基于大數(shù)據(jù)統(tǒng)計(jì)的智能駕駛MPI測(cè)試方法研究

蘭華　梁倍銘　劉開(kāi)勇　阮倩　王國(guó)權(quán)

摘 要：隨著近年來(lái)汽車行業(yè)的高速發(fā)展，智能駕駛技術(shù)在各類車型上得到普遍應(yīng)用，逐步為消費(fèi)者所熟知。隨著消費(fèi)者對(duì)于智能駕駛系統(tǒng)的深入了解，消費(fèi)者對(duì)于智能駕駛系統(tǒng)的功能與性能提出越來(lái)越高的要求，這使得智能駕駛系統(tǒng)的升級(jí)迭代更具挑戰(zhàn)。本文主要介紹一種基于大數(shù)據(jù)統(tǒng)計(jì)的智能駕駛MPI測(cè)試方法，通過(guò)收集用戶的大數(shù)據(jù)、統(tǒng)計(jì)在車輛使用過(guò)程中的智能駕駛MPI（平均接管里程）并進(jìn)行分析，在建立一系列測(cè)試標(biāo)準(zhǔn)評(píng)判智能駕駛系統(tǒng)的優(yōu)劣的同時(shí)，也能針對(duì)性地改進(jìn)高頻接管問(wèn)題，優(yōu)化駕駛體驗(yàn)，對(duì)智能駕駛系統(tǒng)測(cè)試領(lǐng)域具有很好的啟發(fā)意義。

關(guān)鍵詞：智能駕駛 大數(shù)據(jù) 測(cè)試方法

1 引言

對(duì)于智能駕駛系統(tǒng)的研發(fā)流程而言，測(cè)試是驗(yàn)證系統(tǒng)設(shè)計(jì)可靠性、安全性，推動(dòng)智能駕駛系統(tǒng)不斷進(jìn)化演變的重要步驟[1]。目前，針對(duì)智能駕駛系統(tǒng)的測(cè)試技術(shù)包括軟件測(cè)試、仿真測(cè)試和實(shí)車測(cè)試，其中實(shí)車道路測(cè)試是最為貼近實(shí)際用車場(chǎng)景的驗(yàn)證手段，起著檢驗(yàn)智能駕駛系統(tǒng)在真實(shí)環(huán)境中應(yīng)用能力的作用，也是維系智能駕駛系統(tǒng)智能化與保障用車安全的最后一道防線[2]。為滿足當(dāng)下智能駕駛技術(shù)發(fā)展需求，很多國(guó)家和地區(qū)通過(guò)建設(shè)封閉或半開(kāi)放式智能駕駛實(shí)車測(cè)試區(qū)域、依托社會(huì)公共資源劃定智能駕駛測(cè)試道路等方式大力推進(jìn)構(gòu)建智能駕駛實(shí)車道路試驗(yàn)環(huán)境[3]。根據(jù)相關(guān)研究機(jī)構(gòu)的預(yù)測(cè)，到2040年全球范圍內(nèi)將擁有2千萬(wàn)～3千萬(wàn)輛無(wú)人駕駛汽車。屆時(shí)，我國(guó)也將成為全世界最大的智能駕駛汽車市場(chǎng)[4]。

本文提出了一種新的智能駕駛系統(tǒng)實(shí)車測(cè)試方法，通過(guò)基于用戶的大數(shù)據(jù)統(tǒng)計(jì)，收集用戶使用智能駕駛功能時(shí)的MPI（平均接管里程）數(shù)據(jù)，從而分析研究得出影響用戶MPI的幾類高頻影響因素。借助這種測(cè)試方法，結(jié)合智能駕駛系統(tǒng)自身的特性，能夠針對(duì)性地進(jìn)行性能優(yōu)化，使智能駕駛系統(tǒng)的性能獲得提升。

2 基于用戶大數(shù)據(jù)的MPI統(tǒng)計(jì)與分析系統(tǒng)硬件組成

基于用戶大數(shù)據(jù)的MPI統(tǒng)計(jì)與分析系統(tǒng)工作流程可以分為車端的數(shù)據(jù)獲取、后臺(tái)服務(wù)器的數(shù)據(jù)處理以及測(cè)試人員對(duì)篩選后的數(shù)據(jù)進(jìn)行分析、尋找智能駕駛系統(tǒng)提升優(yōu)化的關(guān)鍵因素三大部分，并以促進(jìn)智能駕駛系統(tǒng)的迭代升級(jí)作為最終目標(biāo)形成工作流閉環(huán)。整個(gè)系統(tǒng)所涉及的硬件核心主要在于車端硬件與后臺(tái)后臺(tái)硬件，其構(gòu)成如圖1所示。

根據(jù)工作內(nèi)容的不同，車端硬件可分為三個(gè)層次：首先，對(duì)MPI數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析的本質(zhì)在于了解用戶從智能駕駛系統(tǒng)接管車輛操控這一事件發(fā)生時(shí)駕駛員的狀態(tài)、車輛的各項(xiàng)參數(shù)以及環(huán)境因素，因此車端硬件的底層就是信息的采集：諸如監(jiān)控駕駛員反應(yīng)的DMS攝像頭，獲取車輛行駛數(shù)據(jù)的傳感器，感知車輛周圍環(huán)境的毫米波雷達(dá)等，這些都為系統(tǒng)提供了最基礎(chǔ)的原始數(shù)據(jù)信息。其次，由于信息采集層的硬件都分布在車輛的各個(gè)位置，因此采集到的數(shù)據(jù)會(huì)先通過(guò)線束總成及網(wǎng)關(guān)傳輸至相應(yīng)的域控制器之中，而后匯總至智能駕駛系統(tǒng)中央控制器。這些信息傳輸或儲(chǔ)存的媒介共同構(gòu)成信息匯總層。最后，數(shù)據(jù)將會(huì)通過(guò)車載通信單元及5G網(wǎng)絡(luò)組成的信息傳輸層上傳至后臺(tái)硬件。

3 基于用戶大數(shù)據(jù)的MPI統(tǒng)計(jì)與分析系統(tǒng)底層架構(gòu)

3.1 用戶數(shù)據(jù)收集的觸發(fā)標(biāo)簽設(shè)置

對(duì)于利用用戶大數(shù)據(jù)的MPI統(tǒng)計(jì)與分析，在用戶數(shù)據(jù)的收集過(guò)程中，觸發(fā)標(biāo)簽的設(shè)置尤為重要。一方面需要保證所收集數(shù)據(jù)類型的真實(shí)性、有效性、可用性，另一方面還要根據(jù)所采用的硬件水平綜合考量數(shù)據(jù)上傳/下載的流量、帶寬、速度等各個(gè)方面。

此外，在系統(tǒng)中建立觸發(fā)標(biāo)簽，有利于在海量的用戶數(shù)據(jù)中篩選掉無(wú)效信息，快速捕捉目標(biāo)內(nèi)容，方便在測(cè)試后期分析時(shí)對(duì)大數(shù)據(jù)進(jìn)行梳理。

分析系統(tǒng)中預(yù)設(shè)的數(shù)據(jù)觸發(fā)策略見(jiàn)表１。

上述觸發(fā)邏輯設(shè)計(jì)作為條件判據(jù)用以確保收集數(shù)據(jù)類型的真實(shí)性、有效性、可用性，為后續(xù)統(tǒng)計(jì)智能駕駛MPI數(shù)據(jù)奠定基礎(chǔ)。

3.2 用戶接管類型分類

基于用戶大數(shù)據(jù)對(duì)MPI數(shù)據(jù)進(jìn)行統(tǒng)計(jì)與分析的過(guò)程中，很重要的一部分工作是探尋用戶接管智能駕駛系統(tǒng)的原因，圍繞用戶避免/拒絕使用車輛智能駕駛系統(tǒng)功能的場(chǎng)景，針對(duì)性地提出解決/優(yōu)化的方案與措施，改進(jìn)系統(tǒng)缺陷、提升系統(tǒng)的功能。

根據(jù)用戶的使用行為，設(shè)置如下的接管類型分類，見(jiàn)表2。

對(duì)于真實(shí)的用戶駕駛過(guò)程，根據(jù)上述設(shè)定的接管類型統(tǒng)計(jì)分類，區(qū)分、收集用戶具有高頻接管特點(diǎn)的因素，結(jié)合回歸算法，實(shí)現(xiàn)智能駕駛系統(tǒng)問(wèn)題或缺陷的閉環(huán)管理。

4 某車型智能駕駛系統(tǒng)基于大數(shù)據(jù)統(tǒng)計(jì)MPI分析與性能測(cè)評(píng)

為更好地對(duì)系統(tǒng)工作流程進(jìn)行展示，由上述的收集、統(tǒng)計(jì)、分析方法，本研究對(duì)某款車型智能駕駛功能的MPI指數(shù)進(jìn)行了統(tǒng)計(jì)和性能測(cè)評(píng)，用于評(píng)價(jià)其在智能駕駛性能上的表現(xiàn)，同時(shí)針對(duì)發(fā)現(xiàn)的高頻問(wèn)題進(jìn)行跟蹤與回歸。

4.1 智能駕駛MPI數(shù)據(jù)統(tǒng)計(jì)分析

對(duì)某車型分別在市區(qū)道路與高速公路環(huán)境下進(jìn)行全年的實(shí)車測(cè)試，根據(jù)回傳的用戶使用智能駕駛的總里程數(shù)，結(jié)合用戶總接管次數(shù)，分析對(duì)比得出某車型在城區(qū)工況與高速路、快速路工況下當(dāng)月平均MPI指數(shù)與月均累積平均數(shù)，如圖2、圖3所示。

從收集到的某車型MPI數(shù)據(jù)分析得出，該車型在市區(qū)工況下全年智能駕駛平均接管里程為6.05km，表明在復(fù)雜的市區(qū)工況下該智能駕駛系統(tǒng)的應(yīng)對(duì)能力較強(qiáng)，系統(tǒng)不需要駕駛員進(jìn)行過(guò)多的接管操作。各月份之間的MPI數(shù)值雖有波動(dòng)，但基本保持在5.75km以上的水平。

相較于車多路堵得市區(qū)環(huán)境，在高速工況下，系統(tǒng)平均接管里程達(dá)到262km，反映出該系統(tǒng)極強(qiáng)的高速智能駕駛性能，全年平均水平穩(wěn)定在240km左右。

4.2 觸發(fā)場(chǎng)景數(shù)據(jù)統(tǒng)計(jì)

為形成數(shù)據(jù)規(guī)模、使數(shù)據(jù)能夠反映真實(shí)的用車狀況，實(shí)驗(yàn)對(duì)280輛某具備智能駕駛功能的車型進(jìn)行為期一年的實(shí)車測(cè)試。在測(cè)試期內(nèi)，共有255輛試驗(yàn)車向后臺(tái)進(jìn)行MPI數(shù)據(jù)回傳，回傳率達(dá)95%，說(shuō)明系統(tǒng)在車輛端的運(yùn)行良好，能夠有效收集數(shù)據(jù)。需要注意的是，夜間或是雨霧天氣所造成的能見(jiàn)度因素給攝像頭帶來(lái)的影響一定程度上會(huì)增加觸發(fā)場(chǎng)景的數(shù)量，因此在開(kāi)發(fā)智能駕駛系統(tǒng)時(shí)，有必要針對(duì)這些特殊場(chǎng)景進(jìn)行專門的優(yōu)化，見(jiàn)表3。

根據(jù)上文表1、表2的觸發(fā)標(biāo)簽設(shè)計(jì)及用戶場(chǎng)景分類，在系統(tǒng)收集用戶的MPI大數(shù)據(jù)過(guò)程中，統(tǒng)計(jì)各類觸發(fā)場(chǎng)景，并根據(jù)高頻問(wèn)題和觸發(fā)場(chǎng)景進(jìn)行回歸驗(yàn)證，有助于持續(xù)提升迭代智能駕駛系統(tǒng)的性能。

4.3 用戶接管場(chǎng)景優(yōu)化

用戶在使用智能駕駛系統(tǒng)的過(guò)程中，系統(tǒng)在應(yīng)對(duì)復(fù)雜路口、大曲率彎道、光線不足的夜間、VRU等弱勢(shì)場(chǎng)景時(shí)，往往會(huì)收到軟件本身的性能限制，造成路口非預(yù)期轉(zhuǎn)向、彎道偏出、夜間性能退化、行人漏檢等情況，從而導(dǎo)致駕駛員接管退出。因此針對(duì)這幾類高頻的問(wèn)題場(chǎng)景，通過(guò)上述采集系統(tǒng)采集5000段數(shù)據(jù)場(chǎng)景問(wèn)題數(shù)據(jù)。將高頻場(chǎng)景問(wèn)題采集數(shù)據(jù)樣本進(jìn)行學(xué)習(xí)迭代，通過(guò)數(shù)據(jù)仿真回灌驗(yàn)證后提升智能駕駛系統(tǒng)整體性能，增強(qiáng)同類觸發(fā)場(chǎng)景的反應(yīng)能力，保持智能駕駛系統(tǒng)的可靠性。

對(duì)某車型智能駕駛系統(tǒng)路口應(yīng)對(duì)、車道保持、夜晚、縱向應(yīng)對(duì)5大功能進(jìn)行針對(duì)性優(yōu)化后，在測(cè)試條件保持不變的情況下重新進(jìn)行實(shí)車驗(yàn)證，所獲得的某車型市區(qū)工況和高速工況智能駕駛MPI數(shù)據(jù)提升情況詳見(jiàn)圖4、圖5。

可以看到，通過(guò)對(duì)智能駕駛實(shí)車測(cè)試MPI數(shù)據(jù)進(jìn)行系統(tǒng)性的分析，精準(zhǔn)鎖定數(shù)據(jù)回傳觸發(fā)場(chǎng)景，再針對(duì)性地提升智能駕駛系統(tǒng)在該場(chǎng)景下的功能與性能，其效果是十分明顯的，特別是環(huán)境較為復(fù)雜的市區(qū)工況，平均接管里程提升達(dá)約80.8%，而高速工況也能有近44.8%的增加。以上實(shí)驗(yàn)結(jié)果充分說(shuō)明了基于大數(shù)據(jù)統(tǒng)計(jì)的智能駕駛MPI測(cè)試方法不僅切實(shí)可行，而且對(duì)于實(shí)車測(cè)試來(lái)說(shuō)有極強(qiáng)的指標(biāo)性與針對(duì)性，能夠從大數(shù)據(jù)中挖掘潛在的目標(biāo)場(chǎng)景，使智能駕駛系統(tǒng)的開(kāi)發(fā)與迭代方向更清晰、功能更具體。

5 結(jié)語(yǔ)

本文基于用戶大數(shù)據(jù)統(tǒng)計(jì)智能駕駛平均接管里程數(shù)據(jù)，通過(guò)設(shè)計(jì)觸發(fā)標(biāo)簽收集影響用戶MPI指數(shù)的高頻接管原因，并通過(guò)回歸模型不斷迭代問(wèn)題數(shù)據(jù)，進(jìn)而提升智能駕駛的整車性能。結(jié)果表明，基于大數(shù)據(jù)統(tǒng)計(jì)智能駕駛MPI的測(cè)試方法可以有效的收集、分析、改進(jìn)系統(tǒng)的駕駛問(wèn)題，幫助智能駕駛系統(tǒng)的開(kāi)發(fā)不斷改進(jìn)性能，提高系統(tǒng)駕駛的連續(xù)性。同時(shí)，在數(shù)據(jù)統(tǒng)計(jì)的過(guò)程中，通過(guò)觸發(fā)標(biāo)簽，可以收集各類智能駕駛問(wèn)題場(chǎng)景，從而建立有效的數(shù)據(jù)場(chǎng)景庫(kù)，提高智能駕駛實(shí)車測(cè)試效率和覆蓋度。

參考文獻(xiàn)：

[1]張翔，李智.智能網(wǎng)聯(lián)汽車技術(shù)的發(fā)展現(xiàn)狀及趨勢(shì)[J].汽車與配件，2018（8）：2.

[2]馮洋，夏志龍，郭安，等.自動(dòng)駕駛軟件測(cè)試技術(shù)研究綜述[J]. 中國(guó)圖象圖形學(xué)報(bào)，2021.

[3]李驍馳，趙祥模，徐志剛，等.面向智能網(wǎng)聯(lián)交通系統(tǒng)的模塊化柔性試驗(yàn)場(chǎng)[J].中國(guó)公路學(xué)報(bào)，2019，32（6）：10.

[4]辛業(yè)華.先進(jìn)汽車輔助駕駛系統(tǒng)（ADAS）發(fā)展現(xiàn)狀及前景［J］.內(nèi)燃機(jī)與配件，2019（19）：192-194.

[5]楊英，趙廣耀，武華棟.汽車智能駕駛系統(tǒng)中運(yùn)動(dòng)圖像的實(shí)時(shí)檢測(cè)與跟蹤[J].東北大學(xué)學(xué)報(bào)：自然科學(xué)版，2005，26（10）：4.