盧迪柯 周毅 何海燕

（同濟大學汽車學院，上海 201804）

縮略語

TTC Time To Collision

THW Time To Headway

AHP Analytic Hierarchy Process

HP Highway Pilot

TJP Traffic Jam Pilot

NOP Navigator On Pilot

IVF Intelligent Vehicle Following

ACC Adaptive Cruise Control

FCW Forward Collision Warning

AEB Autonomous Emergency Braking

LDW Lane Departure Warning

BSD Blind Spot Detection

0 引言

隨著智能駕駛技術的不斷發(fā)展，特斯拉、上汽集團、蔚來、小鵬、理想等主機廠已經(jīng)開發(fā)了許多較為完善的高級自動駕駛輔助系統(tǒng)，如高速自動輔助駕駛（Highway Pilot,HP）、擁堵駕駛輔助（Traffic Jam Pilot，TJP）、導航輔助駕駛（Navigator on Pilot,NOP）等。而在日常駕駛過程中，跟車行駛占據(jù)整個行車過程70%以上，目前對于智能跟車功能評價尚無統(tǒng)一的標準法規(guī)[1]，因此十分有必要開展智能跟車功能測試評價方法的研究，本文圍繞智能跟車功能（Intelligent Vehicle Following,IVF）進行深入分析和總結。

（1）本文研究的智能跟車功能（IVF）指具備該功能的車輛在本車道內可跟隨前方目標車輛自動調節(jié)車輛速度，并根據(jù)不同工況與前方目標車輛保持適當距離。

（2）研究國內外自適應巡航（Adaptive Cruise Con?trol，ACC）、前端碰撞預警（Forward Collision Warning，F(xiàn)CW）、自動緊急制動（Autonomous Emergency Braking，AEB）、車道偏離預警（Lane Departure Warning，LDW）、盲區(qū)探測（Blind Spot Detection，BSD）與跟車功能相關的測試標準[2-3]，基于其評價參數(shù)，并結合跟車功能相關實際經(jīng)驗，構建智能跟車功能綜合評價體系。

（3）借助Delphi 專家咨詢法對評價參數(shù)與安全性和舒適性的相關性進行評估。

（4）運用層次分析法設計遞階層次結構，并判斷各評價指標的一致性，建立智能跟車綜合評價體系模型，并對智能跟車功能測試評價的進一步發(fā)展提出研究展望。

1 評價指標體系構建

IVF系統(tǒng)評價一般是基于不同測試工況下的功能表現(xiàn)，即用客觀參數(shù)對系統(tǒng)進行評分以量化其性能水平，但純粹的客觀參數(shù)分析法通常只針對單個參數(shù)進行衡量，不能對系統(tǒng)功能的總體表現(xiàn)進行有效評估，本文以主客觀相結合的方式對智能跟車功能進行安全性與舒適性的研究。

1.1 評價指標體系框架

本文以智能跟車功能的測試評價為核心開展相關研究工作，一方面關注消費者的主觀感受，另一方面也關注研發(fā)工程師更為在意的客觀數(shù)據(jù)。為了設計一套可用于主客觀評估的測試評價體系，結合消費者實際使用，擬定該評價體系從安全性、舒適性2個維度開展相關研究，所選擇的基礎評價參數(shù)均來自智能汽車功能評測標準，綜合分析目標層、準則層和參數(shù)層，所建立的智能跟車功能綜合評價指標體系如圖1所示。

圖1 智能跟車功能綜合評價指標體系

1.2 評價參數(shù)計算方法及內涵

IVF 系統(tǒng)控制性能主要是分為2 方面：穩(wěn)態(tài)性能和動態(tài)性能。其中，穩(wěn)態(tài)性能主要分析被測車輛在勻速跟車工況下跟車距離、車速的穩(wěn)定性。動態(tài)性能主要統(tǒng)計、分析車輛在跟車工況下加（減）速度的相關特性以及相關參數(shù)的精度。

（1）預計碰撞時間（Time To Collision，TTC）

TTC定義為本車與前車之間的相對距離除以相對速度，為了確保智能車輛運行安全可靠，要求TTC>0 s。

對于相對速度不變的情況，也就是說當2 車都沒有加速或減速時，TTC為本車與前車發(fā)生碰撞的時間。TTC計算如下：

式中，XT為前車位置；XH為主車位置；LT為車身長度；vH為主車速度；vT為前車速度。

（2）車頭時距（Time Headway,THW）

為了更好地評估車輛行駛過程中的跟車距離，引入車頭時距作為本文評價模型的一個重要參數(shù)。THW是一個表征駕駛員跟車行為的重要參數(shù)，定義為前后2 車頭部通過道路某一斷面的時間間隔[4]。THW值越小，表明主車跟隨前車輛行駛過程中，當遇到緊急突發(fā)狀況時，發(fā)生碰撞的概率越高，如跟車距離較小或主車速度較高的情況。THW計算如下：

式中，XT為前車位置；XH為主車位置；LT為車身長度；vH為主車速度。

2 評價參數(shù)的相關性評估

Delphi 法又稱專家調查法，其本質是一種反饋匿名函詢法[5]。根據(jù)研究目標，將需要專家進行判斷的問題制定成調查問卷，本文通過線上匿名方式進行專家意見征詢，充分確保參評專家自由發(fā)表意見，并盡可能保證其不受其他權威專家意見影響。

在完成首輪專家意見收集后，經(jīng)過數(shù)據(jù)匯總、整理和分析，將分歧較大的問題進行重新梳理，并再度征求意見，直至取得一致意見。經(jīng)過2輪征詢和意見收集后，最終結果較為客觀且可信。

2.1 專家遴選

本次調查經(jīng)過兩輪專家咨詢，共計遴選了15位具有專業(yè)性和權威性的專家組成本研究的Delphi 法專家小組，其中5位來自同濟大學相關學科，7位來自汽車主機廠（智己汽車、泛亞汽車技術中心、上汽大眾），3 位來自智能駕駛相關零部件企業(yè)（舍弗勒、地平線、千顧汽車）。專家小組成員均多年從事智能駕駛技術開發(fā)或測試技術研究與實踐，工作單位涵蓋相關性較強的高校和企業(yè)，具有廣泛的代表性。

根據(jù)評價指標體系框架，編制專家咨詢表，內容包括專家的基本情況、對指標相關性的判斷依據(jù)、熟悉程度。專家采用背對背的形式填寫問卷，對初步評價指標體系內各評價參數(shù)對“安全性”和“舒適性”的相關性進行打分，評分值用李克特量表（5-Likert scale）進行評定[6]，具體評分見表1所示。

表1 李克特量表相關性

2.2 評價指標相關性篩選

2.2.1 專家積極系數(shù)

該系數(shù)用于衡量專家對咨詢內容的關心程度，以有效咨詢表的回收率來衡量，公式如下：

本次調研共計發(fā)放咨詢表15 份，均在7 天內收回，有效回收率為100%，表明所調查專家對該項目高度支持，積極性較高。

2.2.2 專家權威程度以專家權威系數(shù)Cr來衡量，公式如下：

式中，Ca為專家對指標的判斷系數(shù)，專家基于表2 自評得出；Cs為專家對指標的熟悉程度系數(shù)，專家基于表3自評得出。

表2 專家判斷依據(jù)及影響程度

表3 專家熟悉程度

經(jīng)過對專家自評結果分析，Ca=0.95，Cs=0.88。專家權威系數(shù)Cr=0.92，專家權威程度較高，可為本次相關性分析提供可靠的評判依據(jù)。

2.2.3 專家意見集中程度

滿分頻率fj的計算公式如下：

式中，Nj表示參加第j個指標相關性評價的專家數(shù)；表示其中打滿分的專家數(shù)。fj的取值范圍為[0,1]，可作為的補充指標。

2.2.4 專家意見協(xié)調程度

通常用變異系數(shù)CV來衡量，可表示專家對各項指標的認同程度。變異系數(shù)CV表示n個專家對第j個指標的協(xié)調程度，計算公式如下：

通過2 輪Delphi 法的專家調研篩選，最終調研結果詳見表4和表5。

表4 “安全性”與指標相關性專家咨詢結果

表5 “舒適性”與指標相關性專家咨詢結果

以同時滿足重要性賦值均數(shù)≥3.5，且變異系數(shù)≤0.24 兩項條目作為篩選標準，在基礎評價參數(shù)中，與安全性相關性比較高的參數(shù)包括車道中心線相對距離、速度波動、最大加（減）速度、預計碰撞時間和車頭時距；與舒適性相關性比較高的參數(shù)包括最大加（減）速度、車頭時距和停車縱向距離。根據(jù)安全性和舒適性相關參數(shù)指標，利用層次分析法確定各指標參數(shù)與總目標的權重系數(shù)。

3 指標權重的計算方法

運用評價指標體系的若干個指標參數(shù)對智能跟車功能進行綜合評價時，不同指標的重要程度有所不同，為了能夠合理地描述各層級不同指標在評價過程中的作用地位和重要程度，需要明確各指標的權重系數(shù)，從而能夠得到智能跟車功能綜合水平。

結合本文建立的智能跟車功能的評價指標體系，借助Delphi 專家問卷調查法已經(jīng)完成安全性和舒適性相關可量化指標參數(shù)，然后將基于專家意見并運用層次分析法確定各指標權重系數(shù)。

層次分析法（Analytic Hierarchy Process，AHP）是一種將定性分析和定量計算相結合的、具有層次結構的多目標決策方法[7]。利用層次分析法構建的理論模型將為智能跟車評價指標的選取和評價體系的建立提供完整的方案路線，并為多維度指標的統(tǒng)一化表達提供理論依托，主要步驟包括建立決策問題的遞階層次結構、構造兩兩判斷矩陣、層次單排序及其一致性檢驗和層次總排序，針對智能跟車功能綜合評價指標體系，獲取各指標權重的計算方法，主要計算步驟如下。

3.1 構造判斷矩陣

基于圖1 所建立的遞階層次結構，上下相鄰層次間元素的隸屬關系即被確定，根據(jù)上層目標，在確定下一層不同元素權重時，采用兩兩比較的方法，指在準則Ck下，對它所支配的元素A1、A2……An中任意2 個元素Ai和Aj進行比較，它們中哪一個更重要、重要性為多少。本文按照9級比例標度，標度值及含義詳見表6?；贒elphi 表3和表4的-xj、fj和CV值作為依據(jù)，安全性、舒適性及其相對于總目標的判斷矩陣分別如下表7、表8和表9所示。

表6 “9級比例標度”標度值及含義

表7 基于標度值的“安全性”判斷矩陣

表8 基于標度值的“舒適性”判斷矩陣

3.2 層次單排序及其一致性檢驗

層次單排序是指在目標層或準則層各元素Ck的支配下，n個元素排序權值的計算問題。兩兩比較判斷矩陣的最大特征值對應的特征向量就是該準則支配下的各元素排序權值，設(ω1,ω2…ωn)Tt是判斷矩陣最大特征值對應的特征向量，歸一化之后就是n個元素A1、A2……An的排序向量[8]。

由定理“n階正互反矩陣是一致性矩陣的充要條件，它的最大特征根是γmax=n”可知，當判斷矩陣不一致時，γmax>n，誤差越大γmax-n的差值就越大。本文兩兩比較判斷矩陣，依據(jù)多位專家咨詢結果給定，但判斷的不一致性仍然可能存在，為了更好地避免不一致性問題，引入一致性比例（Consistency Ratio,CR）值作為判斷矩陣是否具有一致性的檢驗標準，其計算公示如下：

式中，RI為隨機一致性指標，具體數(shù)值詳見表10。

表10 隨機一致性指標RI

針對以上表7、表8 和表9 中3 個判斷矩陣，分別計算其最大特征值對應的特征向量，并對其進行歸一化處理，可計算得出該判斷矩陣對應的單排序向量，如表7、表8和表9最后列ωi所示。當計算得到CR值小于0.1 時，認為判斷矩陣具有一致性，否則，應當對判斷矩陣中的數(shù)值進行修正，再進行一致性檢驗，直到滿足CR<0.1的要求為止。經(jīng)檢驗，以上3個判斷矩陣均滿足一致性檢驗。

3.3 層次總排序

層次總排序是要得到遞階層次結構中，最低層次中的所有元素對于智能跟車功能總目標的相對權重。經(jīng)計算，各個指標參量相對于智能跟車功能綜合指標的權重系數(shù)如表11所示。

表11 指標權重系數(shù)

4 評價模型應用

針對評價模型內各項指標，基于智能跟車功能要求，確定單項指標評分標準及其單項滿分值。選定某車型作為被測車型，進行測試并采集數(shù)據(jù)，借助該模型對其智能跟車功能進行評分。

4.1 指標評分標準

（1）THW

行駛的期望安全距離與車速成正比，為了更好地獲取THW閾值，假定車輛遇到緊急情況時，其最大減速度為6 m/s2，分別計算系統(tǒng)在無需反應時間及需要反應時間2種情況下的跟車時距（表12）。

表12 最大減速度為6 m/s2時THW閾值

安全跟車距離S的計算公式如下：

式中S1為不含制動系統(tǒng)反應時間的制動距離；S2為包含系統(tǒng)反應時間的制動距離。

安全跟車情況下（系統(tǒng)需要反應時間）的跟車時距THW0計算公式如下：

式中，v為車速。

假定系統(tǒng)無需反應情況下的跟車時距THW1的計算公式如下：

（2）TTC

TTC直接決定車輛是否發(fā)生碰撞，所以在該評價模型中，該值作為“一票否決制”。當|TTC|=0 時，該車跟車功能總評分為0 分。針對不同的車速，其TTC閾值不同，詳見表13。

（3）指標評分標準

針對智能跟車功能相關的各項指標，評分體系滿分采用100 分，各項指標評分標準及相應滿分分值如表14所示。

表14 各項指標評分標準及分值

4.2 評價實施

針對跟車過程，前車的縱向運動形態(tài)分為3種：勻速、減速和加速。本次測試過程主要選取某車型作為主車，進行了前車“加速—勻速”場景測試，其主要參數(shù)如圖2所示。

圖2 被測車輛主要參數(shù)

基于表14各項指標評分標準及分值，并結合該車輛所有參數(shù)，其最終得分如表15所示。

表15 被測車輛評分結果

該車型總體得分為91分，該車型智能跟車功能表現(xiàn)良好。

5 結語

高級駕駛輔助功能測試評價是開展技術研發(fā)和工程化應用的重要環(huán)節(jié)，本研究從智能跟車功能的安全性和舒適性方面，并分別選取功能完整性、運行可靠性、表現(xiàn)一致性、守法禮讓、操控穩(wěn)健性、風格穩(wěn)定和氛圍舒適多個評價子維度?；陬A計碰撞時間(TTC)、車頭時距（THW）、最大加（減）速度、速度波動量、車道中心線相對距離和縱向停車距離作為評價指標參數(shù)，利用層次分析法（AHP）和德爾菲法（Delphi），本文設計了一套綜合評價模型，主要創(chuàng)新點如下：

（1）評價框架：設計了以智能跟車功能安全性和舒適性為評價準則的遞階層次結構，通過建立智能跟車綜合評價指標模型，實現(xiàn)智能跟車功能評價體系的多維度解讀。

（2）評價指標：以智能跟車功能相關的標準法規(guī)為依托，盡可能多地采用客觀參數(shù)，構筑評價模型。

（3）賦權方法：通過德爾菲（Delphi）法調研多位業(yè)內專家，有效降低了層次分析法在構筑判斷矩陣時受人為因素干擾。

聲明：本文在進行專家問卷調查時，所邀請的專家均為相關企業(yè)內資深工程師，且與本文作者無任何利益關系。