王宏雁：基于真实事故场景的安全效应分析

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！