，定义因被测智能车的操纵所带来的风险为周边行车环境的外力的作用过程，在一个有n个道路使用者的交通***中，行车风险U_risk具体表征为式(1)：

式(1)中，t₀为被测智能车i驾驶过程的起始时刻，t_f为被测智能车i驾驶过程的终止时刻，R_i为交通规则对驾驶人的纵向约束阻力；F_li，1和F_li，2代表两侧车道线对驾驶人的横向约束力；v_i为被测智能车i的速度，v_i，x为被测智能车i的纵向速度(沿车道线方向)，v_i，y为被测智能车i的横向速度(垂直车道线方向)，v_j为其它道路使用者的速度。F_ji为其它道路使用者j对i造成的外在力，即表征车与车之间的交互影响带来的潜在行车风险。

定义交通规则(主要是限速规则)对驾驶人的约束阻力R_i满足下式：

式(2)中，τ为校准参数，本实施例中，取τ＝1。

同时，车道边界(如车道线)对被测智能车i的横向运动具有约束作用。通常研究者采用弹簧模型来描述该约束：

式(3)中，l_t为车道线类型(例如虚线取l_t＝2，实线取l_t＝3)；r_li为被测智能车i与道路边界的距离；l_w为车道宽度。

定义其它道路使用者j对被测智能车i造成的外在力F_ji满足式(4)：

式(4)中，E_ji为被测智能车i和其它道路使用者j之间的相对动能的总和；d_ij为被测智能车i与其它道路使用者j的中心点之间的直线距离，其中，其它道路使用者j示意为车辆时，其它道路使用者j的中心点对应为车辆轴心；其它道路使用者j示意为车辆之外的其它物体时，其它道路使用者j的中心点对应为该物体的几何中心。v_i、v_ij均为矢量，v_ij为被测智能车i和其它道路使用者j之间的相对速度之间相对速度；θ_ij是从d_ij到v_ij的夹角，

是从d_ij到v_i的夹角且逆时针方向为正；M_j为道路使用者j的虚拟质量，其等效为电场中的场源，具体表达为：

式(5)中，m_j是其它道路使用者j的实际物理质量，v_j是其它道路使用者j的速度。

是关于其它道路使用者j速度v_j的函数，其用来描述速度对行车风险的影响，可通过分析事故损失与速度的关系来标定α、β和γ都是待定常数。T_j是其它道路使用者j的类型，其确定方式如下述的T_i确定方式相同：

首先，选定一类物体作为基准，且记该基准物体对应的T值为1；然后，对其它类型物体的T值计算如下：

式(6)中，ξ^*为基准物体造成的事故平均死亡人数(为了简化，这里用事故平均死亡人数来衡量事故损失)，ξ_i为T_i类型物体造成的事故平均死亡人数。其中，“事故平均死亡人数”可以通过查询国家交通事故数据统计表可得。

其中，智能化测评指标中的高效性主要通过式(7)表示的被测智能车完成任务的效率来衡定，在本发明中以被测智能车的机动性来表征驾驶高效性，具体从行车过程的瞬时速度及整个过程的平均速度两方面进行衡定。

式(7)中，虚拟引力G_i代表行驶的被测智能车i对机动性的要求，其受到交通环境造成的虚拟引力可以由式(8)为：

G_i＝m_ig sinθ_i (8)

式(8)中，m_i为被测智能车i的质量；g为重力加速度；θ_i为物理模型中U型槽的倾角，其与驾驶人对行驶速度的追求有关，本发明中，定义θ_i满足式(9)：

式(9)中，k为常数，本发明中取k＝0.2；v_der为驾驶人的期望速度；v_limit为车道限速。

其中，智能化测评指标中的合理性主要体现所假设的/真实存在的驾驶人心理预期度，即被测智能车辆真实操纵行为与预期行为之间的差异性，尤其是当存在其它道路使用者时，被测智能车为了行车上的安全与高效性，力求被测智能车操纵行为和周边车辆尽可能一致，带来的交通流稳态。具体定义为式(10)：

式(10)中，m_i和v_i分别为被测智能车i的质量和速度，v_j为其它道路使用者的速度。F_ji为其它道路使用者j对i造成的外在力，t₀和t_f分别为驾驶过程的起始时刻和终止时刻。

其中，智能化测评指标中的舒适性通过车辆性能指标来进行反映，衡量汽车的机械输出，主要涉及驾乘人员的驾乘体验。主要针对因自动驾驶车辆决策的机动性导致的车辆自身机械结构及装配制造水平振动导致的乘客心理生理舒适性上的变化，其中急加速、急减速等操纵行为会给乘客明显的冲击，因此定义舒适软约束函数U_smooth为式(11)：

式(11)中，

为被测智能车i的横向(垂直车道线方向)冲击度，

为被测智能车i的纵向(沿车道线方向)冲击度。

进一步，在一个有n个道路使用者的交通***中，基于最小作用量原理，被测智能车i在行车过程中对安全性、高效性、合理性和舒适性的多目标追求可以用评价被测智能车的智能化程度的综合指标S_int进行为，具体为式(12)：

式(12)中，L_int为被测智能车i测试过程中的拉格朗日量，其表达式为式(13)：

S5，在S3设定的测试任务场景中，获取被测智能车在不同测试任务场景下的多组量化评价依据数据。

S6，对S5获得的每一组量化评价依据数据进行统计分析，并根据各统计分析结果所属S4中的智能化测评指标，求取实现最高等级无人驾驶时对应的智能化程度，并以此为基准对被测智能车的被测自动驾驶***的智能化程度进行评价。

进一步地，S6中的所述“对所述被测自动驾驶***的智能水平进行评价”具体包括：

S61，求取实现最高等级无人驾驶时对应的智能化程度，即计算被测智能车达到最高等级智能水平时完成整个测试理论上的最小作用量

比如：式(14)为的理论计算方法：

同时，当采用数据挖掘平均方法也可以计算

该种方法需通过筛选大量优秀驾驶人计算其驾驶车辆完成整个测试的作用量的平均值，通常通过数据挖掘平均方法计算的

会偏小，两种方法皆可行。

S62，对所述被测自动驾驶***的智能水平进行评价是量化被测智能车测试过程的实际作用量和理论作用量之间的差异，为了评价被测智能车驾驶过程的安全、高效、舒适和合理的智能化程度，本实施例中，定义D_int为表征驾驶过程安全、高效、舒适和合理的智能化程度，其值越高智能化程度越高，将原始数据进行归一化处理，即将数据统一映射到[0，1]区间上。其表达式为式(15)：

如图2所示，下面具体给出被测智能车智能化程度的测评流程，其主要包括：

首先通过搭建封闭测试场，还原真实驾驶场景来为被测智能车测试提供测试环境，同时该测试场景能够覆盖危险场景、事故场景、自然驾驶场景等，该环境中需要覆盖包含红绿灯设备、交通标志、路灯、其它障碍物车辆、骑车人、行人等元素，模拟并还原真实交通场景。

针对不同的评价对象(如不同功能的智能驾驶辅助***、不同等级被测智能车辆、不同类型车辆(卡车、SUV、小轿车等)等)进行评价指标的选取，评价指标包括安全性程度、高效性程度、合理性程度、舒适性程度等。通过对行车过程中的行车轨迹及操纵行为进行记录，并计算行车过程的实际作用量与理论作用量，输出该被测智能车智能化程度。测试过程中，被测智能车需要逐次通过各个测试场景，在不同测试场景依次完成对应的每项任务，并记录全程的行车轨迹(速度、加速度等)、行驶时间、具体制动操作等，同时每辆被测智能车后面都有一辆裁判车，负责前面的被测智能车紧急停车、观察后的交通法规和测评指标测量，对整个测试过程的任务完成度、紧急救援、辅助裁判起到关键作用。

在本实施例中，具体针对不同场景不同障碍物等完成整个测评过程的测评结果如表1所示，通过设定的自动驾驶智能测试场景中，获取所述被测智能车在各场景下的多组量化评价依据数据。归一化的结果划分各个区间，每个区间对应一个智能水平等级，依次为“很高”、“较高”、“中等”、“较低”、“很低”。

表1被测智能车智能水平等级

如图3所示，被测智能车测试驾驶任务需要覆盖复杂多变的驾驶场景，涵盖不同属性的道路使用者，并使得被测智能车能够在整个测试任务完成过程中使用到环境感知、行为决策、运动规划不同层次的功能。规定被测智能车需要从所设计的驾驶任务测试路线的起点行驶到终点。在本实施例中，按照不同驾驶任务划分，被测智能车首先要对通过的第一段路进行障碍物检测，包括对障碍物的属性类别、速度、相对距离、运动方向、姿态和定位估计，给出感知信息输入到行为决策层后再对剩余各段路进行直线行驶、路口左转、超车决策、停车等待、行人回避和掉头等操纵行为，同时在完成系列测试操作过程中，将由被测智能车所搭载的车载单元实时获取周边环境各物体信息。

在本实施例中，被测智能车测试驾驶任务需要覆盖“必要测试条件”，即所包含的其它道路使用者信息不确定性所带来的测试条件的动态变化，在智能测试场中，道路交通环境信息可以改变，从而建立不同的测试条件。

“测试场景”中各交通要素包括：如图3所示，被测智能车、其它车辆、行人、自行车、交通标志、不同结构测试道路、测试设施和测试场地。在本实施例中，测试场景设定为：被测智能车由测试场起点行驶到测试场终点，中间需要障碍物检测及换道、红绿灯检测及左转、行人回避及停车、加速超车、路口掉头等系列操作过程，图中的实线单箭头表示车辆或行人将要行驶或行走的方向。

如图4至图11所示，通过设计测试被测智能车智能化程度的不同测试场景，来对被测智能车在不同场景下智能化程度进行测试。其中，图4表示的测试场景为直行道主车跟车直行，图5表示的测试场景为直行道主车直行左侧相邻车道行人横穿切入，图6表示的测试场景为直行道主车直行道路两旁障碍物静止，图7表示的测试场景为直行道主车直行右侧相邻车道后方机动车切入转停，图8表示的测试场景为直行道主车切入，图9表示的测试场景为直行道主车直行右侧相邻车道前方车变道切入，图10表示的测试场景为十字路口主车停车等待红灯过后直行，图11表示的测试场景为丁字路口绿灯时主车左转路口前方右侧相邻车道行人横穿切入。在本实施例中，具体场景设置有如下几类：

1.避免静态障碍物

1.1.直线道路与多个后续障碍

如图所示，显示了沿着具有3个连续障碍物的道路行驶的车辆检测场景。进行测试时，被测智能车若能够达到最高等级智能化程度，即根据所提出的方法中使用舒适度和一致性成本，所以该轨迹是平滑和连续的且安全的。这允许车辆在不急剧转向的情况下容易地行驶在道路上。

1.2.'S'形道路

如图所示，当存在两个障碍物时车辆避开“S”形道路顶部的障碍物的时刻。进行测试时，被测智能车若能够达到最高等级智能化程度，即根据所提出的方法，被测智能车能够在所规划的候选轨迹中选择最安全、高效、舒适、合理的一条路径以避开障碍物。同时，速度和加速度稍有变化，当在“S”形道路的斜坡上行驶时，车辆不选择中心线作为最佳路径，而是选择“S”形道路左侧的路径，因为舒适性要求。

1.3.多车道的道路

如图所示，设计了具有两条行车道和两条相对车道的多车道公路。当被测智能车辆检测到较大的障碍物时，当前车道的候选路线危险的。就不同车道线的碰撞率而言，车辆选择改变行驶车道以避开障碍物而不是越过对面车道，因为穿越对面车道的成本高于改变行驶车道的成本。

2.避免移动障碍物

2.1.超车场景

如图所示，设计了具有一条两车道的道路场景来测试超车性能。

2.2.跟车场景

如图所示，设计了同一道路场景中前后有其它车辆的场景来测试跟车性能。

3.同时避免移动和静止的障碍物

当静态和移动障碍物同时出现时，会出现具有挑战性的驾驶场景。如图所示，被测智能车在道路的中央车道上行驶。静态障碍物位于当前车道上，移动障碍物在左车道上移动。

测试被测智能车平台上安装有一些传感器，具体可以包括惯性导航仪、嵌入式***、工控机、微控制单元、差分定位***、里程计、偏角传感器、超声波雷达、毫米波雷达、摄像头、GPS天线、后向雷达、环视激光雷达等。通过布设这些装置能够满足自动驾驶***在测试过程中对独立感知的硬件要求，并可与车内被测自动驾驶***实现软件层的连接和断开。通过测试车可以获取道路环境的测试数据，包括道路环境的路面粗糙度，道路坡度，方向和速度，车道线或道路边界所在位置，静态障碍物位置和尺寸大小等，同时也可以获取包括被测智能车所处周边环境中障碍物信息、道路环境信息和车道线信息等，如LiDAR，雷达和相机等传感器实时提供周围环境的传感信息；车辆位置与导航信息包括被测智能车和他车的位置和速度信息等，可以用GPS结合惯导来获取车辆的定位信息。

同时，测试被测智能车平台中也搭载了本发明所提出的被测智能车智能化程度量化评价装置，该装置为车载装置，主要记录被测智能车行驶过程中的相关参数，用以计算整个测试过程的作用量大小，并在完成全程后输出智能化程度指标。

最后需要指出的是：以上实施例仅用以说明本发明的技术方案，而非对其限制。本领域的普通技术人员应当理解：可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种智能车智能化程度量化测评方法，其特征在于，包括：

S1，按照自主驾驶功能，对智能车的智能化程度进行层次划分，主要划分为环境感知层、行为决策层和运动规划层；

S2，针对单一自主驾驶功能驾驶辅助***或多自主驾驶功能***融合的同一层次设备进行测试其智能化程度，搭建与S1中划分的层次相对应的智能车智能化程度评测环境；

S3，根据S2提供的每一层次对应的智能车智能化程度评测环境，设定相应的智能车评测方案，该方案包括测试环境、测试任务、评价对象和评价指标；

S4，针对S3提供的评价指标，选取智能化测评指标，并通过分析表征评价智能车行车过程的关键参数，构建适合的评价指标体系；S4中的智能化测评指标包括安全性、高效性、合理性及舒适性；在一个有n个道路使用者的交通***中，采用式(12)提供的综合指标S_int表示被测智能车i在行车过程中对智能化测评指标的多目标追求：

式(12)和式(13)中，t₀为被测智能车i驾驶过程的起始时刻，t_f为被测智能车i驾驶过程的终止时刻，m_i为被测智能车i的质量，v_i为被测智能车i的速度，v_j为其它道路使用者j的速度，

为被测智能车i的横向冲击度，

为被测智能车i的纵向冲击度，R_i为交通规则对驾驶人的纵向约束阻力，G_i为虚拟引力，v_i，x为被测智能车i的纵向速度，F_li，1和F_li，2分别为两侧车道线对驾驶人的横向约束力，v_i，y为被测智能车i的横向速度，F_ji为其它道路使用者j对被测智能车i造成的外在力；

S5，在S3设定的测试任务场景中，获取被测智能车在不同测试任务场景下的多组量化评价依据数据；

S6，对S5获得的每一组量化评价依据数据进行统计分析，并根据各统计分析结果所属S4中的智能化测评指标，求取实现最高等级无人驾驶时对应的智能化程度，并以此为基准对被测智能车的被测自动驾驶***的智能化程度进行评价。

2.如权利要求1所述的智能车智能化程度量化测评方法，其特征在于，所述安全性主要通过由式(1)所表征的被测智能车i在特定交通场景中的行车风险水平U_risk而计算得到：

式(1)至式(5)中，t₀为被测智能车i驾驶过程的起始时刻，t_f为被测智能车i驾驶过程的终止时刻，m_i为被测智能车i的质量，v_i为被测智能车i的速度，v_limit为车道限速，τ为校准参数，v_i，x为被测智能车i的纵向速度，v_i，y为被测智能车i的横向速度，v_j为其它道路使用者j的速度，l_t为车道线类型，r_li为被测智能车i与道路边界的距离，l_w为车道宽度，d_ij为被测智能车i与其它道路使用者j的中心点之间的直线距离，v_ij为被测智能车i和其它道路使用者j之间的相对速度，θ_ij为从d_ij到v_ij的夹角，

是从d_ij到v_i的夹角且逆时针方向为正，m_j为其它道路使用者j的实际物理质量，

为关于其它道路使用者j速度v_j的函数，T_j为其它道路使用者j的类型。

3.如权利要求1所述的智能车智能化程度量化测评方法，其特征在于，所述高效性主要通过式(7)表示的被测智能车完成任务的效率U_eff进行衡定：

G_i＝m_igsinθ_i (8)

式(7)至(9)中，m_i为被测智能车i的质量，v_i为被测智能车i的速度，v_i，x为被测智能车i的纵向速度，g为重力加速度；k为常数，v_der为驾驶人的期望速度，v_limit为车道限速。

4.如权利要求1所述的智能车智能化程度量化测评方法，其特征在于，所述合理性主要通过由式(10)所表示的体现所假设的/真实存在的驾驶人心理预期度U_com而计算得到：

式(4)、式(5)和式(10)中，t₀为被测智能车i驾驶过程的起始时刻，t_f为被测智能车i驾驶过程的终止时刻，m_i为被测智能车i的质量，v_i为被测智能车i的速度，v_j为其它道路使用者j的速度，v_ij为被测智能车i和其它道路使用者j之间的相对速度，d_ij为被测智能车i的与其它道路使用者j的中心点之间的直线距离，θ_ij为从d_ij到v_ij的夹角，

是从d_ij到v_i的夹角且逆时针方向为正，m_j为其它道路使用者j的实际物理质量，

为关于其它道路使用者j速度v_j的函数，T_j为其它道路使用者j的类型。

5.如权利要求1所述的智能车智能化程度量化测评方法，其特征在于，所述舒适性通过车辆性能指标来进行反映，其定义为式(11)表示的舒适软约束函数U_smooth：

式(11)中，

为被测智能车i的横向冲击度，

为被测智能车i的纵向冲击度。

6.如权利要求1至5中任一项所述的智能车智能化程度量化测评方法，其特在于，“表征驾驶过程安全、高效、舒适和合理的智能化程度”定义为D_int，其值越高智能化程度越高，将数据统一映射到[0，1]区间上：

式(15)中，S_int为被测智能车i在行车过程中对安全性、高效性、合理性和舒适性的多目标追求的智能化程度的综合指标，

为智能车达到最高等级智能水平时完成整个测试理论上的最小作用量。

7.如权利要求6所述的智能车智能化程度量化测评方法，其特在于，

采用数据挖掘平均方法获得，或者采用如下式(14)获得：

8.如权利要求1所述的智能车智能化程度量化测评方法，其特在于，在环境感知层，其根据具备环境感知功能的设备融合后数据的可靠性，对不同物体的运动状态和物理属性进行预测并过滤，同时识别道路使用者的相对距离、运动方向、速度、姿态和定位估计，以单独测评被测智能车上搭载的具备环境感知功能的设备的环境感知能力；

在行为决策层，其通过对被测智能车在结构化或非结构化道路环境中行驶时，其决策后策略是否使得行车过程的智能化程度提高进行考核，以单独测评被测智能车的行为决策能力；

在运动规划层，其通过对被测智能车的行驶过程的速度规划、局部路径规划，生成安全可行的行驶轨迹，以及轨迹规划是否符合所设定的安全性、高效性、合理性以及舒适性的判别指标进行单独测评；智能化测评指标包括安全性、高效性、合理性及舒适性；在一个有n个道路使用者的交通***中，采用式(12)提供的综合指标S_int表示被测智能车i在行车过程中对智能化测评指标的多目标追求：

式(12)和式(13)中，t₀为被测智能车i驾驶过程的起始时刻，t_f为被测智能车i驾驶过程的终止时刻，m_i为被测智能车i的质量，v_i为被测智能车i的速度，v_j为其它道路使用者j的速度，

为被测智能车i的横向冲击度，

为被测智能车i的纵向冲击度，R_i为交通规则对驾驶人的纵向约束阻力，G_i为虚拟引力，v_i，x为被测智能车i的纵向速度，F_li，1和F_li，2分别为两侧车道线对驾驶人的横向约束力，v_i，y为被测智能车i的横向速度，F_ji为其它道路使用者j对被测智能车i造成的外在力。

Images