文档介绍：该【面向智能车辆的现役道路设施行驶适应性研究综述 于斌 】是由【香菱】上传分享，文档一共【30】页，该文档可以免费在线阅读，需要了解更多关于【面向智能车辆的现役道路设施行驶适应性研究综述 于斌 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。:.
中国公路学报
ChinaJournalofHighwayandTransport
ISSN1001-7372,CN61-1313/U
《中国公路学报》网络首发论文
题目:面向智能车辆的现役道路设施行驶适应性研究综述
作者:于斌,王书易,马羊,杨倩,周雯,刘晋周
收稿日期:2021-10-25
网络首发日期:2022-07-22
引用格式:于斌,王书易,马羊,杨倩,周雯,
行驶适应性研究综述[J/OL].中国公路学报.
.
网络首发:在编辑部工作流程中,稿件从录用到出版要经历录用定稿、排版定稿、整期汇编定稿等阶
段。录用定稿指内容已经确定,且通过同行评议、主编终审同意刊用的稿件。排版定稿指录用定稿按照期
刊特定版式(包括网络呈现版式)排版后的稿件,可暂不确定出版年、卷、期和页码。整期汇编定稿指出
版年、卷、期、页码均已确定的印刷或数字出版的整期汇编稿件。录用定稿网络首发稿件内容必须符合《出
版管理条例》和《期刊出版管理规定》的有关规定;学术研究成果具有创新性、科学性和先进性,符合编
辑部对刊文的录用要求,不存在学术不端行为及其他侵权行为;稿件内容应基本符合国家有关书刊编辑、
出版的技术标准,正确使用和统一规范语言文字、符号、数字、外文字母、法定计量单位及地图标注等。
为确保录用定稿网络首发的严肃性,录用定稿一经发布,不得修改论文题目、作者、机构名称和学术内容,
只可基于编辑规范进行少量文字的修改。
出版确认:纸质期刊编辑部通过与《中国学术期刊(光盘版)》电子杂志社有限公司签约,在《中国
学术期刊(网络版)》出版传播平台上创办与纸质期刊内容一致的网络版,以单篇或整期出版形式,在印刷
出版之前刊发论文的录用定稿、排版定稿、整期汇编定稿。因为《中国学术期刊(网络版)》是国家新闻出
版广电总局批准的网络连续型出版物(ISSN2096-4188,CN11-6037/Z),所以签约期刊的网络版上网络首
发论文视为正式出版。
:.
췸싧쫗랢쪱볤ꎺ2022-07-2214:41:04
췸싧쫗랢뗘횷ꎺ.
面向智能车辆的现役道路设施行驶适应性研究综述
于斌1,王书易*1,马羊1,2,杨倩1,周雯1,刘晋周1
(,江苏南京211189;,安徽合肥
230009)
ReviewofDrivingAdaptabilityofIntelligentVehiclestoAs-builtRoadway
Infrastructures
YUBin1,WANGShu-yi*1,MAYang1,2,YANGQian1,ZHOUWen1,LIUJin-zhou1
(,SoutheastUniversity,Nanjing211189,Jiangsu,China;
TransportationEngineering,HefeiUniversityofTechnology,Hefei230009,China)
作者简介:
1于斌(1985-),男,江苏淮安人,教授(博导),工学博士,道路安全与分析,E-mail:
******@。
2王书易(1993-),男,福建三明人,工学博士研究生,道路安全与分析,E-mail:
******@。
3马羊(1993-),男,江苏盐城人,工学博士,E-mail:yangma_******@。
4杨倩(1997-),女,湖南常德人,工学硕士E-mail:******@。
5周雯(1996-),女,广西南宁人,工学硕士,E-mail:******@。
6刘晋周(1994-),男,河北唐山人,工学博士研究生,E-mail:******@。
基金项目:国家自然科学基金面上项目(51878163);江苏省研究生科研创新基金项目
(KYCX18_0152);江苏省交通运输科技与成果转化项目(2020Y19-1(1))
Funding:NationalNaturalScienceFoundationofChina(51878163);PostgraduateResearch&
PracticeInnovationProgramofJiangsuProvince(KYCX18_0152);TransportationScienceand
TechnologyandAchievementTransformationProjectofJiangsuProvince(2020Y19-1(1))
**-mailaddress:******@:.
摘要:为了总结面向智能车辆的现役道路设施行驶适应性,即现役道路基础设施承
载智能车辆行驶的适宜程度,阐述了自主智能驾驶定义与驾驶自动化等级分类,在
此基础上剖析了不同等级间的人机功能差异,并分别从感知层、感知-决策层、决策
-控制层探讨了与道路设计要素相关联的人机功能差异,通过归纳总结智能车辆与道
路几何要素、路面性能及其他道路要素(如道路标线)的相互作用机制研究,从道
路工程角度及其他道路要素方面回顾了该领域的研究现状,指出了存在的问题和未
来发展方向。结果表明,相比传统车辆,配置高等级自动驾驶系统的智能车辆对现
役道路设施行驶适应性最高,主动安全系统次之,而驾驶辅助及有条件自动驾驶系
统适应性不足。而目前研究主要问题包括:1)难以归纳、标定不同驾驶自动化等级
间的人机功能差异及其对于道路设计参数的需求设计值;2)测试道路场景条件理
想,考虑的驾驶自动化等级单一,试验规模和样本有限;3)道路几何、路面性能以
及道路标志、标线等道路要素与智能车辆间的相互作用机制研究不足,缺乏与不同
道路场景相匹配的智能车辆驾驶特征数据的获取手段。因此建议:1)重视并推动与
道路设计要素相关联的关键人机功能差异指标信息共享;2)联合逼真且可交互的道
路场景、高精度感知传感器物理模型、车辆动力学模型及微观交通流模型,利用测
试场景自动化生成、极限工况场景搜寻与泛化等技术开展智能驾驶虚拟测试,突破
现有研究的深度和广度;3)探索反映不同等级智能车辆的道路行驶适应性特征指标
与评价标准,精准、有效地评估、预测复杂道路场景及不利道路条件下的行驶适应
性。
关键词:交通工程;智能车辆;综述;道路行驶适应性;驾驶自动化等级;道路几
何;道路路面:.
ReviewofDrivingAdaptabilityofIntelligentVehiclestoas-BuiltRoadway
Infrastructures
Abstract:Tosummarizethedrivingadaptabilityofintelligentvehiclestoas-builtroadway
infrastructures,.,thereadinessofas-builtroadwayinfrastructuresforintelligentvehicles,the
definitionofdisconnectedintelligentvehiclesandtheclassificationofdrivingautomationlevelswere
,thedifferencesinhumanversus(vs.)machinefunctionsbetweenvariedlevels
,
elementswereexploredfromthreelayers:perceptionlayer,perception-planninglayer,andplanning-
roadgeometricelements,pavementperformance,andotherroad-relatedelements(.,roadmarkings),
relatedworkwasreviewedfromtheperspectiveofroadengineeringandotherroad-relatedelements,
-
driventraditionalvehicle,the'AutomatedDrivingSystem-dedicated'vehicleenhancestheadaptability
toas-builtroadswiththemostpotential,followedbythevehicleequippedwithactivesafetysystems,
whilethedriverassistanceandpartial/
mainproblemsofexistingstudiesinclude:1)Itisdifficulttosummarizeandcalibratethosefunctional
differencesbetweenvariedlevelsandtheirrequireddesignvaluesforroaddesignparameters;2)Testing
arelimitedinthescaleandconsideredsamples;3)Theinteractionmechanismsbetweenintelligent
vehiclesandroadgeometricelements,pavementperformance,androadsigns&markingsconditionor
otherroad-
,
itissuggestedthat:1)Theinformation-
differencesassociatedwithroadwaydesignelementsshouldbeemphasizedandpromoted;2)
Combiningrealisticandinteractiveroadscenarios,high-precisionphysicalperceptionsensormodels,
vehicledynamicsmodels,andmicroscopictrafficflowmodels,andutilizingtechnologiesofthe
automaticgenerationofvirtualtestscenarios,andsearchandgeneralizationofcorner-casescenariosto
conductvirtualsimulationsforintelligentvehiclestobreakthroughthedepthandbreadthofresearchin
)Explorethecharacteristicindexesandevaluationcriteriaofdrivingadaptabilityof
different-levelsintelligentvehiclestoroads,andthenevaluateandpredictthatadaptabilityunder
complicatedroadscenariosandadverseroadwayconditionsmoreaccuratelyandeffectively.
Keywords:TrafficEngineering;IntelligentVehicle;Review;DrivingAdaptabilitytoRoadway
Infrastructures;DrivingAutomationLevel;RoadGeometry;RoadPavement
Received25thOct.,2021
中图分类号::A
:.
0引言
凭借日益成熟的硬件设备与智能软件理论及系统,智能驾驶技术将从微观车辆层面影
响传统道路交通系统[1],预期为提高行驶安全性与驾乘舒适性,提升交通效率与通行能
力,减少车辆污染排放与道路交通基础设施建设成本提供有效的解决途径[2-4]。然而,目前
智能驾驶技术智能化水平仍然处于初期阶段,且应用规模有限[5],并未达到上述预想的效
果。
根据自2014年以来美国加利福尼亚州机动车管理局(StateofCaliforniaDepartmentof
MotorVehicles)发布的已登记智能驾驶制造商(如Waymo、)年度事故报告与系
统脱离(Disengagement)报告数据显示,智能车辆行驶安全及系统可靠性问题依然严峻[6-
8]。事实上,已经发生的多起涉及智能车辆的交通事故也证实了,在面对极具多样性的实
际驾驶场景时,其功能表现可靠性及鲁棒性还需进一步的检验。在实际驾驶场景中可能出
现种类、数量繁多的极端工况(CornerCase)[9],如在2020年6月1日,一辆开启
Autopilot的特斯拉Model3径直与早已侧翻在内侧车道上的白色货车相撞;在2021年8月
12日,一辆启用NOP(NavigateonPilot)领航辅助功能的蔚来ES8在高速公路行驶时,
与前方缓慢行驶的轻型施工作业货车发生追尾。酿成事故的直接原因主要包括[10-12]:①智
能车辆自动化系统功能缺陷,如未辨认出前方目标物类别、激活紧急制动操作失效或警告
驾驶人功能失效等;②自然驾驶人过于依赖自动化系统,未关注周围道路交通环境,导致
在系统被动退出后未能及时接管车辆操作。而更深层次的原因则为“新兴”的自动化系统
合并甚至取代原本能够独立完成车辆操控的驾驶人(随驾驶自动化等级提升而改变,详见
~),导致“原有”道路交通系统中驾驶人的因素与道路之间的耦合作用发生改
变。具体地,现役道路基础设施以自然驾驶人与传统人工驾驶车辆构成的主体作为主要服
务对象,其设计建设以驾驶人特性(如视觉特性)及操控能力作为主要依据,因此需要重
新审视其与智能车辆的耦合关系。
智能驾驶技术路径包括自主智能驾驶与网联式智能驾驶[13],前者通过自身车载传感
器、计算单元、线控系统等进行与驾驶人“感知-决策-执行”行为相似的过程[14],从而操
控车辆行驶;而后者在前者基础上,利用车联网将道路交通系统中各要素的信息进行全
面、有机的结合[15],助力智能驾驶技术在“感知-决策-执行”过程中的功能强化及表现升
级。然而,由于网联式智能驾驶技术路线对“车端”与“路端”均提出了“智能化”高要
求,现阶段车路两端难以实现以协同推进的态势发展[16]。同时,面对数量、里程庞大的现
役道路基础设施,难以预测最终实现的“网联化”覆盖规模。因此,当前亟需解决的问题
是:以自主智能驾驶技术作为主要呈现形式的智能车辆是否能够适应于现役道路基础设
施?
尽管自动化系统与自然驾驶人在驾驶功能层主要内容保持一致,仍然为感知层、决策
层与控制层[17],但两者在实现手段、运行模式与功能表现方面却存在较明显差异,如自动
化系统利用摄像头、毫米波雷达与激光雷达等传感器接收来自于道路交通环境中的障碍
物、标志、标线等目标信息[18],而驾驶人则依靠人眼、耳朵等感觉器官完成驾驶过程中的
道路交通环境及事件感知。此外,在现阶段智能驾驶常见的“人机共驾”[19]模式中,驾驶
人还需应对可能发生被动接管车辆操纵控制权的安全性关键场景(Safety-criticalScenario)
[20]。本文将上述自然驾驶人与自动化系统在驾驶功能层中可能存在的实现手段、运行模式
与功能表现等差异简称为“人机功能差异”。这些差异势必对原有仅依靠驾驶人操控的车
辆与仅面向传统车辆设计、建设的道路的相互作用机制产生影响。然而,目前较少研究从:.
道路工程角度,即道路几何、路面工程,及其他道路要素方面进行探索。虽然相关研究发
现智能车辆对现役道路设施及现行道路设计规范的适应性问题不可忽略[21],但鲜有相关技
术规范与设计指南涉及道路工程优化或考虑其对智能车辆影响的内容。美国国家公路合作
研究计划(NationalCooperativeHighwayResearchProgram)中指出“应主动积极地改造建
设面向智能网联车辆的道路基础设施,避免在智能网联技术实际部署时被动应对”,并将
修缮道路线形、道路标线等令智能车辆“看得见路(SeeingtheRoad)”与“简化道路线
形(SimplifyingtheRoad)”以支持智能车辆实际部署作为提升道路工程适应性的两项主
要工作内容[22]。
本文旨在总结面向智能车辆的现役道路设施行驶适应性,即现役道路基础设施承载智
能车辆行驶的适宜程度(常用“Readiness[23]”、“Feasibility[24]”或“Preparedness[25]”表
达),既可以从道路几何条件、路面性能与道路标志、标线状况,以及相关现行的道路设
计规范对智能车辆“感知-决策-执行”相关特性的匹配程度进行评价,即分析智能车辆对
现役道路设施影响;也可以直接评估在现役道路设施条件下行驶的智能车辆行为特征(如
安全行驶速度、自动化系统功能脱离率等),即分析现役道路设施对智能车辆直接影响。
为了掌握面向智能车辆的道路设施行驶适应性的研究现状,本文阐述自主智能驾驶定义与
驾驶自动化等级分类,剖析不同等级间的人机功能差异,将其与道路设计要素相关联,聚
焦道路几何、道路路面及其他道路要素方面研究进展与不足,并展望了该领域未来的研究
方向。
1自主智能驾驶特征
由于智能驾驶主要功能层涉及的关键技术众多,并且不同驾驶自动化等级车辆所适用
的道路场景与采用的功能评价指标各不相同,造成智能驾驶道路行驶适应性研究十分复
杂。本文从道路设计角度出发,首先明确自主智能驾驶的定义及其驾驶自动化等级划分,
对比分析了不同等级场景下的自然驾驶人或自动化系统在驾驶活动中需要承担的角色及功
能特点差异,归纳并探讨其中影响道路设计的差异特征。厘清与道路设计要素相关联的差
异特征及其在不同等级间的变化趋势,一方面可为后续智能驾驶道路行驶适应性研究提供
参考,并对智能驾驶相关试验设计和模型构建起到重要指导作用;另一方面也可为从事智
能驾驶技术开发的人员提供改进思路与建议。
自主智能驾驶是指搭载先进的感知传感器、控制器与执行器等装置,依靠视觉感知、
雷达和全球定位及人工智能等技术,使车辆具有感知定位、决策规划和控制执行能力[26],
能够令自动化系统从辅助自然驾驶人,进步至“人机共驾”[27],最终在不受任何人为干预
的情况下实现自主安全操控的新一代车辆形式。
为了方便对自动化系统功能演变的各个阶段(从无自动化提升至完全自动化)进行统
一描述,推动智能驾驶商业化及相关测试及认证技术研究,德国和美国通过各自国家公路
交通安全相关管理部门,先后确定了针对自主智能驾驶自动化等级划分及定义[28-29]。之
后,国际机动车工程师学会(SocietyofAutomotiveEngineersInternational)[30]根据自动化
系统在持续性的动态驾驶任务及其接管中承担的角色,并考虑系统设计运行条件
(OperationDesignDomain)是否受限,将驾驶自动化等级进一步细分为六级(Level0[L0]
~Level5[L5]),这也成为目前业界较为认可的自动化分级标准。在此基础上,由中国工
业和信息化部发布的《汽车驾驶自动化分级》(GB/T40429-2021)将L0修正为“应急辅:.
助”,即主动安全系统(ActiveSafetySystem[ASS])功能特征(如:自动紧急制动、前向
预警),以区别L0完全无自动化,即传统人工驾驶。大量研究表明,ASS有助于驾驶员
提前感知目标物与事件,并及时做出正确响应[31-32]。Wang等[21]将L0中包含ASS部分称为
L0+,而完全无自动化则称为L0-。该区分有利于下文探讨不同自动化等级间的功能特点与
差异。
截止目前,搭载L0+及L1级别的先进驾驶辅助系统(AdvancedDriverAssistance
System[ADAS])车辆正在大量占据市场份额;L2级别的车辆(如TeslaModel3、蔚来
ES8等)正处于商业化落地发展阶段,市场渗透率和应用规模仍然较小;L3及以上级别的
智能车辆由于受技术、法规及消费者接受度等因素限制,仍处于试验和区域性示范阶段,
距离大规模商业化落地仍然需要时间验证可靠性[27]。因此,根据自动化系统演化、商业化
及普及率发展趋势,目前业界已经默认未来一段时间道路交通系统中的自主智能驾驶将处
于不同等级共存的混合状态,并且以辅助驾驶(L1、L2)、低等级自动驾驶(L3)功能特
征作为其驾驶行为的主要展现形式[33]。
此外,由于目前高等级自动驾驶(AutomatedDrivingSystem)现实应用场景条件及技
术细节尚未有定论,许多研究中对于其功能层表现(如感知传感器有效视距、自动化系统
反应时间等)的假设或限定条件有失偏颇,容易使分析结果与实际情况产生较大差异。因
此,相关学者已经将关注对象从L4、L5转变为L0+至L3[34-35],例如探索L0+~L3的纵、
横向驾驶行为特性与L1~L3接管过程中驾驶人的人为因素。
根据上述驾驶自动化等级划分依据,各等级中自然驾驶人与自动化系统在车辆行驶过
程中需要或允许参与的驾驶/非驾驶活动如表1所示。可以明确,L0+~L4均采用人机共驾
技术结构,而L0-对应完全由驾驶人操作阶段,L5为完全由自动化系统驾驶阶段。根据宗
长富等[36]对人机共驾技术的划分,L0+采用单驾双控结构;L1在车辆纵横向运动控制层面
属于并联型双驾双控结构;L2~L4为串联型双驾单控结构。
表1不同驾驶自动化等级车辆用户角色
Table1RolesofVehicleUsersinDifferentDrivingAutomationLevels
车辆用户(x:自然驾驶人,y:自动化系统)角色1
驾驶/非驾驶活动L0-L0+L1L2L3L4L5
xxyxyxyxyxyxy
持续性的车辆横向2
运动控制纵向2
动态驾道路交通环境3
驶任务目标和事件探车辆功能状态
测与响应自动化系统功
能状态
动态驾驶任务接管4
非驾驶活动5
注:1当车辆用户参与该项驾驶/非驾驶活动时,则为“”,否则为“”;
2当自动化系统承担持续性的纵向或横向运动控制时,自然驾驶人需要承担剩余方向的运动控制[30],
表中以自动化系统承担持续性纵向运动控制(如自适应巡航控制)为例;
3自动化系统承担与运动控制相同方向的道路交通环境探测与响应[30],表中以纵向道路交通环境为
例;
4自动化系统在发出接管请求后,需要在自然驾驶人接管前的一定时间内继续执行动态驾驶任务[30],
如最终自然驾驶人未响应则适时执行风险减缓策略;:.
5非驾驶活动包括与视觉、听觉及肢体相关的非驾驶活动[37]。
如图1所示,本文按照具有相同车辆驾驶技术架构的驾驶自动化等级(图1左侧)进
行整理,并总结不同等级车辆用户的代表性特征(包括自动化系统参与度、车辆用户驾驶
绩效、驾驶人驾驶负荷[21])变化趋势(图1右侧)。可以看出,不同驾驶自动化等级车辆
间对应的驾驶技术架构差异,其本质是自然驾驶人与自动化系统(如果有)在同一时间维
度中驾驶任务控制权分配的区别。其中,串联型双驾单控结构在使用时存在控制权切换过
程,L2系统发起的强制性退出需要驾驶人立刻接管;L3系统在发出接管请求后能够执行
一定程度的风险减缓策略,但依然要求驾驶人及时接管;L4系统发出的接管请求则无需驾
驶人响应,系统能够自行获得最小风险状态。
图1不同驾驶自动化等级车辆驾驶技术架构与车辆用户代表性特征变化趋势
VehicleUsersatDifferentDrivingAutomationLevels
需要注意的是,尽管驾驶人在L2仍被要求时刻监控驾驶环境(见表1),但通过现场
及驾驶仿真测试结果表明,此时驾驶人更加倾向于分心驾驶,接管后驾驶绩效及反应能力
较L0-驾驶人均有所降低与减弱[38-39]。同时,在接收到系统发出的接管信号后,由于L3系
统分担了绝大部分动态驾驶任务,驾驶人需要从低驾驶负荷和低情境认知(Situation
Awareness)状态中恢复驾驶意愿(MotorReadiness)及稳定驾驶能力[40]。因此,驾驶人常
常需要较长时间完成接管,并且接管后的驾驶绩效较L0-显著降低[41]。尽管在该“额外”
的接管时间内,自动化系统能够提供有限的风险减缓策略(如以较小减速度制动[30]),但
可以预见,这势必直接影响自主智能驾驶的道路行驶风险及适应性。
对于L0+对应的单驾双控结构,ASS作为驾驶人操