自动紧急制动系统失效场景分类研究

2019-11-26宋雪松曹建永董小飞

质量与标准化 2019年8期

文/宋雪松曹建永董小飞

一、自动紧急刹车系统（AEBS）测试方法运用现状

AEBS是专门用于机动车避免或减缓碰撞的系统。目前，国内外对该系统性能的测试方法（如：ECE R131《移动目标车设计与验证》法规、欧盟新车安全评鉴协会（ENCAP）对AEBS的测试场景）均为无其他目标物干扰的理想道路情况。在美国交通运输部（NHTSA）发布的《自动紧急刹车研究报告》显示，除了标准车辆碰撞迫近制动系统（CIB）和动态制动支持系统（DBS）测试外，还对铁板误作用进行试验，不同环境（如：下雨、夜晚或早上太阳直射）下进行试验测试。一般代加工（OEM）厂商对AEBS的测试，主要涉及：相关法规的性能测试和实车道路试验（FOT）。其中，FOT一般对路试地点、公里数进行定义，最后统计未触发率和误触发率。这种FOT路试是一种耗费大量资源的被动型测试，针对性差、效率低。故本文尝试运用六层功能分解的方法对AEBS失效场景进行分类研究，希望能够提高测试效率和应用价值。

二、六层功能分解方法运用

由于AEBS功能在不同的场景下会发生变化，无法保证在实际场景下能达到标准测试的性能水平，因此，总结AEBS失效场景工作非常重要。然后对AEBS的功能产生影响的场景非常多，且场景复杂，因此研究场景如何对AEBS功能产生影响变得很重要。

Christian Amersbach和Hermann Winner提出的“六层功能分解方法”目前已被广泛地应用于数学、信息、机器人和分析驾驶员行为导致的交通事故等领域，它将复杂功能分解为从属功能。

本文采用六层功能分解方法对AEBS失效场景进行分类，从而降低失效场景分析的复杂性，提高场景分析的系统性，使测试任务更有针对性，科学地减少测试工作量。本文的目的在于将复杂繁多的测试场景转化为针对各层功能的测试，使测试变为有边界的测试。

1. 假阳性和假阴性分类

驾驶员辅助系统失效可以分为两大类，即假阳性（误触发，FP）和假阴性（漏触发，FN）。FP和FN是评价驾驶员辅助系统性能的重要指标，例如：在盲区监测系统中，一般FOT测试场景为高速公路场景100 km、城郊场景100 km、郊区场景100 km，FP误报率和FN漏报率均要求小于1%。

2. 功能分解方法分类

应用功能分解方法对失效场景分析时，需要对失效原因进行定位。首先，将驾驶辅助系统的功能实现分解为相互独立的6层（见图1）；然后，对各层之间的接口传输信息模型进行分析，并总结各层典型失效场景。

图1 功能分解层

① 第0层——信息获得

0层主要受基础设施、天气和目标物的影响，其定义适用于各级别自动驾驶与各种驾驶辅助系统，描述了哪些信息是可获得的。如，交通限速标志被前方卡车遮挡，从而导致车限速提醒系统失效场景归类为0层。此情况是属环境感知传感器的安装位置对其视场角有影响，从而影响信息获得。在实际测试中，一般假定在功能测试之前，环境感知传感器已安装在最佳位置。尽管信息获得层不是驾驶辅助系统的组成部分，但为了确保驾驶辅助功能的正常工作，必须考虑信息获得层。理想情况下，可获得信息全部从0层输入1层。

② 第1层——信息接收

信息接收层包含所有外部环境感知传感器、CAR2X软件或后端传输信息通道。第1层中发生的典型错误为视觉传感器摄像头上沾染泥巴或雪等场景，导致其无法获得全部场景信息。1层与2层接口之间为传感器原始数据、车辆到所有（v2x）监测系统无线电连接或后端传输信息。

③ 第2层——信息处理

传感器数据融合、目标分类和环境模型生成位于第2层。本层的典型错误为：目标分类错误、FP和FN目标识别。

④ 第3层——场景理解

在这一层中，第2层的场景中的目标与特定信息被挑选与扩充。本层的典型错误为预测目标车辆运动轨迹错误。

⑤ 第4层——运动决策

本层为基于场景模型辅助驾驶功能算法所确定的运动决策。它的典型错误为运动决策错误导致的与他车的碰撞。

⑥ 第5层——执行

最后一层将4层的运动规划轨迹变为实际车辆运动，包含了相应的运动执行机构与车辆运动控制算法。它典型错误为运动控制算法不稳定。