基于駕駛模擬器的切入場景安全邊界研究

劉金周，石娟，張嘉芮，楊智博

基于駕駛模擬器的切入場景安全邊界研究

劉金周1，石娟2，張嘉芮2，楊智博3

（1.中國汽車技術研究中心有限公司，天津 300300；2.中汽研汽車檢驗中心（天津）有限公司，天津 300300；3.中汽認證中心有限公司，北京 100000）

為研究自動駕駛測試場景的安全邊界，文章以前車低速切入場景為例，采用駕駛模擬器進行測試。設置不同的本車速度、目標車速度和目標車的切入時刻。對駕駛員的碰撞結果用無碰撞風險、臨近碰撞、發生碰撞三種結果來表示。本車速度選取80 km/h、100 km/h、120 km/h三個速度點，目標交通車以設定的TTC在前方切入本車車道，TTC取值從0.8 s～3.5 s不等。測試選取10名駕駛員。對不同駕駛員的測試結果進行分析，結果表明相同本車速度下，所需安全間距與切入距離正相關并給出了具體的臨界安全值，本研究可為自動駕駛功能開發和測試評價指標的制定提供參考。

駕駛模擬器；駕駛行為；前車低速切入場景；安全邊界

引言

隨著自動駕駛技術的發展，自動駕駛功能逐步從AEB、FCW、ACC等L1、L2系統發展到高速道路上的L3、固定線路下的L4系統。安全性問題一直是不同等級自動駕駛最重要也是最受關注的問題。自動駕駛功能安全性評價主要是基于場景進行的，即根據不同自動駕駛功能的ODD（Opera- tional Design Domain，設計運行范圍）梳理出需要測試的場景列表后，再針對每種場景進行評價。而目前在每種場景的安全性指標、場景設計邊界等方面還沒有比較統一的標準。聯合國車輛法規協調論壇“自動駕駛與網聯汽車工作組”下設有“自動駕駛測試評估方法非正式工作組”，該工作組在駕駛行為方面開展重點研究。其研究思路如下：首先提出自然駕駛常見場景，之后針對單個場景進行駕駛行為分析，最終得出的研究結果可為自動駕駛功能的安全性測試規程制定提供指標，同時能夠為自動駕駛控制策略的設計提供參考。

自動駕駛汽車行駛環境復雜多變，傳統的安全性測試評價方法已經不能滿足其需求，需要基于場景進行多角度、全方面的測試評價[1]，國內外學者的研究重點也逐漸從技術突破轉移到功能測評，特別是安全性評價。夏芹等[2]將自動駕駛的靜態環境因素和動態交通場景進行層次分析，獲得自動駕駛的某個組合危險場景的復雜度，縮短實際道路所需的安全評價測試里程。韓大雙等[3]對大量事故數據進行宏觀統計，提取典型事故場景并建立自動駕駛特定場景下的安全評價模型。考慮到實車測試難以支持危險工況下實驗的局限性，以實際道路數據作為分析依據，利用虛擬仿真等手段開展安全測試成為一種有效的評價手段。多個國家和組織都建立了交通事故數據庫，包括美國的國家機動車事故抽樣系統數據庫[4]、日本的交通事故微觀調查數據庫[5]、歐盟道路安全實驗室的深度死亡事故數據庫和深度事故成因數據庫[6]、中國的國家車輛事故深度調查數據庫[7]以及德國公路研究中心建立的國際道路交通與事故數據庫[8]等。Zhao等[9]基于自然駕駛數據，分析了交通參與者的危險變道與切入駕駛行為，將危險行為特征頻次引入虛擬仿真環境中來實現自動駕駛汽車的加速測試。

歐洲“自動駕駛測試評估方法非正式工作組”下設的場景研究小組，提出對場景按照感知、決策和執行等過程展開駕駛行為建模。本文依托駕駛模擬器，對不同本車速度、不同目標車速和不同切入時刻下駕駛員能否避免碰撞來找出前車切入場景的安全邊界限值。

1 測試設備及測試方法

1.1 測試人員

共有12名駕駛員參與測試。其中2名駕駛員由于對設備不適應，出現眩暈（simulator sickness）的情況，測試數據存在極大的偏差而排除。有效數據包括10名（2名女性）駕駛人參與測試，年齡為23～34歲，平均年齡29歲，平均駕齡為3.5年。在實驗前告知測試過程中的注意事項，并讓其按照日常駕駛習慣自由駕駛，正式測試之前，用相同場景對所有駕駛員進行適應性訓練。

1.2 駕駛模擬器測試平臺

目前技術比較先進的國外主機廠，如奔馳、寶馬、沃爾沃等都將多自由度駕駛模擬器應用到了產品的開發過程中。國內車企如蔚來汽車也建立了動態駕駛模擬器。目前，主機廠的傳統應用方向主要在動力學模型、輪胎模型、轉向模型和制動模型的調試等方面。隨著自動駕駛技術的發展，駕駛模擬器越來越多的向人因方向的研究發展，如人機交互、駕駛行為研究、人機工程研究等方向。

作為自動駕駛領域補充實際道路測試的一種重要工具，駕駛模擬器在駕駛員特性、人機交互以及高危風險場景的研究中具有顯著優勢。愛荷華大學[10]使用2003年研發的NADS-I駕駛模擬器進行人機交互、碰撞事故的人為因素的研究。豐田公司[11]使用2008年研發的駕駛模擬器進行汽車主動安全技術、駕駛員行為模式的研究。同濟大學[12]使用駕駛模擬器開展駕駛員行為模式、車輛安全技術、道路交通設計等領域的研究。楊柳[13]利用駕駛模擬器進行駕駛員行為預測研究。周兵[14]利用駕駛模擬器采集城市十字路口工況下的駕駛員數據。駕駛模擬技術已經在汽車智能技術研發中日益受到重視。

常見的駕駛模擬器主要分兩種，一種是靜態駕駛模擬器，一種是動態駕駛模擬器。靜態駕駛模擬器一般是指沒有自由度的駕駛模擬器，即在車輛運行過程中沒有橫向、縱向和垂向等方向的運動。動態駕駛模擬器一般由實時計算系統、運動平臺、視景模擬及顯示系統及聲音模擬系統等組成。其特點是可以將真實駕駛員放置于測試環路中，并通過運動平臺將駕駛員在開車過程中的橫向、縱向和垂向的位移和旋轉、配合同步的視景畫面，反饋給駕駛員。因此可以基于此開展駕駛行為的測試和研究，特別是危險場景、超速場景等實際道路測試比較難采集到的場景。

本文采用的駕駛模擬器是動態駕駛模擬器，視景逼真效果好，運動平臺響應快。測試設備圖如下圖1所示，交通流的軌跡采用Carmaker軟件搭建，視景渲染采用rFpro軟件。

圖1 動態駕駛模擬器全景圖

1.3 測試用例設計

本次研究的場景聚焦于前車切入，調節參數為本車速度、前車速度與切入距離。駕駛員以不同本車速度駕駛車輛時，目標車以不同速度和切入距離切入，測試駕駛員能否避免碰撞的發生。設計測試用例如下表1。其中速度差指本車速度與前車速度之差。其中是指本車和目標車以現有速度行駛的情況下，距離碰撞發生的時間，其計算如式（1）：

注：指兩車距離，ego為本車縱向速度，cut為切入車輛速度縱向速度。

表1 測試用例設計表

本車速度/(km/h)相對速度/(km/h)切入距離設計參考TTC值/s 80100.8,1,1.5,2 20 30 40 100100.8,1,1.5,2 20 300.8,1,1.5,2,2.5,3,3.5 40 50 120100.8,1,1.5,2 20 30 400.8,1,1.5,2,2.5,3,3.5 50 60

1.4 試驗過程

測試人員到達試驗室后，首先對駕駛模擬器進行基本情況的了解，包括駕駛模擬器測試的基本原理、操作方法及危險狀況下的急停操作等。操作人員對試驗內容、試驗目的展開宣貫。在對設備和試驗流程熟悉后，測試人員進入模擬器駕駛艙進行試驗。

為了保證試驗數據的準確性，被試者首先自由駕駛20分鐘，之后在直線道路上自由行駛以此來對環境適應性訓練，在駕駛員完全熟悉測試環境和設備操作之后再進行具體項目的測試。

現場測試情況如圖2，為了保證測試結果的真實性，每條測試用例中放置多輛背景車輛，采用背景車輛與目標車輛混合的方式。背景車輛保持在既定車道穩定行駛，目標車輛以設定的速度和距離定參數切入，以模擬前車切入場景，駕駛員對相鄰車輛是否會切入沒有預判，目標車輛隨機切入到本車道。以此來保證駕駛員有較真實的駕駛行為特征。駕駛員按照規定速度行駛，當發現前方有相鄰車輛變道到本車道時，駕駛員通過剎車或轉向來避免碰撞的發生。最終通過監控兩車橫縱向距離以及現場畫面回放，來判斷是否發生碰撞。

圖2 切入場景測試示意圖

1.5 數據采集

試驗過程中記錄本車速度、交通車速度以及兩車距離分析在前車切入場景中，兩車的速度差、切入距離等因素對碰撞的影響。在分析過程中從3個等級來描述駕駛員發生碰撞的情況，包括發生碰撞、臨近碰撞和完全避免碰撞，其定義如下表2。

表2 不同碰撞等級賦值及含義

等級賦值含義 避免碰撞0前車切入后，本車與前車最近距離在1m以上 臨近碰撞1前車切入后，本車與前車最近距離在0～1m之間 碰撞2前車切入后，本車與前車最近距離為0m

2 測試結果

駕駛模擬器具有可重復性高、可模擬危險場景、具有極高的安全性和復現度等特性，對于進行危險場景研究彌補實際道路測試的不足具有重要意義，本文利用駕駛模擬器對前車切入場景進行詳細駕駛行為分析。下面分別將速度差和本車速度設置為控制變量，分析碰撞風險變化。將10名駕駛員測試結果進行統計，并將測試結果求平均值，針對不同本車速度繪制如圖3到圖5所示。從圖中可得，在前車切入場景中，在本車相同速度下所需的安全距離與速度差正相關，同時可從圖中得到不同速度差下發生臨界碰撞的距離。

圖3是在本車速度80 km/h時，不同速度差下，前車切入距離與碰撞風險的關系圖。從圖中可得當前車以為0.8 s對應的切入距離下實施切入，本車基本上均不能避免碰撞，而在為2 s對應的切入距離下，均能避免碰撞的發生。本車與前車速度差為10 km/h、20 km/h、30 km/h、40 km/h對應的臨界安全切入距離分別為3.6 m、7.7 m、12.5 m、16.6 m。

圖3 本車車速80 km/h，碰撞風險圖

圖4、圖5為100 km/h、120 km/h時，不同速度差下，切入距離與碰撞風險的關系圖。由于速度差較大的情況下，需要更大的安全間距，因此在速度差較大時切入距離按照為0.8 s、1 s、1.5 s、2 s、2.5 s、3 s、3.5 s計算。表3給出本車速度為80 km/h、100 km/h和120 km/h是對應的臨界安全切入距離。

圖4 本車車速100 km/h，碰撞風險圖

圖5 本車車速120 km/h，碰撞風險圖

3 總結

本文基于駕駛模擬器對前車低速切入場景開展研究，分析在不同的車速、前后車速度差以及不同切入距離下，駕駛員能否避免碰撞的發生。本次實驗人員共10人，遵循隨機切入、混合交通、接近自然駕駛的原則進行場景設置以保證實驗結果的可信度。從3個等級來描述駕駛員發生碰撞的情況，包括發生碰撞、臨近碰撞和完全避免碰撞并進行賦值量化，之后將10名測試人員的結果求平均值，進而得到自動駕駛測試場景的安全邊界。設置80 km/h、100 km/h、120 km/h三種高速車速，本車與目標車的速度差根據實際情況發生的可能性，設計不同速度差，包括10 km/h、20 km/h、30 km/h、40 km/h、50 km/h、60 km/h等，并根據本車速度和相關速度的大小設置了0.8 s、1 s、1.5 s、2 s、2.5 s、3 s以及3.5 s七種不同的對應的切入距離。

表3 不同本車速度和相對速度下的臨界安全切入間距

本車速度/(km/h)相對速度/(km/h)臨界安全切入距離/m 80103.6 207.7 3012.5 4016.6 100104.5 207.8 3010.9 4019.5 5024.3 120104 206.2 3013.2 4016.7 5022.7 6031.8

研究發現，一定速度下，所需安全切入距離（即對應的）與相對速度正相關，這與駕駛員的制動距離、轉向所需時間、駕駛員反應時間等相關。之后給出了不同相對速度下對應的臨界安全切入距離，可為自動駕駛控制算法的開發和測試評價規程的制定提供參考。本文基于駕駛模擬器對切入場景的研究方法同樣適用于其他測試場景。

[1] 朱冰,張培興,趙健,等.基于場景的自動駕駛汽車虛擬測試研究進展[J].中國公路學報,2019,32(6):1-19.

[2] 夏芹,陳濤,李藝,等.自動駕駛車輛安全性測試評價方法[C]//中國汽車工程學會, 2016.

[3] 韓大雙,馬志雄,朱西產,等.用于自動駕駛汽車的汽車-騎車人事故場景分析[J].汽車安全與節能學報,2020,11(2): 220-226.

[4] SCANLON J M, SHERONYT R, GABLER H C. Earliest sensor detection opportunity for left turn across path opposite direction crashes[J].IEEE Transactions on Intelligent Vehicles,2017,2(1): 62- 70.

[5] HITOSUGI M,TOKUDOME S,Injury severity of occupants in lateral collisions in standard and small vehicles:analysis of ITARDA’s in-depth investigation data[J].International Journal of Crashworthin- ess,2011,16(6):657-663.

[6] VIVO G,DALMASSO P,VERNACCHIA F.The European integrated project SAFESPOT——how ADAS applications co-operate for the driving safety[C]//IEEE.2007 IEEE Intelligent Transportation Syste- ms Conference.New York:IEEE,2007:624-629.

[7] 曹毅,周華,肖凌云,等.基于NAIS數據庫中視頻信息的人-車碰撞事故特征分析[J].汽車安全與節能學報,2020,11(1):44-52.

[8] International Transport Forum. Road Safety Annual Report 2018[R]. Pairs: OECD Publishing,2018.

[9] ZHAO D,LAM H,PENG H,ET AL.Accelerated evaluation of auto- mated vehicles safety in lane-change scenarios based on importance sampling techniques[J].IEEE Transactions on Intelligent Transpor- tation Systems,2017,18(3):595-607.

[10] UTC.National Advanced Driving Simulator Measures Driver Interactions with Automated Driving System[A/OL]. (2017-05-31) [2020-0630].

[11] 田順,谷亞蒙,魏朗,等.駕駛模擬器的發展歷程及最新應用實例[J].汽車技術,2018 (4):35-42.

[12] 陳豐,彭浩榮,馬小翔,等.側風作用下貨車駕駛員反應行為模型[J].同濟大學學報(自然科學版),2020,48(5):702-709.

[13] 楊柳.基于腦電數據分析的駕駛行為研究[D].北京:北京交通大學,2019.

[14] 周兵,潘倩兮,付沛沛.基于BP 神經網絡的十字路口擬人化駕駛決策模型[C]//第十六屆國際汽車交通安全學術會議.長沙: INF- ATS,2019:189-196.

Safety Boundary Study of Cut-in Scenario Based on Driving Simulator

LIU Jinzhou1, SHI Juan2, ZHANG Jiarui2, YANG Zhibo3

( 1.China Automotive Technology and Research Center Co., Ltd., Tianjin 300300; 2.CATARC Automotive Test Center(Tianjin) Co., Ltd., 300300; 3.China Certification Center for Automotive Products Co., Ltd., Beijing 100000 )

In order to study the safety boundary of the automatic driving test scenario, this paper takes the cut-in scenario as an example and uses the driving simulator to conduct the test. Set different vehicle speed, target vehicle speed and target vehicle cut-in timing. The collision results for the driver are represented by three kinds of results: no collision risk, near collision and occurrence collision. The speed of the vehicle is selected at three speed points: 80 km/h, 100 km/h and 120 km/h. The target vehicle cut into the ego vehicle lane ahead according to the set TTC, with TTC value ranging from 0.8s to 3.5s. Ten drivers were selected for the test. The test results of different drivers are analyzed, and the results show that at the same vehicle speed, the required safe distance is positively correlated with the cut distance, and the specific critical safety value is given. This study can provide a reference for the development of autonomous driving functions and the formulation of test and evaluation indexes.

Driving simulator;Driving behavior;Cut-in scenario; Safety boundary

A

1671-7988(2021)22-12-05

U495

A

1671-7988(2021)22-12-05

CLC NO.: U495

劉金周（1988—），男，研究生，工程師，就職于中國汽車技術研究中心有限公司，研究方向：智能網聯汽車政策研究。

省級項目：智能網聯汽車關鍵測試評價技術研究（編號：20YDLYGX00180）。

10.16638/j.cnki.1671-7988.2021.022.004