面向智能汽车测试的弱势群体服饰色彩研究

图21 CBLA-50实车测试场景

图22 CBLA-50场景下测试车辆与目标物速度位移曲线

5 结 语

(1)本文根据某省真实交通数据筛选重大事故伤亡人员样本,搭建了危险场景受害者样本数据库｡场景考虑季节､天气､光照､出行方式等因素,要素覆盖全面,能够用于封闭环境下智能车测试场景的构建｡(2)通过人工操作软件手动提取交通事故中弱势群体样本上下衣颜色RGB数据,并转换至LUV空间,运用K-means聚类算法,确定受害者服饰颜色聚类组数并找出不同条件下代表颜色组合,为用于智能汽车测试的目标物颜色确定提供设计依据｡(3)与E-NCAP目标物黑色/蓝色组合不同,聚类结果显示选用黑色/黑色组合能够更具针对性地代表危险工况下VRU服饰颜色,所展开封闭环境下实车测试验证了该种目标物服饰颜色在现行标准下应用的合理性｡考虑季节因素时:春季推荐黑色/黑色组合;夏季推荐灰色/黑色组合;秋季推荐深灰色/黑色组合;冬季推荐黑色/黑色组合｡考虑出行方式因素时:步行推荐黑色/黑色组合;二轮车推荐深灰色/黑色组合;三轮车推荐黑色/黑色组合;摩托车推荐深棕色/黑色组合｡(4)由于交通事故数据获取存在一定限制,本文未能对儿童服饰颜色进行聚类,未来若有更丰富的样本库,应进一步调研分析儿童目标物服饰颜色｡研究是为标准化测试与评估准备,因而希望选用少量测试覆盖多种场景｡若测试某一特定场景,可根据具体参数聚类,所得结果会更具针对性｡

表10不同场景下测试车辆运动过程数据

参考文献:
[1]张子辉,李研强,王建强,等.基于混合现实的自动驾驶测试方法及系统:中国,CN109781431A[P].2019-05-21.
ZHANGZi-hui,LIYan-qiang,WANGJian-qiang,etal.Automaticdrivingtestmethodandsystembasedonmixedreality:China,CN109781431A[P].2019-05-21.

[2]SCHIEMENTZM.Testcasevariationandexecution[R].Berlin:ResearchProjectPEGASUS,2019.

[3]THORNE,KIMMELSC,CHAKAM.Aframeworkforautomateddrivingsystemtestablecasesandscenarios[R].WashingtonDC:NHTSA,2018.

[4]陈韬,蔡博,回春.基于场景元素的智能网联汽车场景构建研究[J].公路与汽运,2019(6):9-12.
CHENTao,CAIBo,HUIChun.Researchonsceneconstructionofintelligentnetworkedvehiclebasedonsceneelements[J].Highways&AutomotiveApplications,2019(6):9-12.

[5]罗浩,姜伟,范星,等.基于深度学习的行人重识别研究进展[J].自动化学报,2019,45(11):2032-2049.
LUOHao,JIANGWei,FANXing,etal.Asurveyondeeplearningbasedpersonre-identification[J].ActaAutomaticaSinica,2019,45(11):2032-2049.

[6]闫禹铭,何剑锋,李殊昭,等.现实场景下行人身份识别[J].浙江大学学报(工学版),2021,55(11):2022-2032,2075.
YANYu-ming,HEJian-feng,LIShu-zhao,etal.Identityrecognitionunderrealscenes[J].JournalofZhejiangUniversity(EngineeringScience),2021,55(11):2022-2032,2075.

[7]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.ZHUBing,ZHANGPei-xing,ZHAOJian,etal.Reviewofscenario-basedvirtualvalidationmethodsforautomatedvehicles[J].ChinaJournalofHighwayandTransport,2019,32(6):1-19.

[8]WANGLJ,NINGPS,YINP,etal.RoadtrafficmortalityinChina:Analysisofnationalsurveillancedatafrom2006 to 2016[J].TheLancetPublicHealth,2019,4(5):245-255.

[9]黄国祥.RGB颜色空间及其应用研究[D].长沙:中南大学,2002.
HUANGGuo-xiang.RGBcolorspaceanditsapplication[D].Changsha:CentralSouthUniversity,2002.

[10]DONGG,XIEM.Colorclusteringandlearningforimagesegmentationbasedonneuralnetworks[J].IEEETransactionsonNeuralNetworks,2005,16(4):925-936.

[11]MATKOVICK.Tonemappingtechniquesandcolorimagedifferenceinglobalillumination[D].Vienna:Matkovic,1997.

[12]YIQ,CHIENS,FUL,etal.Clothingcolorofsurrogatebicyclistforpre-collisionsystemevaluation[C]//IEEE.2017IEEEIntelligentVehiclesSymposium.NewYork:IEEE,2017:304-309.

[13]ROUSSEEUWPJ.Silhouettes:Agraphicalaidtotheinterpretationandvalidationofclusteranalysis[J].JournalofComputationalandAppliedMathematics,1987(20):53-65.

[14]DEAMORIMRC,HENNIGC.Recoveringthenumberofclustersindatasetswithnoisefeaturesusingfeaturerescalingfactors[J].InformationSciences,2015(324):126-145.

本文首发《中国公路学报》

首发日期：2023年1月

受作者许可发布在本平台。