近年来，我国高速公路快速发展，截止2022年底，我国高速公路修建总里程已达17.7万公里，位居世界第一。随着高速公路里程的快速增加和交通流量的持续增大，越来越多的施工作业车辆出现在高速上，随之产生的安全问题也日益突出。


高速公路养护施工作业时，施工路段通行车道数减少，通行能力下降，施工人员、施工机械和来往车辆构成了一个危险的环境，在高速行驶过程中，如果驾驶员失神，很容易闯入作业区，造成交通事故，对车辆和人员造成伤害。那么，在智能驾驶辅助驾驶员进行车辆控制的情况下，面对高速作业的“危险”场景，智能驾驶系统还值得信任吗？会预警并进行主动避撞吗？

在车辆开启巡航功能时，因驾驶员未专注驾驶，未察觉前方风险，同时辅助驾驶系统功能不完善，未能控制车辆避免风险，导致车辆与高速作业工程车辆碰撞的交通事故时有发生。

2016年1月20日，在京港澳高速河北邯郸段，一辆特斯拉轿车直接撞上一辆正在作业的道路清扫车，特斯拉司机当场身亡，此事故为中国首例也是全球首例“自动驾驶”致死车祸。

2021年8月12日，在沈海高速涵江段，一辆蔚来ES8在NOP领航开启时，因未能识别本车道内前方的高速公路养护车，发生高速碰撞，事故致驾驶员死亡。

2022年8月8日，一辆理想ONE在开启NOA功能时，以77km/h的速度撞上前方静止施工作业缓冲车，所幸没有造成人员伤亡。



为减少此类事故，驾驶员应提升安全意识，不能把辅助驾驶当自动驾驶；同时车企也应进一步提升智能驾驶系统的能力边界，在遇到作业车施工场景时，能够识别道危险车辆，并避免碰撞。

为推动在该类型场景下智能驾驶系统的能力提升，国家智能网联汽车（长沙）测试区在智车信心度（C-IAC）（专注智能汽车“危险”场景的测评体系）的研究中，自研了全球首个高速公路作业车模拟目标物。



高速公路作业车目标物在外观设计上参考了市面上常见的高速公路作业车的实车造型，还原了其外形结构特点，同时目标物模拟车辆的表面雷达反射特性同真车基本一致。该目标物可通过重构的方式，完成防撞缓冲车、绿化养护车、抢修车三种不同类型高速公路作业车之间的快速转变，从而满足不同的测试需要。

高速作业车目标物（左）与实车（右）对比

测试场景

通过对已发生的与高速公路作业车相关事故的分析，我们设计了3类与高速作业相关的测试场景用于对车辆的智能驾驶系统进行评价，分别是目标车静止、前车切出、锥桶避让场景。

1、目标车静止场景

目标车静止在直线车道中间，测试车辆分别以不同的设定速度沿直线车道巡航行驶，速度稳定之后逐渐靠近目标车。测试车辆应能通过减速杀停或转向避让等方式避免与目标车发生碰撞。实验车辆从30km/h的初始巡航速度开始测试，按10km/h每次逐步增加至100km/h，主车与目标车发生碰撞，或驾驶员为避免碰撞主动偏出，则本场景试验结束，不再开展更高速度的测试。

2、前车切出场景

测试车辆在直道上跟随前车稳定行驶，前车遇到车道内静止目标车后切出车道，前车切出车道后沿相邻车道继续行驶。测试车辆应能检测到前方静止目标车，并通过减速杀停或转向避让等方式避免与目标车发生碰撞。

3、锥桶避让场景

锥桶避让场景

测试车辆以规定的设定速度在车道内巡航行驶，速度稳定后逐渐接近本车道前方的交通锥。测试车辆从30km/h的初始巡航速度开始测试，按10km/h每次逐步增加至100km/h，主车与锥桶发生碰撞，则本场景试验结束，不再开展更高速度的测试，每个速度点重复试验3次。

测试车型

基于设计的高速公路作业车测试场景，我们对市场上已销售的多款车辆进行了测评研究，希望借此让大家充分了解现阶段行业技术的能力现状和不足，进一步规范自身在智驾系统使用过程中的不安全行为。本次我们选取了6款车进行测试研究，分别为特斯拉Model3、 理想L8、小鹏P7、极氪001、沃尔沃XC60、奔驰S400L，指导价格区间在22.99万元-91.78万元。


测试结果

在目标车静止场景中，我们发现大部分测试车对于绿化养护车和维修车能够有效的识别，同时在低速情况下能够制动避幢。但在防撞缓冲车这类车型上，所测车辆的整体表现状态不佳，可能是防撞缓冲车尾部车辆特征不明显，导致智能驾驶系统不能有效识别该类型车辆。


在前车切出场景中，各车型的表现同前车静止目标车场景具有较强的相关性，目标作业车辆类型对各车型的智驾系统有较大影响。综合来看，整体表现不佳，大部分车型发生了碰撞，同时部分车型未识别目标车辆，未激活碰撞预警功能。在施工拥堵时，驾驶员使用巡航功能跟车行驶，应该要保持足够的专注，避免跟车行驶过程中遭遇突然出现的施工作业车辆导致的交通事故。

在锥桶（施工）场景，所有测试车型对交通锥的识别响应表现为碰撞，无预警及减速避撞动作。

总结

本次测试仅对6款车型进行了测试，根据测试车辆在三种目标车型和不同测试速度下的得分，根据智车信心度C-IAC高速作业场景评价规程，在“目标车静止场景”下，所测的6款车型合格率为33%，在“跟车目标改变（前车遇到静止车辆后切出）场景”合格率为16.7%，在锥桶（施工）场景，合格率为0%。由此表明高速养护作业场景对智能驾驶系统功能发挥产生了较大影响，在车速较快时，测试车辆的智能辅助驾驶功能很难对高速养护施工作业车或警示锥桶做出有效识别判断并同时采取相应措施。智能驾驶系统的算法、辅助功能的执行机构、车辆搭载的信息采集设备（摄像头、激光雷达、毫米波雷达）探测距离、频率、精度等目前还存在着不足，这也印证了本文开篇提到的交通事故案例。后续我们继续开展其他车型的高速作业场景测试，同时针对已开展测试的6款车型在其软件版本更新迭代后我们也将第一时间进行复测，并根据测试结果持续完善测试研究报告，对车型测试结果进行评比打分并统一发布，敬请关注。

最后，此提醒各位驾乘人员在启用智能驾驶辅助系统在高速行车时，要牢记“智能驾驶辅助系统”不等于“自动驾驶系统”，还是要务必时刻保持高度注意力，时刻注意观察前方道路情况，谨慎驾驶，确保行车安全。