自动驾驶系统的测试与评价是车辆智能化研究的关键技术,对于单项自动驾驶功能和结构的测试已经有了十足的发展,而随着自动驾驶技术的进步,自动驾驶车辆正在逐步进入交通环境中,在实现完全自动驾驶覆盖率之前,人工驾驶车辆与自动驾驶车辆混行的混合交通是未来交通环境的新形式。新的交通环境存在着未知的问题和风险,为保证自动驾驶系统的性能要求,相关测试应当在混合交通环境下进行。因此基于混合交通数据搭建个性化交通车模型,并设计混合交通环境测试平台,以此为基础进行自动驾驶系统的测试和评价,是未来自动驾驶系统测试领域的新方向,也是自动驾驶车辆真正落地的基础。本文依托实际工程项目,开展混合交通环境自动驾驶系统测试方法研究。建立了驾驶人在环的混合交通数据采集系统,设计完成混合交通数据采集试验;采用数据挖掘方法分析处理试验数据,搭建了基于深度学习和博弈机理等方法的个性化交通车模型;运用所搭建的交通车模型与仿真软件建立了混合交通环境测试平台,并提出混合交通环境下的自动驾驶系统测试方法,设计综合评价理论;最后将测试评价方法实际应用并分析结果。本文的主要研究内容包括以下四个部分:（1）基于多驾驶模拟器的混合交通数据采集通过多个驾驶模拟器和车辆仿真软件建立混合交通数据采集系统,其中硬件上采用Senso Wheel力矩方向盘和罗技G29等驾驶模拟设备,软件上采用Matlab、Pre Scan和Car Sim等专业软件,同时基于PATH模型和纯跟踪等算法搭建自动驾驶模型,并将驾驶人操作的车辆和自动驾驶模型控制的车辆共同接入到仿真环境中形成混合交通,然后针对直行跟车和自由行驶两种工况设计数据采集试验,招募试验驾驶人,对混合交通数据进行采集。（2）基于混合交通数据的个性化交通车建模首先将交通车模型分为纵向驾驶模型和换道驾驶模型两部分,并设计巡航、跟驰、意图换道、换道和让行五种交通车行驶状态,其中巡航和跟驰在纵向驾驶模型进行建模,其余归类于换道驾驶模型。具体纵向驾驶模型的巡航控制模块采用IDM（Intelligent Diver Model）模型,跟驰控制模块采用LSTM（Long Short-Term Memory）结合分位数回归模型,而换道驾驶模型的换道意图产生模块基于驾驶不满意度搭建,换道决策控制模块主要采用博弈模型。同时考虑实际交通中驾驶人的驾驶习性差异,通过因子分析和K-means聚类方法将混合交通数据分为激进型与稳健型,分别用于训练和标定对应个性化交通车模型。（3）混合交通环境自动驾驶系统测试方法首先选取SUMO为交通仿真环境并分析混合交通组成要素,利用所建立的个性化交通车模型搭建混合交通环境测试平台;进一步针对混合交通特点提出考虑渗透率的测试方法,选取评价指标构建评价分层结构模型,并以层次分析法和模糊综合评价法为基础建立自动驾驶系统评价方法。（4）测试方法的应用利用所提出的测试方法对两个自动驾驶系统进行测试,结果有效反映了自动驾驶车辆对于交通运行的影响,体现了混合交通运行状态随渗透率变化的特性;进一步运用所建立的评价方法对测试结果进行系统评价,对比分析两个自动驾驶系统在不同指标和整体表现的评价分数,评价结果准确反映了被测系统的特点,验证了测试评价方法。