汽车安全与节能学报 ›› 2022, Vol. 13 ›› Issue (4): 697-704.DOI: 10.3969/j.issn.1674-8484.2022.04.011
李平飞1,2(), 金思雨1(), 胡文浩3, 高立1, 车瑶栎1, 谭正平1,2, 董小飞4
收稿日期:
2021-11-29
修回日期:
2022-08-09
出版日期:
2022-12-31
发布日期:
2023-01-01
作者简介:
李平飞(1977—),男(彝),云南,副教授。E-mail:xhlpf12@mail.xhu.edu.cn。基金资助:
LI Pingfei1,2(), JIN Siyu1(), HU Wenhao3, GAO Li1, CHE Yaoyu1, TAN Zhengping1,2, DONG Xiaofei4
Received:
2021-11-29
Revised:
2022-08-09
Online:
2022-12-31
Published:
2023-01-01
摘要:
为解决自动驾驶仿真测试场景选取依据缺乏问题,进行了车-车事故场景复杂度评价。从中国国家车辆事故深度调查体系(NAIS)数据库中,筛选出670例车-车事故;根据场景不同维度,提取13项变量;基于信息熵理论,建立了车-车事故场景复杂度评价模型。用逻辑回归得到变量水平优势比,来计算水平复杂度;使用反向传播(BP)神经网络算法,获取场景各维度及变量权重。用该模型计算各个事故案例的场景复杂度,通过K-means聚类将场景复杂度分为4个等级,得到各场景具有优势占比的特征及死亡情况。结果表明:4级复杂度场景占比1.6%,但死亡率高达90.9%,此类场景值得重点关注。
中图分类号:
李平飞, 金思雨, 胡文浩, 高立, 车瑶栎, 谭正平, 董小飞. 用于自动驾驶仿真测试的车—车事故场景复杂度评价[J]. 汽车安全与节能学报, 2022, 13(4): 697-704.
LI Pingfei, JIN Siyu, HU Wenhao, GAO Li, CHE Yaoyu, TAN Zhengping, DONG Xiaofei. Complexity evaluation of vehicle-vehicle accident scenarios for autonomous driving simulation tests[J]. Journal of Automotive Safety and Energy, 2022, 13(4): 697-704.
采集指标 | 指标水平 | 占比/% | ||
---|---|---|---|---|
NAIS数据库 | 统计年报 | 差值 | ||
天气 | 晴或多云 | 70.52 | 74.75 | 4.23 |
阴 | 15.04 | 14.47 | 0.57 | |
雨天等恶劣天气 | 14.10 | 10.78 | 3.32 | |
时段 | 日间 | 45.93 | 58.12 | 12.19 |
晨昏 | 9.59 | 4.57 | 5.02 | |
夜晚 | 44.49 | 37.30 | 7.19 | |
道路类型 | 普通路段 | 49.96 | 73.30 | 23.34 |
路口 | 36.64 | 20.12 | 16.52 | |
其他 | 13.40 | 6.58 | 6.82 | |
事故类型 | 机动车与机动车 | 40.17 | 69.23 | 9.96 |
机动车与两轮车 | 19.10 | |||
机动车碰撞行人 | 15.76 | 22.94 | 7.18 | |
机动车本车事故 | 24.97 | 7.83 | 17.14 |
采集指标 | 指标水平 | 占比/% | ||
---|---|---|---|---|
NAIS数据库 | 统计年报 | 差值 | ||
天气 | 晴或多云 | 70.52 | 74.75 | 4.23 |
阴 | 15.04 | 14.47 | 0.57 | |
雨天等恶劣天气 | 14.10 | 10.78 | 3.32 | |
时段 | 日间 | 45.93 | 58.12 | 12.19 |
晨昏 | 9.59 | 4.57 | 5.02 | |
夜晚 | 44.49 | 37.30 | 7.19 | |
道路类型 | 普通路段 | 49.96 | 73.30 | 23.34 |
路口 | 36.64 | 20.12 | 16.52 | |
其他 | 13.40 | 6.58 | 6.82 | |
事故类型 | 机动车与机动车 | 40.17 | 69.23 | 9.96 |
机动车与两轮车 | 19.10 | |||
机动车碰撞行人 | 15.76 | 22.94 | 7.18 | |
机动车本车事故 | 24.97 | 7.83 | 17.14 |
变量 | V | L = 1 | L = 2 | L = 3 | L = 4 | L = 5 | L = 6 | L = 7 |
---|---|---|---|---|---|---|---|---|
主车碰撞速度/ (km·h-1) | 1 | 0~20 | 20~40 | 40~60 | 60~80 | 80~100 | >100 | |
主车运动状态 | 2 | 直行 | 左转 | 右转 | 向左变道 | 向右变道 | 左转弯掉头 | 停车 |
视野遮挡 | 3 | 车辆造成 | 其他物体造成 | 无视野遮挡 | ||||
目标车类型 | 4 | 乘用车 | 微型客和货车 | 轻型客和货车 | 中型客和货车 | 重型客和货车 | ||
目标车碰撞速度/ (km·h-1) | 5 | 0~20 | 20~40 | 40~60 | 60~80 | 80~100 | >100 | |
目标车运动状态 | 6 | 直行 | 左转 | 右转 | 向左变道 | 向右变道 | 左转弯掉头 | 停车 |
相对位置 | 7 | 左方来车 | 右方来车 | 对向 | 同向 | |||
道路类型 | 8 | 普通路段 | 路口 | 路段进出口 | 隧道 | 左弯道 | 右弯道 | 匝道 |
道路行政等级 | 9 | 一级公路 | 二级公路 | 三级公路 | 乡村道路 | 城市道路 | 厂矿道路 | 高速公路 |
信号灯 | 10 | 直行+转向 | 仅直行 | 无信号灯 | ||||
天气 | 11 | 晴 | 阴 | 多云 | 雨 | 雪 | 雾 | |
时段 | 12 | 日间 | 夜间 | 晨昏 | ||||
路灯 | 13 | 无 | 有且点亮 | 有但关闭 |
变量 | V | L = 1 | L = 2 | L = 3 | L = 4 | L = 5 | L = 6 | L = 7 |
---|---|---|---|---|---|---|---|---|
主车碰撞速度/ (km·h-1) | 1 | 0~20 | 20~40 | 40~60 | 60~80 | 80~100 | >100 | |
主车运动状态 | 2 | 直行 | 左转 | 右转 | 向左变道 | 向右变道 | 左转弯掉头 | 停车 |
视野遮挡 | 3 | 车辆造成 | 其他物体造成 | 无视野遮挡 | ||||
目标车类型 | 4 | 乘用车 | 微型客和货车 | 轻型客和货车 | 中型客和货车 | 重型客和货车 | ||
目标车碰撞速度/ (km·h-1) | 5 | 0~20 | 20~40 | 40~60 | 60~80 | 80~100 | >100 | |
目标车运动状态 | 6 | 直行 | 左转 | 右转 | 向左变道 | 向右变道 | 左转弯掉头 | 停车 |
相对位置 | 7 | 左方来车 | 右方来车 | 对向 | 同向 | |||
道路类型 | 8 | 普通路段 | 路口 | 路段进出口 | 隧道 | 左弯道 | 右弯道 | 匝道 |
道路行政等级 | 9 | 一级公路 | 二级公路 | 三级公路 | 乡村道路 | 城市道路 | 厂矿道路 | 高速公路 |
信号灯 | 10 | 直行+转向 | 仅直行 | 无信号灯 | ||||
天气 | 11 | 晴 | 阴 | 多云 | 雨 | 雪 | 雾 | |
时段 | 12 | 日间 | 夜间 | 晨昏 | ||||
路灯 | 13 | 无 | 有且点亮 | 有但关闭 |
变量,V | 水平,L | 优势比,OR | 水平权重,ω | 水平复杂度,c |
---|---|---|---|---|
1 | 1 | 0.735 | 0.128 | 0.174 |
2 | 0.473 | 0.082 | 0.114 | |
3 | 0.840 | 0.146 | 0.197 | |
4 | 0.904 | 0.158 | 0.211 | |
5 | 1.787 | 0.311 | 0.391 | |
6 | 1.000 | 0.174 | 0.232 | |
2 | 1 | 0.443 | 0.045 | 0.064 |
2 | 0.254 | 0.026 | 0.037 | |
3 | 0.118 | 0.012 | 0.017 | |
4 | 1.289 | 0.132 | 0.178 | |
5 | 6.689 | 0.683 | 0.750 | |
6 | 0.012 | 0.000 | 0.002 | |
7 | 1.000 | 0.102 | 0.140 | |
3 | 1 | 0.488 | 0.281 | 0.357 |
2 | 0.248 | 0.143 | 0.193 | |
3 | 1.000 | 0.576 | 0.656 | |
4 | 1 | 0.117 | 0.035 | 0.049 |
2 | 0.461 | 0.137 | 0.185 | |
3 | 0.626 | 0.186 | 0.246 | |
4 | 1.157 | 0.344 | 0.427 | |
5 | 1.000 | 0.298 | 0.376 | |
5 | 1 | 0.281 | 0.114 | 0.156 |
2 | 0.167 | 0.068 | 0.095 | |
3 | 0.290 | 0.118 | 0.161 | |
4 | 0.296 | 0.120 | 0.164 | |
5 | 0.425 | 0.173 | 0.230 | |
6 | 1.000 | 0.407 | 0.492 | |
6 | 1 | 0.847 | 0.108 | 0.148 |
2 | 0.313 | 0.040 | 0.057 | |
3 | 0.082 | 0.010 | 0.015 | |
4 | 0.179 | 0.023 | 0.033 | |
5 | 4.081 | 0.522 | 0.606 | |
6 | 1.317 | 0.168 | 0.225 | |
7 | 1.000 | 0.128 | 0.174 | |
7 | 1 | 0.903 | 0.243 | 0.314 |
2 | 0.285 | 0.077 | 0.107 | |
3 | 1.526 | 0.411 | 0.497 | |
4 | 1.000 | 0.269 | 0.344 | |
8 | 1 | 2.135 | 0.037 | 0.052 |
2 | 6.324 | 0.109 | 0.149 | |
3 | 4.675 | 0.080 | 0.111 | |
4 | 18.039 | 0.310 | 0.389 | |
5 | 1.511 | 0.026 | 0.037 | |
6 | 24.544 | 0.422 | 0.507 | |
7 | 1.000 | 0.017 | 0.025 | |
9 | 1 | 2.237 | 0.049 | 0.069 |
2 | 17.072 | 0.375 | 0.460 | |
3 | 12.066 | 0.265 | 0.340 | |
4 | 7.706 | 0.169 | 0.226 | |
5 | 1.196 | 0.026 | 0.037 | |
6 | 4.195 | 0.092 | 0.127 | |
7 | 1.000 | 0.022 | 0.031 | |
10 | 1 | 0.559 | 0.304 | 0.383 |
2 | 0.278 | 0.151 | 0.203 | |
3 | 1.000 | 0.544 | 0.627 | |
11 | 1 | 0.049 | 0.033 | 0.047 |
2 | 0.032 | 0.022 | 0.031 | |
11 | 3 | 0.029 | 0.020 | 0.028 |
4 | 0.056 | 0.038 | 0.054 | |
5 | 0.301 | 0.205 | 0.269 | |
6 | 1.000 | 0.682 | 0.750 | |
12 | 1 | 0.362 | 0.196 | 0.258 |
2 | 0.484 | 0.262 | 0.336 | |
3 | 1.000 | 0.542 | 0.625 | |
13 | 1 | 0.999 | 0.372 | 0.456 |
2 | 0.688 | 0.256 | 0.329 | |
3 | 1.000 | 0.372 | 0.456 |
变量,V | 水平,L | 优势比,OR | 水平权重,ω | 水平复杂度,c |
---|---|---|---|---|
1 | 1 | 0.735 | 0.128 | 0.174 |
2 | 0.473 | 0.082 | 0.114 | |
3 | 0.840 | 0.146 | 0.197 | |
4 | 0.904 | 0.158 | 0.211 | |
5 | 1.787 | 0.311 | 0.391 | |
6 | 1.000 | 0.174 | 0.232 | |
2 | 1 | 0.443 | 0.045 | 0.064 |
2 | 0.254 | 0.026 | 0.037 | |
3 | 0.118 | 0.012 | 0.017 | |
4 | 1.289 | 0.132 | 0.178 | |
5 | 6.689 | 0.683 | 0.750 | |
6 | 0.012 | 0.000 | 0.002 | |
7 | 1.000 | 0.102 | 0.140 | |
3 | 1 | 0.488 | 0.281 | 0.357 |
2 | 0.248 | 0.143 | 0.193 | |
3 | 1.000 | 0.576 | 0.656 | |
4 | 1 | 0.117 | 0.035 | 0.049 |
2 | 0.461 | 0.137 | 0.185 | |
3 | 0.626 | 0.186 | 0.246 | |
4 | 1.157 | 0.344 | 0.427 | |
5 | 1.000 | 0.298 | 0.376 | |
5 | 1 | 0.281 | 0.114 | 0.156 |
2 | 0.167 | 0.068 | 0.095 | |
3 | 0.290 | 0.118 | 0.161 | |
4 | 0.296 | 0.120 | 0.164 | |
5 | 0.425 | 0.173 | 0.230 | |
6 | 1.000 | 0.407 | 0.492 | |
6 | 1 | 0.847 | 0.108 | 0.148 |
2 | 0.313 | 0.040 | 0.057 | |
3 | 0.082 | 0.010 | 0.015 | |
4 | 0.179 | 0.023 | 0.033 | |
5 | 4.081 | 0.522 | 0.606 | |
6 | 1.317 | 0.168 | 0.225 | |
7 | 1.000 | 0.128 | 0.174 | |
7 | 1 | 0.903 | 0.243 | 0.314 |
2 | 0.285 | 0.077 | 0.107 | |
3 | 1.526 | 0.411 | 0.497 | |
4 | 1.000 | 0.269 | 0.344 | |
8 | 1 | 2.135 | 0.037 | 0.052 |
2 | 6.324 | 0.109 | 0.149 | |
3 | 4.675 | 0.080 | 0.111 | |
4 | 18.039 | 0.310 | 0.389 | |
5 | 1.511 | 0.026 | 0.037 | |
6 | 24.544 | 0.422 | 0.507 | |
7 | 1.000 | 0.017 | 0.025 | |
9 | 1 | 2.237 | 0.049 | 0.069 |
2 | 17.072 | 0.375 | 0.460 | |
3 | 12.066 | 0.265 | 0.340 | |
4 | 7.706 | 0.169 | 0.226 | |
5 | 1.196 | 0.026 | 0.037 | |
6 | 4.195 | 0.092 | 0.127 | |
7 | 1.000 | 0.022 | 0.031 | |
10 | 1 | 0.559 | 0.304 | 0.383 |
2 | 0.278 | 0.151 | 0.203 | |
3 | 1.000 | 0.544 | 0.627 | |
11 | 1 | 0.049 | 0.033 | 0.047 |
2 | 0.032 | 0.022 | 0.031 | |
11 | 3 | 0.029 | 0.020 | 0.028 |
4 | 0.056 | 0.038 | 0.054 | |
5 | 0.301 | 0.205 | 0.269 | |
6 | 1.000 | 0.682 | 0.750 | |
12 | 1 | 0.362 | 0.196 | 0.258 |
2 | 0.484 | 0.262 | 0.336 | |
3 | 1.000 | 0.542 | 0.625 | |
13 | 1 | 0.999 | 0.372 | 0.456 |
2 | 0.688 | 0.256 | 0.329 | |
3 | 1.000 | 0.372 | 0.456 |
维度信息 | 维度权重,σ | 变量信息 | 变量权重,μ |
---|---|---|---|
主车 | 0.232 | 主车碰撞速度 | 0.435 |
主车运动状态 | 0.423 | ||
视野遮挡 | 0.142 | ||
目标车 | 0.343 | 目标辆车类型 | 0.254 |
目标车辆碰撞速度 | 0.248 | ||
目标车运动状态 | 0.350 | ||
相对位置 | 0.148 | ||
道路 | 0.286 | 道路类型 | 0.399 |
道路行政等级 | 0.475 | ||
信号灯 | 0.126 | ||
环境 | 0.139 | 天气 | 0.180 |
时段 | 0.424 | ||
路灯 | 0.396 |
维度信息 | 维度权重,σ | 变量信息 | 变量权重,μ |
---|---|---|---|
主车 | 0.232 | 主车碰撞速度 | 0.435 |
主车运动状态 | 0.423 | ||
视野遮挡 | 0.142 | ||
目标车 | 0.343 | 目标辆车类型 | 0.254 |
目标车辆碰撞速度 | 0.248 | ||
目标车运动状态 | 0.350 | ||
相对位置 | 0.148 | ||
道路 | 0.286 | 道路类型 | 0.399 |
道路行政等级 | 0.475 | ||
信号灯 | 0.126 | ||
环境 | 0.139 | 天气 | 0.180 |
时段 | 0.424 | ||
路灯 | 0.396 |
变量 | 场景特征 | 场景占比/% | |||
---|---|---|---|---|---|
1级 | 2级 | 3级 | 4级 | ||
主车碰撞速度/ (km·h-1) | 20~40 | 42.0 | 19.6 | — | — |
40~60 | 32.0 | 34.8 | 19.6 | — | |
60~80 | — | — | 27.9 | — | |
80~100 | — | — | — | 45.5 | |
>100 | — | — | — | 27.3 | |
其他 | 26.0 | 45.6 | 52.5 | 27.2 | |
主车运动状态 | 直行 | 73.2 | 81.7 | 91.6 | 27.3 |
左转 | 22.0 | — | — | — | |
向右变道 | — | — | — | 72.7 | |
其他 | 4.8 | 18.3 | 8.4 | — | |
视野遮挡 | 无 | 88.4 | 81.3 | 92.7 | 100.0 |
其他 | 11.6 | 18.7 | 7.3 | — | |
目标车辆类型 | 乘用车 | 93.2 | 55.7 | 17.3 | — |
重型货车 | — | 22.2 | 55.7 | 45.5 | |
轻型货车 | — | — | — | 27.3 | |
其他 | 6.8 | 22.1 | 27.0 | 27.2 | |
目标车碰撞速 度/ (km·h-1) | 0~20 | — | — | 26.3 | 54.5 |
20~40 | 45.6 | 28.7 | — | — | |
40~60 | 23.2 | 31.3 | 25.7 | — | |
60~80 | — | — | 25.7 | 18.2 | |
其他 | 31.2 | 40.0 | 22.3 | 27.3 | |
目标车运动状态 | 直行 | 76.4 | 81.7 | 84.9 | 90.9 |
其他 | 23.6 | 18.3 | 15.1 | 9.1 | |
相对位置 | 左方来车 | 29.2 | — | — | — |
右方来车 | 36.8 | — | — | — | |
对向 | — | 40.9 | 26.3 | — | |
同向 | — | 25.7 | 71.5 | 90.9 | |
其他 | 34.0 | 33.4 | 2.2 | 9.1 | |
道路类型 | 普通路段 | — | 44.3 | 82.7 | 72.7 |
路口 | 81.2 | 50.9 | — | — | |
匝道口 | — | — | — | 27.3 | |
其他 | 18.8 | 4.8 | 17.3 | — | |
道路行政等级 | 城市道路 | 72.8 | 24.4 | — | — |
高速公路 | — | — | 60.9 | 100.0 | |
一级公路 | — | — | 24.6 | — | |
二级公路 | — | 37.8 | — | — | |
三级公路 | 10.0 | — | — | — | |
其他 | 17.2 | 37.8 | 14.5 | — | |
信号灯 | 直行且转向 | 33.2 | — | — | — |
无 | 36.4 | 68.7 | 95.5 | 100.0 | |
其他 | 30.4 | 31.3 | 4.5 | — | |
天气 | 晴 | 64.4 | 66.5 | 69.8 | 81.8 |
其他 | 35.6 | 33.5 | 30.2 | 18.2 | |
时段 | 日间 | 57.6 | 48.7 | 35.8 | 27.3 |
夜间 | 39.6 | 41.7 | 53.6 | 54.6 | |
其他 | 2.8 | 9.6 | 10.6 | 18.1 | |
路灯 | 无路灯 | 61.6 | 60.0 | 81.6 | 90.9 |
有且点亮 | 35.2 | 29.1 | 12.3 | — | |
其他 | 3.2 | 10.9 | 6.1 | 9.1 |
变量 | 场景特征 | 场景占比/% | |||
---|---|---|---|---|---|
1级 | 2级 | 3级 | 4级 | ||
主车碰撞速度/ (km·h-1) | 20~40 | 42.0 | 19.6 | — | — |
40~60 | 32.0 | 34.8 | 19.6 | — | |
60~80 | — | — | 27.9 | — | |
80~100 | — | — | — | 45.5 | |
>100 | — | — | — | 27.3 | |
其他 | 26.0 | 45.6 | 52.5 | 27.2 | |
主车运动状态 | 直行 | 73.2 | 81.7 | 91.6 | 27.3 |
左转 | 22.0 | — | — | — | |
向右变道 | — | — | — | 72.7 | |
其他 | 4.8 | 18.3 | 8.4 | — | |
视野遮挡 | 无 | 88.4 | 81.3 | 92.7 | 100.0 |
其他 | 11.6 | 18.7 | 7.3 | — | |
目标车辆类型 | 乘用车 | 93.2 | 55.7 | 17.3 | — |
重型货车 | — | 22.2 | 55.7 | 45.5 | |
轻型货车 | — | — | — | 27.3 | |
其他 | 6.8 | 22.1 | 27.0 | 27.2 | |
目标车碰撞速 度/ (km·h-1) | 0~20 | — | — | 26.3 | 54.5 |
20~40 | 45.6 | 28.7 | — | — | |
40~60 | 23.2 | 31.3 | 25.7 | — | |
60~80 | — | — | 25.7 | 18.2 | |
其他 | 31.2 | 40.0 | 22.3 | 27.3 | |
目标车运动状态 | 直行 | 76.4 | 81.7 | 84.9 | 90.9 |
其他 | 23.6 | 18.3 | 15.1 | 9.1 | |
相对位置 | 左方来车 | 29.2 | — | — | — |
右方来车 | 36.8 | — | — | — | |
对向 | — | 40.9 | 26.3 | — | |
同向 | — | 25.7 | 71.5 | 90.9 | |
其他 | 34.0 | 33.4 | 2.2 | 9.1 | |
道路类型 | 普通路段 | — | 44.3 | 82.7 | 72.7 |
路口 | 81.2 | 50.9 | — | — | |
匝道口 | — | — | — | 27.3 | |
其他 | 18.8 | 4.8 | 17.3 | — | |
道路行政等级 | 城市道路 | 72.8 | 24.4 | — | — |
高速公路 | — | — | 60.9 | 100.0 | |
一级公路 | — | — | 24.6 | — | |
二级公路 | — | 37.8 | — | — | |
三级公路 | 10.0 | — | — | — | |
其他 | 17.2 | 37.8 | 14.5 | — | |
信号灯 | 直行且转向 | 33.2 | — | — | — |
无 | 36.4 | 68.7 | 95.5 | 100.0 | |
其他 | 30.4 | 31.3 | 4.5 | — | |
天气 | 晴 | 64.4 | 66.5 | 69.8 | 81.8 |
其他 | 35.6 | 33.5 | 30.2 | 18.2 | |
时段 | 日间 | 57.6 | 48.7 | 35.8 | 27.3 |
夜间 | 39.6 | 41.7 | 53.6 | 54.6 | |
其他 | 2.8 | 9.6 | 10.6 | 18.1 | |
路灯 | 无路灯 | 61.6 | 60.0 | 81.6 | 90.9 |
有且点亮 | 35.2 | 29.1 | 12.3 | — | |
其他 | 3.2 | 10.9 | 6.1 | 9.1 |
[1] | Menzel T, Bagschik G, Maurer M. Scenarios for development, test and validation of automated vehicles[C]// 2018 IEEE Intell Vehi Symp (IV). Changshu, China: IEEE, 2018: 1821-1827. |
[2] | Koopman P. Challenges in autonomous vehicle validation: Keynote presentation abstract[C/OL]// Proc 1st Int’l Workshop Safe Control Connected Autonomous Vehi, New York: ACM, 2017. (2017-04-18). http://dl.acm.org/doi/10.1145/3055378.3055379. |
[3] | 谭正平, 何霞, 张道文, 等. 基于多信息融合的多车事故碰撞过程分析方法[J]. 中国司法鉴定, 2021(1): 98-104. |
TAN Zhengping, HE Xia, ZHANG Daowen, et al. Multi-vehicle accident collision process analysis method based on multi-information fusion[J]. Chin J Forensic Sci, 2021(1): 98-104. (in Chinese) | |
[4] |
王清平, 钱宇彬, 冯浩, 等. 轿车与行人事故重建的参数敏感性研究[J]. 中国安全科学学报, 2019, 29(6): 70-75.
doi: 10.16265/j.cnki.issn1003-3033.2019.06.012 |
WANG Qingping, QIAN Yubin, FENG Hao, et al. Research on parameter sensitivity of car and pedestrian accident reconstruction[J]. Chin Safe Sci J, 2019, 29(6): 70-75. (in Chinese) | |
[5] | LIU Yu, WAN Xinming, XU Wei, et al. An intelligent method for accident reconstruction involving car and e-bike coupling automatic simulation and multi-objective optimizations[J]. Accid Anal Prev, 2022, 164: Paper No. 106476. |
[6] | SUI Bo, Lubbe N, Bärgman J. A clustering approach to developing car-to-two-wheeler test scenarios for the assessment of Automated Emergency Braking in China using in-depth Chinese crash data[J]. Accid Anal Prev, 2019, 132: Paper No. 105242. |
[7] | HU Wenhao, XU Xiangyang, ZHOU Zhaohui, et al. Mining and comparative analysis of typical pre-crash scenarios from IGLAD[J]. Accid Anal Prev, 2020, 145: Paper No. 105699. |
[8] | TAN Zhengping, CHE Yaoyue, XIAO Lingyun, et al. Research of fatal car-to-pedestrian precrash scenarios for the testing of the active safety system in China[J]. Accid Anal Prev, 2021, 150: Paper No. 105857. |
[9] | 陈吉清, 舒孝雄, 兰凤崇, 等. 典型危险事故特征的自动驾驶测试场景构建[J]. 华南理工大学学报(自然科学版), 2021, 49(5): 1-8. |
CHEN Jiqing, SHU Xiaoxiong, LAN Fengchong, et al. Construction of automatic driving test scenarios with typical characteristics of dangerous accidents[J]. J South Chin Univ Tech (Sci and Tech), 2021, 49(5): 1-8. (in Chinese) | |
[10] | 张海潮. 基于引力模型的道路交通环境复杂度研究[D]. 北京: 北京理工大学, 2016. |
ZHANG Haichao. Research on complexity of road traffic environment based on gravity model[D]. Bejing: Bejing Univ Tech, 2016. (in Chinese) | |
[11] | 毕蕊. 基于脑电数据的交通环境复杂度辨识及风险预警[D]. 北京: 北方工业大学, 2020. |
BI Rui. The traffic environment complexity identification and risk warning based on EEG data[D]. Bejing: Beifang Univ Tech, 2020. (in Chinese) | |
[12] | 张朋. 道路动态交通环境复杂度量化研究[D]. 长春: 吉林大学, 2020. |
ZHANG Peng. Quantitative study on complexity of road dynamic traffic environment[D]. Changchun: Jilin Univ, 2020. (in Chinese) | |
[13] | 王宇雷, 李凯, 胡云峰, 等. 一种面向复杂超车场景的行驶任务复杂度量化评估方法与流程: 中国, CN110182217A[P]. 2019. |
WANG Yulei, LI Kai, HU Yunfeng, et al. A quantitative evaluation method and process for driving task complexity in complex overtaking scenarios: China, CN110182217A[P]. 2019. (in Chinese) | |
[14] | 董汉, 舒伟, 陈超, 等. 危险驾驶工况场景的复杂度评估方法研究[J]. 汽车工程, 2020, 42(6): 808-814. |
DONG Han, SHU Wei, CHEN Chao, et al. Dangerous driving conditions scenario complexity evaluation method research[J]. Auto Engi, 2020, 42(6): 808-814. (in Chinese) | |
[15] | 李江坤, 邓伟文, 任秉韬, 等. 一种智能汽车测试场景复杂度的评估方法[C]// 2020中国汽车工程学会年会论文集 (1), 2020: 110-117. |
LI Jiangkun, DENG Weiwen, REN Bingtao, et al. An evaluation method for the complexity of intelligent vehicle test scenarios[C]// 2020 Chin Ass Auto Engi Annu Conf Papers (1), 2020: 110-117. (in Chinese) | |
[16] | 王荣, 孙亚夫, 宋娟. 自动驾驶车辆道路测试场景评价方法与试验验证[J]. 汽车工程, 2021, 43(4): 620-628. |
WANG Rong, SUN Yafu, SONG Juan. Evaluation method and test verification of road test scenarios for autonomous vehicles[J]. Auto Engi, 2021, 43(4): 620-628. (in Chinese) | |
[17] | 曹毅, 周华, 肖凌云, 等. 基于NAIS数据库中视频信息的人—车碰撞事故特征分析[J]. 汽车安全与节能学报, 2020, 11(1): 44-52. |
CAO Yi, ZHOU Hua, XIAO Linyun, et al. Analysis of pedestrian-vehicle collision accident characteristics based on the video information from NAIS database[J]. J Auto Safe Energy, 2020, 11(1): 44-52. (in Chinese) | |
[18] | 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. |
GAO Yan, SU Hu, YU Yang, et al. A modeling method of intelligent vehicle simulation scenario[J]. J Trans Info Safe, 2020, 38(1): 100-106. (in Chinese) | |
[19] |
朱波, 胡旭东, 谈东奎, 等. 基于多通道态势图的自动驾驶场景表征方法[J]. 中国公路学报, 2020, 33(8): 204-214.
doi: 10.19721/j.cnki.1001-7372.2020.08.020 |
ZHU Bo, HU Xudong, TAN Dongkui, et al. Automatic driving scenario representation method based on multi-channel situation map[J]. Chin J H-way Trans, 2020, 33(8): 204-214. (in Chinese) | |
[20] | 冯屹, 王兆. 自动驾驶测试场景技术发展与应用[M]. 北京: 机械工业出版社, 2020: 125-126. |
FENG Yi, WANG Zhao. Development and Application of Autonomous Driving Test Scenarios[M]. Bejing: China Machine Press, 2020: 125-126. (in Chinese) | |
[21] | 王磊, 吕璞, 林永杰. 高速公路交通事故影响因素分析及伤害估计[J]. 中国安全科学学报, 2016, 26(3): 86-90. |
WANG Lei, LÜ Pu, LIN Yongjie. Traffic accidents on freeways: Influencing factors analysis and injury severity evaluation[J]. Chin Safe Sci J, 2016, 26(3): 86-90. (in Chinese) | |
[22] | 孟瑾. 因子分析和神经网络的信息系统风险评估模型[J]. 现代电子技术, 2020, 43(23): 62-66. |
MENG Jin. Information system risk assessment model based on factor analysis and neural network[J]. Modern Electr Tech, 2020, 43(23): 62-66. (in Chinese) | |
[23] |
王林泽, 高德东, 白辉全, 等. 基于力视感知的斜尖柔性针轨迹预测[J]. 机械工程学报, 2021, 57(11): 52-60.
doi: 10.3901/JME.2021.11.052 |
WANG Linze, GAO Dedong, BAI Huiquan, et al. The trajectory prediction of oblique-tip flexible needle based on force visual perception[J]. J Mech Engi, 2021, 57(11): 52-60. (in Chinese) |
[1] | 杨震, 王兴昌, 管立君, 孙海云, 范宇坤, 祝贺, 周大永, 谷先广. 中国乘用车乘员高危事故场景研究[J]. 汽车安全与节能学报, 2022, 13(4): 659-666. |
[2] | 杨金松, 赵德宗, 江菁晶, 蓝江林, 李亮. 异构智能网联车辆编队的双阶段节能驾驶控制策略(英文)[J]. 汽车安全与节能学报, 2022, 13(4): 676-685. |
[3] | 朱波, 张纪伟, 谈东奎, 胡旭东. 基于多源传感器与导航地图的端到端自动驾驶方法[J]. 汽车安全与节能学报, 2022, 13(4): 738-749. |
[4] | 李文礼, 邱凡珂, 廖达明, 任勇鹏, 易帆. 基于深度强化学习的高速公路换道跟踪控制模型[J]. 汽车安全与节能学报, 2022, 13(4): 750-759. |
[5] | 张平, 陈一凡, 江书真, 韩毅. 高速公路上自动超车过程的轨迹规划与跟踪控制[J]. 汽车安全与节能学报, 2022, 13(3): 463-472. |
[6] | 彭涛, 许庆, 陈强, 关志伟, 侯海晶, 王涛, 李佳林. 异构载货车辆队列高速换道分布式反馈线性化控制[J]. 汽车安全与节能学报, 2022, 13(3): 473-481. |
[7] | 赵晓华, 李雪玮, 张钰, 李振龙, 李海舰, 张建华. 面向网联环境的汽车平视显示器人因测试研究综述与展望[J]. 汽车安全与节能学报, 2022, 13(2): 225-241. |
[8] | 徐杰, 裴晓飞, 杨波, 方志刚. 融合车辆轨迹预测的学习型自动驾驶决策[J]. 汽车安全与节能学报, 2022, 13(2): 317-324. |
[9] | 胡远志, 蒋涛, 刘西, 施友宁. 基于双流自适应图卷积神经网络的行人过街意图识别[J]. 汽车安全与节能学报, 2022, 13(2): 325-332. |
[10] | 李茂月, 吕虹毓, 河香梅, 徐光岐, 于伟. 自动驾驶中周围车辆识别与信息地图构建技术[J]. 汽车安全与节能学报, 2022, 13(1): 131-141. |
[11] | 张平, 迟志诚, 陈一凡, 惠飞. 用于自动驾驶车辆的融合注意力机制多目标跟踪算法[J]. 汽车安全与节能学报, 2021, 12(4): 516-521. |
[12] | 武一民, 郑凯元, 高博麟, 陈明, 王义锋. 基于自适应扩展Kalman滤波的路侧多传感器融合[J]. 汽车安全与节能学报, 2021, 12(4): 522-527. |
[13] | 李耀华, 范吉康, 刘洋, 何杰, 李泽田, 潘绍飞. 自适应双时域参数MPC的智能车辆路径规划与跟踪控制[J]. 汽车安全与节能学报, 2021, 12(4): 528-539. |
[14] | 冯敏健, 张辉, 巨志扬, 许庆. 基于LGSVL/ Apollo的网络延迟攻击下自动驾驶车辆定位估算[J]. 汽车安全与节能学报, 2021, 12(1): 62-69. |
[15] | 高秀晶, 陶林君, 黄红武, 刘显贵. 复杂道路下自动驾驶车辆的横向运动鲁棒控制策略[J]. 汽车安全与节能学报, 2020, 11(4): 454-461. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||