随着汽车电动化和智能化的快速发展，配备智能驾驶系统的汽车越来越受欢迎，人们的驾驶方式和感受也在发生重大变化。然而，近年来，智能驾驶系统的使用导致事故频发，甚至造成人员伤亡，智能驾驶的安全性成为公众关注的焦点。
目前，针对智能驾驶系统的安全测试，国家智能网联汽车（长沙）试验区已针对前期雨雾特殊天气，对6款车型的智能驾驶系统功能进行了系统研究和测试。测试结果表明，特殊天气对智能驾驶系统有显著影响。在前期研究和测试的基础上，本文从车辆危险场景的实际使用出发，通过模拟车辆物体坠落、泥浆飞溅、夜间背光和灰尘等四类场景，模拟车辆智能驾驶系统的性能，并深入研究不同车型在危险场景下的智能驾驶系统功能水平，指导智能汽车公司和零部件公司进一步优化升级产品。
本文旨在在国家智能网联汽车（长沙）测试区建立高空坠物、泥浆飞溅、夜间背光、扬尘等天气场景，在实车上测试不同车辆在四种场景下的智能驾驶系统性能，并记录测试结果。测试结果用于分析车辆的智能驾驶功能水平。
测试车辆
本文继续使用之前测试过的六种型号，即比亚迪护卫舰07、蓝道梦想家、理想L9、威莱ES8、Zero Run C11和高河HiPhiX。具体型号信息如表1所示。该测试模型是通过租赁获得的。
表1试验车辆型号列表
图像.png
测试设备
本文中使用的主要测试设备包括行人目标、电动汽车仿真车、目标驱动系统和数据采集设备（RT），如图1所示。设备的具体参数如表2所示。
表2主要试验设备一览表
图像.png
图像.png
图1测试设备
试验场地
本文使用的测试场地为国家智能网联汽车（长沙）测试区，模拟高速和雨雾模拟区域。高速模拟区用于测试车辆物体坠落和溅泥场景，雨雾模拟区用于检测夜间背光和沙尘天气场景。测试地点如图2所示。
图像.png
图2试验场地
试验条件
环境：试验在天气良好、照明正常的环境中进行（夜间背光场景除外），试验期间风速小于5 m/s。
测试期间的数据采集：测试期间使用的所有设备都满足100Hz的动态数据采样和存储频率。数据采集精度满足以下要求：
（1） 速度精度为0.1km/h；
（2） 纵向加速度精度为0.1m/s2；
（3） 横向和纵向定位精度为0.03m。
车辆状态：本试验车辆的轮胎压力为制造商推荐的标准冷态压力。测试期间，除了安装的测试设备外，测试车辆上只允许两个人（测试人员和驾驶员）乘坐。
车辆功能设置：在此测试过程中，车辆跟车时间间隔设置为中间档。如果时间跨度档位的数量为偶数，则时间跨度设置为中间档位后面最接近高时间跨度的档位。测试车辆的自动紧急制动系统警报级别设置为警报中间档。如果档位数量为偶数，则警报级别设置为具有中间预警的档位。
测试要求：当启用智能驾驶系统功能时，测试车辆将以不同的测试速度进行现场测试，如表3所示。在试验过程中，将试验车辆和目标的速度保持在±2 km/h的规定车速，试验车辆行驶方向的横向偏差不得超过规定行驶路径的±0.3 m。每个试验条件下最多应进行三次试验。如果低速试验失败，则不应进行高速试验。如果三项测试中有两项符合要求，则该测试应通过；否则，它将不会通过。如果前两次测试通过或失败，则不会进行第三次测试。记录整个测试过程中的数据。当测试车辆与目标碰撞或避免碰撞时，此测试结束。
表3试验条件表
图像.png
测试评估
本文参考ISO 26262的风险评估方法，使用场景暴露程度和场景损伤程度两个评估指标，对四类场景本身进行风险评估，最终确定每个场景的权重得分。测试结果基于三种场景进行评估：碰撞、碰撞但预警和防撞，如表4所示。
表4四种方案的加权得分和结果评价
图像.png
本次测试中研究的四种场景来源于实际驾驶过程中常见的四种危险场景，如下所示：
车辆物体掉落场景主要模拟车辆在正常稳定的跟车行驶过程中，当前方车辆物体掉落时，车辆识别和避免碰撞的能力。
泥浆飞溅场景模拟了当前方静止车辆被前视图摄像头飞溅的泥浆阻挡时，识别并避免与前方静止车辆碰撞的能力。
夜间背光场景主要模拟车辆在夜间面对远光灯车辆时，识别并避免与前方同方向行走的行人和静止车辆相撞的能力。
灰尘场景的模拟模拟了在能见度有限的灰尘环境中识别和避免与前方静止车辆碰撞的能力。
车辆投放：在这种情况下，选择一个尺寸为60cm*40cm*50cm的纸板箱作为车辆投放对象。目标车辆位于测试道路的中间，测试车辆跟随目标车辆。在稳定跟踪至少2秒后，目标车辆上的纸板箱被放下，如图3所示。实际车辆测试如图4所示。
图像.png
图3车辆物体坠落场景示意图
图像.png
图4实车试验
测试结果如下：
表5车辆物体跌落场景测试结果
图像.png
测试评分结果如下：
图像.png
图5车辆物体坠落场景评分
在车辆跌落测试过程中，所有车辆都无法识别丢弃的纸板箱并避免碰撞，这可能是因为智能驾驶系统目前没有考虑到这种情况。
挡泥板：将目标车辆放置在车道中心线上，测试车辆的纵轴与目标车辆的纵轴重合。当测试车辆达到稳定速度，并且两辆车之间的纵向距离减小到50米时，在测试车辆的前视图摄像头上喷洒泥浆3秒。将目标车辆的后端设置为碰撞点，如图6所示，记录两辆车的纵向和横向相对位置。每组测试的碰撞点应相同。实际车辆测试如图7所示。
图像.png
图6溅泥场景示意图
图像.png
图7实车试验
测试结果如下：
表6溅泥场景测试结果
图像.png
评分结果如下：
图像.png
图8泥浆飞溅场景评分
在挡泥板现场测试中，所有车辆都无法识别前方静止的车辆，也无法在前视图摄像头被遮挡、雷达等其他传感器正常工作的情况下避免碰撞，这表明前视图摄像头的干扰对车辆的智能驾驶功能产生了重大影响。
夜间背光
（1） 夜间背光下的行人纵向场景：该场景中的光源车辆为M1型乘用车，远光灯打开并固定在反向车道的中心线上，目标假人APT的中心线与测试车辆的中心线重合。目标假人以5 km/h的速度沿与车辆行驶方向相同的方向移动，碰撞点为车辆宽度的50%，如图9中M点所示。在试验过程中，背景光强度应小于1lx。实际车辆测试如图10所示。
图像.png
图9夜间背光行人纵向场景示意图
图像.png
图10实车试验
测试结果如下：
表7夜间背光行人纵向场景测试结果
图像.png
评分结果如下：
图像.png
图11夜间背光-行人纵向场景得分
在夜间背光行人纵向场景测试中，兰多梦想家、威莱ES8和零跑C11车辆的智能驾驶系统运行稳定，通过了该场景下的所有测试。然而，从整体测试结果来看，夜间背光对某些车型的智能驾驶系统有显著影响，
（2） 夜间背光下前方车辆静止场景：该场景中的光源车辆为M1型乘用车，远光灯打开并放置在倒车车道的中心线上，目标车辆放置在车道的中心线上。试验车辆的纵轴与目标车辆的纵轴一致。将目标车辆的后部设置为碰撞点，如图12 M点所示。它用于记录两辆车的纵向和横向相对位置。每组测试的碰撞点应相同，测试期间背景光强度应小于1lx。实际车辆测试如图13所示。
图像.png
图12夜间背光示意图-前车静止场景
图像.png
图13实车试验
测试结果如下：
表8夜间背光前车静态场景测试结果
image.png的评分结果如下：
图像.png
图14夜间背光-前车静止场景得分
在夜间背光前车静态测试中，兰多梦想家、威莱ES8、零跑C11均通过了该场景下的所有测试，智能驾驶系统功能良好。结合行人场景测试结果，夜间背光对上述三款车型的智能驾驶系统功能影响较小。
灰尘：灰尘模拟环境满足目标车辆周围能见度小于10m的要求。将目标车辆放置在车道中心线上，测试车辆的纵轴与目标车辆的纵轴重合。将目标车辆的后部设置为碰撞点，如图15中M点所示。用于记录两辆车的纵向和横向相对位置，每组试验的碰撞点应相同。实际车辆测试如图16所示。
图像.png
图15沙尘场景示意图
图像.png
图16实车试验
测试结果如下：
表9粉尘现场测试结果
image.pnng的评分结果如下：
图像.png
图17灰尘评级-前车静态场景
从测试结果来看，灰尘环境对六款车型的智能驾驶系统有显著影响，六款车型均未通过所有测试。
通过在四种场景下测试六款车型，发现不同车型的智能驾驶系统功能在四种情景下的表现差异很大。在四类场景中，车物坠落和溅泥场景的难度系数最高，测试的六款车型均无法通过测试；夜间背光场景的难度系数最小，六个模型中有一半通过了测试。对于扬尘排放场景，六款车型的表现参差不齐，均未达到预期效果。汽车智能驾驶系统的功能水平还有待进一步提高。为了更科学地反映智能汽车在上述四种场景下的智能驾驶功能水平，国家智能网联汽车（长沙）试验区将增加试验车辆的样本量，并继续对其他车型进行试验研究。
