劉 濤，周忠賀，遲 霆

某車自動(dòng)緊急制動(dòng)系統(tǒng)可靠性分析

劉 濤，周忠賀*，遲 霆

（中國(guó)第一汽車集團(tuán)有限公司 智能網(wǎng)聯(lián)開(kāi)發(fā)院，吉林 長(zhǎng)春 130013）

自動(dòng)駕駛測(cè)試場(chǎng)景具有無(wú)限豐富、極其復(fù)雜、不可窮盡的特點(diǎn)，傳統(tǒng)的測(cè)試手段難以對(duì)自動(dòng)駕駛系統(tǒng)安全性進(jìn)行較為全面的評(píng)估。仿真測(cè)試具有效率高、成本低、測(cè)試過(guò)程安全等特點(diǎn)，現(xiàn)已成為自動(dòng)駕駛測(cè)試和驗(yàn)證的重要手段，測(cè)試和量化自動(dòng)駕駛系統(tǒng)的可靠性，理論上需要完成所有場(chǎng)景的測(cè)試，但是完成對(duì)所有的場(chǎng)景的窮舉和測(cè)試并不現(xiàn)實(shí)?；诜抡鏈y(cè)試場(chǎng)景，利用高效的響應(yīng)面構(gòu)造方法及抽樣方法對(duì)自動(dòng)駕駛系統(tǒng)進(jìn)行評(píng)估為研究自動(dòng)駕駛系統(tǒng)的可靠性提供了一種新的方向和思路。本文基于一汽集團(tuán)某車型自動(dòng)緊急制動(dòng)（AEB）算法，搭建仿真測(cè)試系統(tǒng)，建立了直道CCRm仿真場(chǎng)景，并以前方勻速行駛車輛追尾測(cè)試（CCRm）為例，運(yùn)用克里金法建立了場(chǎng)景變量與輸出之間的高質(zhì)量響應(yīng)面，通過(guò)方差法量化了場(chǎng)景變量的敏感度；并基于合肥某條高架道路車速分布，結(jié)合拉丁超立方抽樣，得到直道CCRm場(chǎng)景下自動(dòng)緊急制動(dòng)系統(tǒng)作用時(shí)的兩車最小相對(duì)距離的分布以及自動(dòng)緊急制動(dòng)系統(tǒng)的失效概率，研究結(jié)果可為自動(dòng)緊急制動(dòng)系統(tǒng)評(píng)估提供有力支撐。

仿真測(cè)試；自動(dòng)緊急制動(dòng)（AEB）系統(tǒng)；拉丁超立方抽樣；響應(yīng)面；敏感性；可靠性

當(dāng)前越來(lái)越多配備高級(jí)駕駛輔助系統(tǒng)（Adv- anced Driving Assistance System, ADAS）的車輛上路行駛，在駕駛安全性和舒適性等方面有了很大的提升。在開(kāi)發(fā)自動(dòng)駕駛系統(tǒng)過(guò)程中很重要的一個(gè)方面是對(duì)其功能的驗(yàn)證和確認(rèn)，為了驗(yàn)證ADAS系統(tǒng)的故障率，需要進(jìn)行至少10億個(gè)小時(shí)的實(shí)車測(cè)試。進(jìn)行這么長(zhǎng)時(shí)間的實(shí)車測(cè)試無(wú)論是出于時(shí)間方面的考慮還是安全方面的考慮都是不現(xiàn)實(shí)的，因此，為了加快對(duì)ADAS系統(tǒng)的評(píng)估，在虛擬仿真測(cè)試方面研究越來(lái)越普遍和重要[1]。自動(dòng)駕駛虛擬仿真測(cè)試是以數(shù)學(xué)建模的方式將自動(dòng)駕駛的應(yīng)用場(chǎng)景進(jìn)行數(shù)字化還原，建立盡可能接近真實(shí)世界的系統(tǒng)模型，通過(guò)軟件進(jìn)行仿真測(cè)試便可達(dá)到對(duì)自動(dòng)駕駛系統(tǒng)及算法進(jìn)行測(cè)試驗(yàn)證的目的。相較于傳統(tǒng)的實(shí)車測(cè)試，仿真測(cè)試具有場(chǎng)景覆蓋度高、測(cè)試過(guò)程安全、測(cè)試效率高等優(yōu)勢(shì)[2]。當(dāng)前對(duì)自動(dòng)駕駛系統(tǒng)評(píng)價(jià)方法都是基于場(chǎng)景的測(cè)試，并采用一些指標(biāo)項(xiàng)用來(lái)評(píng)估自動(dòng)駕駛系統(tǒng)。運(yùn)用仿真測(cè)試技術(shù)可以得到概率結(jié)果，因此已沒(méi)有必要駕駛10億個(gè)小時(shí)來(lái)對(duì)自動(dòng)駕駛系統(tǒng)進(jìn)行評(píng)估[3]。

自動(dòng)緊急制動(dòng)（Autonomous Emergency Bra- king, AEB）系統(tǒng)是智能駕駛輔助系統(tǒng)的主要功能之一，通過(guò)安裝在車輛前方的雷達(dá)、攝像頭等傳感器檢測(cè)潛在的碰撞風(fēng)險(xiǎn)，提前警示駕駛員制動(dòng)，并在必要時(shí)自動(dòng)制動(dòng)，防止碰撞的發(fā)生或最大限度降低碰撞的傷害[4]，能夠有效減少甚至避免交通事故發(fā)生，保證駕駛員及行人安全。AEB系統(tǒng)的典型測(cè)試場(chǎng)景包括前方靜止車輛追尾測(cè)試（Car- to-Car Rear Stationary, CCRs）、前方勻速行駛車輛追尾測(cè)試（Car-to-Car Rear Moving, CCRm）、前方減速行駛車輛追尾測(cè)試（Car-to-Car Rear Braking, CCRb）和路口轉(zhuǎn)彎迎面來(lái)車測(cè)試（Car-to-Car Front turn-across-path, CCFtap）等。本文選取直道CCRm測(cè)試場(chǎng)景對(duì)一汽某車型配備的AEB系統(tǒng)進(jìn)行評(píng)估。

1 理論基礎(chǔ)

1.1 克里金響應(yīng)面法

響應(yīng)面法（Response Surface Methodology, RSM）由Box和Wilson提出，是一種利用統(tǒng)計(jì)學(xué)的綜合實(shí)驗(yàn)技術(shù)，用來(lái)處理復(fù)雜系統(tǒng)的輸入變量和系統(tǒng)響應(yīng)之間的轉(zhuǎn)換關(guān)系，運(yùn)用響應(yīng)面函數(shù)來(lái)擬合原有的隱式極限狀態(tài)函數(shù)，響應(yīng)面法在化學(xué)、生物學(xué)、食品學(xué)以及工程學(xué)等諸多領(lǐng)域有著廣泛的應(yīng)用?？死锝鸱ǎ↘riging）是一種高階響應(yīng)面算法，其基本思想是通過(guò)計(jì)算某點(diǎn)鄰域中函數(shù)的已知值的加權(quán)平均值來(lái)預(yù)測(cè)給定點(diǎn)處的函數(shù)值，是一種依據(jù)協(xié)方差函數(shù)對(duì)隨機(jī)場(chǎng)進(jìn)行空間建模和預(yù)測(cè)的回歸算法，具有良好的非線性效果，是最常用的空間插值算法[6]。其計(jì)算的基本原理為

式中，x為第個(gè)位置處的真實(shí)測(cè)量值；(0)為任意位置0的估計(jì)值；λ為第個(gè)位置處的測(cè)量值的未知權(quán)重，可以通過(guò)構(gòu)造拉格朗日條件值計(jì)算：

式中，(x,0)為變差函數(shù)值，表示x與x的距離；為拉格朗日常數(shù)。變差函數(shù)的計(jì)算公式為

式中，()為實(shí)驗(yàn)數(shù)據(jù)點(diǎn)對(duì)數(shù)據(jù)。

對(duì)于如何評(píng)估響應(yīng)面擬合的質(zhì)量問(wèn)題，MON- TGOMERY等人[7]提出了一種廣義的決定系數(shù)（Coeffificient of Determination, CoD）來(lái)評(píng)估模型的表現(xiàn)質(zhì)量，其基本定義如下：

1.2 敏感性分析

敏感性分析是研究系統(tǒng)模型中輸入變量的不確定性對(duì)系統(tǒng)輸出響應(yīng)量的影響，Saltelli等[5]運(yùn)用基于方差的分析方法來(lái)量化此影響。假設(shè)一個(gè)系統(tǒng)的輸出是給定的個(gè)隨機(jī)輸入?yún)?shù)集X的函數(shù)，即

=(1,2,…,X) （7）

一階靈敏度指數(shù)的定義為

式中，()為模型輸出的無(wú)條件方差；(|)模型輸出僅由X引起的方差。由于一階靈敏度指數(shù)只測(cè)量每個(gè)變量的解耦影響，所以需要擴(kuò)展高階耦合項(xiàng)，因此，總效應(yīng)敏感性指標(biāo)被引入。

式中，(|X)定義為模型輸出除了X外由其他所有模型輸入?yún)?shù)引起的方差。通過(guò)靈敏度分析探索設(shè)計(jì)空間，所獲得的變量敏感度可能有助于減少變量的數(shù)量。在定義AEB系統(tǒng)的輸出后，利用基于方差的靈敏度分析技術(shù)，研究分析CCRm場(chǎng)景變量對(duì)系統(tǒng)輸出的影響大小。

1.3 可靠性分析

可靠性一般是指產(chǎn)品、系統(tǒng)等在使用時(shí)，在規(guī)定的時(shí)間內(nèi)，無(wú)故障執(zhí)行其功能的能力或可能性，在強(qiáng)調(diào)定量時(shí)，可靠性就是可靠度，即產(chǎn)品設(shè)備或系統(tǒng)在給定條件下和規(guī)定時(shí)間內(nèi)完成額定功能的概率[10]。對(duì)一個(gè)系統(tǒng)進(jìn)行可靠性分析首先要指定隨機(jī)輸入變量及其屬性，例如分布類型。一個(gè)關(guān)于隨機(jī)變量的函數(shù)()定義為

()被稱為極限狀態(tài)函數(shù)，()=0表示從安全狀態(tài)到失效狀態(tài)的過(guò)渡，稱為故障面。所有和變量相關(guān)的域R被劃分為安全域和失效域，失效域D定義為

D={∈R|()<0} （11）

失效概率P為落入失效域里的概率為

P=[:∈D]=[()<0] （12）

失效概率可以通過(guò)失效域D上所有隨機(jī)變量的聯(lián)合密度的積分求得

在式（13）中引入了一個(gè)指示函數(shù)，如果檢查隨機(jī)參數(shù)集的系統(tǒng)處于失效狀態(tài)，則采用值1，否則為零。即

將該指標(biāo)設(shè)置為故障域上的積分后，可以在不影響積分值的情況下改變積分域：

蒙特卡洛模擬是一種簡(jiǎn)單生成一個(gè)隨機(jī)向量x的樣本，將每個(gè)樣本作為輸入?yún)?shù)集提交給被檢查系統(tǒng)的仿真，并計(jì)算極限狀態(tài)函數(shù)，然后可以通過(guò)計(jì)算指標(biāo)樣本的平均值，作為期望值的估計(jì)量，從而計(jì)算失效概率，進(jìn)而量化系統(tǒng)的可靠性。

運(yùn)用克里金法構(gòu)造場(chǎng)景變量和系統(tǒng)輸出之間的高質(zhì)量響應(yīng)面并結(jié)合敏感性分析技術(shù)以及基于概率的可靠性分析方法，對(duì)AEB系統(tǒng)進(jìn)行可靠性分析提供了基礎(chǔ)。

2 仿真測(cè)試系統(tǒng)搭建

2.1 車輛模型搭建和集成

仿真測(cè)試系統(tǒng)的搭建主要包含車輛模型的搭建和集成、傳感器模型的搭建以及控制模型的集成等方面。ASM Vehicle Dynamics是由dSPACE公司開(kāi)發(fā)的車輛動(dòng)力學(xué)實(shí)時(shí)仿真模型，是一種開(kāi)放式的Simulink模型。本文以ASM的13自由度車輛模型為基礎(chǔ)，根據(jù)一汽某開(kāi)發(fā)車型整車參數(shù)搭建車輛動(dòng)力學(xué)模型，用于仿真各種工況下的車輛動(dòng)態(tài)響應(yīng)，其中車輛輪胎規(guī)格為215/55 R18，其它基本參數(shù)如表1所示。在Simulink環(huán)境下，將車輛的位姿信息輸入到場(chǎng)景模型，同時(shí)將車速、方向盤轉(zhuǎn)角、油門及制動(dòng)踏板開(kāi)度等信息輸入到控制模型，實(shí)現(xiàn)車輛模型集成。

表1 車輛基本參數(shù)

2.2 傳感器模型搭建

目前傳感器模型主要分為三種，第一種為物理級(jí)傳感器模型，可直接仿真?zhèn)鞲衅髂軌蚪邮盏降脑夹盘?hào)，如光線、電磁波、超聲波等；第二種為信號(hào)級(jí)傳感器模型，直接仿真控制電控嵌入式系統(tǒng)中的數(shù)字處理芯片的輸入單元；第三種為真值級(jí)傳感器模型，即直接輸出傳感器模型探測(cè)范圍內(nèi)的目標(biāo)真值信息[12]。本文主要是通過(guò)仿真測(cè)試驗(yàn)證AEB控制算法，因此，選擇真值級(jí)傳感器模型。

搭建真值級(jí)傳感器模型，需要確認(rèn)試驗(yàn)車輛所搭載傳感器的探測(cè)距離、水平視場(chǎng)角、垂直視場(chǎng)角、盲區(qū)距離等外特性模型參數(shù)，依照參數(shù)搭建模型。本文中試驗(yàn)車輛采用毫米波雷達(dá)傳感器，根據(jù)實(shí)車搭載的毫米波雷達(dá)參數(shù)，設(shè)定傳感器模型的探測(cè)距離為210 m，水平視場(chǎng)角為±45°，垂直視場(chǎng)角為±8°，盲區(qū)距離為0.5 m。

2.3 場(chǎng)景模型

自動(dòng)駕駛場(chǎng)景是自動(dòng)駕駛汽車行駛場(chǎng)合與駕駛情景的有機(jī)組合，由靜態(tài)場(chǎng)景和動(dòng)態(tài)場(chǎng)景兩部分構(gòu)成。其中靜態(tài)場(chǎng)景由具備靜態(tài)特征的道路、交通設(shè)施、天氣、光照等組成；動(dòng)態(tài)場(chǎng)景由具備動(dòng)態(tài)特征的交通參與者組成[16]。

靜態(tài)場(chǎng)景根據(jù)需求的道路設(shè)施要素進(jìn)行搭建，具體包括路網(wǎng)拓?fù)浣Y(jié)構(gòu)、道路幾何特征、道路表面材質(zhì)、車道線、路面標(biāo)識(shí)、交通燈牌、街邊建筑等，組合上述要素形成道路狀況、道路周圍環(huán)境、道路曲率半徑等靜態(tài)場(chǎng)景。

在搭建好的靜態(tài)場(chǎng)景基礎(chǔ)上，布置交通參與者，并設(shè)置其初始狀態(tài)，如位置、角度、速度等；之后設(shè)置各交通參與者的交互動(dòng)態(tài)，賦予其滿足測(cè)試場(chǎng)景要求的行為能力，如制動(dòng)、加速、轉(zhuǎn)向、變道等。

2.4 控制模型集成

控制模型（即AEB算法模型）在Simulink環(huán)境下與其它模型進(jìn)行集成。其中車輛模型向控制模型輸入本車速度、加速度、方向盤轉(zhuǎn)角、油門及制動(dòng)踏板開(kāi)度等信息；傳感器模型向控制模型輸入目標(biāo)物體與本車的相對(duì)距離、相對(duì)速度、相對(duì)角度等信息。控制模型將根據(jù)上述輸入信息判斷是否激活A(yù)EB功能并向車輛模型輸出期望制動(dòng)減速度，最終形成系統(tǒng)閉環(huán)。如圖1所示。

圖1 AEB閉環(huán)仿真測(cè)試系統(tǒng)

3 仿真測(cè)試與實(shí)車測(cè)試

3.1 仿真測(cè)試

根據(jù)C-NCAP管理規(guī)則的定義，對(duì)直道CCRm功能場(chǎng)景描述為：自車以一定的偏置沿直線道路勻速行駛，目標(biāo)車與自車在同一車道并在自車前沿直線勻速行駛[11]。完成仿真測(cè)試系統(tǒng)的搭建后，建立直道CCRm虛擬仿真場(chǎng)景，如圖2所示，其中后車代表自車，前車代表目標(biāo)車。

本文CCRm測(cè)試場(chǎng)景中定義的場(chǎng)景變量參數(shù)為自車速度、目標(biāo)車（前車）速度和偏置率的絕對(duì)值，偏置率定義為自車與目標(biāo)車重疊部分占自車的百分比，重疊定義的參考線是自車的中心線，在100%重疊的情況下，自車和目標(biāo)車的中心線對(duì)齊[11]。在AEB系統(tǒng)運(yùn)行設(shè)計(jì)域內(nèi)，針對(duì)直道CCRm場(chǎng)景參數(shù)選取不同值組合設(shè)計(jì)進(jìn)行仿真測(cè)試，輸出結(jié)果為兩車最小相對(duì)距離，若自車和目標(biāo)車沒(méi)有發(fā)生碰撞，兩車最小相對(duì)距離為正；若發(fā)生碰撞，則兩車最小相對(duì)距離為負(fù)，同時(shí)表明AEB系統(tǒng)在此工況下失效。根據(jù)一汽某車型AEB系統(tǒng)的設(shè)計(jì)功能規(guī)范及運(yùn)行設(shè)計(jì)域，通過(guò)搭建的仿真測(cè)試系統(tǒng)累計(jì)進(jìn)行了320項(xiàng)直道CCRm場(chǎng)景的仿真測(cè)試，并對(duì)仿真結(jié)果進(jìn)行相應(yīng)提取和處理。

圖2 直道CCRm仿真測(cè)試場(chǎng)景

3.2 實(shí)車測(cè)試

在海南熱帶汽車試驗(yàn)場(chǎng)，分別進(jìn)行了如下三項(xiàng)CCRm實(shí)車試驗(yàn)如圖3所示，分別為

（1）本車以30 km/h的速度勻速行駛，目標(biāo)車在本車前方以20km/h的速度勻速行駛，工況簡(jiǎn)寫(xiě)為S30_T20；

（2）本車以40 km/h的速度勻速行駛，目標(biāo)車在本車前方以20km/h的速度勻速行駛，工況簡(jiǎn)寫(xiě)為S40_T20；

（3）本車以60 km/h的速度勻速行駛，目標(biāo)車在本車前方以20km/h的速度勻速行駛，工況簡(jiǎn)寫(xiě)為S60_T20。

圖3 AEB實(shí)車試驗(yàn)

以上三項(xiàng)實(shí)車測(cè)試的偏置率都為0，自車與目標(biāo)車初始相對(duì)距離都為100 m，將實(shí)車試驗(yàn)結(jié)果與仿真結(jié)果進(jìn)行對(duì)比，驗(yàn)證仿真測(cè)試的準(zhǔn)確性。以S60_T20工況為例，圖4為實(shí)車測(cè)試和仿真測(cè)試對(duì)比曲線。

表2 CCRm場(chǎng)景實(shí)車試驗(yàn)與仿真測(cè)試結(jié)果

圖4 S60_T20工況數(shù)據(jù)曲線

4 響應(yīng)面生成及場(chǎng)景變量敏感性分析

響應(yīng)面的構(gòu)造方法一般有數(shù)值擬合法、多項(xiàng)式回歸法、最小移動(dòng)二乘法、徑向基函數(shù)法和克里金法等。克里金法具有計(jì)算效率高、時(shí)間短、響應(yīng)面擬合效果好、結(jié)果準(zhǔn)確性高等特點(diǎn)。本文以自車速度和目標(biāo)車速度、偏置率的絕對(duì)值三個(gè)場(chǎng)景變量作為輸入?yún)?shù)，以仿真結(jié)果——兩車最小相對(duì)距離作為輸出響應(yīng)，基于克里金法構(gòu)造的自車速度、目標(biāo)車速度——兩車最小相對(duì)距離的響應(yīng)面如圖5所示。

圖5 基于仿真測(cè)試結(jié)果生成的響應(yīng)面

運(yùn)用1.2節(jié)基于方差的分析方法得出場(chǎng)景參數(shù)敏感性分析結(jié)果如表3所示。

表3 場(chǎng)景參數(shù)敏感性分析結(jié)果

由表3可知，對(duì)于CCRm場(chǎng)景，自車速度的敏感度最大，目標(biāo)車速度中等，偏置率的絕對(duì)值敏感度最低。這意味著，自車速度和目標(biāo)車速度這兩個(gè)參數(shù)是最重要的，對(duì)系統(tǒng)輸出的影響也是最大的。由于偏置率的絕對(duì)值對(duì)總方差的貢獻(xiàn)較低，后續(xù)的分析與研究過(guò)程將忽略偏置率絕對(duì)值的影響。

場(chǎng)景參數(shù)自車速度和目標(biāo)車速度作為輸入與兩車最小相對(duì)距離作為輸出構(gòu)造出的響應(yīng)面的CoP系數(shù)為97%，能夠準(zhǔn)確反映出場(chǎng)景參數(shù)和輸出間的響應(yīng)關(guān)系。從構(gòu)造的響應(yīng)面上抽取10個(gè)樣本點(diǎn)結(jié)果進(jìn)行仿真測(cè)試，以此來(lái)驗(yàn)證響應(yīng)面的精度，響應(yīng)面生成結(jié)果及仿真結(jié)果對(duì)比見(jiàn)表4（偏置率絕對(duì)值采用0.25）。表4的驗(yàn)證對(duì)比表明克里金法構(gòu)造的響應(yīng)面結(jié)果與仿真結(jié)果具有較好的對(duì)應(yīng)關(guān)系。

表4 仿真與響應(yīng)面法結(jié)果對(duì)比

5 AEB系統(tǒng)可靠性分析

進(jìn)行系統(tǒng)可靠性分析要明確場(chǎng)景參數(shù)分布，在參數(shù)敏感性分析階段已經(jīng)得知偏置率的絕對(duì)值敏感度很低，可以忽略其影響，在此偏置率的絕對(duì)值分布采用值為0.25的常數(shù)。目前國(guó)內(nèi)外很多學(xué)者已對(duì)各種道路的車速分布特性進(jìn)行了大量相關(guān)的研究，Maurya等[12]通過(guò)對(duì)雙向四車道的混合交通流進(jìn)行調(diào)查發(fā)現(xiàn)交通量高于600 veh/h時(shí)車速服從正態(tài)分布；閻瑩等[13]研究車速分布與交通安全關(guān)系時(shí)，發(fā)現(xiàn)高速公路的斷面運(yùn)行車速服從正態(tài)分布。本文采用合肥某條高架道路的速度分布作為自車車速和目標(biāo)車車速的概率密度函數(shù)，車速定義為服從均值48.71，標(biāo)準(zhǔn)差7.45的正態(tài)分布的隨機(jī)參數(shù)[14]。

拉丁超立方抽樣是蒙特卡洛法的一種，它利用分層的原理在設(shè)計(jì)空間隨機(jī)抽樣，一方面可以保證抽樣點(diǎn)不聚集，具有較好的空間覆蓋性，另一方面又可以提高抽樣效率?；静襟E為

（1）根據(jù)需要抽樣的樣本點(diǎn)，將每個(gè)設(shè)計(jì)變量的空間劃分為份；

（2）在設(shè)計(jì)變量的每個(gè)子域內(nèi)進(jìn)行等概率的隨機(jī)抽樣一次，共得個(gè)數(shù)據(jù)；

（3）將各個(gè)設(shè)計(jì)變量的個(gè)數(shù)據(jù)隨機(jī)匹配為個(gè)樣本點(diǎn)（其中每個(gè)因素的每個(gè)水平只使用1次）[15]。

本文采用的抽樣策略為拉丁超立方抽樣的樣本結(jié)果如圖6所示。對(duì)于AEB系統(tǒng)，其觸發(fā)條件之一為自車速度大于目標(biāo)車速度，故將該條件設(shè)置為限制條件。兩車最小相對(duì)距離分布如圖7所示。

圖6 抽樣樣本

圖7 兩車最小相對(duì)距離概率密度函數(shù)

對(duì)結(jié)果進(jìn)行分析處理表明，兩車最小相對(duì)距離的概率密度函數(shù)大致服從均值為2.75，標(biāo)準(zhǔn)差為0.28的正態(tài)分布。AEB系統(tǒng)失效形式定義為兩車最小相對(duì)距離小于0，即兩車發(fā)生碰撞。對(duì)于采用合肥某條高架道路速度分布的工況，針對(duì)直道CCRm測(cè)試場(chǎng)景，AEB系統(tǒng)的失效概率為1.923× 10-7，結(jié)果表明對(duì)于該類測(cè)試場(chǎng)景，AEB系統(tǒng)具有較高的可靠性。

6 結(jié)束語(yǔ)

本文通過(guò)搭建仿真測(cè)試系統(tǒng)，建立了直道CCRm仿真場(chǎng)景，并將仿真測(cè)試結(jié)果和實(shí)車測(cè)試結(jié)果進(jìn)行了對(duì)比，驗(yàn)證了仿真測(cè)試的精度。運(yùn)用克里金法建立了場(chǎng)景變量與輸出之間的高質(zhì)量響應(yīng)面，并通過(guò)方差法量化了場(chǎng)景變量的敏感度。基于合肥某條高架道路車速分布，結(jié)合拉丁超立方抽樣，得到直道CCRm場(chǎng)景下AEB系統(tǒng)作用時(shí)的兩車最小相對(duì)距離的分布以及AEB系統(tǒng)的失效概率，是一種新的測(cè)試方法的探索。分析結(jié)果表明在AEB系統(tǒng)運(yùn)行設(shè)計(jì)域內(nèi)，針對(duì)直道CCRm場(chǎng)景AEB系統(tǒng)具有極高的可靠性，為AEB系統(tǒng)評(píng)估及改進(jìn)等提供定量支撐。

[1] BENGLER K,DIETMAYER K,FARBER B,et al.Three Decades of Driver Assistance Systems:Review and Future Perspectives[C]//IEEE Intelligent Transporta- tion Systems Magazine.Piscataway:IEEE,2014:6-22.

[2] 張帆,鮑世強(qiáng),王憶源,等.中國(guó)自動(dòng)駕駛仿真技術(shù)研究報(bào)告(2019)[C]//國(guó)際智能網(wǎng)聯(lián)汽車技術(shù)年會(huì).北京:中國(guó)汽車工程學(xué)會(huì),2019.

[3] ZOFKA M R,KLEMM S,KUHNT F,et al. Testing and Validating High Level Components for Automated Driving:Simulation Framework for Traffic Scenarios [C]//IEEE Intelligent Vehicles Symposium.Piscata- way:IEEE, 2016.

[4] 周文帥,李妍,王潤(rùn)民,等.自動(dòng)緊急制動(dòng)系統(tǒng)（AEB）測(cè)試評(píng)價(jià)方法研究進(jìn)展綜述[J].汽車實(shí)用技術(shù),2020, 45(18):34-40,49.

[5] SALTELI A. Global Sensitivity Analysis:the Primer [M].Manhattan:John Wiley,2008.

[6] 田賀舉.Kriging-GRNN高階混合響應(yīng)面模型構(gòu)建方法及仿真應(yīng)用[D].廣州:廣東工業(yè)大學(xué),2019.

[7] MONTGOMERY D C,RUNGER G C.Applied Statis- tics and Probability for Engineers[M].5th Edition. Hoboken:Wiley,2010.

[8] MOST T, Will J. Metamodel of Optimal Prognosis- An Automatic Approach for Variable Reduction and Optimal Meta-model Selection[C]// Weimar Optimi- zation and Stochastic Days 5.0.Weimar:DYNARDO- Dynamic Software and Engineering GmbH,2008.

[9] 袁志發(fā),贠海燕.試驗(yàn)設(shè)計(jì)與分析[M].2版.北京:中國(guó)農(nóng)業(yè)出版社,2007.

[10] 詹軍,董學(xué)才,洪峰,等.智能汽車傳感器實(shí)時(shí)功能模型及驗(yàn)證[J].汽車工程, 2019,41(7):731-737,743.

[11] 中國(guó)汽車技術(shù)研究中心.C-NCAP管理規(guī)則(2021年版)[Z].天津:中國(guó)汽車研究中心,2021.

[12] MAURYA A K,DEY S,DAS S.Speed and Time Head- way Distribution under Mixed Traffic Condition[J]. Journal of the Eastern Asia Society for Transportation Studies,2015(11):1774-1792.

[13] 閻瑩,王曉飛,張宇輝,等.高速公路斷面運(yùn)行車速分布特征研究[J].中國(guó)安全科學(xué)學(xué)報(bào),2008,18(7):171-176.

[14] 朱建全.基于路段交通流狀態(tài)的車輛燃油消耗的測(cè)算與分析[D].合肥:合肥工業(yè)大學(xué),2017.

[15] 張疆平,關(guān)英俊,賈成閣,等.基于自適應(yīng)響應(yīng)面法的數(shù)控銑床尺寸優(yōu)化[J].機(jī)床與液壓,2016(44):142-148.

[16] JIANG L J, HE J P, LIU W G, et al. Study on the Test Scenario of Automatic Emergency Braking System[J]. Auto Engineering,2014(1):39-43.

Reliability Analysis of Autonomous Emergency Braking System for a Certain Car

LIU Tao, ZHOU Zhonghe*, CHI Ting

( Intelligent Connected Vehicle Development Institute, China FAW Group Company Limited, Changchun 130013, China )

Autonomous driving test scenarios are infinitely rich, extremely complex and inexhaustible, it is difficult for traditional testing methods to comprehensively evaluate the safety of autonomous driving system. Simulation test has the characteristics of high efficiency, low cost and safe test procedure, and has become an important means for autonomous driving test and verification, to test and quantify the reliability of the autonomous driving system, in theory, it is necessary to test all the scenarios, but it is not realistic to exhaust and test all scenarios. Based on the autonomous emergency braking (AEB) algorithm of a certain car, the simulation test system is built, and straight CCRm simulation scenarios are established. This paper takes the Car-to-Car Rear Moving test (CCRm) simulation scenario as example, the Kriging method is used to establish high-quality response surface between scenario variables and system output , and the sensitivity of the scenario variables is quantified through the variance method. Based on the speed distribution of an elevated highway in Hefei, combined with Latin hypercube sampling, the distribution of the minimum relative distance between two vehicles when the autonomous emergency braking system acts under the straight CCRm scenario and the failure probability of the autonomous emergency braking system are obtained. The research results can provide strong support for the evaluation of the autonomous emergency braking system.

Simulation test;Autonomous Emergency Braking System; Latin hypercube sampling; Response surface; Sensitivity; Reliability

U469.5

A

1671-7988(2022)24-33-07

U469.5

A

1671-7988(2022)24-33-07

10.16638/j.cnki.1671-7988.2022.024.006

劉濤（1982—），男，博士，高級(jí)工程師，研究方向?yàn)檐囕v動(dòng)力學(xué)及其控制，自動(dòng)駕駛仿真開(kāi)發(fā)與測(cè)試，E-mail: liutao1@faw.com.cn。

周忠賀（1992—），男，碩士，工程師，研究方向?yàn)樽詣?dòng)駕駛仿真開(kāi)發(fā)與測(cè)試，E-mail: zhouzhonghe@faw.com.cn。