摘 要:

智能汽車測試是其技術開發(fā)與應用中必不可少的環(huán)節(jié),封閉場景下測試目標物準確反映真實道路環(huán)境下交通對象特性是保障測評結果可信的關鍵,而道路弱勢群體服飾色彩是相應測試目標設計的關鍵參數,也是智能車測評相關標準中要求的一個主要指標?為此,通過對中國某省份2018~2020年間重大交通安全事故案例的分析和篩查,得出178例弱勢道路使用者群體傷亡人員樣本,首先提取樣本服飾顏色,然后選取適當的色彩空間,將色彩數據從RGB(Red-Green-Blue)空間轉換至LUV(Lightness-Chroma)空間?以轉換結果作為聚類參數,采用K-means聚類算法,獲取受害者樣本基于季節(jié)?出行方式等不同因素下的服飾代表顏色?區(qū)別現階段歐洲標準中目標物黑色上衣/藍色長褲的搭配組合,黑色上衣/黑色長褲作用于符合中國國情的自動駕駛場景中測試目標物的服飾顏色更具代表性?鑒于中國新車評價規(guī)程(China-NewCarAssessmentProgramme,C-NCAP)選取行人目標物與自行車騎行者目標物,將目標物服飾改為黑色上衣/黑色長褲組合,以測試目標物與測試車輛位置分別構建相對橫向及縱向運動的多個場景,在對應場景下檢測汽車前端結構位置25%?50%及75%處與目標物碰撞情況,以評價配有自動緊急制動系統(tǒng)(AutomaticEmergencyBrakingSystem,AEB)的智能汽車對測試目標物的響應能力?試驗測試結果表明:全部測試場景下,測試車輛能夠成功識別目標物并可主動制動,該測試驗證了黑色上衣/黑色長褲組合在現行檢測標準下的可行性與有效性?該研究可為智能汽車測試領域提供客觀的數據支撐,完善交通行業(yè)相關標準和法規(guī),并推動智能汽車測試技術的發(fā)展?

關鍵詞:汽車工程；服飾色彩；K-means聚類分析；測試目標物；測試場景；自動緊急制動系統(tǒng)；智能汽車測試

作者：

韓玲1,朱長盛1,遲瑞豐1,方若愚1,張暉1,劉國鵬1,伊強2,3

(1.長春工業(yè)大學機電工程學院,吉林長春130012;2.印第安納大學-普渡大學印第安納波利斯分校,印第安納印第安納波利斯IN46074;3.河北普傲汽車科技有限公司,河北石家莊050010)

*作者簡介:韓玲,副教授,博士研究生導師,工學博士,E-mail:hanling@ccut.edu.cn?

0 引 言

據國家統(tǒng)計局2015~2019年度數據統(tǒng)計,近5年,中國每年因道路交通事故死亡的人數約6萬余人,受傷人數約25萬人,其中涉及行人?自行車騎行者等弱勢道路使用者群體(VulnerableRoadUsers,VRU)的事故發(fā)生概率平均年增長近20%?面對嚴峻的道路安全形勢,推行主動安全與行人保護勢在必行?智能汽車技術對提高行車安全?改善交通環(huán)境具有重要作用?2020年,國家發(fā)改委?工信部?科技部等十一部委聯合發(fā)布了《智能汽車創(chuàng)新發(fā)展戰(zhàn)略》,對智能汽車網絡安全六大體系進行了戰(zhàn)略規(guī)劃,其中的法規(guī)標準建設是保障智能汽車開發(fā)和產業(yè)應用的關鍵?2019年,工信部在《智能網聯汽車標準化工作要點》中明確提出要加強預期功能安全?信息安全等重點標準制定工作,并于2021年與公安部?交通運輸部聯合印發(fā)《智能網聯汽車道路測試與示范應用管理規(guī)范(試行)》?為此,實現智能汽車國家發(fā)展戰(zhàn)略有2個核心工作:一是制定科學可行的?有利于智能汽車長遠快速發(fā)展的標準規(guī)范,二是依據標準規(guī)范對智能汽車進行全方位的測試評價?

封閉場地測試是智能汽車測評的重要手段,它是通過建設專用的封閉測試場,搭配真實度較高的道具或實物,在有限場地中模擬或還原真實場景,實現對車輛綜合性能的測試[1]?其優(yōu)點在于通過在場地內設置場景所需的交通要素道具和運行條件,可以方便地實現對特定場景的測試,相同工況可多次重復測試,測試場景的代表性與場景中要素道具的真實性決定了測試結果的可信度,是影響封閉場地測試的關鍵因素?測試場景的設計往往選定那些在實際道路交通事故中出現頻率較高的場景,作為智能車輛技術中的典型代表——自動緊急制動系統(tǒng)的測試,就需要構建智能汽車與其他交通對象的碰撞場景,VRU正是其中的重要組成?德國PEGASUS項目建立了5層分層模型[2],其中L4為目標層,描述場景中各類動態(tài)?靜態(tài)及可移動交通參與者及其交互行為與運動行為?美國高速公路安全管理局(NationalHighwayTrafficSafetyAdministration,NHTSA)提出6層架構[3],將道路使用者歸為目標對象層,確定測試場景中交通參與者行為,為測試場景構建設計提供依據?文獻[4]對交通參與者從速度?方向?位置等屬性入手進行排列組合來搭建場景?由于交通參與者直接參與測試存在安全隱患,選用VRU模擬裝置(目標物)作為替代是更好的解決方案?所以,目標物的設計至關重要,其外觀形態(tài)既需要代表實際交通危險場景下大多數對象,其反射信號又要求與實際交通對象的表現特征類似,這就需要在構建測試場景時確定好模擬交通對象的目標物關鍵參數?

在行人檢測與識別領域,當前主流的深度學習方法主要關注于包含行人衣著信息的外觀信息[5-6]?VRU服飾色彩數據便于采集,應用廣泛,能直接影響智能駕駛系統(tǒng)三大傳感器之一的視覺傳感器的識別能力,進而影響智能汽車后續(xù)的決策控制?歐洲汽車制造協(xié)會(AssociationdesConstructeursEuropeans,ACEA)最早將行人目標物服飾顏色規(guī)定為黑色上衣搭配藍色長褲,該設定為目前全球各大新車評鑒機構所沿用?美國汽車工程師協(xié)會(SocietyofAutomotiveEngineers,SAE)標準J3116_201706和J3157_201902將行人和自行車騎行者目標物服飾顏色規(guī)定為黑色上衣搭配黑色長褲?由于各國道路情況存在差異,上述標準并不一定符合中國國情?2021年12月,中汽研全國汽車標準化技術委員會對汽車推薦性國家標準《智能網聯汽車功能測試用行人目標物技術要求》?《智能網聯汽車功能測試用自行車目標物技術要求》進行了意向調研,經前期討論,目標物服飾顏色是當前一項急缺的重要參數?因此,有必要對中國駕駛數據進行研究,得出符合中國實際道路情況的目標物服飾代表顏色?

為此,根據中國某省份內涉及重大交通事故的傷亡數據,提取傷亡人員樣本上?下身服飾顏色數據,進行聚類分析處理,獲取樣本服飾的代表顏色,利用實車道路測試驗證其有效性,旨在為智能汽車測試提供數據支撐,推動相關法律法規(guī)與技術標準的制定和實施?

1 事故數據來源

智能汽車測試需要豐富的場景類型,測試場景的數據主要包括真實數據?模擬數據和專家經驗3個部分[7]?真實數據中的自然駕駛數據?道路交通事故數據是測試場景主要的數據來源,也是各類數據的支撐?然而,獲取自然駕駛數據過程中存在成本高?耗時長的問題,且出現復雜和危險場景的頻率偏低?為全面驗證智能汽車在危險場景下是否具備安全性,選擇具有真實危險場景特征的交通事故數據對高風險場景進行補充?文獻[8]調研了2006~2016年中國道路交通事故死亡率,數據表明:全國各類重大交通事故傷亡人員中,年齡構成方面,成人占比遠超兒童,性別構成方面,男性占比遠超女性;而包括行人?自行車騎行者?摩托車騎行者在內的VRU群體占10年間交通事故死亡人數的3/4,最常死于道路交通事故的是乘坐汽車和三輪機動車的人?據2020年道路交通事故數據統(tǒng)計,1~15歲受傷18905人,占總數的7.54%,死亡2359人,占總數的3.82%;女性受傷93925人,占總數的37.46%,死亡19078人,占總數的30.92%?各項調研結果表明,當前交通環(huán)境下,重大事故傷亡者主要為成年男性?

研究選取中國某省份2018~2020年間發(fā)生的真實重大交通事故數據1467例?由于事故圖片中存在諸如事故現場并未拍攝到傷亡者?場地光線不佳或事故涉及大型掛車等貨運車等問題,對不符合條件的案例進行逐層篩選?因圖片中服飾色彩不僅受面料顏色的影響,還與天氣條件?事故發(fā)生時間?樹木或建筑陰影等環(huán)境亮度有關,為了獲得真值,截取圖片中沒有陰影遮擋?能見度良好?顏色清晰的像素點作為研究的參考點?經篩選后獲取案例167例,傷亡人員樣本178個?