黄昆

（天津经纬恒润科技有限公司，天津 300385）

主题词：跟车测试场景 聚类挖掘 K均值聚类 自动驾驶技术

1 引言

随着智能驾驶技术的不断发展，特斯拉、蔚来等主机厂已经开发了许多较为完善的先进自动驾驶辅助系统[1-2]，例如高速自动辅助驾驶(Highway Pilot,HP)、拥堵自动辅助驾驶[3](Traffic Jam Pilot,TJP)等，然而目前智能驾驶汽车仍无法实现L4及以上的智能驾驶，其技术发展仍需要多种自然驾驶场景支持，因此，十分有必要开展各类驾驶场景挖掘研究。

场景聚类挖掘[4-5]是获取智能驾驶测试场景的主要方法之一。徐向阳[6]等基于国家车辆事故深度调查体系中的499 例事故场景数据，对我国自动紧急制动(Autonomous Emergency Braking, AEB)场景进行聚类挖掘。郭景华[7]等基于我国自然驾驶数据中的危险工况片段，使用层次聚类法对驾驶行程中的危险场景进行聚类挖掘。夏澜[8]等通过对43例自然驾驶场景进行分析，挖掘到6 类目标切入的危险跟车场景。Adam[9]等人以交通目标之间的位置关系作为判别量，基于此提出了一种距离聚类的场景挖掘方法。Jin[10]等人使用考虑时间与空间的马氏距离对跟车进行聚类，提出了一种交通异常事件的场景挖掘方法。Birant[11]等人提出了一种用于处理大规模数据集异常问题的时空异常场景挖掘算法。

场景聚类挖掘是智能驾驶场景研发和验证的基石，对我国智能驾驶技术的发展具有十分重要的意义。本文基于K均值聚类算法，对自然驾驶过程中的跟车场景进行场景解构和场景聚类挖掘研究，依据场景主体要素挖掘到3类典型的跟车工况，并结合场景交通环境及车辆类型等要素，构建了大量的类跟车测试场景，这对我国自动驾驶辅助系统的研发和测试具有十分重要的意义。……