现如今,各个国家都致力于汽车自动驾驶技术的研发。在部分高端车型上,都配备了以ADAS为代表的自动驾驶功能。在ACC的研发过程,产品的功能及性能测试是一个重要的环节,受限于公共道路测试的风险高、成本高和效率低等缺点,使得研发的难度和工作量大大增加。为了较好的解决这个问题,国内外许多机构都搭建了一些封闭的测试场地,但是搭建封闭测试场地一方面成本高昂,另外测试的场景相对也比较单一,因此一些传统的汽车测试方法已经无法满足自动驾驶汽车相关功能及性能的测试需求。虚拟场景测试,凭借着高效率,低成本,测试场景丰富和测试风险较低等优势,逐渐成为自动驾驶汽车测试技术的研究热点。本文通过对自然驾驶数据进行提取分析,提出了一种用于自适应巡航系统测试的虚拟测试场景构建方法。通过虚拟场景测试,对影响ACC系统性能的场景参数进行分析提出了一些ACC系统设计的建议。主要开展了如下工作:1.根据自然驾驶数据,设置ACC边界条件,提出了针对ACC测试场景的特征参数。测试场景的数据来源大致可以分为真实数据、模拟数据和专家经验三种类型。基于自然驾驶数据构建的测试场景,能够保证场景的真实度和丰富度。各研究机构所采集的原始自然驾驶数据段中包含了各种复杂的环境信息,需要根据测试需求从自然驾驶数据段进行数据挖掘。本文针对ACC系统的应用场景,通过设置边界条件,从自然驾驶数据段中提取出了500例跟车场景。再基于ACC系统的特点,选择了5类12个场景参数作为构建ACC虚拟场景的关键参数,其中前车加速度为时间序列数据,通过建立前车模型,将前车加速度进行离散化,用离散化后的6个变量进行表示。2.基于数据挖掘,运用统计学知识搭建具有代表性的测试场景。首先通过主成分分析计算各成分贡献率,选取贡献率之和达到80%的10个主成分,降低了数据维度。然后结合聚类方法中的系统聚类法和层次聚类法,先是通过类平均法对样本进行初步聚类,结合不一致性系数确定了类别个数为6类。接下来采用K均值聚类法对500例跟车场景进行分类,得到了6类具有代表性的测试场景。通过显著性分析,得出了每一类场景中的显著性场景参数。以显著性参数为常量,非显著性参数为变量进行场景的构建。3.对于场景参数中的定量变量,每个参数都有一个取值区间。为了能够说明不同取值对于测试结果的影响。从每一定量参数对应的取值区间内选取5个均匀分布的点。基于仿真测试软件Prescan进行虚拟场景的搭建。分别对道路、交通参与者、交通指示、传感器和天气等参数进行建模和参数设置。雷达的探测距离设置为200m。对于车辆的控制参数,通过在Simulink中搭建的控制模型来实现对自车和目标车辆的控制。第一类场景为城市红绿灯路口。第二类场景为郊区道路前I车和自车以较快速度。第三类场景为路面湿滑。第四类场景为高速道路前车减速行驶。第五类场景为相邻车道换道插入。第六类场景为前车换道切出。4.为了进行后续的测试,建立了一个基于模型预测控制理论的ACC系统。该系统采用分层式设计,间距策略选用可变车头时距策略。在上层设计中,基于MPC理论,根据车间动力学关系,搭建了相应的预测模型和目标优化函数。在下层设计中,根据输入输出需求,建立了发动机逆模型和制动器逆模型。为了对ACC系统进行更加直观的评价,设计了跟踪性、舒适性和安全性3种测试指标。最后基于Matlab/Simulink建了ACC系统模型,与Prescan中搭建的场景一起组成联合测试平台。5.ACC性能测试的正交实验设计及结果分析。为了降低实验次数,减少实验成本,通过正交实验设计方法设计了仿真测试方案,选用10因素5水平的正交表进行47次实验。仿真结果表明,本文给出的用于ACC系统虚拟测试的场景构建方法,能够有效的对ACC系统进行测试,根据测试结果能够对ACC系统设计提供相应的建议,用于完善设计。虚拟场景测试结果表明:相对距离(自车与前车之间的距离)、h0(前车的驾驶员风格)和h1(当前时刻加速度对于下一时刻加速的影响)等场景参数在各类场景中对于性能指标的影响均比较大。因此在ACC系统研发时,应该重点关注间距控制策略,在间距控制策略中,考虑更多的影响因素,使得输出的期望跟车间距更加的灵活。除此之外,对于不同的应用场景,应该展开更加细致的驾驶员行为特性研究。针对不同的应用场景,应该设计多种系统工作模式。功能单一的ACC系统无法满足复杂的交通环境,因此需要根据实际情况,通过相应的切换逻辑选择合适的工作模式。