自动驾驶汽车速度控制策略自动化测试与评价研究

作     者：陈嘉航 

作者单位：吉林大学 

学位级别：硕士

导师姓名：丁海涛

授予年度：2022年

学科分类：082304[工学-载运工具运用工程] 08[工学] 080204[工学-车辆工程] 0802[工学-机械工程] 0823[工学-交通运输工程] 

主      题：自动化测试 自然驾驶数据 速度控制策略 测试场景 K-Means聚类 评价标准 正交实验 

摘      要：智能辅助驾驶系统在汽车上的应用越来越广泛,其速度控制的优劣决定了自动驾驶汽车的安全性,受到了广泛的重视。如何利用计算机自动地开展自动驾驶汽车速度控制策略的测试与评价,加快系统成熟,缩短上市时间,成为汽车行业当前研究的热点问题。本文首先分析了自动驾驶汽车的速度控制策略。选取高级智能辅助驾驶系统ACC和AEB,对影响其速度控制与行驶安全性的控制算法进行了详细分析。包括:ACC系统中的状态机、速度与距离控制切换算法、起停控制策略,以及执行控制策略等;AEB系统中的危险目标识别算法和控制决策算法。同时研究了应对前车紧急切入的算法,对速度控制策略中可供测试的项目进行了提炼,提出了参数选取方案和算法改进方向,为速度控制策略的自动化测试与算法优化打下了基础。其次,针对自动驾驶汽车速度控制策略测试与评价的需求,开发了自动化测试硬件在环仿真（Hi L）系统。系统采用上下位机分立的形式,上位机搭载自动化调度的软件与测试场景,下位机部署实时系统和评价模型,完成测试场景的自动调用、场景参数的交互与切换、测试环境的下位机部署、测试过程的控制,以及测试报告的生成与产出,构建了完整的自动化测试流程。在建立自动驾驶汽车Hi L测试系统的基础上,开展了针对速度控制策略的测试场景的提取。对于ACC速度控制算法而言,提取了定速巡航、稳态跟随、弯道跟随场景、前车切入切出等功能场景。考虑到前车紧急切入是造成自动驾驶汽车出现危险工况的主要原因,详细分析了前车切入功能场景。基于前车切入的自然驾驶数据,将原始场景进行去噪,然后提取场景特征,使用K-Means聚类的方法进行工况的重组。依据场景元素的统计数据,引入强化系数的概念,依照出现概率的情况得到场景设计的有效性。按照同样的方式,也给出了AEB算法的测试场景。再次,基于提取的测试场景,参考现有的评价标准,建立了从功能场景到测试场景的分层测试评价方法。从功能场景层面赋予逻辑场景不同的权值,在逻辑场景层面对于不同的测试场景又分别给予权重。在测试场景层面,主要将评价指标分为安全性与舒适性两大类。安全性指标包括碰撞时间TTC,车头时距THW;舒适性指标包括最大减速度、最大减速度变化率、相对车速变化率等。基于以上指标,通过场景组合,形成了自动驾驶汽车速度控制的评价方法。最后,基于建成的Hi L测试平台,以及提出的测试场景和评价方法,对现有的速度控制策略算法进行了全面测试,并针对测试中的问题进行了算法改进和优化。针对ACC前车切入问题,通过选取动力学计算模块中速度距离控制切换线斜率与速度跟随PI参数,采用正交试验的方法进行参数标定。控制策略方面,通过对前车切入动作提前预判,减少碰撞危险和提高控制舒适性。对改进后的算法进行了全面测试以及对比分析,从而验证了设计的自动化测试系统的可用性、准确性与便捷性。