道路交通环境复杂度及自动驾驶环境适应性平台用于无人车测试评价，可实时显示道路交通环境复杂度及环境适应性情况。本系统基于跨平台的.NET Core技术以及RESTful Web API 应用实现解耦，实现数据驱动、复杂度算法驱动和测试驱动等多角度开发模式，具有高内聚和低耦合性。系统根据无人车所行驶道路交通环境实时显示复杂度及环境适应性值，结果值为0~100，为自动驾驶道路交通环境复杂度及环境适应性提供定量评估依据。
一、成果的技术指标
1.构建弹性的应用集成环境
构建弹性的应用集成环境，支撑各类无人车应用的快速集成与全面整合，支撑灵活的协同控制，提供灵活的计算服务，并提供数据、流程、消息和内容的基础集成能力。
2.具备快速的功能调整和扩展的能力
为需要调用道路交通环境复杂度计算平台的业务系统提供可复用的IT服务，可灵活支撑个性化的业务模块；在此基础上，业务系统可以与平台进行个性化定制，配置映射关系，完成无缝对接。
3.具备较高可用性和安全性
选用成熟、稳定、可靠的基础软件、数据库系统和应用中间件，集成身份认证、缓存、消息队列等各种技术，保证平台可以安全、稳定的运行。
二、关键技术
1. 交通环境要素数据库构建
交通环境是作用于道路交通参与者的所有外界影响与力量的总和，包括道路
状况、交通设施、地物地貌、气象条件，以及其他交通参与者的交通活动等。数据库以道路交通的基本要素为基础实现道路交通环境全覆盖，给出道路交通环境复杂度环境数据类型及代码，解决构建道路交通场景不可穷举的重大问题。
2. 复杂度计算模型
基于道路交通环境复杂度分类分级计算方法，根据道路交通环境的静态要素
复杂度、道路交通环境的静态要素复杂度系数、道路交通环境的动态要素复杂度和道路交通环境的动态要素复杂度系数计算得到道路交通分类分级的环境复杂度。
3.环境适应性评价模型
结合道路交通环境复杂度计算结果，确定环境适应性影响因素及其评价指标体系，采用神经网络等构建自动驾驶电动汽车运行过程环境适应性量化评估模型，实现面向自动驾驶的列队行驶评估、V2X评估以及人车混驾评估。
4.系统开发
基于跨平台的.NET Core技术以及RESTful Web API 应用实现解耦，具有 MVC 的编程模式，实现数据驱动、算法驱动和测试驱动等多角度开发模式，格式化响应数据，基于Razor、筛选器、路由等理念实现从视图、路由、控制器和模型的一体化思路，权责分离、接口与实现分离，体现系统的高内聚和低耦合性。
本成果属于道路交通技术领域，特别涉及一种面向自动驾驶的道路交通环境复杂度和环境适应性评价方法，能够定量评估道路交通环境要素及复杂程度，为有人驾驶行为及无人驾驶智能行为分析提供定量评估依据，为车辆高级辅助驾驶和无人驾驶系统研究开发及测试评价提供定量技术支撑。
