為了量化評(píng)價(jià)VICAD在典型交通場(chǎng)景下對(duì)安全的收益，本白皮書(shū)在車路協(xié)同自動(dòng)駕駛安全收益模型（Vehicle-Infrastructure Cooperated Autonomous Driving Safety Revenue Model，VICAD-SRM）28的基礎(chǔ)上進(jìn)一步加入復(fù)雜的交通場(chǎng)景交互與高保真的傳感器數(shù)據(jù)渲染，建立了自動(dòng)駕駛一體化評(píng)價(jià)模型（Unified Model of Autonomous Driving evaluation，UMADE）。如圖3.31所示，UMADE支持選取不同的測(cè)試場(chǎng)景、不同的交通交互方式以及不同的評(píng)價(jià)指標(biāo)，針對(duì)不同的自動(dòng)駕駛解決方案進(jìn)行系統(tǒng)表現(xiàn)的量化對(duì)比測(cè)試。

圖 3.31 自動(dòng)駕駛一體化評(píng)價(jià)模型（UMADE）以下為自動(dòng)駕駛一體化評(píng)價(jià)模型中各功能模塊的簡(jiǎn)要介紹。1）場(chǎng)景分布模型：用于描述選定場(chǎng)景中交通狀態(tài)初值的分布概率。常見(jiàn)的分布概率模型包括：跟馳車速服從對(duì)數(shù)正態(tài)分布、跟馳車頭時(shí)距服從負(fù)指數(shù)分布等；2）渲染引擎：用于根據(jù)交通狀態(tài)為自動(dòng)駕駛車輛與路端設(shè)備提供高保真的傳感器數(shù)據(jù)，同時(shí)也將用于對(duì)交通場(chǎng)景的行為事件進(jìn)行可視化還原。自動(dòng)駕駛一體化評(píng)價(jià)模型對(duì)基于UE4渲染引擎的開(kāi)源自動(dòng)駕駛模擬器CARLA進(jìn)行了二次開(kāi)發(fā)，提供了包括激光雷達(dá)與視覺(jué)相機(jī)在內(nèi)的常見(jiàn)車載傳感器以及路端感知設(shè)備的數(shù)據(jù)接口；3）交互模型：用于描述交通參與對(duì)象之間的交互行為。自動(dòng)駕駛一體化評(píng)價(jià)模型支持交通信號(hào)、車輛、行人、非機(jī)動(dòng)車等交通參與對(duì)象，在CARLA自帶的交互模型的基礎(chǔ)上進(jìn)一步提供了交通參與對(duì)象交互的自定義接口；4）感知模型：用于模擬車路協(xié)同系統(tǒng)通過(guò)云端信息以及車端與路端的傳感器數(shù)據(jù)進(jìn)行環(huán)境感知的過(guò)程。自動(dòng)駕駛一體化評(píng)價(jià)模型支持在車路兩端自由接入目標(biāo)檢測(cè)、語(yǔ)義分割、異常檢測(cè)等自動(dòng)駕駛相關(guān)的感知算法；5）決策控制模型：用于模擬車路協(xié)同系統(tǒng)通過(guò)云端信息以及車端與路端的傳感器數(shù)據(jù)進(jìn)行決策、規(guī)劃與控制的過(guò)程。自動(dòng)駕駛一體化評(píng)價(jià)模型支持在車路兩端部署協(xié)同決策控制算法，進(jìn)而有序調(diào)度交通場(chǎng)景內(nèi)的相關(guān)交通信號(hào)與車輛；6）評(píng)價(jià)模型：用于評(píng)價(jià)自動(dòng)駕駛在交通環(huán)境下的系統(tǒng)表現(xiàn)。自動(dòng)駕駛一體化評(píng)價(jià)模型支持選取不同的評(píng)價(jià)方法，可以對(duì)指定自動(dòng)駕駛方案在指定交通場(chǎng)景下的安全性和通行效率等指標(biāo)進(jìn)行量化評(píng)價(jià)。為了有效闡釋自動(dòng)駕駛落地過(guò)程中遇到的實(shí)際困難，經(jīng)過(guò)對(duì)自動(dòng)駕駛領(lǐng)域公開(kāi)數(shù)據(jù)與百度實(shí)際測(cè)試數(shù)據(jù)的分析與歸納，針對(duì)最為關(guān)注的自動(dòng)駕駛安全與極端場(chǎng)景應(yīng)對(duì)問(wèn)題，選取行人鬼探頭、無(wú)保護(hù)左轉(zhuǎn)、異常障礙物與異常交通狀況四個(gè)典型場(chǎng)景（詳細(xì)描述見(jiàn)表3.10），利用自動(dòng)駕駛一體化評(píng)價(jià)模型開(kāi)展量化評(píng)價(jià)。表 3.10 場(chǎng)景列表

針對(duì)上述典型交通場(chǎng)景，可選取單車智能、車路協(xié)同感知與車路協(xié)同決策控制三種不同的自動(dòng)駕駛模式進(jìn)行系統(tǒng)表現(xiàn)對(duì)比，借助自動(dòng)駕駛一體化評(píng)價(jià)模型得到以下仿真結(jié)果與分析。（1）行人鬼探頭如圖3.32所示，單車智能無(wú)法對(duì)遮擋產(chǎn)生的視野盲區(qū)進(jìn)行有效感知，因此存在較大的交通安全隱患。相比之下，車路協(xié)同感知提供了互補(bǔ)信息，為前車避讓行人提供了感知的信息增量。而車路協(xié)同決策控制則提供了全局車輛協(xié)同決策的能力，為后車提供了前車駕駛行為的信息增量，從而降低了碰撞事件的發(fā)生概率。

圖 3.32 基于行人鬼探頭場(chǎng)景的系統(tǒng)表現(xiàn)對(duì)比（2）無(wú)保護(hù)左轉(zhuǎn)如圖3.33所示，由于對(duì)向左轉(zhuǎn)的大型車輛遮擋了主車的感知視野，使主車僅依賴單車智能無(wú)法有效感知到對(duì)向的直行車輛，因此存在較大的交通安全隱患。與行人鬼探頭場(chǎng)景類似，車路協(xié)同感知提供了互補(bǔ)信息，為前車避讓對(duì)向直行車輛提供了感知的信息增量。而協(xié)同決策控制則提供了全局車輛協(xié)同決策的能力，為后車提供了前車駕駛行為的信息增量，從而降低了碰撞事件的發(fā)生概率。

圖 3.33 基于無(wú)保護(hù)左轉(zhuǎn)場(chǎng)景的系統(tǒng)表現(xiàn)對(duì)比（3）異常障礙物異常障礙物一般不會(huì)出現(xiàn)在自動(dòng)駕駛感知系統(tǒng)的訓(xùn)練樣本內(nèi)，需要由額外的感知異常檢測(cè)算法進(jìn)行感知不確定分析，將預(yù)期功能安全SOTIF中的“未知”場(chǎng)景轉(zhuǎn)化為“已知”的異常場(chǎng)景。如圖3.34所示，單車智能無(wú)法預(yù)先對(duì)異常障礙物進(jìn)行有效的檢測(cè)，存在較大的交通安全隱患。而車路協(xié)同感知提供了冗余與強(qiáng)化信息，為前車避讓異常障礙物提供了信息增量。而協(xié)同決策控制則提供了全局車輛協(xié)同決策的能力，為后車提供了前車駕駛行為的信息增量，降低了碰撞事件的發(fā)生概率。

圖 3.34 基于異常障礙物場(chǎng)景的系統(tǒng)表現(xiàn)對(duì)比(4）異常交通狀況在圖3.35所示場(chǎng)景下，車輛需要面對(duì)較為復(fù)雜的交通狀況。首先，存在一輛靜止車輛停在修路路段前，自動(dòng)駕駛車輛需要判斷其駕駛意圖并確定排隊(duì)策略。其次，在雙向單車道條件下存在臨時(shí)的修路路段，自動(dòng)駕駛車輛需要決策是否違反交通規(guī)則進(jìn)行“逆行”。最后，由于在單車道的條件下存在對(duì)向來(lái)車，自動(dòng)駕駛車輛需要與對(duì)向來(lái)車進(jìn)行博弈與交互。由于缺少全局信息，單車智能難以在這一復(fù)雜狀況下采取有效決策。而車路協(xié)同感知提供了冗余與強(qiáng)化的增量信息，可以通過(guò)路端長(zhǎng)時(shí)間觀測(cè)，有效預(yù)測(cè)靜止車輛的意圖并模仿其他非自動(dòng)駕駛車輛的駕駛行為，具有在前述復(fù)雜狀況下采取有效決策的可行性。協(xié)同決策控制則可以獲取云端交通狀況異常的先驗(yàn)信息，結(jié)合全局車輛協(xié)同決策的能力，為對(duì)向車輛提供了自動(dòng)駕駛車輛的駕駛意圖等信息增量，進(jìn)而提高了單車道對(duì)向通行的通過(guò)效率。

圖 3.35 基于異常交通狀況場(chǎng)景的系統(tǒng)表現(xiàn)對(duì)比總體而言，車路協(xié)同感知與車路協(xié)同決策控制對(duì)自動(dòng)駕駛的安全性有較大提升。上述典型場(chǎng)景為低概率出現(xiàn)的極端場(chǎng)景，具有較高危險(xiǎn)性。行人作為交通安全問(wèn)題中的弱勢(shì)群體，確保行人安全對(duì)自動(dòng)駕駛技術(shù)的發(fā)展與應(yīng)用尤為重要。在極端的行人鬼探頭場(chǎng)景下，與AD相比，VICAD模式在人體傷害評(píng)價(jià)指標(biāo)方面可以得到大幅的安全提升；同時(shí)，實(shí)驗(yàn)結(jié)果表明，VICAD在應(yīng)對(duì)無(wú)保護(hù)左轉(zhuǎn)、異常障礙物與異常交通情況時(shí)均取得了明顯的系統(tǒng)表現(xiàn)提升，證明了VICAD能夠有效幫助解決自動(dòng)駕駛落地面臨的極端場(chǎng)景應(yīng)對(duì)問(wèn)題。詳細(xì)的實(shí)驗(yàn)數(shù)據(jù)如表3.11所示，具體的實(shí)驗(yàn)方法請(qǐng)參見(jiàn)附錄B。表 3.11 基于自動(dòng)駕駛一體化評(píng)價(jià)模型的實(shí)驗(yàn)結(jié)果

節(jié)選自《面向自動(dòng)駕駛的車路協(xié)同關(guān)鍵技術(shù)與展望2.0》