陳君毅, 李如冰, 邢星宇, 蒙昊藍(lán), 余卓平

(同濟(jì)大學(xué) 汽車學(xué)院, 上海 201804)

在自動(dòng)駕駛技術(shù)的開發(fā)中需要進(jìn)行大量的測(cè)試、評(píng)價(jià)和驗(yàn)證,尤其需要突出自動(dòng)駕駛車輛作為智能系統(tǒng)的任務(wù)決策能力和復(fù)雜環(huán)境的認(rèn)知與理解等能力.研究自動(dòng)駕駛車輛的智能性評(píng)價(jià)方法有利于促進(jìn)汽車工業(yè)設(shè)計(jì)、生產(chǎn)和銷售的良性循環(huán),刺激汽車生產(chǎn)商提高汽車智能化水平,并為消費(fèi)者購車時(shí)提供參考.然而目前對(duì)于如何評(píng)價(jià)自動(dòng)駕駛車輛的智能性還沒有統(tǒng)一的標(biāo)準(zhǔn)法規(guī),各研發(fā)單位及測(cè)試機(jī)構(gòu)從不同角度、不同應(yīng)用范圍給出了自己的評(píng)價(jià)指標(biāo)和評(píng)價(jià)方法.本文圍繞自動(dòng)駕駛車輛智能性評(píng)價(jià)進(jìn)行了深入的分析和總結(jié).

首先,對(duì)自動(dòng)駕駛車輛智能性定義進(jìn)行了綜述和對(duì)比;之后,系統(tǒng)梳理了現(xiàn)階段自動(dòng)駕駛車輛智能性評(píng)價(jià)選取的評(píng)價(jià)指標(biāo);然后,按定性評(píng)價(jià)和定量評(píng)價(jià)兩種方式對(duì)評(píng)價(jià)方法進(jìn)行了整理和概述,并分析了不同評(píng)價(jià)方法的應(yīng)用特點(diǎn);最后,就自動(dòng)駕駛車輛智能性評(píng)價(jià)的進(jìn)一步發(fā)展提出了若干研究方向的展望.

1 自動(dòng)駕駛車輛及智能性定義

美國汽車工程師學(xué)會(huì)(SAE)將自動(dòng)駕駛技術(shù)分為L0~L5六個(gè)級(jí)別[1],本文中自動(dòng)駕駛車輛是指按照SAE定義L4級(jí)及以上的車輛.即按照功能設(shè)計(jì),車輛在限定條件下,應(yīng)能完成所有動(dòng)態(tài)駕駛?cè)蝿?wù),如果出現(xiàn)需要人類介入的情況,則認(rèn)為自動(dòng)駕駛系統(tǒng)未滿足功能需求.

自動(dòng)駕駛汽車智能性一般可看作是人工智能的一個(gè)專門領(lǐng)域.人工智能是指機(jī)器能夠完成需要人類智能才能完成的任務(wù)[2],或者機(jī)器在同樣的任務(wù)中表現(xiàn)出和人類似的、甚至是超過人類的智能[3],以此引申出自動(dòng)駕駛車輛的智能性是指車輛具備和人類相當(dāng)、甚至超過人類的駕駛技能.基于這種思想,Kalik等[4]將圖靈測(cè)試應(yīng)用于自動(dòng)駕駛車輛智能性評(píng)估中,根據(jù)人類觀察者能否將自動(dòng)駕駛車輛與人類駕駛車輛區(qū)分開,來對(duì)自動(dòng)駕駛車輛的智能性做出評(píng)價(jià).

本節(jié)上述智能性定義是從自動(dòng)駕駛車輛的行為表現(xiàn)出發(fā),也有部分學(xué)者從自動(dòng)駕駛汽車應(yīng)當(dāng)具備的能力出發(fā)確定智能性定義.Li等[5]認(rèn)為自動(dòng)駕駛汽車的智能性是指自動(dòng)駕駛汽車在環(huán)境中感知信息、決策規(guī)劃并采取自適應(yīng)行為的能力.Huang等[6]認(rèn)為智能性是無人系統(tǒng)為了能夠完成所分配的目標(biāo)所具有的綜合感知、認(rèn)知、分析、溝通、計(jì)劃、決策和執(zhí)行等能力.Beernaert等[7]強(qiáng)調(diào)了自動(dòng)(Automatic)和智能(Intelligence)的區(qū)別,自動(dòng)意味著一個(gè)系統(tǒng)只能按預(yù)先編好的程序運(yùn)行,智能意味著一個(gè)系統(tǒng)能夠處理人工未預(yù)先定義的異常.閆巖等[8]認(rèn)為智能性意味著還具有自主運(yùn)行能力,認(rèn)為智能性應(yīng)能夠體現(xiàn)系統(tǒng)的自我管理能力,最小化人工干預(yù),并具有動(dòng)態(tài)自處理和任務(wù)執(zhí)行能力.

綜上所述,自動(dòng)駕駛車輛的智能性意味著在行為表現(xiàn)上與人類相似(甚至超越人類);在能力上,具有感知、決策、規(guī)劃能力,自主運(yùn)行能力,能夠處理人工未預(yù)先定義的異常.除智能性外,也有部分學(xué)者提出了自主性的概念,由于自主性和智能性之間沒有清晰的界限,因此本文中不做區(qū)分,統(tǒng)稱為智能性.

2 自動(dòng)駕駛車輛智能性評(píng)價(jià)指標(biāo)

選取評(píng)價(jià)指標(biāo)是自動(dòng)駕駛車輛智能性評(píng)價(jià)的前提和基礎(chǔ).智能性評(píng)價(jià)過程中首先需要明確評(píng)價(jià)目的和評(píng)價(jià)對(duì)象,在此基礎(chǔ)上再選擇具體的評(píng)價(jià)指標(biāo),以下從這兩方面展開分析.

2.1 明確評(píng)價(jià)目的和評(píng)價(jià)對(duì)象

2.1.1評(píng)價(jià)目的

(1) 縱向比較

縱向比較是指在技術(shù)開發(fā)驗(yàn)證階段,比較自動(dòng)駕駛車輛智能性的某個(gè)方面相較于自身上一個(gè)版本的改進(jìn)情況,不需要全面綜合地對(duì)比不同自動(dòng)駕駛車輛的智能性差異,側(cè)重于智能性的某個(gè)方面.例如Koon等[9]為研發(fā)的無人駕駛車輛設(shè)計(jì)了專用測(cè)試賽道,最后根據(jù)無人駕駛車輛通過賽道的時(shí)間和測(cè)試過程中偏離賽道的次數(shù)評(píng)價(jià)智能性.

(2) 橫向比較

橫向比較要求全面綜合地比較多輛自動(dòng)駕駛車輛,單一方面無法完整反映智能性水平,評(píng)價(jià)指標(biāo)相比于縱向比較覆蓋面更廣.典型的是Huang等[6]提出的ALFUS (無人系統(tǒng)自主級(jí)別框架,autonomy levels for unmanned systems)評(píng)測(cè)框架,如圖1所示.該框架對(duì)被測(cè)系統(tǒng)的智能水平進(jìn)行了等級(jí)劃分,主要考慮任務(wù)完成過程中的任務(wù)復(fù)雜度、環(huán)境復(fù)雜度和人工獨(dú)立程度等因素,將智能水平劃分為10級(jí).

圖1 ALFUS評(píng)測(cè)框架

2.1.2評(píng)價(jià)對(duì)象

(1) 面向無人乘坐車輛

無人乘坐車輛的使用目的是執(zhí)行特殊任務(wù),而非運(yùn)載乘員.面向無人乘坐車輛的智能性評(píng)價(jià)將車輛視為自主行駛的智能機(jī)器人,評(píng)價(jià)獨(dú)立完成任務(wù)的能力和完成質(zhì)量,不考慮用戶體驗(yàn)相關(guān)指標(biāo).如美國國防高級(jí)研究計(jì)劃局(DARPA)在2004、2005年舉行了兩屆沙漠越野比賽DARPA Grand Challenge[10-11],對(duì)未完成任務(wù)的車輛以行駛距離排序,對(duì)完成任務(wù)的車輛以完成任務(wù)排序.2007年舉辦的DARPA Urban Challenge[12]在城市環(huán)境中進(jìn)行,最終綜合考慮車輛在行駛過程中的任務(wù)完成時(shí)間、任務(wù)完成質(zhì)量(違反交通規(guī)則或表現(xiàn)出危險(xiǎn)行為扣除相應(yīng)分?jǐn)?shù))進(jìn)行評(píng)價(jià).

(2) 面向有人乘坐車輛

有人乘坐車輛以運(yùn)載乘員為目的,要求自動(dòng)駕駛車輛不僅能夠自主行駛,還需要能夠提供較好的用戶體驗(yàn),評(píng)價(jià)指標(biāo)中包含用戶體驗(yàn)相關(guān)指標(biāo).例如Adaptive項(xiàng)目[13]通過問卷調(diào)查收集試乘人員對(duì)自動(dòng)駕駛車輛的評(píng)價(jià),評(píng)價(jià)指標(biāo)包括信任程度、有用程度、可接受程度、是否愿意購買等.

2.2 選擇評(píng)價(jià)指標(biāo)

評(píng)價(jià)指標(biāo)包括整車級(jí)指標(biāo)和系統(tǒng)級(jí)指標(biāo)兩大類,以下對(duì)這兩種類別的典型評(píng)價(jià)指標(biāo)進(jìn)行了整理和分析.

2.2.1整車級(jí)指標(biāo)

整車級(jí)指標(biāo)是自動(dòng)駕駛車輛在完成任務(wù)過程中的各種行為表現(xiàn),評(píng)價(jià)時(shí)將自動(dòng)駕駛車輛視為一個(gè)完整的系統(tǒng),不需要了解系統(tǒng)內(nèi)部結(jié)構(gòu)如何,只需按系統(tǒng)的輸入和輸出信息對(duì)整個(gè)系統(tǒng)進(jìn)行評(píng)價(jià).

對(duì)于整車級(jí)指標(biāo),可以選擇客觀指標(biāo)(在測(cè)試中實(shí)際測(cè)量獲得指標(biāo)屬性值)或者主觀指標(biāo)(人類評(píng)價(jià)確定指標(biāo)屬性值),如表1、表2所示.選擇不同類型的指標(biāo)將影響指標(biāo)體系顆粒程度,主觀指標(biāo)的最細(xì)粒度可以是任務(wù)級(jí)別,客觀指標(biāo)需要進(jìn)一步將任務(wù)細(xì)化到可測(cè)量的指標(biāo).例如同樣是“通過路口"指標(biāo),Meng等[14]分解為{停車精度、起步時(shí)間、平均速度、制動(dòng)減速度}等客觀子指標(biāo),對(duì)于每一個(gè)子指標(biāo)根據(jù)測(cè)試數(shù)據(jù)來確定指標(biāo)屬性值;孫揚(yáng)[15]則直接利用專家調(diào)查法評(píng)價(jià)自動(dòng)駕駛車輛在通過路口過程中體現(xiàn)出的智能性水平.

表1 整車級(jí)客觀指標(biāo)

表2 整車級(jí)主觀指標(biāo)

主觀指標(biāo)和客觀指標(biāo)各有優(yōu)劣,客觀指標(biāo)屬性值是客觀測(cè)量值,不受人為因素影響,但由于智能性本身具有模糊性,在不同場(chǎng)景下指標(biāo)的理想值不同(如在干燥路面和濕滑路面,跟車距離的理想值不同),客觀測(cè)量值和智能性水平之間并非線性對(duì)應(yīng),因此僅根據(jù)實(shí)際測(cè)量屬性值不足以判斷智能性優(yōu)劣;主觀指標(biāo)雖然較好地體現(xiàn)了智能性的模糊性特點(diǎn),但受人為因素干擾較大.

2.2.2系統(tǒng)級(jí)指標(biāo)

系統(tǒng)級(jí)指標(biāo)是指將自動(dòng)駕駛車輛的智能性分拆到子系統(tǒng)或者子能力等指標(biāo),對(duì)子系統(tǒng)或子能力分別進(jìn)行測(cè)試評(píng)價(jià),進(jìn)而匯總成為整車的智能性評(píng)價(jià)結(jié)果.典型的系統(tǒng)級(jí)指標(biāo)如表3所示.

整車級(jí)指標(biāo)雖然能反映整車級(jí)別的智能性優(yōu)劣,但對(duì)自動(dòng)駕駛車輛環(huán)境感知、決策規(guī)劃和控制等子系統(tǒng)缺乏直觀的反映,并未指出具體哪項(xiàng)系統(tǒng)的不足和以后需改進(jìn)的方向;另外自動(dòng)駕駛車輛的智能行為由環(huán)境-任務(wù)-車輛三者交互激發(fā)[21],不同環(huán)境和任務(wù)對(duì)車輛智能行為影響不同,自動(dòng)駕駛車輛在特定駕駛?cè)蝿?wù)和環(huán)境中的表現(xiàn)能否反映更廣泛條件下的智能性水平有待進(jìn)一步研究.

表3 系統(tǒng)級(jí)指標(biāo)

系統(tǒng)級(jí)指標(biāo)雖然能直觀反映各子系統(tǒng)或子能力的優(yōu)劣,但是自動(dòng)駕駛車輛是一個(gè)復(fù)雜的智能體,子系統(tǒng)或子能力之間并沒有絕對(duì)的相對(duì)重要性關(guān)系,如何將各子系統(tǒng)或子能力評(píng)價(jià)結(jié)果綜合成為整車的智能性水平仍具有很大挑戰(zhàn)性.

3 自動(dòng)駕駛車輛智能性評(píng)價(jià)方法

自動(dòng)駕駛車輛智能性評(píng)價(jià)指標(biāo)確定后,需要選擇合適的評(píng)價(jià)方法,以確定評(píng)價(jià)對(duì)象在各評(píng)價(jià)指標(biāo)上的評(píng)價(jià)結(jié)果,包括定量評(píng)價(jià)方法和定性評(píng)價(jià)方法.

3.1 定量評(píng)價(jià)方法

定量評(píng)價(jià)方法采用數(shù)學(xué)的方法,收集和處理數(shù)據(jù)資料,最終以精確的數(shù)值概括全部的評(píng)價(jià)信息,包括獨(dú)立指標(biāo)評(píng)價(jià)方法和聯(lián)合指標(biāo)評(píng)價(jià)方法.

獨(dú)立指標(biāo)評(píng)價(jià)方法不區(qū)分不同指標(biāo)之間的重要性差異,在獲得評(píng)價(jià)對(duì)象在各個(gè)指標(biāo)的評(píng)價(jià)結(jié)果后并沒有關(guān)聯(lián)在一起形成總體評(píng)價(jià).例如Wei等[22]根據(jù)自動(dòng)駕駛車輛到達(dá)設(shè)定終點(diǎn)的平均時(shí)間、平均加速度、車道變換次數(shù)、與前車距離小于10m的總時(shí)間等數(shù)據(jù)進(jìn)行智能性評(píng)估.獨(dú)立指標(biāo)評(píng)價(jià)方法僅適用于獨(dú)立地對(duì)比不同評(píng)價(jià)對(duì)象在各評(píng)價(jià)指標(biāo)上的表現(xiàn)差異,由于不能得出整體的評(píng)價(jià)結(jié)果,便不能在整體上判斷各評(píng)價(jià)對(duì)象的智能性優(yōu)劣,因此應(yīng)用較少.

應(yīng)用廣泛的是聯(lián)合指標(biāo)評(píng)價(jià)方法,該方法用多個(gè)評(píng)價(jià)指標(biāo)分別說明被評(píng)價(jià)對(duì)象的不同方面,最終對(duì)各評(píng)價(jià)指標(biāo)結(jié)果綜合,用一個(gè)總指標(biāo)來說明被評(píng)價(jià)對(duì)象的綜合水平.該方法在建立指標(biāo)體系后還需要進(jìn)一步確定指標(biāo)權(quán)重并選擇集結(jié)模型,以下對(duì)不同指標(biāo)權(quán)重確定方法和集結(jié)模型的應(yīng)用特點(diǎn)和局限進(jìn)行了分析.

3.1.1確定指標(biāo)權(quán)重

指標(biāo)權(quán)重確定方法可分為主觀賦權(quán)法和客觀賦權(quán)法.主觀賦權(quán)法由專家根據(jù)經(jīng)驗(yàn)進(jìn)行主觀判斷得到權(quán)重,應(yīng)用較多的是層次分析法.由專家通過兩兩比較判斷的方式確定每兩個(gè)指標(biāo)之間的相對(duì)重要性,進(jìn)而建立判斷矩陣K.K中的每一個(gè)元素rij代表指標(biāo)i相對(duì)于指標(biāo)j的相對(duì)重要性程度,之后求解判斷矩陣的特征向量作為各評(píng)價(jià)指標(biāo)的權(quán)重系數(shù)[23-25].除層次分析法外,也有部分學(xué)者采用等權(quán)法[26],即默認(rèn)各評(píng)價(jià)指標(biāo)的權(quán)重相同.

客觀賦權(quán)法通過對(duì)實(shí)際獲得的指標(biāo)屬性值進(jìn)行計(jì)算分析,進(jìn)而得出權(quán)重系數(shù).應(yīng)用較多的是熵權(quán)法.各被測(cè)車輛在某個(gè)指標(biāo)的屬性值差異程度越大,提供的信息量便越多,該指標(biāo)的權(quán)重也越大[27].客觀評(píng)價(jià)法利用比較完善的數(shù)學(xué)模型和方法,不受人為因素影響,適用于評(píng)價(jià)指標(biāo)均為客觀指標(biāo)的情況.但客觀賦權(quán)方法獲得的指標(biāo)權(quán)重依賴于測(cè)試結(jié)果;且當(dāng)評(píng)價(jià)對(duì)象不同時(shí)指標(biāo)權(quán)重隨之改變,即指標(biāo)權(quán)重不具有普適性.

有部分學(xué)者采用組合賦權(quán)法[28],即分別在主觀賦權(quán)法和客觀賦權(quán)法內(nèi)部找出最合理的權(quán)重系數(shù),再根據(jù)具體情況確定主、客觀賦權(quán)法權(quán)重系數(shù)所占的比例,最后求出綜合評(píng)價(jià)權(quán)重系數(shù).該方法一定程度上既反映了決策者的主觀信息,又可以利用原始數(shù)據(jù),使權(quán)重系數(shù)具有客觀性,但結(jié)果的準(zhǔn)確性有賴于對(duì)主觀賦權(quán)和客觀賦權(quán)權(quán)重系數(shù)所占比例的確定.

指標(biāo)權(quán)重的基本規(guī)律是指標(biāo)體現(xiàn)的任務(wù)復(fù)雜程度越高,權(quán)重越大.任務(wù)復(fù)雜度越高的指標(biāo)越能反映被測(cè)對(duì)象的技術(shù)水平,相對(duì)重要性較高,且通常不同被測(cè)對(duì)象在該指標(biāo)的差異性更大.因此無論采用主觀或客觀賦權(quán)法,權(quán)重均較大.如文獻(xiàn)[27]采用客觀賦權(quán)法,指標(biāo)“停車精度"權(quán)重為0.113,指標(biāo)“車速保持"權(quán)重僅為0.092;文獻(xiàn)[15]指采用主觀賦權(quán)法,指標(biāo)“U型轉(zhuǎn)彎"權(quán)重為0.47,指標(biāo)“直道保持"權(quán)重僅為0.05.

3.1.2選擇集結(jié)模型

聯(lián)合指標(biāo)評(píng)價(jià)方法需要選擇集結(jié)模型將多個(gè)評(píng)價(jià)指標(biāo)屬性值“合成"為一個(gè)整體的綜合評(píng)價(jià)值,集結(jié)模型包括灰色關(guān)聯(lián)度法、逼近理想解排序法(TOPSIS,technique for order preference by similarity to an ideal solution)方法、模糊綜合評(píng)價(jià)法、反向傳播(BP,back propagation)神經(jīng)網(wǎng)絡(luò)法和加權(quán)算術(shù)平均法.

灰色關(guān)聯(lián)度法[17]通過比較各自動(dòng)駕駛車輛與理想方案(各評(píng)價(jià)指標(biāo)的最優(yōu)屬性值構(gòu)成的序列)之間的關(guān)聯(lián)度確定各指標(biāo)得分,之后用評(píng)價(jià)指標(biāo)權(quán)重向量對(duì)各指標(biāo)結(jié)果進(jìn)行綜合,獲得綜合評(píng)價(jià)結(jié)果.關(guān)聯(lián)度越大,說明該車輛與最優(yōu)方案的態(tài)勢(shì)越一致,智能性越好.但是當(dāng)其中某個(gè)評(píng)價(jià)對(duì)象改變時(shí),理想方案很可能隨之變化,從而導(dǎo)致所有評(píng)價(jià)對(duì)象的評(píng)價(jià)結(jié)果均發(fā)生變化,因而僅適用于對(duì)特定幾個(gè)評(píng)價(jià)對(duì)象進(jìn)行排序,即評(píng)價(jià)結(jié)果不具有普適性.

TOPSIS方法[29]根據(jù)各車輛與正理想解的接近程度以及與負(fù)理想解的遠(yuǎn)離程度進(jìn)行智能性相對(duì)優(yōu)劣的評(píng)價(jià),其中正、負(fù)理想解分別是所有車輛中各評(píng)價(jià)指標(biāo)的最優(yōu)、最劣屬性值構(gòu)成的序列,該方法獲得的評(píng)價(jià)結(jié)果同樣不具有普適性.

模糊綜合評(píng)價(jià)法[23,25]首先確定評(píng)價(jià)指標(biāo)集合和評(píng)價(jià)等級(jí)集合,之后確定每一個(gè)評(píng)價(jià)指標(biāo)對(duì)各評(píng)價(jià)等級(jí)的隸屬度,便可以確定一個(gè)模糊評(píng)價(jià)矩陣R,用評(píng)價(jià)指標(biāo)權(quán)重向量對(duì)模糊評(píng)價(jià)矩陣R進(jìn)行合成運(yùn)算,從而得到模糊綜合評(píng)價(jià)結(jié)果向量.模糊綜合評(píng)價(jià)法適用于評(píng)價(jià)指標(biāo)為多層次指標(biāo)體系且包含主觀指標(biāo)的情況.

BP神經(jīng)網(wǎng)絡(luò)法[30]將客觀指標(biāo)的屬性值進(jìn)作為BP神經(jīng)網(wǎng)絡(luò)模型的輸入,將專家評(píng)價(jià)結(jié)果作為網(wǎng)絡(luò)模型的輸出,之后用足夠多的樣本訓(xùn)練這個(gè)模型,訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)能夠模擬專家進(jìn)行評(píng)價(jià).該方法不能提供顯式的解析表達(dá)式,這使得無法得知造成兩個(gè)評(píng)價(jià)對(duì)象評(píng)價(jià)結(jié)果差異的確切原因,適用于被評(píng)對(duì)象規(guī)模較大時(shí)進(jìn)行自動(dòng)評(píng)價(jià).

加權(quán)算術(shù)平均法利用加權(quán)的算術(shù)平均值來綜合各指標(biāo)的評(píng)價(jià)信息,如Zhao等[27]以自動(dòng)駕駛車輛完成任務(wù)的成本函數(shù)值為指標(biāo)屬性值,以通過熵權(quán)法獲得的權(quán)值為指標(biāo)權(quán)重,應(yīng)用加權(quán)平均算法獲得綜合評(píng)價(jià)結(jié)果,但是該方法單項(xiàng)指標(biāo)的極值會(huì)影響評(píng)價(jià)結(jié)果的準(zhǔn)確性.

各集結(jié)模型的特點(diǎn)歸納如表4所示,在實(shí)際應(yīng)用過程中,需要根據(jù)評(píng)價(jià)時(shí)具備的條件以及對(duì)評(píng)價(jià)結(jié)果的要求選擇合適的集結(jié)模型.

表4 自動(dòng)駕駛車輛智能性評(píng)價(jià)集結(jié)模型

3.2 定性評(píng)價(jià)方法

定性評(píng)價(jià)方法從自動(dòng)駕駛車輛智能性本質(zhì)出發(fā),利用專家的知識(shí)、經(jīng)驗(yàn)和判斷,通過觀察被評(píng)價(jià)對(duì)象的表現(xiàn)或狀態(tài),以歸納分析等非量化手段對(duì)自動(dòng)駕駛車輛智能性進(jìn)行評(píng)價(jià).最終的評(píng)價(jià)結(jié)果是宏觀的智能性水平劃分,而非精確的數(shù)值.如王越超等[19]提出的蛛網(wǎng)模型從一個(gè)原點(diǎn)往外輻射出幾條軸,每條軸代表一個(gè)決定智能性的關(guān)鍵技術(shù),在每個(gè)軸上根據(jù)技術(shù)成熟度分為若干個(gè)等級(jí),最后把每條軸上的對(duì)應(yīng)點(diǎn)連接起來構(gòu)成蛛網(wǎng)的緯線,以此評(píng)價(jià)智能性,如圖2所示.

圖2 智能性評(píng)價(jià)蛛網(wǎng)模型

3.3 定性評(píng)價(jià)和定量評(píng)價(jià)對(duì)比

3.3.1評(píng)價(jià)結(jié)果

定性評(píng)價(jià)的結(jié)果是宏觀的智能性水平劃分,側(cè)重于從智能性的本質(zhì)上對(duì)自動(dòng)駕駛車輛進(jìn)行評(píng)價(jià),相比于定量評(píng)價(jià)方法,其結(jié)果更加穩(wěn)定可靠.但只有當(dāng)自動(dòng)駕駛車輛的智能性水平存在顯著差異時(shí)才能區(qū)分出性能優(yōu)劣,針對(duì)自動(dòng)駕駛車輛產(chǎn)品無法做出智能性水平的詳細(xì)定位和精確評(píng)價(jià),針對(duì)技術(shù)研發(fā)也不能提供研發(fā)方向的精確性引導(dǎo).

定量評(píng)價(jià)以精確數(shù)值概括全部的評(píng)價(jià)信息,適用于需要對(duì)不同自動(dòng)駕駛車輛的智能性優(yōu)劣做精確分析的場(chǎng)合.評(píng)價(jià)結(jié)果直觀明確,利于工程實(shí)踐和自動(dòng)駕駛車輛性能逐步提高.

3.3.2評(píng)價(jià)過程

從評(píng)價(jià)過程來看,定性評(píng)價(jià)方法以歸納分析等非量化手段對(duì)自動(dòng)駕駛車輛智能性進(jìn)行評(píng)價(jià),對(duì)測(cè)試數(shù)據(jù)的要求不高,數(shù)學(xué)工具簡單.定量評(píng)價(jià)中獨(dú)立指標(biāo)評(píng)價(jià)方法同樣數(shù)學(xué)工具簡單,但對(duì)測(cè)試數(shù)據(jù)有較高要求.聯(lián)合指標(biāo)評(píng)價(jià)方法首先需要區(qū)別不同評(píng)價(jià)指標(biāo)的重要性差異,還需要將評(píng)價(jià)對(duì)象在各指標(biāo)的評(píng)價(jià)結(jié)果綜合成一個(gè)總體評(píng)價(jià)結(jié)果,因此需要用到復(fù)雜的數(shù)學(xué)工具,操作也更為復(fù)雜.定性評(píng)價(jià)方法和定量評(píng)價(jià)方法應(yīng)用特點(diǎn)匯總?cè)绫?所示.

表5 自動(dòng)駕駛汽車智能性評(píng)價(jià)方法應(yīng)用特點(diǎn)

4 結(jié)語

智能性評(píng)價(jià)是開展自動(dòng)駕駛技術(shù)研發(fā)和應(yīng)用的重要環(huán)節(jié),本文對(duì)現(xiàn)階段自動(dòng)駕駛車輛智能性評(píng)價(jià)指標(biāo)和評(píng)價(jià)方法進(jìn)行了梳理和分析.目前世界范圍內(nèi)尚未建立完善的自動(dòng)駕駛車輛智能性評(píng)價(jià)體系,在該領(lǐng)域內(nèi)仍有很多問題需要深入研究,主要體現(xiàn)在:

(1) 評(píng)價(jià)框架:目前的評(píng)價(jià)目標(biāo)都集中于車輛本身在一定的外界條件和環(huán)境下的某一項(xiàng)或多項(xiàng)性能或能力上,缺乏系統(tǒng)性和完整性.有必要結(jié)合智能主體的思想,明確自動(dòng)駕駛汽車智能性的內(nèi)涵,從而確定自動(dòng)駕駛車輛智能性的評(píng)價(jià)框架.

(2) 評(píng)價(jià)指標(biāo):部分評(píng)價(jià)指標(biāo)體系中包含主觀指標(biāo),如何盡可能減少主觀指標(biāo)數(shù)量,以及降低主觀指標(biāo)帶來的人為因素干擾仍有待研究.

(3) 賦權(quán)方法:目前的指標(biāo)權(quán)重確定方法均存在一定局限,主觀賦權(quán)法受人為因素干擾,客觀賦權(quán)法不能體現(xiàn)該指標(biāo)對(duì)于智能性的重要性程度,賦權(quán)方法有待進(jìn)一步研究.