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交通等因素评判自动驾驶性能是未来趋势。

虚拟仿真技术成为解决自动驾驶大规模测试验证的重要工具，但面向自动驾驶测试的工具体系仍不成熟，亟需系统性研究。为满足实时交通场景、车载传感器及通信、车辆动力学等高精度实时建模需求，Waymo、TASS、NI、dSPACE、5GAA等国外机构纷纷提出了系统级、整车级仿真测试方案，吉林大学也自主开发了Panosim虚拟仿真软件。但虚拟仿真建模技术仍然存在模型精度不够、与车辆实际响应误差大等问题，实车环境测试不可避免。如何将虚拟仿真测试、系统级测试、实车测试有机融合于一体，是迫切需要解决的问题。

因此，尚需要系统研究自动驾驶测试评价方法、技术体系，多角度综合解决自动驾驶汽车测试问题。陈龙同学的博士论文立足于国内外充实的文献调研及相关理论和数据分析研究，提出了基于多源数据挖掘的汽车智能驾驶系统有效性评价方法体系（第2章和第5章），并对其中各项技术要点进行了详细阐述。其合理利用实车、事故、FOT等多源数据，融合系统辨识、乘员损伤风险估算、随机场景建模等多种方法，以仿真的方式可实现不同种类汽车智能驾驶系统的有效性评价。该方法综合了现有实车路试、事故仿真、随机仿真等方法的优势，具有针对不同智能驾驶系统的可扩展性、测试场景私密和公平性、结果可重复、时间成本低等特点。

为了提供客观合理的评价指标，本书（第4章）利用车辆变形深度，来估计乘员损伤风险，以评价车辆的安全有效性。本书通过对德国和美国的事故数据统计分析，详细论证了变形深度作为乘员损伤评价指标的可行性。在此基础上，该方法利用回归分析建立了基于变形深度的乘员损伤模型，并结合事故中EES数据与车辆变形深度间的函数关系，估计乘员损伤风险。该方法的应用过程并不需要大量的深度调查事故数据，可采用常规的事故数据库。

为了建立被评价对象的黑箱模型，本书（第5章）通过分析电机轮胎间耦合动力学系统的频响规律，得到了各子系统频域特征点与关键参数的函数关系，基于此，结合频域辨识方法实现车辆参数估计，实现被测车辆的动力学建模。其仅采用汽车运行数据中的轮速、加速度等通用信号，不需要轮胎纵侧向力、滑移率和侧偏角信息，即可对车辆动力学模型中的关键参数进行估计，使其应用方便。

本书表述清晰，内容详实，重点突出；涉及所在学科领域坚实宽广的基础理论和系统深入的专业知识。可作为自动驾驶测试领域研究人员的参考读物。

李克强  清华大学汽车工程系 2018年6月29日