自动驾驶技术：虚拟场景数据库建设
自动驾驶技术：虚拟场景数据库建设
驾驶场景数据是智能网联汽车研发与测试的基础数据资源，是评价智能网联汽车功能安全的重要“案例库”与“习题集”，是重新定义智能汽车等级的关键数据依据。
驾驶场景测试用例主要通过虚拟仿真环境及工具链进行复现，因此建设虚拟场景数据库是连接场景数据与场景应用的关键桥梁。虚拟场景数据库具有无限性、扩展性、批量化、自动化的特点。
中国汽车技术研究中心有限公司数据资源中心自2015年开展驾驶场景数据采集及分析研究工作以来，不断积累自然驾驶场景资源，目前已采集超过32万公里自然驾驶里程数据，地域覆盖北京、天津、上海等重点城市，工况覆盖高速、城市、乡村、停车场等重点领域，环境覆盖晴天、雨天、雪天、雾霾等多种天气，范围覆盖典型场景、边角场景、事故场景等多种类型，已建设成为首屈一指的中国特色驾驶场景数据库。
经过多年的经验积累，数据资源中心逐步形成了完善的数据采集规范、数据处理流程、特征提取方法、场景数据库结构规范、测试用例数据格式、驾驶场景虚拟仿真测试方法等理论体系。
为充分发挥数据资源中心现有驾驶场景数据的应用价值，迎合企业在智能网联汽车研发验证方面的场景需求，解决行业在本土化功能安全评价方面的痛点问题，数据资源中心拟基于驾驶场景数据建设方面的技术积累，从数据采集、处理分析、虚拟仿真和评价体系等多个层面对“智能网联汽车驾驶场景数据库研究与应用”进行专题报道，进而为行业提供切实可行的技术支持。专题报道将分为8期进行，本期着重介绍在虚拟场景数据库建设方面的整体思路与最新成果。
虚拟场景数据库建设
虚拟场景数据库：驾驶场景数据是智能网联汽车研发与测试的基础数据资源，是评价智能网联汽车功能安全的重要“案例库”与“习题集”，是重新定义智能汽车等级的关键数据依据。驾驶场景测试用例主要通过虚拟仿真环境及工具链进行复现，因此建设虚拟场景数
自动驾驶汽车硬件系统概述
自动驾驶汽车硬件系统概述 自动驾驶汽车的硬件架构、传感器、线控等硬件系统 如果说人工智能技术将是自动驾驶汽车的大脑，那么硬件系统就是它的神经与四肢。从自动驾驶汽车周边环境信息的采集、传导、处理、反应再到各种复杂情景的解析，硬件系统的构造与升级对于自动驾驶汽车至关重要。 自动驾驶汽车硬件系统概述 从五个方面为大家做自动驾驶汽车硬件系统概述的内容分享，希望大家可以通过我的分享，对硬件系统的基础有个全面的了解： 一、自动驾驶系统的硬件架构 二、自动驾驶的传感器 三、自动驾驶传感器的产品定义 四、自动驾驶的大脑 五、自动驾驶汽车的线控系统
自动驾驶事故分析 根据美国国家运输安全委员会的调查报告，当时涉事Uber汽车——一辆沃尔沃SUV系统上的传感器在撞击发生6s前就检测到了受害者，而且在事故发生前1.3秒，原车自动驾驶系统确定有必要采取紧急刹车，此时车辆处于计算机控制下时，原车的紧急刹车功能无法启用。于是刹车的责任由司机负责，但司机在事故发生前0.5s低头观看视频未能抬头看路。 从事故视频和后续调查报告可以看出，事故的主要原因是车辆不在环和司机不在环造成的。Uber在改造原车加装自动驾驶系统时，将原车自带的AEB功能执行部分截断造成原车ADAS功能失效。自动驾驶系统感知到受害者确定要执行应急制动时，并没有声音或图像警报，此时司机正低头看手机也没有及时接管刹车。
目前绝大多数自动驾驶研发车都是改装车辆，相关传感器加装到车顶，改变车辆的动力学模型；改装车辆的刹车和转向系统，也缺乏不同的工况和两冬一夏的测试。图中Uber研发用车是SUV车型自身重心就较高，车顶加装的设备进一步造成重心上移，在避让转向的过程中转向过急过度，发生碰撞时都会比原车更容易侧翻。 自动驾驶研发仿真测试流程 所以在自动驾驶中，安全是自动驾驶技术开发的第一天条。为了降低和避免实际道路测试中的风险，在实际道路测试前要做好充分的仿真、台架、封闭场地的测试验证。 软件在环（Software in loop），通过软件仿真来构建自动驾驶所需的各类场景，复现真实世界道路交通环境，从而进行自动驾驶技术的开发测试工作。软件在环效率取决于仿真软件可复现场景的程度。对交通环境与场景的模拟，包括复杂交通场景、真实交通流、自然天气（雨、雪、雾、夜晚、灯光等）各种交通参与者（汽车、摩托车、自行车、行人等）。采用软件对交通场景、道路、以及传感器模拟仿
自动驾驶技术IMU的基础知识和应用场景
自动驾驶技术IMU的基础知识和应用场景 前面我们介绍了MEMS 陀螺仪的一些基本概念，也说明了陀螺仪和加速度计是构成IMU惯性测量单元的主要部件。在查找IMU的过程中，我们经常会看到DOF,自由度的概念，今天我们就从DOF开始进一步理解IMU的基础知识和应用场景。 想象一个笛卡尔坐标系，形下图所示，具有x轴、y轴和z轴，传感器能够测量各轴方向的线性运动，以及围绕各轴的旋转运动。这就是所有惯性测量单元的根本出发点，所有惯性导航系统都是据此而构建。 这些器件带有一个三轴加速度计，显然这是指x轴、y轴和z轴。加速度计会测量线性速度的变化，也会响应重力。加速度计会根据其方向而对重力作出响应，如下图所示，这使得我们能够基于非常简单的三角公式估算其方向。利用arcsin公式，我们可以使用一个轴，而利用arctan公式，我们可以将笛卡尔坐标系中两个彼此正交的轴合并。二者的主要区别在于：arcsin方法能够测量+/- 90度，而arctan方法能够测量+/- 180度，也就是全部360度，这样您将知道您在哪一个象限。 陀螺仪对旋转角速率进行积分，您就能估算角位移。大致上说，加速度计具有很好的长期偏置稳定性和长期精度，但会对线性振动作出响应。当进行角度估计时，线性振动会表现出来，有时候需要滤波，这会给其他方面带来负担，或者有时候振动太高，超出加速度计测量范围，从而完全破坏角度估计。 因此，陀螺仪没有对线性振动的一阶响应，但因为它对输出进行积分，所以任何偏置误差都会转换为角度估计的漂移。任何系统的基本调整空间在于使用此类传感器的根本出发点。加速度计的长期稳定性更好，但易受振动影响。陀螺仪不易受振动影响，但长期稳定性较差，会导致估算更快地漂移。 IMU应用实例之工业检查系统 想象屏幕上方的灰色条是生产车间的天花板。天花板安装了某种摄像或照相设备，该设备
自动驾驶系统功能测试 第5部分：人工操作接管(征求意见稿)
ICS43.040.10 中国汽车工业协会团体标准XXX T/XXX-XXX-2020 自动驾驶系统功能测试 第5部分：人工操作接管 Test methods for functions of automated driving system Part 5: Manual takeover （征求意见稿） 2020-xx-xx发布2020-xx-xx实施中国汽车工业协会发布
前言 本标准参考有关国家标准、行业标准，结合我国生产企业实际情况及用户要求制定。 本标准按照GB/T 1.1-2009给出的规则起草。 本标准由上海机动车检测认证技术研究中心有限公司提出。 本标准由中国汽车工业协会归口。 本标准起草单位： 本标准主要起草人：
自动驾驶系统功能测试 第5部分：人工操作接管 1 范围 本规范的制定是用于对智能网联汽车自动驾驶系统的人工操作接管功能进行测试。本规范旨在测试智能网联汽车自动驾驶系统的最低安全性要求，以确保智能网联汽车的道路测试能够具有最基本的安全性保证。本规范适用于M类车辆和N类车辆。 2.规范性引用文件 下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件，仅注日期的版本适用于本文件。凡是不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。 GB/T 3785 声级计的电、声性能及测试方法 GB/T 15173 声校准器 3 术语 除采用GB 5768和GB/T 6104-2005的定义外，本标准还采用下列专门的定义： 3.1车辆vehicle 工作在陆地上的载人或载货的机械。 3.2 A声级A-weighted sound level 声级是指与人们对声音强弱的主观感觉相一致的物理量，单位为分贝。A声级是声级计计权中的一种，A计权声级反映了噪声的客观强度与频率这两个因素在人主观引起的感受。 3.3方向盘steering wheel 汽车操纵行驶方向的轮状装置。 3.4制动踏板pedal brake 制动踏板是汽车限制动力的踏板，即脚刹（行车制动器）的踏板，制动踏板用于减速停车。 3.5紧急停车带urgency parking strip 在高速公路和一级公路上，供车辆临时发生故障或其他原因紧急停车使用的临时停车地带。 3.6道路车道线The lane dividing line 用来分隔同向行驶的交通流的交通标线。 3.7主车SubjectVehicle, SV 配有自动驾驶系统的待测车辆。
SLAM在自动驾驶中的应用
提纲 1.自动驾驶与相关技术 2.SLAM在自动驾驶中的作用 3.个人观点与讨论
1.自动驾驶与相关技术
1.自动驾驶与相关技术 ?自动驾驶不是一个新话题 几个重要事件 2002. DAPPA启动沙漠142英里的挑战赛 2009.Google开始研发无人驾驶汽车，即Waymo 前身 2013.通用、福特、奔驰、宝马等传统车企开始 研发自动驾驶 2015. 国内自动驾驶创业风潮 2017.百度开放apollo，目前已至5.0 国内主要自动驾驶企业 车企：北汽、上汽、东风等； 大型公司：BAT、华为 初创公司：pony、图森、momenta、文远智行，等等
1.自动驾驶与相关技术 ?自动驾驶分级 ?传统车企主要围绕L2-L3功能作为 高档品牌功能，如ADAS （Advanced Driver Assistant System） ?互联网及初创公司主要以L4作为 研发目标与宣传口径
1.自动驾驶与相关技术 ?自动驾驶涉及的主要技术?车辆、行人、红绿灯检测 ?可行驶区域、车道线识别 感知（Perception ）?高精地图生产、维护 ?高精定位 定位与建图（Localization and Mapping ）?路径规划，避障 ?车辆控制 决策与控制（Planning and Control, PnC ）?车辆底盘?传感器?计算芯片硬件?车辆操作系统?数据平台、云服务器软件?软硬件集成?路测、维修集成测试算法相关开发相关
1.自动驾驶与相关技术 ?自动驾驶和人开车的技术原理是不同的 ? 就像飞机和鸟是不同的 人类 ?极强的感知（实时、泛用性极强、高准确率） ?很弱的定位（米级精度，低频） ? 一般的控制（精度速度低于计算机）自动驾驶（乘用车）?较弱的感知（准确率尚可，泛用性弱）?极强的定位（分米级精度，高频）? 较强的控制（高频，精确）自动驾驶（机器人）?更弱的感知（不必看人和车）?极强的定位（更复杂）?较强的控制（高频，精确）
重庆市自动驾驶道路测试管理办法
重庆市自动驾驶道路测试管理办法 （征求意见稿） 第一章总则 第一条为优化汽车产业创新发展环境，推动自动驾驶技术发展，规范装配有自动驾驶系统的机动车辆上公共道路行驶开展自动驾驶相关科研、定型试验，有效控制自动驾驶道路测试潜在风险，保障道路交通安全，依据《道路交通安全法》、《公路法》、《机动车登记规定》（公安部令第124号）、《智能网联汽车道路测试管理规范（试行）》（工信部联装〔2018〕66号），特制定本办法。 第二条本办法适用于本市行政区域范围内进行的自动驾驶道路测试。 第二章管理机构及职责 第三条由市经济信息委牵头、与市交通局、市城管局、市公安交管局共同成立重庆市自动驾驶道路测试管理联席工作小组（以下简称“管理联席工作小组”），负责本市自动驾驶道路测试管理、开放测试道路认定和有关重大事项的协调解决。 第四条由管理联席工作小组组织有关领域专家成立重庆市自动驾驶道路测试专家委员会，为本市开展自动驾驶道路测试工作提供咨询和指导服务。
第五条国家级汽车质量监督检验机构可作为第三方机构（以下简称“测试管理单位”）负责受理自动驾驶道路测试申请，出具专业评审意见，并负责相应自动驾驶道路测试的组织实施、过程监管及结果评估等工作。 第三章道路类型和测试类型 第六条重庆市自动驾驶道路测试的测试道路分为普通道路、山地道路和城市快速路三个类型。 第七条在满足国家法律法规的前提下，可适时选择典型的高速公路作为自动驾驶开放测试道路。 第八条重庆市自动驾驶道路测试的测试类型分为一般测试、载人测试、载物测试和编队行驶测试四个类型。 第四章道路测试申请基本条件 第九条测试主体要求： （一）在中华人民共和国境内登记注册的独立法人单位； （二）具备汽车及零部件制造、技术研发、试验检测或出行服务等相关业务能力； （三）为测试车辆购买不低于五百万元的交通事故责任保险，同时具备不低于五百万元的赔偿能力，并提交相关证明材料； （四）具有自动驾驶汽车自动驾驶功能测试评价规程； （五）具备对测试车辆进行实时远程监控的能力； （六）具备对测试车辆事件进行记录、分析和重现的能力；
(完整版)5G的主要优势及十大应用场景
5G的主要优势及十大应用场景 与前几代移动网络相比，5G网络的能力将有飞跃发展。主要优势有：下行峰值数据速率可达20Gbps，而上行峰值数据速率超过10Gbps；5G大大降低时延及提高整体网络效率：简化后的网络架构将提供小于1毫秒的端到端延迟。5G 给我们带来的是超越光纤的传输速度，超越工业总线的实时能力以及全空间的连接, 5G将开启充满机会的时代。 中国联通：获得了3500MHz-3600MHz共100MHz带宽的5G试验频率资源，这是5G网络黄金频谱，是全球最主流的频段，全球运营商首选的频率资源，除了能有更多成熟的终端支持外，搭建相应的5G网络上，投入也能相对少一些，最重要的是，前期5G网络起势会非常快。 在前期5G网络的搭建上，中国联通共有16个城市同时进行，分别是北京、天津、上海、雄安、青岛、杭州、南京、武汉、贵阳、成都、深圳、福州、郑州、沈阳等，其将在2019年第三季度开始试商用5G网络。 按照中国联通给出规划，2019年1月份，将开始采购测试终端；2019年第二季度预计启动5G终端NSA试商用、发布5G新型终端；2019年第四季度5G商用终端大规模上市。 另外5G为运营商及其客户提供了极具吸引力的商业模式。为了支撑这些商业模式，未来网络必须能够针对不同服
务等级和性能要求，高效地提供各种新服务。运营商不仅要为各行业的客户提供服务，更需要快速有效地将这些服务商业化。洞察未来，最能体现5G能力的十大应用场景十大应用场景为： 1. 云VR/AR 2. 车联网 3. 智能制造 4. 智能能源 5. 无线医疗 6. 无线家庭娱乐 7. 联网无人机 8. 社交网络 9. 个人AI辅助 10. 智慧城市 这些场景和5G的相关性如下： 1. 云VR/AR VR/AR对带宽的需求是巨大的。高质量VR/AR内容处理走向云端，满足用户日益增长的体验要求的同时降低设备价格，VR/AR将成为移动网络最有潜力的大流量业务。虽然现有4G网络平均吞吐量可以达到100Mbps，但一些高阶 VR/AR应用需要更高的速度和更低的延迟。 ABI Research估计，到2025年AR和VR市场总额将达到2920
用于自动驾驶场景的多传感器融合定位方法与设计方案
本技术公开了一种用于自动驾驶场景的多传感器融合定位方法，采用低成本传感器结合矢量地图通过改进的粒子滤波算法实现车道级定位。本技术不仅具有明显价格优势，有利于自动驾驶技术普及，同时能保证定位精度，而且使用更加方便，还能输出频率可调的高频定位信息，其能为环境感知和车身控制提供基准数据。 权利要求书 1.一种用于自动驾驶场景的多传感器融合定位方法，其特征在于包括以下步骤： 步骤1，车载传感器实时采集车辆的行驶信息；其中，车辆的行驶信息包括，车辆所在的经纬度、车辆的速度信息、航向信息、车辆所在的车道和车辆与所在车道的中心线之间的距离； 步骤2，在矢量地图上以步骤1采集到的车辆所在的经纬度为圆心，GPS定位偏差为半径做圆；并在圆内根据高斯分布设置粒子群；其中，矢量地图中含有车道线、车道宽度、车道航向角的信息； 步骤3，将传感器采集的航向信息、速度信息和步骤2中设置的粒子群中每个粒子的位置信息加入高斯噪声后输入到第一恒定转率和速度运行模型中，第一恒定转率和速度模型输出每个粒子的状态信息，其中每个粒子的状态值包括每个粒子在UTM坐标系下的坐标值和每个粒子的航向信息；
步骤4，将不在车辆所在车道内的粒子的权重值设置为0；再分别计算剩下粒子点的权重值； 步骤5，将步骤3获得每个粒子的状态信息和步骤4获得每个粒子的权重值通过加权平均法求出车辆的位置信息。 2.根据权利要求1所述的用于自动驾驶场景的多传感器融合定位方法，其特征在于：所述步骤1中采用多种传感器，每种传感器的数据源不同。 3.根据权利要求1所述的用于自动驾驶场景的多传感器融合定位方法，其特征在于：所述步骤2中GPS定位偏差通过公式计算获得，其中，λ为GPS定位偏差，η表示GPS定位精度，θ为收到星数，h为水平精度因子，β的取值范围在0.55~0.65，σ为稳定系数，μ为水平精度系数。 4.根据权利要求1所述的用于自动驾驶场景的多传感器融合定位方法，其特征在于：所述步骤4中粒子点的权重值获取方法，包括以下步骤： 步骤401，根据公式： Δdi =dc-dip； Δyawi=yawc+ yawir- yawip； 分别计算粒子群中每个粒子在车道中位置差值和航向差值；其中，Δdi表示第i个粒子的位置差值，dc表示Camera输出当前车辆距离车道中心线的距离偏差，dip表示第i个粒子的距离车道中心线的距离偏差，Δyawi表示第i个粒子的航向角差值，yawc表示Camera输出的当前车辆与车道的航向角的偏差，yawir表示第i个粒子所在车道的道路的航向角，yawip表示第i个粒子的航向角； 步骤402，将步骤401获得的每个粒子在车道中的位置差值和航向差值代入概率密度函数，经过归一化后得到每个粒子点的权重值wi；
自动驾驶汽车测试的重要性 (是德科技)
白皮 书 《测试对于自动驾驶汽车的 推广至关重要》 随着传统汽车制造商与新参与者纷纷投资研发创新技术，自动驾驶汽车（AV）领域的发展日新月异。尽管自动驾驶汽车有可能提升汽车的安全性和驾驶便利性， 但其复杂的设计要求必须使用测试和验证系统进行严格测试，确保在各种交通、路况和天气条件下的行车安全。当然，自动驾驶汽车将使用基于人工智能（AI）的方法，这将使汽车能够通过电信业务和基础设施提供商进行通信。 自动驾驶汽车技术的基础是互联汽车概念。系统会与汽车进行通信，交流道路和交通状况、附近的汽车以及与驾驶体验有关的其他关键信息。自动驾驶汽车技术将多种传感器、计算机和软件整合在一起，创造出自动驾驶汽车。从统计学上来说，这些汽车在安全行驶里程方面已经超越人工驾驶汽车。在大约 94% 的重大车祸中，常见的、可预见的驾驶员人为错误往往是肇事原因之一，例如超速或注意力分散等。
根据 Waymo（Google 以前的自动驾驶汽车项目）的报告，在以 2 英里时速行驶总共超过500 万英里的过程中，仅发生过一次事故，但没有造成任何人身伤害。即使这样，让消费者树立对全自动驾驶汽车的信任也是一个挑战。例如，根据 2018 年美国汽车协会（AAA）的一项调查1，有 73% 的美国驾驶员表示，他们非常担心驾驶自动驾驶汽车；而 63% 的美国成年人表示他们在步行或骑车时与自动驾驶汽车共享道路会感觉不安全。 安全性及其他优点 基于驾驶员错误所造成的事故数量，安全性是最受关注的问题，而自动驾驶汽车可能带来的最大好处就是安全性的提高。将人为错误排除在驾驶环节之外，可以大大减少交通事故中的人身伤亡。 部署自动驾驶汽车技术还有其他好处。例如，随着人口的老龄化，自动驾驶汽车技术将为老年人和残疾人提供更多的出行自由。此外，它还可能创造新的运输方式和商业模式，例如自动驾驶出租车队和共享自动驾驶汽车公司；这些模式可以提高个人生产率。
智能驾驶测试解决方案
智能驾驶测试解决方案 概述 随着技术的发展，汽车量产搭载的自动驾驶技术已经由初级的L1/L2辅助驾驶，向L3甚至更高级别演进。高级别的自动驾驶技术依赖更多传感器，那么在环境感知、多传感器融合、决策规划、车辆控制执行、功能安全等方面测试的挑战将日益增大。 AA作为国内一流测试方案服务商，为各主机厂、控制系统/传感器供应商在研发的各阶段提供解决方案。 ●智能驾驶车辆架构设计 AA提供PREEvision架构设计工具，给用户一个完整的协同开发平台，支持从电子电气架构设计到产品系列开发的全过程。 ●智能驾驶快速原型
AA提供OpenECU快速原型开发工具。该工具可在Matlab/Simulink环境进行开发，具有高效的自动代码生成功能，可为自动驾驶控制原型开发提供有效支撑。 ●智能驾驶仿真测试：MIL/SIL/HIL/VIL 美国兰德公司研究表明，自动驾驶需要行驶数亿、甚至数千亿英里验证其可靠性，实车驾驶需要行驶数十年、甚至数百年才能完成可靠性验证。同时美国N-FOT项目研究表明“完成一次公共道路测试的成本至少在100万美元以上”。 基于时间和成本的综合考量，我们可以通过虚拟仿真技术，对道路环境、交通、感知系统、决策规划系统和执行系统进行仿真建模，在实验室环境下实现智能驾驶系统的虚拟仿真测试，加速智能驾驶研发。 智能驾驶仿真测试与传统仿真测试相比，对车辆动力学仿真精度要求更高，更关注车与环境的交互，更重视测试场景的分析和测试场景数据库的建设。 ●智能驾驶MIL/SIL解决方案 MIL/SIL测试主要测试算法模型的功能逻辑。AA基于行业主流的虚拟仿真软件（如IPG公司的CarMaker、TESIS公司的DYNA4等）和PikeTec公司的TPT自动化测试工具，提供完整智能驾驶MIL/SIL解决方案，覆盖AEB、LDW、TSR、HMA、LCDA、LKA、IACC、TJP、TJA、APA等决策规划控制算法MIL测试，同时也能覆盖传感融合算法MIL测试。 CarMaker统筹场景模型、传感器模型和车辆动力学模型的仿真。使得测试环境部署在统一工具链下，保证了测试过程数据交互具有非常高的一致性。
上海14号线 全自动驾驶运营场景
上海14号线全自动驾驶运营场景
TABLE OF CONTENTS 目录 PAGE 页码1.正常场景1 1.1运营准备1 1.1.1确认并下发当日运行图1 1.1.2运营前设备确认2 1.1.3出库派班计划的编制与下发3 1.1.4早间车辆基地准备4 1.1.5列车唤醒5 1.1.6车站设备开启及出入口开启8 1.2列车出库9 1.2.1巡道作业9 1.2.2运营列车出库11 1.3列车正线运行12 1.3.1列车进入正线12 1.3.2列车区间运行13 1.3.3列车进站停车14 1.3.4停站作业16 1.3.5列车站台发车17 1.3.6列车站前折返19 1.3.7列车站后折返20
1.3.8终点站列车清客21 1.3.9工况转换23 1.4列车回库24 1.4.1列车进入停车库24 1.4.2编制确认回库派班计划26 1.5场内调车27 1.5.1工作人员车场正常登乘列车27 1.5.2场内作业28 1.5.3列车洗车作业29 1.5.4车辆基地自动/人工广播31 1.6运营结束33 1.6.1车站设备关闭及出入库关闭33 1.7正线存车34 1.8运营调整35 1.8.1列车加开35 1.8.2列车跳停36 1.8.3列车提前发车38 1.8.4列车站台扣车39 1.8.5列车全线扣车40 1.8.6运行计划变更41 1.8.7工作人员登乘迫停区间/车辆基地列车42 1.8.8列车以有人模式运行44 1.8.9ATC控制区域施工45
1.8.10列车反方向运行47 1.8.11非ATP控制列车运行48 2.故障模式场景49 2.1正线列车故障49 2.1.1正线列车故障49 2.1.2正线列车车门/站台门故障52 2.1.3正线列车救援55 2.2信号故障（见故障处理场景）56 2.2.1中央信号故障（见故障处理场景）56 2.2.2车载信号故障（见故障处理场景）56 2.2.3轨旁信号故障（见故障处理场景）56 2.3站台门系统故障58 2.3.1站台门与车门间隙探测器故障（见故障处理场景）58 2.3.2站台门、车门、或站台门和车门间隙夹人夹物59 2.4供电故障60 2.4.1接触网（接触轨）失电60 2.5综合监控及车站设备故障62 2.5.1运营准备失败62 2.6线路故障63 2.6.1侵限63 2.6.2区间积水65 2.6.3线路胀轨、断轨、下沉66 2.7运营时段抢修施工67
智能网联汽车测试规范
5G自动驾驶联盟团体标准 智能网联汽车自动驾驶功能测试规范 （征求意见稿） Intelligent & C o nn e c t e d vehicle autonomous driving function test procedure 2018-12-07发布2018-12-07实施
目次 前言......................................................... 错误!未定义书签。 1 范围...................................................... 错误!未定义书签。 2 规范性引用文件............................................ 错误!未定义书签。 3 术语和定义................................................ 错误!未定义书签。4检测项目................................................... 错误!未定义书签。5通用要求................................................... 错误!未定义书签。 6 通过条件................................................... 错误!未定义书签。7测试规范................................................... 错误!未定义书签。附录A....................................................... 错误!未定义书签。
基于5G的自动驾驶发展趋势
基于5G的自动驾驶发展趋势 随着5G技术和车联网的发展，传统的自动驾驶技术在5G 车联网的助推下，未来的发展前景非常值得期待。基于DSRC 的车联网技术经过十几年的发展，具备较好的覆盖范围,但是受到传输距离短的限制，发展优势不明显;另一方面，基于LTE的车联网技术具备重复利用蜂巢式基础设施与频谱的优势，网络度盖范围更大，也可以平滑演进到5G;5G网络具备高可靠低时延的优势,5G的商用将为LT&V2X提供更强大的性能和更多的可能性。基于5G车联网的自动驾駛场景，可以克服传统自动驾驶技术无法互联的缺陷,进一步提升自动驾驶的性能，减少对高精度传感器的依赖。5G车联网的最终目标是完全自动驾驶和全部联网，这对整个汽车与交通行业都具有很好的推动作用。 5G技术、车联网和自动驾驶(或无人驾驶)是最近几年的科技发展热点。基于专用短程通信（Dedicated Short Range Communications，DSRC)的车联网技术存在一些不足之处,基于5G网络的车联网技术可以提供更抉的传输速率，对自动驾驶的发展具有很好的助推作用。 一、车联网技术
在中国信息通信研究院《车联网白皮书(2017年)》中，给车联网的定义是：借助新一代信息和通信技术，实现车内、车与车、车与路、车与人、车与服务平台的V2X(Vehicleto Everything)全方位网络连接，提升汽车智能化水平和自动驾驶能力，构建汽车和交通服务新业态，从而提高交通效率，改善汽车驾乘感受，为用户提供智能、舒适、安全、节能、高效的综合服务。网络连接、汽车智能化、服务新业态是车联网的三个核心。 车联网是物联网在汽车领域的典型应用，其核心关键是V2X无线通信技术，包括DSRC、5G-V2X、LTE-V2X(Long Term Evolution,长期演进)等。借助于V2X无线通信技术，可以突破单一汽车在智能化发展方面的非视距感知、车辆信息共享等技术瓶颈，助力实现汽车自动驾驶功能的推广应用。 当前，国际成熟的V2X无线通信技术有两种技术路线选择，一是基于IEEE802.11p的DSRC技术，二是我国参与推动的基于LTE的V2X无线通信技术(LTE-V2X)。 （一）基于DSRC的车联网技术 DSRC由物理层标准IEEE802.11P和网络层标准IEEE 1609构成。在此基础上，美国汽车工程师协会(Societyof Auto-motive Engineers，SAE)发布的SAE J2735和SAE JF2945两个标准规范了信息内容和结构。DSRC系统包含了车载装置
2019年汽车自动驾驶专题行业研究报告
２０１９年汽车自动驾驶专题行业研究报告
一、自动驾驶：2020年多数场景L3落地，场景商业化差异大 1.1 自动驾驶概念：时间表推迟，“地理围栏”限制使用场景 1.2 ADAS：实现无人驾驶前，由高级辅助系统辅助驾驶员 1.3 自动驾驶分级：L1-L4适用场景受限，落地时间差异大 1.4 自动驾驶场景：物流运输商业化高，城市化路况复杂 二、全“景”追踪：资本布局集中、创业公司商用场景多落地物流 2.1 政策：路测规范及发展战略相继落地 2.2 资本盛宴：机构分别选取商用、乘用、硬件的一家公司跟投 2.3 落地场景分析：物流场景降本提效，乘用车市场潜力大 三、技术产业链及竞争格局：传感器方案差异大，算法是核心 3.1 产业链：感知-决策-控制 3.2 细分产业格局：传感器、高精地图、芯片、控制器的现状 3.3 竞争性分析：创业公司须拥有订单交付能力，大型车企重点考虑收购 四、路径差异及典型企业商业模式分析 4.1 自动驾驶产业图谱全景聚焦 4.2 Waymo：Robotaxi业务投入运营，建厂自研估值1750亿 4.3 NVIDIA：并行计算的GPU专注于融合不同传感器 4.4 AutoBrain：MPC算法结合域控制器对不同场景定制解决方案 4.5 图森未来：L4级干线运输落地美国，加速推进半封闭枢纽场景 五、总结：L3级别落地时间继续推后，车联网将带来改变 5.1 总结及趋势预测：L3级别落地时间继续推后，车联网将带来改变
CHAPTER 1 自动驾驶：2020年多数场景L3落地，场景商业化差异大 1.1 自动驾驶概念：时间表推迟，“地理围栏”限制使用场景1.2 ADAS：实现无人驾驶前，由高级辅助系统辅助驾驶员1.3 自动驾驶分级：L1-L4适用场景受限，落地时间差异大1.4 自动驾驶场景：物流运输商业化高，城市化路况复杂
TCMAX116-01—2018自动驾驶车辆道路测试能力评估内容与方法
ICS 01.110 T00/09 T/CMAX 中关村智通智能交通产业联盟团体标准 2018-02-11 发布2018-02-11 实施 中关村智通智能交通产业联盟发布
T/CMAX 116-01—2018 目次 前言 .................................................................... II 1 范围 (1) 2 规范性引用文件 (1) 3 术语和定义 (1) 4 评估内容 (3) 5 评估操作要求 (6) 6 评估评判 (20) 附录 A (31) 附录 B (63) I
T/CMAX 116-01—2018 II 前言 本标准按照GB/T1.1-2009《标准化工作导则_第1部分》给出的规则起草。 本标准作为《北京市关于加快推进自动驾驶车辆道路测试有关工作的指导意见（试行）》 及《北京市自动驾驶车辆道路测试管理实施细则（试行）》配套落实技术文件。 本标准除编辑性修改外，主要内容变化如下： ——修改了规范性引用文件（见2，见2018.2版2） ——增加了术语和定义自动驾驶系统（见3.3） ——增加了术语和定义相同自动驾驶车辆（见3.9） ——增加了术语和定义背景车辆（见3.10） ——增加了术语和定义评估车辆（见3.11） ——修改了评估内容评估车型（见4.2，见2018.2版4.2） ——修改了评估内容评估内容与评估分级（见4.4，见2018.2版4.4） ——修改了评估内容评估内容与评估车型（见4.5，见2018.2版4.5） ——修改了评估操作要求一般规定的章条编号（见5.1，见2018.2版5.1） ——增加了评估操作要求申请能力评估前提（见5.1.1） ——修改了评估操作要求评估操作要求（见5.1.3，见2018.2版5.1.2） ——修改了评估操作要求评估记录工具（见5.1.4，见2018.2版5.1.3） ——修改了评估操作要求场景布置规定（见5.1.5，见2018.2版5.1.4） ——修改了专项操作要求的章条编号（见5.2，见2018.2版5.2） ——修改了专项操作要求交通标志（见5.2.1，见2018.2版5.2.1） ——修改了专项操作要求紧急情况处置（见5.2.11，见2018.2版5.2.11） ——修改了专项操作要求人工介入后的可操控性（见5.2.12，见2018.2版5.2.12）
自动驾驶技术虚拟场景数据库的介绍和特点及仿真场景的详细概述
自动驾驶技术虚拟场景数据库的介绍和特点及仿真场景的详细概述驾驶场景数据是智能网联汽车研发与测试的基础数据资源，是评价智能网联汽车功能安全的重要“案例库”与“习题集”，是重新定义智能汽车等级的关键数据依据。驾驶场景测试用例主要通过虚拟仿真环境及工具链进行复现，因此建设虚拟场景数据库是连接场景数据与场景应用的关键桥梁。虚拟场景数据库具有无限性、扩展性、批量化、自动化的特点。 中国汽车技术研究中心有限公司数据资源中心自2015年开展驾驶场景数据采集及分析研究工作以来，不断积累自然驾驶场景资源，目前已采集超过32万公里自然驾驶里程数据，地域覆盖北京、天津、上海等重点城市，工况覆盖高速、城市、乡村、停车场等重点领域，环境覆盖晴天、雨天、雪天、雾霾等多种天气，范围覆盖典型场景、边角场景、事故场景等多种类型，已建设成为首屈一指的中国特色驾驶场景数据库。经过多年的经验积累，数据资源中心逐步形成了完善的数据采集规范、数据处理流程、特征提取方法、场景数据库结构规范、测试用例数据格式、驾驶场景虚拟仿真测试方法等理论体系。 为充分发挥数据资源中心现有驾驶场景数据的应用价值，迎合企业在智能网联汽车研发验证方面的场景需求，解决行业在本土化功能安全评价方面的痛点问题，数据资源中心拟基于驾驶场景数据建设方面的技术积累，从数据采集、处理分析、虚拟仿真和评价体系等多个层面对“智能网联汽车驾驶场景数据库研究与应用”进行专题报道，进而为行业提供切实可行的技术支持。专题报道将分为8期进行，本期着重介绍在虚拟场景数据库建设方面的整体思路与最新成果。 虚拟场景数据库建设 虚拟场景数据库：驾驶场景数据是智能网联汽车研发与测试的基础数据资源，是评价智能网联汽车功能安全的重要“案例库”与“习题集”，是重新定义智能汽车等级的关键数据依据。驾驶场景测试用例主要通过虚拟仿真环境及工具链进行复现，因此建设虚拟场景数据库是连接场景数据与场景应用的关键桥梁。 虚拟场景数据库的特点：虚拟场景数据库具有无限性、扩展性、批量化、自动化的特点。
智能驾驶测试解决方案
智能驾驶测试解决方案 智能网联汽车集中运用了计算机、现代传感、信息融合、模式识别、通信网络及自动控制等技术，是一个集环境感知、规划决策和多等级自动驾驶控制于一体的技术综合体。 为此在智能网联汽车研发过程中测试和验证面临巨大的挑战。一方面，需要新的测试方法以改进传统路测方法，解决传统测试中需要大量行驶里程所带来的一些问题。另一方面，由于发展初期有限的市场渗透率，测试验证过程还需考虑混合交通环境下其他交通参与者的驾驶行为对自动驾驶汽车功能产生的重大影响。 AA作为Vector、Rohde & Schwarz、IPG、Pi innovo公司、PikeTec、HQRadar 公司的技术合作伙伴，将为中国汽车客户提供智能网联相关测试系统及服务，主要包括L1-L5自动驾驶控制系统的快速原型开发工具、MIL/HIL/VIL测试系统、车联网功能测试系统、FOTA功能测试，毫米波雷达测试及仿真系统等，全面助力智能网联汽车的研发与生产。
概述 随着技术的发展，汽车量产搭载的自动驾驶技术已经由初级的L1/L2辅助驾驶，向L3甚至更高级别演进。高级别的自动驾驶技术依赖更多传感器，那么在环境感知、多传感器融合、决策规划、车辆控制执行、功能安全等方面测试的挑战将日益增大。 AA作为国内一流测试方案服务商，为各主机厂、控制系统/传感器供应商在研发的各阶段提供解决方案。 ●智能驾驶车辆架构设计 AA提供PREEvision架构设计工具，给用户一个完整的协同开发平台，支持从电子电气架构设计到产品系列开发的全过程。 ●智能驾驶快速原型
AA提供OpenECU快速原型开发工具。该工具可在Matlab/Simulink环境进行开发，具有高效的自动代码生成功能，可为自动驾驶控制原型开发提供有效支撑。 ●智能驾驶仿真测试：MIL/SIL/HIL/VIL 美国兰德公司研究表明，自动驾驶需要行驶数亿、甚至数千亿英里验证其可靠性，实车驾驶需要行驶数十年、甚至数百年才能完成可靠性验证。同时美国N-FOT项目研究表明“完成一次公共道路测试的成本至少在100万美元以上”。 基于时间和成本的综合考量，我们可以通过虚拟仿真技术，对道路环境、交通、感知系统、决策规划系统和执行系统进行仿真建模，在实验室环境下实现智能驾驶系统的虚拟仿真测试，加速智能驾驶研发。 智能驾驶仿真测试与传统仿真测试相比，对车辆动力学仿真精度要求更高，更关注车与环境的交互，更重视测试场景的分析和测试场景数据库的建设。 ●智能驾驶MIL/SIL解决方案 MIL/SIL测试主要测试算法模型的功能逻辑。AA基于行业主流的虚拟仿真软件（如IPG公司的CarMaker、TESIS公司的DYNA4等）和PikeTec公司的TPT自动化测试工具，提供完整智能驾驶MIL/SIL解决方案，覆盖AEB、LDW、TSR、HMA、LCDA、LKA、IACC、TJP、TJA、APA等决策规划控制算法MIL测试，同时也能覆盖传感融合
L4级自动驾驶落地场景
L4级自动驾驶落地场景 在世界人工智能大会上，威马汽车向大众展示了“低速受限”场景下的L4级自动驾驶，并宣传其率先成为车辆无人驾驶技术应用的头部车企。广汽、长安这样的传统车企才刚刚落实L3级自动驾驶量产计划，威马新晋品牌、滴滴这样的互联网公司就已经开始搞L4级自动驾驶了？而且什么样的场景算作“低速受限”？L4级自动驾驶主要的应用范围又是哪些？威马演示的功能，其他主流车企或供应商又是否跟进，却鲜有提及。标准又是什么呢？一起往下看。 先入为主，抢占认知 自动驾驶的卖点是什么？很多人可能会说，大势所趋未来可期。但其实落地实现起来，展现出了比较大的难度。这几年厂商不遗余力的宣传L2及L2.5级自动驾驶，但真正落实到体验上，相信大家跟一品君一样，失望大于期望。一向标榜科技驱动的新能源领头羊——特斯拉，也只是把自家的A U T O P I L O T定义为“自动驾驶辅助系统”。即便是这样，由于过度信任引发的
交通事故也是层出不穷。 所以对于自动驾驶而言，本身定义就有理想主义情节，真正达到的只是“驾驶辅助”或是半自动驾驶而已。在L2和L2.5概念高耸入云时，已经有车企开始布局L3和L4级别自动驾驶，颇有种先入为主，抢占用户对L3、L4级自动驾驶认知的感觉。那究竟什么是自动驾驶？又如何界定呢？ 自动驾驶是什么？ 这似乎是一个“老生常谈”的话题了。自动驾驶是美好的愿景，为的就是彻底解放驾驶者。至于自动驾驶如何界定，网上也有很多种标准，比如N H T S A（美国高速公路安全管理局）就分了5个等级，而S A E（国际自动机工程学会）则分了6个等级。但目的相同，为了区分不同场景下的系统完成自动驾驶的情况。 自动驾驶的国标也即将实施，根据工信部拟定，2020年3月9日报批公示，并将于2021年1月1日正式实施的《汽车驾驶自动化分级》来看，国内自动
海南省智能汽车道路测试和示范应用管理办法
海南省智能汽车道路测试和示范应用管理办法 第一条为贯彻落实《海南省清洁能源汽车发展规划》，规范海南省智能汽车道路测试和示范应用工作，按照海南自贸港建设制度创新精神要求，依据工业和信息化部、公安部、交通运输部《关于印发〈智能网联汽车道路测试管理规范（试行）〉的通知》（工信部联装〔2018〕66号）（以下简称《道路测试管理规范》）等有关法规和文件，制定本办法。 第二条本办法适用于在本省行政区域范围内进行的智能汽车道路测试和示范应用。 第三条智能汽车道路测试和示范应用工作应根据当前技术发展现状，采取分步推进的方式，逐渐开放与智能汽车发展状况相匹配的道路测试和示范应用区域，并逐步实现商业化推广应用。 第二章管理机构及职责 第四条省工业和信息化厅、省公安厅、省交通运输厅共同成立海南省智能汽车道路测试和示范应用管理联席工作小组（以下简称“联席工作小组”），负责本省智能汽车道路测试和示范应用的统一实施、监督和管理。联席工作小组下设办公室，办公室设在省工业和信息化厅。联席工作小组定期召开联席会议，以会议纪要形式确认道路测试和示范应用有关事项，协调解决实施过程中出现的问题。 第五条联席工作小组组织由交通、通信、汽车、电子、计算机、法律等相关领域专家组成的海南省智能汽车道路测试和示范应用评审专家组，负责对申请主体所提出的申请进行论证评估，出具专家意见。 第六条联席工作小组依法委托第三方机构，组织开展我省智能汽车道路测试有关工作，负责智能汽车道路测试和示范应用的全过程监管，包括智能汽车道路测试或示范应用的申请受理、组织专家论证评估、道路测试和示范应用跟踪、数据采集、日常监管等工作。 第七条联席工作小组遵循分级分类有序、风险可控的原则，对外公布在本省行政区域范围内用于智能汽车道路测试和示范应用的若干典型道路和示范应用场景。海南省智能汽车开放测试道路环境分级标准另行制定。 第三章道路测试或示范应用申请条件 第八条申请主体是指提出智能汽车道路测试或示范应用申请、组织实施并承担相应责任的单位。 申请主体要求： （一）具备汽车或零部件技术研发、生产制造、试验检测或出行服务等智能汽车相关业务能力，包括具有智能网联技术及产品研发、生产能力或运营能力的整车企业、改装车生产企业、零部件企业、自动驾驶解决方案企业、互联网企业、科研院所、高校、交通运输企业以及其他科技型企业；
高级别自动驾驶的技术特征和落地场景
23智能网联汽车 Intelligent Connected Vehicles 自动驾驶是汽车智能化的体现和核心功能之一，也一直是汽车从业者和广大驾乘人员的梦想。近年来，随着新一轮科技变革的大潮兴起，自动驾驶汽车技术的发展成了汽车行业的一个新的热点。 高级别自动驾驶的产业化重点 按照美国汽车工程师学会的定义，汽车自动驾驶技术可划分为Level1-Leve5共五个等级。其中L1-L2级属于智能驾驶辅助的不同阶段，在这个阶段，人类驾驶员仍然要负责所有驾驶任务并进行驾驶环境的全程监控，而机器自动系统则主要对驾驶员的操作提供信息预警、操 控纠偏、紧急安全控制等辅助作用；出现交通事故，人类则是责任主体。 在L1、L2的驾驶辅助阶段，由于人仍然为驾驶任务的全程主体，所以对机器驾驶系统的性能配置要求较低，主要体现在对车载计算平台软硬件性能要求不高，对车载高精度定位和高精度动态地图非硬性需求，对车载传感器、控制器、执行器冗余配置和执行系统线控化无明确要求等。 从L3级别开始标志着进入自动驾驶阶段，但L3是部分自动驾驶阶段，可以允许部分时段内驾驶员解放双手，由自动驾驶系统代替人类完成车辆的行驶环境监控和车辆驾驶操作，但驾驶员还需要时刻对驾驶环境和车辆状况保持关注，在遇到激烈驾驶环境和潜在危险的工况下， 高级别自动驾驶的技术特征和落地场景 随时准备接管车辆的驾驶控制权限。L4级主要依靠自动驾驶系统完成行驶，对人类驾驶员的操控介入没有硬性要求；L5级则是完全无人驾驶，不再需要人类驾驶员的操控介入。因此，从技术定义上来划分，L3、L4、L5都属于高级别自动驾驶的范畴，而L3级别由于涉及人类驾驶员和机器驾驶系统之间的信息交互和操控权限切换，因此成为了辅助驾驶（初级自动驾驶）和高级别自动驾驶技术的分水岭，如图1所示。 由于高级别自动驾驶逐渐将车辆的驾驶操控的主体由人变成了机器驾驶系统，因此在技术特点和产业化开发需求方面较L1、L2级别的驾驶辅助系统阶段有了明显的区别，主要体现在以下几个方面： 文／边明远 李克强 虽然目前的L3级自动驾驶在技术策略及产业化方面还存在着诸多令人争议的痛点，但客观地说，在中高级别自动驾驶系统产业化的进程中跳过L3，直接达到L4/L5量产化应用的阶段并不现实。 边明远, 清华大学汽车工程系副教授 李克强, 清华大学汽车工程系教授