原文 : DEVELOPMENT AND IMPLEMENTATION OF SAFETY EVALUATION SCENARIOS FOR AUTOMATED DRIVING VEHICLES ON TEST BED
翻译：卢萍，龚曼铃
译文审核：董惟肖，阚博然
最近，世界各地都制定了关于在公共道路上进行自动驾驶车辆的测试和操作的规定。例如，加州、内华达州和欧盟已经提出了自动驾驶汽车的许可标准和评估技术。与M-city一样，测试台架已在世界范围内开发用于评估自动驾驶车辆，已在韩国开发K-city试验场。K-city根据高速公路、郊区公路、城市道路、社区道路、代客停车场等五种路况，拥有并道、匝道、收费站、隧道、交叉口等多种设施。因此，有必要对K-city实际实施的场景进行自动驾驶场景评估。对于车辆层面的场景测试，需要自动驾驶车辆。结合实际驾驶条件、真实的道路驾驶数据和现有的自动驾驶评价方法（ISO、NHTHA等），制定了L3、L4级自动驾驶车辆的安全评价场景和标准。然后，通过考虑测试台是否能实现、可重复、能否良好评估安全性性能，来确定安全评价场景。为了评估在实际试验场上的自动驾驶，需要使用车辆和评估场景。首先，需要一个自动驾驶的车辆来进行评估。被评估的车辆为主车。除了主车，还需要能够帮助评估的目标车辆。目标车辆有能力根据场景自动驾驶，与周围车辆保持安全距离，并识别主车以衡量安全标准。例如，目标车辆用于产生各种情况，如在主车前方cut in、在主车前方减速、或在主车并道时在主道路上行驶。在本研究中，已经开发和使用了一辆主车和四辆目标车辆。为了验证已开发的评估场景，使用主车和目标车辆实施了车辆测试。主车具有L3和L4级自动驾驶能力，具有车道保持、车道变换变道等多种功能。根据场景，所有车辆均为自动驾驶，以评价受试车辆是否符合评价。通过车辆试验，验证了所开发的评价场景在试验场上是可行的，可对主车进行良好的性能评价。本文给出了不同高速公路场景下并道场景的车辆测试结果。
01 介绍
随着全球自动驾驶系统的快速发展，自动驾驶评估技术在积极开发。高级驾驶辅助系统是自动驾驶系统的基本技术，ISO、NCAP和NHTHA等组织开发了标准和评估技术 。关于自动驾驶，包括欧盟和联合国已进行研究合作，以在世界范围内制定标准和评估标准。
由于必须对驾驶时的自动驾驶系统进行评估，因此驾驶环境非常重要。对于自动驾驶，自动驾驶系统的临时驾照等系统被制度化。最初，它是在美国的内华达州和加利福尼亚州开始使用的，现在，临时驾照正在被包括韩国在内的世界上的几个国家制度化。临时驾驶执照系统有助于开发自动驾驶技术，因为它可以在实际的道路上与各种车辆一起行驶。但是，由于很难产生并复现所需的工况，因此自动驾驶技术非常需要试验场及实际道路。美国的M-city是一个专门用于自动驾驶评估的测试场。 继M-city之后，世界各地正在开发许多专门开发的自动驾驶测试场，韩国也开发了K-city测试场。K-city模拟了多种驾驶环境，如高速公路、郊区道路、城市道路、社区道路和停车场。此外，还准备了可能对自动驾驶有影响的设施，如V2X基础设施、GPS阻塞隧道和传感器路障。
在本研究中，已经开发了K-city可以实施的自动驾驶评估场景和标准。由于自动驾驶是现有的ADAS的集成和开发，因此将现有的ADAS评估技术应用于自动驾驶评估技术的开发。此外，结合实际驾驶数据和车辆的物理特性，制定了各种评价标准。评价标准包括自车的状态和与周围车辆的互动状态。为了表示与周围车辆的交互状态，使用各种已有指标，如间隙、时间间隔（TG）、碰撞时间（TTC）等。本研究新设计了车道保持安全距离和变道安全距离。虽然K-city存在各种驾驶环境，但由于高速公路是最接近于实现全自动驾驶的环境，因此本研究只开发了高速公路场景。在场景验证中，需要一辆待评估自动驾驶车辆及协助评估的周围的车辆。周边车辆需要具备基本的自动驾驶功能，因为车辆是根据实际场景进行驾驶的。利用这些车辆，已在K-city实施并验证了场景评价。本文给出了不同高速公路下的并道场景的车辆测试结果。
02 自动驾驶车辆安全性评价的现状
ADAS的安全评价场景和标准
自动车辆通常是由ACC、AEB和LKAS等单独的ADAS技术组成的集成系统。为了评价自动驾驶汽车系统的性能，对现有的单个功能的评价场景和标准进行了研究。测试步骤基于ISO、NHTHA和NCAP，重点是车辆安全系统的评估。
ACC
ISO规定的ACC性能评估包括直线车道识别性能、前方车辆识别性能及曲线车道上前方车辆识别性能。在直线车道识别性能测试中，评估2秒内的最大识别距离。在前车的识别性能测试中，评估车道内和侧方车道上的前车是否被检测和识别。这是验证自车是否在车道上跟随前车，而不错误识别其他车道上的车辆的测试。在对弯道上前车的识别性能测试中，评估自车在弯道上能否对前车进行感知和识别。此外，也评估当前方车辆在弯道上减速时，自车的行为。
AEB
Euro NCAP定义的AEB性能评估分为两种情况：城市和城市间。对于城市场景，对停止行为的AEB性能评估，自车车速在10~50kph范围。对于城市间场景，AEB性能评估自车车速在30-80kph的停止、行驶和减速行为。ISO AEB的性能评估是基于两个测试场景的。第一个是前车的速度为0km/h，自车的初始速度为80km/h，前车与自车的初始距离为120m。第二个是，前车的速度为30km/h，自车的初始速度为80km/h，前车与自车的初始距离为120m。在测试场景中的评估标准如下。评估自车是否在自动紧急制动1.4秒前提供一个或多个警告，在0.8秒前提供两个或多个警告，在碰撞点降速超过10 km/h，在TTC 3秒前不进行紧急制动。
LKAS
ISO LKAS性能测试评估加速度、运行速度范围等。试验在72km/h至108km/h的车速范围内，在曲率半径为800米的弯道内执行。在NHTSA定义的场景中，以72km/h的速度开始，性能测试从超过0.6m/s的横向速度到最大速度进行，与此同时，维持车道偏离预防性能。
自动驾驶系统的安全评价场景及标准
随着自动驾驶的快速发展，自动驾驶系统的评估场景和标准正在全球范围内积极开发。本文讨论了欧盟和联合国的大型项目。
Adaptive适应性自我评估技术
2014年后，欧盟开始开发适应性自我评估技术项目。适应性考虑了对法律因素和人为因素的反思。此外，评估场景分为停车场、城市情景和公路情景。在评价中，重点是框架和方法。评估是从各种角度进行，如技术评估、用户相关评估和交通中评估。此外，还进行了影响分析。最后，提出了自动驾驶的部署视角。这个项目持续了大约三年。
WP29
WP 29是指UNECE协调车辆法规的世界论坛，它是UNECE内陆交通委员会机构框架内的唯一的全球监管论坛。UN法规包含了有关安全和环境方面的规定。包括面向性能的测试要求以及管理程序。随着自动驾驶系统在世界的广泛发展，WP 29专注于自动驾驶系统。WP 29包含了协调全球的性能相关要求和测试程序。WP 29还为全球汽车行业、消费者及其协会提供了一个可预测的监管框架。总的来说，由世界论坛WP 29制定的监管框架允许市场引入创新的汽车技术，同时不断提高全球车辆安全。WP 29有两个主要的运作组。其中一个是WP29非正式集团，为自动化技术提供战略方向。该小组专注于智能交通系统和自动驾驶（ITS/AD）。另一个小组已经制定了关于车辆转向系统的UN法规，以允许一定程度的自主权。这个小组被称为GRRF和GRRF非正式工作组。WP 29将自动功能分为六类。
03 ADV试验场的环境
对于自动驾驶车辆的测试运行，最近在世界各地开发了多种方法。例如，加州、内华达州和欧盟已经提出了自动驾驶汽车的许可标准。虽然颁发执照的优点是在真实的道路上驾驶，但由于很难反复测试各种情景，所以必须使用测试场。M-city是一个专门用于典型的自动驾驶系统的测试场。与M-city一样，试验场已在世界范围内开发用于评估自动驾驶车辆，韩国开发了K-city试验场。国土、基础设施和交通运输部下属的韩国汽车安全研究所开发了一个自动车辆安全评估的测试场。此测试场被称为K-city。在36万平方米的空间内建造了各种道路环境。K-city可分为五大区域：城市道路、社区道路、高速公路、郊区道路和代客停车设施。K-city为这五条道路和设施实施了类似于实际道路上的道路、交通和通信环境，包括信号/无信号交叉口、环形交叉口、建筑立面、停车设施和儿童保护区。
高速公路
高速公路环境再现了能够高速驾驶的专属公路交通环境。该环境由合流车道、分岔路、主干道、收费站、护栏、隧道等各种结构组成。在这种环境下，驾驶测试具有较宽的车速范围。可在高速公路上对车辆的功能、车道保持、变道和与周围车辆的安全交互进行测试。
郊区路
郊区道路环境重建了基础设施不足的农村道路。这个环境由环绕的、绿树成荫的街道组成。
城市道路
城市道路环境再现了城市的道路交通环境。这种环境由不同的建筑物组成，包括标志交叉口、公交车专用道、公交车站和临时建筑。
社区道路
社区道路环境再现了以行人为中心的道路交通环境。这个环境由不同的建筑物组成，包括学校区域、人行道和自行车道组成。
代客泊车区域
代客泊车环境重现了自动泊车可能的停车环境。这个环境由各种形状的停车位组成。包括平行、水平、斜向停车位。
图1 自动驾驶系统的K-城市试验场
04 自动驾驶车辆的性能评价标准
在本章中，提出了评估自动车辆的标准。这些标准是通过考虑在现有的ADAS中使用的安全标准、实际的道路数据和车辆的物理行为计算得出的。对自车状态的基础评价及与评估与周围车辆的交互状态是很重要的。与周围车辆的安全指标包括距离、时差（TG）、碰撞时间（TTC）等。本文设计了安全距离来表示安全性能。在本研究中，由于只关注高速公路环境，驾驶情况可以主要分为车道保持和变道。根据这两种情况，建议使用不同的安全距离。
自动车辆状态
必须评估自车的状态，以确认车辆的异常行为。考虑到现有的ADAS评估标准，对以下状态进行了评估。首先，有必要通过场景来评估自车的速度是否超过了期望的速度。当然，在车道保持的场景下，应评估自车是否在车道内行驶。评估与异常行为和行驶能力相关的纵向和横向加速度是很重要的。允许的加速度范围取决于场景。例如，在前置车辆突然切入的紧急情况下，允许使用较大纵向加速度。而在正常的驾驶场景中，允许一个较小的纵向加速度。另一个例子是，在车道保持场景和变道场景中允许的横向加速度是不同的。不同情况下的标准是不同的。该标准是根据现有的ADAS评价标准和人类驾驶数据来确定的。具体的值将在下面的场景描述中给出。
车道保持情景下的安全距离
根据WP29，车道保持情况下的安全距离是指当前车在安全距离内时，自动驾驶车辆必须进行控制以保持安全距离。例如，如果前车辆在安全距离内切入，自动车辆必须进行控制以保持与前车距离大于安全距离。安全距离见公式(1)中所述。自动车辆的速度乘以时差，即速度越高，需要的安全距离就越高。如何设置时间差距在国际上仍然是一个问题。本研究考虑了物理制动距离和实际驾驶员驾驶数据，给出了安全距离方程。
在追尾事故中，前车的速度可以在不减速的情况下立即变为零。因此，需要考虑在所有速度范围来计算制动的安全距离。如果按照在WP29中的讨论来设置恒定的时差，则需要2.3秒来覆盖所有速度区域的制动距离。与实际驾驶数据相比，这数字太大了。由于低速范围内需要过长的安全距离，会出现过度频繁减速。因此，恒定的时差并不合适。如果时差随速度而变化，如公式(1)所示，那么安全距离大于所有速度区域的制动距离，与驾驶数据没有较大差异。因此，基于制动距离和驾驶数据的公式（4），提出了车道保持情况下的安全距离。
变道情况下的安全距离
车道保持情况只对前车很重要，与之不同的是，在变道情况下，所有周边车辆都很重要。因此，变道安全距离需要按图1所示的方式予以考量。这个距离表明，当变道相关区域内没有车辆存在时，可以进行变道。该区域的垂直长度等于车道宽度，水平长度由三个距离组成，即侧方、后方和前方。侧方距离等于当前车辆的宽度。
图4 变道情况下的安全距离相关区域
05 自动驾驶系统测试场景
如上所述，K-city环境由高速公路、郊区道路、城市道路、社区道路、代客泊车场组成。本文只研究了高速公路场景，因为其最接近商业化的全自动驾驶模式应用场景。在高速公路中，驾驶功能在大致可分为车道保持和变道功能，并且每个功能所研究的场景都将考虑到可能发生的情况。表1展示了自动驾驶车辆的测试场景。
表1 自动驾驶车辆测试场景
高速公路车道保持测试（M-1）
场景
自动驾驶系统应该能够在单独驾驶时保持在车道内(M-1-1)。在道路调整范围内改变各种速度范围和各种曲率时，应评估车道保持性能。此外，评估需要在周边车辆的情况下进行。自动驾驶系统应该能够保持在车道内行驶的同时与前车保持安全(M-1-2)。在保持车道性能的同时，有必要评估是否对前车的同速、加速和减速等各种行为以保证安全。自动驾驶车辆应能够保持车道，以应对交通状况的突然变化，如切入情况(M-1-3)。有必要根据车辆从相邻车道切入到车道内的各种行为来评估车道保持和安全行驶性能。自动驾驶车辆还应保持车道，以应对交通状况的突然变化，如切出情况(M-1-4)。当前车的速度低于自动驾驶车辆的期望速度时，自动驾驶车辆需要跟随前车的速度。有必要评估当前车执行从原车道到相邻车道的切出机动时，自动驾驶车辆是否会恢复到期望速度。
性能评价
首先，要对各种曲率和速度条件下的车道保持性能进行评价。并且当周围存在车辆时，必须对与周边车辆的安全管控策略进行评估。应评估在车道上与前车的间距是否保持在安全距离上。关于速度，分析人员应根据场景评估期望车速或前车车速或期望车速恢复。最后，为了评估乘坐舒适性和异常行为，需要评估自动驾驶车辆的纵向和横向加速度是否维持在一定的取值范围内。
表2 车道保持情况下的性能评估
高速公路变道测试（M-2）
场景
变道可分为两种情况。第一种情况是，在正常道路上，由于附近车辆的影响而进行变道的情况被称为自主变道(DLC)。DLC最具代表性的情况是超车情况(M-2-1)。因此，当前车减速或停车时，应在保持周边车辆行驶安全的情况下，评估变道是否在进行中。可以通过改变前车和侧车道车辆的速度、数量和位置来实现此场景。与DLC不同的是，根据路况完成变道的情况被称为强制变道(MLC)。MLC的代表性情况是并线(M- 2-2)和驶离(M-2-3)。为了执行DLC，自动驾驶系统应该与MAP一起运行。自动驾驶车辆必须要确定它是位于并线还是驶离。然后，变道需要在有限的距离和时间限制下完成。在并线场景中，可以通过改变目标车道内车辆的位置、速度和数量来实现各种并线情况。在驶离场景中，可以通过改变前车进入分路车道或前车在原车道直行来实现各种分岔道情况。
性能评估
在变道场景中，首先要评估的是变道成功与否。在超车场景中，有可能在保持周边车辆安全的情况下进行变道，但也有可能通过减速来保持与前车的安全。在并线或驶离场景下，变道必须在保持周边车辆安全的情况下方可进行。车道保持安全距离和变道安全距离可用于评估与周边车辆的安全性。最后，需要评估是否在一定区域内保持了主体车辆的纵向和横向加速度。
表3 车道保持情况下的性能评估
06 利用自动驾驶车辆实施场景评估
为了在实际测试台架上对自动驾驶进行评估，既需要车辆，也需要评估场景。首先，需要一辆被评估的自动驾驶车辆。被评估的车辆被称为主体车辆。除了被评估车辆外，还需要能够支持评估的车辆，称为目标车辆。目标车辆能够根据场景执行自动驾驶，可与周边车辆保持安全性能，并识别主体车辆以测评安全水准。例如，目标车辆用于生成多种情况，例如在主体车辆前面切入，在主体车辆前面减速，或与主体车辆所在车道上并线行驶。在研究中，已经开发和利用了一辆主体车辆和四辆目标车辆。
主体车辆
被测试车辆必须具备L3和L4的自动驾驶能力。自动驾驶系统通常由定位、感知、运动规划和控制决策功能组成。定位功能是基于RTK GPS实现的。在感知功能中，周边的车辆、障碍物和行人是使用6个IBEO激光雷达进行探测。车道线也由AVM摄像头和前视系统探测。在运动规划功能中，需同时考虑到安全与任务，规划适当的运动路径。安全意味着自动驾驶车辆可以与周边的车辆、障碍物和行人保持安全。多种任务通常包括保持车道、变道、交叉路口行驶等，这些任务由道路环境决定。控制决策功能决定了跟踪运动规划的控制输入。将基于模型预测控制的自动驾驶算法应用于并线情况，即本文的车辆试验环境。
图5 主体车辆的配置和探测距离
目标车辆
目标车辆能够按照场景进行自动驾驶，与周边车辆保持安全性能，并识别目标车辆以测评安全水准。因此，目标车辆也基本实现自动驾驶。作为主体车辆，配备了基于RTK GPS的定位功能。基于激光雷达、毫米波雷达和前视系统的全方位车辆探测机制可以与周边车辆保持安全性能，并测评目标车辆的安全水准。目标车辆需要按照预先设定的场景进行自动驾驶。为此，目标车辆应使用高性能RTK GPS已实现定位功能，并具备路径生成算法，该算法创建路径作为预定义的场景。为了确定所需的转向扭矩作为最终的横向控制输入，实现了路径跟踪算法来跟踪所需路径。由于目标车辆需要探测全方位车辆，以保持与周边车辆的安全性能，并测评目标车辆的安全水准，因此采用激光雷达、毫米波雷达和前视系统组成全方位车辆检测模块。对于纵向控制，考虑了两个模块。作为第一个模块，配备基于人工驾驶数据的ACC和AEB算法，与周边车辆进行安全控制。作为第二个模块，配备基于场景的速度控制算法。纵向加速度作为最终的纵向控制输入，同时考虑两个模块。根据以上描述，图6为目标车辆的算法结构。此外，图7显示了目标车辆的配置和传感器距离。
07 场景评估验证的整车测试
K-city的实际车辆测试使用了前面提到的有助于评估的主体自动驾驶车辆和目标车辆。由于无法展示所有场景，我们只展示并线场景。并线场景是高速公路场景中最难的场景。
测试用例：高速公路并线场景
并线场景如图8所示。主体车辆在并线车道行驶，用于评估的目标车辆在目标车道行驶。由于K-city的并线车道长度只有100米，因此车辆测试以每小时30公里的速度进行。为了干扰主体车辆的并线，目标车辆在主体车辆侧面行驶。由于车辆从静止状态出发，因此必须从后方行驶，以满足场景情况。图9为场景情况下两车静止状态下的并线图和轨迹。
车辆试验结果和快照分别如图10和图11所示。在3s时，已经到达并线车道起点的主体车辆试图向左变道，但由于目标车辆占据了目标车道，因此无法变道。被试车辆判断考虑并线车道的剩余距离，判断是走在目标车辆的前面还是后面以及目标车辆的状态。主体车辆减速，因为它认为从目标车辆的后方行驶更好。当主体车辆与目标车辆之间的距离足以进行变道后，主体车辆在14.9秒时进行变道至目标车道。25s完成变道后，主体车辆在车道保持模式下与前车保持一定距离。
08 结论
根据全球对自动驾驶系统评价技术开发的需求，在世界范围内开发了自动驾驶车辆评价试验台，并在韩国开发了K-city试验台。K-city模拟了几种驾驶环境，如高速公路，郊区道路，城市道路，社区道路和代客泊车场。此外，还准备了V2X基础设施、GPS街区隧道、传感器路障等能够对自动驾驶产生影响的设施。本研究开发了K-city可实施的自动驾驶评估场景和标准。评估标准的制定考虑了现有的ADAS评估标准、驾驶数据和车辆物理特性。评估标准由自身车辆的状态和周边车辆的交互状态组成。为了表示周边车辆的交互状态，重新设计了车道保持安全距离和变道安全距离。考虑到可重复性、可行性和驾驶情况的代表性，开发了评估场景。在场景验证中，需要一辆待评估的自动驾驶车辆和周边车辆协助评估。基本的自动驾驶功能是需要周边车辆的，因为车辆是按照实际场景进行驾驶的。使用这些车辆，评估场景已在K-city实施并验证。本文在不同的高速公路场景中给出了并线场景的车辆测试结果。未来的工作需要制定K-city剩余环境的评估方案和标准，包括郊区道路、城市道路、社区道路和代客泊车区。此外，将使用1辆主体车辆和4辆目标车辆进行验证。
END
作者：SASETECH
文章来源：sasetech
推荐阅读
更多物联网安全，PSA等技术干货请关注平台安全架构(PSA)专栏。欢迎添加极术小姐姐微信（id:aijishu20)加入PSA技术交流群，请备注研究方向。
