近年來，我國高速公路快速發(fā)展，截止2022年底，我國高速公路修建總里程已達17.7萬公里，位居世界第一。隨著高速公路里程的快速增加和交通流量的持續(xù)增大，越來越多的施工作業(yè)車輛出現(xiàn)在高速上，隨之產(chǎn)生的安全問題也日益突出。

高速公路養(yǎng)護施工作業(yè)時，施工路段通行車道數(shù)減少，通行能力下降，施工人員、施工機械和來往車輛構(gòu)成了一個危險的環(huán)境，在高速行駛過程中，如果駕駛員失神，很容易闖入作業(yè)區(qū)，造成交通事故，對車輛和人員造成傷害。那么，在智能駕駛輔助駕駛員進行車輛控制的情況下，面對高速作業(yè)的“危險”場景，智能駕駛系統(tǒng)還值得信任嗎？會預(yù)警并進行主動避撞嗎？

在車輛開啟巡航功能時，因駕駛員未專注駕駛，未察覺前方風險，同時輔助駕駛系統(tǒng)功能不完善，未能控制車輛避免風險，導(dǎo)致車輛與高速作業(yè)工程車輛碰撞的交通事故時有發(fā)生。

2016年1月20日，在京港澳高速河北邯鄲段，一輛特斯拉轎車直接撞上一輛正在作業(yè)的道路清掃車，特斯拉司機當場身亡，此事故為中國首例也是全球首例“自動駕駛”致死車禍。

2021年8月12日，在沈海高速涵江段，一輛蔚來ES8在NOP領(lǐng)航開啟時，因未能識別本車道內(nèi)前方的高速公路養(yǎng)護車，發(fā)生高速碰撞，事故致駕駛員死亡。

2022年8月8日，一輛理想ONE在開啟NOA功能時，以77km/h的速度撞上前方靜止施工作業(yè)緩沖車，所幸沒有造成人員傷亡。

為減少此類事故，駕駛員應(yīng)提升安全意識，不能把輔助駕駛當自動駕駛；同時車企也應(yīng)進一步提升智能駕駛系統(tǒng)的能力邊界，在遇到作業(yè)車施工場景時，能夠識別道危險車輛，并避免碰撞。

為推動在該類型場景下智能駕駛系統(tǒng)的能力提升，國家智能網(wǎng)聯(lián)汽車（長沙）測試區(qū)在智車信心度（C-IAC）（專注智能汽車“危險”場景的測評體系）的研究中，自研了全球首個高速公路作業(yè)車模擬目標物。

高速公路作業(yè)車目標物在外觀設(shè)計上參考了市面上常見的高速公路作業(yè)車的實車造型，還原了其外形結(jié)構(gòu)特點，同時目標物模擬車輛的表面雷達反射特性同真車基本一致。該目標物可通過重構(gòu)的方式，完成防撞緩沖車、綠化養(yǎng)護車、搶修車三種不同類型高速公路作業(yè)車之間的快速轉(zhuǎn)變，從而滿足不同的測試需要。

高速作業(yè)車目標物（左）與實車（右）對比

測試場景

通過對已發(fā)生的與高速公路作業(yè)車相關(guān)事故的分析，我們設(shè)計了3類與高速作業(yè)相關(guān)的測試場景用于對車輛的智能駕駛系統(tǒng)進行評價，分別是目標車靜止、前車切出、錐桶避讓場景。

1、目標車靜止場景

實車測試過程

目標車靜止在直線車道中間，測試車輛分別以不同的設(shè)定速度沿直線車道巡航行駛，速度穩(wěn)定之后逐漸靠近目標車。測試車輛應(yīng)能通過減速殺�；蜣D(zhuǎn)向避讓等方式避免與目標車發(fā)生碰撞。實驗車輛從30km/h的初始巡航速度開始測試，按10km/h每次逐步增加至100km/h，主車與目標車發(fā)生碰撞，或駕駛員為避免碰撞主動偏出，則本場景試驗結(jié)束，不再開展更高速度的測試。

2、前車切出場景

實車測試過程

測試車輛在直道上跟隨前車穩(wěn)定行駛，前車遇到車道內(nèi)靜止目標車后切出車道，前車切出車道后沿相鄰車道繼續(xù)行駛。測試車輛應(yīng)能檢測到前方靜止目標車，并通過減速殺停或轉(zhuǎn)向避讓等方式避免與目標車發(fā)生碰撞。

3、錐桶避讓場景

錐桶避讓場景

實車測試過程

測試車輛以規(guī)定的設(shè)定速度在車道內(nèi)巡航行駛，速度穩(wěn)定后逐漸接近本車道前方的交通錐。測試車輛從30km/h的初始巡航速度開始測試，按10km/h每次逐步增加至100km/h，主車與錐桶發(fā)生碰撞，則本場景試驗結(jié)束，不再開展更高速度的測試，每個速度點重復(fù)試驗3次。

測試車型

基于設(shè)計的高速公路作業(yè)車測試場景，我們對市場上已銷售的多款車輛進行了測評研究，希望借此讓大家充分了解現(xiàn)階段行業(yè)技術(shù)的能力現(xiàn)狀和不足，進一步規(guī)范自身在智駕系統(tǒng)使用過程中的不安全行為。本次我們選取了6款車進行測試研究，分別為特斯拉Model3、 理想L8、小鵬P7、極氪001、沃爾沃XC60、奔馳S400L，指導(dǎo)價格區(qū)間在22.99萬元-91.78萬元。

測試車型配置

測試結(jié)果

在目標車靜止場景中，我們發(fā)現(xiàn)大部分測試車對于綠化養(yǎng)護車和維修車能夠有效的識別，同時在低速情況下能夠制動避幢。但在防撞緩沖車這類車型上，所測車輛的整體表現(xiàn)狀態(tài)不佳，可能是防撞緩沖車尾部車輛特征不明顯，導(dǎo)致智能駕駛系統(tǒng)不能有效識別該類型車輛。

在前車切出場景中，各車型的表現(xiàn)同前車靜止目標車場景具有較強的相關(guān)性，目標作業(yè)車輛類型對各車型的智駕系統(tǒng)有較大影響。綜合來看，整體表現(xiàn)不佳，大部分車型發(fā)生了碰撞，同時部分車型未識別目標車輛，未激活碰撞預(yù)警功能。在施工擁堵時，駕駛員使用巡航功能跟車行駛，應(yīng)該要保持足夠的專注，避免跟車行駛過程中遭遇突然出現(xiàn)的施工作業(yè)車輛導(dǎo)致的交通事故。

在錐桶（施工）場景，所有測試車型對交通錐的識別響應(yīng)表現(xiàn)為碰撞，無預(yù)警及減速避撞動作。

總結(jié)

本次測試僅對6款車型進行了測試，根據(jù)測試車輛在三種目標車型和不同測試速度下的得分，根據(jù)智車信心度C-IAC高速作業(yè)場景評價規(guī)程，在“目標車靜止場景”下，所測的6款車型合格率為33%，在“跟車目標改變（前車遇到靜止車輛后切出）場景”合格率為16.7%，在錐桶（施工）場景，合格率為0%。由此表明高速養(yǎng)護作業(yè)場景對智能駕駛系統(tǒng)功能發(fā)揮產(chǎn)生了較大影響，在車速較快時，測試車輛的智能輔助駕駛功能很難對高速養(yǎng)護施工作業(yè)車或警示錐桶做出有效識別判斷并同時采取相應(yīng)措施。智能駕駛系統(tǒng)的算法、輔助功能的執(zhí)行機構(gòu)、車輛搭載的信息采集設(shè)備（攝像頭、激光雷達、毫米波雷達）探測距離、頻率、精度等目前還存在著不足，這也印證了本文開篇提到的交通事故案例。后續(xù)我們繼續(xù)開展其他車型的高速作業(yè)場景測試，同時針對已開展測試的6款車型在其軟件版本更新迭代后我們也將第一時間進行復(fù)測，并根據(jù)測試結(jié)果持續(xù)完善測試研究報告，對車型測試結(jié)果進行評比打分并統(tǒng)一發(fā)布，敬請關(guān)注。

最后，此提醒各位駕乘人員在啟用智能駕駛輔助系統(tǒng)在高速行車時，要牢記“智能駕駛輔助系統(tǒng)”不等于“自動駕駛系統(tǒng)”，還是要務(wù)必時刻保持高度注意力，時刻注意觀察前方道路情況，謹慎駕駛，確保行車安全。