基于行車安全場(chǎng)理論的預(yù)期功能安全場(chǎng)景風(fēng)險(xiǎn)評(píng)估*

陳 浩，王 紅，李維漢，白先旭，陳 炯，李楚照，5，石 琴，孫 駿

（1.合肥工業(yè)大學(xué)，安徽省智慧交通車路協(xié)同工程研究中心，合肥 230009；2.合肥工業(yè)大學(xué)汽車與交通工程學(xué)院，車輛工程系自適應(yīng)結(jié)構(gòu)與智能系統(tǒng)實(shí)驗(yàn)室，合肥 230009；3.清華大學(xué)車輛與運(yùn)載學(xué)院，北京 100084；4.上海蔚來汽車有限公司，上海 201804；5.中國汽車工程研究院股份有限公司汽車噪聲振動(dòng)和安全技術(shù)國家重點(diǎn)實(shí)驗(yàn)室，重慶 401122）

前言

自動(dòng)駕駛技術(shù)給汽車安全提出了諸多挑戰(zhàn)，研發(fā)人員無法做到讓自動(dòng)駕駛車輛在任何情況下都能保障自車及周圍行人的安全。2020年特斯拉公司的產(chǎn)品Model Y因傳感器未檢測(cè)到前方靜止的白色貨車而導(dǎo)致與其相撞［1］。這表明即使通過現(xiàn)有的測(cè)試標(biāo)準(zhǔn)，自動(dòng)駕駛車輛在真實(shí)交通場(chǎng)景中的安全性也不如預(yù)期。

自動(dòng)駕駛的技術(shù)發(fā)展與測(cè)試體系建立不同步，導(dǎo)致自動(dòng)駕駛的實(shí)際應(yīng)用受到限制，全面推廣受到阻礙，因此行業(yè)須建立針對(duì)不同自動(dòng)駕駛等級(jí)的測(cè)試標(biāo)準(zhǔn)與評(píng)價(jià)指標(biāo)。針對(duì)這樣的問題國際標(biāo)準(zhǔn)化組下設(shè)的功能安全工作組（ISO∕TC22∕SC32∕WG8）于2016年啟動(dòng)了ISO 21448的制定工作，并于2019年發(fā) 布 了《ISO∕PAS 21448—2019：Road vehicles-Safety of the intended functionality》，旨在解決因預(yù)期功能不足或合理預(yù)見的人員誤操作而造成的車輛危害行為。

基于場(chǎng)景的方法可以應(yīng)用于ISO 26262標(biāo)準(zhǔn)中V型開發(fā)過程的眾多步驟。Menzel等［2］根據(jù)不同步驟的場(chǎng)景要求提出了場(chǎng)景的3個(gè)抽象層次，還給出了每個(gè)抽象層的定義。Weber等［3］提出了根據(jù)主車和障礙物之間潛在的碰撞區(qū)域定義與安全相關(guān)的場(chǎng)景框架。

雖然基于仿真場(chǎng)景的自動(dòng)駕駛系統(tǒng)測(cè)試驗(yàn)證可以降低測(cè)試成本和縮短測(cè)試時(shí)間，但與現(xiàn)實(shí)中的安全效益關(guān)聯(lián)性不強(qiáng)。為解決此問題，Zhao等［4-6］提出了一個(gè)大規(guī)模、可拓展的自然駕駛場(chǎng)景庫TrafficNet和一種基于重要性采樣的加速評(píng)估測(cè)試方法，并以跟車和換道場(chǎng)景為例進(jìn)行了驗(yàn)證。Xu等［7］利用遺傳算法對(duì)重要性抽樣進(jìn)行改進(jìn)，提高了切入場(chǎng)景下的測(cè)試效率。Feng等［8-10］提出了一種新的高級(jí)自動(dòng)駕駛系統(tǒng)的安全評(píng)估框架，該框架包含增強(qiáng)現(xiàn)實(shí)的測(cè)試平臺(tái)和自適應(yīng)的測(cè)試場(chǎng)景庫生成方法。他們還進(jìn)一步通過強(qiáng)化學(xué)習(xí)技術(shù)改進(jìn)了該方法，保證其在高維場(chǎng)景下測(cè)試評(píng)估的無偏性和高效性［11-12］。

如圖1所示，在ISO 21448中車輛的運(yùn)行場(chǎng)景被分為4個(gè)部分，分別是區(qū)域1已知安全場(chǎng)景、區(qū)域2已知不安全場(chǎng)景、區(qū)域3未知不安全場(chǎng)景和區(qū)域4未知 安 全 場(chǎng) 景［13］。預(yù) 期 功 能 安 全（safety of the intended functionality，SOTIF）的目標(biāo)就是最大可能地減少區(qū)域2和區(qū)域3的面積，提高車輛在不同場(chǎng)景下的安全性。要實(shí)現(xiàn)此目標(biāo)，不僅需要基于場(chǎng)景的測(cè)試方法，還需要應(yīng)用準(zhǔn)確的指標(biāo)評(píng)估場(chǎng)景風(fēng)險(xiǎn)。

圖1 SOTIF中車輛運(yùn)行場(chǎng)景的分類

Li等［14］將智能車輛危險(xiǎn)評(píng)估的關(guān)鍵指標(biāo)分為5組：基于時(shí)間的指標(biāo)、基于運(yùn)動(dòng)學(xué)的指標(biāo)、基于統(tǒng)計(jì)學(xué)的指標(biāo)、基于勢(shì)場(chǎng)的指標(biāo)和基于非預(yù)期駕駛行為的指標(biāo)。其中基于碰撞時(shí)間的指標(biāo)（time-tocollision，TTC）在縱向場(chǎng)景下準(zhǔn)確而有效，常應(yīng)用于避撞產(chǎn)品的設(shè)計(jì)中，如預(yù)警系統(tǒng)［15］、碰撞緩解和制動(dòng)系統(tǒng)［16-17］。但是TTC對(duì)移動(dòng)障礙物的橫向碰撞風(fēng)險(xiǎn)不敏感，在變道或切入場(chǎng)景中易發(fā)生誤報(bào)警［14］。

基于勢(shì)場(chǎng)的指標(biāo)在多目標(biāo)的風(fēng)險(xiǎn)等級(jí)劃分方面優(yōu)勢(shì)明顯，這與日益復(fù)雜的交通場(chǎng)景相符合。Wang等［18］提出的行車安全場(chǎng)（driving safety field，DSF）模型是勢(shì)場(chǎng)理論應(yīng)用于車輛領(lǐng)域的最新成果，該模型定量地描述了各交通因素對(duì)行車安全的影響，為復(fù)雜環(huán)境下行車風(fēng)險(xiǎn)評(píng)價(jià)和車輛主動(dòng)安全技術(shù)提供了一種新的思路和方法。基于該理論，Wang等［19］還提出了針對(duì)多車場(chǎng)景的車輛碰撞預(yù)警算法，并通過24名駕駛員的實(shí)車實(shí)驗(yàn)驗(yàn)證了算法的有效性。但文獻(xiàn)［18］和文獻(xiàn)［19］中DSF模型的參數(shù)是假設(shè)的。Li等［20］進(jìn)一步建立了一個(gè)基于灰度關(guān)系度分析的優(yōu)化模型對(duì)DSF模型的風(fēng)險(xiǎn)系數(shù)進(jìn)行校準(zhǔn)。Li等［21］對(duì)文獻(xiàn)［18］中的DSF模型進(jìn)行了改進(jìn)，通過縮放距離矢量將車輛的安全場(chǎng)結(jié)構(gòu)優(yōu)化為橢圓形，使模型解釋更加形象，但并未深入研究其他模型參數(shù)。Wu等［22］在DSF模型中加入了軌跡預(yù)測(cè)模塊，提出了一種用于無信號(hào)路段行人-車輛風(fēng)險(xiǎn)評(píng)估的方法，該方法縮短了制動(dòng)時(shí)間，提高了TTC，但適用場(chǎng)景存在局限性。除車輛主動(dòng)安全技術(shù)以外，勢(shì)場(chǎng)理論還廣泛應(yīng)用于自動(dòng)駕駛車輛的運(yùn)動(dòng)規(guī)劃［23-24］和路徑規(guī)劃［25-26］中。

為解決SOTIF驗(yàn)證過程中測(cè)試場(chǎng)景的風(fēng)險(xiǎn)評(píng)估問題，本文中提出通過DSF模型將不同層級(jí)的場(chǎng)景元素造成的行車風(fēng)險(xiǎn)進(jìn)行集成，從而全面準(zhǔn)確地計(jì)算場(chǎng)景風(fēng)險(xiǎn)的方法。從SOTIF場(chǎng)景架構(gòu)與DSF模型參數(shù)的關(guān)系層面，給出DSF模型滿足SOTIF場(chǎng)景風(fēng)險(xiǎn)評(píng)估的要求。為完善并應(yīng)用所提的評(píng)估方法，利用交通事故數(shù)據(jù)對(duì)DSF模型中部分參數(shù)進(jìn)行標(biāo)定，并將該方法用于劃分SOTIF車輛運(yùn)行場(chǎng)景。采用場(chǎng)地測(cè)試和道路測(cè)試途徑，對(duì)標(biāo)定參數(shù)的有效性和所提方法的正確性進(jìn)行驗(yàn)證。本文的主要貢獻(xiàn)有：（1）提出基于DSF理論的SOTIF場(chǎng)景風(fēng)險(xiǎn)評(píng)估方法，從SOTIF場(chǎng)景層級(jí)和DSF模型參數(shù)的角度闡述了評(píng)估方法的全面性和適用性；（2）利用中國道路交通安全數(shù)據(jù)集對(duì)DSF模型中虛擬質(zhì)量、道路條件影響因子和駕駛員風(fēng)險(xiǎn)因子等參數(shù)進(jìn)行標(biāo)定，并通過場(chǎng)地測(cè)試驗(yàn)證標(biāo)定值的準(zhǔn)確性和DSF指標(biāo)的敏銳性；（3）將所提風(fēng)險(xiǎn)評(píng)估方法進(jìn)行具體應(yīng)用，提出基于相對(duì)駕駛安全系數(shù)指標(biāo)（relative driving safety index，RDSI）的SOTIF場(chǎng)景劃分方法，并通過道路測(cè)試驗(yàn)證劃分的實(shí)用性。

1 SOTIF場(chǎng)景風(fēng)險(xiǎn)評(píng)估模型

Ulbrich等［27］將場(chǎng)景定義為一系列圖片中部分圖片之間時(shí)間發(fā)展的描述，所以從一個(gè)場(chǎng)景到另一個(gè)場(chǎng)景的移動(dòng)是通過事件的因果鏈進(jìn)行的，且風(fēng)險(xiǎn)和軌跡的變化圖也是連續(xù)的。如果能夠完整地記錄行車過程中場(chǎng)景元素的量化值，同時(shí)合理準(zhǔn)確地計(jì)算場(chǎng)景的瞬時(shí)風(fēng)險(xiǎn)，就可以實(shí)現(xiàn)SOTIF場(chǎng)景的風(fēng)險(xiǎn)評(píng)估。基于此，風(fēng)險(xiǎn)評(píng)估的問題可以分為兩步，一是選擇完善的SOTIF場(chǎng)景架構(gòu)，二是準(zhǔn)確的風(fēng)險(xiǎn)計(jì)算模型。

風(fēng)險(xiǎn)的準(zhǔn)確表達(dá)需要以完善的場(chǎng)景架構(gòu)為基礎(chǔ)，因?yàn)樵谌找鎻?fù)雜的交通環(huán)境中自車受到的危險(xiǎn)是來自多方面的。Wu等［28］提出的7層SOTIF場(chǎng)景架構(gòu)滿足完整性要求，具體的層級(jí)描述如表1所示，該場(chǎng)景架構(gòu)中元素眾多，因此須結(jié)合先進(jìn)的風(fēng)險(xiǎn)模型，對(duì)各類元素造成的風(fēng)險(xiǎn)進(jìn)行權(quán)衡和統(tǒng)籌。

表1 場(chǎng)景的層級(jí)描述

DSF模型綜合考慮了人-車-路3方面的風(fēng)險(xiǎn)，實(shí)現(xiàn)了感知區(qū)域內(nèi)所有場(chǎng)景要素的風(fēng)險(xiǎn)量化。文獻(xiàn)［18］中DSF由道路上靜止物體形成的勢(shì)能場(chǎng)、運(yùn)動(dòng)物體形成的動(dòng)能場(chǎng)和駕駛員形成的行為場(chǎng)勢(shì)組成，所以主車i的安全勢(shì)能（safety potential energy，SPE）的表達(dá)式為

式中：SPER，ai為主車i在第一類靜止物體a產(chǎn)生的勢(shì)能場(chǎng)中的安全勢(shì)能；R為道路條件影響因子；M為物體的虛擬質(zhì)量；DR為駕駛員風(fēng)險(xiǎn)因子；rai為相對(duì)距離矢量；K和k1為風(fēng)險(xiǎn)系數(shù)；SPER，ai，L為主車i在第二類靜止物體（車道線標(biāo)記L）產(chǎn)生的勢(shì)能場(chǎng)中的安全勢(shì)能，其中LTa表示車道類型，D表示線寬，k2表示風(fēng)險(xiǎn)系數(shù)；SPEv，bi為主車i在運(yùn)動(dòng)物體b產(chǎn)生的動(dòng)能場(chǎng)中的安全勢(shì)能，其中vb是物體b的速度矢量，θb表示rbi與vb之間的夾角，k3表示風(fēng)險(xiǎn)系數(shù)；SPED，ci為主車i在背景車內(nèi)的駕駛員c產(chǎn)生的行為場(chǎng)中的安全勢(shì)能。

雖然式（1）～式（4）的變量?jī)H涉及場(chǎng)景架構(gòu)的層級(jí)1-5，但已經(jīng)能全面反映物理世界中的風(fēng)險(xiǎn)，層級(jí)6和7與信息世界相關(guān)，不是本文的研究重點(diǎn)。由式（1）～式（4），可以推導(dǎo)出主車i在復(fù)雜場(chǎng)景下的SPEi、行車安全指數(shù)（driving safety index，DSIi）和RDSIi的表達(dá)式為

因?yàn)楫?dāng)式（3）中運(yùn)動(dòng)物體b的速度vb為0時(shí)，式（3）與式（1）相等，所以式（5）將第一類靜止物體的勢(shì)能場(chǎng)和運(yùn)動(dòng)物體的動(dòng)能場(chǎng)合并。規(guī)定如果物體j不是由人類駕駛員控制時(shí)，DRi為0。式（6）表示DSI是行車風(fēng)險(xiǎn)在空間和時(shí)間上的線性組合。式（7）中DSI*是特定場(chǎng)景中的標(biāo)準(zhǔn)行車安全指數(shù)。

SOTIF研究有兩個(gè)主要原則，一是所有的場(chǎng)景都可以按照已知和未知及安全和不安全正確地劃分，二是系統(tǒng)開發(fā)過程中進(jìn)行的改進(jìn)直接影響給定測(cè)試用例集中不安全場(chǎng)景的數(shù)量，因此利用精確的風(fēng)險(xiǎn)評(píng)估指標(biāo)對(duì)場(chǎng)景進(jìn)行劃分是SOTIF開發(fā)和驗(yàn)證的前提。

如表2所示，本文中以RDSI指標(biāo)作為不同的SOTIF場(chǎng)景的劃分依據(jù)。在DSF理論中，車輛的運(yùn)行狀態(tài)可以按照RDSI的不同分為以下3類：

表2 基于DSF模型的SOTIF場(chǎng)景劃分

（1）當(dāng)RDSI＜RDSI1*時(shí)，車輛的駕駛狀態(tài)為安全；

（2）當(dāng)RDSI1*＜RDSI＜RDSI2*時(shí)，車輛的駕駛狀態(tài)為危險(xiǎn)；

（3）當(dāng)RDSI＞RDSI2*時(shí)，車輛的駕駛狀態(tài)為極危險(xiǎn)。

其中RDSI1*和RDSI2*的計(jì)算是基于現(xiàn)有的標(biāo)準(zhǔn)，跟車場(chǎng)景和切入場(chǎng)景下的閾值計(jì)算標(biāo)準(zhǔn)為1 s的車頭時(shí)距（THW）和4 s的TTC［19］，換道場(chǎng)景為動(dòng)態(tài)最小安全距離［29］。認(rèn)為RDSI＜RDSI1*和RDSI＞RDSI2*的場(chǎng)景分別為已知安全和已知不安全。當(dāng)RDSI1*＜RDSI＜RDSI2*時(shí)，車輛存在發(fā)生事故的可能性，無法準(zhǔn)確地判斷出運(yùn)行狀態(tài)，認(rèn)為這樣的場(chǎng)景包括了未知不安全和未知安全。

RDSI1

*和RDSI2*既對(duì)應(yīng)已知安全（區(qū)域1）和已知不安全（區(qū)域2）的邊界，也代表特定場(chǎng)景中風(fēng)險(xiǎn)的上、下界。為計(jì)算未知場(chǎng)景下自車的行車風(fēng)險(xiǎn)，實(shí)現(xiàn)安全性能的全面可控，區(qū)別于傳統(tǒng)的技術(shù)路線（只研究未知不安全區(qū)域），本文將區(qū)域3和區(qū)域4合并，并以該區(qū)域RDSI對(duì)時(shí)間的積分值作為場(chǎng)景的風(fēng)險(xiǎn)計(jì)算結(jié)果。

如圖2所示，未知場(chǎng)景下的駕駛風(fēng)險(xiǎn)可以表示為圖中的黃色部分面積：

圖2 車輛不同駕駛狀態(tài)與RDSI的關(guān)系

式 中｛ti|RDSI=RDSI1*∪RDSI=RDSI2*，i=1，2，…，n｝。

2 DSF模型的參數(shù)標(biāo)定

雖然DSF模型可以全面反映場(chǎng)景風(fēng)險(xiǎn)，但模型中的部分參數(shù)未經(jīng)標(biāo)定，且駕駛員風(fēng)險(xiǎn)因子很難通過實(shí)驗(yàn)標(biāo)定，比如違章違法行為。為進(jìn)一步提升模型在復(fù)雜交通環(huán)境中評(píng)價(jià)車輛行車風(fēng)險(xiǎn)的優(yōu)勢(shì)和有效性，拓展其應(yīng)用范圍，采用基于統(tǒng)計(jì)數(shù)據(jù)的參數(shù)標(biāo)定方法，參考附錄A。

DSF模型中虛擬質(zhì)量Mi、道路條件影響因子Ri和駕駛員風(fēng)險(xiǎn)因子DRi的表達(dá)式為

式（9）～式（11）中的參數(shù)可以分為連續(xù)型（速度vi）和離散型（物體類型Ti），參數(shù)的意義和對(duì)應(yīng)的類型如表3所示。

表3 DSF模型中參數(shù)的意義與類型

為解決參數(shù)標(biāo)定問題，從2010-2016年中國道路交通安全數(shù)據(jù)集［30］中提取出與表3中參數(shù)相關(guān)的數(shù)據(jù)。連續(xù)型參數(shù)的標(biāo)定方法是采用曲線擬合求解出該參數(shù)和單位事故財(cái)產(chǎn)損失的關(guān)系函數(shù)，離散型參數(shù)的標(biāo)定方法是利用式（12）建立查找表：式中Pd|x=xi是離散型參數(shù)x為xi時(shí)引起的單位事故財(cái)產(chǎn)損失。

式（9）～式（11）可以分別改寫為

2.1 虛擬質(zhì)量的標(biāo)定

式（13）中g(shù)（vi）代表車速對(duì)行車風(fēng)險(xiǎn)的影響，根據(jù)世衛(wèi)組織的報(bào)告，發(fā)展中國家的交通事故數(shù)量、相關(guān)傷害和死亡數(shù)分別與速度的二次方、三次方和四次方有關(guān)。表4列出2010-2016年中國5種主要類型的公路車速與事故數(shù)據(jù)。如圖3所示，利用多項(xiàng)式擬合求出平均速度與單位事故損失的關(guān)系g（vi）：

圖3 單位事故損失和道路平均車速的關(guān)系

表4 2010-2016年中國道路安全交通事故數(shù)據(jù)（道路等級(jí)）

如表5所示，目前車輛感知系統(tǒng)能夠準(zhǔn)確檢測(cè)出的交通參與者大致分為汽車、載貨車、摩托車、非機(jī)動(dòng)車和行人。記這5類目標(biāo)的i為1-5，將各自的事故數(shù)據(jù)代入到式（12）中，得出物體類別的標(biāo)定結(jié)果。

表5 5種道路物體的單位事故損失與標(biāo)定值

2.2 道路條件影響因子的標(biāo)定

能見度、道路坡度和道路曲率無法準(zhǔn)確測(cè)量，所以采用離散型參數(shù)的標(biāo)定方法。如表6所示，能見度可分為4類，記i值為1-4，將各自的事故數(shù)據(jù)代入到式（12）中，得出能見度的標(biāo)定結(jié)果。所搜集的數(shù)據(jù)集中坡度和曲率是聯(lián)合在一起的，因此建立的是二維的查找表，如表7所示。表7中τ1～τ4分別表示平路、一般坡、陡坡和連續(xù)坡，ρ1～ρ3分別表示直路、一般彎和急彎。

表6 4種能見度的單位事故損失和標(biāo)定值

表7 不同道路線形的單位事故損失標(biāo)定值

如表8所示，本文用數(shù)據(jù)集中的路面狀態(tài)去估算路面附著系數(shù)。如圖4所示，利用多項(xiàng)式擬合求出路面附著系數(shù)與單位事故損失的關(guān)系φ（μi）為

圖4 單位事故損失和路面附著系數(shù)的關(guān)系

表8 2010-2016年中國道路安全交通事故數(shù)據(jù)（路面狀態(tài)）

2.3 駕駛員條件影響因子的標(biāo)定

表9～表12分別列出駕駛員身心狀態(tài)、認(rèn)知水平、技能水平和違法行為的標(biāo)定結(jié)果。由于人因參數(shù)難以準(zhǔn)確測(cè)量，以數(shù)據(jù)集中駕駛員的統(tǒng)計(jì)信息作為標(biāo)定依據(jù)。用駕駛員的年齡去衡量其生理、心理狀態(tài)，用駕駛員受教育程度去衡量其認(rèn)知水平，用駕駛員的駕齡去衡量其駕駛技能水平。

表9 不同年齡段駕駛員的風(fēng)險(xiǎn)標(biāo)定值

表12 違法行為的標(biāo)定值

2.4 其他參數(shù)的取值

根據(jù)文獻(xiàn)［19］和文獻(xiàn)［20］，式（1）～式（3）中風(fēng)險(xiǎn)系數(shù)的最優(yōu)解，分別是K=0.1、k1=1.5、k2=1和k3=160。參數(shù)α的取值為0.1，參數(shù)DSI*的計(jì)算以1 s的THW和4 s的TTC為標(biāo)準(zhǔn)。

表10 不同受教育水平駕駛員的風(fēng)險(xiǎn)標(biāo)定值

表11 不同駕齡駕駛員的風(fēng)險(xiǎn)標(biāo)定值

3 實(shí)驗(yàn)驗(yàn)證

3.1 封閉場(chǎng)地測(cè)試

為驗(yàn)證第2節(jié)參數(shù)標(biāo)定的準(zhǔn)確性，以AEB測(cè)試場(chǎng)景為例，進(jìn)行封閉場(chǎng)地測(cè)試。如圖5所示，實(shí)驗(yàn)在中國汽研大足區(qū)試驗(yàn)場(chǎng)進(jìn)行，實(shí)驗(yàn)設(shè)備包括實(shí)驗(yàn)車、定位與數(shù)采系統(tǒng)、操作控制系統(tǒng)和目標(biāo)物系統(tǒng)。實(shí)驗(yàn)車和目標(biāo)物上都裝有定位與數(shù)據(jù)采集系統(tǒng)（RTrange），以便在實(shí)驗(yàn)過程中記錄車輛和目標(biāo)物的位置、速度、航向角等信息。操作控制系統(tǒng)包括駕駛機(jī)器人和目標(biāo)物控制器，實(shí)現(xiàn)車輛和目標(biāo)物物理狀態(tài)的精確控制，滿足設(shè)定的場(chǎng)景。AEB測(cè)試場(chǎng)景中包含主車和目標(biāo)物，目標(biāo)物可以分為汽車、自行車和人，具體的場(chǎng)景示意圖和場(chǎng)景解釋如圖6和表13所示。

表13 AEB測(cè)試場(chǎng)景的場(chǎng)景解釋

圖5 封閉場(chǎng)地測(cè)試的實(shí)驗(yàn)設(shè)備

圖6 AEB測(cè)試場(chǎng)景示意圖

AEB系統(tǒng)中常用的安全指標(biāo)是碰撞剩余時(shí)間TTC，TTC的表達(dá)式為

但是當(dāng)自車和目標(biāo)物速度相同時(shí)，TTC趨近于無窮大。且TTC越大表示車輛越安全，這與相對(duì)駕駛安全系數(shù)RDSI相反。為使指標(biāo)的對(duì)比效果更明顯，以TTC的倒數(shù)作為參照指標(biāo)，記為

如圖7所示，在6種不同場(chǎng)景的測(cè)試過程中主車的RDSI與TTCi的變化趨勢(shì)基本一致，所以RDSI可以準(zhǔn)確表示主車的行車風(fēng)險(xiǎn)和駕駛狀態(tài)，所標(biāo)定的DSF模型參數(shù)也是正確的。但因?yàn)镈SF模型考慮到的場(chǎng)景變量比TTCi多，所以在AEB系統(tǒng)執(zhí)行控制后主車的TTCi很快降為0，而RDSI仍存在波動(dòng)。如圖7（c）～圖7（f）所示，由于TTCi指標(biāo)對(duì)橫向運(yùn)動(dòng)物體的風(fēng)險(xiǎn)表達(dá)不敏感，導(dǎo)致TTCi在行人橫穿、自行車橫穿和側(cè)方車切入的場(chǎng)景中變化延遲于RDSI，這表明RDSI指標(biāo)對(duì)橫向風(fēng)險(xiǎn)的評(píng)估能力優(yōu)于TTCi。

圖7 6類AEB測(cè)試場(chǎng)景下RDSI和TTCi的對(duì)比

3.2 開放道路測(cè)試

如圖8所示，為驗(yàn)證所提出的場(chǎng)景劃分方法，須進(jìn)行真實(shí)道路測(cè)試以采集自然駕駛數(shù)據(jù)。實(shí)驗(yàn)在中國合肥市智能網(wǎng)聯(lián)汽車測(cè)試道路上進(jìn)行，主車車速設(shè)置為低速30 km∕h、中速45 km∕h和高速60 km∕h。與封閉場(chǎng)地測(cè)試不同，開放道路測(cè)試中目標(biāo)車由駕駛員控制，無法實(shí)現(xiàn)物理量的精確控制，所以不再設(shè)定具體場(chǎng)景。目標(biāo)車的隨機(jī)動(dòng)作與場(chǎng)景的不確定性一方面可以更好地驗(yàn)證RDSI指標(biāo)，另一方面可以為SOTIF場(chǎng)景劃分提供場(chǎng)景基礎(chǔ)。

圖8 開放道路測(cè)試圖

如圖9（a）所示，根據(jù)所提的基于RDSI的場(chǎng)景劃分方法，在開放道路的實(shí)驗(yàn)中主車在109-110 s，117-118 s和169.0-169.5 s處于危險(xiǎn)駕駛狀態(tài)，所以這3個(gè)時(shí)間段的駕駛場(chǎng)景屬于SOTIF的未知安全∕不安全場(chǎng)景，對(duì)應(yīng)的風(fēng)險(xiǎn)值為0.12、0.13和0.04。其他時(shí)間段主車為安全駕駛狀態(tài)，所以駕駛場(chǎng)景為已知安全場(chǎng)景。主車在實(shí)驗(yàn)中執(zhí)行了跟車-換道-跟車操作，在換道過程中出現(xiàn)了兩次SOTIF不足的問題，在跟車過程中出現(xiàn)了一次SOTIF不足問題。如場(chǎng)景②所示，目標(biāo)車道有靜止車輛，但是主車仍進(jìn)行換道，所以導(dǎo)致停駛在車道線上的時(shí)間和整個(gè)換道時(shí)間過長。如場(chǎng)景③所示，由于跟車距離過近，主車的行車風(fēng)險(xiǎn)也超出安全閾值。如圖9（b）所示，主車在77.0-77.5 s和148-149 s區(qū)間的RDSI比設(shè)定的安全閾值高，這表示出現(xiàn)了兩次預(yù)期不安全的場(chǎng)景，對(duì)應(yīng)的風(fēng)險(xiǎn)值為0.01和0.05。在本次實(shí)驗(yàn)中，主車執(zhí)行了換道-跟車-換道-跟車操作。第一次跟車過程中，由于目標(biāo)車換道導(dǎo)致主車采集的目標(biāo)車數(shù)據(jù)波動(dòng)大，造成了RDSI值的突變。如場(chǎng)景⑤所示，第二次換道完成前，前車也執(zhí)行了變道操作，因此主車在車道線上行駛且與前車的距離過近。

圖9 基于RDSI的SOTIF場(chǎng)景劃分

表14列出開放道路測(cè)試中部分場(chǎng)景的劃分結(jié)果和其中未知安全∕不安全場(chǎng)景②、③和⑤的文本解釋。場(chǎng)景①、④和⑥中主車為安全駕駛狀態(tài)，劃分為已知安全場(chǎng)景，在整個(gè)測(cè)試過程車輛未遇到已知不安全場(chǎng)景。

表14 開放道路實(shí)驗(yàn)的場(chǎng)景劃分

4 結(jié)論

為準(zhǔn)確劃分測(cè)試場(chǎng)景，從而完善基于場(chǎng)景的SOTIF測(cè)試驗(yàn)證體系，提出了一種基于DSF理論的SOTIF場(chǎng)景的風(fēng)險(xiǎn)評(píng)估方法。所提方法綜合考慮了SOTIF場(chǎng)景架構(gòu)中不同層級(jí)的場(chǎng)景元素造成的行車風(fēng)險(xiǎn)，并通過DSF模型實(shí)現(xiàn)了風(fēng)險(xiǎn)的集成計(jì)算，從而可以全面準(zhǔn)確地評(píng)估不同場(chǎng)景下主車的安全性。

封閉場(chǎng)地測(cè)試結(jié)果表明，RDSI指標(biāo)能準(zhǔn)確評(píng)估主車的行車風(fēng)險(xiǎn)，基于交通事故數(shù)據(jù)標(biāo)定的DSF模型參數(shù)是正確的。雖然低風(fēng)險(xiǎn)區(qū)域的RDSI波動(dòng)頻率高，但對(duì)橫向運(yùn)動(dòng)物體的風(fēng)險(xiǎn)評(píng)估能力比TTCi更敏銳。開放道路實(shí)驗(yàn)結(jié)果表明，RDSI能有效劃分未知安全∕不安全場(chǎng)景和已知安全場(chǎng)景，為SOTIF場(chǎng)景邊界的界定問題提供了新方法。此外，所提出的風(fēng)險(xiǎn)評(píng)估方法可以導(dǎo)出預(yù)期功能不足的致因場(chǎng)景，為系統(tǒng)級(jí)和整車級(jí)的安全性能提升提供場(chǎng)景依據(jù)。

附錄A

第一類靜止物體a形成的勢(shì)能場(chǎng)場(chǎng)強(qiáng)ER，ai表達(dá)式為

第二類靜止物體形成的勢(shì)能場(chǎng)場(chǎng)強(qiáng)ER，ai，L表達(dá)式為

運(yùn)動(dòng)物體b形成的動(dòng)能場(chǎng)場(chǎng)強(qiáng)Ev，bi表達(dá)式為

駕駛員c形成的行為場(chǎng)場(chǎng)強(qiáng)ED，ci表達(dá)式為

位于行車安全場(chǎng)中的車輛會(huì)受到場(chǎng)力的作用，在物體j形成的行車安全場(chǎng)中，車輛i受到的場(chǎng)力矢量Fji為

安全勢(shì)能SPE是車輛由于在行車安全場(chǎng)中受到保守場(chǎng)力作用而具有的勢(shì)能標(biāo)量，規(guī)定距離場(chǎng)源無窮遠(yuǎn)處的車輛具有的安全勢(shì)能為0，那么車輛i由于物體j的作用而具備的安全勢(shì)能SPEj，i可以表示為

安全勢(shì)能隨時(shí)間的變化率為

由式（A1）～式（A7）可以計(jì)算出車輛i在第一類靜止物體a、第二類靜止物體、運(yùn)動(dòng)物體b和駕駛員c形成的行車安全場(chǎng)中具有的安全勢(shì)能為

附錄B

如圖B1所示，基于交通事故數(shù)據(jù)的DSF模型參數(shù)標(biāo)定包含以下4個(gè)步驟：數(shù)據(jù)搜集、數(shù)據(jù)篩選、數(shù)據(jù)量化和參數(shù)標(biāo)定。

圖B1 DSF模型參數(shù)標(biāo)定流程圖

（1）數(shù)據(jù)搜集從交通專業(yè)知識(shí)服務(wù)系統(tǒng)中獲取道路安全數(shù)據(jù)集。本文選取了2010-2016年中國道路安全數(shù)據(jù)集，詳見https：∕∕transport.ckcest.cn∕CatsCategory∕load2？code=C。

（2）數(shù)據(jù)篩選根據(jù)DSF模型中待標(biāo)定的參數(shù)，從數(shù)據(jù)集中提取出關(guān)聯(lián)性較高的部分。例如：模型中道路曲率ρ和道路坡度τ與數(shù)據(jù)集中不同道路線性相關(guān)性最高，故將不同道路線性的事故數(shù)據(jù)篩選出來。

（3）數(shù)據(jù)量化由于數(shù)據(jù)集大部分都是以文本形式記錄的，所以在標(biāo)定前須進(jìn)行量化處理，根據(jù)特征的文本描述估算所對(duì)應(yīng)模型參數(shù)的區(qū)間。例如：數(shù)據(jù)集中不同的路面通行條件是以干燥、潮濕等形式記錄的，對(duì)應(yīng)的路面附著系數(shù)φ可估算為0.9、0.6等。

（4）參數(shù)標(biāo)定若模型參數(shù)為連續(xù)型變量，則利用多項(xiàng)式擬合出該參數(shù)和造成的單位事故財(cái)產(chǎn)損失的關(guān)系，從而完成標(biāo)定；若為離散型，則以最大單位事故財(cái)產(chǎn)損失為標(biāo)準(zhǔn)值，建立完整的查找表。