Test Scenarios of Automatic Emergency Braking System at Intersections Based on NAIS
-
摘要: 为建立适合中国道路的自动紧急制动系统路口测试场景。对国家车辆事故深度调查体系（NAIS）数据进行筛选得到582起路口车-车事故案例，运用聚类方法对事故数据进行分析，并根据事故样本数和事故伤亡程度对聚类结果进行典型参数提取，得到17类典型路口车车事故场景。在典型事故场景的基础上分析并加入2车最高碰撞车速、碰撞角度和碰撞类型3个关键参数，使最终得到的测试场景比已有的研究更能准确地反映实际的事故统计情况。Abstract: An intersection test scene of automatic emergency braking systems is established for roads in China. A total of 582 vehicle-to-vehicle accident cases are obtained from the National Automobile Accident In-Depth Investigation System(NAIS). The number of accident samples and the level of accident casualties are used to cluster the accident data and extract typical parameters of the clustered categories. Then 17 typical scenes of vehicle-to-vehicle accidents at intersections are obtained. Based on typical accident scenarios, three key parameters of maximum collision speed, collision angle, and collision type are added so that the final test scenario can reflect the actual accident statistics more accurately than existing studies.
-
图 1 2种相对运动方向的不同碰撞形式
Figure 1. Different collision forms of two relative motion directions
图 3 典型2车相对运动方向下不同碰撞形式的分布
Figure 3. Distribution of different collision forms in a typical relative motion direction of two vehicles
图 5 2车典型运动方向下的碰撞角度
Figure 5. Collision angles of two vehicles in typical moving directions
图 6 ENCAP的AEB系统路口测试场景
Figure 6. Test scenario of the ENCAP's AEB system at intersections
表 1 路口车车事故场景特征分布1
Table 1. Characteristic distribution 1 of traffic accidents at intersections
变量名 天气 照明情况 驾驶员视野 变量值 无雨 有雨 良好 差 无遮挡 有遮挡 个数 1 022 142 969 195 959 205 
下载: 导出CSV
表 2 路口车车事故场景特征参数分布2
Table 2. Characteristic-parameter distribution 2 of vehicle-vehicle accidents at intersections
主车运动方向 目标车运动方向 对向直行 对向左转 对向右转 左侧直行 左侧左转 左侧右转 右侧直行 右侧左转 右侧右转 左转 170 0 1 53 2 0 14 2 0 直行 52 170 1 296 14 10 295 52 9 右转 1 1 0 9 0 1 10 0 1
下载: 导出CSV
表 3 变量值的转换
Table 3. Conversion of variable values
变量名 转换前 转换后 左转 0 0 0.5 0.5 直行 1 0.5 0 0.5 右转 2 0.5 0.5 0
下载: 导出CSV
表 4 路口车车事故场景聚类分析结果
Table 4. Results of cluster analysis of vehicle accidents at intersections
参数 样本数 场景类别 总计 1 2 7 8 9 10 12 13 变量 样本数 无雨 452 135 80 26 121 64 86 15 979 有雨 55 26 5 1 19 7 8 0 121 占比/% 无雨 46.20 13.80 8.20 2.60 12.40 6.50 8.80 1.50 100.00 有雨 45.50 21.50 4.10 0.80 15.70 5.80 6.60 0.00 100.00 照明 样本数 良好 507 154 85 0 98 55 0 12 911 差 0 7 0 27 42 16 94 3 189 占比/% 良好 55.70 16.90 9.30 0 10.80 6.00 0 1.30 100.00 差 0 3.70 0 14.30 22.20 8.50 49.70 1.60 100.00 主车运动方向 样本数 直行 507 160 85 27 0 0 89 0 868 左转 0 1 0 0 140 71 2 15 229 右转 0 0 0 0 0 0 3 0 3 占比/% 直行 58.40 18.40 9.80 3.10 0 0 10.30 0 100.00 左转 0 0.40 0 0 61.10 31.00 0.90 6.60 100.00 右转 0 0 0 0 0 0 100 0 100 目标车运动方向 样本数 对向直行 24 6 11 0 111 45 11 6 214 对向左转 78 8 34 13 0 0 36 0 169 左侧直行 193 66 11 3 19 18 20 9 339 右侧直行 188 72 13 3 4 8 20 0 308 右侧左转 15 7 13 5 3 0 4 0 47 右侧右转 4 2 0 2 0 0 1 0 9 占比/% 对向直行 11.20 2.80 5.10 0 51.90 21.00 5.10 2.80 100.00 对向左转 46.20 4.70 20.10 7.70 0 0 21.30 0 100.00 左侧直行 56.90 19.50 3.20 0.90 5.60 5.30 5.90 2.70 100.00 右侧直行 61.00 23.40 4.20 1.00 1.30 2.60 6.50 0 100.00 右侧左转 31.90 14.90 27.70 10.60 6.40 0 8.50 0 100.00 右侧右转 44.40 22.20 0 0 0 0 11.10 0 100.00 视野遮挡 样本数 有遮挡 0 161 0 2 0 1 6 15 185 无遮挡 507 0 85 25 140 70 88 0 915 占比/% 有遮挡 0 87.00 0 1.10 0 0.50 3.20 8.10 100.00 无遮挡 55.40 0 9.30 2.70 15.30 7.70 9.60 0 100.00 注：表中加粗带下划线的内容对应的参数即为该类的特征参数。
下载: 导出CSV
表 5 路口车车事故场景
Table 5. Vehicle-to-vehicle accidents scenes at intersections
类别 天气 照明 主车运动方向 目标车运动方向 视野遮挡 1 无雨 好 直行 左侧直行/右侧直行 无 2 无雨 好 直行 左侧直行/右侧直行 有 7 无雨 好 直行 对向左转 无 8 无雨 差 直行 对向左转 无 9 无雨 好 左转 对向直行 无 10 无雨 好 左转 对向直行 无 12 无雨 差 直行 对向左转 无 13 无雨 好 左转 左侧直行 有
下载: 导出CSV
表 6 重伤及死亡情况在不同目标车相对运动方向下的分布
Table 6. Distribution of severe injuries and deaths in the relative movement direction of different target vehicles
目标车相对运动方向 重伤及死亡情况 场景类别 1 2 7 8 9 10 12 13 对向直行 个数 22 5 10 0 75 30 3 2 占比/% 91.60 83.30 90.90 0.00 67.50 66.60 27.20 33.30 对向左转 个数 53 6 23 9 0 0 25 0 占比/% 67.90 75 67.60 69.20 0 0 69.40 0 左侧直行 个数 131 45 8 2 13 13 14 6 占比/% 67.80 68.10 72.70 66.60 68.40 72.20 70.00 66.60 右侧直行 个数 120 46 8 2 3 6 13 0 占比/% 63.80 63.80 61.50 66.60 75.00 75.00 65.00 0 右侧左转 个数 11 5 9 4 3 0 3 0 占比/% 73.30 71.40 69.20 80.00 100.00 0.00 75.00 0.00 右侧右转 个数 2 0 0 1 0 0 0 0 占比/% 50.00 0 0 50.00 0 0 0 0
下载: 导出CSV
表 7 各类场景不同最高碰撞车速下的分布
Table 7. Distribution of various scenarios at different maximum collision speeds
车速/(km/h) 场景类别 1 2 7 8 9 10 12 13 1~10 0 0 0 0 0 0 0 0 11~20 5 2 1 0 1 3 1 0 21~30 54 31 5 1 18 8 20 0 31~40 88 29 15 8 22 10 28 5 41~50 122 37 27 7 43 14 26 4 51~60 118 33 16 8 38 22 13 6 61~70 49 15 14 1 14 7 2 0 71~80 44 7 8 2 2 5 3 0 80以上 27 7 0 0 2 3 0 0
下载: 导出CSV
表 8 重伤及死亡案例数在不同最高碰撞车速下的分布
Table 8. Distribution of the number of severe injuries and deaths at different maximum collision speeds
场景类别 车速/（km/h) 伤亡情况 1 2 7 8 9 10 12 13 1~10 重伤及死亡 0 0 0 0 0 0 0 0 11~20 重伤及死亡 0 0 1 0 0 0 0 0 21~30 重伤及死亡 14 10 0 0 6 2 6 0 31~40 重伤及死亡 57 17 8 3 14 4 11 0 41~50 重伤及死亡 38 22 21 6 25 10 18 2 51~60 重伤及死亡 95 25 11 7 31 18 9 6 61~70 重伤及死亡 64 19 10 0 14 7 0 0 71~80 重伤及死亡 44 7 7 2 2 5 3 0 80以上 重伤及死亡 27 7 0 0 2 3 0 0 注：表中加粗带下划线的类容对应的变量参数即为该类的 特征参数。
下载: 导出CSV
表 9 路口车车事故典型场景
Table 9. Typical scenarios of car accidents at intersections
类别 天气 照明 主车运动方向 目标车运动方向 视野遮挡 2车最高碰撞车速/(km/h) 碰撞部位 碰撞角度/(°) 1 无雨 好 直行 左侧直行 无 51~60 LF/FR 90 2 无雨 好 直行 右侧直行 无 51~60 FL/RF -90 3 无雨 好 直行 左侧直行 有 41~60 LF/FR 90 4 无雨 好 直行 右侧直行 有 51~60 FL/RF -90 5 有雨 好 直行 左侧直行 有 51~60 LF/FR 90 6 有雨 好 直行 右侧直行 有 51~60 FL/RF -90 7 无雨 好 直行 对向左转 无 41~50 FF/FR/LF 90/150 8 无雨 好 直行 对向直行 无 41~50 FF 180 9 无雨 差 直行 右侧左转 无 51~60 FF/FL/RF -120 10 无雨 好 左转 左侧直行 无 51~60 FF/FR/LF 120 11 无雨 差 左转 对向直行 无 51~60 FF/FL/RF -90/-150 12 无雨 差 左转 左侧直行 无 51~60 FF/FR/LF 120 13 无雨 好 左转 对向直行 无 51~60 FF/FL/RF -90/-150 14 无雨 好 左转 右侧直行 无 51~60 RF -60 15 无雨 差 直行 对向左转 无 41~50 FF/FR/LF 90/150 16 无雨 差 直行 左侧直行 无 41~50 LF/FR 90 17 无雨 好 左转 左侧直行 有 51~60 FF/FR/LF 120
下载: 导出CSV
表 10 AEB系统路口测试场景
Table 10. Test scenarios of the automatic emergency braking system at intersections
类别 天气 照明 主车运动方向 目标车运动方向 视野遮挡 主/目标车车速/(km/h) 目标/主车车速/(km/h) 碰撞部位 碰撞角度/(°) 1 无雨 好 直行 左侧直行 无 60 10/20/30/40/50/60 LF/FR 90 2 无雨 好 直行 右侧直行 无 60 10/20/30/40/50/60 FL/RF -90 3 无雨 好 直行 左侧直行 有 60 10/20/30/40/50/60 LF/FR 90 4 无雨 好 直行 右侧直行 有 60 10/20/30/40/50/60 FL/RF -90 5 有雨 好 直行 左侧直行 有 60 10/20/30/40/50/60 LF/FR 90 6 有雨 好 直行 右侧直行 有 60 10/20/30/40/50/60 FL/RF -90 7 无雨 好 直行 对向左转 无 50 10/20/30/40/50 FF/FR/LF 90/150 8 无雨 好 直行 对向直行 无 50 10/20/30/40/50 FF 180 9 无雨 差 直行 右侧左转 无 60 10/20/30/40/50/60 FF/FL/RF -120 10 无雨 好 左转 左侧直行 无 60 10/20/30/40/50/60 FF/FR/LF 120 11 无雨 差 左转 对向直行 无 60 10/20/30/40/50/60 FF/FL/RF -90/-150 12 无雨 差 左转 左侧直行 无 60 10/20/30/40/50/60 FF/FR/LF 120 13 无雨 好 左转 对向直行 无 60 10/20/30/40/50/60 FF/FL/RF -90/-150 14 无雨 好 左转 右侧直行 无 60 10/20/30/40/50/60 RF -60 15 无雨 差 直行 对向左转 无 50 10/20/30/40/50 FF/FR/LF 90/150 16 无雨 差 直行 左侧直行 无 50 10/20/30/40/50 LF/FR 90 17 无雨 好 左转 左侧直行 有 60 10/20/30/40/50/60 FF/FR/LF 120
下载: 导出CSV
表 11 其他学者提出的我国AEB系统路口测试场景
Table 11. Test scenarios for the AEB system at intersections in China proposed by other scholars
AEB系统路口测试场景 场景类别 1 2 3 4 5 6 7 8 天气 晴/多云 晴/多云 晴/多云 晴/多云 晴/多云 晴/多云 晴/多云 雨天 光照 夜间有路灯照明 日间 日间 日间 日间 日间 夜间有路灯照明 日间 路口 十字路口 丁字路口 十字路口 十字路口 十字路口 十字路口 十字路口 十字路口 信号灯 直行+转弯 无信号灯 无信号灯 无信号灯 直行+转弯 仅有直行 直行+转弯 无信号灯 测试车运动类型 直行 直行 直行 直行 左转 直行 直行 直行 测试车速度/(km/h) 45 50 55 55 40 50 50 40 测试车车型 乘用车 乘用车 乘用车 乘用车 商用车 乘用车 乘用车 乘用车 目标车运动类型 左转 左转 直行 直行 直行 左转 直行 直行 目标车速度/(km/h) 25 20 30 40 40 25 40 35 目标车车型 乘用车 乘用车 二轮车 乘用车 乘用车 乘用车 乘用车 乘用车 图示 
下载: 导出CSV
-
[1] 公安部交通管理局. 中华人名共和国道路交通事故统计年报(2019年度)[R]. 北京: 公安部交通管理局, 2020.Traffic Management Bureau of Ministry of Public Security. Annual report on roadtraffic accidents of People's Republic ofChina(2019)[R]. Beijing: Traffic Management Bureau of Ministry of Public Security, 2020(in Chinese). [2] 李霖, 朱西产, 董小飞, 等. 自主紧急制动系统避撞策略的研究[J]. 汽车工程, 2015, 37(2): 168-174. https://www.cnki.com.cn/Article/CJFDTOTAL-QCGC201502008.htmLI Ling, ZHU Xican, DONG Xiaofei, et al. A research on the collision avoidance strategy for autonomousemergency brakingsystem[J]. Automotive Engineering, 2015, 37 (2): 168-174 (inChinese). https://www.cnki.com.cn/Article/CJFDTOTAL-QCGC201502008.htm [3] EURO NCAP. Test Protocol-AEBsystem version 1.1[EB/OL] 2015[2019-7-9], https://www.euroncap.com/en/forengineers/protoc-ols/safety-assist/ [4] NITSCHE P, THOMAS P, STUETZ R, etal. Precrash scenarios at road junctions: A clustering method for car crash data[J]. Accident Analysis & Prevention, 2017(107): 137-151. http://www.ncbi.nlm.nih.gov/pubmed/28841448 [5] SANDER U, LUBBE N. The potential of clustering methods to define intersection test scenarios: Assessing real-life performance of AEB[J]. Accident Analysis & Prevention, 2018, (113): 1-11. http://www.ncbi.nlm.nih.gov/pubmed/29355748 [6] INHWAN HAN. Scenario establishment and characterristic analysis of intersection collision accidents for advanced driver assistance systemsp[J]. Traffic Injury Prevention, 2020, 21(6): 354-358. doi: 10.1080/15389588.2020.1764946 [7] 孙勇, 郭魁元, 高明秋. 自主紧急制动系统在新车评价规程中的现状与发展[J]. 汽车技术, 2016(2): 1-6. https://www.cnki.com.cn/Article/CJFDTOTAL-QCJS201602001.htmSUN Yong, GUO Kuiyuan, GAO Mingqiu. Status and development of autonomous emergency braking system for NCAP[J]. AutomobileTechnology, 2016(2): 1-6(in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-QCJS201602001.htm [8] 江丽君, 贺锦鹏, 刘卫国, 等. AEB系统测试场景研究[J]. 汽车技术, 2014(1): 39-43. https://www.cnki.com.cn/Article/CJFDTOTAL-QCJS201401011.htmJIANG Lijun, HE Jinpeng, LIU Weiguo, et al. Research on test scenarios of automatic emergency braking System[J]. Automobile Technology, 2014(1): 39-43. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-QCJS201401011.htm [9] 刘颖, 贺锦鹏, 刘卫国, 等. AEB系统行人测试场景的研究[J]. 汽车技术, 2014(3): 35-39. https://www.cnki.com.cn/Article/CJFDTOTAL-QCJS201403009.htmLIU Ying, HE Jinpeng, LIU Weiguo, et al. Research on pedestrian Test scenario of AEB system[J]. Automotive Technolo-gy. 2014(3): 35-inch https://www.cnki.com.cn/Article/CJFDTOTAL-QCJS201403009.htm [10] 李霖, 朱西产, 刘颖, 等. 涉及骑车人的典型交通危险场景[J]. 同济大学学报(自然科学版), 2014, 42(7): 1082-1087. https://www.cnki.com.cn/Article/CJFDTOTAL-TJDZ201407015.htmLI Lin, ZHU Xichan, LIU Ying, et al. Typical traffic risk scenarios related to pedal cyclists[J]. Journal of TongjiUniversity (Natural Science), 2014, 42(7): 1082-1087. https://www.cnki.com.cn/Article/CJFDTOTAL-TJDZ201407015.htm [11] SUI B, LUBBE N, BARGMAN J. A clustering approach to developing car-to-two-wheeler test scenarios for the assessment of Automated Emergency Braking in China using indepth Chinese crash data[J]. Accident Analysis & Prevention, 2019 (132): 105242. http://www.sciencedirect.com/science/article/pii/S0001457519303264 [12] 胡林, 易平, 黄晶, 等. 基于真实事故案例的AEB系统两轮车测试场景研究[J]. 汽车工程, 2018, 40(12): 1435-1446. https://www.cnki.com.cn/Article/CJFDTOTAL-QCGC201812010.htmHU Lin, YI Ping, HUANG Jing, et al. A-Research on test scenarios of two-wheeled vehicles for automatic emergency braking system based on real accident cases[J]. Automotive Engineering, 2018, 40(12): 1435-1446(in Chinese). https://www.cnki.com.cn/Article/CJFDTOTAL-QCGC201812010.htm [13] CAO Yi, XIAO Lingyun, et al. Typical precrashscenarios reconstruction for two-wheelers and passenger vehicles and itsapplication in parameter optimization of A-EB system based on NAIS database[C]. The 26th International Technical Conferenc-e on the Enhanced Safety of Vehicles(2019ESV), Eindhoven, Nether lands: Traffic Injury Prevention, 2019. [14] 张晋崇, 田晓笛, 石娟, 等. 自动驾驶汽车封闭测试场现状研究及发展建议[J]. 中国汽车, 2019(3): 41-45. https://www.cnki.com.cn/Article/CJFDTOTAL-CQGZ201903011.htmZHANG Jinchong, TIAN Xiaodi, SHI Juan et al. Research and development suggestions on the statusof the closed test field for autonomous vehicles[J]. China Automobile, 2019(3): 41-45. https://www.cnki.com.cn/Article/CJFDTOTAL-CQGZ201903011.htm [15] 朱冰, 张培兴, 赵健, 等. 基于场景的自动驾驶汽车虚拟测试研究进展[J]. 中国公路学报, 2019, 32(6): 1-19. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGL201906002.htmZHU Bing, ZHANG Peixing, ZHAO Jian, et al. Review of scenariobased virtualv-alidation methods for automated vehicles[J]. China Journal of Highway and Transport, 2019, 32 (6): 1-19. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGL201906002.htm [16] 高岩, 苏虎, 于洋, 等. 智能车辆仿真场景建模方法[J]. 交通信息与安全, 2020, 38(1): 100-106. https://www.cnki.com.cn/Article/CJFDTOTAL-JTJS202001016.htmGAO Yan, SU Hu, YU Yang, et al. Intelligent vehicle simulation scene modeling method[J]. Traffic Information and Safety, 2020, 38(1): 100-106(in Chinese). https://www.cnki.com.cn/Article/CJFDTOTAL-JTJS202001016.htm [17] 徐向阳, 周兆辉, 胡文浩, 等. 基于事故数据挖掘的AEB系统路口测试场景[J]. 北京航空航天大学学报, 2020(10): 1817-1825. https://www.cnki.com.cn/Article/CJFDTOTAL-BJHK202010001.htmXU Xiangyang, ZHOU Zhaohui, HU Wenhao, et al. AEB system intersection testscenario based on accident data mining[J]. Journal of Beijing University of Aeronauticsand Astronautics, 2020(10): 1817-1825. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-BJHK202010001.htm [18] 杨占华. 聚类分析研究及其在文本挖掘中的应用[D]. 成都: 西南交通大学, 2006.YANG Zhanhua, Cluster analysis researchand its application in text mining[D]. Chengdu: Southwest Jiaotong University, 2006. (in Chinese) -
点击查看大图
计量
- 文章访问数: 493
- HTML全文浏览量: 200
- PDF下载量: 23
- 被引次数: 0