駕駛場景數據是開發智能網聯汽車的重要數據基礎,是驗證智能網聯汽車安全性的重要保證。中汽數據有限公司(以下簡稱“中汽數據”)以汽車產業大數據為研究對象,深入開展駕駛場景大數據技術的研究與應用,推動圍繞駕駛場景各項業務的不斷發展。近年來,中汽數據駕駛場景團隊以積累的近50萬公里高精度真實世界數據為基礎,基于ISO、ASAM等前沿標準及多年場景庫建設理論實踐積累,以建設場景數據生態、攻克行業共性技術難題為目標,自主研發駕駛場景大數據管理平臺(以下簡稱“場景數據管理平臺”)和場景庫建設支撐工具鏈,構建形成自然駕駛場景庫、危險事故場景庫、V2X場景庫、功能安全和預期功能安全場景庫等。同時,可將不同場景庫應用于自主研發的AD Chauffeur自主仿真云平臺和ASAM OpenSCENARIO場景格式轉換工具。
除上一篇提到的功能以外,中汽數據駕駛場景數據分析平臺還可以對數據進行以下處理和分析。
1. 交通擁堵場景擁堵原因與擁堵發生時間交互分析
根據對擁堵片段擁堵原因的標注結果,造成交通擁堵的原因主要有交通流過大,其占比為58%,其次為高峰時段、道路結構因素、適應限速,以上4個原因造成的擁堵占比90%以上。通過交互分析工具可以很容易的觀察到高峰時段的擁堵時間一般為早晨七八點和晚間十七點十八點。觀察晚間十八點的交通擁堵可以得出此時造成擁堵的主要原因分別為高峰時段、車輛故障、適應限速和交通流過大。
2. 變道試驗典型場景選取
通過對大量變道場景的統計分析,研究變道車輛與目標車道后車車輛的參數關系可以得到最典型場景。通過分析平臺可以很方便的查看變道場景中變道初始時刻變道車輛車速分布的峰值集中在70-80km/h,此時目標車道后車的車速分布峰值為60-70km/h,在兩個車速的限定下,目標車道后車與變道車輛的初始距離分布峰值為6-8m。
3. 切入場景危險度等級分類
基于駕駛員反應模型,在滿足一定假設條件的基礎上抽取模型關鍵參數:系統能夠達到的最小減速度、人類駕駛員或自動駕駛系統的感知、決策與動作時間、車輛切入過程中兩車最小縱向距離的門檻值可以得到場景數據危險等級的分類占比。調整模型參數可以得到其對危險等級分類的影響以及對兩車車速、車間距離等參數間線性趨勢的影響。
(文/智能網聯數據室)