自動泊車系統測試方法研究

馬煜森

（廣州汽車集團股份有限公司汽車工程研究院，廣東 廣州 511434）

關鍵字：自動泊車系統；測試方法；評價指標

引言

在汽車智能化的浪潮中，汽車傳感器發展迅速，越來越多搭載了先進傳感器的汽車進入了我們的視野[1]。為了解決現代城市生活中停車難、取車難的一大痛點，泊車輔助技術應運而生。自動泊車系統是未來全自動駕駛系統的重要組成部分，對自動泊車系統的測試方法的研究也十分迫切。

泊車輔助技術主要分為4個等級，本文研究的自動泊車系統特指通過將超聲波雷達和攝像頭信息融合，可識別到空間車位和線車位，自動控制轉向、制動、發動機和變速器來實現水平泊入、垂直泊入和水平泊出的泊車輔助技術。此種泊車技術仍需駕駛員通過車內的泊車開關來實現泊車的開始，監控和停止。在緊急情況下，駕駛員有責任隨時中斷泊車。圖1為該自動泊車系統的具體運行模式。

圖1 自動泊車系統的運行模式

1 測試方法的選取

測試方法主要指測試內容的組織形式以及開展測試的途徑，由于智能駕駛系統激活后車輛一切行為是系統自主決策的結果，所以智能駕駛系統的測試原則是必須提供車輛自主決策的自由度[2]，同時測試需具備可重復性和可控性。依據測試內容的組織形式，測試方法主要分為基于用例的測試方法和基于場景的測試方法。

基于用例的測試方法是指通過預先定義的測試用例來測試車輛的某項功能是否滿足特定條件下需求的方法。該測試方法的特點就是對測試過程和測試結果有明確的要求。

基于場景的測試方法是指通過預先設定的場景，要求車輛完成某項特定目標或任務來對系統進行測試的方法，圖 2為基于場景的測試方法示例。該測試方法的特點在于對測試結果沒有明確要求，在不違背給定目標或任務的情況下，系統可以自主選擇采取何種方式來處理當前狀況，具有很高的自由度。

圖2 基于場景的測試方法圖示

通過分析，基于用例的測試方法在應用于功能相對復雜和綜合的自動駕駛系統時存在一定不足：首先，該方法只能對某項功能進行測試，而無法測試多項功能的綜合表現；其次，由于對測試結果有著明確的要求，自動駕駛系統的自主決策能力難以體現。而基于場景的測試方法只規定了測試的初始條件，不預設測試過程以及測試結果，可以提供系統自主決策的自由度，能夠對自動泊車系統多種功能的綜合性能進行測試，因此自動泊車系統的測試采用基于場景的測試方法。

2 測試方案設計

為了使自動泊車系統的測試內容、測試環境和測試方法的設計變得有標準可依、有規律可循，必須建立標準化，模塊化的測試內容。具體流程見圖3。

圖3 自動泊車系統測試設計流程

2.1 場景分析

場景描述了特定時間段內發生的事件過程，一般將場景理解為多個事件順序發生而構成的序列，并會延續一段時間，或簡單理解為事件的劇本，描述一定空間和時間范圍內的所有環境以及交通參與者的狀態、行為過程及目的。

自動泊車系統的智能行為受限于車位環境的各種要素，如道路類型、停車位類型、車位路面、障礙物、天氣等。所有的要素的集合構成了自動泊車系統的測試場景要素庫。德國“飛馬計劃”自動駕駛測試體系將場景分為功能場景、邏輯場景和具體場景，功能場景主要指按照系統的功能需求開發的，邏輯場景則是通過將結構化場景與參數范圍相結合得以定義。任何一種測試場景既可以由功能場景組合而成，也可以由功能場景與邏輯場景兩者混合組成，這些組合具有瞬時性，隨著車輛或其他交通參與者在環境中運動，場景要素組成也不斷地發生變化，自動泊車系統的表現也實時變化。經過梳理確定自動泊車系統的功能場景及邏輯場景，見表1。

表1 自動駕駛系統測試場景分類及要素

2.2 測試場景設計

要素分類矩陣組合可以對應于實際交通中可行的測試場景，涵蓋可能導致事故或風險的關鍵場景，場景參數和分布范圍可以分析泛化自然駕駛、危險場景，經驗場景等數據。通過定義場景的所有可能元素及各類場景要素組合，并在不同層級中進行描述，解決基于場景的測試方法的測試輸入問題，并形成自動泊車系統的具體測試場景和初始條件輸入，作為自動泊車系統測試的起始工況。

經過以上分析，自動泊車系統的測試場景要素庫由搜索車位車速、泊車類型、車位類型、道路、障礙物、天時6個一級要素構成，一級要素還下分二級要素類、三級要素類，見圖4自動泊車系統測試場景要素組成。

圖4 自動泊車測試場景要素組成

通過對場景數據得到的參數分布進行場景參數的組合或隨機算法，從邏輯場景中設置特定的參數組合定義具體場景，設計不同難易程度的模塊化多層次自動泊車系統測試場景。下面給出4種具體場景示例，其余不一一示例。

具體場景1：晴天白天，自動泊車車輛以8 km/h車速搜索車位，停入單邊界空間垂直車位，道路為直道柏油路面。

具體場景2：晴天黑夜，自動泊車車輛以8 km/h車速搜索車位，停入白色車位線平行車位，道路為直道柏油路面。

具體場景3：陰天白天，自動泊車車輛以15 km/h車速搜索車位，停入含有限位塊的黃色車位線垂直車位，道路為直道水泥路面。

具體場景4：晴天白天，自動泊車車輛以8 km/h車速搜索車位，停入雙邊界空間平行車位，道路為彎道磚塊路面。

2.3 評價指標

自動泊車系統的評價應從功能開發需求輸入為基準，對子能力分別進行測試評價直觀反映各子能力的優劣[3]。自動泊車系統的主要功能體現在車位搜索能力，車位釋放限制條件是否合理、泊車過程中的路徑規劃及舒適性問題。故選取車位識別率、車位釋放能力、泊車能力、舒適性作為自動泊車系統的測試評價依據

3 測試結果分析

通過試驗方法的選取，自動泊車場景分析、各場景下的要素確定及評價指標的選擇，將測試內容轉化為任務表單的形式開展測試。本文選取某款搭載預研自動泊車系統的車輛進行實車測試。

3.1 車位識別與車位釋放能力分析

車位識別率，主要用于判斷環視與車輛運動信息的庫位閉環跟蹤能力，系統必須在設計范圍內達到特定的通過率。同時需要根據實際環境和誤識別率，判斷車位釋放限制條件是否合理，測試數據見表2。

表2 某車型自動泊車系統車位識別率

由表2可知，該預研車型識別率為91.26%，基本達到設計目標，但有進一步提升空間。車位的誤識別數為95次，識別率為 6.59%，系統在進行車位判斷時限制條件較松，需要進一步進行優化，減少誤識別，從而提升系統使用體驗。

3.2 空間車位與車位線車位分析

該預研車型的自動泊車系統由攝像頭和12個超聲波雷達。其中攝像頭安裝在車內后視鏡位置，12個超聲波雷達分別安裝在車輛前后保及兩側車身。空間車位與線車位的測試統計表見表5和表6。由表3和表4可知，該車型的雙邊界空間車位識別情況較好于單邊界空間車位，黃色車位線的車位識別比白色車位線的識別情況差。綜合來看，空間車位的識別率為92.08%稍優于線車位，表明搭載的自動泊車系統超聲波雷達標定效果良好，對空間距離感知良好。但是攝像頭對黃色車位線的識別較差，需要進一步進行算法優化。

表3 某車型自動泊車系統空間車位測試統計表

3.3 泊車能力分析

自動泊車系統的泊車能力主要依據泊車完成姿態及揉庫次數進行判定。泊車完成姿態細分為良好，向左傾斜，向右傾斜，泊入失敗等，判斷系統路徑規劃能力，揉庫分為泊入揉庫次數和泊出揉庫次數，測試統計見表5、表6。

表5 某車型自動泊車完成姿態測試統計表

表6 某車型自動泊車揉庫次數測試統計表

由表5和表6分析可知，泊車完成良好率較差為84.79%，且車身姿態向右傾斜較多；揉庫次數基本為3次和4次；表明該自動泊車系統需要進一步優化路徑規劃算法，同時提高對庫位環境適應能力。

4 結論

本文對自動泊車系統的測試方法、場景及要素進行了分析，并明確了相關評價指標，設計了自動泊車系統的測試內容。通過某預研車型的自動泊車測試，驗證了該測試方法的可行性與有效性。主要結論有：

（1）自動泊車系統的測試需要采用基于場景的測試方法，提供系統自主決策的自由度，對自動泊車系統多種功能的綜合性能進行測試。

（2）采用功能場景與邏輯場景結合，任務表單式的測試設計可以對自動泊車系統進行全面的測試，對開發和性能優化具有一定的幫助。

（3）在實車測試中開展測試耗時耗力，今后可以采用此方法先進行在線仿真測試，對相關設計參數指標進行評估后，僅針對待優化功能開展測試，以提高研發驗證效率。