广告
i-VISTA联合研究中心成果展——中国典型自动驾驶场景数据库建设
2021-05-13 00:29:32· 来源：IVISTA智能汽车
最新成果中国典型场景库建设 发展自动驾驶技术，需要建立一种高效可行的自动驾驶测试评价方法以应对当前面临的技术挑战和驾驶模式的转变，其中，场景是支撑自动
最新成果——中国典型场景库建设
发展自动驾驶技术，需要建立一种高效可行的自动驾驶测试评价方法以应对当前面临的技术挑战和驾驶模式的转变，其中，场景是支撑自动驾驶车辆开发及测试评价技术的核心要素，通过场景的解构与重构对自动驾驶汽车进行虚拟测试得到了广泛认可，而场景具有无限丰富、极其复杂和不确定性的特征，需要在大量的真实交通数据的基础上进行场景研究和构建。因此，i-VISTA智能网联汽车测试评价国际联合研究中心（以下简称联合中心）开展了百万公里自然驾驶数据采集和交通事故数据汇集，进行了典型交通场景分析与场景库构建，驾驶员行为研究与建模，推动联合中心成员单位自动驾驶测试评价技术与方法升级。
1、百万公里的自然驾驶数据采集
联合中心采用结合雷达、摄像头、Mobileye等传感器的配置方案已完成中国百万公里的数据采集，覆盖全国29个省市，包括华北、华东、华西、华中、西南、华南等主要地区。所采集的自然驾驶数据包括了高速公路、城市快速路等所有道路等级和晴、沙、雾、雨、阴等典型天气情况。基于解析和融合后的自然驾驶数据可构建中国典型驾驶场景库，并进行各特定场景下的驾驶行为分析。
2、丰富的中国典型驾驶场景库建设
基于百万公里的自然驾驶数据，联合中心研发并交付了场景数据处理工具链，包含场景提取、场景标注、场景转换、场景生成等核心功能，可实现大规模数据管理与统计分析，帮助成员单位构建场景数据处理能力。基于中国驾驶场景要素分析与虚拟场景生成技术，联合中心构建了覆盖中国典型交通工况和道路特点的驾驶场景库。
2020年联合中心主要面向L3/HWP激活、响应、误识别、跟车、切入、切出、并线、走停、逆行等功能，构建雨雪雾、夜晚、路灯、收费站、标志标线等特殊要素的50类10000例典型场景。同时，进一步完善了典型驾驶区域的场景库建设，以交叉口场景库为例，完成了包括交叉口类型、交通信号灯、人行横道、天气状况、车道分布灯多种组合形式及二轮车与车辆交互的12种工况的交叉口场景库。
3、细致深入的中国典型驾驶行为分析
联合中心在百万公里自然驾驶数据库的基础上提取了跟车行驶场景、邻车切入场景、主车换道场景，对各个场景的主车速度、主车加速度、车间距、THW、TTC、切入时刻距离、换道时间、换道原因、转向灯使用情况等进行详尽分析。
2020年联合中心主要面向于交叉口环境分析主车驾驶行为。以交叉口停车线前200m到停车线后100m作为分析区域，车辆进入交叉口区域后，有直行、左转、右转、掉头四种形式方式。在交叉口停车线前行驶过程中，车辆会由于车道的不同属性（左转车道、右转车道、直行车道）和其他车辆的运动状态而产生速度、加速度以及横向位置的变化，在车辆横向位置变化或交叉口转弯时也伴随着车辆转向灯的开启和关闭。因此，联合中心分别选取横、纵两个方向的典型驾驶行为指标对车辆接近交叉口和穿越交叉口的驾驶特性进行分析，其中，纵向驾驶行为指标包括速度、加速度、刹车踏板，横向驾驶行为指标包括横摆角速度、车道改变位置、方向盘转角、转向灯使用情况。
结 语
联合中心致力于智能网联汽车测试评价共性技术、前瞻性技术协同研究，目前已形成百万公里自然驾驶数据库，通过数据库构建了丰富的中国典型驾驶场景库，并进行细致深入的中国典型驾驶行为分析。
未来，联合中心将丰富自然驾驶数据采集手段和数据来源，从无人机航拍、车端和路端进行自然驾驶数据采集，形成中外典型场景和事故场景数据库，基于数据库完成与AD/ADAS系统功能需求相关的典型场景分析、中国宏观事故数据和深度调查事故数据的事故统计、中外事故对比分析等，全面支持中国智能汽车指数测试工况与评价方法的制定，并以指数为基础，支撑国家有关部门开展行标与国标的研究与编制，推动联合中心成员单位技术升级。
发展自动驾驶技术，需要建立一种高效可行的自动驾驶测试评价方法以应对当前面临的技术挑战和驾驶模式的转变，其中，场景是支撑自动驾驶车辆开发及测试评价技术的核心要素，通过场景的解构与重构对自动驾驶汽车进行虚拟测试得到了广泛认可，而场景具有无限丰富、极其复杂和不确定性的特征，需要在大量的真实交通数据的基础上进行场景研究和构建。因此，i-VISTA智能网联汽车测试评价国际联合研究中心（以下简称联合中心）开展了百万公里自然驾驶数据采集和交通事故数据汇集，进行了典型交通场景分析与场景库构建，驾驶员行为研究与建模，推动联合中心成员单位自动驾驶测试评价技术与方法升级。
1、百万公里的自然驾驶数据采集
联合中心采用结合雷达、摄像头、Mobileye等传感器的配置方案已完成中国百万公里的数据采集，覆盖全国29个省市，包括华北、华东、华西、华中、西南、华南等主要地区。所采集的自然驾驶数据包括了高速公路、城市快速路等所有道路等级和晴、沙、雾、雨、阴等典型天气情况。基于解析和融合后的自然驾驶数据可构建中国典型驾驶场景库，并进行各特定场景下的驾驶行为分析。
2、丰富的中国典型驾驶场景库建设
基于百万公里的自然驾驶数据，联合中心研发并交付了场景数据处理工具链，包含场景提取、场景标注、场景转换、场景生成等核心功能，可实现大规模数据管理与统计分析，帮助成员单位构建场景数据处理能力。基于中国驾驶场景要素分析与虚拟场景生成技术，联合中心构建了覆盖中国典型交通工况和道路特点的驾驶场景库。
2020年联合中心主要面向L3/HWP激活、响应、误识别、跟车、切入、切出、并线、走停、逆行等功能，构建雨雪雾、夜晚、路灯、收费站、标志标线等特殊要素的50类10000例典型场景。同时，进一步完善了典型驾驶区域的场景库建设，以交叉口场景库为例，完成了包括交叉口类型、交通信号灯、人行横道、天气状况、车道分布灯多种组合形式及二轮车与车辆交互的12种工况的交叉口场景库。
3、细致深入的中国典型驾驶行为分析
联合中心在百万公里自然驾驶数据库的基础上提取了跟车行驶场景、邻车切入场景、主车换道场景，对各个场景的主车速度、主车加速度、车间距、THW、TTC、切入时刻距离、换道时间、换道原因、转向灯使用情况等进行详尽分析。
2020年联合中心主要面向于交叉口环境分析主车驾驶行为。以交叉口停车线前200m到停车线后100m作为分析区域，车辆进入交叉口区域后，有直行、左转、右转、掉头四种形式方式。在交叉口停车线前行驶过程中，车辆会由于车道的不同属性（左转车道、右转车道、直行车道）和其他车辆的运动状态而产生速度、加速度以及横向位置的变化，在车辆横向位置变化或交叉口转弯时也伴随着车辆转向灯的开启和关闭。因此，联合中心分别选取横、纵两个方向的典型驾驶行为指标对车辆接近交叉口和穿越交叉口的驾驶特性进行分析，其中，纵向驾驶行为指标包括速度、加速度、刹车踏板，横向驾驶行为指标包括横摆角速度、车道改变位置、方向盘转角、转向灯使用情况。
结 语
联合中心致力于智能网联汽车测试评价共性技术、前瞻性技术协同研究，目前已形成百万公里自然驾驶数据库，通过数据库构建了丰富的中国典型驾驶场景库，并进行细致深入的中国典型驾驶行为分析。
未来，联合中心将丰富自然驾驶数据采集手段和数据来源，从无人机航拍、车端和路端进行自然驾驶数据采集，形成中外典型场景和事故场景数据库，基于数据库完成与AD/ADAS系统功能需求相关的典型场景分析、中国宏观事故数据和深度调查事故数据的事故统计、中外事故对比分析等，全面支持中国智能汽车指数测试工况与评价方法的制定，并以指数为基础，支撑国家有关部门开展行标与国标的研究与编制，推动联合中心成员单位技术升级。
广告
编辑推荐
最新资讯
-
奇石乐推出带以太网的新型多功能工业电荷放
2024-09-21 08:49
-
标准立项｜民用机场陆侧区域 智能网联汽车
2024-09-21 08:47
-
精准驾驭电流--ITECH车用电流传感器测试解
2024-09-21 08:44
-
新能力上架 | 电驱系统动态工况加载电磁安
2024-09-21 08:43
-
零束科技携手上海交大加速智能车前瞻技术落
2024-09-21 08:42
广告
广告
