近年來，我國高速公路快速發展，截止2022年底，我國高速公路修建總里程已達17.7萬公里，位居世界第一。隨著高速公路里程的快速增加和交通流量的持續增大，越來越多的施工作業車輛出現在高速上，隨之產生的安全問題也日益突出。

高速公路養護施工作業時，施工路段通行車道數減少，通行能力下降，施工人員、施工機械和來往車輛構成了一個危險的環境，在高速行駛過程中，如果駕駛員失神，很容易闖入作業區，造成交通事故，對車輛和人員造成傷害。那么，在智能駕駛輔助駕駛員進行車輛控制的情況下，面對高速作業的“危險”場景，智能駕駛系統還值得信任嗎？會預警并進行主動避撞嗎？

在車輛開啟巡航功能時，因駕駛員未專注駕駛，未察覺前方風險，同時輔助駕駛系統功能不完善，未能控制車輛避免風險，導致車輛與高速作業工程車輛碰撞的交通事故時有發生。

2016年1月20日，在京港澳高速河北邯鄲段，一輛特斯拉轎車直接撞上一輛正在作業的道路清掃車，特斯拉司機當場身亡，此事故為中國首例也是全球首例“自動駕駛”致死車禍。

2021年8月12日，在沈海高速涵江段，一輛蔚來ES8在NOP領航開啟時，因未能識別本車道內前方的高速公路養護車，發生高速碰撞，事故致駕駛員死亡。

2022年8月8日，一輛理想ONE在開啟NOA功能時，以77km/h的速度撞上前方靜止施工作業緩沖車，所幸沒有造成人員傷亡。

為減少此類事故，駕駛員應提升安全意識，不能把輔助駕駛當自動駕駛；同時車企也應進一步提升智能駕駛系統的能力邊界，在遇到作業車施工場景時，能夠識別道危險車輛，并避免碰撞。

為推動在該類型場景下智能駕駛系統的能力提升，國家智能網聯汽車（長沙）測試區在智車信心度（C-IAC）（專注智能汽車“危險”場景的測評體系）的研究中，自研了全球首個高速公路作業車模擬目標物。

高速公路作業車目標物在外觀設計上參考了市面上常見的高速公路作業車的實車造型，還原了其外形結構特點，同時目標物模擬車輛的表面雷達反射特性同真車基本一致。該目標物可通過重構的方式，完成防撞緩沖車、綠化養護車、搶修車三種不同類型高速公路作業車之間的快速轉變，從而滿足不同的測試需要。

高速作業車目標物（左）與實車（右）對比

測試場景

通過對已發生的與高速公路作業車相關事故的分析，我們設計了3類與高速作業相關的測試場景用于對車輛的智能駕駛系統進行評價，分別是目標車靜止、前車切出、錐桶避讓場景。

1、目標車靜止場景

實車測試過程

目標車靜止在直線車道中間，測試車輛分別以不同的設定速度沿直線車道巡航行駛，速度穩定之后逐漸靠近目標車。測試車輛應能通過減速殺停或轉向避讓等方式避免與目標車發生碰撞。實驗車輛從30km/h的初始巡航速度開始測試，按10km/h每次逐步增加至100km/h，主車與目標車發生碰撞，或駕駛員為避免碰撞主動偏出，則本場景試驗結束，不再開展更高速度的測試。

2、前車切出場景

實車測試過程

測試車輛在直道上跟隨前車穩定行駛，前車遇到車道內靜止目標車后切出車道，前車切出車道后沿相鄰車道繼續行駛。測試車輛應能檢測到前方靜止目標車，并通過減速殺停或轉向避讓等方式避免與目標車發生碰撞。

3、錐桶避讓場景

錐桶避讓場景

實車測試過程

測試車輛以規定的設定速度在車道內巡航行駛，速度穩定后逐漸接近本車道前方的交通錐。測試車輛從30km/h的初始巡航速度開始測試，按10km/h每次逐步增加至100km/h，主車與錐桶發生碰撞，則本場景試驗結束，不再開展更高速度的測試，每個速度點重復試驗3次。

測試車型

基于設計的高速公路作業車測試場景，我們對市場上已銷售的多款車輛進行了測評研究，希望借此讓大家充分了解現階段行業技術的能力現狀和不足，進一步規范自身在智駕系統使用過程中的不安全行為。本次我們選取了6款車進行測試研究，分別為特斯拉Model3、 理想L8、小鵬P7、極氪001、沃爾沃XC60、奔馳S400L，指導價格區間在22.99萬元-91.78萬元。

測試車型配置

測試結果

在目標車靜止場景中，我們發現大部分測試車對于綠化養護車和維修車能夠有效的識別，同時在低速情況下能夠制動避幢。但在防撞緩沖車這類車型上，所測車輛的整體表現狀態不佳，可能是防撞緩沖車尾部車輛特征不明顯，導致智能駕駛系統不能有效識別該類型車輛。

在前車切出場景中，各車型的表現同前車靜止目標車場景具有較強的相關性，目標作業車輛類型對各車型的智駕系統有較大影響。綜合來看，整體表現不佳，大部分車型發生了碰撞，同時部分車型未識別目標車輛，未激活碰撞預警功能。在施工擁堵時，駕駛員使用巡航功能跟車行駛，應該要保持足夠的專注，避免跟車行駛過程中遭遇突然出現的施工作業車輛導致的交通事故。

在錐桶（施工）場景，所有測試車型對交通錐的識別響應表現為碰撞，無預警及減速避撞動作。

總結

本次測試僅對6款車型進行了測試，根據測試車輛在三種目標車型和不同測試速度下的得分，根據智車信心度C-IAC高速作業場景評價規程，在“目標車靜止場景”下，所測的6款車型合格率為33%，在“跟車目標改變（前車遇到靜止車輛后切出）場景”合格率為16.7%，在錐桶（施工）場景，合格率為0%。由此表明高速養護作業場景對智能駕駛系統功能發揮產生了較大影響，在車速較快時，測試車輛的智能輔助駕駛功能很難對高速養護施工作業車或警示錐桶做出有效識別判斷并同時采取相應措施。智能駕駛系統的算法、輔助功能的執行機構、車輛搭載的信息采集設備（攝像頭、激光雷達、毫米波雷達）探測距離、頻率、精度等目前還存在著不足，這也印證了本文開篇提到的交通事故案例。后續我們繼續開展其他車型的高速作業場景測試，同時針對已開展測試的6款車型在其軟件版本更新迭代后我們也將第一時間進行復測，并根據測試結果持續完善測試研究報告，對車型測試結果進行評比打分并統一發布，敬請關注。

最后，此提醒各位駕乘人員在啟用智能駕駛輔助系統在高速行車時，要牢記“智能駕駛輔助系統”不等于“自動駕駛系統”，還是要務必時刻保持高度注意力，時刻注意觀察前方道路情況，謹慎駕駛，確保行車安全。