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。

设备安装于参数标定，我们现在采用的设备是单目视觉传感器，比较流行。广角摄像头采集驾驶员前方视野，后面还有一个后置单目视觉传感器，用来采集驾驶员手势，这个主要用来对我们中国驾驶员模型建立提供数据进行分析，包括驾驶员的动作，后来我们还要尽量采集到驾驶员的面部表情，OBD信号接收器，采集从CAN信号过来的一些数据。右边相关的一些具体的参数，数据来源两个方面，第一个自然驾驶数据和补充数据，自然驾驶数据我们需要用到我们设备。我们在进行数据采集之前，我们首先要做的是，设备进行参数标定，每辆车装进去之后都要进行参数标定以后才能开始采集数据，这个标定包括现有模型标定，还有任何一个设备有一个主机，主机里面包含一些触发阈值，这个阈值需要自定义设置一个值，保证采集到的触发事件当中，有相当高一部分比例的触发工况，误触发工况也足够的低。补充数据是我们网上获得的数据，我们通过主观的筛选，比如说场景里面是不是有足够清晰的特征点用我们自己的算法进行计算或者筛选。

特征参数处理包括现有模型，这个比较复杂，总之一句话，我们要完成从现实世界的点投影到图像当中的坐标，非线性模型处理图像畸变，上面采集自然驾驶数据，图像去除畸变以后看到效果如右边所指。下面是我们采集的从其他渠道所得来的这些微型工况，去畸变以后得到同样的效果。

重要的一点我们要进行标定，几个关系的标定，自然驾驶数据库相对简单一点，因为我们做自然驾驶数据之前，我们就和驾驶员联系好，先把我们设备进行标定之后再采集数据。我们从网上采集数据无法进行标定的，这个时候用我们自己的算法，再用我们的3D扫描仪进行验证，网上数据怎么验证呢？我们从网上下载数据，并不知道传感器是什么类型的，就随机用一些我们自己知道的传感器，在采集数据之前不对它进行标定，模拟他是网上下载的数据，进行采集数据，然后再用我们的方法进行验证。

刚才前面我们所讲的工况关键参数，经过处理以后得出一些结果，包括本车速度、目标物的速度、减速度与TTC。本车速度是基于目前采集速度若干个案例，对这个曲线进行减化，我们看到危险时刻，碰撞时刻，不管危险到最后危险结束中间没有发生碰撞也好，或者中间发生了碰撞也罢，危险开始这段时间是相同的。我们进行ADAS场景建模的时候，直接从危险开始这个时候进行搭建，右边的图是所有输出的参数进行了汇总，目前采集到的概况，截止到目前采集到1000多个案例，事故工况300多个，危险工矿800多个。针对我们目前基于现有的数据和NHTSA的37种工况进行对比，左边是NHTSA的工况，右边是我们中国的。何博士讲到，刚才吴总也讲到，我们中国和美国、欧洲国家并不相同，区别非常大，人家在美国排名14名，到我们这里排名第一，就是这两轮车引起我们足够的重视。

两轮车预警系统国外进行相关研究，比如沃尔沃，当前汽车被动安全技术已经趋于成熟，两轮车伤情非常严重，需要主动安全技术为我们两轮车骑车人带来福音。

基于聚类分析的典型场景，这是聚类的过程。首先进行变量聚类计算，包括变量、样本、类三个层次计算，另外变量选取，刚才列表当中名义尺度变量、连续性变量，另外聚类树形图，聚类某一类到一定的时候发现两个案例，这个案例不具备代表性我们就剔除，对这些参数配置形成场景，下面针对我们中国目前所采取的前三个，车和两轮车发生冲突，变道车和同向车发生冲突，还有车和前方减速车辆发生冲突。

我们从刚才提出的结果当中进行ADAS测试场景演化和提取。首先车和两轮车可以得到四类测试场景，基本上我们占比最高的三类测试场景已经提取完毕。

感谢支持！