AEB-P之装配行人自动紧急制动系统遇到行人横穿马路如何表现

目前的行人探测系统在确定存在碰撞风险时，会通过声音、视觉或触觉提醒来警告司机。56%的2018年车型配备了带有行人探测功能的自动紧急制动系统，作为标配或选配。

驾驶员必须了解其车辆上的任何高级驾驶辅助系统（ADAS）的能力。在行人检测方面，司机应该了解碰撞警告和紧急自动制动系统之间的区别。具体来说，预警系统会提醒司机即将发生的碰撞，但不会采取任何规避行动，如踩刹车。紧急自动制动系统将提醒驾驶员，如果驾驶员不采取行动，系统将主动刹车以避免或减轻碰撞的严重性。

根据传感器套件的不同，该系统可以监测车辆前方几十米甚至上百米的视野。来自雷达传感器、摄像头和/或激光雷达的输入被送入一个中央处理单元，该单元根据物体相对于车辆的速度和尺寸对其进行分类。这些传感器类型在后面的章节中有所描述。对这些系统进行算法开发是一项复杂的工作，因为中央处理单元（CPU）不仅要将行人与其他类似大小的物体区分开来，而且要将误报和制动事件区分开来。还必须通过跟踪和预测行进路线来尽量减少误报和制动事件。例如，该系统必须不为相邻人行道上的车辆旁的行人刹车。

尽管相对于早期的系统有所进步，但仍有很大的局限性。根据不同的车辆，车主手册将规定系统可能无法识别行人的多种情况。例如，夜间条件、恶劣天气、两个或更多的行人靠近，以及相对于车辆中心线的横向偏移。此外，车主手册通常明确指出，无论驾驶环境如何，系统可能无法对即将发生的碰撞作出反应。出于这个原因，驾驶员必须认识到，无论任何行人探测功能，如警告和/或缓解，他们始终对其车辆的安全负责。

行人检测等ADAS依靠各种传感器来收集周围环境的数据。每个传感器都由硬件和软件组件组成；雷达硬件由发射和/或接收电磁辐射以及信号调节和数据处理所需的物理部件组成。软件组件负责将原始数据转换为有关车辆周围动态环境的有用信息，并确定适当的反应。

大多数ADAS，如前方碰撞警告/缓解、自适应巡航控制、动态驾驶辅助（持续的横向和纵向控制）和车道保持辅助，无论系统功能如何，都利用相同的传感器。例如，目前的行人检测和动态驾驶辅助系统都主要依靠雷达和图像传感器的输入。在许多情况下，传感器本身是相同的，同一制造商的系统之间可以互换。这主要是为了降低成本和简化生产流程。

目前系统之间在传感器组合方面的差异通常仅限于雷达传感器的数量、位置和范围。部分自动驾驶辅助系统，比如车道保持辅助系统和盲点监测系统需要有关车辆两侧周围环境的信息，短距离雷达和/或超声波传感器可以完成这一任务。对于类似FCW和AEB等前向驾驶辅助系统，一般需要中长距离雷达和摄像头或激光雷达给感知前向环境。此外，诸如后方交叉交通警报和停车障碍警告等系统依赖于车辆后方周围环境的信息。短距离雷达和/或超声波传感器被广泛地集成在这些系统中，通常位于后保险杠内和/或后面。

值得注意的是，随着系统功能变得更加复杂，控制器和感知系统需要更强的处理能力。如果多种功能被集成到一个单一的系统中，这也是未来的方向。与处理能力相结合，软件算法在很大程度上对系统性能负责。许多分析家认为，人工智能和深度学习的未来发展将加速自动驾驶车辆的发展。与数据处理和软件设计考虑有关的详细讨论不在本范围内。
车辆系统的传感器可分为四类之一，包括：

1. 雷达（无线电探测和测距）。
2. 图像传感器（摄像头）
3. 激光雷达（光探测和测距）。
4. 超声波声纳

本节的目的是提供一个用于ADAS的传感器的总体概述。超声波声纳被广泛装配在已经量产的车辆上，因为它们在短距离物体探测方面的性能优良和较低的成本。但是由于它们的有效范围通常为6米或更小，它们通常被集成在泊车辅助系统中，对于其他驾驶辅助系统，如行人检测，应用有限。

毫米波雷达（无线电探测和测距)：
毫米波雷达系统在电磁波谱的微波区域内产生辐射。产生的雷达波被固体物体反射到传感器上。根据反射信号的特点，可以确定物体的属性，如位置、距离、速度和形状。汽车雷达系统通常以77或79GHz的频率产生和接收电磁波，相应的波长在毫米范围内。在这个范围内，可以根据输出功率、扫描角度和其他因素来设计传感器的最佳使用。

短程雷达被优化为在离车辆约0.25米至80米处工作。虽然这个距离与超声纳重叠，但如果探测的距离超过约4.5米，短程雷达通常是更好的选择。中程雷达在大约0.25米到160米的范围内很有用，适用于交叉交通警报、行人探测和盲点监测等应用。

长距离雷达在超过约250米的距离上得到优化。虽然回波信号会随着距离的增加而降低，但没有明显的截止点，回波信号不能再包含有用的信息。在大多数情况下，长程雷达传感器的功能超过了驾驶环境所要求的距离。中长距离雷达的应用包括自适应巡航控制、自动紧急制动和前方碰撞警告。

雷达在汽车应用中的优势包括在大多数天气条件下的功能，如雨、雪和雾；雷达也不受环境照明条件的影响。此外，雷达传感器通常可以集成在塑料格栅和保险杠后面，因为辐射能够穿透大多数塑料，而且信号损失最小；这使设计工程师对外部设计元素有更大的灵活性。最后，汽车级雷达传感器很坚固，能够承受污垢和灰尘，与激光雷达相比，成本效益高。

基于电磁波谱中的微波区域，雷达有一些固有的限制。具体来说，雷达的分辨率比激光雷达低，不能有效地辨别物体细节。由于这个原因，驾驶辅助和自动驾驶汽车系统通常包括与雷达一起使用的图像传感器。

图像传感器（照相机）：
图像传感器（又称数码相机）检测电磁波谱内的可见光，并将输入转换为数字代码。通常情况下，传感器是基于电荷耦合器件（CCD）或互补金属氧化物半导体（CMOS）设计。一个CCD传感器是一个硅芯片，芯片上嵌有一个光敏受体阵列。每个受体代表一个像素；当一个像素受到光子的影响时，会产生一个电荷，其大小取决于光子的能量（"颜色 "取决于电磁波谱中可见范围内的光子的能量）。电荷量级被转换为电压测量，最后通过模数转换器转换为数字数据。

CMOS探测器发明于1963年，但直到20世纪90年代才被广泛用于图像生成。CCD和CMOS设备之间的一个主要区别与信号格式有关；CCD设备输出的是模拟信号，而CMOS设备由于直接输出离散电压，所以本身就是数字的。
用于汽车应用的图像传感器通常对可见范围内的电磁辐射（约380至700纳米）敏感。然而，对电磁波谱内其他区域有反应的图像传感器也是有用的。近红外辐射（NIR）包括频率刚好低于人类视觉检测阈值的辐射。大多数图像传感器对近红外有适度的敏感性，但通常被配置为过滤这个区域，因为它与人类的感知无关。通过禁用近红外过滤，可以为驾驶辅助和自主车辆系统获得有用的信息。此外，中波（MWIR）和/或长波红外辐射（LWIR）可以由图像传感器测量，用于热成像。热血生物在电磁波谱的这一部分发出辐射；因此，热成像可以创建人和动物的图像因此，无论照明条件如何，热成像都能生成人和动物的图像。此外，热成像在雨、雪和雾等恶劣天气下仍然有效。
照相机因其相对较低的成本、耐用性和有效性，成为驾驶辅助和自动驾驶系统传感器套件中的一个热门配置。照相机仍然是检测车道线的最可靠方式；一些自动驾驶汽车系统利用雷达和照相机来准确测量与物体的距离，同时收集有关该物体的详细视觉信息。与雷达类似，摄像头可以评估短距离或长距离的驾驶环境；如果有足够的摄像头，就有可能在车辆周围创建一个完整的360度图像。

虽然一般来说很有效，但摄像头也有一些限制。电磁波谱可见光范围内的图像传感器在黑暗中不工作，并受到雨雪等恶劣天气条件的影响。虽然红外传感器受照明和天气条件的影响较小，但它们在辨别物体细节方面通常不太有效。此外，要在车辆的最佳区域内安装摄像头，同时提供对元素的保护并将对车辆美学的影响保持在最低限度，这可能是一个挑战。

激光雷达（LIGHT Detection And Ranging）：
激光雷达传感器通过发射红外辐射和评估反射能量来测量物体的距离。最常见的激光雷达设计发射红外光脉冲，并测量发射光和反射光之间的传播时间来计算距离。除了距离评估，激光雷达还可以测量物体的速度并创建高分辨率的环境地图。虽然用激光雷达设计的多种方法是可能的，但目前最常见的方法包括电机驱动的机械扫描和微电子机械系统（MEMS）扫描激光雷达。

迄今为止，通过激光雷达创建3D地图的大多数方法都以电机驱动的机械扫描为中心。这允许数字制图以及实时评估。不幸的是，目前的机械扫描激光雷达的设计既笨重又昂贵。另一种方法是利用微电子机械系统（MEMS）设备来引导激光束，而不是机械马达。一些人认为，这些设备将允许一个低成本、高质量的机械光束转向的替代品。这些设备也可以被算法以产生快速、低分辨率的数据或较慢但高分辨率的数据，这取决于具体的驾驶环境和实时数据输入要求。

许多行业分析家认为，激光雷达将成为自主车辆系统传感器套件的一个组成部分。因此，工业界和学术界都在进行重大研究，以开发稳健、可靠的汽车级激光雷达设计，其生产价格可以整合到常见的车辆中。预计激光雷达将成为未来自动驾驶汽车系统的主要传感器的主要原因是它在创建高分辨率三维点图方面的优越性。这些可以被系统软件用于定位和相应的导航，以适应特定的驾驶环境。除了数字三维地图之外，激光雷达的分辨率还可以进行物体分类和车道标记检测，其精确度目前已接近高质量图像传感器的水平。目前，激光雷达系统对降水和大雾有些敏感。

激光雷达的另一个潜在限制是它容易被阳光直射而失明；然而，寻求解决这一问题的对策正在开发之中。
2019年的奥迪A8是第一辆采用法雷奥公司提供的机械式激光雷达扫描仪的生产型车辆。

根据相关标准，对以下车辆进行行人自动紧急制动系统测试：
1. 2019年雪佛兰迈锐宝，配备前部行人制动系统
2.2019年本田雅阁，配备Honda Sensing® - 碰撞制动系统™。
3.2019年特斯拉Model 3，配备自动紧急制动系统
4.2019年丰田凯美瑞，配备丰田安全感™--带行人探测的预碰撞系统

最常见的涉及行人的机动车碰撞涉及车辆沿直线道路行驶，而行人以垂直方向穿过道路。为了评估所评估的行人检测系统在减轻或防止这种类型的碰撞方面的有效性，利用了之前在经过机构认证后的成人行人目标。该目标在动态冲浪板平台上沿道路移动。行人目标的稳态速度由4activeSB单元控制，设置为5kph；这被认为是典型成年人的步行速度。行人目标的加速度被选定为在距离测试车道中心线3.048m处达到稳态速度。在每次测试中，行人假人从右到左穿过车辆的行驶路线。

4activeSB控制器被设置在外侧车道上。行人目标平台距离测试车道的中心线有13.1英尺，由测试车辆行驶路径上的四个灯障激活。接近速度是在4active软件中预先定义的；这一信息与车辆越过灯障的时间相结合，使控制器在撞击时将行人目标置于车辆的横向中心线上（相对于右前角偏移50%）。如果通过自动刹车使撞击速度大大降低，那么撞击点将大于50%的偏移。这是速度突然降低的结果，并不构成无效的测试运行。
在每次测试开始时，测试车辆静止在测试车道的中心，与行人目标的纵向距离为350-450英尺。从这一点出发，测试车辆逐渐加速到稳态速度，并保持在车道的中心。一旦车辆与行人目标的碰撞时间（TTC）在4秒之内，相对于评估速度的车辆速度和与车道中心的横向偏差需要分别为±0.5英里/小时和0.33英尺，测试运行才会有效。此外，在测试过程中，直到与行人目标接触后才会触碰制动踏板，或者在行人检测系统避免与行人目标接触后，需要踩下制动踏板以保持车辆静止。

对于每次测试运行，在发生以下事件时，记录与行人目标的纵向距离和TTC。
- 碰撞即将发生的视觉警报
- 行人探测系统自动实施的制动
在这项工作中，一旦纵向减速≥0.10G，就认为自动制动已经发生。

此外，如果与行人目标发生接触或避免了碰撞，则分别记录撞击速度或分离距离。

对20和30英里/小时的接近速度进行了评估。这些速度被评估是因为它们代表了有大量行人交通的城市和郊区道路的速度限制。对于每辆测试车，在20英里/小时的速度下进行了五次运行；然后将接近速度提高到30英里/小时。在这个速度下进行一次运行；如果在最初的测试运行中，冲击速度至少减少5英里/小时，则进行额外的运行，最多不超过5次。使用这种方法是为了尽量减少对测试车辆和行人目标的损害。此外，如果测试车辆和/或行人目标发生重大损坏，则停止以该速度进行测试。

值得注意的是，每辆测试车的车主手册都规定，行人检测系统的设计并不是为了完全避免碰撞，而且/可能不工作，这取决于几个因素，包括但不限于那些明确指出的因素。因此，本文提供的结果并不一定意味着在没有完全避免碰撞的情况下性能不佳。重点应该放在相对于所述接近速度的制动程度上。

以前对有碰撞警告的驾驶员反应时间的研究和对突发事件的研究表明，如果不提供警告，一个没有分心的驾驶员需要至少1.50秒的时间将脚从油门移到刹车踏板上，以应对未预期的情况。如果向分心的司机提供碰撞警告，对警告的平均反应时间为0.75-1.15秒，这取决于碰撞警告的时间。然而，这个反应时间只考虑到司机将脚从油门上移开；刹车的应用平均需要额外的0.50秒。根据车速的不同，车辆实际完全停止可能需要几秒钟的时间。

下面是上述几款车在行人检测系统测试表现，"N/A "表示虽然运行已经完成，但没有提供报警和/或制动。"DNT "表示没有进行运行。所有提供报警和/或制动的运行的平均值只针对这些运行进行计算。

2019款雪佛兰迈锐宝

在20mph的速度下，五次运行中每次都提供了视觉通知，平均TTC为2.126秒，相应的标准偏差为0.534秒。平均而言，当提供潜在碰撞的视觉通知时，车辆距离行人目标有19.29米。然而，在五次运行中，自动刹车并没有明显减轻撞击速度。在第三次运行中，在撞击前进行了轻微的制动；然而，由此产生的减速低于构成自动制动事件的0.10G阈值。

有一次是以30mph的速度进行的，因为在最初的运行中，系统没有将撞击速度至少减轻8kph。在这次运行中，提供了视觉通知，TTC为2.013秒；此时车辆距离行人目标28.58米。

2019款雅阁

在20英里/小时的速度下，五次运行中每次都提供了视觉通知，平均TTC为0.715秒，相应的标准偏差为0.402秒。平均而言，当提供潜在碰撞的视觉通知时，车辆距离行人目标有21.11英尺。
在五次运行中，自动刹车大大减轻了撞击速度；在这种情况下，撞击速度只有0.6英里/小时。该系统在另外三次运行中完全避免了撞击。总的来说，在五次运行中，系统有四次缓解或避免了与行人目标的撞击。

在30英里/小时的速度下进行了五次运行，因为系统在第一次运行时将撞击速度降低了23.8英里/小时。提供视觉通知的平均TTC为0.726秒，相应的标准偏差为0.249秒。平均而言，在提供潜在碰撞的视觉通知时，车辆距离行人目标有32.40英尺。在五次运行中，有两次自动刹车大大减轻了撞击速度。在另外两次运行中，该系统完全避免了撞击。总的来说，在以30英里/小时的速度进行的五次运行中，该系统有四次缓解或避免了与行人目标的撞击。

特斯拉model3

在20英里/小时的速度下，五次运行中每次都提供了视觉通知，平均TTC为1.445秒，相应的标准偏差为1.100秒。平均而言，当提供潜在碰撞的视觉通知时，车辆离行人目标有41.76英尺。然而，在五次运行中的三次，自动刹车只稍微减轻了撞击速度；撞击速度平均减轻了2.8英里/小时。在其余两次以20英里/小时的速度运行时，该系统未能减轻撞击速度。

有一次是以30英里/小时的速度进行的，因为在最初的运行中，系统没有将撞击速度至少降低5英里/小时。提供了视觉通知，TTC为0.220秒；此时车辆距离行人目标9.22英尺。

2019凯美瑞

在20英里/小时的速度下，五次运行中每次都提供了视觉通知，平均TTC为1.246秒，相应的标准偏差为0.094秒。平均而言，当提供潜在碰撞的视觉通知时，车辆离行人目标有35.47英尺。
此外，在所有五次运行中，自动刹车完全避免了与行人目标的撞击，速度为20英里/小时。
有一次是以30英里/小时的速度进行的，因为在最初的运行中，系统没有将撞击速度降低至少5英里/小时。在这次运行中没有提供通知或自动制动。

AEB-P测试总结：

在20英里/小时的速度下，所有被评估的行人探测系统在五次运行中都提供了即将发生碰撞的视觉通知。四辆测试车辆中的两辆在五次运行中至少有三次完全避免了与行人目标的碰撞。然而，剩下的两辆测试车在五次运行中的每一次都撞击了行人目标，而撞击速度却降低得很少（如果有的话）。

上面图说明了以20英里/小时的速度进行的测试的平均撞击速度和分离距离。一个有效的系统的特点是平均撞击速度低或不存在，同时平均分离距离不为零。
在30英里/小时的情况下，四辆测试车中有三辆未能在初始运行期间将撞击速度降低至少5英里/小时。没有提供描述平均撞击速度和分离距离的图表，因为根据车辆的不同，进行了不同数量的测试运行。
这些结果说明，这些系统的有效性在很大程度上是针对车辆的；测试车辆之间的性能变化排除了关于系统整体性能的有意义的结论。在某些情况下，注意到在同一场景下评估的同一测试车辆的性能存在很大程度的差异。然而，在评估20和30英里/小时的接近速度时，所有的测试车辆至少有一次在没有应用自动刹车的情况下撞击了行人目标。这一发现说明，司机决不能依赖这些系统来防止与行人相撞；而只能将其作为最后的备用手段。