时尚汽车_汽车生活移动版

第二是AEB，整体来看基本上都是在优秀水平，只有一款车型得分比较低，主要的原因因为他用的还是上一代的毫米波雷达，所以整个对静止目标不识别。

下一个是LDW整体表现也是比较好的，有21款车型搭载，17款优秀，4款良好。这里的一个共性问题，250米弯道很多车型都没有得分。但是从我们对中国的道路交通环境的研究发现，中国因为整个地形比较复杂，在高速公路的设计标准里山区地带的高速公路的弯道最小设计半径是250米，所以我们建议出于高速行车安全的考虑，在设计LDW的时候应该加强250米弯道半径的识别和报警能力。

BSD，25个车型中有19个车型搭载，得分差异也是比较大的，整体的得分都是比较低，有两个车型是比较高的，都是得到了满分的十分，它们探测的距离比较远，另外它们还有开门警告的功能。另外有三个车型得分比较低，里边有标定的问题，也有传感器性能的原因，所以希望在下一个车型里边能够有所优化。共性的问题就是120超60得分率普遍都偏低，只有25%，主要的原因还是用24GHz毫米波雷达或者超声波雷达这种方案，它的探测能力都是不够的。另外开门警告这个功能，我们目前是作为加分项，得分率只有13%，好像只有四个车型搭载，在我们2020版的规程里会把开门警告作为重点引入的功能进行评价，因为在中国道路交通混行功能是非常实用的一个功能。

自动泊车整体的得分差异也是比较大的，搭载的车型是比较少，可以看到本田的思域、凯美瑞、传祺GS8等都没有搭载自动泊车。整体的得分率方面来看，18款车型中只有一款车型能够识别白色标线车位。上午纵目这边也在讲自主泊车，下一代的自动泊车重点要解决的问题就是这种白色标线车位的识别。对于消费者来说，白色标线车位应该是更容易停进去，而现在的自动泊车对这种车位是完全不知道怎么停，因为它根本看不到。我们在新版的规程里也会着重来增加这类车位，而且会建议主机厂在虑采用超声波雷达和摄像头融合方案来做下一代的自动泊车系统。

第二个部分是介绍我们在智能驾驶场景数据库方面的研究情况。

我们在做智能指数测试工况设定的时候面临一个非常大的挑战，我们定的每一个工况，它是不是真的能够代表中国最典型的一个工况，所以说需要一些基础数据的支撑，同时各个整车厂还有零部件企业做自动驾驶研发的时候，也是需要很多基础数据的支撑，那么为了以上的目的，我们自己也在做自然驾驶数据的采集分析工作。截止目前我们有十余台这种自然驾驶数据采集的车在全国来进行数据采集，目前已经采集了40万公里的数据，覆盖全国二十几个省。现在相应的自然驾驶数据仍然在持续增加，我们的目标是要达到百万公里级的数据，覆盖的驾驶员包括不同年龄、不同性别、不同驾驶风格的驾驶员。

我们已经建成了从驾驶数据采集设备到数据标记软件、数据融合算法、场景提取算法，一直到场景重构算法，八个阶段完整的场景数据处理工具链，可以按照不同的需求进行场景提取跟分析。以下是我们一些具体的案例，这是我们做的中国5类典型泊车场景分析，右边这个图是我们分析的中国车位尺寸问题，实际车位尺寸跟法规要求可能还是有差异。比如说平行车位，法规要求可能是要求长六米，但实际它都会偏短一些、偏宽一些，而垂直车位都是偏窄偏长一些，这样的话相同区域可能就能多停一个车，这是很多建筑的实际车位我们做了统计之后发现了一个很有意思的规律。

第二，我们还在做一些典型巡航场景的切入切出工况分析，这是目前2000余公里自然驾驶数据，人工筛选和标定了300多个前车换道的片段得出的结论。有三个特点，第一，高速公路前车换道的时间一般都不会超过五秒。第二，中国的高速公路前车换道只有10%才使用转向灯。第三，高速公路开始换到时刻，THW时间一般来讲会小于1.5秒，这些数据我们还会继续分析，会逐步的纳入2020版指数评价规程的工况设计之中。

第三，中国典型的危险场景。基于40万公里自然驾驶数据我们提取了100例左右的危险数据，聚类了11类中国典型的危险场景。排在第一位的是在白天没有车道线的十字路口，左边出现一个横穿左转车辆，频次达到25%。第二个工况在乡村道路上，对向车辆街道超车，这种工况在中国也比较普遍，这对未来的自动驾驶算法都是比较大的挑战。