无人驾驶车辆认知能力测试方法

周旭

摘要为了全面、系统、客观地测试与评价无人驾驶车辆的认知能力，使经过测试的无人驾驶车辆在城市道路、城际公路和乡村道路上具有基本自主行驶能力，本文提出一种无人驾驶车辆认知能力测试方法。

关键词无人驾驶车辆；自主行驶能力；认知能力；测试方法

无人驾驶车辆集环境感知、认知、决策规划和驾驶控制等功能于一体，能够自主、安全、可靠地在特定环境下行驶。随着近年来无人驾驶车辆技术的发展，学术界与工业界都需要设计一种测试与评价无人驾驶车辆智能性的方法。

在各研究机构和企业对无人驾驶车辆独立开展研究的基础上，美国、欧洲和中国分别在2004年、2006年和2009年各自开始在统一测试环境、测试内容或评判标准下，有组织地举办无人驾驶车辆赛事。然而，无论是国内外有组织的无人驾驶车辆竞赛，还是谷歌的自动驾驶汽车的白行测试，尽管这些赛事和测试规定了一些相应的测试规则，但是这些规则还都不能全面、系统、客观地反映无人驾驶车辆的认知能力水平研究如何。虽然各研究单位也有各自研发的无人驾驶车辆测试的环境和方法，但是这些设计都是按照其自身的无人驾驶车辆特点量身定制的，因此这些测试往往不规范、不系统。

1测试方法

无人驾驶车辆认知能力测试系统，应包括无人驾驶车辆和车载记录设备，二者通过通信接口进行有线或无线连接。其中，车载记录设备用于向无人驾驶车辆输入认知能力测试任务，并接收和存储无人驾驶车辆认知能力测试输出的数据；无人驾驶车辆通过测试任务输入程序接收到测试任务后，重新建立串口连接，开启相应程序输出测试数据到车载记录设备中。该测试任务应能全面、系统、客观地测试与评价无人驾驶车辆的认知能力。因此，我们应开发一种无人驾驶车辆认知能力测试方法。

由于无人驾驶车辆应该在城市道路、城际公路和乡村道路上具有基本自主行驶能力，因此，应从道路系统的人、车、路、交通信号四个要素出发。在考虑上述范围内，无人驾驶车辆感知能力测试项目应包括基本认知能力测试项目、高级认知能力测试项目和综合认知能力测试项目。

1.1基本认知能力测试项目

该测试项目主要是对交通信号、行驶灯信号、笛声等视听觉信息的认知能力测试。此部分测试内容属于静态测试，根据难易程度的不同分为被测试车辆处于静止状态，识别标准的视听觉信息和识别模糊信息两种。

1）识别标准信息，要求无人驾驶车辆输出代表相应视听觉信息的图像、文字、符号或声音，主要考察指标为正确识别视听觉信息的个数以及识别所需时间。标准的视听觉信息包括交通信号（交通标志、交通标线、交通信号灯和交通警察指挥）、行车灯信息、笛声。

交通信号主要是符合国家标准的交通信息。

行车灯信息主要指车辆在参与交通过程中使用的灯光，例如转向灯、前照灯、制动灯等。

笛声主要指车辆在参与交通过程中喇叭或特种车辆上的警报器发出的声音，例如警车、消防车、救护车等。

2）识别模糊信息，主要包括以下3种：（1）对不标准的视听觉信息的认知，例如标准视听觉信息受到阴影、污损、遮挡、倾斜、褪色、光照、变形等干扰因素的影响；（2）在具有特征绑定的条件下对相应视听觉信息目标的提取和认知；（3）在多元信息条件下所需视听觉信息目标的提取和认知，要求无人驾驶车辆输出代表相应视听觉信息的图像、文字、符号或声音。

1.2高级认知能力测试项目

该项测试内容属于动态测试，是在基本认知能力测试的基础上、无人驾驶车辆和被测视听觉信息处于相对运动状态下，测试无人驾驶车辆在一定的交通场景中对交通环境和交通行为的认知能力。

此项测试内容是在较短的距离里面对一个或几个交通场景和交通现象进行测试，主要的考察指标为识别视听觉信息的个数以及识别所需时间、指定任务的完成情况（包括认知目标、速度、位置、时间、行为等）。具体测试可分为两大类：视听觉信息动而无人驾驶车辆不动和视听觉信息不动而无人驾驶车辆动。

视听觉信息动主要指视听觉信息源或目标源远近位置纵向变动较大，而左右位置即横向变动相对较小的情况，这与实际道路情况比较相符，车辆距离视听觉信息源总是由远及近即纵向变化较大，而受道路宽度和设置位置的限制，横向变化相对较小。无人驾驶车辆动是指无人驾驶车辆处于行驶状态。

这里的交通场景包括交叉口、环岛、城市快速匝道、泊车区域、隧道、立交桥、高架桥、急转弯道路、上下坡路、具有横向倾斜角度的道路等；具体的交通现象包括转向、变道、超车、会车、倒车、掉头、泊车、交叉路口通行、铁道口通行、立交桥和铁路桥桥底通行、紧急制动、行人避让、货物散落、道路上静止障碍物等。

1.3综合认知能力测试项目

该项目测试属于动态测试，在基本认知能力和高级认知能力测试的基础上，主要测试无人驾驶车辆对交通场景的综合认知能力以及自主驾驶和智能导航的能力。

此项测试相对复杂，主要分为面向城市道路环境、城际公路环境、乡村道路环境以及三者结合的道路环境，在一定长的距离内，无人驾驶车辆需要识别障碍物、交通信号、行驶灯信息、笛声、交通基础设施和交通现象等，并按照要求完成自主驾驶和智能导航，主要的考查指标为识别视听觉信息的个数以及识别所需时间、指定任务的完成情况包括认知目标、速度、位置、时间、行为等。

例如，在城际高速公路和城区道路等正常交通流中，要求无人驾驶车辆能够与有人驾驶车辆以及无人驾驶车辆之间，基于视听觉信息（交通信号、行车灯信息和笛声）进行多车交互及无人驾驶车辆协同驾驶，实现多辆无人驾驶车辆混迹于正常城际交通流中行驶；在城区较大范围内和复杂交通流条件下，要求无人驾驶车辆能够自主行驶，包括在遵守交通法规前提下和在可控的真实行车环境中实现基本交通标志的检测与识别，不同交通环境中的车速控制、车道保持、动态超车、静动态障碍物避让以及规定区域的自主停车，并在可控的多种城区道路（密集道路、城市环路、绕城公路等）环境下实现自主驾驶。

2结论

为了通过上述的测试项目达到无人驾驶车辆的认知能力测试的目的，我们所提出测试场景不是场景与传感、测量、计算设备的简单组合，而是针对静态、动态和不确定性环境下完成测试任务的复杂测试场景。我们通过构建一个交通环境和交通现象的最小集合，来实现无人驾驶车辆的全面、系统、客观的评价。