《全国汽车标准化技术委员会：2023面向智能网联汽车的成熟驾驶模型白皮书（87页）.pdf》由会员分享，可在线阅读，更多相关《全国汽车标准化技术委员会：2023面向智能网联汽车的成熟驾驶模型白皮书（87页）.pdf（87页珍藏版）》请在三个皮匠报告上搜索。

1、 前言 近年来，自动驾驶技术在人工智能、物联网及5G 移动通信等新一代技术革命的支持下，自动驾驶能够高效规划出行路线与时间，从而大幅度提高出行效率，并可直接减少行驶能消。同时还能避免驾驶员因注意力分散、酒驾及身体疲劳等造成的安全隐患，因此自动驾驶汽车已成为全球各企业研发的重中之重。当前具备先进驾驶辅助系统、自动驾驶系统的汽车渗透率已达 50%以上，预计到 2030 年具备 L2 级先进驾驶辅助系统的汽车渗透率将达 90%，其中自动驾驶汽车将超过 50%以上。我国汽车强国建设进入关键时期，面对智能汽车激烈的国际竞争和我国汽车产业转型升级突破的强烈诉求，快速抓住汽车智能化、网联化及共享化发展的新机

2、遇，使我国汽车生态快速转型升级，并成为新业态引领者，对不断满足人民日益增长的智能出行需求与美好生活需要具有十分重要的意义。因此，为了有助于设计更能被用户接受的智能驾驶系统，达到减少交通事故，提升驾乘体验，提高交通效率的目的，中国汽车技术研究中心有限公司联合中国第一汽车股份有限公司、华为技术有限公司、清华大学等23 家单位，共 24 家单位共同编写完成面向智能网联汽车的成熟驾驶模型白皮书。本书结合成熟驾驶模型发展现状、自动驾驶发展现状及成熟驾驶模型标准化的发展现状，综合提出符合中国驾驶员的成熟驾驶模型，包含紧急制动模型与紧急转向模型，在世界范围内首次通过实车标定与仿真标定相结合方式开展模型参数标

3、定，确定了驾驶员反应时间、制动特性曲线及转 向特征曲线等多项关键技术参数，并用仿真工具进行参数泛化，首次构建了基于实车及仿真二者相结合的成熟驾驶模型关键参数，最终得出了可避免碰撞的场景参数范围边界，为自动驾驶汽车与人类驾驶能力类比、预期功能安全研究、设计运行域设计及自动驾驶准入管理等提供重要依据，研究成果可全面支撑自动驾驶汽车产品及技术发展，为我国自动驾驶汽车高质量发展深度赋能。面向智能网联汽车的成熟驾驶模型白皮书 编写单位 中国第一汽车股份有限公司 中国汽车技术研究中心有限公司 华为技术有限公司 清华大学 吉利汽车研究院（宁波）有限公司 深圳元戎启行科技有限公司 上海集度汽车 上海商汤临港智

4、能科技有限公司 上海机动车检测认证技术研究中心有限公司 北京地平线信息技术有限公司 中国汽车工程研究院股份有限公司 江苏大学汽车工程研究院 北京百度智行科技有限公司 上汽通用五菱汽车股份有限公司 路特斯科技有限公司 襄阳达安汽车检测中心有限公司 北京汽车研究总院有限公司 江铃汽车股份有限公司 东风柳州汽车有限公司 广州汽车集团股份有限公司汽车工程研究院 一汽解放汽车有限公司 东风商用车有限公司 智己汽车科技有限公司 厦门金龙旅行车有限公司 面向智能网联汽车的成熟驾驶模型白皮书 编写人员 郑建明、张宇飞、孙航、高鲁涛、华一丁、王红、陈龙、兰祥琪、郭钦城、田磊、李佳秾、章棵、沈金华、宋雪松、韩卓伟

5、、李雪轲、曹建永、黄俊富、江浩斌、程周、覃斌、刘开勇、张巍、高海龙、孙加兴、邱志鹏、潘涛、郑英东、付源翼、夏创新、史志辉、张丽平、刘瑞强、曲歌、张儒征、牟柯、李傲雪、廖尉华、宋永康、杜强飞、陈音、胡德华、石胜文、李阳、郑磊、聂 盛 明、兰振东、彭东庆、付俊闻、甘国栋、付瀚龙、张文超、邱娟 目录 第一章 成熟驾驶模型技术发展现状.1 1.1 成熟驾驶模型发展现状.1 1.2 关键跟驰模型发展现状.2 1.3 关键换道模型发展现状.9 1.4 分析总结.16 第二章 自动驾驶技术发展现状.17 2.1 技术发展现状.17 2.2 产品发展现状.27 第三章 成熟驾驶模型标准化发展现状.34 3.1

6、 国外标准发展现状.34 3.2 国内标准发展现状.37 3.3 分析总结.40 第四章 关键成熟驾驶模型构建方法.42 4.1 模型概述.42 4.2 模型构建.42 4.3 紧急模型场景提取.49 4.4 验证分析.60 4.5 分析总结.62 第五章 成熟驾驶模型标准化展望与建议.64 5.1 体系标准化建议.64 5.2 标准化模型建议.66 5.3 总结展望.67 附录 A 成熟驾驶模型可避免碰撞的场景参数取值.69 参考文献.80 第一章 成熟驾驶模型技术发展现状 第 1 页 共 81 页 第一章 成熟驾驶模型技术发展现状 1.1 成熟驾驶模型发展现状 成熟驾驶模型是指模仿成熟人类

7、驾驶员控制车辆行为的数学模型或计算机模型，这些模型在汽车设计、自动驾驶算法开发、驾驶模拟器以及交通规划和管理领域有着广泛的应用。一般来说，成熟驾驶模型建模思路是，对驾驶活动进行具体观察，如驾驶员的决策过程，驾驶员的注意力控制及车辆的速度、加速度等车辆表现，在此基础上，构建一个层级结构，如策略、操纵和控制三层，然后将层级结构与驾驶任务动态联系起来，在不同层级上对驾驶人进行行为分析。成熟驾驶模型技术在当今世界呈现出丰富多彩的发展态势，经历了数十年的持续探索与技术积淀，其发展脉络浸润了认知心理学、交通工程、控制理论等领域的智慧精华。依据模型建模方法大致可分为基于理论的模型和基于数据的模型。基于理论的

8、模型常基于人类心理学、生理学、控制理论等领域的研究成果进行建模，近年来这些模型更加细化，对人类行为的模拟精度越来越高；基于数据的模型常基于大数据和机器学习技术，大幅提高了驾驶模型的准确性和预测能力。通过分析大规模的实际驾驶数据，模型能够自我优化，提高对驾驶行为模式的预测能力。按照模型的细节程度可分为微观模型和宏观模型，微观模型重点关注单一驾驶员决策过程和操作细节；宏观模型重点关注整体交通流的宏观特性。第一章 成熟驾驶模型技术发展现状 第 2 页 共 81 页 按照模型的功能可分为行为模型、决策模型和性能模型，行为模型专注于驾驶员的操作行为，如转向、加速、制动等；决策模型模拟驾驶员的策略选择和决

9、策过程，如应对突发事件的反应、最小风险策略选择等。性能模型用于评估驾驶员的驾驶能力，通常用于驾驶员培训和评价。按照应用领域可分为交通工程应用模型、车辆设计应用模型和驾驶培训评估模型等，交通工程应用模型用于路网设计、交通流量控制、事故重建等领域；车辆设计应用模型用于车辆人机交互设计、辅助驾驶系统开发、驾驶员辅助功能的评价和优化等；驾驶培训评估模型应用于模拟具体的驾驶任务和环境，以训练和评估驾驶员。成熟驾驶模型的研究方向众多，但在自动驾驶技术领域中，跟驰与换道模型的研究深度和应用范围相对较为广泛。在实际行车过程中，由于驾驶人 90%的时间与 95%的里程都在进行直线行驶，进一步体现了纵向(沿道路方

10、向操纵车辆)驾驶行为安全的重要性，且有研究表明，近一半的交通事故是由于驾驶人跟车距离过近导致的。车辆跟驰理论不仅是微观交通流理论最基本的仿真模型，还是理解宏观交通流形成的理论基石。此外，它还具有指导交通组织管理、缓解交通拥堵的现实意义。横向驾驶行为是指驾驶人在与道路垂直的方向上对车辆进行操控，是驾驶行为的重要组成部分，换道模型与跟驰模型构成了交通流中两个最主要的驾驶任务，也是驾驶行为理论的关键核心内容。1.2 关键跟驰模型发展现状 车辆跟驰模型主要用于描述车辆在跟驰行为过程中的行驶状态变化。对该模型的研究可以追溯到 20 世纪 50 年代初，经过 60 多年的发展，已经第一章 成熟驾驶模型技术

11、发展现状 第 3 页 共 81 页 取得了一系列重要的研究成果。根据建模方法的不同，已有模型划分为理论驱动车辆跟驰模型(Theory-Driven Car-Following Model)和数据驱动车辆跟驰模型(Data-Driven Car-Following Model)两大类，见图 1。理论驱动车辆跟驰模型侧重于对驾驶行为影响因素的描述，模型的设计者通常是在观察车辆跟驰行为的基础上,提出符合驾驶经验的理论假设,并基于该理论假设建立车辆跟驰模型。数据驱动跟驰模型，是以真实的车辆行驶数据为基础，利用数据科学与机器学习等理论和方法，通过样本数据的训练、学习、迭代、进化，挖掘车辆跟驰行为的内在规

12、律。图 1 跟驰模型分类 1.2.1 理论驱动类跟驰模型 刺激-反应框架是跟驰行为建模中最经典的思想，它深刻揭示了跟驰行为中的核心特性。随着时间的推移，经过 Pipes、GM、Newell 和 IDM 等模型1-4的演进，车辆跟驰的概念逐渐成熟并得以广泛应用。第一章 成熟驾驶模型技术发展现状 第 4 页 共 81 页 安全距离模型基本假设为，驾驶人期望与前导车保持安全车头间距，当前导车突然制动时，驾驶人能够有时间做出反应并减速停车，以避免发生碰撞5。这类模型主要是基于牛顿运动学公式建立的，由于其形式简单并且能够避免车辆碰撞，因此在交通仿真软件中得到了广泛应用。随着认知心理学的发展，许多学者试图

13、在跟驰行为建模中引入更多“人的因素”，心理-生理模型6即是以驾驶员的感知与反应特性为基础来建立模型。心理-生理跟驰模型在许多仿真软件中得到了广泛应用，例如德国 PTV 公司开发的 VisSim 软件。该软件已经在全球 2500 多个城市中得到了应用，并且已经成为许多国家交通仿真领域的标准。元胞自动机实质上是一个定义在由具有离散、有限状态的元胞组成的元胞空间中的动力学系统，它按照一定的局部规则在时间维度进行演化。由于交通元素本质上具有离散性，使用元胞自动机理论来对跟驰行为进行建模具有其独特的优越性。因此，元胞自动机是一种有效的建模工具，可以用来描述交通流中的跟驰行为。近年来，随着理论驱动类模型研

14、究的深入，研究方向逐渐分为考虑人类因素、基础设施因素、交通信息因素、异质交通流等微观驾驶行为的因素，见图 2，人类因素包括感知阈值、驾驶人视觉角度、风险感知、分心及失误的跟驰模型。基础设施因素主要包括道路基础设施对跟驰行为的影响，如路面条件、行驶阻力与道路几何条件等。交通信息因素包含驾驶人对交通信息的记忆效应、预测效应等，异质交通流因素不仅包括机动车、非机动车和行人各种交通流的混行，随着驾驶辅助系统、车联网、自动驾驶技术的发展，必将出现人工及自动驾驶混合的异质交通流。第一章 成熟驾驶模型技术发展现状 第 5 页 共 81 页 图 2 跟驰模型研究方向 1.2.2 数据驱动类跟驰模型 数据驱动的

15、跟驰模型以真实的车辆行驶数据为基础，利用数据科学和机器学习等理论和方法，通过样本数据的训练、学习和迭代进化，挖掘车辆跟驰行为的内在规律。这类模型不局限于各种理论假设，不追求严格意义上的数学推导，而是采用非参数方法挖掘轨迹数据的内在信息，旨在建立具有高预测精度的跟驰模型。根据使用算法的不同，这类模型可分为模糊逻辑类、人工神经网络类、实例学习类、支持向量回归类以及深度学习算法类。模糊逻辑类是应用模糊集合及模糊规则对定性问题进行描述，从而实现对未知模型和系统的综合判断。模糊逻辑在车辆跟驰模型中的应用，使得跟驰模型能够更切合实际地描述驾驶人的驾驶行为特性7。人工神经网络方法是通过对样本数据的学习建立起

16、一般性的描述，具有较高的预测精度，因此，使用人工神经网络建模车辆跟驰行为也一直是第一章 成熟驾驶模型技术发展现状 第 6 页 共 81 页 当前的研究热点，BP 神经网络、径向基神经网络、模糊神经网络等方法不断应用到跟驰行为建模中。目前随着神经网络技术的进步，隐含层数目更多的深度神经网络受到了更多关注。深度学习是机器学习的分支，其核心来源于人工神经网络8。深度学习通过构建多层隐含层模型，分析大量训练数据，提高分类和预测的准确性9。1.2.3 分析总结 数据驱动类模型参数结构复杂，同时需要大量的有效数据对模型进行参数标定，同时由于神经网络处理过程的黑盒，机理不可解释性，相关模型普遍尚在研究中，成

17、熟落地的商业化应用产品较少，因此标准化难度较高。理论驱动类跟驰模型相对成熟度更高，在工程中获得了更多的应用，各类模型发展历程如图 3 所示，关键维度对比见表 1。图 3 跟驰模型发展历程 第一章 成熟驾驶模型技术发展现状 第 7 页 共 81 页 表 1 跟驰模型对比表 跟驰模型比对表 模型类别 模型 名称 基本假设 参数个数 参数名称 模型输出 参数标定方法 应用 局限性 刺激-反应 GM 模型 期望与前导车保持一个规定的安全跟驰距离，驾驶人加速度与两车之间速度差成正比，与两车车头间距成反比，同时与自身速度也存在直接关系 5 目标车辆位移、目标车辆速度、敏感系数、反应时间、待标定系数 本车加

18、速度 测量、实测数据拟合 通用公司 反应时间不能反映驾驶人之间的差异，模型参数估计没有考虑加速、减速的行为差异 安全距离 Gipps 驾驶人期望与前车保持安全距离，前车突然制动时，驾驶人有时间能避免碰撞 6 期望加速度、期望减速度、车长、目标车减速度、期望车速、驾驶人反应时间 本车速度 测量、实测数据拟合 仿真软件CORSIM、SimTraffic、Paramics 形式简单，不适用于车头间距过大的情况 RSS 7 本车的初始速度、前车初始速度、本车的反应时间、本车在反应时间内的最大加速度、本车最小制动减速度、前车最大制动减速度 本车与前车应该保持的安全距离 测量、实测数据拟合 百度Apoll

19、o 和法雷奥都宣布将引入RSS 模型 参数标定方法不统一，描述场景偏向安全方面 智能驾驶 IDM 加速度为递减函数、加速度是车距的增函数，车辆不会倒退 10 本车速度、前车速度差、期望速度、前车间距、期望间距、静止安全距离、安全车头时距、起步加速度、舒适减速度、加速度指数 本车加速度 测量、实测数据拟合 辅助驾驶系统中，它可以被用来控制车辆的速度和加速度 仿真软件SUMO 描述精准，但仅适用于自动驾驶 第一章 成熟驾驶模型技术发展现状 第 8 页 共 81 页 表 1 跟驰模型对比表（续）跟驰模型比对表 模型类别 模型 名称 基本假设 参数个数 参数名称 模型输出 参数标定方法 应用 局限性

20、心理-生理 Wiedemann 心理-生理 一旦跟驰车驾驶人认为其与前车之间的距离小于心理安全距离，跟驰车驾驶员就开始减速；由于跟驰车驾驶员无法准确判断前车的车速，直到两车之间的距离达到另一个心理安全距离时，跟驰车驾驶员就开始缓慢加速 6 AX:静止状态下前后车期望距离 ABX:较小速度差下的期望跟车距离 SDV:距离较大时速度差的感知阙值 CLDV:短距离时意识到很小的速度差并且距离减小的界限值 OPDV:短距离时意识到很小的速度差并且距离增大的界限值 SDX:跟驰过程中意识到距离变大的感知值 本车加速度 测量、实测数据拟合 仿真软件Vissim、MITSim、TransModeler 人因

21、阈值确定十分困难，可移植性差 第一章 成熟驾驶模型技术发展现状 第 9 页 共 81 页 1.3 关键换道模型发展现状 换道模型是指在汽车自动驾驶系统中，用于判断何时以及如何进行车辆的换道操作的算法模型。换道模型旨在实现安全、高效和自适应的车辆换道动作。应用于微观交通环境模拟的换道模型分类如图 4 所示，主要分为两类：换道决策模型、换道执行模型。其中，换道决策模型描述了驾驶员做出换道决策的逻辑规则和过程，用于模拟驾驶员的微观驾驶特性。换道执行模型则主要分析了换道车辆与周边车辆的交互关系，以处理换道车辆与周围交通流的相互影响。图 4 换道模型 1.3.1 换道决策模型 换道决策模型从驾驶员换道决

22、策的角度对换道行为进行建模，侧重于微观换道过程的表达，以及物理参数的标定，主要包括规则模型、离散选择模型、人工智能模型、马尔可夫模型、生理-心理模型、生存模型等。规则模型是最基本的换道行为建模框架，模型的解释变量与因变量之间有着清晰的因果关系，基于规则的自动驾驶换道决策模型以 Gipps 的换第一章 成熟驾驶模型技术发展现状 第 10 页 共 81 页 道模型为代表，是指车辆针对不同换道环境，制定出不同的换道规则，比如最小安全距离规则、换道避障规则等，换道车辆基于这些规则判断当前的交通环境是否满足换道的条件，进而决策是否进行换道。例如，在Gipps 模型的基础上引入换道概率来描述驾驶员换道行为

23、的随机性、将换道模型分为用于高速公路的 FRESIM 模型和用于城市道路的 NETSIM 模型、以及将车辆换道时的相互作用分为自由换道、协作换道和强迫换道 3 种类型。对于离散选择模型，由于因变量不是一个连续的变量，是一个离散变量，使用离散选择模型可以提供一个有效的建模途径，比如在研究各类因素（如道路坡度、弯道曲率等、车龄、光照、天气条件等）对事故严重程度的影响的时候，因变量事故严重程度就可以认为是一个离散变量，比如使用轻、中、严重三个程度来表示。Ahmed 等人在其开发的离散选择模型中考虑了驾驶员的差异性与状态的依赖性（当前的选择依赖于以往的驾驶经验与换道的决策过程），并进一步考虑了高密度交

24、通流中强制换道频发的现象。使用神经网络的模型，可以从大量数据中挖掘特征，通过调整内部节点连接的权重和阈值，对网络输出造成不同程度的影响，以达到系统控制的目的。由于不需要使用周围交通精确感知数据进行建模，因此具备较好地模拟驾驶员不确定性特性的优势。马尔可夫模型是基于马尔科夫链的一种统计模型，他的核心思想是，随时间序列变化的一系列状态，每个当前的状态只和之前的几个有限的状态有关。Toledo 等人将离散选择模型和隐马尔可夫模型相结合，建立了换第一章 成熟驾驶模型技术发展现状 第 11 页 共 81 页 道决策模型。实验结果表明基于隐马尔可夫的换道决策模型具有更好的精度。概率选择模型描述个体驾驶员的

25、行为由其自身特征和其他驾驶员的行为组成的环境决定，反之亦然。从条件概率的角度来看，其他驾驶员的行为对某驾驶员的影响，可以被解释为，当某驾驶员感知到周围其他车辆的状态后，他采取某种特定动作的概率。1.3.2 换道执行模型 为了深入探究微观换道过程与周围车辆的交互关系，以及这种关系与各种交通现象之间的联系，研究者们将换道模型与运动波理论相结合，创建了运动波混合模型。元胞自动机(Cellular Automata,CA)是一种时空离散的局部动力学模型，是研究复杂系统的一种典型方法，特别适合用于空间复杂系统的时空动态模拟研究。元胞自动机模型被广泛地应用于换道模型构建中，如单元胞模型、多元胞模型、确定性

26、模型、慢速启动模型等。Nagel、Rickert 等提出双车道交通的元胞自动机模型。力相关的模型10,11是指，通过参考相关力学模型建立换道行为与周边车辆行驶状态改变的相互作用的模型。1.3.3 分析总结 早期的换道模型多为基于规则的建模方法，近年来逐渐向人工智能模型转变，本节从基本假设、模型参数、应用情况等几个方面，对各类换道模型进行总结分析，关键维度的对比结果见表 2，发展历程如图 5 所示。第一章 成熟驾驶模型技术发展现状 第 12 页 共 81 页 图 5 换道模型发展历程第一章 成熟驾驶模型技术发展现状 第 13 页 共 81 页 表 2 换道模型对比表 换道模型对比表 模型类别 模

27、型 名称 基本假设（建模方法+换道类型）关键参数 其他参数 应用道路 应用 优缺点 规则模型 Gipps 基于逻辑结构+数学表达，对换道类型未做区分 最大安全速度 距换道点距离/紧急性/特殊用途车道/重型车辆/前车影响 城市道路 仿真软件MITSIM 规则模型具有建模简单/应用场景广泛/变量少/仿真平台易用的优点，但是具有参数校准难/只使用初级变量/依赖简化假设/环境适应性差的缺点 Hidas 与 Gipps 模型相同，但是将换道类型分为自由、被迫、协同 最小可接受空间间距 车道减少/距换道点距离/排队优势/速度优势 高速公路/城市道路 仿真软件ARTEMiS Y.Pei 基于博弈论+纳什均衡

28、理论建模，换道类型只考虑被迫换道 延迟与求解时间/空间角度 速度/密度/高斯分布 城市道路 Toledo 基于短期目标/短期规划+数学表达的方式建模，换道类型分为强制/任意两种 可接受间距/加速度 因果关系/驾驶员特性/状态依赖 高速公路 仿真软件MITSIM Fellendorf 与 Gipps、Hidas 模型相同，换道类型分为强制/任意两种 可接受间距 距换道点距离/与紧急停车点距离 高速公路/城市道路 仿真软件VISSIM Erdmann 与 Fellendorf 相同 速度/距离 换道僵持点 城市道路 仿真软件SUMO X.Wan 以序列决策制定模型为建模基础理论，换道类型只考虑强制

29、换道 车间距/与辅道尽头距离/碰撞最小距离 间距位置/间距趋势/速度差/车型路径规划/驾驶员特性随机项 高速公路 D.Wang 基于换道可行性准则+模型预测优化控制理论 MPC 建立模型，不区分换道类型 位置/速度/纵向加速度 Y.Yu 基于动态多人博弈理论建立模型，不区分换道类型 位置/速度/加速度/进攻性 高速公路 离散选择模型 Ahmed 基于决策树+概率换道模型的建模理论，将换道类型分为强制和任意 可接受间距 跨越车道数/距换道点距离/完成合流的延迟/车辆类型 高速公路 仿真软件MITSIM 优点：考虑多元因素，缺点：需要概率函数/应用道路单一/忽略协同竞争 Elefteriadou

30、基于焦点小组+问卷量表进行建模，将换道类型分为强制和任意 驾驶员特性/换道概率 车辆类型/合流车辆/跟驰或被跟驰/排队优势/路面状态/异常行为 城市道路 仿真软件CORSIM 第一章 成熟驾驶模型技术发展现状 第 14 页 共 81 页 表 2 换道模型对比表（续）换道模型对比表 模型类别 模型 名称 基本假设（建模方法+换道类型）关键参数 其他参数 应用道路 应用 优缺点 离散选择模型 Y.Du 基于混合逻辑动态系统 MLD 理论建模，未区分换道类型进行 行程时间/安全/行为约束纵向位置/速度/所在车道 高速公路 优点：考虑多元因素，缺点：需要概率函数/应用道路单一/忽略协同竞争 人工智能模

31、型 Schlechtriemen 基于随机森林+高斯混合回归的方法建模，将换道类型分为向左换道/向右换道 与车道线距离/横向速度 高速公路 优点：考虑不确定性/方法众多/易于校准/适应性强，缺点：未知因素较多/数据要求高/可解释性差 J.Nie 基于支持向量机建模，换道类型为任意 相对纵向速度/车辆间距 高速公路 D.Xie 基于深度信任网络 DBN+受限玻尔兹曼机 RBMs 建模，未区分换道类型 速度/相对速度/车头间距 高速公路 Schubert 基于贝叶斯网络 BN 建模，未区分换道类型 车辆的位置和方向/周围移动目标/车道标线/速度/偏航率/车道曲率、宽度、变形 公路 人机界面HMI

32、Ulbrich 基于信号处理网络+部分可观测马尔科夫决策过程 POMDP 建模，未区分换道类型 目标车辆与周围对象的相对距离/相对速度/碰撞事件 城市道路 Tehrani 基于离散网格的多类别驾驶场景分类法+机器学习，不区分换道类型 周围车辆特征（网格占用状态/相对速度/横向和纵向距离）/道路曲率/时间和距离约束 公路 仿真软件PreScan Y.Zhang 基于卷积神经网络 CNN+全连接神经网络 FCNN，建立驾驶风格感知换道决策模型 DSA-DLC，不区分换道类型 相对位置/速度/加速度/车头时距 公路 第一章 成熟驾驶模型技术发展现状 第 15 页 共 81 页 表 2 换道模型对比表

33、（续）换道模型对比表 模型类别 模型 名称 基本假设（建模方法+换道类型）关键参数 其他参数 应用道路 应用 优缺点 马尔科夫模型 X.Wang 基于隐式马尔科夫模型建模，换道类型只针对强制换道 可用间距/临界间距 与离开点的距离/与排队的距离/与目标车道的距离 高速公路 仅能模拟换道频率，无法阐述换道决策过程 生理心理模型 Schakel 基于松弛和同步的换道模型LMRS，换道类型包括自由/协同/同步 路径/速度/车道偏好 可接受车头时距/减速度 高速公路 优点：参数少/结构灵活，缺点：依赖简化假设/应用道路单一/推广难度大 Wiedemann 基于快慢车道转换状态的变化，建立了通用换道决策

34、模型 车速/道路种类 可接受减速度/最大减速度/距离相关的变化率 高速公路 仿真软件VISSIM 第一章 成熟驾驶模型技术发展现状 第 16 页 共 81 页 1.4 分析总结 关键驾驶模型中的跟驰模型和换道模型是决策模块中的两个重要组成部分，它们分别负责车辆在跟车和换道过程中的智能决策和控制。跟驰模型的主要任务是根据周围车辆的位置、速度和行为，预测并决策如何与前车保持安全距离并实现平稳的跟车行驶。在实现跟驰行为时，跟驰模型需要考虑诸如车速、加速度、最小安全距离等因素，并实时调整车辆速度和加速度，以确保安全、舒适的跟车体验。换道模型负责根据感知信息和决策规划，判断何时、何地以及如何进行车道变换

35、，以实现安全、高效的换道行为。换道模型需要综合考虑多个因素，如前方交通状态、周围车辆行为、车道宽度、加速度和转向角等，确定最佳的换道时机和策略。虽然对驾驶行为分析建模以及仿真的研究取得一定进展，但目前还没有一个公认的模型能够完成驾驶全过程的覆盖和表征驾驶人的全部行为，在紧急情况下识别驾驶人的危险特征仍存在一定缺陷，同时，人因异质化生理心理指标、行为阈值的界定也是研究的难点所在。第二章 自动驾驶技术发展现状 第 17 页 共 81 页 第二章 自动驾驶技术发展现状 2.1 技术发展现状 我们将自动驾驶技术拆分为产品开发技术与产品测试技术，二者的有效整合，确保了自动驾驶汽车能在不断进化的同时，满足

36、日益严格的安全和性能标准，逐步走向成熟。2.1.1 产品开发技术发展现状 产品开发技术从流程上分为 3 个核心流程，分别是环境感知定位、决策规划、执行控制。环境感知定位技术是自动驾驶汽车的核心技术之一，它使得车辆能够理解周围的环境。这一技术领域正在快速发展。环境感知定位通常依赖于多种传感器，包括激光雷达（LIDAR）、雷达、摄像头和超声波传感器等，通过不同传感器的数据融合提高系统的准确性和鲁棒性，见图 6。图 6 多传感器融合 第二章 自动驾驶技术发展现状 第 18 页 共 81 页 传统激光雷达以其高成本和外形尺寸较大而闻名。近年来，固态激光雷达和MEMS 激光雷达的发展提高了成本效益，尺寸

37、更小，适用性更强，见图 7，进一步推动了自动驾驶汽车的商业化。图 7 机械激光雷达与固态激光雷达 高分辨率摄像头和先进的计算机视觉算法组合，能够实现对交通标志、行人、车辆和其他障碍物的准确识别，见图 8。图 8 视觉感知识别 雷达技术的改进使得车辆能够在恶劣天气条件下，如雾和雨中，更好地检测到其他车辆和物体。高精度 GPS 和惯性导航系统结合使用，可以提供车辆的精确位置，见图 9。同时，高精度地图为自动驾驶提供了必要的详细道路信息。第二章 自动驾驶技术发展现状 第 19 页 共 81 页 图 9 高精度 GPS 和惯性导航系统 随着深度学习和其他人工智能技术的进步，环境感知软件算法变得越来越强

38、大，能够更好地理解和预测交通动态和行为。5G 技术和车联网让车辆之间以及车辆与基础设施之间进行实时通讯成为可能，这为环境感知定位带来了额外的数据源，提高了总体的感知能力，见图 10。图 10 C-V2X 技术 随着传感器技术的发展，现代车辆上的摄像头、雷达、激光雷达第二章 自动驾驶技术发展现状 第 20 页 共 81 页 （LIDAR）和其他感应器可以提供关于车辆状态和环境的大量数据，驾驶模型技术正在更有效地融合这些传感器数据，能够更准确地理解和预测驾驶员行为。近年来，来自不同领域的诸多学者开展行为决策方法相关研究，从不同的行为决策方法上，大体可以分为基于规则的行为决策方法和基于机器学习的行为

39、决策方法。经过研究学者们的研究与改进，至今已有多种规划控制算法，而每种算法都有各自的适用场景及优缺点，见表 3。表 3 规划算法比对分析 轨迹规划算法分类 内容 适用范围 优点 缺点 基于图搜索的算法（二十世纪中叶）Dijkstra、A*、D*全局路径规划 成功率高 大型图搜索效率较低 基于曲线拟合的算法 圆弧与直线 局部路径规划 易于计算，且为最短路径 路径的曲率不保证连续 多项式 易于计算，曲线形态灵活多变 曲率连续性不保证（多个路径衔接，如泊车）曲线样条曲线 计算成本低，曲率连续易于保证，控制点容易控制曲线形状 难以平衡曲线形状和连续性需求 贝塞尔曲线 计算成本低，控制点可产生期望的曲线

40、，曲线间可相互连接 高阶曲线难以调节，全局路径点影响整条曲线，控制点较难设置 基于数值优化的算法 利用目标函数和约束对规划问题进行描述和求解 局部路径规划 可添加车辆动力学、道路边界，驾驶风格等约束条件 陷入局部最优解 基于人工势场的算法（1986）人工势场法 全局路径规划 较成熟、效率高 未考虑车辆动力学等约束 陷入局部最优解 基于采样的算法（1998）RRT 全局路径规划 效率相对较高 陷入局部最优解；路径质量差；难以在狭窄通道找到路径 第二章 自动驾驶技术发展现状 第 21 页 共 81 页 表 3 规划算法比对分析（续）轨迹规划算法分类 内容 适用范围 优点 缺点 基于智能法的算法（二

41、十世纪中叶）模糊逻辑、神经网络、遗传算法 全局路径规划 系统鲁棒性、场景适用度较高，以安全性舒适性等为边界条件，能够生成易于跟踪控制的最优行驶轨迹 可解释性较差 计算量大，对硬件要求较高 在国内外，驾驶员行为模型已广泛应用于自动驾驶技术开发过程中，并在多个厂家及自动驾驶供应商中得到应用，见表 4。表 4 国内外厂家自动驾驶技术与驾驶模型应用 时间 单位 模型及技术 驾驶模型的应用特点 2007 AnnieWay 团队 有限状态机的并联设计 保持安全距离 2017 Mobileye 责任敏感安全模型 谨慎驾驶 2018 Waymo 神经网络和机器学习的引入 降低出错率 2019 特斯拉 驾驶过程

42、的场景化与训练，协助车辆预测道路上的未来活动 行为预测 2022 蔚来汽车 NAD 智驾技术 丰富驾驶行为 2023 Wayve 生成式 AI 模型 GAIA-1 理解并重现规则和行为 2023 大陆 Imagery 平台集成于其自动驾驶平台 拟人驾驶并决策 2023 特斯拉 FSD Beta v11.4 推出 恶劣环境下能更快做出决策 2023 理想汽车 AD MAX 3.0 智驾技术 行为预测 2023 一汽解放 驾驶行为的检测与评估，量化评估实现信息化管理 降低油耗和安全高效 2.1.2 产品测试技术发展现状 2018 年联合国整合原 ITS/AD 非正式工作组相关业务，成立新的自动驾驶

43、车辆工作组（GRVA），并在GRVA下建立了自动驾驶评价与管理办法非正式工作组（VMAD）。在自动驾驶测试面临的新问题和新挑战背景下，提出“多支柱法”自动驾驶测试准则，即通过仿真测试、场地测试和实际道路测试等多种途径与方式，主张利用仿真测试覆盖全场景测试，利用场地测试覆盖典型场景和危险场景，利用实际道路测试覆盖典型场景，综合测试自动驾驶系统在真实交通情况下的可用性及安全性，如图 11 所示。第二章 自动驾驶技术发展现状 第 22 页 共 81 页 图 11 “多支柱法”自动驾驶测试准则 虚拟仿真测试：当下，模拟仿真技术已经成为智能网联汽车测试验证的重要手段之一，可以有效地验证自动驾驶算法的功能

44、和效果。根据被测对象的不同，可以使用不同的 XiL(MiL、SiL、HiL、PiL、ViL)测试方法，但这些方法均对智能网联汽车仿真测试的场景提出了很高的要求。测试方法首先需要在模拟仿真中建立一个成熟驾驶模型，目前有很多商业化仿真软件（VTD、Prescan、Carmaker 等）中有可以使用的驾驶模型，但均为比较简单的驾驶模型，见表 5。表 5 不同仿真软件中的驾驶模型 软件 驾驶模型 交通流仿真 特点 Prescan 可配置参数较少 暂不支持 支持道路预瞄 VTD 可配置参数丰富 支持 支持激进、稳妥、谨慎等不同风格的驾驶员参数化配置 Carmaker 驾驶模型模拟准确性较好 支持 支持自

45、适应学习；支持赛车驾驶模型；支持拟人化驾驶模型 Prescan12：包含驾驶模型,支持参数化配置,仅支持驾驶员在环和简易驾驶模型，支持道路预瞄，暂时不支持交通流仿真，如图 12 所示。第二章 自动驾驶技术发展现状 第 23 页 共 81 页 图 12 Prescan 操作界面 VTD13：驾驶模型丰富，驾驶员类型较多，支持交通流仿真，如图 13所示。1 图 13 VTD 操作界面 Carmaker14：IPGDriver 支持转向、刹车、油门、挡位、离合等驾驶员输入，模型具备自适应学习驾驶员行为特征的能力，驾驶模型模拟的准确性较好，支持道路预瞄，支持配置赛车驾驶模型，支持交通流仿真，如 第二章

46、 自动驾驶技术发展现状 第 24 页 共 81 页 图 14 所示。图 14 Carmaker 操作界面 实车测试：近年来国内外关于智能网联汽车开放道路测试的相关标准、法规及政策见表 6。表 6 国内外开放道路相关标准、法规及政策 国家 标准、法规及政策名称 标准号 时间 中国 智能网联汽车道路测试与示范应用管理规范（试行）工信部联通装202197 号 2021.07 自动驾驶车辆测试安全管理规范 T/CMAX 120-2019 2019.10 广州市关于智能网联汽车道路测试有关工作的指导意见 穗交规字201819 号 2018.12 德国 自动驾驶法 BGBl.I 2021 S.3108 2

47、017.05 瑞典 自动驾驶汽车公共道路测试规范 2017.05 第二章 自动驾驶技术发展现状 第 25 页 共 81 页 表 6 国内外开放道路相关标准、法规及政策（续）国家 标准、法规及政策名称 标准号 时间 美国 联邦自动驾驶汽车政策指南 2016.09 日本 自动驾驶道路测试指南 H28.5 警察厅公表 2016.05 在开放道路测试中，通过驾驶员建模，可以对驾驶员的行为和决策进行更深入的理解，从而提高自动驾驶系统的性能和安全性。同时驾驶模型可以帮助自动驾驶系统更好地适应不同的驾驶环境和驾驶风格。例如，在城市道路和高速公路上，驾驶员的驾驶风格会有所不同，驾驶模型可以帮助自动驾驶系统理解

48、这些差异并做出相应的驾驶决策，驾驶模型在测试方面有多方面应用。1.驾驶行为预测：成熟驾驶模型通过分析驾驶数据，可以对驾驶行为进行预测。这种预测能力可以帮助自动驾驶车辆更准确地理解和预测其他驾驶员的行为，从而做出更安全、更有效的驾驶决策。2.交通场景适应性：实车测试中，成熟驾驶模型可以模拟各种交通场景，如城市道路、高速公路、乡村道路等，并评估自动驾驶车辆在这些场景中的表现。通过这种方式，可以评估自动驾驶车辆的适应性和安全性。3.驾驶风格评估：成熟驾驶模型可以分析驾驶数据，评估驾驶员的驾驶风格。这种评估可以帮助自动驾驶车辆更好地理解不同的驾驶风格，从而更好地适应不同的驾驶环境。4.安全性能评估：实

49、车测试中，成熟驾驶模型可以评估自动驾驶车辆的安全性能。这种评估可以通过模拟各种危险情况（如碰撞、突然刹车、换道等）来实现，从而帮助自动驾驶车辆更好地应对危险情况。在 ECE 157 ALKS 的测试中给出了两类成熟驾驶模型在实际场地测试过程中的应用。第二章 自动驾驶技术发展现状 第 26 页 共 81 页 在第一类模型中，仅评估通过制动来避免碰撞的能力，首先建立注意力集中的驾驶员在面对紧急情况下的制动性能模型，并将其用作ALKS 的制动性能模型。该类模型假设驾驶员是可以预测到碰撞风险并施加一定比例的制动力，在这种前提下，第二类性能模型主要包括横向安全检查、纵向安全检查和执行。第二类性能模型首先

50、进行横向安全检查，如果不存在风险，则无动作；如果存在风险，再进行纵向安全检查，如果不存在风险，则无动作；如果存在风险，则执行相应动作，整个工作流程如图 15 所示。图 15 第二类性能模型工作流程 对于 Cut-in 场景，以下条件满足时，认为横向具有安全风险。（1）在自车前进路线上，其他车辆的尾部位于自车车头的前方；（2）其他车辆正在向 ALKS 车辆靠近；（3）ALKS 车辆的纵向行驶速度大于其他车辆的纵向行驶速度。对于Cut-in 场景，采用模糊安全替代评价法对纵向安全风险进行评估，第二章 自动驾驶技术发展现状 第 27 页 共 81 页 包括主动模糊安全替代评价指标（Proactive

51、 Fuzzy Surrogate safety metric，PFS）和临界模糊安全替代评价指标（Critical Fuzzy Surrogate safety metric，CFS），任何一个指标大于 0，则表示纵向存在安全风险。采用上述步骤和方法识别出风险，如果驾驶员此时通过制动能避免碰撞，则被认为也是 ALKS 可以避免碰撞的场景。2.1.3 分析总结 综上，成熟驾驶模型在产品开发与测试过程各个环节均广泛应用。目前规划控制技术相对成熟，在自动驾驶技术发展过程中旨在模仿人类驾驶员，做出正确的决策，控制车辆，安全、舒适、高效的完成驾驶任务，在环境感知技术越发成熟的条件下，进一步促进驾驶模型在

52、自动驾驶技术中的应用，国内外众多科研机构及主机厂也对驾驶模型研究较为深入，取得了较为广泛的应用，但在产业的快速发展下，智能网联汽车仍然存在诸多安全问题，距离达到L3 级自动驾驶仍然有一定距离，当前关于驾驶模型在自动驾驶技术中的应用多局限于跟驰与换道行为的拟合刻画，而缺少涵盖自动驾驶安全、舒适、效率的体系化、标准化的研究。同时，在产品测试过程中，为了有助于对产品进行全面评价，暴露问题，达到减少交通事故，提升驾乘体验，提高交通效率的目的，迫切需要制定一份科学、规范的智能网联汽车成熟驾驶模型标准体系，支撑和配合准入制度的建立和实施，促进智能网联汽车行业发展。2.2 产品发展现状 在国内外不断演进的产

53、业趋势下，无论是车企还是新兴智能驾驶系统供应商随着智能驾驶方案从 L2+向 L4/L5 的进一步研究。目前，市面上的第二章 自动驾驶技术发展现状 第 28 页 共 81 页 智能驾驶功能的汽车仍是以 L1/L2 辅助驾驶功能为主，渗透率 50%以上。预计到 2030 年 L2+级别将扩展到 90%以上，其中 L3 级别以上占到 50%市场份额，截至 2020 年，我国主流车企部分新车已陆续搭载 ICA（智能巡航辅助）、TJA（交通拥堵辅助）、IPA（智能泊车辅助）等L2级功能，为下一步高等级自动驾驶功能的实施打下基础。2.2.1 国内自动驾驶产品发展现状 我国的造车企业从 2020 年底起，陆

54、续推出在高速场景下 L2+点到点的智能领航辅助驾驶功能产品，比如蔚来的 NOP、小鹏的 NGP 以及理想的 NOA。而到了 2021 年底，长城汽车、广汽埃安和领克也推出了高速 NOH、NDA 和HWC 等高速 NOA 功能，更多车企加入到高速 NOA 的竞速赛之中。虽然车企们推出的高速 NOA 各有名称，但在功能的表现上，趋于同质化。随着近些年高速导航辅助驾驶功能成为主流车企的标配功能后，城市导航辅助驾驶功能逐渐成为研究热点，如图 16 所示。第二章 自动驾驶技术发展现状 第 29 页 共 81 页 图 16 2023 年多家主机厂预计推出城市领航辅助驾驶 此外，还有许多智能驾驶科技公司发布

55、应用了驾驶模型特点的产品，具体如下。元戎启行在 2023 年推出了 DeepRoute-Driver3.0 智能驾驶解决方案，解绑了对高精度地图的依赖的同时，仍能保持在复杂路段中拥有老司机般的优异表现。智能车辆在能耗方面相较于人类驾驶的汽车降低了 6.9%，同时还能提供像成熟驾驶员一样的安全、舒适的驾驶体验。2022 年,业内首个搭载领航辅助驾驶功能的燃油车-荣威 RX5 上市,搭载的驾驶模型用于采集边缘场景下人类驾驶员数据，保证驾驶数据的逼真度，还原了人类老司机的驾驶风格，例如对进出匝道的预处理和自然的交互反馈。换道策略灵活，成功率高。华为 ADS 2.0 系统于 2023 年 4 月推出后

56、，在人工智能训练数据集合上不断收集实地驾驶数据，每天深度学习里程超过1000万公里，能够持续优第二章 自动驾驶技术发展现状 第 30 页 共 81 页 化智能驾驶算法和场景应对策略。截至 2023 年 9 月的数据显示，长途 NCA技术无需人工干预驾驶里程平均达 200 公里，城市高架路段进入和退出成功率高达 99%以上，可靠程度可媲美老司机。此外，L4 级自动驾驶乘用车 Robotaxi 已经进入了泛化运营阶段，头部企业成功获得了全国不同城市的自动驾驶运营牌照，并在部分城市开始了泛化运营。此外，还可以在有限的城市内体验主驾无安全员的自动驾驶产品服务。各品牌自动驾驶产品见表 7。表 7 各品牌

57、自动驾驶产品 时间 单位 方案与产品 驾驶模型的应用特点 2019 元戎启行 L4 级别 Robotaxi 通用性 2020 比亚迪 DiTrainer 根据驾驶员水平不同有不同的驾驶体验 2022 地平线 征程 3 的 Pilot3.0 高速 NOA 方案 换道决策 2022 飞凡 RISING PILOT 飞凡全融合高阶智驾 快速反应和安全性 2023 嬴彻卡车 卡车自动驾驶的通用智能大模型 TruckGPT 优化驾驶行为 2023 华为问界 ADS 2.0 高阶智驾 可靠性 2023 元戎启行 DeepRoute-Driver3.0 智驾解决方案 提升通行效率及降低能耗 2023 百度

58、L4 级别 Robotaxi 通用性 2.2.2 国外自动驾驶产品发展现状 国外智能驾驶发展时间较国内更早，以美国为代表，Waymo 刚开始是Google 于 2009 年开启的一项自动驾驶汽车计划，之后于 2016 年 12 月才从 Google 独立出来，成为 Alphabet 公司旗下的子公司。2017 年 11 月，Waymo 宣布该公司开始在驾驶座上不配置安全驾驶员的情况下测试自动驾驶汽车。2022 年 11 月 11 日消息，自动驾驶公司 Waymo 宣布，将在美国凤凰城市中心向公众开放自动驾驶网约车服务。截止至2023 年，旧金山十分第二章 自动驾驶技术发展现状 第 31 页 共

59、 81 页 之一的汽车是无人驾驶车，Waymo 即将获得全天供车权限。通用旗下自动驾驶公司 Cruise 于 2022 年宣布，在美国加州部分城市正式开启无人驾驶出租车收费业务。其无人驾驶出租车没有安全员，属于真正意义上的无人驾驶。车辆的传感器采用 360视角，对车辆附近行人、建筑、自行车、其他汽车、道路状况等所有信息都具有感知能力，且距离能达到数百米以外。截至 2021 年，Cruise 在旧金山的测试总里程已经超过了 300 万英里（483 万公里）。同时，Cruise 在疫情期间一直在测试食品配送服务，为食品银行提供了超过 100 万份食物。Tesla 自 2014 年初，其自动驾驶产品

60、自问世以来，一直不断更新迭代，在包括仿真、感知、规划和数据在内的多个领域均取得显著自研成果，构筑特斯拉自动驾驶解决方案的护城河。特斯拉对海量人类驾驶数据进行收集与分析，不断改进其自动驾驶系统的性能。这种基于数据驱动的方法使得特斯拉的自动驾驶系统能够不断学习和优化，提升安全性和性能。因此，马斯克预言未来自动驾驶将比人类驾驶更加安全，甚至安全性提升约为人类驾驶的十倍。2021 年 12 月 2 日，德国联邦汽车运输管理局（KBA）基于联合国法规UN-R157 批准梅赛德斯-奔驰 ALKS 认证，在条件适宜、车流密集的高速路段，奔驰智能领航系统可以接管驾驶任务，并以最高60km/h 的速度行驶；20

61、21 年 3 月，本田 Legend 车型 L3 级自动驾驶功能 TJP 系统获得日本国土交通省的认证，且日本警察厅正在研制 L4 级自动驾驶运营服务许可制度，研究开放第一条L4级别自动驾驶应用道路，在人口较少的地区，开展无人驾驶客车巡回运营，各品牌 L4 级自动驾驶方案与产品见表 8。第二章 自动驾驶技术发展现状 第 32 页 共 81 页 表 8 各品牌 L4 级自动驾驶方案与产品 时间 单位 方案与产品 驾驶模型的应用特点 2009 Waymo L4 级别 Robotaxi 通用性 2020 Cruise L4 级别 Robotaxi 通用性 2021 梅赛德斯-奔驰 推出 L3 级别智

62、驾产品 产品融入驾驶模型相关技术 2021 本田 推出 L3 级别智驾产品 产品融入驾驶模型相关技术 2023 特斯拉 提升 FSD 神经网络学习 持续学习和优化，提升安全性 2023 宝马 推出 L3 级别智驾产品 产品融入驾驶模型相关技术 2.2.3 分析总结 随着技术的不断进步和完善，智能驾驶产品的功能也越来越丰富，目前的智能驾驶产品不仅可以进行基本的路径规划、避障和控制等操作，还具有包括自适应巡航、自动泊车、自动换道等辅助驾驶功能。同时，规划、控制、识别和决策等方面也有了较大的提升，大大增加了智能驾驶产品的稳定性和可靠性。智能驾驶产业经历了从2009年的初步尝试，到创新起步、高速发展、

63、逐步泛化的各个阶段，目前已经进入泛化阶段。如图 17 所示。图 17 自动驾驶产业高速发展阶段图 第二章 自动驾驶技术发展现状 第 33 页 共 81 页 虽然市面上这些已有功能能够很好的做到居中、跟车等能力，但是智能网联汽车仍然存在诸多安全问题，国内已发生多起自动驾驶汽车碰撞事故，如 2021 年 8 月，某电动车厂商于沈海高速追尾前方同车道正在施工作业的轻型货车，造成驾驶人死亡。据美国国家公路交通安全管理局发布数据，截至 2022 年 5 月 15 日，共发生 392 起 L2 级 ADAS 撞车事故，有 6 起死亡事故和 5 起重伤事故。据自动驾驶汽车交通安全白皮书 2022 版统计，自

64、动驾驶汽车因自身问题主动碰撞其他道路交通参与者的事故占比为18.8%，事故主要原因之一为前车突然急减速或在未使用相应指示灯情况下，强制加塞至自动驾驶汽车行驶道路时，自动驾驶汽车难以对目标物种类及不良驾驶行为进行有效分类和识别，从而发生刮蹭事故。因此，自从自动驾驶汽车产品开始普及，交通事故问题一直伴随人类至今，随着自动驾驶技术的发展，安全类的驾驶行为模型逐步受到关注，因此，如何打造一款用户可以在自动驾驶功能激活后充分信任其能力，接受其能力缺陷，并在自动驾驶系统发出合理接管请求时，无怨言的履行接管义务的产品，我们迫切需要一份安全评价模型，来探寻自动驾驶汽车产品的安全边界，为用户兜底。第三章 成熟驾

65、驶模型标准化发展现状 第 34 页 共 81 页 第三章 成熟驾驶模型标准化发展现状 3.1 国外标准发展现状 随着自动驾驶技术与产品的发展和应用，安全类成熟驾驶模型的标准化也逐渐成为关注的焦点。当前，国外成熟驾驶模型标准化工作主要由国际标准化组织（ISO）和一些国外国家标准化机构制定实施。ISO 及欧盟制定了一系列与自动驾驶技术相关的成熟驾驶模型标准和法规，涵盖了驾驶模型类别、能力要求、适用场景等方面的规范。经过调研，国外涉及到的驾驶模型的标准包括跟驰模型 3 项、换道模型 3 项。3.1.1 跟驰模型相关标准 在跟驰模型方面，当前国际标准的研究重点在于系统的自适应巡航功能的要求，包括跟随控

66、制和速度控制等。ISO 15622:2018智能交通系统 自适应巡航控制系统 性能要求和测试程序标准15中给出的跟随控制部分内容可以提炼出对自动驾驶系统的驾驶模型的设计要求。该标准未涉及具体的跟驰模型，但对跟驰模型的实现和应用提出了一些具体要求和指标，如车速、时距、跟驰要求、横向加速度等。欧洲经济委员会颁布的 UN-R157（UN Regulation No.157 Uniform provisions concerning the approval of vehicles with regard to Automated Lane Keeping Systems）法规16旨在就关于自动车道保

67、持系统的车辆批准。这些规定涉及跟驰控制算法、车辆间通信、传感器和安全等方面。该标准所采用的评价标准是自动驾驶系统在其运行过程中不能够带来“可避免”的风险（事故），并且满足属地国的交通法规（除需要违规第三章 成熟驾驶模型标准化发展现状 第 35 页 共 81 页 才可避免发生事故的情况）。上述“可避免”的风险边界需要依据紧急场景下的人类驾驶模型来确认。该法规在附录中定义了熟练且谨慎的人类驾驶员的紧急制动模型，如图 18 所示。图 18 紧急制动模型 UN-R157 法规附录除了定义了上述紧急制动模型外，还以日本熟练且谨慎的人类驾驶员能力定义了模型的相关参数取值，包括不同场景下的风险出现点（切入场

68、景为切入车辆偏移车道中心线 0.375m，前车制动场景为前车减速度超过5m/s2），风险评估时间（0.4s），评估完成至开始制动时间（0.75s），制动至最大减速度时间（0.6s）及最大减速度取值（0.774G），见表 9。表 9 UN-R157 熟练且谨慎驾驶员紧急制动模型参数表 参数 因素 风险感知点 换道（切入、切入）车辆中心与行车道中心的偏差超过0.375m 减速 前车减速比与本车跟车距离 风险评估时间 0.4s 第三章 成熟驾驶模型标准化发展现状 第 36 页 共 81 页 表 9 UN-R157 熟练且谨慎驾驶员紧急制动模型参数表（续）参数 因素 从完成感知到开始制动的持续时间 0

69、.75s 完全制动的时间（道路摩擦 1.0）0.6s 至 0.774G 完全制动的时间（在自我车辆和切入车辆完全重合后，道路摩擦 1.0）0.6s 至 0.85G 根据熟练且谨慎驾驶员紧急制动模型，可以确定其在遇到紧急场景时可以避免碰撞的能力边界，并以此作为自动驾驶车辆的能力要求，即自动驾驶车辆应能够避免熟练且谨慎驾驶员能避免的所有碰撞。此外，BASt 组织专家向欧洲经济委员会提交了FRAV-39-07为避免事故推导可验证性能要求的方法草案17，提出了三种避免事故的性能要求模型：最迟转向模型、安全区模型及一般驾驶模型，草案中的模型的构建是基于数学模型，缺少实际数据。3.1.2 换道模型相关标准

70、 在换道模型方面，国际标准关注的重点方向包括警告驾驶员因车道变更操作带来的潜在风险，ISO 17387:2008智能交通系统 车道改变辅助决策系统性能要求和试验程序标准18虽列举了众多场景，同时指定了车速、间距等指标的选取范围，但主要目的是用于对警告发出与否进行测试，暂未明确提出与换道模型相关的测试要求。IEEE 2846-2022自动驾驶系统安全相关模型假设标准19是基于 Mobileye 责任敏感安全模型（RSS）制定的安全标准，RSS 模型规定了人类和自动驾驶汽车在风险和实用性之间寻求平衡而需要做出的各种合理的、可预见的假设。该标准规定了能否换道的纵向和横向条件，缺少换道过程的相关模型。

71、UN Regulation No.7920旨在规定自动驾驶转向 L3 级以下的功能要求，并对自动驾驶转向的各个方面都做出详细规定。R79 中的功能定义第三章 成熟驾驶模型标准化发展现状 第 37 页 共 81 页 包含转向纠偏(Corrective Steering Functions,CSF)、紧急转向(Emergency Steering Functions,ESF)、A-E 类 ACSF，R79 主要对 A-C 类的 ACSF 功能进行规定和要求，目前对 D 和 E 类的 ACSF 功能未给出明确要求。该法规中 A 型 ACSF 主要用于低速或泊车使用，B1 和 B2 型号主要用于车道保

72、持，而 C 型 ACSF 自动控制转向换道功能明确的描述了换道系统仅允许在无行人和自行车通行，与对向车道有物理隔离的单向多车道内的情况下开启。系统应仅可在单车道行驶控制处于激活状态时触发换道过程，在换道过程完成后车辆应自动恢复单车道行驶控制。除了在系统规定的危险场景以外，还规定了换道过程场景，具体参数见表 10。表 10 UN-R79 系统规定的换道过程模型参数表 危险场景判定方法 用换道横向移动开始时刻目标车的距离判定情景是否属于危险情景，危险情景的距离定义为 vrear指后方接近车辆的速度或 130km/h（取其中小值）vACSF指搭载 ACSF 的主车的真实速度 a=3m/s2：后方车辆

73、的减速度 tB=0.4s：在本车换道动作开始后，后方接近车辆的制动反应时间 tG=1s：减速后需达到的跟车时距（THW）使用条件 最小探测距离 使用条件 最小运行速度（m/s）是车企申明的最小探测距离（m）=3m/s2：后方车辆的减速度=0.4s：后方接近车辆的制动反应时间=1s：减速后需达到的跟车时距（THW）=36.1m/s：后方车辆以 130km/h 接近时的速度；若车辆使用国家的最大限速小于 130km/h，则可以采用该国的最大速度限制作为。但车辆需搭载可以识别使用地区的装置，并且有这个国家的速度限制信息。3.2 国内标准发展现状 3.2.1 跟驰模型相关标准 随着自动驾驶技术的发展和

74、应用，成熟驾驶模型的标准化在中国也日益受到重视。中国标准化机构积极参与国际标准化组织（ISO）相关工作第三章 成熟驾驶模型标准化发展现状 第 38 页 共 81 页 组，并推动制定与成熟驾驶模型相关的国际标准，在成熟驾驶模型标准化方面起到了重要的推动和引领作用。同时，我国还独立制定了适用于中国国内的成熟驾驶模型标准及功能测试要求系列标准，包括跟驰模型 2 项、换道模型 2 项，以此适应国内交通环境和驾驶习惯。我国政府对成熟驾驶模型标准化也给予了重视和支持，政府部门积极组织和推动相关标准的制定和实施，为成熟驾驶模型的发展提供政策支持和指导。国内车辆跟驰模型标准尚未形成统一的体系，但相关领域的学者

75、和专家对自动驾驶系统跟驰模型提出了一些规范及要求。目前，国内已经根据这些要求建立起了智能网联汽车自适应巡航控制系统的标准体系以及试验要求，即 GB/T 20608-2006智能运输系统 自适应巡航控制系统 性能要求与检测方法21与 GB/T 41798-2022智能网联汽车自动驾驶功能场地试验方法及要求22。3.2.2 换道模型相关标准 换道模型方面，国内相关领域学者和专家已经开展了一系列的理论研究和实证分析，主要涵盖了城市道路、高速公路和智能交通系统等不同的应用场景。目前，国内已经建立了智能网联汽车换道辅助系统的标准，即GB/T 37471-2019智能运输系统 换道决策辅助系统 性能要求与

76、检测方法23，该标准在制定时参考了 ISO 17387-2008 以及和智能网联汽车 组合驾驶辅助系统技术要求及试验方法 第 2 部分：多车道行驶控制。智能网联汽车组合驾驶辅助系统技术要求及试验方法第 2 部分：多车道行驶控制中描述了车辆换道系统应该满足的标准。这些规定包含了车道行驶控制系统的一般要求、性能要求和试验方法、车辆的探测响应能第三章 成熟驾驶模型标准化发展现状 第 39 页 共 81 页 力、不可进行换道的条件等方面内容。该标准所采用的评价标准是避免碰撞风险。除为避免碰撞风险等特殊情况所采取的安全响应策略外，系统在换道准备阶段和换道执行阶段的横向移动应保持连续。该法规描述了车辆完成

77、整个换道操作需满足一定的换道时间要求，如图 19 所示。图 19 换道操作要求 该法规除规定了整个换道过程的时间以外，还定义了换道过程触发时刻，试验车辆后向距离相关模型的相关计算方法，在横向和纵向运动的参数见表 11。表 11 具体场景参数 纵向运动 换道过程触发时刻 1.后向接近目标车辆的减速度 3.5m/s2;2.从试验车辆开始换道准备阶段，到后向接近目标车辆开始减速的时间，1=1s；3.后向接近目标车辆减速至与试验车辆相同车速后，两车之间保留的安全距离6,12m;4.=10,120km/h 第三章 成熟驾驶模型标准化发展现状 第 40 页 共 81 页 表 11 具体场景参数（续）纵向运

78、动 在换道过程触发后 1.在换道过程触发后至换道完成前试验车辆后向距离5,12m；2.在换道过程触发后至换道完成前试验车辆和目标车辆应保持的时间间距，=1s;3.后向接近目标车辆的减速度，a2=3m/s2；4.从试验车辆开始换道执行阶段，到后向接近目标车辆开始减速的时间，=0.4s；5.后向接近目标车辆减速至与试验车辆相同车速后，两车之间应保持的时间间距，=1s。横向运动 直道上的换道执行阶段 车辆的横向加速度应不大于 1 m/s2 M1 以及 N1 类 最大横向加速度应不大于 3 m/s2，且横向加速度变化率在任意的 0.5 s 内的平均值应不大于 5 m/s3。M2、M3、N2 以及 N3

79、 类 换道执行阶段试验车辆的最大横向加速度应不大于 2.5m/s2，且横向加速度变化率在任意的 0.5 s 内的平均值应不大于5m/s3。根据该法规的描述，可以确定在换道过程中的换道时间以及换道过程中与后向车辆之间的安全距离，并以此作为自动驾驶车辆的距离要求，即自动驾驶车辆系统后向安全距离内存在其他目标车辆情况下，系统应采取以避撞为目的的安全响应策略。3.3 分析总结 在成熟驾驶模型研究方面，国外标准起步较早，相对完善，国内标准虽尚未形成统一体系，但也有一定成果。国内标准聚焦于系统的性能和试验方法等方面的研究，包括跟驰加速度、碰撞预警、速度差等与构建成熟驾驶模型相关的参数要求研究，对于提高道路

80、安全性，提升交通安全管理水平具有重要意义，为开展成熟驾驶模型标准化研究奠定良好的基础，国内外驾驶模型相关标准见表 12。表 12 国内外驾驶模型相关标准现状 负责/归口 标准编号 标准名称 阶段 相关模型 ISO/TC 204 ISO 15622 智能交通系统 自适应巡航控制系统性能要求和测试程序 发布 跟驰模型 UNECE UN-R157 关于自动车道保持系统（ALKS）车辆认证的统一规定 发布 跟驰模型 换道模型 UNECE FRAV-39-07 为避免事故推导可验证性能要求的方法 发布 跟驰模型 第三章 成熟驾驶模型标准化发展现状 第 41 页 共 81 页 表 12 国内外驾驶模型相关

81、标准现状（续）负责/归口 标准编号 标准名称 阶段 相关模型 ISO/TC 204 ISO 17387 智能交通系统 车道变更决策辅助系统(LCDAS)性能要求和测试步骤 发布 换道模型 UNECE R79 车辆转向设备审批的统一规定 发布 换道模型 IEEE IEEE 2846 自动驾驶系统安全相关模型假设标准 发布 换道模型 TC268 GB/T 20608-2006 智能运输系统 自适应巡航控制系统 性能要求与检测方法 发布 跟驰模型 TC268 GB/T 37471-2019 智能运输系统 换道决策辅助系统 性能要求与检测方法 发布 换道模型 TC114 GB/T 41798-2022

82、 智能运输系统 自适应巡航控制系统 性能要求与检测方法 发布 跟驰模型 TC114 暂无 智能网联汽车 组合驾驶辅助系统技术要求及试验方法 第 2 部分：多车道行驶控制 正在批准 换道模型 随着自动驾驶技术的发展，对其测试验证的维度主要包括安全性、效率性和舒适性等。其中，安全性是自动驾驶的基石，也是自动驾驶测试验证的重中之重。联合国世界车辆法规协调论坛（WP.29）发布自动驾驶汽车框架文件，旨在确立L3 及更高级别的自动驾驶汽车的安全性和相关原则。其定义的安全原则为自动驾驶汽车在其设计运行范围（ODD）内，不得造成任何合理可预见且可避免的交通伤亡事故。其中“可避免”指的是注意力集中的成熟驾驶员

83、可以避免的碰撞。如果自动驾驶汽车能够在其ODD 内的合理可预见的场景下，达到注意力集中的成熟驾驶员的避免碰撞的水平，则可判定其满足 WP.29 所定义的安全原则。因此我们需要根据中国注意力集中的成熟驾驶员建立紧急反应模型及数据库，可定义自动驾驶汽车的行为安全能力边界，支撑准入相关标准的制定。第四章 关键成熟驾驶模型构建方法 第 42 页 共 81 页 第四章 关键成熟驾驶模型构建方法 4.1 模型概述 目前，成熟驾驶模型研究方向众多，各方学者多年来已有较为深入的研究，在产品开发阶段，驾驶模型参数融合于自动驾驶车辆决策规划控制算法中，目的在于使车辆行为更加类人，保证驾驶安全，被广大用户接受，在产

84、品测试阶段，测试方法与标准中多次出现紧急安全相关的驾驶模型及相关参数，进行产品安全性验证，但是在产品与标准的发展过程中，安全类模型备受关注，标准化可行性最高，应用范围最广，所以构建中国特色的成熟驾驶模型，以及设定符合中国驾驶员习惯及安全性要求的模型参数，成为智能网联汽车进一步发展的必要条件。在此基础上，可以对智能驾驶系统的合规性、安全性、舒适性进行评估，从而构建智能驾驶系统工程落地的统一标准。4.2 模型构建 4.2.1 紧急制动模型 紧急制动模型分为三个区：自由行驶区、匀速区、制动生效区，如图20 所示。在自由行驶区，驾驶员按照驾驶需求进行驾驶；在风险出现时间点后，进入匀速行驶区，驾驶员进行

85、风险评估、决策反应、脚部迁移、开始踩踏板；在制动生效区，车辆产生明显的制动效果，通过制动效能快速提升后，达到最大。第四章 关键成熟驾驶模型构建方法 第 43 页 共 81 页 图 20 紧急制动模型 参数定义如下。最大制动减速度：首先对自车的制动减速度进行平滑及过滤，剔除少数由于碰撞、系统偏移导致的奇异数据点。随后选取最大减速度前、后分别首次大于-0.1m/s2的时间点之间的数据作为有价值的切片数据分析，由于在实车标定过程中，本车制动减速度可能受到噪声干扰，以及在触发ABS 后，容易出现最大制动减速度降低 12m/s2的情况，按如下步骤确定最大制动减速度。1）对切片数据中本车制动减速度使用阶数

86、为 6，截止频率为 10Hz 的巴特沃斯滤波器滤波，滤除传感器信号干扰，如图 21 所示。图 21 对本车减速度进行滤波 第四章 关键成熟驾驶模型构建方法 第 44 页 共 81 页 2）对所有本车减速度信号切片数据求解微分，得到所有样本的减速度梯度数列，对其进行 K-S 检验，判定是否满足正态分布，得到结果见表13。表 13 K-S 正态分布检验结果 正态性检验分析结果 名称 样本量 平均值 标准差 偏度 峰度 Kolmogorov-Smirnov 检验 Shapiro-Wilk 检验 统计量 D 值 p 统计量W 值 p 梯度 45803-0.135 38.782 0.070 3.925

87、0.208*0.826*p0.05*p0.01 针对梯度进行正态性检验，从上表可以看出，研究数据的样本量大于50，因而使用 K-S 检验。具体来看，梯度全部呈现出显著性(p30 AEB CCRlcs 22.2 40 6 向右 0.9 50 ADAS 紧急场景 27.7 50 6 向右 0.8 80 ADAS 紧急场景 33.3 60 6 向右 0.8 120 AEB CCRlcs 尽管理论上风险车辆（即前前车）在暴露一条边时就可以被直接观测，然而考虑到驾驶员对于物体的感知能力是有限的，过于小的物体并无法激活足够的认知活性，因此需要将风险产生的时间点延后。因此，为了便于计算，该工况的风险出现时间

88、点为当前车车辆后保边缘横向位移超过前前车车宽的 1/4 时对应时刻。典型提取结果如图 34、图 35 所示。图 34 制动模型典型提取结果 第四章 关键成熟驾驶模型构建方法 第 57 页 共 81 页 图 35 转向模型典型提取结果 由于实车场地标定工况的单一性，考虑驾驶员会对目标车辆产生预警心理，导致决策响应时间不准确，因此对于虚拟仿真参数标定工况，增加交通流测试工况，对于风险出现时间点的定义相同。紧急制动工况：自车在中间车道行驶，初始位置与前车距离 60 米。左侧车道存在连续车流，车流速度设定为 60km/h。自车与前车车速维持在约60km/h。自车稳定跟随前车行驶一段时间。当前车到达预设

89、地点时，前车以最大制动压力制动至静止，如图 37 所示。典型提取结果如图 36 所示。第四章 关键成熟驾驶模型构建方法 第 58 页 共 81 页 图 36 制动模型典型提取结果 图 37 前车紧急制动场景示意图 紧急切入工况：自车在中间车道行驶，初始位置与前车距离 60 米。左侧车道存在连续车流，车流速度设定为 40km/h。自车与前车车速维持在约60km/h，自车从车流末尾开始逐渐超越左侧车辆，稳定跟随前车行驶。当自车与车流中切入车辆的纵向 TTC 达到预设值时，切入车辆紧急切入自车车道，换道时长 1 秒，如图 39 所示，典型提取结果如图 38 所示。第四章 关键成熟驾驶模型构建方法 第

90、 59 页 共 81 页 图 38 制动模型典型提取结果 图 39 邻车低速紧急切入场景示意图 切出后遇静止前车工况：自车在中间车道行驶，初始位置与前车距离60米。左侧车道存在连续车流，车流速度设定为40km/h。自车与前车车速维持在约 60km/h。自车的前前车为停止在中间车道的静态障碍车辆。自车逐渐超越左侧车流，稳定跟随前车行驶。当前车与前前车之间的距离达到预设值时，前车切出至右侧应急车道，切出时长 1 秒，如图 41 所示。典型提取结果如图 40 所示。第四章 关键成熟驾驶模型构建方法 第 60 页 共 81 页 图 40 典型提取结果 图 41 前车紧急切出后遇静止车场景示意图 受试人

91、员应至少 15-20 人，均为驾龄 10 年以上，驾驶里程超过30000km，年龄、职业、婚否，驾驶风格为包含激进、一般和柔和三种类型，判断力、反应力较佳的成熟驾驶员。4.4 验证分析 本轮制动模型标定共采集 53 位驾驶员，342 个测试用例结果，其中，仿真标定测试用例结果 68 个，实车标定测试用例结果 274 个，见表 18。第四章 关键成熟驾驶模型构建方法 第 61 页 共 81 页 表 18 制动模型标定工况 标定方式标定方式 场景类别场景类别 测试用例结果测试用例结果 汇总汇总 仿真 切出后遇静止前车工况 21 68 紧急切入工况 24 紧急制动工况 23 实车 切出后遇静止前车工

92、况 63 274 紧急切入工况 119 紧急制动工况 92 制动模型标定结果计算结果见表 19。表 19 制动模型标定结果 标定方式标定方式 场景类别场景类别 反应时间反应时间 (s)s)制动效能提升时间制动效能提升时间 (s)s)最大制动减速度最大制动减速度 （m/sm/s2 2）仿真 切出后遇静止前车工况 1.29 0.54-9.00 紧急切入工况 1.06 0.58-8.45 紧急制动工况 1.30 0.79-7.50 汇总平均值汇总平均值 1.221.22 0.640.64 -8.328.32 实车 切出后遇静止前车工况 0.13 0.51-7.93 紧急切入工况 0.11 0.47-

93、7.80 紧急制动工况 0.26 0.45-8.52 汇总平均值汇总平均值 0.170.17 0.480.48 -8.088.08 U UN N-R R157157 结果结果 1 1.15.15 0 0.6.6 -7 7.5959 由于场地当中进行的紧急制动工况驾驶员对其有一定的预判，因此导致决策响应时间偏短，与仿真标定以及公开数据集分析统计结果存在差异，并且仿真标定过程中，车辆参数取值多样性较差，对环境模拟存在一定偏差，因此，最大制动减速度与制动效能提升时间实车标定结果可信度较高。本轮转向模型标定共采集 53 位驾驶员，129 个测试用例结果，其中，仿真标定测试用例结果 67 个，实车标定测

94、试用例结果 62 个，见表 20。表 20 转向模型标定工况 标定方式标定方式 场景类别场景类别 测试用例结果测试用例结果 汇总汇总 仿真仿真 切出后遇静止前车工况 27 67 紧急切入工况 20 紧急制动工况 20 实车实车 切出后遇静止前车工况 22 62 紧急切入工况 23 紧急制动工况 17 右转向避撞标定结果见表 21。第四章 关键成熟驾驶模型构建方法 第 62 页 共 81 页 表 21 右转向避撞标定结果 标定方式标定方式 场景类别场景类别 决策响应决策响应时间时间 （s s）转向盘回正时间转向盘回正时间 (s)s)转向盘最大转角转向盘最大转角 ()仿真 切出后遇静止前车工况 0

95、.99 1.60-35 紧急切入工况 0.56 1.61-57 紧急制动工况 1.18 2.37-45 汇总平均值汇总平均值 0.910.91 1.861.86 -4646 实车 切出后遇静止前车工况 0.51 1.58-54 紧急切入工况 0.50 1.17-94 紧急制动工况 0.10 0.71-140 汇总平均值汇总平均值 0.370.37 1.151.15 -9696 4.5 分析总结 综上，具有中国特色的成熟驾驶员紧急制动模型中，由于实车场地测试时，采用假车进行试验，因此，导致驾驶员提前预警，使得决策响应时间较仿真标定结果短 1.05s，同时由于实车标定过程中缺少交通流干扰，会对驾驶

96、员注意力控制，肌肉控制产生影响，而仿真标定中车辆参数、静态环境参数偏理论化，与实际情况存在差异，进而影响最终的制动效能提升时间与最大制动减速度，导致二者结果产生差异。实车标定中，制动效能提升时间与最大制动减速度较仿真结果更为真实可信，同时交通流干扰的缺失，可理解为驾驶员注意力更加集中，因此可应用于表征人类驾驶员的安全边界。紧急转向模型中，驾驶员决策响应时间与紧急制动模型工况影响因素类似，采用仿真标定结果，同样的由于实车特性，转向盘最大转角以及转向盘回正时间较仿真结果更为可信。最终确定的紧急制动模型与紧急转向模型结果见表22、表23，同时，把主车车速选定，采用二维图表征前车切出后遇静止车辆、邻车

97、切入、前车制动工况的场景参数全集和筛选出的合理可预见参数集合，见附录 A。第四章 关键成熟驾驶模型构建方法 第 63 页 共 81 页 表 22 中国成熟驾驶员紧急制动模型参数标定结果 成熟驾驶员紧急制动模型参数 场景类别 决策响应时间(s)制动效能提升时间(s)最大制动减速度(m/s2)前车切出后遇静止车辆 1.29 0.51-7.93 邻车切入 1.06 0.47-7.80 前车制动 1.30 0.45-8.52 表 23 中国成熟驾驶员紧急转向模型参数标定结果 成熟驾驶员紧急转向模型参数 右转避撞 场景类别 决策响应时间(s)方向盘回正时间(s)方向盘最大转角()前车切出后遇静止车辆 0

98、.99 1.58-54 邻车切入 0.56 1.17-94 前车制动 1.18 0.71-140 第五章 成熟驾驶模型标准化展望与建议 第 64 页 共 81 页 第五章 成熟驾驶模型标准化展望与建议 5.1 体系标准化建议 本书重点研究了成熟驾驶模型中的紧急制动模型与紧急转向模型，以探寻中国成熟驾驶员紧急工况下的安全边界，用以评价自动驾驶汽车安全性，但是随着自动驾驶技术的发展，自动驾驶已到商业化前夕，用户不会为了安全的单一要素买单，必须同时做到舒适及效率，因此本书根据前四章研究结果，提出一套以安全性为基础，兼顾舒适、效率的成熟驾驶模型的标准化框架，见图 42。智能网联汽车成熟驾驶员模型标准体

99、系基础通用安全性模型舒适性模型紧急制动模型紧急转向模型紧急接管模型跟驰模型换道模型接管模型驾驶辅助自动驾驶舒适性模型效率性模型纵向控制模型横向控制模型接管模型异质交通流模型纵向控制模型横向控制模型 图 42 智能网联汽车的成熟驾驶模型标准化框架 在该框架下，以安全性驾驶模型为通用基础模型，并依据中华人民共和国工业和信息化部提出的汽车驾驶自动化分级，在L2及以下的驾驶辅助级别，增加舒适性驾驶模型要求，在 L3 及以上辅助级别，应依据产品ODD/ODC，逐步扩展跟驰模型到纵向控制驾驶模型，换道模型到横向控制驾驶模型，并同时兼顾交通效率，考虑异质交通流模型。标准制定路线图是基于基础通用先行、产业需求

100、先行、法律法规支撑第五章 成熟驾驶模型标准化展望与建议 第 65 页 共 81 页 的原则，部分标准可以根据指定实际情况进行拆分和合并，同时参考技术实际发展状态，实时优化标准体系。第一阶段，开展基础通用，安全性驾驶模型标准化工作，包括紧急制动模型，紧急转向模型与紧急接管模型标准化；第二阶段，开展舒适性驾驶模型标准化工作，包括跟驰、换道、接管模型；第三阶段，根据自动驾驶技术演进和产品发展情况，适时开展横纵向控制类驾驶模型与异质交通流模型研究。通过实践成熟驾驶模型及参数的确定过程，建议智能网联汽车的成熟驾驶模型标准化范围应包括模型定义、测试场景及测试方法等方面。其中，模型定义方面需要标准化成熟驾驶

101、员的定义、成熟驾驶模型的定义及模型参数的定义等。测试场景方面需要标准化场景的类型及参数，测试方法方面需要标准化测试设备、测试流程、数据记录及数据处理算法等，如图 43所示。智能网联汽车成熟驾驶员模型标准化范围模型定义成熟驾驶员定义成熟驾驶员模型定义场景类型场景参数测试场景测试方法测试设备测试流程数据记录数据处理模型参数定义 图 43 智能网联汽车的成熟驾驶模型标准化范围 第五章 成熟驾驶模型标准化展望与建议 第 66 页 共 81 页 5.2 标准化模型建议 根据前四章的研究成果与 5.1 节提出的成熟驾驶模型的标准化框架，成熟驾驶模型将是确定自动驾驶汽车的行为安全是否优于人类驾驶员的必要条件

102、，即以成熟驾驶员的紧急场景应对能力作为自动驾驶能力的安全基线，在成熟驾驶员能够避免碰撞的紧急场景的参数取值范围条件下，要求自动驾驶汽车也应能够避免碰撞，因此，必须加速标准化中国成熟驾驶员紧急反应模型，定义自动驾驶汽车的行为安全能力边界，以保证自动驾驶汽车的安全运行，本书完成了紧急制动模型与紧急转向模型的基础研究，并针对标准化模型提出以下建议。首先，对联合国法规 UN-R157 中定义的紧急制动模型参数进一步进行优化，风险评估时间与评估完成时刻不易统计，且两个时间段内车辆行为未发生变化，可将两段时间合并。其次，人类驾驶员遇到紧急场景时为避免碰撞，采取的行为除紧急制动外，还包括紧急转向，仅用紧急制

103、动模型代表人类驾驶员的碰撞避免能力是不够的，需要建模注意力集中的成熟驾驶员的紧急转向模型。通过对成熟驾驶模型的现状分析与标定实践，建议智能网联汽车的基础通用成熟驾驶模型以紧急制动模型及紧急转向模型为主。其中，紧急制动模型参数包括风险出现时间点、决策响应时间、制动效能提升时间及最大制动减速度，如图 20 所示，参数标定结果见表 22。紧急转向模型参数包括风险出现时间点、决策响应时间、方向盘回正时间及方向盘最大转角，如图 25 所示，参数标定结果见表 23。建议涉及紧急驾驶模型的试验或应用按照表 22、表 23 中的参数结果开展。第五章 成熟驾驶模型标准化展望与建议 第 67 页 共 81 页 5

104、.3 总结展望 随着我国汽车工业和智能化水平的快速发展，自动驾驶已成为当下汽车行业的重要发展方向，为了实现全面无人化驾驶，给自动驾驶的安全性、舒适性、效率性认证提出了更迫切的需求。本书第一章对成熟驾驶模型技术发展现状进行介绍，并详细对比分析了关键驾驶模型的技术优劣。第二章聚焦自动驾驶技术与成熟驾驶模型的关系，详细阐述了目前成熟驾驶模型广泛应用于自动驾驶产品开发技术与测试技术中，并广泛搭载于国内外的上市产品的现状。第三章围绕当前标准发展现状，阐明国内外成熟驾驶模型相关的标准现状，国外标准起步较早，相对完善，国内标准聚焦于系统的性能和试验方法等方面的研究，对于提高道路安全性，提升交通安全管理水平具

105、有重要意义，为开展成熟驾驶模型标准化研究奠定良好的基础。国内外相关标准多以安全性测试为基石，结合其他性能要求和测试方法，形成完善的标准体系。第四章则围绕安全性测试，提出了紧急制动模型与紧急转向模型，并采用实车与仿真联合标定的方法，确定了中国成熟驾驶员的模型参数，并基于实践，给出了智能网联汽车的“安全性边界”。第五章对智能网联汽车成熟驾驶模型标准化的重要意义进行了探讨和研究，对成熟驾驶模型标准化方向及框架给出建议，也对成熟驾驶模型的标准化范围给出了建议。本项目的输出将有十分广泛的应用。可支撑多项国标制定，如支撑国标智能网联汽车自动驾驶功能仿真试验方法及要求中场景参数取值。第五章 成熟驾驶模型标准

106、化展望与建议 第 68 页 共 81 页 可支撑核心数据库建立，如中国成熟驾驶员的紧急制动及紧急转向行为数据库。可基于中国成熟驾驶员的能力水平，支撑制定相关测试规程或行业白皮书，如智能驾驶行为安全评价测试规程、及智能驾驶行为安全评价方法行业白皮书等。本书中数据是在特定条件、设备、人员情况下获得的，结果仅供参考。附录 A 成熟驾驶模型可避免碰撞的场景参数取值 第 69 页 共 81 页 附录A 成熟驾驶模型可避免碰撞的场景参数取值 A.1 概述 成熟驾驶员模型可应用于确定自动驾驶功能仿真试验方法中的场景参数取值，即仿真试验中的场景参数取值应在成熟驾驶员模型能够避免碰撞的参数取值范围之内。本附录以

107、成熟驾驶员的紧急制动模型为例，通过对邻车切入场景、前车切出遇静止车场景及前车制动场景的关键参数进行全集泛化，并将上述场景与紧急制动模型实现至仿真平台中，最终得到成熟驾驶员的紧急制动模型在上述三个场景下的碰撞可避免的参数取值范围。在上述三个场景下，如图 A.1 至图 A.3 所示，成熟驾驶员模型能够避免碰撞的参数取值范围如蓝点所示，无法避免碰撞的参数取值范围如红点所示，自动驾驶仿真试验中的场景参数取值应在蓝点中选取。其中，红点区域附近的蓝点对应参数取值为危险场景的参数取值。可用于支撑国标智能网联汽车自动驾驶功能仿真试验方法及要求中场景参数的合理性确认。A.2 邻车切入场景下的可避免碰撞的参数取值

108、范围 附录 A 成熟驾驶模型可避免碰撞的场景参数取值 第 70 页 共 81 页 附录 A 成熟驾驶模型可避免碰撞的场景参数取值 第 71 页 共 81 页 附录 A 成熟驾驶模型可避免碰撞的场景参数取值 第 72 页 共 81 页 附录 A 成熟驾驶模型可避免碰撞的场景参数取值 第 73 页 共 81 页 附录 A 成熟驾驶模型可避免碰撞的场景参数取值 第 74 页 共 81 页 附录 A 成熟驾驶模型可避免碰撞的场景参数取值 第 75 页 共 81 页 附录 A 成熟驾驶模型可避免碰撞的场景参数取值 第 76 页 共 81 页 附录 A 成熟驾驶模型可避免碰撞的场景参数取值 第 77 页

109、共 81 页 图 A.1 邻车切入场景下的可避免碰撞的参数取值范围 A.3 前车切出遇静止车场景下的可避免碰撞的参数取值范围 附录 A 成熟驾驶模型可避免碰撞的场景参数取值 第 78 页 共 81 页 附录 A 成熟驾驶模型可避免碰撞的场景参数取值 第 79 页 共 81 页 图 A.2 前车切出遇静止车场景下的可避免碰撞的参数取值范围 A.4 前车制动场景下的可避免碰撞的参数取值范围 图 A.3 前车制动场景下的可避免碰撞的参数取值范围 第 80 页 共 81 页 参考文献 1Reuschel A.Vehicle Movements in the Column Uniformly Accle

110、rated or DelayedJ.Oesterrich Ingr Arch,1950,4:193-215.2PIPES L A.An Operational Analysis of Traffic DynamicsJ.Journal of Applied Physics,1953,24(3):274-281.3NEWELL G F.Memoirs on High Traffic Flow Theory in the 1995sJ.Operations Research,2002,50(1):173:178.4CHANDLER R E,HERMAN R,MONTROLL E W.Traffic

111、 Dynamics:Studies in Car FollowingJ.Operations Research,1958,6(2):165-184.5S.Krauss.Microscopic Modeling of Traffic Flow:Investigation of Collision Free Vehicle DynamicsJ.DLR-Forschungsberichte,1998.6WIEDEMANN R.Simulation of Road Traffic in Traffic FlowR.Karlsruhe:University of Karlsruhe,1974.7Kiku

112、chi S,Chakroborty P.CAR-FOLLOWING MODEL BASED ON FUZZY INFERENCE SYSTEMJ.Transportation Research Record Journal of the Transportation Research Board,1992,1365(1365):82-91.8Lorente M P S,Lopez E M,Florez L A,et al.Explaining deep learning-based driver modelsJ.Applied Sciences,2021,11(8):3321.9Aksjono

113、v A,Nedoma P,Vodovozov V,et al.A novel driver performance model based on machine learningJ.IFAC-PapersOnLine,2018,51(9):267-272.10Xie S,Chen S,Zheng N,et al.Modeling methodology of driver-vehicle-environment system dynamics in mixed driving situationC/2020 IEEE Intelligent Vehicles Symposium(IV).IEE

114、E,2020:1984-1991.11Cui M,Wu H,Zhao X,et al.Safety-field based motion planning for proactive autonomous driving in dynamic environmentC/2020 4th CAA International Conference on Vehicular Control and Intelligence(CVCI).IEEE,2020:231-236.12SIEMENS Simcenter Prescan，User manual,Driver model，2020.03:242-

115、261 13Hexagon,VTD User Manual,Scenario Editor-User Manual，2020.12：11-14 14IPG，CarMaker Programmers Guide,IPGDriver User Manual,2020：6-49 15ISO,“Intelligent transport systems-Adaptive cruise control systems-Performance requirements and test procedures”，ISO 15622 S.Geneva,Switzerland,2018.16No U N R.1

116、57 Uniform provisions concerning the approval of vehicles with regard to Automated Lane Keeping SystemsJ.URL:(accessed Sep.01,2022),2022.第 81 页 共 81 页 17BASt,Approach to Derive Verifiable Performance Requirements for Accident voidance,Document FRAV-39-07,39th FRAV session,26-28 April 2023.18ISO.Inte

117、lligent transport systemsLane change decision aid systems(LCDAS)Performance requirements and test proceduresJ.2008.19IEEE Standard for Assumptions in Safety-Related Models for Automated Driving Systems,in IEEE Std 2846-2022,2022,1-59.20Regulation No 79 of the Economic Commission for Europe of the Un

118、ited Nations(UN/ECE)Uniform provisions concerning the approval of vehicles with regard to steering equipment 2018/1947(OJ L 318 14.12.2018,p.1,ELI:http:/data.europa.eu/eli/reg/2018/1947/oj)21中国国家标准化管理委员会,智能运输系统 自适应巡航控制系统 性能要求与检测方法,GB/T 20608-2006S.北京:中国标准出版社.2007.22中国国家标准化管理委员会,智能网联汽车 自动驾驶功能场地 试验方法及求,GB/T41798-2022S.北京:中国标准出版社.2022.23中国国家标准化管理委员会,智能运输系统 换道决策辅助系统 性能要求与检测方法,GB/T 37471-2019S.北京:中国标准出版社.2019.