面向智能汽车测试的弱势群体服饰色彩研究

摘 要:

智能汽车测试是其技术开发与应用中必不可少的环节,封闭场景下测试目标物准确反映真实道路环境下交通对象特性是保障测评结果可信的关键,而道路弱势群体服饰色彩是相应测试目标设计的关键参数,也是智能车测评相关标准中要求的一个主要指标｡为此,通过对中国某省份2018~2020年间重大交通安全事故案例的分析和筛查,得出178例弱势道路使用者群体伤亡人员样本,首先提取样本服饰颜色,然后选取适当的色彩空间,将色彩数据从RGB(Red-Green-Blue)空间转换至LUV(Lightness-Chroma)空间｡以转换结果作为聚类参数,采用K-means聚类算法,获取受害者样本基于季节､出行方式等不同因素下的服饰代表颜色｡区别现阶段欧洲标准中目标物黑色上衣/蓝色长裤的搭配组合,黑色上衣/黑色长裤作用于符合中国国情的自动驾驶场景中测试目标物的服饰颜色更具代表性｡鉴于中国新车评价规程(China-NewCarAssessmentProgramme,C-NCAP)选取行人目标物与自行车骑行者目标物,将目标物服饰改为黑色上衣/黑色长裤组合,以测试目标物与测试车辆位置分别构建相对横向及纵向运动的多个场景,在对应场景下检测汽车前端结构位置25%､50%及75%处与目标物碰撞情况,以评价配有自动紧急制动系统(AutomaticEmergencyBrakingSystem,AEB)的智能汽车对测试目标物的响应能力｡试验测试结果表明:全部测试场景下,测试车辆能够成功识别目标物并可主动制动,该测试验证了黑色上衣/黑色长裤组合在现行检测标准下的可行性与有效性｡该研究可为智能汽车测试领域提供客观的数据支撑,完善交通行业相关标准和法规,并推动智能汽车测试技术的发展｡

关键词:汽车工程；服饰色彩；K-means聚类分析；测试目标物；测试场景；自动紧急制动系统；智能汽车测试

作者：

韩玲1,朱长盛1,迟瑞丰1,方若愚1,张晖1,刘国鹏1,伊强2,3

(1.长春工业大学机电工程学院,吉林长春130012;2.印第安纳大学-普渡大学印第安纳波利斯分校,印第安纳印第安纳波利斯IN46074;3.河北普傲汽车科技有限公司,河北石家庄050010)

*作者简介:韩玲,副教授,博士研究生导师,工学博士,E-mail:hanling@ccut.edu.cn｡

0 引 言

据国家统计局2015~2019年度数据统计,近5年,中国每年因道路交通事故死亡的人数约6万余人,受伤人数约25万人,其中涉及行人､自行车骑行者等弱势道路使用者群体(VulnerableRoadUsers,VRU)的事故发生概率平均年增长近20%｡面对严峻的道路安全形势,推行主动安全与行人保护势在必行｡智能汽车技术对提高行车安全､改善交通环境具有重要作用｡2020年,国家发改委､工信部､科技部等十一部委联合发布了《智能汽车创新发展战略》,对智能汽车网络安全六大体系进行了战略规划,其中的法规标准建设是保障智能汽车开发和产业应用的关键｡2019年,工信部在《智能网联汽车标准化工作要点》中明确提出要加强预期功能安全､信息安全等重点标准制定工作,并于2021年与公安部､交通运输部联合印发《智能网联汽车道路测试与示范应用管理规范(试行)》｡为此,实现智能汽车国家发展战略有2个核心工作:一是制定科学可行的､有利于智能汽车长远快速发展的标准规范,二是依据标准规范对智能汽车进行全方位的测试评价｡

封闭场地测试是智能汽车测评的重要手段,它是通过建设专用的封闭测试场,搭配真实度较高的道具或实物,在有限场地中模拟或还原真实场景,实现对车辆综合性能的测试[1]｡其优点在于通过在场地内设置场景所需的交通要素道具和运行条件,可以方便地实现对特定场景的测试,相同工况可多次重复测试,测试场景的代表性与场景中要素道具的真实性决定了测试结果的可信度,是影响封闭场地测试的关键因素｡测试场景的设计往往选定那些在实际道路交通事故中出现频率较高的场景,作为智能车辆技术中的典型代表——自动紧急制动系统的测试,就需要构建智能汽车与其他交通对象的碰撞场景,VRU正是其中的重要组成｡德国PEGASUS项目建立了5层分层模型[2],其中L4为目标层,描述场景中各类动态､静态及可移动交通参与者及其交互行为与运动行为｡美国高速公路安全管理局(NationalHighwayTrafficSafetyAdministration,NHTSA)提出6层架构[3],将道路使用者归为目标对象层,确定测试场景中交通参与者行为,为测试场景构建设计提供依据｡文献[4]对交通参与者从速度､方向､位置等属性入手进行排列组合来搭建场景｡由于交通参与者直接参与测试存在安全隐患,选用VRU模拟装置(目标物)作为替代是更好的解决方案｡所以,目标物的设计至关重要,其外观形态既需要代表实际交通危险场景下大多数对象,其反射信号又要求与实际交通对象的表现特征类似,这就需要在构建测试场景时确定好模拟交通对象的目标物关键参数｡

在行人检测与识别领域,当前主流的深度学习方法主要关注于包含行人衣着信息的外观信息[5-6]｡VRU服饰色彩数据便于采集,应用广泛,能直接影响智能驾驶系统三大传感器之一的视觉传感器的识别能力,进而影响智能汽车后续的决策控制｡欧洲汽车制造协会(AssociationdesConstructeursEuropeans,ACEA)最早将行人目标物服饰颜色规定为黑色上衣搭配蓝色长裤,该设定为目前全球各大新车评鉴机构所沿用｡美国汽车工程师协会(SocietyofAutomotiveEngineers,SAE)标准J3116_201706和J3157_201902将行人和自行车骑行者目标物服饰颜色规定为黑色上衣搭配黑色长裤｡由于各国道路情况存在差异,上述标准并不一定符合中国国情｡2021年12月,中汽研全国汽车标准化技术委员会对汽车推荐性国家标准《智能网联汽车功能测试用行人目标物技术要求》､《智能网联汽车功能测试用自行车目标物技术要求》进行了意向调研,经前期讨论,目标物服饰颜色是当前一项急缺的重要参数｡因此,有必要对中国驾驶数据进行研究,得出符合中国实际道路情况的目标物服饰代表颜色｡

为此,根据中国某省份内涉及重大交通事故的伤亡数据,提取伤亡人员样本上､下身服饰颜色数据,进行聚类分析处理,获取样本服饰的代表颜色,利用实车道路测试验证其有效性,旨在为智能汽车测试提供数据支撑,推动相关法律法规与技术标准的制定和实施｡

1 事故数据来源

智能汽车测试需要丰富的场景类型,测试场景的数据主要包括真实数据､模拟数据和专家经验3个部分[7]｡真实数据中的自然驾驶数据､道路交通事故数据是测试场景主要的数据来源,也是各类数据的支撑｡然而,获取自然驾驶数据过程中存在成本高､耗时长的问题,且出现复杂和危险场景的频率偏低｡为全面验证智能汽车在危险场景下是否具备安全性,选择具有真实危险场景特征的交通事故数据对高风险场景进行补充｡文献[8]调研了2006~2016年中国道路交通事故死亡率,数据表明:全国各类重大交通事故伤亡人员中,年龄构成方面,成人占比远超儿童,性别构成方面,男性占比远超女性;而包括行人､自行车骑行者､摩托车骑行者在内的VRU群体占10年间交通事故死亡人数的3/4,最常死于道路交通事故的是乘坐汽车和三轮机动车的人｡据2020年道路交通事故数据统计,1~15岁受伤18905人,占总数的7.54%,死亡2359人,占总数的3.82%;女性受伤93925人,占总数的37.46%,死亡19078人,占总数的30.92%｡各项调研结果表明,当前交通环境下,重大事故伤亡者主要为成年男性｡

研究选取中国某省份2018~2020年间发生的真实重大交通事故数据1467例｡由于事故图片中存在诸如事故现场并未拍摄到伤亡者､场地光线不佳或事故涉及大型挂车等货运车等问题,对不符合条件的案例进行逐层筛选｡因图片中服饰色彩不仅受面料颜色的影响,还与天气条件､事故发生时间､树木或建筑阴影等环境亮度有关,为了获得真值,截取图片中没有阴影遮挡､能见度良好､颜色清晰的像素点作为研究的参考点｡经筛选后获取案例167例,伤亡人员样本178个｡