自動(dòng)緊急制動(dòng)系統(tǒng)行人測(cè)試場(chǎng)景的研究

劉穎 賀錦鵬, 劉衛(wèi)國 朱西產(chǎn) 李霖 江麗君

（1.同濟(jì)大學(xué)；2.吉利汽車研究院有限公司）

自動(dòng)緊急制動(dòng)系統(tǒng)行人測(cè)試場(chǎng)景的研究

劉穎1賀錦鵬1,2劉衛(wèi)國2朱西產(chǎn)1李霖1江麗君1

（1.同濟(jì)大學(xué)；2.吉利汽車研究院有限公司）

為建立適用于我國交通狀況的AEB行人測(cè)試場(chǎng)景，參考國際上已有的研究成果，首先采集了上海道路中的典型行人危險(xiǎn)工況，并篩選出52例車與行人沖突的工況樣本，然后利用聚類分析的多元統(tǒng)計(jì)學(xué)方法對(duì)這些樣本進(jìn)行分析，得到了5類具有典型特征的危險(xiǎn)場(chǎng)景；根據(jù)這些典型危險(xiǎn)場(chǎng)景設(shè)計(jì)了兼容我國交通工況的AEB行人測(cè)試場(chǎng)景，并建立相應(yīng)的PreScan仿真模型。通過PreScan仿真測(cè)試可在未進(jìn)行實(shí)際場(chǎng)地測(cè)試前對(duì)AEB系統(tǒng)進(jìn)行初步評(píng)價(jià)，進(jìn)而降低開發(fā)成本。

1 前言

AEB（Autonomous Emergency Braking，AEB）是通過自動(dòng)制動(dòng)來避免碰撞或減輕碰撞傷害的主動(dòng)安全系統(tǒng)。Euro-NCAP的研究結(jié)果表明，27%的事故都可通過AEB避免[1]，因此，AEB得到了有關(guān)各方的高度重視。Euro-NCAP將在2016年引入對(duì)AEB行人系統(tǒng)（AEB Pedestrian System）的評(píng)價(jià)。

AEB的場(chǎng)地測(cè)試能夠以較少的成本在短時(shí)間內(nèi)集中復(fù)現(xiàn)真實(shí)道路中的典型危險(xiǎn)工況，以驗(yàn)證和評(píng)價(jià)AEB系統(tǒng)的有效性。目前一些機(jī)構(gòu)已經(jīng)開始進(jìn)行AEB行人測(cè)試場(chǎng)景的研究[2]，但是，由于各國和地區(qū)的駕駛環(huán)境以及駕駛員的駕駛習(xí)慣存在差異，國外的測(cè)試場(chǎng)景并不能完全適用于我國，為此，根據(jù)在我國典型道路上采集的危險(xiǎn)工況，通過聚類分析法設(shè)計(jì)了適合我國交通工況的AEB行人測(cè)試場(chǎng)景。

2 現(xiàn)有行人測(cè)試場(chǎng)景研究

目前，歐洲的vFSS（Advanced Forward-Looking Safety Systems）項(xiàng)目通過對(duì)GIDAS（German In-Depth Accident Study）、UDV（German Insurers Accident Research）、AZT（Allianz Technology Center）和DEKRA（Deutscher Kraftfahrzeug überwachung-sverein）事故數(shù)據(jù)庫的研究設(shè)計(jì)了4個(gè)AEB行人測(cè)試場(chǎng)景，場(chǎng)景參數(shù)如表1所列[3]；AEB Group將英國的兩個(gè)事故數(shù)據(jù)庫STATS19（National Accident Database）和OTS（In-depth On-the-spot Study）分別進(jìn)行聚類分析，得到了類似的聚類結(jié)果，并據(jù)此設(shè)計(jì)了AEB行人測(cè)試場(chǎng)景，場(chǎng)景參數(shù)如表2所列[4]。

表1 vFSS測(cè)試場(chǎng)景參數(shù)

表2 AEB Group測(cè)試場(chǎng)景參數(shù)

上述測(cè)試場(chǎng)景僅根據(jù)歐洲國家的事故數(shù)據(jù)庫分析得到，僅代表當(dāng)?shù)氐牡湫臀ｋU(xiǎn)工況，而且事故重建過程也會(huì)引入較大誤差，所以各測(cè)試場(chǎng)景定義方式各不相同，運(yùn)動(dòng)學(xué)參數(shù)存在較大差異。但是它們都包括了測(cè)試車輛速度、行人運(yùn)動(dòng)方式和駕駛員視野是否被遮擋等關(guān)鍵參數(shù)。

3 危險(xiǎn)工況的數(shù)據(jù)采集和篩選

試驗(yàn)用行駛記錄儀采集數(shù)據(jù)，該行駛記錄儀在瞬時(shí)加速度大于0.4 g時(shí)觸發(fā)，并記錄觸發(fā)前15 s到觸發(fā)后5 s的時(shí)間段內(nèi)車輛行駛方向速度、三向加速度和前方視野的錄像（不包括聲音），數(shù)據(jù)采集設(shè)備和數(shù)據(jù)顯示界面如圖1所示。試驗(yàn)時(shí)將行駛記錄儀裝載在4輛出租車和1輛警車內(nèi)部，在上海市嘉定地區(qū)行駛約1年，共采集約4 000例工況樣本。收集數(shù)據(jù)后，按照NHSTA（美國國家高速公路交通安全管理局）在2007年發(fā)布的避免碰撞研究中使用的37種危險(xiǎn)工況分類方法[5]，將采集到的危險(xiǎn)工況分類，并選取其中車和人發(fā)生沖突的52例危險(xiǎn)工況樣本用于試驗(yàn)研究。

4 危險(xiǎn)工況聚類分析

4.1 參數(shù)選取

通過分析行駛記錄儀采集到的行人危險(xiǎn)工況樣本的錄像信息和車輛運(yùn)動(dòng)學(xué)數(shù)據(jù)，可得到大量的相關(guān)參數(shù)，由于這些參數(shù)中有些不會(huì)對(duì)駕駛員行為或AEB的傳感器造成影響，因此不能全部用于聚類分析。為此，參考國外提出并已采用的AEB行人測(cè)試場(chǎng)景參數(shù)，初步確定聚類分析參數(shù)的選取范圍包括環(huán)境參數(shù)、測(cè)試車輛參數(shù)和行人參數(shù)。環(huán)境參數(shù)指天氣、照明情況、交通狀況、道路形狀等；測(cè)試車輛參數(shù)指車的運(yùn)動(dòng)情況、視野是否有遮擋、遮擋類型、遮擋位置、危險(xiǎn)起始點(diǎn)和結(jié)束點(diǎn)的時(shí)間、測(cè)試車輛速度、測(cè)試車輛與行人的距離等；行人參數(shù)指行人的運(yùn)動(dòng)情況、速度和類型。

經(jīng)初步統(tǒng)計(jì)后每個(gè)樣本都被抽象為各參數(shù)不同變量值的組合，各變量樣本數(shù)量的統(tǒng)計(jì)分布如圖2所示。經(jīng)分析，其中的一些參數(shù)不適合用于聚類分析，如圖2a中的天氣、行人速度和行人類型等3個(gè)參數(shù)中同一個(gè)變量（晴、走、成人）的分布占樣本總數(shù)的85%以上，差異性不明顯，所以不用于聚類分析，但是在設(shè)計(jì)更具體的測(cè)試場(chǎng)景時(shí)可以作為參考。由于圖2a中“交通狀況”的“正常”樣本比例較高，在測(cè)試時(shí)較難模擬測(cè)試車輛周圍其它車輛的運(yùn)動(dòng)狀態(tài)，而且需要的設(shè)備較多，成本高，因此不適合選作測(cè)試參數(shù)。

此外，相似或細(xì)化的參數(shù)只為場(chǎng)景的設(shè)計(jì)提供借鑒，不作為主要參數(shù)用于聚類分析，如“道路形狀”與“測(cè)試車輛運(yùn)動(dòng)情況”存在關(guān)聯(lián)性，若同時(shí)用于聚類分析會(huì)增加權(quán)重，因“測(cè)試車輛運(yùn)動(dòng)情況”對(duì)危險(xiǎn)有更本質(zhì)的影響，所以選作聚類分析使用的參數(shù)；遮擋物類型和遮擋位置是針對(duì)駕駛員視野被遮擋的樣本，是對(duì)駕駛員視野有遮擋樣本的更具體的統(tǒng)計(jì)，可用于駕駛員視野被遮擋的場(chǎng)景中遮擋物的選擇和擺放位置的設(shè)計(jì)。

從初步確定的參數(shù)中去掉不適合進(jìn)行聚類分析的參數(shù)，最終確定用于聚類分析的參數(shù)包括照明情況、測(cè)試車輛運(yùn)動(dòng)情況、駕駛員視野是否有遮擋、行人運(yùn)動(dòng)情況（圖2b）、危險(xiǎn)起始點(diǎn)時(shí)測(cè)試車輛速度、測(cè)試車輛與行人的距離等。

4.2 聚類分析

采用系統(tǒng)聚類法統(tǒng)計(jì)危險(xiǎn)工況能使同一類中對(duì)象之間的相似性比與其它類對(duì)象的相似性更強(qiáng)，大大降低了主觀意識(shí)對(duì)類別的影響，而且可重復(fù)性強(qiáng)。首先，將n個(gè)樣本看成n類（一類包含1個(gè)樣本），然后將距離最接近的兩類合并成一個(gè)新類，得到n-1類，再從中找出最接近的兩類加以合并變成n-2類，以此類推，直至得到所需要的類型數(shù)量為止[6]。

聚類過程中距離的計(jì)算包括變量之間的距離、樣本之間的距離和類之間的距離等3個(gè)層級(jí)。

a.變量之間距離的計(jì)算。聚類分析中參數(shù)的類型主要有3種[7]，見表3。由表3可知，不同類型參數(shù)的變量之間距離的計(jì)算略有不同：對(duì)于間隔尺度與有序尺度參數(shù)，變量之間的距離是差值的絕對(duì)值，如表3中“照明情況”的“好”與“不好”之間的距離為1，“危險(xiǎn)起始點(diǎn)測(cè)試車輛速度”中變量“24”與“75”之間的距離為0.6；對(duì)于名義尺度參數(shù)，不同變量之間的距離為定值，相同變量之間的距離為0，如“行人運(yùn)動(dòng)情況”中變量“沿馬路走”與“左側(cè)過馬路”之間的距離為1。

表3 參數(shù)類型及其說明

b.樣本之間距離的計(jì)算。樣本之間距離的計(jì)算采用絕對(duì)值距離。設(shè)X1，X2，…，Xn為取自p元總體的樣本，第i個(gè)樣本Xi=（xi1，xi2，…，xip）（i=1，2，…，n），則第i個(gè)樣本Xi與第j個(gè)樣本Xj之間的距離dij[7]為：

c.類之間距離的計(jì)算。采用類平均法計(jì)算類之間的距離，即類與類之間距離的平方是樣本對(duì)之間距離平方的平均值。用G表示類，G中有m個(gè)樣本，則K類（Gk）與L類（GL）之間距離DKL的平方[7]為：

利用MATLAB軟件對(duì)統(tǒng)計(jì)數(shù)據(jù)進(jìn)行聚類分析，最終得到的聚類分析樣本數(shù)量分布結(jié)果如表4所列。其中，前4類工況總數(shù)為50，占所有工況的96%。表4中深色區(qū)域表示經(jīng)卡方檢驗(yàn)（90%確信度[8]）某類別樣本數(shù)量分布與總體樣本數(shù)量分布偏差較大的變量。圖3和圖4為各類別中危險(xiǎn)起始點(diǎn)測(cè)試車輛速度及測(cè)試車輛與行人距離的分布情況。

表4 聚類分析樣本數(shù)量分布

4.3 結(jié)果分析

從圖2可看出，大部分危險(xiǎn)工況發(fā)生在“晴天”、“交通正常”的情況下，而且行人大部分為以正常速度“行走”的“成人”，與正常情況下實(shí)際道路交通情況基本類似，說明“雨天”、“兒童”或“行人運(yùn)動(dòng)速度較快”在實(shí)際道路中引起危險(xiǎn)的可能性不是很大，但有可能引起較為嚴(yán)重的危險(xiǎn)。此外，照明情況“好”和“不好”的樣本各占1/2，而實(shí)際中照明良好情況下行車次數(shù)較多，所以照明情況不好時(shí)危險(xiǎn)發(fā)生頻率偏高。危險(xiǎn)工況中“轉(zhuǎn)彎”時(shí)發(fā)生危險(xiǎn)的樣本不多，因此轉(zhuǎn)彎不是危險(xiǎn)發(fā)生的主要原因。危險(xiǎn)發(fā)生前行人“被遮擋”的比例達(dá)到1/4，說明駕駛員視野被遮擋會(huì)引起危險(xiǎn)，進(jìn)一步的統(tǒng)計(jì)分析顯示，69%的遮擋物位于左前方或右前方，正前方遮擋物引起危險(xiǎn)的情況較少；63%的遮擋物是小型車輛。行人“過馬路”比“沿機(jī)動(dòng)車道行走”更容易導(dǎo)致危險(xiǎn)，而且從左側(cè)或右側(cè)過馬路引起危險(xiǎn)的概率基本相同。

由表4、圖3和圖4可知，聚類分析中第1類樣本數(shù)量占樣本總數(shù)的比例最大，為37%，表明在照明條件良好、測(cè)試車輛直線行駛且行人沒有被遮擋的工況下，行人運(yùn)動(dòng)情況各變量的樣本數(shù)量分布與整體行人運(yùn)動(dòng)情況各變量樣本數(shù)量的分布相似，無明顯差異，測(cè)試車輛速度大部分在10～40 km/h內(nèi)，測(cè)試車輛與行人距離在5～40 m范圍內(nèi)。第2類樣本數(shù)量占總樣本數(shù)量的25%，與第1類的條件基本相同，但是照明情況不好，而且樣本中測(cè)試車輛速度及測(cè)試車輛與行人的距離大部分為10～55 km/h和5～55 m內(nèi)。第3類表示行人過馬路且駕駛員視野被物體遮擋的工況，測(cè)試車輛速度及測(cè)試車輛與行人的距離分布與第1類相似，分別為10～45 km/h和5～40 m。第4類中測(cè)試車輛是轉(zhuǎn)向行駛，行人沿馬路行走，且照明條件差，樣本中測(cè)試車輛速度及測(cè)試車輛與行人的距離分布都偏低，大部分為5～25 km/ h和2～15 m。第5類樣本雖少，但特征明顯，與前4類的差異很大，代表測(cè)試車輛轉(zhuǎn)向且駕駛員視野被遮擋的危險(xiǎn)工況。此類樣本少的原因可能是總體樣本偏少，而此類危險(xiǎn)實(shí)際發(fā)生的概率又偏低所致。

5 測(cè)試場(chǎng)景設(shè)計(jì)和仿真

根據(jù)上述實(shí)際道路危險(xiǎn)工況樣本和聚類分析結(jié)果，設(shè)計(jì)了4類用于行人AEB的測(cè)試場(chǎng)景，由于最后一類聚類結(jié)果所占比例較少，所以不作為測(cè)試場(chǎng)景。

測(cè)試場(chǎng)景設(shè)計(jì)參數(shù)如表5所列。其中，照明條件、測(cè)試車輛運(yùn)動(dòng)、駕駛員視野是否被遮擋和行人運(yùn)動(dòng)等參數(shù)依照聚類結(jié)果設(shè)計(jì)；根據(jù)分析階段遮擋物類型和位置的分布，測(cè)試場(chǎng)景3中的遮擋物主要為小型乘用車；測(cè)試車輛速度是將聚類結(jié)果中差異較大的測(cè)試車輛速度去除并作適當(dāng)圓整得到；測(cè)試車輛與行人距離是將聚類結(jié)果中差異較大的距離去除后剩余樣本的均值；參考國外的研究結(jié)果，行人速度定為5.4 km/h。

PreScan是荷蘭TNO公司開發(fā)的一款為汽車智能系統(tǒng)提供設(shè)計(jì)、驗(yàn)證和評(píng)價(jià)環(huán)境的仿真軟件，利用PreScan可以快速建立場(chǎng)景（自然環(huán)境，交通環(huán)境）、添加傳感器、定義車輛運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)模型等，并與Matlab/Simulink交互使用，也可以在Simulink模型中添加自定義的控制算法。

表5 測(cè)試場(chǎng)景設(shè)計(jì)參數(shù)

本研究利用PreScan模擬AEB測(cè)試的建模過程主要包括以下4個(gè)步驟。

a.在GUI（Graphical User Interface）界面中設(shè)置光照、環(huán)境溫度、能見度等環(huán)境參數(shù)；從元素庫中選取適當(dāng)?shù)牡缆贰④囕v和行人并設(shè)置參數(shù)。

b.定義測(cè)試車輛和行人的運(yùn)動(dòng)。車輛的駕駛模型選擇路徑跟隨（PathFollower）模式，軌跡在GUI中賦予，速度在Simulink模型中使用“Signal Builder（信號(hào)生成器）”模塊定義；行人的軌跡和速度曲線在GUI的配置文件中直接定義。

c.安裝并配置傳感器，加入AEB控制模塊。利用車輛參數(shù)輸出模塊和傳感器參數(shù)輸出模塊的數(shù)據(jù)，在跟隨模塊和系統(tǒng)動(dòng)力學(xué)模塊中間加入AEB控制模塊，即可在測(cè)試車輛中加入AEB的功能，如圖5所示。

d.運(yùn)行Simulink模型，查看仿真結(jié)果，如圖6所示。

利用PreScan進(jìn)行虛擬測(cè)試，可以在未進(jìn)行實(shí)際場(chǎng)地測(cè)試之前對(duì)AEB進(jìn)行初步評(píng)價(jià)，以降低開發(fā)成本，為技術(shù)改進(jìn)提供參考。

6 結(jié)束語

本文以我國實(shí)際道路中真實(shí)的危險(xiǎn)工況作為數(shù)據(jù)來源，通過聚類分析方法處理危險(xiǎn)工況數(shù)據(jù)，得到了典型危險(xiǎn)工況場(chǎng)景，建立了用于行人AEB的測(cè)試場(chǎng)景，并使用PreScan模擬了測(cè)試過程。該測(cè)試場(chǎng)景作為AEB測(cè)試的重要組成部分，決定了AEB評(píng)價(jià)的準(zhǔn)確性。所研究設(shè)計(jì)的測(cè)試場(chǎng)景客觀真實(shí)，為AEB行人系統(tǒng)的測(cè)試提供了可靠的測(cè)試依據(jù)。

1Autonomous Emergency Braking-AEB.2013-7-2.

2MònicaòPla.Assessment methodologies for forward looking Integrated Pedestrian and further extension to Cyclists Safety.2013-7-2.

3Niew?hner W,Roth F,et al.Gwehenberger.Proposal for a Test Procedure of Assistance Systems regarding Preventive Pedestrian Protection.Proceedings of the 22nd International Technical Conference on the Enhanced Safety of Vehicles（ESV）,2011.

4Niew?hner W.ActiveTest D2.1 Final workshop summary. 2013-6-28.

5National Highway Traffic Safety Administration:Pre-Crash ScenarioTypologyforCrashAvoidanceResearch, Washington DC:NHTSA,2007.

6何曉群.多元統(tǒng)計(jì)分析.北京:中國人民大學(xué)出版社, 2012.

7謝中華.MATLAB統(tǒng)計(jì)分析與應(yīng)用：40個(gè)案例分析.北京:北京航空航天大學(xué)出版社,2010.

8吳堅(jiān).應(yīng)用概率統(tǒng)計(jì)（第2版）.北京:高等教育出版社, 2007.

（責(zé)任編輯文楫）

修改稿收到日期為2013年9月12日。

Research on Test Scenarios for AEB Pedestrian System

Liu Ying1,He Jinpeng1，2,Liu Weiguo2,Zhu Xichan1,Li Lin1,Jiang Lijun1
（1.Tongji University;2.Zhejiang Geely Automotive Research Co.,LTD）

To establish AEB(Autonomous Emergency Braking)pedestrian test scenarios suitable for the Chinese traffic conditions,we make reference of some world existing research results,collect some typical pedestrian dangerous cases in Shanghai,and screen out 52 risk cases of car-pedestrian conflicts,then analyze these cases with clustering analysis to obtain five typical categories of dangerous scenarios.According to these typical scenarios,we design test scenarios for AEB pedestrian system compatible with the traffic situations in China and establish corresponding PreScan simulation model.AEB system can be evaluated preliminarily with PreScan simulative test before field test,thus reducing development cost.

Autonomous emergency braking system,Pedestrian,Dangerous conditions,Test scenarios

自動(dòng)緊急制動(dòng)系統(tǒng)行人危險(xiǎn)工況測(cè)試場(chǎng)景

U467.5+2

：A

：1000-3703（2014）03-0035-05