美國主流機構(gòu)網(wǎng)聯(lián)自動駕駛虛擬仿真研究及測試深度調(diào)研
本文為《美國主流機構(gòu)網(wǎng)聯(lián)自動駕駛虛擬仿真研究及測試深度調(diào)研報告》節(jié)選——
NADS:駕駛員為自動駕駛做好準(zhǔn)備了嗎?
美國國家高級駕駛模擬器(National Advanced Driving Simulator ,NADS)是愛荷華大學(xué)工程學(xué)院的交通安全研究中心。在政府和行業(yè)的資助下,NADS利用其世界級的駕駛模擬器和儀器化的公路車輛,為私營和公共部門進行研究。國家公路交通安全管理局(NHTSA)在此擁有NADS-1模擬器,愛荷華大學(xué)負責(zé)操作和維護。
NADS致力于使車輛技術(shù)更安全、更易于使用。針對自動駕駛,NADS將人因工程學(xué)和心理學(xué)的專業(yè)知識與多模態(tài)研究工具相結(jié)合,結(jié)合高保真駕駛模擬器和道路研究車輛,研究人與自動駕駛車輛技術(shù)之間的關(guān)系,應(yīng)對從自適應(yīng)巡航控制到全自動駕駛等不同級別的車輛自動化帶來的挑戰(zhàn)。
以下是NADS 2020年以來自動駕駛相關(guān)研究項目:
1、控制權(quán)切換(Transition of Control,TOC)

研究問題:界面設(shè)計如何影響自動駕駛車輛控制權(quán)的切換?信息傳遞的時間和順序如何影響從自動模式到人工模式控制權(quán)的切換?
贊助方:國家公路交通安全管理局(NHTSA)
方法:該項目是NADS-1模擬器中第一個在模擬的交通擁堵環(huán)境中觀察駕駛員行為的項目,稱為“交通擁堵自動駕駛——在低速擁堵駕駛條件下的車輛控制。NADS正在研究控制權(quán)的正常切換和自動模式無法達到預(yù)期的情況。
利用模擬器獨特的運動能力,研究人員不僅可以識別駕駛員是否能夠接管控制權(quán),還可以對接管的質(zhì)量進行評估。研究人員正在發(fā)現(xiàn)安全和不安全之間的界限,NADS高保真度的模擬器有助于實現(xiàn)這一目標(biāo)。
下一步:作為NHTSA贊助的一系列TOC研究的組成部分,NADS 2020年秋季獲得了145萬美元獎金,用于研究:需要多長時間建立足夠的態(tài)勢感知、安全地恢復(fù)人工駕駛?切換時間過短會造成哪些風(fēng)險?安全轉(zhuǎn)換最有效的界面和警報設(shè)計是怎樣的?
2、控制駕駛研究

研究問題:駕駛員從無需駕駛操作的自動模式切換到人工控制需要多快?
贊助方:豐田協(xié)同安全研究中心
方法:在一條退役的機場跑道上,共有 155 名受試者在以Autopilot模式行駛的Tesla Model S75D內(nèi)從事不同的非駕駛?cè)蝿?wù)(如發(fā)短信或使用汽車界面)。Autopilot 設(shè)定在某個時間點關(guān)閉,研究人員比較駕駛員切換到駕駛控制的速度。
合作與成果:該項目的視頻數(shù)據(jù)被加州大學(xué)圣地亞哥分校用于開發(fā)計算機視覺算法,其將根據(jù)駕駛員眼睛、手和腳的所在位置對接管的準(zhǔn)備程度進行分類。
下一步:作為駕駛員建模研究的一部分,NADS的研究人員已在模擬器中重新創(chuàng)建了事件。接下來他們會對在機場跑道和模擬器環(huán)境的接管時間進行比較。
3、汽車技術(shù)心理模型
研究問題:駕駛員如何理解自適應(yīng)巡航控制影響駕駛性能?
贊助商和合作伙伴:AAA交通安全基金會、SAFERSIM、馬薩諸塞大學(xué)阿默斯特分校
方法:首先采用問卷調(diào)查法,對用戶對自適應(yīng)巡航控制(ACC)的理解進行評價,并根據(jù)用戶的理解情況對其進行分組。接下來,研究人員對比了NADS-1模擬器的駕駛性能,他們在模擬器中重現(xiàn)了豐田ACC。
結(jié)果:對ACC有很強理解的受試者在系統(tǒng)未檢測到前方物體時反應(yīng)較早。由于系統(tǒng)行為的不確定性,對系統(tǒng)理解不好的人更容易發(fā)生碰撞,因為他們往往會等待車輛是否會做出反應(yīng)。
下一步:該項目的第二年將跟蹤配備ACC的車輛的新車主,以探索用戶在與技術(shù)的初始交互過程中對技術(shù)的理解如何隨時間而變化。

4、用戶體驗
研究問題:人們喜歡更保守或更激進的自動駕駛車輛?系統(tǒng)行為如何影響駕駛員對技術(shù)的信任和感知?
贊助商:Hyundai
方法:該項目利用NADS-1獨特的運動功能,創(chuàng)建了兩種自動駕駛行為模型:激進性系統(tǒng)和保守性系統(tǒng)。主觀評分和眼球追蹤數(shù)據(jù)都被收集。
調(diào)查結(jié)果:用戶更喜歡那些行為保守(比如加速較慢)的自動駕駛系統(tǒng),而不是咄咄逼人行為的自動駕駛系統(tǒng)。在兩種模型中,舒適和信任度都隨著時間的推移而增加。
NADS重點仿真設(shè)施
Springfield
——世界首個大規(guī)模、多用途駕駛仿真環(huán)境
——面向網(wǎng)聯(lián)自動駕駛汽車研究的虛擬城市


Springfield是一個285平方英里的虛擬試驗場,復(fù)制了城市、郊區(qū)、住宅區(qū)、鄉(xiāng)村公路和州際公路的外觀和特點。逼真的駕駛環(huán)境包含基于AASHTO標(biāo)準(zhǔn)的道路、交叉口、交通信號、交通標(biāo)志和車道標(biāo)記。

Springfield的獨特性:
● 廣闊的駕駛環(huán)境,比芝加哥還大
● 易于更改和自定義
● 完全控制一天中的時間、天氣和路況
● 完全控制其他交通和行人
● 能夠使用不同的駕駛員和車輛重復(fù)地精確復(fù)制復(fù)雜事件
Sprigfield擁有超過230英里的直線道路,并配有逼真的標(biāo)志、交通信號和車道標(biāo)記。其設(shè)計旨在復(fù)制一天中任何時間、任何照明條件,以及任何路況和天氣條件(能夠模擬干燥、潮濕、結(jié)冰和下雪等天氣)下的城市駕駛體驗。
230英里的道路,包含以下區(qū)域:

Springfield易于修改,以適應(yīng)不斷變化的需求。其可以控制交通、協(xié)調(diào)行人、添加標(biāo)志、更改建筑立面、調(diào)整車道標(biāo)線、調(diào)整路面特性,甚至增加新的道路和交叉路口。
Springfield有現(xiàn)實的交通,包括汽車、卡車、摩托車、自行車,以及各種公用事業(yè)和服務(wù)車輛,駕駛員周圍可以創(chuàng)建不同密度的交通流。可以命令交通中的個別車輛保持特定的行駛和跟蹤距離。默認情況下,交通遵循道路規(guī)則,對駕駛員做出充分反應(yīng),個別車輛亦可被命令超速、闖紅綠燈、在沒有信號的情況下轉(zhuǎn)彎等方式違反道路規(guī)則。
Springfield有現(xiàn)實的行人沿人行道和人行橫道行走。行人也可以被命令過馬路,并在特定的時間和距離與車輛互動,這樣就可以模擬行人和車輛之間的復(fù)雜交互作用??梢灾付總€行人的性別、年齡和服裝。
Springfield將實現(xiàn)復(fù)雜交通事件的模擬,從而更好地理解網(wǎng)聯(lián)和自動駕駛技術(shù)。
NADS-1 Simulator

NADS-1是世界上保真度最高的模擬器之一。連接到駕駛室的4個液壓執(zhí)行器產(chǎn)生模擬路感的振動。24英尺高的圓頂安裝在偏航環(huán)上,偏航環(huán)可以將圓頂繞其垂直軸旋轉(zhuǎn)330度。X-Y組件通過移動大約64英尺×64英尺的間隔產(chǎn)生橫向和縱向加速度。NADS-1運動系統(tǒng)能夠為駕駛員提供逼真的運動提示,使駕駛員能夠感覺到加速、制動和轉(zhuǎn)向,并體驗通常與關(guān)鍵駕駛事件相關(guān)的極限操縱。
圓頂內(nèi)的駕駛室可以是全尺寸汽車、運動型多用途車、卡車或拖拉機駕駛室。駕駛室包括眼動跟蹤、頭部跟蹤和座椅姿態(tài)傳感系統(tǒng),提供有關(guān)駕駛員性能和舒適度數(shù)據(jù)??砂惭b可選的輔助任務(wù)顯示器以更改駕駛員工作負載。方向盤、踏板和座椅還能夠提供觸覺反饋以模擬警告系統(tǒng)。

NADS-1使用16個高清LED投影儀在圓頂內(nèi)壁上無縫成像,從而形成360度水平和40度垂直視野。駕駛員通過所有窗戶和鏡子看到投射的情景,感到沉浸其中。

NADS-1夜間城市駕駛
NADS的所有模擬器使用相同的駕駛環(huán)境,包括城市、郊區(qū)、鄉(xiāng)村公路和州際公路等設(shè)置,以及白天和夜間全天候的駕駛條件。NADS也有能力模擬新的地區(qū)或提供特定地理位置的現(xiàn)實模擬。
廣告 編輯推薦
最新資訊
-
開年豪擲1.8億搶用戶,又一車企加入“價格
2026-03-04 16:05
-
聯(lián)合國法規(guī)R60對兩輪車操縱件與指示裝置的
2026-03-04 12:08
-
標(biāo)準(zhǔn)立項|《汽車異種材料鉚接接頭拉伸性能
2026-03-04 11:40
-
“汽車大角度座椅 第1部分:通用要求”將有
2026-03-04 11:39
-
“汽車大角度座椅 第2部分:可靠性要求”將
2026-03-04 11:39





廣告


























































