基于場地測試的商用車移動信息系統性能測試及評價方法

中圖分類號：U467.1+4；U461.9 文獻標志碼：A DOI： 10.20104/j.cnki.1674-6546. 20240415

【Abstract】In order to enhance the testingand evaluation of systematicnessand comprehensivenessof MovingOff Information System （MOIS）forcommercial vehicles，thepaperanalyzes the evaluationrequirementsof commercial vehicle MOIS，clarifies theworking principleof MOIS，andproposes specific testingandevaluationplansandimprovement measures. Commercial vehicles withthesame MOIS perceptionandrecognitionschemebut diferent sizes areusedas testsamples，the alarmtriggeringandending timing，alarmduration，etc.ofMOISareevaluatedndanalyzedfordifferenttargetojects，blind spot positions，and biasrates.Theresultsshowthatthesame schemeof MOIS instaledoncommercialvehiclesof different sizes can meetregulatoryrequirements，andthemonitoring efectof thesystemontheforwardblindspotshowsatrendofright sidegt;leftsidegt;midle.Moreover，whenthevehiclemovestogetherwiththelongitudinaltargetobjectinfront，thelargervehicle has better blind spot monitoring effect.

Keywords： Commercial vehicles，Moving Off Information System （MOIS），Test evaluation

1前言

據統計，約 3 5 % 的商用車事故與視覺盲區有關。商用車移動信息系統（MovingOffInformationSystem，MOIS）是商用車盲區監測系統之一，合格的MOIS能夠及時檢測到車輛前方近距離盲區范圍內的行人和騎行者，并在檢測到潛在碰撞風險時向駕駛員提供視覺和/或聽覺警告，幫助減少或避免交通事故的發生，提高道路交通安全性。

目前，在商用車移動信息系統的研發與測評方面，已有相關理論研究和實踐案例。在標準法規解讀方面：文獻[2]和文獻[3]對UNR151中關于機動車的自行車盲區監測系統認證作了解讀，分析了商用車側向盲區的相關規定和認證要求，但商用車的前向盲區在盲區監測系統中同樣重要；文獻[4]介紹了目前商用車盲區監測系統的主流標準和法規，并將UNR159與GB/T39265—2020、UNR151進行了對比研究，為商用車盲區監測相關標準體系的建立提供了理論參考，但在實際測試評價方面未作說明。在系統研發設計方面，文獻[5]分別從商用車盲區監測系統的設計開發、監測實現以及行人檢測等方面開展了研究，在盲區信息分析、毫米波雷達測距方面和行人目標物識別等特定場景下具有一定的參考價值，但系統的盲區覆蓋率較小，監測設備和技術還有待更新，目標物及場景也不夠全面。文獻[6]對商用車盲區監測系統的算法和預警感知模式進行了較為系統的分析，為產品更新升級提供了技術參考。在測試評價方面，文獻[7]、文獻[8]針對車輛自動緊急 制動（Autonomous Emergency Braking，AEB）系統提供了具體的測試方法及指標評價分析，并在不同光照和偏置率的碰撞場景下對車輛AEB系統進行了測試和評價。MOIS是監測和預警類系統，區別于AEB系統的預警及制動，測試方法上仍存在較大區別。

商用車MOIS需要適應新的技術趨勢，在與其他高級駕駛輔助系統（AdvancedDrivingAssistanceSystem，ADAS）功能集成，以滿足盲區監測需求的同時，通過優化升級為交通擁堵輔助自動駕駛（TrafficJamPilot，TJP）等功能，為實現更高層次的智能駕駛輔助提供研發和測試基礎。此外，商用車進入海外市場時，必須遵守目標國家或地區的法規標準，并滿足當地的產品準入要求。

然而，MOIS測評還存在許多難點：首先是需要空曠且平整度很高的專業測試場地，專業的測試設備和重復性標定試驗也導致了更高的測試成本；其次是測試方法和評價體系不健全，缺乏統一的行業標準，導致不同測試機構和制造商之間的測試結果難以直接比較]。此外，現有的測試方案可能無法完全覆蓋迭代功能的要求。

因此，本文從商用車移動信息系統及其工作原理、測評方法、測評案例結果分析等方面，對商用車MOIS測評體系進行補充和完善。

2 MOIS測試評價方法

2.1 測試條件與場景

2.1.1 測試條件

常規測試條件要求路面平整且干燥，環境溫度需控制在 ，風速應不影響設備性能，光照強度至少 ，同時，車輛載荷應根據制造商數據設定，且在測試期間不得更改。MOIS的靈敏度應設置為最低，此外，制造商需提供文件證明MOIS在任何載荷條件下均能穩定運行并完成故障和信號驗證試驗。

根據UNR159的要求，MOIS的認證測試場景應該包括靜態穿行測試、車輛靜止時自行車縱向移動測試以及車輛和自行車同時縱向移動測試3種場景，且UNR159定義了明確的測試方法，包括對區域范圍的要求，以及對移動速度的要求等，MOIS功能須滿足測試要求。

2.1.2 靜態穿行測試

測試車輛在靜止狀態下掛前進擋，弱勢交通參與者（VulnerableRoadUser，VRU）垂直于測試車輛縱向中心平面移動，在距離測試車輛近端/遠端分離面 1 5 m 前達到目標速度 3～5 k m / h ，然后勻速穿行到對側 5 m 外。

要求VRU在到達最晚信息觸發點（VRU行駛軌跡與近端/遠端分離面交點）前啟動MOIS信號，并在最大和最小前向分離面以及近端和遠端分離面所包圍的區域內，該信息信號一直保持，不啟動碰撞警告信號，參數設置如圖1所示。根據R159的要求，圖中樣車為右舵商用車，本文測試樣車均為左舵車輛，靜態穿行測試時近端分離面位于駕駛員側，即樣車左側。

2.1.3 測試車輛靜止時自行車縱向移動測試

車輛進人停車通道前加速到指定速度，然后減速使車頭處于停車平面處，如圖2所示，此時車輛不再處于前進擋位。圖2中， 為可變距離，以確保車輛與目標物的距離不少于 為最晚信息觸發點與停車平面的距離， 為車輛最大前向分離面與停車平面的距離， 為車輛寬度的1/2。VRU起初在 位置靜止，測試車輛就位后，VRU開始在 5 m 內由靜止直線加速到 ，然后減速，橫向偏差不應超過 。

要求MOIS信號在車輛到達最晚信息觸發點前被激活，且信號一直保持到VRU至少越過最大前向分離面，碰撞警告信號可根據情況啟動。

2.1.4縱向同時移動測試

車輛進人停車通道前加速到指定速度，然后減速使車頭處于停車平面處，待測試車輛停車后，經過不少于10s的延遲，測試車輛和VRU同時在 5 m 內從靜止加速到 ，然后保持勻速行駛（車輛前部與和VRU尾部之間的距離始終保持在1 0 0～1 1 0 m m ），直到車輛從停車平面處開始的行駛距離不少于 1 5 m 。

要求車輛到達最晚信息觸發點前激活MOIS信號，且在試驗過程中一直保持，過程中若滿足碰撞預警信號觸發閾值，則可發出碰撞預警信號

2.2測試車輛參數及系統信息

本文選取2款來自同一制造商的城市客車，分別為樣車A1（整車外廓尺寸為 6 9 7 0 m m×2 1 1 0 m m× ）、樣車A2（整車外廓尺寸為 1 1 9 7 0 m m× 2 5 5 0 m m×3 6 3 5 m m） ，如圖3所示。2款樣車所裝備的MOIS均采用攝像頭 + 毫米波雷達信息融合感知方案，系統感知傳感器安裝位置（基于自車）相同，攝像頭均安裝于前風窗玻璃中間頂部位置、毫米波雷達均位于前進氣格柵中部。

2.3 測試關鍵設備

2.3.1 測試場景

本文選取標準成人自行車、成人假人及兒童假人3種目標物，如圖4所示，針對縱向及前向2個移動盲區，在靜止及移動等多個場景下對2款商用車移動信息系統進行綜合性能測試。

目前，商用車在城市公共道路上通行時，與其混行的弱勢交通參與者是騎自行車或電動車的成人，而步行的成人或者兒童與商用車交匯的場景多為城市斑馬線上的橫向穿行場景。因此，本文在布局測試場景時，當目標物為騎行者時，測試場景包括前向靜態橫穿、車輛靜止時自行車縱向移動、車輛與自行車同時縱向移動；當目標物為成人假人及兒童假人時，測試場景為前向靜態橫穿。詳細測試場景及測試矩陣如表1所示。

2.3.2 關鍵測試設備

在移動信息系統關鍵測試設備中，負責控制車輛轉向盤、油門踏板及制動踏板操作的設備為轉向控制機器人和制動油門組合控制機器人。轉向控制機器人能實現測試車輛行駛路徑的精準控制，保證測試車輛按設定的偏置率進行試驗；制動油門組合控制機器人能保證測試車輛速度的穩定，避免傳統人工駕駛帶來的重復性差的問題，保證測試結果的一致性。此外，測試過程中IMC聲光數據采集系統負責采集聲光信號并處理成數字信號。將上述設備集成于控制箱統一進行數據采集、分析并發送指令。關鍵測試設備如圖5所示。

圖5關鍵測試設備

3測試評價結果與分析

3.1靜態穿行測試

根據表1所述的測試矩陣要求，在白天天氣狀態良好、滿足照度及溫濕度等試驗要求的環境下，基于3種不同的目標物（兒童、成人、自行車），依次進行2個不同方向（遠端、近端）的對比測試，如圖6所示。

測試結果數據由兩車通信系統采集的相對橫向距離（RelativeLateralDistance）及IMC聲光數據采集系統采集的報警光信號組成，報警光信號由0跳變至1時刻的相對橫向距離即為報警觸發距離。

以遠端自行車穿行測試結果為例，機器人控制器（RobotController，RC）顯示測試車輛A1、A2的報警觸發距離分別為 0 . 9 3 m ， 0 . 8 1 m ，如圖7所示。

由圖7可知，兩款測試車輛的移動信息系統均能在VRU到達最晚信息觸發點（ 前發出報警信號，且報警能夠持續到車輛穿過對向分離面，符合法規要求。各測試用例3次測試的報警觸發距離平均值如圖8所示。

由圖8可知，對于兩款商用車前向盲區，兒童和成人穿行時觸發移動信息系統報警的距離差距較小，但自行車穿行時觸發報警距離均明顯更短，表明此系統對自行車的監測效果不如成人及兒童。

通常，自行車相較于行人，尤其是兒童，具有目標體積高大的優勢，易于識別。然而，為了更貼近實際交通場景，測試場景中自行車的穿行速度明顯高于行人，在系統感知識別算法策略和響應時間相同的條件下，速度高的自行車會穿行更長的距離。因此，自行車穿行時報警觸發距離更短。

根據測試矩陣，在靜態橫向穿行測試中，目標分別從2個不同位置盲區（近端、遠端）穿行，其中近端為駕駛員側，遠端為乘員側。由圖8可知，以目標物為兒童為例，車輛近端盲區反饋明顯優于遠端，表明此系統在開發過程中，考慮到車輛靠右側行駛，意味著駕駛員在觀察和操作時，會更頻繁地關注左側的交通情況。因此，優先監測駕駛員側的盲區有助于適應駕駛員的駕駛習慣，提高監測的實用性和有效性。

3.2測試車輛靜止時自行車縱向移動測試

根據表1所述的測試矩陣要求，基于3個不同的盲區位置（左側、中間、右側），依次進行2個不同分離面（近側、遠側）的對比測試。

測試結果數據由相對縱向距離及報警光信號組成，光信號開始及結束時的相對縱向距離即為報警觸發距離與報警結束距離，兩者差值為報警持續距離，具體結果如圖9所示。兩款測試車輛的移動信息系統均能在車輛到達最晚信息觸發點對應的停車平面前激活信號，且能持續到自行車至少越過車輛最大前向分離面，符合法規要求。測試結果平均值匯總如圖10所示，報警持續距離對比如圖11所示。

車輛靜止時自行車縱向移動測試結果表明，相較于中間盲區，左、右兩側盲區的報警觸發時機更早，報警持續距離也更長，感知識別及監測效果也更好。同時，測試結果表明，車輛靜止時，對于前向縱向移動的目標物，即使車輛尺寸相差較大，盲區識別與監測效果也基本不受影響。

根據對評價指標及結果的分析，樣車均出現中間盲區結果劣于兩側的情況，而且在本次試驗中，中間盲區的測試結果數據趨近臨界值。雖然滿足法規要求，但是中間盲區仍然應該作為系統開發標定時首要保障的區域，同時，由于駕駛員側盲區距離駕駛員較近，VRU穿越盲區的時間較短，而中間及乘員側盲區距離駕駛員較遠且盲區時間較長，建議對現有測評通過要求進行細化，通過提高乘員側及中間盲區的指標要求，使中間及乘員側盲區遇到行人及自行車時能夠更早地提醒駕駛員作出反應，進一步減少交通事故的發生。

3.3 縱向同時移動測試

與3.2節類似，縱向同時移動測試中各測試用例3次測試結果的平均值匯總如圖12所示，兩輛樣車報警持續距離對比情況如圖13所示。

測試結果表明，兩款測試車輛的移動信息系統均能在車輛到達最晚信息觸發點對應的停車平面前激活信號，且該信息一直存在，直到車輛通過停車平面前方 1 5 m 處，符合法規要求。

由圖13可知，對于商用車前向盲區縱向動態測試，左、右兩側盲區的系統監測效果優于中間盲區，且右側盲區監測效果優于左側盲區，與實際駕駛過程中駕駛員視野范圍大小（中間 gt; 左側gt;右側）呈現關聯性，也與系統監測算法和控制策略對盲區保障的優先順序相吻合。

同時，結果中車輛A2的報警觸發距離均優于車輛A1，表明采用相同的商用車移動信息系統條件下，當車輛與前方縱向目標物共同移動時，尺寸較大的車輛因其雷達與攝像頭位置更高、探測范圍更廣等原因，盲區識別與監測效果更好。基于此，整車制造商及系統供應商在為商用車提供MOIS解決方案時，應將車輛的尺寸作為考量的因素之一，尤其是針對超長但高度未同步增加的車型，更應注重傳感器的匹配和安裝位置，在優化識別算法的同時，必要時可適當增加傳感器的數量，以達到更好的盲區監測效果。

4結束語

本文通過對商用車移動信息系統測評需求及難點等進行分析，總結了其工作原理、測試設備及測試評價方法，提出以移動信息系統對不同位置、不同目標物的報警觸發及結束時機、報警持續距離等作為評價指標，得出以下結論：

a.在移動信息系統硬件、感知識別策略算法、現場試驗條件均相同的情況下，其搭載在不同尺寸的商用車上，均可滿足法規要求；

b.系統監測反饋效果整體呈現右側 gt; 左側gt;中間的趨勢，而且當車輛與前方縱向目標物共同移動時，尺寸較大的車輛盲區識別與監測效果更好。

本文試驗車輛搭載的MOIS方案相同，且測試用例只考慮到了白天光照條件較好的測試場景，為了更好地體現測試對MOIS性能考核的全面性，后續可對多車型進行測試評價，形成MOIS性能測評庫，并在測試用例中增加黃昏及夜晚的相關場景。MOIS的測試方案和評價體系尚未完全成熟，缺乏統一的行業標準和規范，尤其是在具體測試方法、評價指標和測試流程方面可能存在差異，導致不同測試機構和制造商之間的測試結果難以直接比較，后續可通過制定相關行業及團體標準進行完善。

參考文獻

[1]陳哲多，何宇桐.分心駕駛事故場景研究[J].汽車技術， 2023（6）：42-48. CHEN Z D，HE Y T. Research on Distracted Driving Accident Scenarios[J]. Automobile Technology，2023（6）： 42-48.

[2]劉名洋，鄒志亮，周建華，等.UNR151法規《關于機動車 的自行車盲區監測系統認證的統一規定》簡析[J].中國 汽車，2024（7）：3-7. LIUMY，ZOUZL，ZHOUJH，etal.ABriefAnalysisof UNR151Regulation“UnifiedProvisionsonthe Certification of Bicycle Blind Spot MonitoringSystems for MotorVehicles\"[J].ChinaAutomotive，2024（7）：3-7.

[3]蘇泊權.《商用車盲區監測系統》（UNR151）解析[J].質 量與標準化，2024（2）：58-61. SUBQ.Analysisofthe CommercialVehicleBlind Spot MonitoringSystem（UNR151）[J].Qualityand Standardization，2024（2）：58-61.

[4] 孫圣瑾，劉文彬，馬文博.UNR159與GB/T39265-2020、 UNR151標準的對比研究[J].專用汽車，2024（2）：56-65. SUNSJ，LIUWB，MAWB.ComparativeStudyofUN R159with GB/T 39265-202O and UN R151 Standards[J]. SpecialPurposeVehicle，2024（2）：56-65.

[5]黃練偉.基于毫米波雷達的商用車盲區信息系統設計 [J].汽車零部件，2024（3）：1-4. HUANG LW.Design of Blind Spot Information System for Commercial VehiclesBased on MillimeterWave Radar[J]. Automobile Parts，2024（3）：1-4.

[6]賀鵬麟，陳志芳，王暢.自卸車右轉盲區風險目標動態檢 測算法研究[J].汽車工程師，2024（8）：36-41. HE PL，CHEN ZF，WANG C. Research on Dynamic Detection Algorithm forRisk Targets in Right Turn Blind Spots of Dump Trucks[J]. Automotive Engineer，2024（8）： 36-41.

[7] 蘇占領，牛成勇，徐建勛，等.基于行人橫穿場景的AEB 系統性能測試與評價研究[J].遼寧工業大學學報（自然 科學版），2022，42（4）：218-222. SU ZL， NIU CY，XU JX，et al. Research on Performance Testing and Evaluation of AEB System Based on Pedestrian Crossing Scene[J]. Journal of Liaoning Universityof Technology （Natural Science Edition），2022，42（4）： 218- 222.

[8] 牛成勇，吳昆倫，周祥祥，等.不同光照不同偏置率碰撞 場景的AEB系統測試與評價[J].汽車安全與節能學報， 2022，13（2）： 269-275. NIU C Y，WU K L，ZHOU X X，et al.Testing and Evaluation of AEB Systems in Collision Scenarios with DifferentIllumination and Bias Rates[J]. Journalof Automotive Safety and Energy，2022，13（2）： 269-275.

[9] 高登，王志仁，王瑞，等.基于AI的貨車盲區自動監測報 警系統[J].汽車文摘，2023（7）：46-49. GAO D，WANG Z R，WANG R，et al.Automatic Monitoring and Alarm System for Truck Blind Spots Based on AI[J]. Automotive Digest，2023（7）： 46-49.

[10]王潮，周夢，丁寅凡，等.視覺拐彎：轉角視野盲區無線感 知監測算法[J].西安電子科技大學學報，2023，50（2）： 197-204. WANG C， ZHOU M， DINGYF. Visual Turning：Wireless Perception MonitoringAlgorithm for Blind Spot in Corner Field of View[J]. Journal of Xidian University，2023，50（2）： 197-204.

（責任編輯斛畔） 修改稿收到日期為2024年12月16日。