基于軌跡分析的智能網聯汽車運行安全監管數據質量評價方法

關鍵詞：智能網聯汽車，運行安全監管，軌跡分析

0引言

智能網聯汽車是汽車產業的發展方向，世界主要發達國家都在推動相關技術和產業發展，我國更是將其列入建設汽車強國的國家戰略體系。2023年11月，工信部、公安部、住建部、交通運輸部四部委發布《關于開展智能網聯汽車準入和上路通行試點工作的通知》[1]，正式啟動了L3及以上級別智能網聯汽車商用化準入，促進其大規模上路通行應用。為了保障智能網聯汽車在實際道路環境中的運行安全，通知中規定要將車輛及自動駕駛系統基本信息、車輛狀態及動態信息、自動駕駛系統運行信息等運行安全監管數據上傳至國家和地方監管平臺。

本文研究團隊長期開展智能網聯汽車運行安全相關技術研究工作，按照GB/T43766—2024《智能網聯汽車運行安全測試技術要求》[2]等標準規定建設智能網聯汽車運行安全監管平臺，并在前期智能網聯汽車道路測試和示范應用工作中接入了江蘇省智能網聯汽車的運行安全監管數據，制定了《智能網聯汽車運行安全測試數據格式》等相關公共安全行業標準，支持了江蘇省智能網聯汽車安全管理工作。

在長期的平臺研發和數據分析工作中發現，盡管各測試示范企業按照數據格式標準上傳了運行安全監管數據，但數據質量不一，存在數據空項多、重復、頻率低等問題，給車輛測試和示范應用情況統計、運行安全事件分析等監管工作帶來干擾。

因此，本文基于實際的運行安全監管工作經驗，提出了基于車輛軌跡分析的智能網聯汽車運行安全監管數據評估方法，對車輛上傳的運行安全監管數據質量進行評估分析，提升我國智能網聯汽車運行安全監管工作的規范性和準確性。

1運行安全監管數據

按照公共安全行業標準《智能網聯汽車運行安全測試數據格式》等標準要求，智能網聯汽車開展道路測試和示范應用時，應上傳如表1所示的實時運行安全數據。這些數據主要源自車輛運行過程中的定位、位姿、操控等狀態信息，數據的頻率應達到5Hz及以上。實時采集這些數據的目的是跟蹤研判測試車輛有無發生超速、違停、測試區域外激活自動駕駛等違法行為，以及在車輛發生接管、碰撞、有碰撞風險、故障等安全事件時用于支持事件溯源分析。

在實際運行安全監管工作中，為了不讓車輛生產企業和使用主體產生額外的成本，僅對運行安全監管提出基本的數據格式要求，未對車載數據的采集方式、手段進行規定。當前存在著通過專用車載終端采集后直接上傳或通過自動駕駛系統傳輸至車企平臺再上傳等機制，導致數據質量出現較大差異。例如，有企業自有平臺的數據采集頻率較低（僅為1Hz），為了開發方便，直接進行插值計算后上傳；也有使用的車載終端功能性能不足，采集精度達不到標準要求。因此，本文利用車輛實時定位數據這一最基礎的信息對企業上傳的運行安全監管數據進行校驗，提出了一種基于車輛軌跡分析的智能網聯汽車運行安全監管數據評估方法，對數據的準確性和有效性進行質量評估，提升智能網聯汽車的運行安全監管技術能力。

2車輛軌跡分析

車輛的實時定位數據是最重要的監管數據，通過該數據的分析可以實現車輛的實時軌跡跟蹤、測試里程統計、測試區域內行駛判定等各種功能。當前智能網聯汽車一般使用了具有RTK（實時動態差分）或者PPP-RTK（精密單點定位-實時動態差分）等高精定位技術，能夠實現厘米級的定位精度。利用這些數據還可以對車輛實時速度、加速度、航向角進一步評估，并與智能網聯汽車上傳的其他數據進行比對，判斷數據的有效性。

當前智能網聯汽車的定位數據格式一般為經緯度坐標，需要將其變換為便于直觀理解的二維投影坐標（東北天坐標系）。常見的方法包括坐標投影變換方法[3]、基于控制點庫的坐標轉換方法[4]等。本文直接對經緯度坐標進行投影變換，主要需經過兩步運算。如圖1所示，首先是將經緯度坐標變換至以地心為原點的直角坐標系中，計算公式如下：

這樣，基于經緯度定位數據就可以獲得車輛在以其起點為原點的坐標系中的實際位置。如果連續地將車輛的實時位置點在該坐標系中標記出，就可以獲得其軌跡跟蹤圖，如圖2（a）所示。圖2（a）中圈狀點為車輛運行起點、星狀點為車輛運行終點。

進一步，依次計算相鄰時刻的車輛位置距離并進行累加，便可獲得車輛此次的運行距離dist，計算公式如下：

式中：（et，nt，ut）和（et-1，nt-1，ut-1）分別為車輛在t和t-1時刻的位置坐標。圖2（a）中選取的是在無錫市測試示范的某智能網聯汽車2024年3月18日11：00至12：00之間一萬余條運行安全數據，分析其軌跡圖形狀與圖2（b）中導航地圖顯示的實際測試示范運行路線一致；利用式（3）統計得到其運行距離為9536米，與導航地圖測距一致。

3車輛速度和航向角評估

運行安全監管數據中的車輛速度和航向角等數值一般由智能網聯汽車的車速傳感器或陀螺儀測量得到。如果傳感器存在安裝偏差或采集中產生了降采樣，容易導致數據有偏差、精度不夠或頻率不夠，對碰撞、急轉向等運行安全事件分析產生影響，因此有必要評估車輛速度和航向角等數據的準確性。

本文在第2部分獲取的車輛軌跡數據的基礎上，進一步基于定位數據計算出車輛速度和航向角，用于與車輛上傳的車輛速度和航向角進行數值比對。基于GPS等定位數據評估車輛速度和航向角的方法較多，有基于連續單點定位計算的方法[5]和基于雙點高精度定位的方法[6]。由于運行安全監管數據的連續性，本文采用的是基于車輛連續定位信息獲得的軌跡數據進行車輛速度和航向角估算。在實際實施中，由于車輛定位數據存在抖動、偏差等情況，甚至還存在精度低、頻率低的問題，造成東北天坐標系中車輛軌跡數據的波動和漂移，因此擬通過均值濾波的方式提升車輛速度和航向角估計值的精度。

式中：和分別為t時刻的車輛位置估計值在東方向和北方向的分量。需要說明的是，為了消除車輛靜止時定位數據的抖動誤差，當車輛速度接近0值時，不再計算航向角。

本文再次使用圖2中的車輛軌跡數據對車輛速度和航向角進行評估，并與該車實際上傳的車輛速度和航向角數據進行對比。如圖3和圖4所示，其中車輛速度和航向角的評估值為圈狀點，實際上傳值為實心點。可以看出評估值和實際上傳值分布曲線高度重合，說明了本文方法得到的評估值大小和變化趨勢與車輛實際上傳值保持一致，驗證了評估算法的有效性。

進一步對車輛速度進行比對分析，按照對車輛速度評估值和實際上傳值累計車輛行駛總里程，分別得到9528米和9484米，和圖2（b）導航地圖顯示的值基本一致，再次驗證了車輛速度評估值的準確性以及和實際上傳值的一致性。如圖5所示，截取圖3中局部數據進行觀察，可以看到車輛速度快速變化過程中的評估值曲線更為光滑，這和車輛加速、減速的過程相符。而實際上傳值卻呈階梯狀，部分相鄰數值完全一樣，說明可能存在重復數據的情況。

同樣，對車輛航向角進行比對分析，檢查車輛航向角評估值和實際上傳值變化較大處（90度左右）與地圖中轉彎位置保持一致，并且航向角的絕對值也和各個路段的方向吻合，證明了車輛航向角評估值和實際上傳值的準確性。如圖6所示，截取圖4中局部數據進行觀察，可以看到車輛航向角的評估值總是比實際上傳值小1至2度（經計算平均差值為1.25度）。由于航向角的評估值是根據定位數據計算得出，且評估值與實際上傳值的差值保持穩定，可以認為是車輛自身位姿傳感器的安裝偏差導致的。

4數據質量評價

本文第2、3部分提出了車輛軌跡以及基于車輛軌跡的智能網聯汽車車速和航向角分析方法，通過比對數據的評估值和實際上傳值的一致性來分析智能網聯汽車監管數據存在的問題。在比對的過程中，除了數據的一致性問題外，還發現存在數據重復、硬件安裝偏差等問題，這對智能網聯汽車的運行安全監管、事件溯源產生不利影響。因此，本部分在車輛軌跡分析的基礎上進一步提出智能網聯汽車運行安全監管數據的質量評價方法，主要從數據的一致性、誤差、精度、重復率、非空率等方面進行評估，各個維度的指標及評價方法見表2。

通過上述質量評價，可以對車輛上傳的運行安全監管數據進行打分，將評價結果及原因分析反饋給車輛生產企業和使用主體，進行整改完善，從而提升智能網聯汽車的運行安全監管能力。

5結語

本文基于研究團隊在智能網聯汽車運行安全監管平臺開發、運營過程中的相關研究開發經驗，提出了一種利用車輛定位信息進行軌跡、速度、航向角的分析評估方法，并進一步建立了運行安全監管數據質量的評價機制，能夠準確定位車輛上傳數據存在的問題，從而反饋相關單位進行整改完善，提升運行安全監管水平。本文方法簡單有效，計算量少，能夠在運行安全監管數據上傳的過程中實時計算，具有明顯的應用意義。在后續研究中，將進一步完善數據質量評估算法和評價機制，嘗試覆蓋所有數據項的相關指標，并開展監管數據中潛在交通安全事件的分析研究。