自动驾驶车辆智能水平定量评价

自动驾驶车辆智能水平定量评价5.1评价模型及智能水平等级划分•自动驾驶车辆的行为不能孤立地讨论，它是自动驾驶车辆自身、环境和自动驾驶车辆所执行的任务三者特性的综合结果。•自动驾驶车辆和其所处环境之间的交互可以看作是一个有三种输入的计算行为，这三种输入包括：自动驾驶车辆形态、环境特征和所执行任务。5.1.1自动驾驶车辆评价模型•第一种是通过三个主要方向进行评价：环境的复杂程度，完成任务的复杂程度以及人工干预程度。•第二种是根据驾控主体、环境感知、决策主体以及应对工况对自动驾驶车辆进行评价。•驾控主体表示控制加速、制动及方向盘的控制机构的类型以及性能。•环境感知指接收外界信息的手段和能力。•决策主体是自动驾驶车辆的大脑，根据感知信息，决定加减速、转向等操作。5.1.2国外自动驾驶车辆智能水平划分•1.ALFUS框架评价方向1~3级4~6级7~9级10级环境复杂程度简单环境中等环境复杂环境任一环境任务复杂程度较低难度中能难度高复杂难度高复杂难度人工干预程度较高干预中等干预较低干预无人工干预•2.NHTSA自动驾驶分级等级定义主体驾驶监控支援作用域0无自动化驾驶人驾驶人驾驶人无1特定功能自动驾驶驾驶人和系统部分2集成功能自动驾驶3有条件自动驾驶系统系统4完全自动化系统全域•Level0——无自动化水平的特点是指操作完全由驾驶人操作，车辆只包含环境感知或者是警报功能，此类车辆主要功能体现在：夜视、行人检测、交通标志识别、车道偏离警报和盲点监测等。•Level1——特定功能自动驾驶指通过环境信息对转向和加减速中的一项操作提供辅助，其余的驾驶操作都由人操作•Level2——集成功能自动驾驶指通过环境信息对转向和加减速中至少两项提供操作辅助，其余驾驶操作由人提供•Level3——有条件的自动驾驶指由自动驾驶系统完成所有驾驶操作，驾驶人无需持续监控车辆行驶，根据系统请求，人提供适时的支持•Level4——完全的自动驾驶指在所有道路、环境条件下，由自动驾驶系统全时完成所有驾驶操作•3.SAE自动驾驶等级划分等级名称转向/速度环境感知极限条件应对工况0人工驾驶驾驶人驾驶人驾驶人无1辅助驾驶驾驶人+系统驾驶人驾驶人部分2半自动驾驶系统驾驶人驾驶人部分3高度自动驾驶系统系统驾驶人部分4超高度自动驾驶系统系统系统部分5全自动驾驶系统系统系统全部•4.BASt自动驾驶技术等级划分•BASt（德国联邦公路研究所）将自动驾驶的技术划分为5个阶段，分别是只有驾驶人控制车辆、驾驶辅助、部分自动驾驶、高度自动驾驶以及完全自动驾驶，分别对应SAE的0、1、2、3、4、5阶段，和SAE相比去掉了高度自动驾驶。5.1.3国内自动驾驶车辆智能水平划分•根据自动驾驶车辆行驶的环境复杂度、执行任务的复杂度、人工干预的程度以及行驶质量（包括实际轨迹与理想轨迹重合度、任务完成时间和安全性），评价自动驾驶车辆的智能水平。•1.交通复杂程度划分•交通复杂程度主要由交通环境元素决定。交通环境元素分为关键交通环境元素、干扰环境要素。关键交通环境包括交通标志、交通信号灯、障碍物和行人等。关键交通环境元素对交通复杂程度起到决定性作用。干扰环境要素比如天气、光照条件和电磁干扰会对环境的复杂程度造成影响。•通过分析环境要素与自动驾驶技术、智能行为能力之间的关系，对环境的影响因素进行分类，定义各类基本环境要素及其组成•。基本环境要素可分为道路环境要素、与交通规则相关环境要素、障碍物环境要素、听觉环境要素、光照环境要素、工作条件环境要素等类型。•定义元环境要素（以下简称元要素）为交通环境中级别最小的个体，如禁止标线、车辆、路面状态等。元环境要素是在某种程度上能够影响自动驾驶车辆的智能行为的一种刺激实体•若干元素构成了环境要素类（以下简称要素类），如道路、道路附属设施等•所有的元要素和元素类的集合构成了道路交通环境要素库。道路交通环境静态要素库组成•为了计算道路环境的复杂度，设道路交通环境复杂度为C，它由静态环境复杂度C1和动态环境复杂度C2构成•建立道路交通静态环境复杂度的计算方法：•道路交通动态环境复杂度的计算模型为12CCC111122334455()CXXXXX221122334455()CYYYYY•2.自动驾驶车辆任务等级划分等级任务描述所需感知能力所需智能决策能力1遥控起步、刹车无无2限速无无直道车道保持车道线识别局部路径规划停车线停车停车线识别停车行为决策GPS导航性能无全局路径规划3U-Turn路面拓扑结构识别弯道行为决策、局部路径规划车道保持车辆识别、车距检测局部路径会话、跟车行为决策避让静态障碍物障碍物识别局部路径规划避障后返回原车道障碍物识别、车道线识别局部路径规划•2.自动驾驶车辆任务等级划分等级任务描述所需感知能力所需智能决策能力4语音指令停车语音识别、自然语音识别无避让动态障碍物障碍物识别、车道线识别局部路径规划避让动态障碍物后返回原车道障碍物识别、车道线识别局部路径会话泊车停车位识别泊车行为决策紧急制动障碍物识别局部路径规划GPS信号缺失时的导航性能车辆位置信息丢失下的基本行车行为的鲁棒性无•2.自动驾驶车辆任务等级划分等级任务描述所需感知能力所需智能决策能力5警告标志时的车速和路径规划警告标志识别警告标志认知下的行为决策、局部路径规划指示标志时的车速和路径规划指示标志的识别指示标志认知下的行为决策、局部路径规划禁令标志时的车速和路径规划禁令标志的识别禁令标志认知下的行为决策、局部路径规划道路施工标志的路径规划道路施工标志识别道路施工标志下的行为决策、全局路径规划、局部路径规划指示标线的车速和路径规划指示标线识别指示标线认知下的行为决策、局部路径规划禁止标线的车速和路径规划禁止标线识别禁止标线识别下的行为决策、局部路径规划警告标线的车速和路径规划警告交通标线识别警告交通标线识别认知下的行为决策和局部路径规划紧急声音的车速和路径规划警车、救护车等鸣笛声识别、自然语言理解紧急声音认知下的行为决策、局部路径规划交通信号灯停车排队交通信号灯标志识别、车辆识别交通信号灯标志下的行为决策、全局路径规划、局部路径规划•3.人工干预程度划分智能水平等级任务复杂度环境复杂度人工干预度综合等级10独立完成任务个数最多，任务难度最高环境复杂度最高人工干预程度很小（5,5,5）9独立完成任务个数多，任务难度高环境复杂度高人工干预程度小（5,5,4）（5,4,5）（4,5,5）8（5,4,4）（4,5,4）（4,4,5）7独立完成任务数量中等，任务难度中等环境复杂度中等人工干预程度中等（4,4,3）（4,3,4）（3,4,4）6（4,3,3）（3,4,3）（3,3,4）（3,3,3）5（3,3,2）（3,2,3）（2,3,3）4独立完成任务个数少，任务难度低环境复杂低人工干预程度较大（3,2,2）（2,3,2）（2,2,3）（2,2,2）3（2,2,1）（2,1,2）（1,2,2）2（2,1,1）（1,2,1）（1,1,2）1独立完成任务个数最小，任务难度最低环境复杂度人工干预程度大（1,1,1）0全部操作都由驾驶人来控制5.2自动驾驶车辆评价指标5.2.1评价指标选取•1.评价指标选取要求•1）评价指标不能超过系统边界•2）评价指标应当构成一个完整的体系•3）评价指标的大类和数量合理•4）评价指标间的相互关系要明确•2.评价指标初选•（1）综合法综合法是对已存在的一些指标群按一定的标准进行聚类，使之体系化的一种方法，适用于对现行评价指标体系的完善与发展。•（2）分析法主要特点是逐步细分，即将综合评价体系的对象和评价目标划分成若干个不同评价方面和评价要素，并逐步细分（即形成各个评价要素的评价因素集），直到每一个评价因素都可以用具体的统计指标来描述和实现。•（3）交叉法通过两维，三维或多维的交叉，派生出一系列指标，形成指标体系，如投入与产出的交叉得出经济效益指标。•（4）指标属性分组法实际上是指标体系的结构优化方法，一般用聚类分析或定性判断的方法确定。•（5）专家调查法专家调查法使一种定性评价方法，将来自专家们的分散的个人经验和知识进行综合，对评价对象进行主观的描述，并作为判断和评价，专家调查法的方式有很多种，较为常用的有专家个人判断法、专家会议法和德尔菲法。•（6）层次分析法优点：系统性的分析方法，简洁实用，所需的定量数据信息较少，将复杂问题化为简单的权重问题。缺点：指标过多时数据统计量大，且权重难以确定，特征值和特征向量的精确求法比较复杂。•（7）人工神经网络优点：可以逼近任意复杂的非线性关系，具有很强的鲁棒性和容错性；缺点：一般训练的过程比较复杂，学习时间过长，甚至可能达不到学习的目的。•（8）模糊综合评价优点：模糊评价通过精确的数字手段处理模糊的评价对象，能对蕴含信息呈现模糊性的资料作出比较科学、合理、贴近实际的量化评价。缺点：计算复杂，对指标权重矢量的确定主观性较强。•3.自动驾驶车辆评价指标体系层次5.2.2评价指标筛选5.2.3评价指标权重的确定•1.层次分析法•（1）构造判断矩阵构造判断矩阵的关键是构造合理且保持一致性。比例标尺重要度定义1表示两个因素比较，具有同样重要性3表示两个因素比较，一个因素比另一个因素稍重要5表示两个因素比较，一个因素比另一个因素重要7表示两个因素比较，一个因素比另一个因素重要的多9表示两个因素比较，一个因素比另一个极其重要2，4，6，8介于上述两个相邻判断的中值比例标尺次要度定义1/3表示两个因素比较，一个因素比另一个因素稍次要1/5表示两个因素比较，一个因素比另一个因素次要1/7表示两个因素比较，一个因素比另一个因素次要得多1/9表示两个因素比较，一个因素比另一个因素极为次要1/2，1/4，1/6，1/8介于上述两个相邻判断的中值准则层A1A2…AnA1a11a12…a1nA2a21a22…a2n……………Anan1an2…ann•（2）计算自动驾驶车辆评价指标的权重•1）对自动驾驶车辆评价指标的判断矩阵A按列规范化•2）再按行相加得和向量•3）对判断矩阵A进行行平均，即将得到的和向量正规化，即得权重向量1ijijnijiaaa1niijjWa1iinii•（3）一致性检验在得到矩阵最大特征根γmax后，需对其进行一致性检验，以保证评价者对多因素评判思想逻辑的一致性，使各评判之间协调一致.1maxnCIn..0.1..CICRn34567891011C.R.0.580.91.121.241.321.411.451.491.51•2.可拓展层次分析法•（1）层次分析法的缺陷•1）模糊判断矩阵明确化。•2）需要一致性检验。•（2）建立判断矩阵建立判断矩阵的过程就是标量化的过程。标量化是通过一定的标度体系，将各种原始数据转化为可直接比较的规范化格式的过程。•（3）计算权重量•1）求A-，A+的最大特征值所对应的具有正分量的归一化特征矢量x-，x+。•3）判断矩阵的一致性。•4）求出权重量。1234(,,,,...,),TnkSSSSSSkxmx•（4）层次排序在计算完权重量后需要进行层次排序。•层次排序分为单层次排序和总排序，首先进行单层次排序。1jP2()()()()ijiijjjiiSSPVSSSSSS112(,...)kkkkknPPPP112(,...)kkkkkTkkn5.3智能水平定量评价•5.3.1成本函数法•1.成本函数估计•（1）成本函数形式的确定由于成本函数的曲线特征，总可以变成本函数和可变成本函数通常采用多项式•（2）数据的收集当模型的具体形式已经确定下来之后，我们需要针对模型中的变量手机样本数据。数据类型包括时序数据和截面数据。•（3）建立回归方程及参数估计•1）一元线性回归。•①总体回归模型。•②假定前提。•③总体回归直线方程与样本回归直线方程。•根据样本数据拟合的曲线，称为样本回归直线。bxaYttxbayˆˆˆttyYeˆ•2）多元