葉楓，寶鶴鵬，袁悅，王磊

（1.上海汽車(chē)集團(tuán)股份有限公司，上海201804；2.中國(guó)汽車(chē)技術(shù)研究中心有限公司，天津300300）

0 引言

駕駛員切入行為一直都是智能網(wǎng)聯(lián)汽車(chē)自動(dòng)駕駛功能開(kāi)發(fā)和測(cè)試的熱點(diǎn)、難點(diǎn)與痛點(diǎn)，特別是在中國(guó)，不合理切入、違法違章切入行為突出，每年由切入導(dǎo)致的交通擁堵和交通事故現(xiàn)象頻發(fā)，使得切入行為成為交通道路上最大的安全隱患之一。在汽車(chē)智能化、網(wǎng)聯(lián)化的大背景下，在車(chē)聯(lián)網(wǎng)行業(yè)迅速崛起的趨勢(shì)下，使得各種車(chē)輛數(shù)據(jù)更易獲取，這也為駕駛員切入場(chǎng)景的研究創(chuàng)造了極為有利的環(huán)境。然而對(duì)駕駛員的切入場(chǎng)景進(jìn)行分析是一件非常困難、不易操作的事情，一方面得需要大量精密、可靠的數(shù)據(jù)來(lái)源，另一方面還需要成熟、穩(wěn)定的科學(xué)理論與現(xiàn)實(shí)情況充分融合。面對(duì)這一難題，中國(guó)典型切入場(chǎng)景的切入類型、數(shù)據(jù)分布、切入軌跡的研究就成為了自動(dòng)駕駛系統(tǒng)開(kāi)發(fā)和測(cè)試的必要基礎(chǔ)，尤其是切入場(chǎng)景的測(cè)試用例設(shè)計(jì)也成為保證自動(dòng)駕駛系統(tǒng)在中國(guó)復(fù)雜道路上安全駕駛的必要。

從產(chǎn)品功能定義開(kāi)發(fā)到感知、控制決策算法的開(kāi)發(fā)都需要具有中國(guó)特色的典型道路場(chǎng)景數(shù)據(jù)的輸入來(lái)保證開(kāi)發(fā)的自動(dòng)駕駛功能符合中國(guó)的道路環(huán)境、駕駛習(xí)慣和標(biāo)準(zhǔn)法規(guī)要求；仿真測(cè)試-場(chǎng)地測(cè)試-封閉區(qū)域測(cè)試-實(shí)車(chē)道路測(cè)試等測(cè)試階段均需要場(chǎng)景輸入以保證最基本的安全性。在自動(dòng)駕駛汽車(chē)測(cè)試與驗(yàn)證領(lǐng)域，無(wú)論是國(guó)際還是國(guó)內(nèi)，主流的趨勢(shì)和看法是重點(diǎn)解決基于場(chǎng)景的安全驗(yàn)證方法問(wèn)題，目前，在我國(guó)，針對(duì)L2/L3級(jí)自動(dòng)駕駛汽車(chē)封閉場(chǎng)地測(cè)試場(chǎng)景的研究與應(yīng)用，多是與測(cè)試車(chē)跟車(chē)、循線有關(guān)，而對(duì)測(cè)試車(chē)切入場(chǎng)景的研究相對(duì)較少，在封閉場(chǎng)地的切入場(chǎng)景測(cè)試更是少見(jiàn)，主要的技術(shù)難點(diǎn)和突破點(diǎn)在于對(duì)本車(chē)切入軌跡的研究。對(duì)標(biāo)國(guó)內(nèi)已有法規(guī)，特殊場(chǎng)景“切入”不符合國(guó)內(nèi)交通場(chǎng)景特點(diǎn)，尤其是切入時(shí)刻及軌跡對(duì)自動(dòng)駕駛開(kāi)發(fā)及測(cè)試影響較大，如果沒(méi)有客觀準(zhǔn)確數(shù)據(jù)支撐，后果不堪設(shè)想。

Kim等人分析了高速公路12種切入場(chǎng)景拓?fù)鋱D及每種場(chǎng)景下本車(chē)可能的運(yùn)動(dòng)方向利用駕駛模擬器分析了駕駛?cè)嗽诟鲌?chǎng)景下的駕駛行為并提出了一種Range-Range Plot方法分析其駕駛特性[1]。朱西產(chǎn)等人研究了安全切入場(chǎng)景下，五種典型的制動(dòng)工況[2]。Liao等人利用駕駛模擬器統(tǒng)計(jì)分析了低速車(chē)輛切入場(chǎng)景下本車(chē)駕駛?cè)诵袨椴⒅赋銮腥雸?chǎng)景比跟車(chē)場(chǎng)景更為復(fù)雜[3]。Feng等分析了下前車(chē)切入場(chǎng)景下的危險(xiǎn)工況對(duì)駕駛?cè)顺跏贾苿?dòng)時(shí)刻的分布及影響因素進(jìn)行了分析[4]。還有許多有關(guān)切入行為的文獻(xiàn)研究，這里不再一一引用，就國(guó)內(nèi)外的研究進(jìn)展來(lái)看，盡管各位專家學(xué)者從不同的角度、建不同的模型、用不同的理論，但顯然迄今為止，仍未有統(tǒng)一的、系統(tǒng)性的方法論，納入的因素不夠多、適用范圍不夠廣、實(shí)證檢驗(yàn)不夠充分等諸多缺陷需要投入更多的精力物力人力來(lái)克服。因此，無(wú)論是對(duì)于學(xué)術(shù)界而言還是之于產(chǎn)業(yè)界來(lái)說(shuō)，形成一套公認(rèn)的、準(zhǔn)確的測(cè)試車(chē)輛切入場(chǎng)景軌跡分析與應(yīng)用體系，此任務(wù)迫在眉睫。

針對(duì)“切入場(chǎng)景軌跡研究與分析方法”缺失的問(wèn)題，本文提出了一套較為系統(tǒng)的研究體系。同現(xiàn)有研究方法相比，有以下創(chuàng)新點(diǎn)：①本文是基于自然駕駛采集的數(shù)據(jù)對(duì)切入場(chǎng)景進(jìn)行研究，將真實(shí)世界的交通環(huán)境參數(shù)作為研究對(duì)象，大大增加了研究結(jié)果的可靠性和真實(shí)性；②本文將切入場(chǎng)景類型進(jìn)行較為細(xì)致的劃分，從不同的角度、對(duì)不同的參數(shù)進(jìn)行統(tǒng)計(jì)分析，為后續(xù)的軌跡模型建立做好理論基礎(chǔ)工作；③本文將切入行為分為向左切入和向右切入，分別對(duì)高速公路和城市快速路、不同切入持續(xù)時(shí)間下的切入軌跡進(jìn)行擬合。

1 切入場(chǎng)景軌跡模型的建立與分析

圖1

1.1 實(shí)車(chē)道路采集

為了保證數(shù)據(jù)來(lái)源的廣泛性，從而使得研究結(jié)果更具普適性，需要從多個(gè)地方采集海量的場(chǎng)景數(shù)據(jù)，具體方案是采集的中國(guó)東北、華北、西北、華中、華東、華南、西南等10余個(gè)重點(diǎn)城市的高速公路和城市快速路的場(chǎng)景數(shù)據(jù)；分別搭建兩種駕駛場(chǎng)景數(shù)據(jù)采集平臺(tái)：基于圖像視覺(jué)的采集平臺(tái)和基于多傳感器的采集平臺(tái)。前者環(huán)境感知模塊以圖像視覺(jué)設(shè)備為主，能夠?qū)崟r(shí)對(duì)車(chē)輛前方的行人、騎行者、轎車(chē)、貨車(chē)以及車(chē)道線等目標(biāo)進(jìn)行識(shí)別和追蹤；后者環(huán)境感知模塊硬件包括激光雷達(dá)、毫米波雷達(dá)、雙目攝像機(jī)、單目視覺(jué)模塊，定位模塊采用GPS+姿態(tài)組合慣性導(dǎo)航系統(tǒng)，在場(chǎng)景精確感知、定位等方面精度更高，采集駕駛場(chǎng)景的內(nèi)容更豐富。最后分析1000余條場(chǎng)景片段數(shù)據(jù)，從而得到切入場(chǎng)景軌跡、車(chē)速、切入時(shí)刻等數(shù)據(jù)。其中，駕駛員年齡均勻分布于25-55周歲之間，駕齡在5至16年；采集時(shí)間為早6點(diǎn)至晚7點(diǎn)，共計(jì)34天；高速公路采集里程占比為68%；覆蓋了晴天、多云、下雨等多種天氣條件。

1.2 模型指標(biāo)體系構(gòu)建

1.2.1 數(shù)據(jù)預(yù)處理

在建立多項(xiàng)式模型之前，我們需要首先對(duì)數(shù)據(jù)質(zhì)量進(jìn)行較為嚴(yán)格的檢查和處理。數(shù)據(jù)清洗是整個(gè)數(shù)據(jù)處理過(guò)程中至關(guān)重要的第一步，影響之后分析結(jié)果的質(zhì)量，主要是對(duì)攝像頭、毫米波雷達(dá)、激光雷達(dá)、高精度慣導(dǎo)組合四大類車(chē)載傳感器采集的原始數(shù)據(jù)，進(jìn)行數(shù)據(jù)清洗和去噪。接下來(lái)是缺失值處理，對(duì)于存在缺失值的變量，如果缺失值太多則直接舍棄該變量，因?yàn)槿绻M(jìn)行數(shù)據(jù)填補(bǔ)可能會(huì)適得其反，引入噪音；對(duì)于缺失值個(gè)數(shù)適中的變量，則考慮將缺失值納入或單獨(dú)設(shè)為一種類別；對(duì)于缺失值較少的變量，如果是連續(xù)性變量可以采用拉格朗日插值法或隨機(jī)森林進(jìn)行填充，如果是離散型變量，則考慮用眾數(shù)、中位數(shù)替換。最后再根據(jù)交通標(biāo)準(zhǔn)法規(guī)、正常參數(shù)數(shù)據(jù)范圍并結(jié)合單變量離群值檢測(cè)法進(jìn)行異常值處理①異常值是指明顯偏離大多數(shù)抽樣數(shù)據(jù)的數(shù)值。。

1.2.2 關(guān)鍵參數(shù)分析

對(duì)于場(chǎng)景的提取主要采用人工和半自動(dòng)化的方法進(jìn)行，自動(dòng)化場(chǎng)景數(shù)據(jù)提取技術(shù)是通過(guò)機(jī)器視覺(jué)技術(shù)和深度學(xué)習(xí)技術(shù)，從視頻圖像出識(shí)別出行人、車(chē)輛等交通目標(biāo)，并估計(jì)目標(biāo)的距離和速度。然后比對(duì)從視頻圖像中提取出來(lái)的目標(biāo)信息和其他傳感器（如激光雷達(dá)和高精度地圖）信息，得到動(dòng)態(tài)和靜態(tài)元素的位置，速度和運(yùn)動(dòng)軌跡等信息，在通過(guò)實(shí)現(xiàn)設(shè)定好的判斷規(guī)則，將駕駛場(chǎng)景數(shù)據(jù)轉(zhuǎn)化為一連串的駕駛場(chǎng)景描述，并最終自動(dòng)轉(zhuǎn)化成OpenScenario格式進(jìn)行存儲(chǔ)。同時(shí)，我們也采用人工標(biāo)注方法作為輔助和補(bǔ)充，通過(guò)比對(duì)不同傳感器返回的信號(hào)值，同時(shí)對(duì)比視頻數(shù)據(jù)，手動(dòng)標(biāo)出目標(biāo)，找出目標(biāo)的速度，然后總結(jié)成場(chǎng)景數(shù)據(jù)，編寫(xiě)OpenScenario文件。

圖2 數(shù)據(jù)采集時(shí)間

圖3 不同天氣條件占比

圖4 高速公路與城市道路數(shù)據(jù)采集占比

（1）切入場(chǎng)景統(tǒng)計(jì)分析

在所有采集場(chǎng)景中，本車(chē)切入場(chǎng)景占比為31%；本車(chē)切入場(chǎng)景又分為多個(gè)子場(chǎng)景，即根據(jù)本車(chē)道與目標(biāo)車(chē)道周?chē)?chē)輛位置及運(yùn)動(dòng)狀況的不同來(lái)進(jìn)行類別劃分（見(jiàn)圖6），各子場(chǎng)景占比見(jiàn)圖7。

圖5 本車(chē)切入場(chǎng)景占比

圖6 本車(chē)切入子場(chǎng)景類型（切入場(chǎng)景不含15-17、19、20、24、27、41-43、45、46、50、51、53、57）

圖7 本車(chē)切入子場(chǎng)景占比情況

（2）關(guān)鍵變量統(tǒng)計(jì)分析

在本車(chē)切入場(chǎng)景下，切入持續(xù)時(shí)長(zhǎng)、本車(chē)平均車(chē)速、本車(chē)平均加速度、與前車(chē)的縱向距離、與前車(chē)的TTC和THW都是非常關(guān)鍵的參數(shù)，是場(chǎng)地測(cè)試過(guò)程前、過(guò)程中、過(guò)程后需要仔細(xì)設(shè)計(jì)、測(cè)試、評(píng)估的變量與條件。

由圖8、圖9可以看出本車(chē)切入其他車(chē)道場(chǎng)景下，本車(chē)車(chē)速80-90km/h的發(fā)生頻率最高，本車(chē)與目標(biāo)車(chē)最小縱向距離集中于0-5m。

對(duì)于參數(shù)TTC而言，70%的場(chǎng)景沒(méi)有碰撞風(fēng)險(xiǎn)②當(dāng)TTC≤2s時(shí)存在碰撞風(fēng)險(xiǎn)，本車(chē)與目標(biāo)車(chē)的初始縱向距離越小、本車(chē)車(chē)速越大，發(fā)生碰撞事故的可能性越大，TTC集中分布于0-7s，不同目標(biāo)車(chē)位置（前后左右）的TTC分布之間的差距很小。

圖8 本車(chē)參數(shù)分布情況（依次為：切入持續(xù)時(shí)長(zhǎng)、本車(chē)速度、本車(chē)橫向加速度、本車(chē)縱向加速度）

圖9 目標(biāo)車(chē)參數(shù)分布情況（依次為：目標(biāo)車(chē)速度、本車(chē)與目標(biāo)車(chē)最小縱向距離、最小TTC、最小THW）

圖10 不同位置目標(biāo)車(chē)TTC分布情況

THW集中分布于0.4-1.5s，不同道路類型（高速公路/城市快速路）對(duì)THW分布的影響幾乎不存在，然而不同目標(biāo)車(chē)位置（前后左右）的THW分布之間的差距很大。

圖11 不同道路類型THW分布情況

圖12 不同位置目標(biāo)車(chē)THW分布情況

一般情況下，當(dāng)駕駛行為的持續(xù)時(shí)間為6-7s，與目標(biāo)車(chē)初始距離為120-140m時(shí)，本車(chē)可成功完成切入行為。

最后，切入場(chǎng)景中，與目標(biāo)車(chē)道前車(chē)的初始縱向距離多為2.6-4m，與目標(biāo)車(chē)道后車(chē)的初始縱向距離則集中于3-4m。

對(duì)不同道路類型或路段下的切入持續(xù)時(shí)長(zhǎng)參數(shù)進(jìn)行分析，發(fā)現(xiàn)快速路、高速主路與匝道間的匯入?yún)^(qū)、高速主路與匝道間的匯出區(qū)、高速主路、高速匝道的眾數(shù)分別為6.5s、6.03s、5.9s、6.5s、6.75s。

圖13 不同道路類型或路段的持續(xù)時(shí)間分布情況

另外，在此研究中，我們發(fā)現(xiàn)，在交通擁堵的情況下，本車(chē)切入場(chǎng)景所占比例相對(duì)較高，大約在12%，這很容易產(chǎn)生交通安全隱患。

圖14 交通擁堵條件下切入場(chǎng)景占比情況

1.3 軌跡模型建立與分析

1.3.1 軌跡模型選取

在研究切入軌跡規(guī)劃時(shí)，經(jīng)常使用的方法包括拓?fù)浞╗5]和柵格法[6]，另外也有一些經(jīng)過(guò)優(yōu)化得到的模型，比如滾動(dòng)窗口法和彈性帶理論[7]。而多項(xiàng)式模型作為認(rèn)可度較為廣的模型，研究得也比較深入，王海等四位學(xué)者同時(shí)采用余弦函數(shù)和5次多項(xiàng)式的模型[8]，對(duì)換道軌跡進(jìn)行研究和仿真試驗(yàn)，擬合效果較為顯著。本文選擇四次多項(xiàng)式函數(shù)建立中國(guó)典型結(jié)構(gòu)化道路的切入場(chǎng)景模型，以支撐自動(dòng)駕駛系統(tǒng)開(kāi)發(fā)及測(cè)試。

1.3.2 軌跡擬合結(jié)果與分析

（1）首先建立本車(chē)切入過(guò)程中的縱向偏移量off-set_x與橫向偏移量offset_y之間的關(guān)系函數(shù)，分別得到本車(chē)向左切入和向右切入的兩種軌跡模型如圖15。

圖15 本車(chē)切入軌跡模型（x-y）

對(duì)切入軌跡進(jìn)行分析，發(fā)現(xiàn)切入行為所經(jīng)縱向偏移量越小，所需方向盤(pán)轉(zhuǎn)角越大，而對(duì)比城市快速路，高速公路的縱向偏移量要長(zhǎng)出40m（見(jiàn)圖16）。

圖16 本車(chē)方向盤(pán)轉(zhuǎn)角與縱向偏移量關(guān)系（城市快速路與高速公路對(duì)比）圖

而對(duì)比向左切入和向右切入，發(fā)現(xiàn)向左切入行為更為激進(jìn)。

圖17 本車(chē)方向盤(pán)轉(zhuǎn)角與縱向偏移量關(guān)系（向左切入與向右切入對(duì)比）圖

（2）其次建立本車(chē)切入過(guò)程中的切入過(guò)程時(shí)點(diǎn)Time與橫向偏移量offset_y之間的關(guān)系函數(shù)，分別得到本車(chē)切入行為得不同持續(xù)時(shí)長(zhǎng)（Duration）軌跡模型。

圖18 不同持續(xù)時(shí)長(zhǎng)下本車(chē)切入行為軌跡圖

2 結(jié)語(yǔ)

本文針對(duì)中國(guó)典型切入場(chǎng)景特征進(jìn)行了深入研究。首先對(duì)關(guān)鍵的參數(shù)進(jìn)行分析得出切入場(chǎng)景的持續(xù)時(shí)長(zhǎng)、本車(chē)平均車(chē)速、本車(chē)平均加速度、與前車(chē)的縱向距離、與前車(chē)的TTC和THW的分布情況、眾數(shù)和集中度；之后又基于四次多項(xiàng)式函數(shù)模型對(duì)不同縱向偏移量、不同持續(xù)時(shí)間下的切入軌跡進(jìn)行擬合，這些研究結(jié)果對(duì)自動(dòng)駕駛橫縱向控制類系統(tǒng)的測(cè)試工況設(shè)計(jì)具有重要的參考價(jià)值，可制定更加合理、準(zhǔn)確的測(cè)試通過(guò)條件。今后還要對(duì)不同道路類型和不同車(chē)速下的切入場(chǎng)景軌跡進(jìn)行研究分析，以便更加精確化、精細(xì)化地進(jìn)行切入工況測(cè)試場(chǎng)景設(shè)計(jì)。