自动驾驶汽车的测试和评价对于保障自动驾驶汽车的行驶安全性具有至关重要的作用。在自动驾驶汽车开放道路测试之前,有必要对自动驾驶系统进行充分的测试,包括仿真测试、封闭场地离散场景测试和连续动态交通场景测试,以便发现大部分系统缺陷,保证开放道路测试的安全性和测试效率。本文对L3级自动驾驶汽车的测试与综合评价进行研究,主要包括以下内容:(1)针对L3级自动驾驶系统的基本功能测试,研究了基于自然驾驶数据的蒙特卡罗仿真。利用核密度估计得到场景参数的概率分布,采取MH抽样和IS抽样分别生成普通测试用例和关键测试用例,用于蒙特卡罗仿真测试,估计自动驾驶系统在自然驾驶场景下的性能表现,并通过加权欧氏距离聚类提取关键测试用例,可用于进一步的仿真测试和场地测试。最后将该方法应用于ACC功能前车制动工况的仿真测试。(2)针对L3级自动驾驶系统的封闭场地预测试需求,提出了基于高级别车辆组合群的车辆位置和运动方向的组合测试场景生成方法。该方法针对指定道路交通环境,基于最复杂的车辆组合群,利用PICT工具对影响主车运动的干扰车运动方向进行组合,生成不同潜在危险度的测试场景,并依据场景筛选原则,筛选出有价值的测试场景。将该方法应用于路段和交叉路口的场景设计,并对场景进行参数化得到测试用例,基于PreScan、CarSim和Matlab/Simulink对生成的测试用例进行联合仿真测试,验证测试用例的可用性。(3)针对L3级自动驾驶系统具有连续运行时间长的特点,设计了应用于封闭场地的连续动态交通场景生成方法。该方法通过分析自动驾驶功能行为的交通要素,基于层次式任务表单对这些要素进行组合以形成连续场景,依据动态交互式场景设计方法和交通复杂度计算模型,对连续场景进行优化和要素调整,以形成能够用于测试的连续动态交通场景。基于Matlab开发GUI交互式仿真测试平台,对城市自动驾驶系统进行连续动态交通场景的测试,验证所设计场景的有效性。(4)针对L3级自动驾驶系统的评价,建立了通用的评价体系和综合评价模型。针对具体自动驾驶功能,设计了评价指标选取和筛选流程。采用AHP熵值法进行指标的综合赋权,建立灰色综合评价模型和BP神经网络综合评价模型。并将该评价方法应用于高速自动驾驶系统的综合评价。