主題詞：交通事故數(shù)據(jù)驅(qū)動K均值聚類 自動緊急制動系統(tǒng)測試場景構(gòu)建中圖分類號：U467.1 文獻(xiàn)標(biāo)志碼：A DOI：10.19620/j.cnki.1000-3703.20240860

Construction of AEB Expressway Test Scenarios for Passenger Cars Basedon TrafficAccidentData-Driven

LiuYongtao1，Liu Yongjie1，Zhu Yichen’，Hui Zhiqiang2，Zhao Chen3 （1 Chang'anUniversity，Xi’an710064;2ChinaFirst AutomobileGroupCo.Ltd.，Changchun130o13; 3China Academyof Safety Science and Technology，Beijing 100012）

【Abstract】In order to enhance the eficiencyof the Automatic Emergency Braking System （AEB） test scenarios for passengercars，thisstudyutilizes183highwayaccidentsdatafrom China In-DepthAcident Study（CIDAS）databaseto explore theconstructionof highway-based AEB testing scenarios.Staticanddynamicfactorsare extracted from CIDAS database as clustering variables，anda K-means clustering approach is employed to performa preliminary clasificationof theselectedaccidents.Basedontheclustering results，5representativeaccidenttypes are identified.Basedontheidentified typicalaccidentscenarios，andwithreferencetoexistingevaluationstandards，5highwaytestscenariosforpassengercar AEB systemsare developed.The findingsof thisstudycontribute tothe development andperformance optimizationof AEB system.

Key Words： Traffic accident，Data-driven，K-means clustering，Automatic Emergency Braking （AEB）system，Test scenarioconstruction

【引用格式】劉永濤，劉永杰，朱屹晨，等.基于交通事故數(shù)據(jù)驅(qū)動的乘用車AEB高速公路測試場景構(gòu)建[J].汽車技術(shù)，2025（6）：15-22.LIU YT，LIUYJ，ZHUYC，etal.ConstructionofAEB ExpresswayTest Scenarios for Passenger Cars Basedon TrafficAccidentData-Driven[J].Automobile Technology，2025（6）：15-22.

1前言

自動緊急制動系統(tǒng)（Autonomous Emergency Braking，AEB）作為駕駛輔助系統(tǒng)的一項(xiàng)主動安全技術(shù)，能夠通過預(yù)警和自動制動降低事故發(fā)生風(fēng)險(xiǎn)[]。據(jù)歐盟新車安全評鑒協(xié)會（European NewCarAssessment Program，E-NCAP）統(tǒng)計(jì)，車輛配備AEB系統(tǒng)可避免 27% 的追尾事故2。2024年，《輕型汽車自動緊急制動系統(tǒng)技術(shù)要求及試驗(yàn)方法》起草意見，將AEB系統(tǒng)從現(xiàn)行的推薦性國家標(biāo)準(zhǔn)上升為強(qiáng)制性國家標(biāo)準(zhǔn)3，AEB系統(tǒng)的測試與評估備受關(guān)注，基于場景的測試方法已得到廣泛的研究與應(yīng)用[4]。

通過挖掘事故數(shù)據(jù)中危險(xiǎn)工況的關(guān)鍵特征，構(gòu)建測試場景，可直接驗(yàn)證AEB系統(tǒng)在應(yīng)對危險(xiǎn)工況時(shí)的有效性。Nitsche等基于英國交通事故數(shù)據(jù)進(jìn)行K-medoids聚類分析，提取13類T形路口和6類十字路口事故場景。Sander等分析德國深度調(diào)查交通事故數(shù)據(jù)，根據(jù)不同事故類型提取了德國的AEB系統(tǒng)路口測試場景。

不同國家和地區(qū)的交通參與者類型、事故類型和典型場景存在明顯差異，針對國內(nèi)交通環(huán)境，廖靜倩等根據(jù)特定路段使用國家車輛事故深度調(diào)查體系（National Automobile accident in-depth InvestigationSystem，NAIS），對路口機(jī)動車碰撞事故采用層次聚類法和運(yùn)動學(xué)分析建模，得到3類丁字路口轉(zhuǎn)彎危險(xiǎn)場景下的危險(xiǎn)碰撞域。根據(jù)事故類型，胡林等基于中國交通事故深人研究（China In-Depth Accident Study，CIDAS）數(shù)據(jù)庫中兩輪車碰撞事故案例，使用聚類分析方法獲得6類典型事故場景的測試場景。

由于現(xiàn)有研究鮮有提及高速公路場景下乘用車AEB系統(tǒng)的測試場景構(gòu)建，本文基于CIDAS數(shù)據(jù)庫中高速公路場景下乘用車碰撞其他參與方的事故數(shù)據(jù)，選擇K-means聚類算法對事故數(shù)據(jù)進(jìn)行初步分類，結(jié)合現(xiàn)有測評標(biāo)準(zhǔn)，構(gòu)建該場景下乘用車AEB典型測試場景。

2高速公路乘用車典型事故場景提取

2.1 數(shù)據(jù)集構(gòu)建

本文使用由中國汽車研究中心聯(lián)合相關(guān)企業(yè)構(gòu)建的CIDAS數(shù)據(jù)庫，該數(shù)據(jù)庫中每起事故案例通過約3000個(gè)字段描述，主要包括事故現(xiàn)場信息、多種車型的車輛損壞信息和人員傷害信息，調(diào)查時(shí)間覆蓋全天24小時(shí)，調(diào)查地區(qū)分布于東北、華中、西南等，覆蓋平原、丘陵、盆地和高原等地形特征，涵蓋城市道路、高速公路、鄉(xiāng)村道路、山區(qū)道路等道路類型。

為了滿足研究需要，通過道路分類字段篩選出高速公路場景下的事故案例，逐步剔除因無法判斷車輛行駛狀態(tài)的事故案例、商用車撞擊乘用車或行人等的事故案例、車輛主動爆胎引發(fā)的事故和單方事故案例，最終得到183起高速公路乘用車與其他參與方碰撞的事故案例。

2.2場景要素和聚類變量選擇

車輛AEB系統(tǒng)通過傳感器檢測前方道路信息，其性能極易受天氣條件、目標(biāo)尺寸等因素的影響。為了測試車輛的AEB系統(tǒng)效能，測試場景中變量的選取應(yīng)符合AEB的工作原理和工作條件。根據(jù)文獻(xiàn)[10]＼～文獻(xiàn)[14]，結(jié)合實(shí)際交通情況，AEB測試場景的特征要素分類如圖1所示。

本文的聚類變量根據(jù)CIDAS中事故描述字段篩選，靜態(tài)因素選取天氣、事故現(xiàn)場道路環(huán)境、光照條件、路況等因素；動態(tài)因素選取事故的參與方類型和首次碰撞中參與方（A和B）發(fā)生碰撞前的運(yùn)動軌跡、碰撞部位、橫向運(yùn)動狀態(tài)。由于CIDAS對與光照條件未進(jìn)行具體數(shù)值描述，所以本文將事故現(xiàn)場有/無路燈和時(shí)段組合為光照條件描述字段。為了進(jìn)一步描述事故場景，在人工篩選后的案例中增加參與方相對運(yùn)動的描述字段，其中，在參與方B的橫向狀態(tài)中，“其他\"項(xiàng)為行人的橫向運(yùn)動狀態(tài)?？紤]到速度為連續(xù)變量，聚類中進(jìn)行離散處理會導(dǎo)致數(shù)據(jù)分布特征丟失，所以本文未將速度劃分為聚類變量。

2.3場景提取方法

2.3.1 K-means算法

使用SPSS（Statistical Product and Service Solutions）軟件中K-means聚類對典型場景進(jìn)行初步提取，通過歐式距離評估數(shù)據(jù)對象間相似度：

式中： X 為樣本點(diǎn)， Y 為聚類中心， X_i，m 為第 i 個(gè)樣本中第m 個(gè)變量值，為 Y_j，m 為第 j 類聚類中心在第 m 個(gè)變量值， n 為數(shù)據(jù)特征的總量。

通過K-means算法計(jì)算聚類中心為：

式中： C_j 為第j類樣本點(diǎn)的數(shù)量。

2.3.2 變量編碼

在聚類分析時(shí)，所有變量均需轉(zhuǎn)換為數(shù)值形式。變量可分為連續(xù)變量和名義尺度變量，其中，連續(xù)變量表示數(shù)量或程度，例如車速、事故嚴(yán)重程度等；名義尺度變量具有多種類別且各類別間為離散變量，例如天氣、參與方的類型等。

當(dāng)名義尺度變量的類別數(shù)量大于2時(shí)，應(yīng)避免離散類別間產(chǎn)生不合理的距離關(guān)系。例如，連續(xù)數(shù)字1、2、3對變量 A，B，C 進(jìn)行編碼，會導(dǎo)致變量A與變量B的距離為1，變量A與變量 C 的距離為2，實(shí)際中這些變量間并沒有此類程度關(guān)系，所以此時(shí)不能直接使用連續(xù)數(shù)值進(jìn)行編碼，需要采取獨(dú)立編碼，變量轉(zhuǎn)換方法如表1所示。

2.3.3聚類數(shù)量確認(rèn)

在K-means聚類中，可采用時(shí)部準(zhǔn)則（ElbowMethod）確認(rèn)最佳聚類數(shù) K 該方法采用簇內(nèi)誤差平方和（SumofSquaredErrors，SSE）計(jì)算所有樣本的聚類誤差，通過繪制 SSE-K 關(guān)系曲線（見圖2），選取曲線的肘部位置對應(yīng)的 K 值為最佳聚類數(shù)量，SSE可作為判斷聚類結(jié)果的依據(jù)[15]：

式中： 為樣本 X 與聚類中心 Y 的距離。

由圖2可知，當(dāng) K=4 時(shí)，曲線下降趨勢變緩，形似時(shí)部；當(dāng) K=8 時(shí)，曲線出現(xiàn)明顯拐點(diǎn)?？紤]到當(dāng) Kgt;5 時(shí)，聚類結(jié)果中會出現(xiàn)占比低于 5% 的場景，所以文本使用 K=5 O

2.4聚類結(jié)果提取

聚類完成后，5類場景的相關(guān)參數(shù)分布情況如表2所示，其中，平直道路和干燥路面是所有場景的典型特征；第1類場景包含的案例數(shù)量最多，第3類場景包含的案例數(shù)量最少；在第2類和第4類場景中，光照條件為白天/夜晚的數(shù)量是相近；在第5類場景中，參與方A的碰撞部位為右部和后部的數(shù)量相近，其他變量的類別數(shù)量差異顯著。

針對表2中各變量的參數(shù)，優(yōu)先選擇占比最高的參數(shù)作為該場景的代表性特征，若次高值與最高值的數(shù)值絕對差值不超過1，兩者均可使用?；谏鲜鲈瓌t，對聚類結(jié)果中5類場景的參數(shù)進(jìn)行提?。ㄒ姳?），得到高速公路場景下乘用車碰撞其他參與方的典型事故場景。

3測試場景分析

通過調(diào)整經(jīng)聚類分析后的典型事故場景，將其轉(zhuǎn)化為AEB系統(tǒng)的測試場景，所以本文參照現(xiàn)有測評標(biāo)準(zhǔn)，對初步分類的事故場景進(jìn)行分析：

a.第1類場景為晴天，在白天平直干燥的道路上乘用車追尾貨車。如圖3a所示，該場景與E-NCAP中乘用車與乘用車跟車場景]（Car-to-Car Rear moving，CCRm）相似，考慮了重疊率，但前車的類型不同，且該場景車速可能高于CCRm場景的測試車速。

b.第2類場景為晴天，白天或夜晚平直干燥的道路上乘用車碰撞橫穿行人。如圖3b所示，第2類場景與E-NCAP中乘用車與遠(yuǎn)端行人場景[]（Car-to-PedestrianFarsideAdult，CPFA-50）相似，該場景中行人與乘用車的相對運(yùn)動方向垂直，預(yù)碰撞點(diǎn)為乘用車前部 50% 位置，光照條件包含白天和夜晚。如表3所示，第2類場景的光照條件與CPFA-50場景一致，但該場景中乘用車的速度會高于CPFA-50場景中車速（ 10～60km/h ，且乘用車與行人間無確切的碰撞點(diǎn)和相對運(yùn)動方向。

c.第3類場景為陰天，平直干燥的道路上乘用車追尾乘用車，該場景與第1類場景相似，但前車的類型不同。

d.第4類場景為晴天，白天或夜晚平直干燥的道路上乘用車追尾靜止的乘用車。如圖3c所示，該場景與E-NCAP中的乘用車與靜止乘用車場景（Car-to-CarRearstationary，CCRs）相似，CCRs場景的范圍為左側(cè)50% 至右側(cè) 50% ，增量的重疊率為 25% 。第4類場景中后車車速可能會高于CCRs場景（ 10～50km/h ）。

e.如表3所示，第5類場景為乘用車向右變道/偏移時(shí)，車輛右側(cè)/后部與后方貨車前部發(fā)生碰撞。在E-NCAP和C-NCAP中無此類AEB系統(tǒng)測試場景，但在E-NCAP針對貨車或C-NCAP針對乘用車的緊急車道保持（EmergencyLaneKeeping，ELK）測試中可以找到相似場景[18]，如圖4所示。

圖4E-NCAP與C-NCAP中針對貨車和乘用車的ELK測試場景

針對貨車的ELK測試場景中，貨車與乘用車保持相同車速；而針對乘用車的ELK測試場景中，測試方的速度低于目標(biāo)方速度。第5類場景中參與方A乘用車的碰撞部位為右側(cè)與后部，參與方B貨車的碰撞部位為前部。

4測試場景設(shè)計(jì)

基于上述分析，對測試場景進(jìn)行調(diào)整。通過查看第1類場景的事故數(shù)據(jù)發(fā)現(xiàn)，乘用車的平均寬度為貨車的76.27% ，碰撞點(diǎn)大致分布在乘用車前部右側(cè)與貨車后部左側(cè)間，重疊率為 88.93% ，所以場景1暫不考慮對重疊率劃分，此時(shí)定義參與方A為測試方，參與方B為目標(biāo)方。

在第2類場景中，聚類結(jié)果中白天與夜晚的數(shù)量相同。將事故受傷與死亡人數(shù)作為評估事故嚴(yán)重程度指標(biāo)，發(fā)現(xiàn)第2類場景在白天和夜晚的事故死亡和受傷人數(shù)無顯著區(qū)別[19]。考慮到AEB系統(tǒng)會受到夜晚光照條件影響，所以未對第2類場景的白天和夜晚進(jìn)行區(qū)分。

同時(shí)，行人與乘用車的碰撞點(diǎn)分布在乘用車前部中軸線兩側(cè)，且未達(dá)到中軸線兩側(cè) 25% 位置。由于現(xiàn)有測評標(biāo)準(zhǔn)中，包含行人橫穿的測試場景中行人與乘用車的運(yùn)動路徑均為垂直，所以本文將場景2中參與方的相對運(yùn)動方向設(shè)置為垂直，預(yù)碰撞點(diǎn)為車輛前部 50% 位置，并定義參與方A為測試方，參與方B為目標(biāo)方。

第3類場景與第1類場景相似，因此參考E-NCAP的乘用車間跟車，前車制動場景（Car-to-CarRear braking，CCRb）對第3類場景進(jìn)行調(diào)整，如圖5所示。第3類場景事故場景中，前車的碰撞速度與初始速度的差值中位數(shù)和平均值分別為 20km/h 和 21.76km/h ?？紤]到高速公路場景中車輛制動至靜止的情況較少，所以第3類場景的前車參考CCRb中目標(biāo)方的減速度 （-6m/s²） ，速度減少量為 20km/h ，此時(shí)定義參與方A為測試方，參與方B為目標(biāo)方。

在第4類場景中，聚類結(jié)果顯示白天的場景數(shù)量僅比夜晚多1例，且白天與夜晚的事故受傷人數(shù)相近，但夜晚事故的死亡人數(shù)是白天的2.67倍。因此，該場景中光照條件需設(shè)置為白天或夜晚。由于高速公路中靜止車輛多位于道路最右側(cè)的緊急停車帶，所以可將第4類場景的重疊率設(shè)置為 100% 右 50% ，步長為 25% ，并定義參與方A為測試方，參與方B為目標(biāo)方。

由第5類場景的事故記錄表明，該場景中乘用車因錯(cuò)過高速公路出口、避讓前方或忽視后方車輛的速度而強(qiáng)行變道，最終與右后方車輛發(fā)生碰撞。乘用車碰撞部位為右側(cè)和后部的數(shù)量相近，且乘用車首次碰撞的受力方向主要來自03＼～06方向（見圖6），因此，將乘用車碰撞部位調(diào)整為右側(cè)后部（右側(cè)與后部相接處）[20]。

結(jié)合AEB系統(tǒng)功能，鑒于第5類場景的參與方B中乘用車占比達(dá)到 42.3% ，本文設(shè)定參與方A為目標(biāo)方，并根據(jù)研究需求，將參與方B調(diào)整為乘用車，屬于測試方。AEB測試場景中包含參與方的運(yùn)動狀態(tài)和速度，根據(jù)聚類結(jié)果提取對應(yīng)場景中各參與方的初始速度作為測試速度，其分布如圖7所示。為了構(gòu)造具有代表性的測試場景，將各場景中參與方的速度中位數(shù)作為該類場景的測試速度[21-22]。在提取速度時(shí)發(fā)現(xiàn)，在第2、4類場景中，無論是白天還是夜晚，參與方A和參與方B的速度無明顯差異，因此，后文未對第2、4類場景進(jìn)行細(xì)分。

因此，本文構(gòu)建的高速公路場景下5類乘用車AEB系統(tǒng)測試場景，如表4所示。其中，5類事故場景分別為：晴朗白天，平直干燥道路上乘用車追尾貨車；白天或夜晚，平直干燥道路上乘用車碰撞橫穿行人；晴朗白天，平直干燥路面乘用車追尾突然制動的乘用車；白天或夜晚陰天，平直干燥道路上乘用車追尾靜止乘用車；晴朗白天，平直干燥道路上乘用車直線行駛時(shí)，與左前方向右變道的乘用車碰撞場景。

5結(jié)束語

本文基于CIDAS數(shù)據(jù)庫的高速公路事故數(shù)據(jù)，篩選出天氣條件、光照條件、參與方碰撞前的運(yùn)動狀態(tài)等事故因素還原高速公路乘用車交通事故場景，通過K-means聚類對事故數(shù)據(jù)進(jìn)行初步分類。根據(jù)聚類結(jié)果獲得基于高速公路場景的乘用車事故場景，參考現(xiàn)有測評標(biāo)準(zhǔn)并結(jié)合實(shí)際情況，構(gòu)建了5類高速公路場景下乘用車AEB測試場景，為完善AEB系統(tǒng)的測試場景提供了技術(shù)支撐。

參考文獻(xiàn)

[1]江麗君，賀錦鵬，劉衛(wèi)國，等.自動緊急制動系統(tǒng)測試場景 研究[J].汽車技術(shù)，2014（1）：39-43. JIANGLJ，HEJP，LIUWG，et al.Researchon Test Scenarios for Automatic Emergency Braking System[J]. Automobile Technology，2014（1）： 39-43.

[2]李霖，朱西產(chǎn)，董小飛，等.自主緊急制動系統(tǒng)避撞策略的 研究[J].汽車工程，2015，37（2）：168-174. LIL，ZHU X C，DONG X F，et al.A Research on the Collision Avoidance Strategy for Autonomous Emergency Braking System[J]. Automotive Engineering， 2015，37（2）： 168-174.

[3]中華人民共和國工業(yè)和信息化部.輕型汽車自動緊急制 動系統(tǒng)技術(shù)要求及試驗(yàn)方法：20241853-Q-339[S/OL].北 京：中華人民共和國工業(yè)和信息化部，2024.https：//std. samr.gov.cn/gb/search/gbDetailed？id=FDEBEC2B77488FD3 E05397BE0A0AE97A. Ministry of Industry and Information Technology of the People’s Republic of China. Technical Requirements and Testing Methods for Advanced Emergency Braking System （AEBS）of Light-Duty Vehicles：20241853-Q-339[S/OL]. Beijing：Ministry of Industry and Information Technology of thePeople's Republic of China，2O24.https：//std.samr.gov. cn/gb/search/gbDetailed？ id=FDEBEC2B77488FD3E05397 BEOA0AE97A.

[4]朱冰，張培興，趙健，等.基于場景的自動駕駛汽車虛擬測 試研究進(jìn)展[J].中國公路學(xué)報(bào)，2019，32（6）：1-19. ZHU B， ZHANG P X，ZHAO J， et al.Review of ScenarioBasedVirtual ValidationMethods forAutomated Vehicles[J]. China Journal of Highway and Transport，2019，32（6）： 1-19.

[5] NITSCHE P， THOMAS P， STUETZ R， et al. Pre-Crash Scenarios at Road Junctions：A Clustering Method for Car Crash Data[J]. Accident Analysis amp; Prevention， 2017（107）： 137-151.

[6]SANDERU，LUBBEN.ThePotential ofClusteringMethods to Define Intersection Test Scenarios： Assessing Real-Life Performance of AEB[J]. Accident Analysisamp; Prevention， 2018（113）： 1-11.

[7]HU W H，XU X Y，ZHOU Z H，et al.Mining and Comparative Analysis of Typical Pre-Crash Scenarios from IGLAD[J].Accident Analysisamp;Prevention，2020，145.

[8]廖靜倩，張道文，高立，等.基于NAIS事故數(shù)據(jù)聚類的丁 字路口危險(xiǎn)場景研究[J].汽車安全與節(jié)能學(xué)報(bào)，2021， 12（3）： 336-345. LIAO JQ，ZHANG D W，GAO L，et al.Research on Dangerous Scene of T Intersection Based on NAIS Database Accident Data Clustering[J]. Journal of Automotive Safety and Energy，2021，12（3）： 336-345.

[9]胡林，李根，王方，等.基于CIDAS事故數(shù)據(jù)的路口乘用 車-兩輪車測試場景研究[J].汽車工程，2023，45（8）：1417- 1427. HUL，LI G，WANGF，et al.Research on Intersection Passenger Car Two Wheeler Test Scenarios Based on CIDAS Accident Data[J]. Automotive Engineering， 2023，45（8）： 1417-1427.

[10] SUI B，LUBBE N， BRGMAN J. A Clustering Approach to Developing Car-to-Two Wheeler Test Scenarios for the Assessment of Automated Emergency Braking in China Using In-depth Chinese Crash Data[J]. Accident Analysis amp;Prevention，2019，132.

[11] YANGL，YANGYP，WUGY，et al，A Systematic Review of Autonomous Emergency Braking System： Impact Factor， Technology，and Performance Evaluation[J]. Journalof Advanced Transportation，2022.

[12]任立海，夏環(huán)，蔣成約，等.基于交通事故數(shù)據(jù)的自動緊 急制動系統(tǒng)測試場景構(gòu)建[J].科學(xué)技術(shù)與工程，2022， 22（24）： 10737-10747. RENL H， XIA H，JIANG C Y，et al.Construction of Autonomous Emergency Braking System Test Scenarios Based on Traffc Accident Data[J]. Science Technology and Engineering，2022，22（24）： 10737-10747.

[13]陳吉清，舒孝雄，蘭鳳崇，等.典型危險(xiǎn)事故特征的自動 駕駛測試場景構(gòu)建[J].華南理工大學(xué)學(xué)報(bào)（自然科學(xué) 版），2021，49（5）：1-8. CHEN JQ，SHU X X， LAN F C， et al. Construction of AutonomousVehiclesTest Scenarioswith Typical Dangerous Accident Characteristics[J]. Journal of South ChinaUniversity of Technology （Natural Science Edition）， 2021， 49（5）： 1-8.

[14] PAN D，HANY， JINQQ，et al. Study of Typical Electric Two-Wheelers Pre-Crash Scenarios Using K-medoids Clustering Methodology Based on Video Recordings in China[J].Accident Analysis amp;Prevention，2021，160.

[15]胡偉超，陳艷艷，于鵬程，等.數(shù)據(jù)驅(qū)動的公路典型風(fēng)險(xiǎn) 場景聚類與特征分析[J].科學(xué)技術(shù)與工程，2024，24（8）： 3426-3433. HU W C，CHEN Y Y，YU P C，et al.Data Driven Clustering and Feature Analysis of Typical Risk Scenarios inHighways[J].Science Technologyand Engineering， 2024，24（8）： 3426-3343.

[16] Euro NCAP.Euro NCAP Test Protocol- AEB Car-to-Car Systems （Version 4.3.1）[S/OL]. Leuven，Belgium：Euro NCAP，2024. https：//www.euroncap.com/media/80155/ euro-ncap-aeb-c2c-test-protocol-v431.pdf.

[17]Euro NCAP. Euro NCAP Test Protocol-AEB/LSS VRU Systems（Version 4.5.1）[S/OL].Leuven，Belgium：Euro NCAP，2024. https：//www.euroncap.com/media/80156/ euro-ncap-aeb-lss-vru-test-protocol-v451.pdf.

[18]中國汽車技術(shù)研究中心有限公司.C-NCAP管理規(guī)則 （2024年版）[S/OL].天津：中國汽車技術(shù)研究中心有限 公司，2024.https：//www.c-ncap.org.cn/article-detail/ 1747900203303780353？type=2. China Automotive Technology and Research Center Co.， Ltd..C-NCAP Management Regulation （2O24 Edition）[S/ OL].Tianjin：China Automotive Technologyand Research Center Co.，Ltd.，2024.https：//www.c-ncap.org.cn/articledetail/1747900203303780353？type=2.

[19]胡林，易平，黃晶，等.基于真實(shí)事故案例的自動緊急制 動系統(tǒng)兩輪車測試場景研究[J].汽車工程，2018，40（12）： 1435-1446. HUL，YIP，HUANGJ，etal.AResearchonTestScenesof TwoWheeled Vehicles for Automatic Emergency Braking System Based on Real Accident Cases[J]. Automotive Engineering，2018，40（12）：1435-1446.

[20] RAO RH， CUI C C，CHENL，et al.Quantitative Testing and Analysis of Non-Standard AEB Scenarios Extracted from Corner Cases[J].Applied Sciences，2024，14（1）.

[21]張?jiān)姴ǎ沃蝿?，廖靜倩，等.基于NAIS的AEB系統(tǒng)路口 測試場景研究[J].交通信息與安全，2021，39（1）：87-96. ZHANGSB，HEZJ，LIAOJQ，etal.Test Scenariosof Automatic Emergency Braking System at Intersections Based on NAIS[J]. Journal of Transport Information and Safety，2021，39（1）：87-96.

[22]徐向陽，周兆輝，胡文浩，等.基于事故數(shù)據(jù)挖掘的AEB 路口測試場景[J].北京航空航天大學(xué)學(xué)報(bào)，2020，46（10）： 1817-1825. XUXY，ZHOUZH，HUWH，etal.AEBIntersection Test Scenario Based on Accident Data Mmining[J].Journal of Beijing University of Aeronautics and Astronautics，2020， 46（10）： 1817-1825.

（責(zé)任編輯瑞秋）

修改稿收到日期為2025年2月10日。

《汽車工藝與材料》投稿須知

《汽車工藝與材料》于1986年創(chuàng)刊，是由中國第一汽車集團(tuán)有限公司主辦的國內(nèi)外公開發(fā)行的汽車材料與制造技術(shù)類月刊，目前已入選《中文核心期刊要目總覽》第二版）RCCSE中國準(zhǔn)核心學(xué)術(shù)期刊 （B+） 、中國核心期刊（遴選）數(shù)據(jù)庫、中國學(xué)術(shù)期刊綜合評價(jià)數(shù)據(jù)庫、歐洲學(xué)術(shù)出版中心數(shù)據(jù)庫（EuroPub）、哥白尼精選期刊數(shù)據(jù)庫（ICIJourmals Master List）、EBSCOInternational數(shù)據(jù)庫、J-Gate數(shù)據(jù)庫。

《汽車工藝與材料》以\"為中國報(bào)道汽車制造，為汽車引領(lǐng)工藝材料\"為辦刊宗旨，致力于報(bào)道以汽車輕量化技術(shù)和智能制造技術(shù)為核心的先進(jìn)制造技術(shù)與材料應(yīng)用技術(shù)，重點(diǎn)關(guān)注電動汽車蓄電池、電機(jī)、電控關(guān)鍵材料技術(shù)，燃料電池材料技術(shù)，高強(qiáng)度鋼、鋁鎂合金、非金屬材料及其成形技術(shù)，連接技術(shù)，智能裝備與綠色制造等，以期通過高質(zhì)量學(xué)術(shù)內(nèi)容的出版和傳播助推行業(yè)創(chuàng)新技術(shù)的交流與發(fā)展。

《汽車工藝與材料》雜志關(guān)注領(lǐng)先的整車及零部件企業(yè)和材料、裝備等供應(yīng)商，及時(shí)報(bào)道汽車行業(yè)最新的產(chǎn)品設(shè)計(jì)、制造、材料、加工技術(shù)、生產(chǎn)裝備、檢測技術(shù)等方面的成功案例。

主要欄目：

ATamp;M視界、生產(chǎn)現(xiàn)場、材料應(yīng)用、生產(chǎn)裝備、檢測技術(shù)、數(shù)字化園地、行業(yè)動態(tài)等。

投稿要求：

（1）來稿須具有獨(dú)創(chuàng)性并與實(shí)踐相結(jié)合，文章字?jǐn)?shù)最好控制在5000＼～8000字之內(nèi)。

（2）來稿不能在國內(nèi)、外公開雜志上發(fā)表過，請勿一稿多投。

（3）來稿的試驗(yàn)方法、試驗(yàn)數(shù)據(jù)、試驗(yàn)結(jié)論必須準(zhǔn)確、可靠。

（4）來稿須包括以下項(xiàng)目：題名、作者姓名、作者單位、摘要（200字左右）參考文獻(xiàn)等。來稿采用word文檔的格式。

（5）來稿文章格式應(yīng)符合一般科技論文格式，或參考近期本刊所刊登文章格式。

（6）文章必須附有公開發(fā)表的、體現(xiàn)本領(lǐng)域最新研究成果的參考文獻(xiàn)，且在文中應(yīng)標(biāo)注文獻(xiàn)引用處。

（7）本刊使用網(wǎng)站投稿，投稿網(wǎng)址：http：//qcgyycl.cbpt.cnki.net，咨詢電話：0431-82026054。

竭誠歡迎汽車行業(yè)及相關(guān)各界的專家學(xué)者積極向本刊投稿。