合成跟车数据以增强智能驾驶功能系统的道路安全

本研究强调了智能驾驶功能在提升道路安全和驾驶舒适性方面的至关重要性。我们研究的核心是获取足够测试数据以评估这些功能的挑战，尤其是在高风险、安全关键的驾驶场景中。此类场景通常因固有的复杂性和所涉及的风险而缺乏可用数据。为弥补这一空白，我们的研究引入了一种新颖的方法论，旨在创建一系列多样化且逼真的安全关键驾驶场景。这种方法显著拓宽了驾驶员辅助系统和自动驾驶车辆功能的测试范围。我们特别关注跟车场景，因为它在实际应用中具有高度相关性。在此，车辆运动使用运动学方程进行精细建模，并纳入驾驶员反应时间等因素。我们改变参数以生成一系列合理的驾驶场景。差异空间停车（DSS）度量的使用是我们研究中的一个关键要素。该度量在跟车场景的安全评估中起着关键作用，促进了更彻底和全面的验证过程。通过这种方式，我们的方法论增强了驾驶员辅助和自动驾驶系统的可靠性和安全评估，特别是针对最具挑战性和安全关键的场景。