自动驾驶测试评价技术已成为自动驾驶实现大规模应用的关键问题，是零部件供应商、整车厂、汽车行业、国家部委等多个层面的研究热点。本书是一部阐述汽车自动驾驶技术测试评价体系的研究型论文。本书应用车辆动力学、统计学原理、人工智能等基础原理，从自动驾驶技术黑箱建模、行驶安全性计算方法、评价流程体系架构等角度深入浅出地介绍了该领域的核心问题，并给出了解决方案。 本书可作为自动驾驶测试领域研究人员的参考读物。

“清华大学优秀博士学位论文丛书”（以下简称“优博丛书”）精选自2014年以来入选的清华大学校级优秀博士学位论文（Top 5%）。每篇论文经作者进一步修改、充实并增加导师序言后，以专著形式呈现在读者面前。“优博丛书”选题范围涉及自然科学和人文社会科学各主要领域，覆盖清华大学开设的全部一级学科，代表了清华大学各学科最优秀的博士学位论文的水平，反映了相关领域最新的科研进展，具有较强的前沿性、系统性和可读性，是广大博硕士研究生开题及撰写学位论文的必备参考，也是科研人员快速和系统了解某一细分领域发展概况、最新进展以及创新思路的有效途径。

导师序言 汽车已拥有百余年的技术发展里程，其经历了机械化、电气化、智能化等多次变革。自动驾驶技术部分或完全接管了人类的驾驶权限，使得汽车发生了由人类肢体延伸工具到智能出行服务的角色转变。而这也迫使汽车的测试评价技术需要相应的革命性创新。该技术领域已成为自动驾驶实现大规模应用的关键瓶颈问题。其被零部件供应商、整车厂、汽车行业、国家部委等多个层面列为重点研究内容，具有强烈的市场需求。 数据成为自动驾驶测试验证的重要基础，中国严重缺乏相关数据积累。在美国、欧洲，依托网联汽车研究计划、自动驾驶研究计划、研发框架计划、Horizon 2020等大量政府项目，已积累了数千万公里的自然驾驶数据和数十万例事故详细数据。我国相关数据积累尚处于起步阶段，难以支撑中国驾驶习惯和中国特色交通场景的统计分析。合理利用有限自然驾驶数据和车辆监控大数据，结合蒙特卡罗仿真和重要性采样技术，将能够实现测试场景快速筛选，是快速分析我国交通特点的一种突破性的方式。 驾驶辅助系统测试方法及标准逐渐成熟，自动驾驶测试评价方法研究刚刚起步，但系统的量化评价方法及体系亟待建立。ISO、ECE、Euro NACP等纷纷发布驾驶辅助系统测试标准并已大规模应用，其主要解决特定场景或危险场景下车辆单一驾驶任务的准入测试。面向自动驾驶，卡莱基梅隆大学、密歇根大学、百度、北京理工大学、中国汽车工程研究院股份有限公司等机构提出了一些智能化等级标准和测试方法，但自动驾驶车辆的智能化水平是分层次逐步发展的，目前还没有统一的评价标准，缺乏体系性。我国路网结构复杂、交通混行严重，提出中国自动驾驶设计运行范围的分级描述，并综合人车交通等...