驾驶场景数据是开发智能网联汽车的重要数据基础，是验证智能网联汽车安全性的重要保证。中汽数据有限公司（以下简称“中汽数据”）以汽车产业大数据为研究对象，深入开展驾驶场景大数据技术的研究与应用，推动围绕驾驶场景各项业务的不断发展。近年来，中汽数据驾驶场景团队以积累的近50万公里高精度真实世界数据为基础，基于ISO、ASAM等前沿标准及多年场景库建设理论实践积累，以建设场景数据生态、攻克行业共性技术难题为目标，自主研发驾驶场景大数据管理平台（以下简称“场景数据管理平台”）和场景库建设支撑工具链，构建形成自然驾驶场景库、危险事故场景库、V2X场景库、功能安全和预期功能安全场景库等。同时，可将不同场景库应用于自主研发的AD Chauffeur自主仿真云平台和ASAM OpenSCENARIO场景格式转换工具。

除上一篇提到的功能以外，中汽数据驾驶场景数据分析平台还可以对数据进行以下处理和分析。

1.  交通拥堵场景拥堵原因与拥堵发生时间交互分析

根据对拥堵片段拥堵原因的标注结果，造成交通拥堵的原因主要有交通流过大，其占比为58%，其次为高峰时段、道路结构因素、适应限速，以上4个原因造成的拥堵占比90%以上。通过交互分析工具可以很容易的观察到高峰时段的拥堵时间一般为早晨七八点和晚间十七点十八点。观察晚间十八点的交通拥堵可以得出此时造成拥堵的主要原因分别为高峰时段、车辆故障、适应限速和交通流过大。

2.  变道试验典型场景选取

通过对大量变道场景的统计分析，研究变道车辆与目标车道后车车辆的参数关系可以得到最典型场景。通过分析平台可以很方便的查看变道场景中变道初始时刻变道车辆车速分布的峰值集中在70-80km/h，此时目标车道后车的车速分布峰值为60-70km/h，在两个车速的限定下，目标车道后车与变道车辆的初始距离分布峰值为6-8m。

3.  切入场景危险度等级分类

基于驾驶员反应模型，在满足一定假设条件的基础上抽取模型关键参数：系统能够达到的最小减速度、人类驾驶员或自动驾驶系统的感知、决策与动作时间、车辆切入过程中两车最小纵向距离的门槛值可以得到场景数据危险等级的分类占比。调整模型参数可以得到其对危险等级分类的影响以及对两车车速、车间距离等参数间线性趋势的影响。

（文/智能网联数据室）