徐向陽，胡文浩，張友，王書翰，*，何霞，曹毅

(1. 北京航空航天大學(xué) 交通科學(xué)與工程學(xué)院，北京 100191； 2. 西華大學(xué) 汽車與交通學(xué)院，成都 610039)

自動駕駛是實現(xiàn)交通“零傷亡、零事故”的必由之路，先進駕駛輔助系統(tǒng)(advanced driving assistance system, ADAS)作為自動駕駛功能的重要組成部分已經(jīng)大量投放市場，其中，自動緊急制動（autonomous emergency braking，AEB）系統(tǒng)在緊急工況下，作為對車輛制動的主動干預(yù)手段備受關(guān)注。Fildes 等[1]對典型低速場景下的AEB 功能進行分析，認為在95%的置信度下AEB 系統(tǒng)能夠避免38%的追尾事故。2017 年，美國國家公路交通安全管理局（NHTSA）和美國公路安全保險協(xié)會聯(lián)合發(fā)布報告稱，按照各汽車企業(yè)承諾的AEB 裝車率，到2025 年美國將避免2.8 萬起事故和1.2 萬人員受傷[2]。然而，在面對復(fù)雜、多樣的交通沖突場景時，其場景識別的準確度及決策算法的合理性面臨著較大挑戰(zhàn)，嚴重制約著AEB 系統(tǒng)的實際效用，甚至?xí)硪欢ǖ陌踩[患，已有車輛因AEB 系統(tǒng)對復(fù)雜道路交通場景的誤識別與不合理決策問題構(gòu)成的缺陷實施了召回。

目前，各國車輛測試評價體系中逐漸增加了對AEB 功能的測試評價[3-5]，初期主要針對車輛與車輛沖突的典型場景，在發(fā)展過程中逐漸加入了車輛與行人沖突的典型場景?，F(xiàn)階段，車輛與二輪車沖突的典型場景也在分階段引入AEB 功能的測試評價中。但是，基于特定場地及場景的實車測試評價方法具有較強的局限性，無法全面有效評測AEB 系統(tǒng)安全性，需要進一步基于實際數(shù)據(jù)挖掘典型場景，擴大測試場景的覆蓋度。

二輪車和行人在交通參與方中屬于弱勢道路使用者(vulnerable road user, VRU)，然而相較于行人，二輪車使用者具有移動速度快、行駛路線不確定性強等特征，因此，二輪車參與的事故更易導(dǎo)致人員傷亡。據(jù)世界衛(wèi)生組織2018 年統(tǒng)計報告顯示，全球自行車使用者和機動二、三輪車使用者占道路交通死亡比例高達31%，占VRU 死亡比例達57%[6]。中國二輪車保有量巨大，據(jù)統(tǒng)計，2017 年中國道路交通事故死亡人數(shù)為63 772 人，其中機動二輪車和自行車使用者死亡人數(shù)為29 459 人，占道路交通死亡比例高達46.2%，占VRU 死亡比例達63%[7]。因此，在AEB 測試中，也應(yīng)重點關(guān)注二輪車參與的沖突場景。

本文研究了現(xiàn)有基于不同數(shù)據(jù)源、采用不同分析方法得到的典型汽車與二輪車沖突場景，分析提取法規(guī)和NCAP 測試尚未涉及到的典型場景，并研究典型AEB 系統(tǒng)在相關(guān)場景下面臨的挑戰(zhàn)及優(yōu)化方向。

1 典型場景分析與提取

科研人員基于自然駕駛數(shù)據(jù)和事故深度調(diào)查數(shù)據(jù)等，采用數(shù)據(jù)統(tǒng)計、聚類分析等方法開展了典型汽車與二輪車沖突場景挖掘研究。

Liers[8]基于德國事故深度研究（GIDAS）數(shù)據(jù)分析了機動二輪車(powered two-wheelers, PTW)參與的事故特征，并綜合事故發(fā)生的具體責任情況，得出10 類最為頻發(fā)的事故類型。李霖等[9]基于上海道路采集的自然駕駛數(shù)據(jù)，對數(shù)據(jù)中涉及二輪車的典型危險工況，采用聚類分析方法獲得7 組典型危險場景特征，但相關(guān)場景特征元素不包括車輛相對運動方向，每一類均可以衍生多種場景組合。徐向陽等[10]基于國家車輛事故深度調(diào)查體系（NAIS）事故數(shù)據(jù)，采用聚類分析方法挖掘出8 類機動車路口事故場景。胡林等[11]依托419 例汽車與二輪車碰撞事故案例，采用聚類分析方法提取了11 類典型邏輯場景。Nitsche 等[12]針對1 056 例發(fā)生在路口的交通事故案例，采用k-medoids 聚類分析方法挖掘出15 類典型丁字路口危險場景和6 類十字路口邏輯場景。Sui 等[13]基于中國交通事故深入研究項目（CIDAS）事故深度調(diào)查數(shù)據(jù)，采用聚類分析方法分析了汽車與二輪車碰撞事故，得出4 類典型二輪車與汽車沖突場景。Cao 等[14]基于中國NAIS 事故深度調(diào)查數(shù)據(jù)，采用聚類分析方法分析了汽車與二輪車碰撞事故，得出4 類典型汽車與二輪車沖突場景，由于數(shù)據(jù)源的不同，與Sui 等[13]的研究成果在場景特征方面存在一定差異。Hu 等[15]基于全球事故協(xié)調(diào)計劃（IGLAD）數(shù)據(jù)，分析了以中國、歐洲、美國和印度為主要類別國家的事故特征，共得出7 類典型汽車與二輪車沖突場景。

綜上，提取汽車與二輪車運動和路段特征，共得出汽車與二輪車預(yù)碰撞場景12 類，其中，汽車與二輪車相向運動的場景為3 類，垂向運動的場景4 類，同向運動的場景5 類，如表1 所示。

表1 汽車與二輪車預(yù)碰撞場景Table 1 Pre-crash scenario between vehicle and two-wheeler

續(xù)表

AEB 系統(tǒng)對目標物的識別與決策過程僅限于碰撞發(fā)生前，即預(yù)碰撞階段，由于場景S13 與S31、S21 與S23、S34 與S35 在預(yù)碰撞階段車輛與二輪車相對位置基本相同，將相關(guān)場景進行合并。考慮到場景S24、S32、S33 和S34 中，二輪車未出現(xiàn)在車輛前部，與AEB 關(guān)注的前向沖突場景不符，本文在后續(xù)分析中不予考慮。同時，文獻[3-4]已將S21、S22 和S31 場景引入測試規(guī)程，不予進一步考慮。本文將重點關(guān)注交通參與雙方路權(quán)沖突可能性較大的場景S11 和S12，分析相關(guān)場景下AEB 系統(tǒng)優(yōu)化可能面臨的挑戰(zhàn)，相關(guān)場景均涉及參與方轉(zhuǎn)彎，與文獻[5]中規(guī)劃的參與方轉(zhuǎn)彎特征一致。

2 場景S11 下AEB 觸發(fā)及改進分析

2.1 AEB 模型構(gòu)建

以車輛前部傳感器為原點建立運動坐標系，車輛正前方為y軸，垂直行駛方向為x軸。典型AEB識別區(qū)域及觸發(fā)模型如圖1 所示。當二輪車的運動軌跡進入觸發(fā)區(qū)域內(nèi)時，會觸發(fā)AEB 系統(tǒng)采取全力制動。觸發(fā)區(qū)域②由3 個數(shù)據(jù)決定：一是制動觸發(fā)寬度w；二是制動觸發(fā)時間(time to collision,TTC)，與觸發(fā)距離S和相對運動速度 Δv相關(guān)；三是視場角(field of view, FoV）。設(shè)定典型車輛AEB 系統(tǒng)傳感器及觸發(fā)參數(shù)條件如表2所示。

表2 典型AEB 參數(shù)條件Table 2 Typical AEB parameter conditions

圖1 典型AEB 觸發(fā)模型Fig. 1 Typical AEB trigger model

在運動坐標系中，標記不同場景下二輪車的運動軌跡，隨著時間的推移，根據(jù)二輪車與車輛相對運動狀態(tài)的不同，二輪車呈現(xiàn)不同的運動軌跡，不斷接近乘用車。Cao 等[14]對場景S21 和S22 的分析中提出，二輪車相對乘用車的運動軌跡可擬合為直線y=ax，并在此基礎(chǔ)上提出了AEB 各關(guān)鍵參數(shù)之間的相互制約關(guān)系。

2.2 場景S11 構(gòu)建及AEB 觸發(fā)情況分析

場景S11 中，在十字路口，車輛直行與對向左轉(zhuǎn)二輪車發(fā)生碰撞。由于二輪車存在直行和轉(zhuǎn)彎2 種運動狀態(tài)，重點考慮二輪車進入彎道之后的軌跡特征。設(shè)定二輪車轉(zhuǎn)彎時刻的車輛位置為原點，車輛運動方向為y軸，垂直運動方向為x軸，建立坐標系，車輛與二輪車運動軌跡特征如圖2 所示。圖中：d為初始時刻二輪車相對于車輛的橫向距離；S為初始時刻二輪車相對于車輛的縱向距離；r為二輪車轉(zhuǎn)彎半徑；α為二輪車轉(zhuǎn)彎角度。

圖2 場景S11 參與方運動軌跡特征Fig. 2 Trajectory characteristics of participants in S11

根據(jù)中國道路交通法規(guī)的相關(guān)要求，中國城市道路一般最高限速為70 k m/h，其中在轉(zhuǎn)彎工況下，車輛受橫向離心力作用，最高速度為30 k m/h。因此，在場景S11 和S12 中，乘用車轉(zhuǎn)彎工況下，速度設(shè)置為30 k m/h ，直行工況下，速度設(shè)置為30 k m/h、50 k m/h 和70 k m/h；二輪車轉(zhuǎn)彎工況下，速度設(shè)置為20 k m/h 和30 k m/h ，直行工況下，速度設(shè)置為20 k m/h、30 k m/h 和50 k m/h。

按照上述速度分布，選取典型速度組合，將場景S11 中車輛和二輪車速度 (vv,vt)分 別設(shè)置為(30,20)km/h 、(30,30)km/h 、 (50,30)km/h和 (70,20)km/h，在Pre-scan 中建模，如圖3 所示，導(dǎo)出二輪車相對汽車的位置信息，并繪制相對運動軌跡，如圖4所示。

圖3 場景S11 Pre-scan 模型Fig. 3 Pre-scan model of scenario S11

二輪車沿圖4 所示軌跡靠近車輛，若車輛AEB系統(tǒng)觸發(fā)寬度w大于二輪車相對車輛的橫向距離d，AEB 避撞策略僅需考慮車輛和二輪車相對運動速度 Δv即 可。若w＜d時，AEB 避撞策略則需要分析二輪車靠近車輛的角度 β與 FoV之間的關(guān)系，如圖4 可知， β與vv和vt相關(guān)，且在二輪車靠近車輛的過程中逐漸增大。

圖4 場景S11 參與方相對運動軌跡Fig. 4 Relative trajectories of participants in scenario S11

2.3 場景S11 數(shù)學(xué)模型構(gòu)建及AEB 改進分析

為進一步量化分析AEB 系統(tǒng)參數(shù)設(shè)置及改進方向，對場景S11 中二輪車相對于車輛的運動軌跡進行建模分析。

二輪車在圖2 所示固定坐標系的軌跡表達如下：

由于車輛為直線運動，運動坐標系的移動僅是平移，在運動坐標系下，二輪車的軌跡 (x,y)與固定坐標系的軌跡(x0,y0)關(guān)系為

式中： (dx,dy)為動態(tài)坐標系相對固定坐標系的移動坐標。 dx=0， dy=vvt，可得二輪車在運動坐標系下的軌跡表達式為

令t=t0時，車輛與二輪車發(fā)生碰撞，如圖2 所示，可得如下方程組：

令二輪車轉(zhuǎn)彎半徑r=8 m，二輪車與汽車橫向距離d=4 m ，代入方程組(4)可得S=6.93+8.38vv/vt。進一步代入表達式(3)，可得

消元分析可知，相對運動軌跡僅與vv/vt相關(guān)，令ηvt=vv/vt， 繪制不同 ηvt下二輪車相對于車輛的行駛軌跡，如圖5 所示。

圖5 不同η vt下場景S11 參與方相對運動軌跡Fig. 5 Relative participants trajectories of different ηvtin scenario S11

進一步分析二輪車相對車輛的運動軌跡。若要二輪車進入車輛AEB 觸發(fā)域，則運動軌跡與x=-1.5 m的交點A應(yīng)位于觸發(fā)域邊界上，即y＞w.cot(FoV/2)。令f(t1)=-1.5, 可 得g(t1)=1.12+1.88 ηvt。令g(t1)＞w.cot(FoV/2)（F oV=60°） ，可得ηvt＞0.788 8， 即當ηvt＞0.788 8時，二輪車能夠進入車輛AEB 觸發(fā)域。

若增加 F oV ， 可增加車輛的探測范圍，令FoV=90°，可得 ηvt＞0.203 3， 即當vv/vt＞0.203 3時，二輪車能夠進入車輛AEB 觸發(fā)域，車輛與二輪車速度比值范圍得到大幅度提升。

與此同時，若要車輛AEB 具有最佳的AEB 觸發(fā)效果，則需g(t1)≥TTC.Δv，即ηvt＞(Δv-1.12)/1.88 ＞0.788 8， 其中 Δv為二輪車相對于車輛的縱向運動速度。若 Δv較高時，需要進一步提高vv/vt值，方可使車輛AEB 達到最佳觸發(fā)效果。

可見，在現(xiàn)有AEB 配置條件下，場景S11 中AEB能否觸發(fā)與二輪車速度和車輛速度的比值直接相關(guān)， ηvt越大，車輛傳感器越容易探測到二輪車。而通過增加AEB 系統(tǒng) F oV，可大幅增大車輛的速度范圍，有效增加車輛對類似場景的應(yīng)對能力。與此同時，若要AEB 達到最佳觸發(fā)效果，需要綜合考慮車輛和二輪車的縱向相對速度，隨著縱向相對速度增大，需要 ηvt值越大。

3 場景S12 下AEB 觸發(fā)及改進分析

3.1 場景S12 構(gòu)建及AEB 觸發(fā)情況分析

場景S12 中，在十字路口，車輛左轉(zhuǎn)與對向直行二輪車發(fā)生碰撞。僅考慮車輛進入彎道之后的軌跡特征，設(shè)定車輛轉(zhuǎn)彎時的車輛位置為原點，車輛運動方向為y軸，垂直運動方向為x軸，建立坐標系，車輛與二輪車運動軌跡如圖6 所示。

圖6 場景S12 參與方運動特征Fig. 6 Trajectory characteristics of participants in S12

將場景S12 中二輪車和車輛速度 (vv,vt)分別設(shè)置 為 (30,20)km/h、 (30,30)km/h和 (30,50)km/h，在Pre-scan 中建模如圖7 所示，導(dǎo)出二輪車相對汽車的位置信息，并繪制相對運動軌跡，如圖8 所示。

圖7 場景S12 Pre-scan 模型Fig. 7 Pre-scan model of scenario S12

二輪車沿圖8 所示軌跡靠近車輛，在設(shè)置典型速度下，當F oV= 60°時，能夠滿足車輛對二輪車的探測要求。可見，在場景S12 下，車輛轉(zhuǎn)彎并沒有對FoV提出更為嚴苛的探測要求。然而，二輪車運動軌跡有超出AEB 觸發(fā)寬度w的情況，可能會降低AEB 制動效果。

圖8 場景S12 參與方相對運動軌跡Fig. 8 Relative trajectories of participants in scenario S12

3.2 場景S12 數(shù)學(xué)模型構(gòu)建及AEB 改進分析

對二輪車相對車輛的運動軌跡建立數(shù)學(xué)模型，二輪車在圖6 所示固定坐標系下的運動軌跡表達為

運動坐標系隨著車輛移動，運動軌跡既有平移，也有轉(zhuǎn)動，則在運動坐標系下二輪車的軌跡(x,y)與固定坐標系的軌跡(x0,y0)關(guān)系為

式中： α 和 (dx,dy)分別為動態(tài)坐標系隨車輛相對固定坐標系的轉(zhuǎn)角和移動坐標。 α =-vvt/r，dx=-(rrcos α)，dy=rsin(-α)，代入表達式(7)可得

令t=t0時，車輛與二輪車在運動坐標系原點處發(fā)生碰撞，如圖6 所示，可得如下方程組：

令二輪車轉(zhuǎn)彎半徑r=8 m，二輪車與汽車橫向距離d=4 m ，代入方程組(9)，計算可得S=6.93+8.38vt/vv，進一步代入表達式(8)可得

對表達式(10)進行化簡分析可知，二輪車相對于車輛的軌跡方程h(x,y)僅 與vt/vv相 關(guān)，令vt/vv=ρtv，進一步化簡消元可得

繪制不同 ρtv下二輪車相對于車輛的行駛軌跡，如圖9 所示。

由于車輛觸發(fā)寬度w=1.5 m， 令x=f(t1)=1.5 m，則g(t1)為 二輪車軌跡與x=1.5 m的交點。如圖9 所示，若g(t1)不存在或為單值，則二輪車軌跡從左側(cè)或者前側(cè)進入觸發(fā)域后，始終保持在觸發(fā)域內(nèi)，AEB具有較好的制動效果；若g(t1)為雙值，則表明二輪車軌跡有從圖示右側(cè)進入觸發(fā)域的情況。針對方程(11)，令x=1.5 m ，繪制y與 ρtv的關(guān)系曲線，如圖10所示。

從 圖10 中 曲 線 趨 勢 可 知， ρtv=1.1時，y為 單值，即二輪車在運動坐標系下的軌跡與x=1.5 m相切。隨著 ρtv增大，y呈直線上升，兩者關(guān)系曲線近似為y=9.64ρtv-2.46 。 由此可知，當 0 ＜ρtv≤1.1時，二輪車軌跡從觸發(fā)域左側(cè)或者前側(cè)進入觸發(fā)域，并始終保持在觸發(fā)域內(nèi)，AEB 具有較好的制動效果。若ρtv＞1.1， 二輪車運動軌跡與x=±1.5 m有3 個交點，分別為A、B和C，如圖9 所示。若要車輛AEB具有較好的制動效果，則需交點A位于觸發(fā)域邊界上，即y＜TTC.Δv， 進一步計算可知，當1.1 ＜ρtv＜(Δv+2.46)/9.64時，車輛AEB 具有較好的觸發(fā)效果，但由于二輪車進入AEB 觸發(fā)域后再次離開觸發(fā)域，存在誤判的可能性。

圖9 不同 ρtv下場景S12 參與方相對運動軌跡Fig. 9 Relative participants trajectories of different ρtvin scenario S12

圖10 場景S12 下 y 與 ρtv的關(guān)系Fig. 10 Relationship between y and ρtv in scenario S12

由于觸發(fā)寬度w是制約場景S12 中AEB 觸發(fā)效果的關(guān)鍵參數(shù)，將觸發(fā)寬度w從 1 .5 m 擴 大至 2 m，若要二輪車運動軌跡從左側(cè)或者前側(cè)進入觸發(fā)域后，始終保持在觸發(fā)域內(nèi)， ρtv取 值范圍從 (0,1.1] 增加至 (0,1.36]，改善幅度不大，且w增加會增加AEB的誤動作，因此不建議通過調(diào)整觸發(fā)寬度來改善AEB觸發(fā)域。

4 結(jié) 論

本文通過對國內(nèi)外相關(guān)研究進行分析，提取典型車輛與二輪車預(yù)碰撞場景，通過建立Pre-scan 模型和數(shù)學(xué)模型的方式對典型AEB 系統(tǒng)在相關(guān)場景下的效用及改進方向進行定性和定量分析，得出如下結(jié)論：

1） 分析國內(nèi)外基于不同數(shù)據(jù)、采用不同方法研究的車輛與二輪車事故場景，共得到汽車與二輪車預(yù)碰撞功能場景12 類，其中汽車與二輪車相向運動的場景為3 類，垂向運動的場景4 類，同向運動的場景5 類。

2） 面向車輛典型AEB 系統(tǒng)測試需求，排除國內(nèi)外標準法規(guī)已經(jīng)納入測試規(guī)程的場景，共提取2 類典型場景，2 類場景均涉及參與方轉(zhuǎn)彎，與Euro NCAP 2025 路線圖中規(guī)劃的參與方轉(zhuǎn)彎特征一致。同時，從目標物跟蹤和預(yù)測的角度分析，對車輛感知與決策算法可能有一定的挑戰(zhàn)。

3） 通過建立數(shù)學(xué)模型的方式對場景S11 和S12 進行分析可知，在車輛運動坐標系下，二輪車的運動軌跡僅與車輛和二輪車速度比值相關(guān)。不同場景下，二輪車運動軌跡特征差異性較大，在相同場景下，根據(jù)速度比值的不同，運動軌跡存在一定差異。

4） 針對場景S11，在設(shè)定AEB 觸發(fā)模型和場景部分元素取值下，僅當 ηvt＞0.788 8時，二輪車能夠進入車輛AEB 觸發(fā)域。若將視場角FoV 從60°增大到90°，可有效改善AEB 觸發(fā)效果，二輪車進入觸發(fā)域時對 ηvt范圍的要求從 (0.788 8,+∞)增加至(0.203 3,+∞)。與此同時，若要車輛AEB 具有最佳的觸發(fā)效果，則需 ηvt＞(Δv-1.12)/1.88 ＞0.788 8，隨著相對運動速度 Δv增 大， ηvt需要進一步提高。

5） 針對場景S12，在設(shè)定AEB 觸發(fā)模型和場景部分元素取值下，當 0 ＜ρtv≤1.1時，車輛AEB 具有較好的觸發(fā)效果。同時，當1.1 ＜ρtv＜(Δv+2.46)/9.64時，仍能保持較好的觸發(fā)效果，由于二輪車進入AEB 觸發(fā)域后離開觸發(fā)域，存在一定誤判的可能性。將觸發(fā)寬度w從 1.5 m擴 大至 2 m，若要二輪車運動軌跡從左側(cè)或者前側(cè)進入觸發(fā)域后，始終保持在觸發(fā)域內(nèi)， ρtv取 值范圍從 (0,1.1] 增加至( 0,1.36]，增加觸發(fā)寬度w對AEB 觸發(fā)效果的改善幅度不大，且會增加AEB 誤觸發(fā)的可能。

本文采用數(shù)據(jù)建模的方法對典型場景S11 和S12 下AEB 的觸發(fā)情況進行分析，為場景的定性分析和定量分析提供參考，同時為AEB 系統(tǒng)的優(yōu)化方向提供技術(shù)支撐。

致謝感謝國家市場監(jiān)督管理總局缺陷產(chǎn)品管理中心對本文研究工作的支持。