近年来，中国高速公路发展迅速。截至2022年底，我国公路建设总里程达到17.7万公里，居世界第一。随着高速公路里程的快速增加和交通流量的不断增加，越来越多的施工车辆出现在高速公路上，导致安全问题日益突出。
在公路养护和施工过程中，施工路段的行车道数量减少，通行能力下降。施工人员、施工机械和车辆造成了危险的环境。如果驾驶员在高速行驶过程中分心，很容易闯入工作区域，造成交通事故，并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背景下，面对高速运行的“危险”场景，智能驾驶系统是否仍然值得信赖？是否会发出警告并主动避免碰撞？
当车辆的巡航功能被激活时，由于驾驶员对前方风险缺乏专注力和意识，以及辅助驾驶系统功能不完善，未能控制车辆规避风险，导致车辆与高速施工车辆发生碰撞的交通事故时有发生。
2016年1月20日，在北京至香港澳门高速公路河北省邯郸段，一辆特斯拉轿车与一辆正在运行的扫路车直接相撞，导致特斯拉司机当场死亡。这起事故是中国和世界上第一起“自动驾驶”致死事故。
2021年8月12日，在沈海高速公路汉江段，一辆NIO ES8在NOP导航过程中未能识别前方的公路养护车，导致高速碰撞，司机死亡。
2022年8月8日，一辆理想ONE在激活NOA功能时，以77公里/小时的速度与前方静止的施工缓冲车相撞，幸运的是没有造成人员伤亡。
为了减少此类事故，驾驶员应提高安全意识，不要将辅助驾驶视为自动驾驶；同时，车企应进一步增强智能驾驶系统的能力边界，在遇到施工场景时能够识别危险车辆，避免与工作车辆发生碰撞。
为了促进这类场景下智能驾驶系统的改进，国家智能网联汽车（长沙）试验区在智能汽车信心（C-IAC）（一种专注于智能汽车“危险”场景的评估系统）研究中，自主开发了全球首个公路工作车仿真目标。
公路运营车辆目标对象的外观设计是指市场上常见公路运营车辆的实际车辆形状，还原其外部结构特征。同时，目标物体模拟车辆的表面雷达反射特性与真实车辆基本一致。目标对象可以通过改造实现防撞缓冲车、绿色养护车和维修车三种不同类型的公路运营车辆之间的快速转换，从而满足不同的测试需求。
高速作业车目标物（左）与实车（右）对比
测试场景
通过对已经发生的公路运营车辆相关事故的分析，我们设计了三种与高速运营相关的测试场景来评估车辆的智能驾驶系统，即目标车辆静止、前方车辆切除和锥斗规避场景。
1.目标车辆静止场景
实车测试流程
目标车辆静止在直车道中间，测试车辆以不同的设定速度沿直车道巡航。在速度稳定后，它们逐渐接近目标车辆。测试车辆应能够通过减速、停车或转弯来避免与目标车辆发生碰撞。实验车辆从30公里/小时的初始巡航速度开始测试，在10公里/小时时逐渐增加到100公里/小时。如果主车辆与目标车辆发生碰撞，或者驾驶员主动偏离以避免碰撞，则这种情况下的测试将结束，不会进行更高速度的测试。
2.前车切割场景
实车测试流程
测试车辆在笔直的道路上稳定地跟随前车。当前方车辆在车道上遇到静止的目标车辆时，它会冲出车道。驶出车道后，前方车辆继续沿相邻车道行驶。测试车辆应能够检测到前方静止的目标车辆，并通过减速、停车或转弯避免与目标车辆碰撞。
3.锥形铲斗规避场景
锥形铲斗规避场景
实车测试流程
测试车辆以规定的设定速度在车道内巡航，在速度稳定后逐渐接近车道前方的交通锥。试验车辆以30km/h的初始巡航速度启动，并在10km/h时逐渐增加到100km/h。如果主车辆与锥管碰撞，这种情况下的测试将结束，不会在更高的速度下进行进一步的测试。测试将在每个速度点重复3次。
测试车辆模型
基于设计的公路运营车辆测试场景，我们对市场上已销售的多辆汽车进行了评估和研究，希望能够充分了解行业技术的现状和不足，进一步规范智能驾驶系统使用中的不安全行为。本次我们选择了特斯拉Model 3、理想L8、小鹏P7、极客001、沃尔沃XC60和梅赛德斯S400L 6款车型进行测试和研究，指导价区间为22.99万元至91.78万元。
测试车辆配置
测试结果
在目标车辆静止的场景中，我们发现大多数测试车辆都能有效识别绿色维护和维修车辆，并能在低速下制动和躲避建筑物。然而，在防撞缓冲车等车辆上，被测车辆的整体性能较差，这可能是由于防撞缓冲车的后部车辆特性不清楚，导致智能驾驶系统无法有效识别这类车辆。
在切割前车的场景中，每个车型的性能与前车的静态目标车辆场景有很强的相关性，目标操作车辆的类型对每个车型的智能驾驶系统有显著影响。总体而言，整体性能较差，大多数车型都发生了碰撞，有些车型没有识别目标车辆，也没有激活碰撞警告功能。在施工拥堵期间，使用巡航功能的驾驶员应保持足够的注意力，以避免在以下过程中突然出现的施工车辆造成交通事故。
在锥斗（构造）场景中，所有测试车型对交通锥的识别响应表现为碰撞、无警告、减速和防撞动作。
总结
本次测试仅测试了6款车型。基于测试车辆在三种目标车型和不同测试速度下的得分，并根据C-IAC智能车辆信心高速运行场景评估程序，测试的6款车型在“目标车辆静止场景”中的通过率为33%，在“跟随车辆目标变化（前方车辆遇到静止车辆并切断）场景”中为16.7%，在锥斗（施工）场景中为0%。这表明高速维护操作场景对智能驾驶系统的功能产生了重大影响。当车速较快时，很难有效识别和判断高速养护施工车辆或警示锥，同时采取相应措施。目前，智能驾驶系统的算法、辅助功能的执行机制以及车辆携带的信息采集设备（摄像头、激光雷达、毫米波雷达）的检测距离、频率和精度等方面仍存在不足。这也证实了本文开头提到的交通事故案例。未来，我们将继续对其他车型进行高速运营场景测试。同时，我们将对软件版本更新和迭代后已经测试过的6个模型进行重新测试。基于测试结果，我们将继续完善测试研究报告，对模型测试结果进行评估和评分，并统一发布。请继续关注。
最后，这提醒所有驾驶员和乘客，在高速使用智能驾驶辅助系统时，要记住“智能驾驶辅助体系”不等于“自动驾驶体系”，或者要始终保持高度注意力，时刻观察前方道路，小心驾驶，确保行车安全。
