王宏雁：基于真实事故场景的安全效应分析

2016中国汽车工程学会年会暨展览会（SAECCE 2016）于10月26-28日举办,本次论坛以“技术升级、产业发展、协同创新”为主题，携手150余位行业领导、学会领导、院士，100余位汽车及相关行业权威专家，800余位国内外业界嘉宾共同探讨汽车产业车厂与零部件协同创新和技术发展路径。下面是同济大学汽车学院王宏雁在会上的报告：

随着汽车行业的发展，交通事故发生率也在大幅提升，造成不可估量的人员伤亡和财产损失，从这一点上来讲，汽车主动安全系统的快速发展和普及，对降低交通事故造成的损失和伤害极具现实意义，尤其现在日益流行的ADAS系统。针对任何一款ADAS系统，我们如何评价？综合效用如何？对于这些情况，我们提出了一套基于现实交通事故或者危险工况，所做的用来评价ADAS的车用场景。

作为ADAS测试评价方法的三部分之一，测试场景我统计之后，首先就国外的发展情况给大家做一下介绍。首先是NCAP，去年到今年分别推出了三种AEB系统测试方法：CRS、CRB、CRM，这种AEB是针对追尾交通事故的，追尾前车静止，前车减速，以及前车变道的时候。今年推出LKA和LDW，相应的测试方法和相应的测试场景。美国NHTSA从07年到现在甚至更早，和各大主机厂合作，有德尔福、奔驰、福特公司的系统，每年进行合作，针对一些CIM，紧急碰撞系统、智能安全碰撞系统、高级自动系统等对这些系统进行测试，得到的ADAC系统，对AEB测试场景进行搭建。国外对场景搭建，数据来源首先是各个国家的交通事故数据库、自然驾驶数据库、交通事故深度调查的数据库以及相关的交通技术研究所。

我们自己研究出来的当前中国交通现状ADAS车场景需要的一些步骤，首先是我们的工况特征参数采集，这里主要分为两个部分，分别自然驾驶实验和其他的渠道补充数据，还有基于单目视觉传感器成像模型的研究，这里有线性模型和非线性模型的求解。根据中国交通特征分析，针对我们目前为止收集到的数据进行统计，并和美国NISA得出来37种场景碰撞进行对比，分析出了原因。最后得出符合我们中国的ADAS测试场景。

ADAS测试场景国内已经起步了，相比于左边传统的数据来源，交通事故数据库或者自然驾驶数据库，交通事故数据库准确度不够高，有些数据发生以后，不能再去完整找到它复原整个过程，自然驾驶数据库车型单一、驾驶员单一、采集地点单一。我们现在做的自然驾驶数据库有多个车型、多个车型，呼伦贝尔、昆明、上海、济南、成都都有我们招募的私家车驾驶员来给我们每周一次提供数据，补充数据也不容小觑，在数据里面占有相当大的比重，这个补充数据通过很多渠道，包括警方或者网上收集到第三方的视频，比如说现场监控，还有一些我们不知道用的哪一款的行车记录仪所采集到的行车数据。

在所有数据库里面，所有能提取出来的冲突、工况、特殊参数列了一下，分别是三类主体、客体、环境。主体是搭载ADAS系统的车辆，客体是和我们车辆发生冲突另外一方，环境就是当时的道路情况。

这里面进行特征工况统计分类的时候，我们用到了聚类分析，对变量进行分类，比如有连续性变量和名义变量，比如客体状况是直行还是转弯，就是一个单值变量，是一个菱形的变量，或者是一个时间序列。