随着智能驾驶技术的兴起和主动安全技术的逐渐成熟,先进驾驶辅助系统（Advanced Driving Assistance System,ADAS）在整车中应用中愈加广泛。本文针对各大汽车制造商对智能驾驶汽车ADAS功能研发和验证的需求,依托中汽研汽车工程研究院有限公司《智能驾驶汽车主动安全测试场景库》课题,开展基于道路试验的跟驰场景挖掘系统,为智能驾驶员模型开发以及自适应巡航控制（Adaptive Cruise Control,ACC）、自动紧急制动（Autonomous Emergency Braking,AEB）、交通拥堵辅助（Traffic Jam Assistant,TJA）等ADAS功能的研发和验证提供有效的场景基础。本文针对跟驰场景挖掘系统开展了以下内容的研究:1.跟驰场景特征参数阈值获取及场景聚类分析。基于道路试验数据,提取我国高速道路（包含高速公路、市郊及城市快速路等）、天津市区道路等道路的车辆跟驰场景片段,并对场景特征参数进行分布统计和数据对比分析,获取特征参数的阈值范围;依据场景要素对获取的跟驰场景片段进行场景结构,通过模糊C聚类算法对场景片段的主成分进行聚类分析,将跟驰场景分为稳定跟驰、启动跟驰、跟驰停车、目标切入、目标切出、跟驰轿车、跟驰卡车等类型。2.跟驰场景识别模型的搭建。基于CANape和Simulink软件的开发平台进行联合开发,构造跟驰场景识别模型,该模型包括交通环境感知模块、跟驰目标自动识别模块、跟驰约束模块。其中,交通环境感知模块和跟驰目标识别模块对交通环境中的目标进行定位和跟驰目标识别,标定跟驰场景的开始时间,跟驰约束模块通过跟驰特征参数阈值对跟驰场景进行实时约束,标定跟驰场景的结束时间。此外,跟驰场景识别模型的基础上,构造了启动跟驰、跟驰停车、目标切入、目标切出、跟驰轿车、跟驰卡车等子跟驰场景识别算法程序。3.跟驰场景挖掘系统的构建。基于道路试验构造跟驰场景挖掘系统,该系统由感知层、系统场景识别层和场景数据挖掘三部分组成。其中,感知层采用ESR前向毫米波雷达和Mobileye ME630作为数据采集设备;系统场景识别层基于状态机建立了系统的开关及场景识别状态,并使用VECTOR公司的数采设备及配套软件作为信息的载体和处理软件;场景数据挖掘,开发通用的跟驰场景数据及视频自动挖掘工具,该工具能依据车辆跟驰场景识别算法的识别结果,将识别结果自动挖掘保存,并分类入库。通过离线数据仿真和道路试验的方式对跟驰场景挖掘系统进行验证,结果表明该系统具有较高的识别精度,识别准确率达到99.28%以上。