汽車自動(dòng)緊急制動(dòng)系統(tǒng)行人測試與評(píng)價(jià)方法

林國慶，逯 超，韓龍飛，王睿希

（長安大學(xué)汽車學(xué)院，西安710064，中國）

自動(dòng)緊急制動(dòng)系統(tǒng)(autonomous emergency braking system，AEB)是高級(jí)駕駛輔助系統(tǒng)(advanced driving assistant system，ADAS)的重要功能之一，是一種重要的主動(dòng)安全技術(shù)。哥德堡大學(xué)Rosen等[1]進(jìn)行的一項(xiàng)前瞻性研究結(jié)果表明：AEB系統(tǒng)可以避免交通事故所致的40%死亡人數(shù)和27%重傷人數(shù)；2010年，Lindman[1]等的研究表明AEB可以降低24%的行人死亡人數(shù); 2011年，Hannawald[1]進(jìn)行的研究表明：具有行人保護(hù)功能的AEB可以減少14.3%的重傷人數(shù)和11.1%的死亡人數(shù)?？梢姡珹EB具有大幅度提高行人保護(hù)的能力，因此，全面開發(fā)、測試和推廣AEB顯得十分重要。

目前國內(nèi)外學(xué)者對AEB的研究主要集中在控制策略和目標(biāo)檢測（車輛、行人等）上，但作為AEB重要功能的行人自動(dòng)緊急制動(dòng)系統(tǒng)（pedestrians autonomous emergency braking system，AEB-P）的法規(guī)或標(biāo)準(zhǔn)、測試與評(píng)價(jià)方法卻比較匱乏。由于各國的交通狀況和駕駛員駕駛特性存在差異，國外的測試方法并不能完全應(yīng)用于中國，因此，建立符合中國國情和駕駛員行為的AEB-P測試與評(píng)價(jià)體系顯得格外重要。目前，國外一些安全評(píng)價(jià)機(jī)構(gòu)如美國高速公路安全管理局（National Highway Traffic Safety Administration，NHTSA）、歐洲新車安全評(píng)鑒協(xié)會(huì)（European New Car Assessment Programme，Euro-NCAP）等已針對AEB的行人避撞系統(tǒng)功能發(fā)布了測試與評(píng)價(jià)方法。歐洲先進(jìn)前瞻性安全系統(tǒng)（advanced forward - looking safety systems，VFSS）對GIDAS、DEKRA等數(shù)據(jù)庫進(jìn)行研究，設(shè)計(jì)了4類AEB-P測試場景[2]；AEB Group[3]對STATS9、OTS等數(shù)據(jù)庫進(jìn)行聚類分析，設(shè)計(jì)了5類AEB-P測試場景；歐洲的APROSYS（advanced protection systems）利用德國交通事故數(shù)據(jù)庫建立了3類AEB-P測試場景[4]；英格蘭伯克郡交通研究室M. Edwards等[5]結(jié)合Euro-NCAP被動(dòng)安全測試設(shè)計(jì)了一種基于“利益”的方法，對AEB行人保護(hù)系統(tǒng)性能進(jìn)行綜合評(píng)估。同濟(jì)大學(xué)的劉穎、賀錦鵬等[6]通過采集并篩選上海地區(qū)車與行人的危險(xiǎn)場景，用聚類分析方法設(shè)計(jì)了5類典型的危險(xiǎn)場景；蘇江平、陳君毅等[7]通過對中國5個(gè)典型城市乘用車的自然駕駛數(shù)據(jù)的研究，得到基于中國危險(xiǎn)工況的行人交通沖突特征，利用聚類分析方法提取出4類典型危險(xiǎn)場景；湖南師范大學(xué)、湖南大學(xué)的吳俊、向國梁等[8]基于2018版中國新車評(píng)價(jià)規(guī)程（China new car assessment programme, C-NCAP） AEB行人測試場景開發(fā)了一種汽車緊急制動(dòng)行人檢測系統(tǒng)，實(shí)驗(yàn)結(jié)果表明該系統(tǒng)一次成功率可達(dá)90%以上。

2018版C-NCAP發(fā)布了AEB-P的一些測試方法與評(píng)價(jià)標(biāo)準(zhǔn)，將測試場景分為近端和遠(yuǎn)端，彌補(bǔ)了中國在AEB行人測試與評(píng)價(jià)上的空缺。但是測試場景單一，不能全面反映中國行人典型危險(xiǎn)場景。

鑒于以上情況，本文利用中國交通事故深入研究(China in-depth accident study, CIDAS)乘用車事故數(shù)據(jù)，借鑒國內(nèi)外研究成果，參考Euro-NCAP的AEB行人測試方法，制定出符合中國國情的AEB-P多種不同測試場景。其中，引入層次分析法（analytical hierarchy process，AHP）搭建AEB-P層次模型；根據(jù)模型得到判斷矩陣，計(jì)算各工況權(quán)重系數(shù)，綜合獲得AEB-P測試與評(píng)價(jià)方法；最后，利用PreScan對上述方法進(jìn)行仿真測試，驗(yàn)證了上述方法的有效性和實(shí)用性。

1 行人自動(dòng)緊急制動(dòng)系統(tǒng) (AEB-P)測試場景研究

根據(jù)中國CIDAS乘用車事故場景排序靠前的統(tǒng)計(jì)[9]，如表1所示，車輛與兩輪車發(fā)生碰撞的場景中，車輛直行與左/右側(cè)穿行的兩輪車發(fā)生碰撞的事故數(shù)量最多，分別排第1和第2位；車輛行駛與左側(cè)和右側(cè)盲區(qū)內(nèi)的兩輪車發(fā)生碰撞的事故數(shù)量分為排第6和第7位；夜間和白天，車輛直行與前方縱向行駛的兩輪車發(fā)生碰撞的事故數(shù)量分別排在第10和第13位；車輛左轉(zhuǎn)(右轉(zhuǎn)）與右側(cè) (左側(cè)）穿行的兩輪車發(fā)生碰撞的事故數(shù)量分別排在第16和第17位。車輛與行人發(fā)生碰撞的場景中，事故數(shù)量排序靠前的場景有：車輛直行與右側(cè)穿出的行人發(fā)生碰撞的事故數(shù)量排第9位，車輛直行與左側(cè)穿出的行人發(fā)生碰撞的事故數(shù)量排第14位。以上統(tǒng)計(jì)表明，車輛與兩輪車發(fā)生碰撞的概率大于與行人發(fā)生碰撞的概率。

表1 CIDAS乘用車事故數(shù)據(jù)分析

根據(jù)瑞典真實(shí)車禍記錄數(shù)據(jù)（包含警方數(shù)據(jù)記錄和醫(yī)院數(shù)據(jù)記錄）[10]， 2 297名受傷者中有1 184名行人，占比約50%，3 651名受傷者中有2 029名騎自行車的人，占比約56%，且男性占大多數(shù)。

根據(jù)上述中國發(fā)生道路交通事故的統(tǒng)計(jì)，借鑒國外已有的研究成果，本文制定了如圖1 AEB-P測試場景。

2 行人自動(dòng)緊急制動(dòng)系統(tǒng)（AEB-P）評(píng)價(jià)方法

2.1 建立AEB-P評(píng)價(jià)模型

根據(jù)圖1所示測試場景，利用層次分析法（analytic hierarchy process , AHP），本文建立了如圖2所示的層次模型。

基于AHP法的基本原理，同層元素間的相對重要性的比較可用判斷矩陣表示，矩陣中各元素表示同層元素之間相對重要程度的直觀數(shù)值。若用M、Z、F分別表示圖2所示AHP模型的目標(biāo)層、約束層、方案層，則M層相對于Z層的判斷矩陣A可表示為

在行人橫穿測試場景下，Z層相對于F層的判斷矩陣B為

矩陣元素bij代表元素i、j相對重要性比較，且bij與bji互為倒數(shù)，即：

按照AHP法的原理，矩陣元素bij需取1、3、5、7、9，取值含義如表2所示。

表2 矩陣元素取值含義

上海交通大學(xué)郭磊及其課題組[11]調(diào)查了上海市一定范圍內(nèi)所發(fā)生的兩輪車交通碰撞事故，在調(diào)查中將交通方式分為行人、自行車、摩托車、助動(dòng)車和其他，對死亡人員進(jìn)行分類分析，得到不同交通方式死亡人數(shù)統(tǒng)計(jì)。調(diào)查結(jié)果表明，兩輪車發(fā)生事故所致死亡人數(shù)所占比例明顯大于行人死亡人數(shù)。根據(jù)交通事故形態(tài)分析統(tǒng)計(jì)（圖3），碰撞兩輪車（摩托車、自行車等）發(fā)生的事故占比49%，而碰撞行人僅占20%。他們的調(diào)查結(jié)果與CIDAS交通事故形態(tài)分析統(tǒng)計(jì)結(jié)果基本一致。

綜合以上信息，并參考文獻(xiàn)[9]和文獻(xiàn)[13-15]，本文構(gòu)建出M層 （AEB行人測試評(píng)價(jià)系統(tǒng)） 相對于Z層6種場景（行人橫穿馬路、行人沿路、騎行者橫穿馬路、騎行者沿路行駛、交叉路口、夜間行人測試）的判斷矩陣為

解得C的最大特征值為6.533 9，對應(yīng)的特征向量為α =（0.165 7，0.082 3，0.887 5，0.413 0，0.072 8，0.048 5），歸一化后β =（0.072 1，0.024 0，0.504 8，0.360 6，0.024 0，0.0144） ,則β中各元素分別為Z層6種場景的權(quán)重系數(shù)。

獲取到M層相對于Z層的權(quán)重系數(shù)后，還需對Z層相對于F層的權(quán)重系數(shù)逐一計(jì)算。以騎行者橫穿場景為例，Z層相對于F層的判斷矩陣為

根據(jù)CIDAS乘用車事故數(shù)據(jù)分析（表1），車輛直行與左側(cè)盲區(qū)和右側(cè)盲區(qū)二輪車發(fā)生碰撞的事故數(shù)量排名相近，因此認(rèn)為在有視野遮擋下，騎行者左向右橫穿比右向左橫穿介于稍微重要與相等之間（取值為2）。無遮擋場景比有視野遮擋發(fā)生碰撞事故數(shù)量多，故認(rèn)為騎行者右向左橫穿場景比左向右橫穿（遮擋）場景稍微重要（取值為3），騎行者右向左橫穿場景比左向右橫穿（遮擋）場景介于稍微重要與重要之間（取值為4）。結(jié)合以上分析，制定騎行者橫穿馬路場景下Z層相對于F層的判斷矩陣為

解得D的最大特征值為3.02，其所對應(yīng)的特征向量為n= (0.35，0.20，0.91)，歸一化后n= (0.24，0.14，0.62)，則0.24、0.14、0.62分別為騎行者橫穿場景下各工況的權(quán)重。同理，可分別計(jì)算出其他幾種工況下Z層相對于F層的權(quán)重系數(shù)。計(jì)算可得，行人橫穿測試場景下各工況的權(quán)重為：0.30、0.28、0.16、0.22、0.14；行人沿路場景下各工況的權(quán)重為：0.68、0.32；騎行者沿路場景下各工況的權(quán)重為：0.71、0.29；交叉路口場景下各工況的權(quán)重為：0.82、0.18；夜間測試場景下各工況下權(quán)重為：0.5、0.15、0.1、0.25。

分別對M層相對于Z層的判斷矩陣C，Z層相對于F層的判斷矩陣D進(jìn)行一致性檢驗(yàn)，

一致性指標(biāo)為

一致性比率為

其中：λmax表示矩陣的最大特征根；n表示矩陣（方陣）維數(shù)；RI表示隨機(jī)一致性指標(biāo)，可根據(jù)n的大小查表獲取。本文判斷矩陣C的最大特征根λmax= 6.533 9，n= 6，查表得RI = 1.24，帶入式（8）和式（9），得CR= 0.086 ＜ 0.1，說明判斷矩陣C具有良好的一致性。同理可求得矩陣D得一致性比率為0.008 9 ＜ 0.1，因此，判斷矩陣D也具有良好的一致性。

2.2 評(píng)價(jià)指標(biāo)及規(guī)則的制定

AEB系統(tǒng)的主要作用是避免或減輕碰撞，與此同時(shí)也應(yīng)考慮到車內(nèi)乘員的舒適性，過大的制動(dòng)減速度或頻繁制動(dòng)會(huì)降低人們的乘坐舒適性，因此有必要從安全性和舒適性2個(gè)維度進(jìn)行綜合評(píng)價(jià)。影響AEB系統(tǒng)的安全性與舒適性的因素主要分為2類：直接因素和間接因素，如圖4所示。

根據(jù)影響AEB系統(tǒng)的安全性與舒適性的因素（見圖4），本文制定了圖5所示的AEB評(píng)價(jià)指標(biāo)層次模型圖，根據(jù)圖2（AEB-P評(píng)價(jià)層次模型）中的6種場景18種測試工況，對于每種不同的工況分別從安全性和舒適性兩方面進(jìn)行評(píng)價(jià)，給予安全性與舒適性不同的權(quán)重。由于預(yù)碰撞時(shí)間（time to collosion，TTC）與相對距離能夠間接反映最大制動(dòng)減速度，且難以對最大制動(dòng)減速度進(jìn)行限制，因此，本文使用AEB起作用時(shí)間TTC、相對距離（車輛停止時(shí)與目標(biāo)物的距離）、速度減少量3個(gè)指標(biāo)分別對AEB的安全性與舒適性進(jìn)行評(píng)價(jià)，最后根據(jù)安全性與舒適性的權(quán)重對AEB進(jìn)行綜合評(píng)價(jià)。

AEB的評(píng)價(jià)主要考慮其安全性，根據(jù)層次分析法，安全性與舒適性之間的判斷矩陣為E，計(jì)算可得安全性與舒適性的權(quán)重分別為0.83、0.17。1） AEB起作用時(shí)間TTC，TTC廣泛用于評(píng)價(jià)AEB系統(tǒng)的性能，其計(jì)算方法如式（10）所示，Srel表示車輛與目標(biāo)物的相對距離，vrel表示相對速度。通常認(rèn)為在視野被遮擋的場景下規(guī)定系統(tǒng)應(yīng)至少在TTC = 1.5 s時(shí)開始制動(dòng)；對于視野沒有遮擋的場景，規(guī)定系統(tǒng)應(yīng)至少在TTC = 1.2 s時(shí)開始制動(dòng)。TTC能夠間接影響AEB系統(tǒng)的安全性與舒適性，TTC越大，說明AEB系統(tǒng)需要較早地以較小制動(dòng)減速度緩慢制動(dòng)，則舒適性較好；反之，舒適性差。

2） 相對距離d，指車輛停止時(shí)與目標(biāo)物的距離，根據(jù)大多數(shù)駕駛員的駕駛特性，車輛停止時(shí)，前后兩車之間的距離通常為0.5 ～ 3.0 m。通常，距離愈大，制動(dòng)時(shí)間越早，制動(dòng)減速度也較大，舒適性較差，安全性越好。

3） 速度減少量η，它是影響汽車安全性的重要的直接因素，隨車速的不同而變化，因此采用百分比的形式定義速度減少量，如式（11）所示，vinit表示汽車的初始測試速度，vcoll表示汽車碰撞時(shí)的速度。速度減少量越大，碰撞嚴(yán)重程度越低，安全性越高。當(dāng)速度減少量為100%時(shí)，代表無碰撞。

綜合以上分析，3個(gè)指標(biāo)相互影響，難以明確區(qū)分，本文認(rèn)為TTC與相對距離的重要程度相等，更多地考慮到安全性，認(rèn)為速度減少量的重要性大于TTC和相對距離，因此制定3個(gè)評(píng)價(jià)指標(biāo)之間的判斷矩陣F，計(jì)算可得3個(gè)評(píng)價(jià)指標(biāo)的權(quán)重分別為：0.25、0.25、0.50。

最終根據(jù)安全性與舒適性的權(quán)重得到總分，按照總分對AEB-P進(jìn)行綜合評(píng)價(jià)，評(píng)價(jià)規(guī)則如表3所示。

表3 星級(jí)評(píng)價(jià)規(guī)則表

2.3 測試得分的計(jì)算

式(13)給出了測試結(jié)束時(shí)最終所得分?jǐn)?shù)H的計(jì)算式：

其中：S為測試所用總分制（如5分、10分等），m為測試車速數(shù)量，αi為不同場景的權(quán)重，βj為不同場景下不同測試工況的權(quán)重，Aw，Bw，Cw分別為3個(gè)評(píng)價(jià)指標(biāo)所占的權(quán)重，λk、ηk、δk依次表示3個(gè)評(píng)價(jià)指標(biāo)在m個(gè)車速下的測試分?jǐn)?shù)。

3 虛擬測試與評(píng)價(jià)

目前，國內(nèi)外學(xué)者對智能網(wǎng)聯(lián)汽車技術(shù)研究較多，而對智能網(wǎng)聯(lián)汽車測試與評(píng)價(jià)方法的研究相對比較匱乏。智能網(wǎng)聯(lián)汽車測試主要分為虛擬測試、封閉道路測試以及開放道路測試，由于當(dāng)前中國相關(guān)法規(guī)、規(guī)章制度、測試方法、標(biāo)準(zhǔn)等還不夠完善，因此虛擬測試仍是智能網(wǎng)聯(lián)汽車常用的測試方法，具有簡單、快速、成本低的優(yōu)點(diǎn)。PreScan是由荷蘭國家應(yīng)用科學(xué)研究院(Netherlands Organisation for Applied Scientific Research, TNO）開發(fā)的一款能夠快速建立交通場景的仿真軟件，可以與Simulink、CarSim等進(jìn)行聯(lián)合仿真，被廣泛應(yīng)用于無人駕駛汽車、高級(jí)駕駛輔助系統(tǒng)（advanced driver assistance system，ADAS）的開發(fā)。本文利用PreScan軟件，搭建典型測試場景對本文所提出的測試與評(píng)價(jià)方法進(jìn)行仿真測試，所選測試車輛為PreScan軟件里的奧迪A8，車輛參數(shù)如表4所示。

AEB控制邏輯為：當(dāng)TTC ＞ 2.6 s時(shí)，系統(tǒng)不制動(dòng)；當(dāng)1.6 s ＜ TTC ＜ 2.6 s時(shí)系統(tǒng)進(jìn)行部分制動(dòng)（50%的制動(dòng)強(qiáng)度）；當(dāng)TTC ＜ 0.6 s時(shí)，系統(tǒng)以最大制動(dòng)強(qiáng)度全力制動(dòng)（制動(dòng)強(qiáng)度為100%）。

表4 車輛基本參數(shù)配置

3.1 行人沿路（50%偏移）測試

該場景的測試結(jié)果如圖6所示。測試時(shí).分別對車輛進(jìn)行30、40、和50 km/h的速度進(jìn)行測試。測試結(jié)果表明，在當(dāng)前場景下，車輛能夠在30、40 km/h的速度避免與行人碰撞，并與行人保持了一定的安全距離。車輛停止時(shí)，由于行人繼續(xù)保持當(dāng)前的速度向前行走，因此在仿真結(jié)束前TTC和相對距離d曲線會(huì)有短暫的變化（距離達(dá)到最小后稍微增大，TTC瞬間增大）。雖然在50 km/h的速度下不能避免碰撞，但速度能夠降低大約64%，起到了減輕碰撞的作用。

3.2 行人右向左橫穿（25%偏移）測試

該場景下測試結(jié)果如圖7所示。測試時(shí)，分別對車輛進(jìn)行30、40、50 km/h的速度進(jìn)行測試。測試結(jié)果表明，汽車能夠在30、40 km/h的速度避免與橫穿馬路的行人發(fā)生碰撞，在30 km/h的速度下相對距離約為1 m，在40 km/h的速度下相對距離約為0.69 m。由此可知，隨著車速的增加，相對距離逐漸較小，碰撞風(fēng)險(xiǎn)增加，當(dāng)速度達(dá)到50 km/h時(shí)，汽車無法與行人避免碰撞，速度減少約43%，能夠有效減輕碰撞。

選取部分場景進(jìn)行仿真測試，根據(jù)AHP方法，分別計(jì)算行人右向左橫穿25%偏移（A-場景）、行人沿路25%偏移 （B-場景）、騎行者右向左橫穿50%偏移（C-場景）、騎行者沿路50%偏移（D-場景）以及車輛左轉(zhuǎn)（E-場景）共5種場景進(jìn)行虛擬仿真測試，各場景所占權(quán)重分別為[0.15 0.15 0.3 0.3 0.1]。測試時(shí)，行人速度設(shè)為5 km/h，騎行者速度設(shè)為15 km/h，車輛速度分別為30、40、50 km/h。以車速v= 30 km/h為例，給出不同場景下的碰撞時(shí)間（TTC）、車輛相對距離d及速度減少量η進(jìn)行計(jì)算，根據(jù)本文所提評(píng)價(jià)方法，以10分制為例，計(jì)算出上述5種場景下的安全性和舒適性得分（表5列出了該車速下的仿真測試結(jié)果）。以此方法再進(jìn)行40、50 km/h下的仿真，得到各車速下不同場景的安全性和舒適性所占比重(得分)，最后再根據(jù)所有仿真條件下安全性和舒適性的得分，計(jì)算得到評(píng)價(jià)總分。在這3個(gè)速度下的評(píng)價(jià)總分 =（每個(gè)車速下安全性得分 + 每個(gè)車速下舒適性得分） / 3 = 5.5分，按照本文評(píng)分規(guī)則(見表3)：4～6分為一般，因此本次測試結(jié)果為一般（★★）。

表5 v = 30 km/h時(shí)的測試與評(píng)價(jià)結(jié)果

4 結(jié) 論

本文根據(jù)中國交通事故深入研究（CIDAS）乘用車事故數(shù)據(jù)，借鑒國內(nèi)外研究成果，主要參考中國新車評(píng)價(jià)規(guī)程（C-NCAP）中的汽車自動(dòng)緊急制動(dòng)系統(tǒng)（AEB）行人測試方法，并借鑒歐洲新車安全評(píng)鑒協(xié)會(huì)（Euro-NCAP），制定出符合中國國情的多種行人自動(dòng)緊急制動(dòng)系統(tǒng)（AEB-P）測試場景。利用層次分析法（AHP）搭建各個(gè)場景下的層次模型，確定出各層次間的判斷矩陣，計(jì)算獲得各層次的權(quán)重系數(shù)。結(jié)果表明：通過引入碰撞時(shí)間TTC、相對距離和速度減少量作為AEB-P的評(píng)價(jià)指標(biāo)并給予不同的權(quán)重，在PreScan中對提出的測試場景建模，提出的AEB-P測試與評(píng)價(jià)方法的合理性和實(shí)用性得到驗(yàn)證，避免了單一評(píng)價(jià)指標(biāo)在評(píng)價(jià)AEB-P時(shí)的不合理性，可以為中國的AEB-P測試與評(píng)價(jià)提供參考。由于本文采用虛擬仿真測試，因此與實(shí)車測試還存在一定的差距。