自動緊急制動系統行人測試場景的研究

劉穎 賀錦鵬, 劉衛國 朱西產 李霖 江麗君

（1.同濟大學；2.吉利汽車研究院有限公司）

自動緊急制動系統行人測試場景的研究

劉穎1賀錦鵬1,2劉衛國2朱西產1李霖1江麗君1

（1.同濟大學；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行人測試場景，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計學方法對這些樣本進行分析，得到了5類具有典型特征的危險場景；根據這些典型危險場景設計了兼容我國交通工況的AEB行人測試場景，并建立相應的PreScan仿真模型。通過PreScan仿真測試可在未進行實際場地測試前對AEB系統進行初步評價，進而降低開發成本。

1 前言

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

AEB的場地測試能夠以較少的成本在短時間內集中復現真實道路中的典型危險工況，以驗證和評價AEB系統的有效性。目前一些機構已經開始進行AEB行人測試場景的研究[2]，但是，由于各國和地區的駕駛環境以及駕駛員的駕駛習慣存在差異，國外的測試場景并不能完全適用于我國，為此，根據在我國典型道路上采集的危險工況，通過聚類分析法設計了適合我國交通工況的AEB行人測試場景。

2 現有行人測試場景研究

目前，歐洲的vFSS（Advanced Forward-Looking Safety Systems）項目通過對GIDAS（German In-Depth Accident Study）、UDV（German Insurers Accident Research）、AZT（Allianz Technology Center）和DEKRA（Deutscher Kraftfahrzeug überwachung-sverein）事故數據庫的研究設計了4個AEB行人測試場景，場景參數如表1所列[3]；AEB Group將英國的兩個事故數據庫STATS19（National Accident Database）和OTS（In-depth On-the-spot Study）分別進行聚類分析，得到了類似的聚類結果，并據此設計了AEB行人測試場景，場景參數如表2所列[4]。

表1 vFSS測試場景參數

表2 AEB Group測試場景參數

上述測試場景僅根據歐洲國家的事故數據庫分析得到，僅代表當地的典型危險工況，而且事故重建過程也會引入較大誤差，所以各測試場景定義方式各不相同，運動學參數存在較大差異。但是它們都包括了測試車輛速度、行人運動方式和駕駛員視野是否被遮擋等關鍵參數。

3 危險工況的數據采集和篩選

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

4 危險工況聚類分析

4.1 參數選取

通過分析行駛記錄儀采集到的行人危險工況樣本的錄像信息和車輛運動學數據，可得到大量的相關參數，由于這些參數中有些不會對駕駛員行為或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行人測試場景參數，初步確定聚類分析參數的選取范圍包括環境參數、測試車輛參數和行人參數。環境參數指天氣、照明情況、交通狀況、道路形狀等；測試車輛參數指車的運動情況、視野是否有遮擋、遮擋類型、遮擋位置、危險起始點和結束點的時間、測試車輛速度、測試車輛與行人的距離等；行人參數指行人的運動情況、速度和類型。

經初步統計后每個樣本都被抽象為各參數不同變量值的組合，各變量樣本數量的統計分布如圖2所示。經分析，其中的一些參數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個參數中同一個變量（晴、走、成人）的分布占樣本總數的85%以上，差異性不明顯，所以不用于聚類分析，但是在設計更具體的測試場景時可以作為參考。由于圖2a中“交通狀況”的“正常”樣本比例較高，在測試時較難模擬測試車輛周圍其它車輛的運動狀態，而且需要的設備較多，成本高，因此不適合選作測試參數。

此外，相似或細化的參數只為場景的設計提供借鑒，不作為主要參數用于聚類分析，如“道路形狀”與“測試車輛運動情況”存在關聯性，若同時用于聚類分析會增加權重，因“測試車輛運動情況”對危險有更本質的影響，所以選作聚類分析使用的參數；遮擋物類型和遮擋位置是針對駕駛員視野被遮擋的樣本，是對駕駛員視野有遮擋樣本的更具體的統計，可用于駕駛員視野被遮擋的場景中遮擋物的選擇和擺放位置的設計。

從初步確定的參數中去掉不適合進行聚類分析的參數，最終確定用于聚類分析的參數包括照明情況、測試車輛運動情況、駕駛員視野是否有遮擋、行人運動情況（圖2b）、危險起始點時測試車輛速度、測試車輛與行人的距離等。

4.2 聚類分析

采用系統聚類法統計危險工況能使同一類中對象之間的相似性比與其它類對象的相似性更強，大大降低了主觀意識對類別的影響，而且可重復性強。首先，將n個樣本看成n類（一類包含1個樣本），然后將距離最接近的兩類合并成一個新類，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量為止[6]。

聚類過程中距離的計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個層級。

a.變量之間距離的計算。聚類分析中參數的類型主要有3種[7]，見表3。由表3可知，不同類型參數的變量之間距離的計算略有不同：對于間隔尺度與有序尺度參數，變量之間的距離是差值的絕對值，如表3中“照明情況”的“好”與“不好”之間的距離為1，“危險起始點測試車輛速度”中變量“24”與“75”之間的距離為0.6；對于名義尺度參數，不同變量之間的距離為定值，相同變量之間的距離為0，如“行人運動情況”中變量“沿馬路走”與“左側過馬路”之間的距離為1。

表3 參數類型及其說明

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

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

利用MATLAB軟件對統計數據進行聚類分析，最終得到的聚類分析樣本數量分布結果如表4所列。其中，前4類工況總數為50，占所有工況的96%。表4中深色區域表示經卡方檢驗（90%確信度[8]）某類別樣本數量分布與總體樣本數量分布偏差較大的變量。圖3和圖4為各類別中危險起始點測試車輛速度及測試車輛與行人距離的分布情況。

表4 聚類分析樣本數量分布

4.3 結果分析

從圖2可看出，大部分危險工況發生在“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”，與正常情況下實際道路交通情況基本類似，說明“雨天”、“兒童”或“行人運動速度較快”在實際道路中引起危險的可能性不是很大，但有可能引起較為嚴重的危險。此外，照明情況“好”和“不好”的樣本各占1/2，而實際中照明良好情況下行車次數較多，所以照明情況不好時危險發生頻率偏高。危險工況中“轉彎”時發生危險的樣本不多，因此轉彎不是危險發生的主要原因。危險發生前行人“被遮擋”的比例達到1/4，說明駕駛員視野被遮擋會引起危險，進一步的統計分析顯示，69%的遮擋物位于左前方或右前方，正前方遮擋物引起危險的情況較少；63%的遮擋物是小型車輛。行人“過馬路”比“沿機動車道行走”更容易導致危險，而且從左側或右側過馬路引起危險的概率基本相同。

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

5 測試場景設計和仿真

根據上述實際道路危險工況樣本和聚類分析結果，設計了4類用于行人AEB的測試場景，由于最后一類聚類結果所占比例較少，所以不作為測試場景。

測試場景設計參數如表5所列。其中，照明條件、測試車輛運動、駕駛員視野是否被遮擋和行人運動等參數依照聚類結果設計；根據分析階段遮擋物類型和位置的分布，測試場景3中的遮擋物主要為小型乘用車；測試車輛速度是將聚類結果中差異較大的測試車輛速度去除并作適當圓整得到；測試車輛與行人距離是將聚類結果中差異較大的距離去除后剩余樣本的均值；參考國外的研究結果，行人速度定為5.4 km/h。

PreScan是荷蘭TNO公司開發的一款為汽車智能系統提供設計、驗證和評價環境的仿真軟件，利用PreScan可以快速建立場景（自然環境，交通環境）、添加傳感器、定義車輛運動學和動力學模型等，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 測試場景設計參數

本研究利用PreScan模擬AEB測試的建模過程主要包括以下4個步驟。

a.在GUI（Graphical User Interface）界面中設置光照、環境溫度、能見度等環境參數；從元素庫中選取適當的道路、車輛和行人并設置參數。

b.定義測試車輛和行人的運動。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。利用車輛參數輸出模塊和傳感器參數輸出模塊的數據，在跟隨模塊和系統動力學模塊中間加入AEB控制模塊，即可在測試車輛中加入AEB的功能，如圖5所示。

d.運行Simulink模型，查看仿真結果，如圖6所示。

利用PreScan進行虛擬測試，可以在未進行實際場地測試之前對AEB進行初步評價，以降低開發成本，為技術改進提供參考。

6 結束語

本文以我國實際道路中真實的危險工況作為數據來源，通過聚類分析方法處理危險工況數據，得到了典型危險工況場景，建立了用于行人AEB的測試場景，并使用PreScan模擬了測試過程。該測試場景作為AEB測試的重要組成部分，決定了AEB評價的準確性。所研究設計的測試場景客觀真實，為AEB行人系統的測試提供了可靠的測試依據。

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.多元統計分析.北京:中國人民大學出版社, 2012.

7謝中華.MATLAB統計分析與應用：40個案例分析.北京:北京航空航天大學出版社,2010.

8吳堅.應用概率統計（第2版）.北京:高等教育出版社, 2007.

（責任編輯文楫）

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

自動緊急制動系統行人危險工況測試場景

U467.5+2

：A

：1000-3703（2014）03-0035-05