張?jiān)姴?何治劍 廖靜倩 李平飛，2 肖凌云 許倩源

（1.西華大學(xué)汽車與交通學(xué)院 成都610039;2.四川西華交通司法鑒定中心 成都610039；3.國(guó)家市場(chǎng)監(jiān)督管理總局缺陷產(chǎn)品管理中心 北京100101）

0 引 言

據(jù)公安部交通管理局最新數(shù)據(jù)顯示，2019 年我國(guó)發(fā)生了20 多萬起交通事故，造成5 萬多人死亡，其中發(fā)生在路口的事故4 萬多起，死亡人數(shù)接近1萬[1]。因此，針對(duì)路口交通場(chǎng)景的研究是十分必要的。

自動(dòng)緊急制動(dòng)（autonomous emergency braking,AEB）是先進(jìn)輔助駕駛系統(tǒng)（advanced driver assistance system，ADIS）中最具代表性的主動(dòng)安全技術(shù)?？梢酝ㄟ^發(fā)出警報(bào)和自動(dòng)制動(dòng)使車輛避免或減輕碰撞造成的傷害[2]。據(jù)E-NCAP相關(guān)數(shù)據(jù)統(tǒng)計(jì)，裝備了AEB 系統(tǒng)的汽車可以避免27%的交通事故[3]。然而，這只是針對(duì)追尾碰撞的AEB 系統(tǒng)取得的成就，目前，針對(duì)追尾碰撞和保護(hù)弱勢(shì)道路使用者的AEB系統(tǒng)技術(shù)已日趨完善，各大測(cè)試機(jī)構(gòu)也提出了相應(yīng)的測(cè)試場(chǎng)景。但針對(duì)路口車車碰撞的AEB系統(tǒng)技術(shù)還處在初步發(fā)展階段，測(cè)試機(jī)構(gòu)還未提出相應(yīng)的測(cè)試場(chǎng)景，所以亟須對(duì)此類測(cè)試場(chǎng)景進(jìn)行相關(guān)研究。

國(guó)外對(duì)路口AEB 系統(tǒng)的測(cè)試場(chǎng)景研究較早。Philippe Nitsche 等[4]通過聚類的方法對(duì)英國(guó)事故數(shù)據(jù)進(jìn)行了分析，提取出13 類T 形路口和6 類十字路口典型事故場(chǎng)景。Ulrich Sander 等[5]通過分析德國(guó)深度事故研究數(shù)據(jù)，提取了德國(guó)的AEB系統(tǒng)路口測(cè)試 場(chǎng) 景。 Inhwan Han[6]對(duì)NHTSA FARS 和NASS-CDSDB2 個(gè)機(jī)構(gòu)2013—2015 年的路口碰撞事故數(shù)據(jù)進(jìn)行了分析，建立了17種可能的車輛碰撞場(chǎng)景。歐洲新車評(píng)價(jià)機(jī)構(gòu)E-NCAP 在2020 年首次將路口AEB系統(tǒng)測(cè)試納入到新車評(píng)價(jià)規(guī)程中[7]。

目前國(guó)內(nèi)針對(duì)AEB 系統(tǒng)測(cè)試場(chǎng)景的研究多針對(duì)追尾碰撞和道路弱勢(shì)使用者碰撞。江麗君等[8]通過對(duì)自然駕駛下的危險(xiǎn)追尾場(chǎng)景分析，提出了我國(guó)第一個(gè)AEB系統(tǒng)測(cè)試場(chǎng)景。劉穎等[9]通過聚類的方法對(duì)采集到的自然駕駛數(shù)據(jù)中涉及行人的危險(xiǎn)場(chǎng)景進(jìn)行了分析得到了我國(guó)第一個(gè)涉及行人的典型危險(xiǎn)場(chǎng)景。同濟(jì)大學(xué)李霖等[10]通過聚類的方法對(duì)采集到的自然駕駛數(shù)據(jù)中涉及騎車人的危險(xiǎn)場(chǎng)景進(jìn)行了分析得到了我國(guó)第一個(gè)涉及騎車人的典型危險(xiǎn)場(chǎng)景。Sui Bo等[11]通過對(duì)在我國(guó)道路上發(fā)生的672起汽車與2輪車事故進(jìn)行分析，提出了6類AEB系統(tǒng)2輪車測(cè)試場(chǎng)景。胡林等[12]通過對(duì)發(fā)生在我國(guó)的469 起汽車與2輪車事故進(jìn)行分析，得到了針對(duì)我國(guó)2輪車的AEB 系統(tǒng)測(cè)試場(chǎng)景。Cao Yi 等[13]通過對(duì)國(guó)家車輛事故深度調(diào)查數(shù)據(jù)庫(kù)（NAIS)中的216起車與2輪車的事故進(jìn)行分析，提出了4 類AEB 系統(tǒng)2 輪車測(cè)試場(chǎng)景。張晉崇等[14]通過研究國(guó)內(nèi)外自動(dòng)駕駛汽車封閉試驗(yàn)場(chǎng)的建設(shè)現(xiàn)狀，對(duì)我國(guó)試驗(yàn)場(chǎng)的建設(shè)提出了寶貴的建議。朱冰等[15]對(duì)基于場(chǎng)景的自動(dòng)駕駛汽車虛擬測(cè)試技術(shù)的研究進(jìn)展進(jìn)行了梳理和總結(jié)。對(duì)測(cè)試場(chǎng)景的內(nèi)涵、要素、數(shù)據(jù)來源、數(shù)據(jù)處理方法等關(guān)鍵問題進(jìn)行了詳細(xì)闡述。西南交通大學(xué)高巖等[16]為提高自動(dòng)駕駛虛擬測(cè)試場(chǎng)景的建模效率，提出了1種能對(duì)視景模型、物理層模型和傳感層模型進(jìn)行協(xié)同建模的方法。北京航空航天大學(xué)徐向陽等[17]通過分析我國(guó)車輛深度事故調(diào)查數(shù)據(jù)，提取了針對(duì)我國(guó)路口的AEB系統(tǒng)測(cè)試場(chǎng)景。

綜上所述，可以看出構(gòu)建AEB系統(tǒng)測(cè)試場(chǎng)景的數(shù)據(jù)來源可以分為實(shí)車自然駕駛危險(xiǎn)場(chǎng)景數(shù)據(jù)，計(jì)算機(jī)虛擬測(cè)試仿真數(shù)據(jù)和真實(shí)的道路交通事故數(shù)據(jù)。其中真實(shí)的道路交通事故數(shù)據(jù)能夠反映事故發(fā)生的原因，從而通過分析真實(shí)道路交通事故數(shù)據(jù)來構(gòu)建AEB 系統(tǒng)的測(cè)試場(chǎng)景成為了國(guó)內(nèi)外學(xué)者的研究熱點(diǎn)。還可以看出國(guó)外對(duì)路口AEB系統(tǒng)的測(cè)試場(chǎng)景研究早于國(guó)內(nèi)，且相關(guān)機(jī)構(gòu)已推出測(cè)試法規(guī)，國(guó)內(nèi)有學(xué)者開始對(duì)此展開研究，但相關(guān)機(jī)構(gòu)還未推出測(cè)試法規(guī)。并且各個(gè)國(guó)家道路交通情況不同，國(guó)外的測(cè)試場(chǎng)景不能完全滿足中國(guó)道路交通安全的要求。

本文旨在通過分析真實(shí)路口車車碰撞事故數(shù)據(jù)，提出適用于我國(guó)交通情況的針對(duì)路口車車碰撞的AEB 系統(tǒng)測(cè)試場(chǎng)景，為建立我國(guó)AEB 系統(tǒng)測(cè)試體系提供參考。

1 數(shù)據(jù)來源與統(tǒng)計(jì)

1.1 數(shù)據(jù)來源與篩選

本研究的數(shù)據(jù)來自于國(guó)家車輛事故深度調(diào)查體系（national automobile accident in-depth investigation system，NAIS）。NAIS的數(shù)據(jù)包括采集數(shù)據(jù)和分析數(shù)據(jù)，采集數(shù)據(jù)由交通事故采集人通過到事故現(xiàn)場(chǎng)進(jìn)行復(fù)勘和到相關(guān)交警部門獲取，包括事故現(xiàn)場(chǎng)環(huán)境照片、路面痕跡照片、參與方信息、當(dāng)事人口供、監(jiān)控視頻、EDR數(shù)據(jù)、行駛記錄儀視頻等；分析數(shù)據(jù)由交通事故工程師基于事故再現(xiàn)方法對(duì)采集數(shù)據(jù)進(jìn)行分析得到，包括事故過程圖、事故參與方最終位置圖以及事故再現(xiàn)仿真文件等。2011—2019 年，NAIS已收集4 000多起道路交通事故案例，區(qū)域覆蓋我國(guó)東北、華南、西南、華北、華東等地區(qū)，其中發(fā)生在路口汽車與汽車碰撞的事故案例有696起?？紤]到路口車車事故的多樣性與AEB 系統(tǒng)測(cè)試場(chǎng)景的設(shè)置需要，設(shè)定以下案例選取要求。

1）汽車類型僅包含轎車、客車或SUV。

2）事故參與方數(shù)目為2。

3）排除車輛靜止、倒車和追尾案例。

4）路口類型只包括T形路口和X字路口。

通過篩選，最終選取了582 起汽車與汽車在路口發(fā)生碰撞的案例作為研究對(duì)象。

1.2 路口車車事故場(chǎng)景特征

用于描述事故場(chǎng)景的變量有很多，但是有些變量并不會(huì)對(duì)AEB 系統(tǒng)的傳感器輸入造成影響。從會(huì)影響傳感器的輸入考慮，在設(shè)計(jì)AEB系統(tǒng)測(cè)試場(chǎng)景時(shí)只考慮天氣、照明情況、主車運(yùn)動(dòng)方向、目標(biāo)車運(yùn)動(dòng)方向、主車車速、目標(biāo)車車速和視野遮擋等7個(gè)變量。另外，由于車車事故中參與方都為汽車，當(dāng)主車與目標(biāo)車設(shè)定不同時(shí)，主車運(yùn)動(dòng)方向和目標(biāo)車運(yùn)動(dòng)方向，主車車速和目標(biāo)車車速也會(huì)不同，所以1個(gè)路口車-車事故可以看成2 個(gè)事故場(chǎng)景樣本?；贜AIS的582起事故案例所對(duì)應(yīng)的1 164個(gè)事故場(chǎng)景樣本，對(duì)上述7個(gè)變量中5個(gè)名義尺度變量進(jìn)行統(tǒng)計(jì)（下文對(duì)每類典型場(chǎng)景下的主車與目標(biāo)車車速進(jìn)行了統(tǒng)計(jì)）得到了路口車車事故場(chǎng)景的特征分布，見表1～2。

表1 路口車車事故場(chǎng)景特征分布1Tab.1 Characteristic distribution 1 of traffic accidents at intersections

根據(jù)表中數(shù)據(jù)分析可得以下結(jié)論。

1）發(fā)生在無雨天氣的路口車車事故遠(yuǎn)遠(yuǎn)多于發(fā)生在雨天的事故。這主要是因?yàn)闊o雨天氣的天數(shù)遠(yuǎn)遠(yuǎn)多于有雨天氣的天數(shù)。

2）路口車車事故中，大部分沒有視野的遮擋。說明還有其他原因?qū)е率鹿拾l(fā)生，如超速、未遵守交通信號(hào)燈等。

3）涉事車輛的運(yùn)動(dòng)方向方面，左轉(zhuǎn)與對(duì)向直行、左轉(zhuǎn)與左側(cè)直行、直行與同向直行、直行與對(duì)向直行、直行與對(duì)向左轉(zhuǎn)、直行與左側(cè)左轉(zhuǎn)、直行與右側(cè)直行、直行與右側(cè)左轉(zhuǎn)等8種組合占總體的92%

2 路口車車事故典型場(chǎng)景提取

2.1 事故場(chǎng)景聚類方法

聚類是1種將物理或抽象對(duì)象的集合分成由類似對(duì)象組成的多個(gè)類的數(shù)據(jù)挖掘方法[18]。采取聚類方法對(duì)路口車車事故典型場(chǎng)景進(jìn)行提取可以避免分析人員對(duì)場(chǎng)景分類結(jié)果的影響，且具有很強(qiáng)的可重復(fù)性。本文采用層次聚類法。選取天氣、照明情況、視野遮擋、主車運(yùn)動(dòng)方向、目標(biāo)車運(yùn)動(dòng)方向等5個(gè)變量進(jìn)行分析。聚類分析包括變量之間、樣本之間和類之間的距離計(jì)算，具體計(jì)算方法如下。

1）變量間的距離計(jì)算。變量類型有名義尺度變量和連續(xù)變量。名義尺度變量是指該變量的取值沒有數(shù)值關(guān)系，如路口類型、車輛運(yùn)動(dòng)方向等。連續(xù)變量是指可以在一定區(qū)間任意取值的變量，如車速。本文聚類選取的變量都為名義尺度變量，變量取值相同時(shí)距離為0，變量取值不同時(shí)距離為1，但當(dāng)變量有2 種以上取值時(shí)，需要對(duì)這類變量的取值進(jìn)行處理才能計(jì)算距離，這里采取的方法是將變量做升維變換處理，具體方法見表3。

表3 變量值的轉(zhuǎn)換Tab.3 Conversion of variable values

2）樣本之間距離的計(jì)算。聚類分析常采用的樣本間距離計(jì)算方式是歐氏距離。第i個(gè)樣本Xi與第j個(gè)樣本Xj之間的距離dij為2 個(gè)樣本變量之間距離的和，即

3）類之間距離的計(jì)算。聚類分析常采用的計(jì)算類與類之間距離的方法為類平均法。類與類之間的平均距離定義為樣本之間平方距離的平均值，設(shè)類Gi中有mL個(gè)樣本，類Gj中有mk個(gè)樣本，則類Gi和類Gj之間的平方距離可以定義為

本文采用Matlab 軟件對(duì)1 164 個(gè)路口場(chǎng)景樣本進(jìn)行層次聚類分析，利用不一致系數(shù)確定類別個(gè)數(shù)。在不一致系數(shù)發(fā)生突變時(shí)即表示類別之間被明顯區(qū)分開來。在第1 148次凝聚時(shí)，不一致系數(shù)明顯增大，以此將最終的聚類類別數(shù)定為17類。從聚類結(jié)果中發(fā)現(xiàn)一些類所包含的樣本數(shù)量很少，因此在進(jìn)一步提取典型場(chǎng)景時(shí)，不再對(duì)這幾個(gè)類做進(jìn)一步分析，最終得到的類的個(gè)數(shù)為8個(gè)。在得到8類相似度較高的場(chǎng)景后，需要提取出每類場(chǎng)景變量的典型取值。一般認(rèn)為每個(gè)類中變量中占比較大的取值為該類的典型取值。比如第1類天氣變量的取值中無雨最多，所以無雨天氣就是第1類的典型取值。

2.2 聚類結(jié)果分析和典型場(chǎng)景提取

聚類和典型特征提取的結(jié)果見表4，其中第1類場(chǎng)景包含的樣本數(shù)量最多，第8類和第9類場(chǎng)景包含的樣本數(shù)量較少。無雨天氣在每類場(chǎng)景中都是典型的特征；在第1/2/7/9/10/13 類場(chǎng)景中，照明良好在照明情況中占絕大多數(shù)，在第8/12類場(chǎng)景中照明情況都為差；在第1/2/7/8/12 類場(chǎng)景中，主車運(yùn)動(dòng)方向?yàn)橹毙惺亲畹湫偷奶卣?，在?/10/13類場(chǎng)景中，主車運(yùn)動(dòng)方向?yàn)樽筠D(zhuǎn)是最典型的特征；在目標(biāo)車運(yùn)動(dòng)方向上，右側(cè)直行，左側(cè)直行，對(duì)向直行，對(duì)向左轉(zhuǎn)是4 種最主要的取值；第2/13 類場(chǎng)景中視野遮擋變量取值均為有遮擋，其余場(chǎng)景中無遮擋取值占絕大部分。根據(jù)所選取的這8 類危險(xiǎn)場(chǎng)景的典型特征，得到路口車車事故場(chǎng)景，見表5。

表4 路口車車事故場(chǎng)景聚類分析結(jié)果Tab.4 Results of cluster analysis of vehicle accidents at intersections

表5 路口車車事故場(chǎng)景Tab.5 Vehicle-to-vehicle accidents scenes at intersections

表5中得到的路口車車事故典型場(chǎng)景是根據(jù)變量中占比最大的取值為該類場(chǎng)景的典型取值的原則得到的，但是事故場(chǎng)景典型特征的取值不應(yīng)該只考慮占比的大小還要考慮其中容易造成嚴(yán)重事故的變量取值，這些取值也應(yīng)該作為事故場(chǎng)景的典型特征.又因?yàn)槟承┤≈迪碌氖鹿孰m然容易造成嚴(yán)重的后果，但在總的樣本中占比很少，所以需要考慮之后測(cè)試場(chǎng)景的設(shè)計(jì)的合理性對(duì)變量取值的選取條件設(shè)置1個(gè)閾值。經(jīng)過實(shí)驗(yàn)將閾值設(shè)置為10%時(shí)，既能較好的反映實(shí)際的事故分布情況，也不會(huì)讓場(chǎng)景過于復(fù)雜。即某變量中的占比小于等于10%的取值即使更容易導(dǎo)致嚴(yán)重事故也不作為該類的典型特征。所以據(jù)此對(duì)表5中的場(chǎng)景變量進(jìn)行進(jìn)一步的提取。結(jié)果是：對(duì)于天氣變量,在第2類中的“有雨”天氣下的事故重傷及死亡率高于“無雨”天氣下的事故重傷及死亡率，所以“有雨”也是該類典型特征；對(duì)于照明變量,在第9 類中照明情況差的事故重傷及死亡率高于照明情況好的事故重傷及死亡率，所以“差”也是該類典型特征。對(duì)于目標(biāo)車運(yùn)動(dòng)方向,見表6。另外，除了表5 中的場(chǎng)景變量外,碰撞車速也是1 個(gè)重要的變量,且在大部分車車事故中碰撞車速高的一方的車速與事故嚴(yán)重程度成正相關(guān)。所以最終選取2 車中碰撞車速高的一方的車速對(duì)聚類結(jié)果進(jìn)行進(jìn)一步提取。本文用NAIS 數(shù)據(jù)庫(kù)里事故人員傷亡情況中的重傷和死亡代表嚴(yán)重事故。表7 為各類場(chǎng)景中不同最高碰撞車速段下的事故數(shù)量分布，表8 為各類場(chǎng)景下不同最高碰撞車速下重傷及死亡案例數(shù)的分布。

表6 重傷及死亡情況在不同目標(biāo)車相對(duì)運(yùn)動(dòng)方向下的分布Tab.6 Distribution of severe injuries and deaths in the relative movement direction of different target vehicles

表7 各類場(chǎng)景不同最高碰撞車速下的分布Tab.7 Distribution of various scenarios at different maximum collision speeds

由表6 可知：其中“對(duì)向左轉(zhuǎn)”是在滿足閾值條件下死亡及重傷率最高的取值，所以在第1類中“對(duì)向左轉(zhuǎn)”也是典型特征。同理，“對(duì)向直行”在第7類中也是典型特征，“右側(cè)左轉(zhuǎn)”在第8 類中也是典型特征，“左側(cè)直行”在9 類中也是典型特征，“右側(cè)直行”在第10 類中也是典型特征，“左側(cè)直行”在第12類中也是典型特征。

根據(jù)表7～8 并結(jié)合上述的“10%閾值”條件，可以得到各類場(chǎng)景下2 車最高碰撞車速的典型取值，又因?yàn)橐∑渥罡吲鲎曹囁?，所以其結(jié)果與表8 中的取值一樣。

通過對(duì)表5各類場(chǎng)景中目標(biāo)車相對(duì)運(yùn)動(dòng)方向和最高碰撞車速數(shù)據(jù)的進(jìn)一步提取得到了更為合理的路口車車事故典型場(chǎng)景，但是對(duì)于路口自動(dòng)緊急自動(dòng)系統(tǒng)測(cè)試場(chǎng)景而言，上述變量還不能滿足測(cè)試要求，如“2車相對(duì)運(yùn)動(dòng)方向”變量?jī)H僅描述了2車大致的運(yùn)動(dòng)方向，但同一種相對(duì)運(yùn)動(dòng)方向下，2車的碰撞部位，碰撞角度有許多種可能，這些變量取值不同時(shí)，表明車輛所處場(chǎng)景的危險(xiǎn)程度不同，也就是對(duì)自動(dòng)緊急制動(dòng)系統(tǒng)提供的輸入不同，從而系統(tǒng)的輸出也會(huì)不同。所以還需要對(duì)這些變量的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)和分析。分析包括：同一種相對(duì)運(yùn)動(dòng)方向下汽車不同部位的碰撞情況以及同一種相對(duì)運(yùn)動(dòng)方向下2車不同碰撞角度的分布情況。

因?yàn)? 車在同一種相對(duì)運(yùn)動(dòng)方向下，對(duì)于碰撞部位來說，也有許多種形式。由圖1可見：直行-右側(cè)直行分為2 種形式，直行-對(duì)向左轉(zhuǎn)有3 種形式。所以需要對(duì)不同的碰撞形式進(jìn)行統(tǒng)計(jì)分析。在NAIS數(shù)據(jù)庫(kù)中可以通過“碰撞區(qū)域”字段來對(duì)同一種相對(duì)運(yùn)動(dòng)方向下的不同碰撞形式進(jìn)行統(tǒng)計(jì)和分析。NAIS數(shù)據(jù)庫(kù)中車輛碰撞區(qū)域的劃分見圖2。

表8 重傷及死亡案例數(shù)在不同最高碰撞車速下的分布Tab.8 Distribution of the number of severe injuries and deaths at different maximum collision speeds

圖1 2種相對(duì)運(yùn)動(dòng)方向的不同碰撞形式Fig.1 Different collision forms of two relative motion directions

圖2 NAIS數(shù)據(jù)庫(kù)汽車碰撞區(qū)域示意圖Fig.2 NAIS-database ca-collision areas

圖2 中將車輛的碰撞區(qū)域分為了16 個(gè)，如以此來統(tǒng)計(jì)的不同的碰撞形式會(huì)太過復(fù)雜，不利于后續(xù)測(cè)試場(chǎng)景的設(shè)計(jì)，所以本文將車輛的碰撞區(qū)域簡(jiǎn)化為：頭部（F），尾部（H），左部（L），右部（R）。

對(duì)上文中的典型2車相對(duì)運(yùn)動(dòng)方向的碰撞形式進(jìn)行了統(tǒng)計(jì)，見圖3。

圖3 典型2車相對(duì)運(yùn)動(dòng)方向下不同碰撞形式的分布Fig.3 Distribution of different collision forms in a typical relative motion direction of two vehicles

圖3 顯示每種2 車相對(duì)運(yùn)動(dòng)方向下不同碰撞形式的數(shù)量和占比，其中第1 個(gè)字母代表主車碰撞部位，第2 個(gè)字母代表主車碰撞部位?？梢钥闯鲇行┡鲎残问皆谀?種2車相對(duì)運(yùn)動(dòng)方向下占比很少，所以可以根據(jù)“10%閾值”條件對(duì)其進(jìn)行篩選，最終確定每種2車相對(duì)運(yùn)動(dòng)方向下的典型碰撞形式。

對(duì)于碰撞角度來說，在同一種相對(duì)運(yùn)動(dòng)方向下2車的碰撞角度不是固定的而是在1 個(gè)范圍內(nèi)變化，這和路口形狀，駕駛習(xí)慣，碰撞前避撞行為等有關(guān)。在NAIS數(shù)據(jù)庫(kù)中，2車碰撞角度的定義見圖4。

圖4 車輛碰撞角度示意圖Fig.4 Vehicle collision angles

因?yàn)榕鲎步嵌仁? 個(gè)連續(xù)變量，所以為了便于統(tǒng)計(jì)與分析，需要對(duì)數(shù)據(jù)進(jìn)行處理，如將5～15°范圍內(nèi)的數(shù)據(jù)都統(tǒng)一為10°，16～25°范圍內(nèi)的數(shù)據(jù)都統(tǒng)一為20°，以此類推。

圖5 表示每種相對(duì)運(yùn)動(dòng)方向下2 車不同碰撞角度的分布。圖中，虛線表示主車運(yùn)動(dòng)方向，實(shí)線表示目標(biāo)車運(yùn)動(dòng)方向見圖，2車的碰撞角度在相對(duì)運(yùn)動(dòng)方向?yàn)橹毙?左側(cè)直行時(shí)，大多數(shù)為90°；直行-右側(cè)直行時(shí)大部分是-90°，直行-對(duì)向直行是全為180°，直行-對(duì)向左轉(zhuǎn)時(shí)主要為為90°和150°，直行-右側(cè)左轉(zhuǎn)左轉(zhuǎn)-對(duì)向直行時(shí)為90°和150°，左轉(zhuǎn)-右側(cè)左轉(zhuǎn)時(shí)為30°，左轉(zhuǎn)-左側(cè)直行時(shí)為100°和150°。通過上述對(duì)數(shù)據(jù)的進(jìn)一步提取，最終得到了更為合理的路口車車事故典型場(chǎng)景，見表9。

圖5 2車典型運(yùn)動(dòng)方向下的碰撞角度Fig.5 Collision angles of two vehicles in typical moving directions

表9 路口車車事故典型場(chǎng)景Tab.9 Typical scenarios of car accidents at intersections

3 測(cè)試場(chǎng)景設(shè)計(jì)

為了保證測(cè)試場(chǎng)景設(shè)計(jì)的合理性，AEB系統(tǒng)路口測(cè)試場(chǎng)景應(yīng)當(dāng)按照充分體現(xiàn)事故場(chǎng)景特點(diǎn)的前提下測(cè)試AEB 系統(tǒng)性能的原則進(jìn)行設(shè)計(jì)。其中對(duì)于主車和目標(biāo)車的車速2 個(gè)參數(shù)的設(shè)置十分重要，即使在相同的相對(duì)運(yùn)動(dòng)方向下不同的主車和目標(biāo)車車速下的目標(biāo)車的運(yùn)動(dòng)軌跡在主車坐標(biāo)系也會(huì)不同，且車速越高對(duì)AEB 系統(tǒng)的要求就越高。主車和目標(biāo)車的車速可以根據(jù)典型事故場(chǎng)景中的最高碰撞車速來設(shè)置，對(duì)于某一類測(cè)試場(chǎng)景可以先將主車車速設(shè)置為對(duì)應(yīng)的典型事故場(chǎng)景的最高碰撞車速，目標(biāo)車車速由10 km/h以10 km/h為增量逐漸增加至與主車相同的車速進(jìn)行測(cè)試，然后再將目標(biāo)車車速設(shè)置為最高碰撞車速，主車車速由10 km/h以10 km/h為增量逐漸增加至與目標(biāo)車相同的車速進(jìn)行測(cè)試，這樣不僅能充分測(cè)試AEB系統(tǒng)的性能，也反映了典型事故場(chǎng)景的特點(diǎn)。但是在有轉(zhuǎn)彎的事故中往往車速較高的一方為直行車輛，這一類事故中轉(zhuǎn)彎車輛的速度一般達(dá)不到2 車最高碰撞車速，所以在測(cè)試時(shí)轉(zhuǎn)彎的車輛速度應(yīng)適當(dāng)?shù)陀? 車最高碰撞車速。最終得到了AEB系統(tǒng)路口測(cè)試場(chǎng)景，見表10。

表10 AEB 系統(tǒng)路口測(cè)試場(chǎng)景Tab.10 Test scenarios of the automatic emergency braking system at intersections

4 討 論

本文通過對(duì)事故數(shù)據(jù)的深度挖掘結(jié)合測(cè)試場(chǎng)景的要求設(shè)計(jì)了較為合理的路口AEB 系統(tǒng)的測(cè)試場(chǎng)景。與國(guó)內(nèi)外目前已經(jīng)有的測(cè)試場(chǎng)景有一定的區(qū)別。其中國(guó)內(nèi)學(xué)者徐向陽通過對(duì)NAIS 數(shù)據(jù)庫(kù)2011—2017年的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析設(shè)計(jì)了我國(guó)第一個(gè)路口AEB系統(tǒng)的測(cè)試場(chǎng)景，見表11。

表11 其他學(xué)者提出的我國(guó)AEB 系統(tǒng)路口測(cè)試場(chǎng)景Tab.1 Test scenarios for the AEB system at intersections in China proposed by other scholars

該測(cè)試場(chǎng)景分為8類，比本文設(shè)計(jì)的測(cè)試場(chǎng)景更少。其中測(cè)試車型與目標(biāo)車型絕大部位為乘用車但也包括了商用車和2輪車，本文的測(cè)試場(chǎng)景測(cè)試車與目標(biāo)車都是乘用車。和本文設(shè)計(jì)的測(cè)試場(chǎng)景一樣都考慮了天氣、光照、測(cè)試車運(yùn)動(dòng)類型和速度，目標(biāo)車運(yùn)動(dòng)類型和速度這幾個(gè)變量。但目標(biāo)車運(yùn)動(dòng)方向只根據(jù)相對(duì)于自身的運(yùn)動(dòng)方向來統(tǒng)計(jì)，沒有說明相對(duì)于主車的來向。見表11的圖示，用“直行-右側(cè)直行”來表示所有的2車運(yùn)動(dòng)方向?yàn)椤爸毙?直行”的事故顯然是不合理的。每類場(chǎng)景中測(cè)試車與目標(biāo)車的速度只有1個(gè)值，顯然不能充分測(cè)試AEB系統(tǒng)的性能。其中，路口類型和信號(hào)燈類型在本文的測(cè)試場(chǎng)景中沒有考慮，因?yàn)槁房诤托盘?hào)燈的類型并不會(huì)對(duì)AEB系統(tǒng)照成影響。本文的測(cè)試場(chǎng)景相比于表10增加了碰撞部位、碰撞角度和2個(gè)變量，使測(cè)試場(chǎng)景更為合理。

NACP 新車評(píng)價(jià)規(guī)程中AEB 系統(tǒng)路口測(cè)試場(chǎng)景見圖6。規(guī)程嚴(yán)格規(guī)定了測(cè)試車與目標(biāo)車的運(yùn)動(dòng)路徑為：主車先直行，然后在路口左轉(zhuǎn)，再直行；目標(biāo)車在與測(cè)試車相鄰的車道上與測(cè)試車相向行駛，在路口2車應(yīng)該在沒有制動(dòng)措施下發(fā)生碰撞且碰撞在寬度上有50%的重疊。另外，測(cè)試車車速的設(shè)置有10，15，20 km/h 這3 種，目標(biāo)車車速的設(shè)置有30，40，55 km/h 這3 種。相比于E-NCAP 的測(cè)試場(chǎng)景，本文的測(cè)試場(chǎng)景考慮了天氣、照明、遮擋3個(gè)環(huán)境因素，2車的相對(duì)運(yùn)動(dòng)方向也更豐富，更符合實(shí)際事故的情況。本文的測(cè)試場(chǎng)景雖然沒有嚴(yán)格規(guī)定2車的運(yùn)動(dòng)路線，但可以通過相對(duì)運(yùn)動(dòng)方向、碰撞部位、碰撞角度等比較準(zhǔn)確地得出2車碰撞前的運(yùn)動(dòng)路線。

圖6 ENCAP的AEB系統(tǒng)路口測(cè)試場(chǎng)景Fig.6 Test scenario of the ENCAP's AEB system at intersections

5 結(jié)束語

1）本文對(duì)NAIS 數(shù)據(jù)庫(kù)中的路口車車事故案例進(jìn)行了篩選，對(duì)事故場(chǎng)景特征參數(shù)進(jìn)行了統(tǒng)計(jì)，得出了路口車車事故的特征。結(jié)果顯示，我國(guó)路口車車事故類型多樣，且有規(guī)律可循，如：大部分事故發(fā)生在“無雨”天氣下，其中照明良好，視野無遮擋下發(fā)生的事故占絕大部分。說明事故更多是駕駛員違規(guī)超速等人為因素造成的。2 車的相對(duì)運(yùn)動(dòng)方向也比較集中，其中1車左轉(zhuǎn)-對(duì)向直行、直行-對(duì)向左轉(zhuǎn)、直行-左側(cè)直行和直行-右側(cè)直行4 種情況占總數(shù)的80%。這有利于路口AEB系統(tǒng)的開發(fā)。

2）可以通過聚類等數(shù)據(jù)挖掘的方法對(duì)道路交通事故進(jìn)行分析，找出事故中的特點(diǎn)，為汽車自動(dòng)駕駛系統(tǒng)開發(fā)與測(cè)試提供有力的支持。

3）通過對(duì)NAIS數(shù)據(jù)庫(kù)中路口碰撞事故的分析，得到了符合我國(guó)路口交通實(shí)際情況的路口AEB測(cè)試場(chǎng)景。較之于國(guó)外已經(jīng)推出的測(cè)試場(chǎng)景更加的豐富，更能符合我國(guó)路口交通安全對(duì)測(cè)試場(chǎng)景的要求。