留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于IAHP-EWM-LDM的L3级自动驾驶接管过程安全性评价方法

李振龙 潘梦妞 曲彦菘 赵晓华 巩建国 王秋鸿

李振龙, 潘梦妞, 曲彦菘, 赵晓华, 巩建国, 王秋鸿. 基于IAHP-EWM-LDM的L3级自动驾驶接管过程安全性评价方法[J]. 交通信息与安全, 2023, 41(4): 14-23. doi: 10.3963/j.jssn.1674-4861.2023.04.002
引用本文: 李振龙, 潘梦妞, 曲彦菘, 赵晓华, 巩建国, 王秋鸿. 基于IAHP-EWM-LDM的L3级自动驾驶接管过程安全性评价方法[J]. 交通信息与安全, 2023, 41(4): 14-23. doi: 10.3963/j.jssn.1674-4861.2023.04.002
LI Zhenlong, PAN Mengniu, QU Yansong, ZHAO Xiaohua, GONG Jianguo, WANG Qiuhong. A Method for Evaluating the Safety over the Takeover Process of the Level 3 Automated Vehicles Based on IAHP-EWM-LDM[J]. Journal of Transport Information and Safety, 2023, 41(4): 14-23. doi: 10.3963/j.jssn.1674-4861.2023.04.002
Citation: LI Zhenlong, PAN Mengniu, QU Yansong, ZHAO Xiaohua, GONG Jianguo, WANG Qiuhong. A Method for Evaluating the Safety over the Takeover Process of the Level 3 Automated Vehicles Based on IAHP-EWM-LDM[J]. Journal of Transport Information and Safety, 2023, 41(4): 14-23. doi: 10.3963/j.jssn.1674-4861.2023.04.002

基于IAHP-EWM-LDM的L3级自动驾驶接管过程安全性评价方法

doi: 10.3963/j.jssn.1674-4861.2023.04.002
基金项目: 

公安理论及软科学研究计划项目 2021LL62

详细信息
    通讯作者:

    李振龙(1976—),博士,教授.研究方向: 交通控制、驾驶行为等. E-mail: lzl@bjut.edu.cn

  • 中图分类号: U491.2+5

A Method for Evaluating the Safety over the Takeover Process of the Level 3 Automated Vehicles Based on IAHP-EWM-LDM

  • 摘要: 在L3级自动驾驶阶段,驾驶人需要在系统发出接管请求时,及时响应并接管车辆。因此为了准确评估L3级自动驾驶车辆接管过程的安全性,构建了自动驾驶接管过程的安全性评价指标体系。本文采用4×2×2的接管场景因子设计了驾驶模拟试验,利用驾驶模拟器采集各类驾驶数据;基于变异系数法和Spearman相关性判别法从风险感知、避险操纵和接管绩效3个方面分析得到了13个安全性评价指标;使用能够表征专家经验的改进层次分析法求取指标的主观权重,使用能够反映数据特征的熵权法求取指标的客观权重;为综合2种方法的优点,利用级差最大化法获得了融合主、客观权重的综合权重,并通过计算得出风险感知、避险操纵、接管绩效的综合权重分别为0.259、0.475、0.271,以此结果来构建接管过程的安全性评价指标体系。本文运用该体系对驾驶模拟试验所获得的655个接管过程进行了综合评价,根据评价结果将其划分为A、B、C这3类接管过程。对比3类接管过程在风险感知、避险操纵、接管绩效3个方面的得分发现,A类接管过程在3个方面均表现较好,C类接管过程在避险操纵和接管绩效2个方面表现较差,B类指标的表现介于A类和C类之间,不同类别的接管过程在各个指标上均具有较好的区分度。本文构建的评价指标体系有效结合了专家经验和指标特征,能够为更加全面、合理和科学地评价自动驾驶接管过程中的安全性提供理论支持。

     

  • 图  1  试验设备

    Figure  1.  The laboratory equipment

    图  2  接管情境示意图

    Figure  2.  Schematic diagram of takeover scenario

    图  3  接管场景布设

    Figure  3.  Location of takeover scenarios

    图  4  接管过程安全性评价指标体系

    Figure  4.  The takeover process safety evaluation indicators system

    图  5  最优和最差接管过程的归一化指标

    Figure  5.  Best and worst takover process normalized indicators

    表  1  驾驶人信息

    Table  1.   Driver information

    驾驶人属性 数量/人 平均值 标准差
    性别 32
    10
    年龄/岁 青年(≥18~35) 15 23.2 2.0
    中年(> 35~60) 14 46.5 6.6
    老年(> 60) 13 63.7 2.9
    驾龄/年 低驾龄(≥1~12) 18 4.1 2.7
    中驾龄(> 12~26) 14 20.2 4.7
    高驾龄(> 26) 10 32.0 4.4
    下载: 导出CSV

    表  2  接管情景组合及编号

    Table  2.   Takeover scenario combinations and numbers

    接管情境 驾驶次任务 接管请求时间/s 接管场景
    主线情境 看视频答题 5 S1
    10 S2
    微信发语音 5 S3
    10 S4
    团雾情境 看视频答题 5 S5
    10 S6
    微信发语音 5 S7
    10 S8
    事故情境 看视频答题 5 S9
    10 S10
    微信发语音 5 S11
    10 S12
    匝道情境 看视频答题 5 S13
    10 S14
    微信发语音 5 S15
    10 S16
    下载: 导出CSV

    表  3  HMI界面

    Table  3.   HMI interface

    自动驾驶状态 描述 系统状态显示
    不可用-H1 周围环境不满足自动驾驶要求,自动驾驶系统不可用
    可用-H2 自动驾驶系统尚未激活,可按下“启动”按钮激活
    已激活-H3 自动驾驶系统已激活,自动驾驶系统可用
    接管请求-H4 系统发出请求,驾驶人按下“接管”按钮,控制权切换为驾驶人
    下载: 导出CSV

    表  4  初选参数的变异系数

    Table  4.   The coefficient variation of primary parameters

    序号 参数 均值 标准差 变异系数/% KS检验
    1 Fix_time 0.250 0.131 52.400 0.05
    2 Sac_time 0.111 0.153 137.838 0.05
    3 Rate_pupil 0.029 0.020 68.966 0.05
    4 Diff_pupil 22.239 12.989 58.406 0.05
    5 Mani_time 6.515 7.454 114.413 0.05
    6 Mani_TTC 5.151 4.418 85.77 0.05
    7 Std_brake 16.612 24.314 146.364 0.05
    8 Std_wheel 0.110 0.162 147.273 0.05
    9 Std_gas 0.085 0.058 68.235 0.05
    10 Std_a_x 0.352 0.285 80.966 0.05
    11 Std_lp 0.612 0.264 43.137 0.05
    12 Std_a_y 0.831 0.689 82.912 0.05
    13 Std_speed 11.213 6.836 60.965 0.05
    下载: 导出CSV

    表  5  初选参数相关系数(部分)

    Table  5.   The correlation coefficient of primary parameters (part)

    相关系数 Sac_time Diff_pupil Mani_time Std_gas
    Fix_time 0.053 0.152 0.063 0.070
    Rate_pupil 0.370 0.146 -0.015 -0.010
    Mani_TTC -0.003 0.038 -0.348 0.087
    Std_wheel -0.072 -0.216 0.016 0.265
    Std_a_x -0.129 -0.297 -0.035 0.137
    下载: 导出CSV

    表  6  指标权重及差异情况

    Table  6.   The index weight and differences

    指标 均值 标准差 变异系数/%
    Fix_time 0.090 0.012 13.333
    Sac_time 0.090 0.013 14.444
    Rate_pupil 0.085 0.010 11.765
    Diff_pupil 0.082 0.008 9.756
    Mani_time 0.087 0.011 12.644
    Mani_TTC 0.086 0.015 17.442
    Std_brake 0.058 0.010 17.241
    Std_wheel 0.060 0.007 11.667
    Std_gas 0.052 0.011 21.154
    Std_a_x 0.078 0.012 15.385
    Std_lp 0.080 0.014 17.500
    Std_a_y 0.076 0.011 14.474
    Std_speed 0.076 0.015 19.737
    下载: 导出CSV

    表  7  评价指标权重

    Table  7.   The evaluation index weight

    一级指标 二级指标 三级指标 权重
    IAHP EWM LDM
    风险感知 视觉感知 Fix_time 0.090 0.063 0.063
    Sac_time 0.090 0.041 0.041
    视觉负荷 Rate_pupil 0.085 0.075 0.075
    Diff_pupil 0.082 0.050 0.080
    避险操纵 接管反应 Mani_time 0.087 0.029 0.079
    Mani_TTC 0.086 0.124 0.116
    执行阶段 Std_brake 0.058 0.168 0.108
    Std_wheel 0.060 0.129 0.120
    Std_gas 0.052 0.071 0.052
    接管绩效 横向表现 Std_a_x 0.078 0.097 0.078
    Std_lp 0.080 0.032 0.072
    纵向表现 Std_a_y 0.076 0.067 0.067
    Std_speed 0.076 0.054 0.054
    下载: 导出CSV

    表  8  指标权重偏差

    Table  8.   Index weight deviation

    指标 平均值 IAHP/% EWM/% LDM/%
    Fix_time 0.072 26 13 13
    Sac_time 0.057 57 29 29
    Rate_pupil 0.078 9 4 4
    Diff_pupil 0.071 16 29 13
    Mani_time 0.065 33 55 22
    Mani_TTC 0.109 21 14 7
    Std_brake 0.111 48 51 3
    Std_wheel 0.103 42 25 16
    Std_gas 0.058 11 22 11
    Std_a_x 0.084 8 15 8
    Std_lp 0.061 31 48 17
    Std_a_y 0.070 9 4 4
    Std_speed 0.062 23 12 12
    累计偏差 332 321 159
    下载: 导出CSV

    表  9  3类接管过程评价指标平均值

    Table  9.   Average of three types of takeover process evaluation indicators

    一级指标 指标 指标序号 A B C
    风险感知 Fix_time 1 0.24 0.25 0.27
    Sac_time 2 0.11 0.11 0.11
    Rate_pupil 3 0.02 0.03 0.03
    Diff_pupil 4 17.66 22.25 23.46
    避险操纵 Mani_time 5 5.77 6.91 6.45
    Mani_TTC 6 8.52 4.25 3.64
    Std_brake 7 5.57 11.29 38.29
    Std_wheel 8 0.05 0.07 0.25
    Std_gas 9 0.06 0.08 0.13
    接管绩效 Std_a_x 10 0.27 0.34 0.46
    Std_lp 11 0.53 0.59 0.74
    Std_a_y 12 0.43 0.65 1.60
    Std_speed 13 7.10 10.19 17.44
    下载: 导出CSV

    表  10  接管过程评价指标对比

    Table  10.   Comparison of evaluation indicators of the takeover process

    一级指标 指标 RAB /% RBC /%
    风险感知 Fix_time 95.12 61.89
    Sac_time 10.00 13.90
    Rate_pupil 87.20 1.83
    Diff_pupil 18.90 4.57
    避险操纵 Mani_time 28.66 15.24
    Mani_TTC 63.41 10.98
    Std_brake 74.39 86.89
    Std_wheel 87.20 29.88
    Std_gas 70.73 57.93
    接管绩效 Std_a_x 75.61 82.62
    Std_lp 76.22 94.82
    Std_a_y 66.46 58.84
    Std_speed 73.17 35.37
    下载: 导出CSV

    表  11  G15G229的评价指标

    Table  11.   The evaluation indicators of G15 and G229

    一级指标 指标 指标序号 G299 G15
    风险感知 Fix_time 1 0.16 0.22
    Sac_time 2 0.05 0.33
    Rate_pupil 3 0.02 0.04
    Diff_pupil 4 4.91 13.10
    避险操纵 Mani_time 5 5.50 5.92
    Mani_TTC 6 16.14 2.50
    Std_brake 7 0.00 63.04
    Std_wheel 8 0.12 0.32
    Std_gas 9 0.01 0.27
    接管绩效 Std_a_x 10 0.45 1.19
    Std_lp 11 0.64 0.83
    Std_a_y 12 0.10 3.62
    Std_speed 13 2.98 22.82
    下载: 导出CSV
  • [1] SAE International. Taxonomy and definitions for terms related to on-road motor vehicle automated driving systems: SAE J3016-2021[S]. Warrendale: SAE International, 2021.
    [2] 中华人民共和国工业和信息化部. 汽车驾驶自动化分级: GB/T 40429—2021[S]. 北京: 中国标准出版社, 2021.

    Ministry of Industry and Information Technology of the People's Republic of China. Taxonomy of drivingautomation for Vehicles: GB/T 40429—2021[S]. Beijing: China Standard Press, 2021. (in Chinese)
    [3] GOOGLE. Google self-driving car testing report on disengagements of autonomous mode[R]. Google Auto LLC, 2015, 92(12): 249-255.
    [4] 鲁光泉, 陈发城, 李鹏辉, 等. 驾驶人跟车风险接受水平对其接管绩效的影响[J]. 汽车工程, 2021, 43(6): 808-814. doi: 10.19562/j.chinasae.qcgc.2021.06.003

    LU G Q, CHEN F C, LI P H, et al. Effect of drivers' acceptance level of car-following risk on the takeover performance[J]. Automotive Engineering, 2021, 43(6): 808-814. (in Chinese) doi: 10.19562/j.chinasae.qcgc.2021.06.003
    [5] 安玉, 焦朋朋, 白紫秀. 考虑多因素的驾驶行为安全评价与风险等级预测[J]. 系统仿真学报, 2021, 33(1): 118-126. https://www.cnki.com.cn/Article/CJFDTOTAL-XTFZ202101015.htm

    AN Y, JIAO P P, BAI Z X. Safety evaluation and risk level prediction of driving behavior considering multi-factors influence[J]. Journal of System Simulation, 2021, 33(1): 118-126. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-XTFZ202101015.htm
    [6] SCHÖNER H P, PRETTO P, SODNIK J, et al. A safety score for the assessment of driving style[J]. Traffic Injury Prevention, 2021, 22(5): 384-389. doi: 10.1080/15389588.2021.1904508
    [7] 咸化彩, 金立生, 李科勇, 等. 基于网络分析法的次任务驾驶安全评价模型[J]. 长安大学学报(自然科学版), 2015, 35: 124-128. https://www.cnki.com.cn/Article/CJFDTOTAL-XAGL2015S1027.htm

    XIAN H C, JIN L S, LI K Y, et al. Driving safety evaluation model for secondary task driving by using the method of ANP[J]. Journal of Chang'an University(Nature Science Edition), 2015, 35: 124-128. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-XAGL2015S1027.htm
    [8] 刘志强, 王涛. 基于改进TOPSIS的驾驶行为实时安全性评估方法[J]. 重庆理工大学学报(自然科学), 2021, 35(11): 58-66. https://www.cnki.com.cn/Article/CJFDTOTAL-CGGL202111008.htm

    LIU Z Q, WANG T. Real-time safety assessment method of driving behavior based on improved topsis[J]. Journal of Chongqing University of Technology(Natural Science), 2021, 35(11): 58-66. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-CGGL202111008.htm
    [9] LIN Q F, LI S Q, MA X W, et al. Understanding take-over performance of high crash risk drivers during conditionally automated driving[J]. Accident Analysis & Prevention, 2020, 143: 105543.
    [10] 林庆峰, 王兆杰, 鲁光泉. L3级自动驾驶汽车的接管安全性评价模型[J]. 汽车工程, 2019, 41(11): 1258-1264. https://www.cnki.com.cn/Article/CJFDTOTAL-QCGC201911006.htm

    LIN Q F, WANG Z J, LU G Q. Takeover safety evaluation model for level 3 automated vehicles[J]. Automotive Engineering, 2019, 41(11): 1258-1264. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-QCGC201911006.htm
    [11] GOLD C, HAPPEE R, BENGLER K. Modeling take-over performance in level 3 conditionally automated vehicles[J]. Accident Analysis & Prevention, 2017, 116: 3-13.
    [12] 钮建伟, 张雪梅, 孙一品, 等. 险情中驾驶人接管自动驾驶车辆的驾驶行为研究[J]. 中国公路学报, 2018, 31(6): 272-280. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGL201806015.htm

    NIU J W, ZHANG X M, SUN Y P, et al. Analysis of the driving behavior during the takeover of automatic driving vehicles in dangerous traffic situations[J]. China Journal of Highway and Transport, 2018, 31(6): 272-280. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGL201806015.htm
    [13] 马小翔, 陈丰, 张霖. 预期接管场景下接管绩效及接管风险研究[J]. 中国公路学报, 2022, 35(1): 159-168. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGL202201014.htm

    MA X X, CHEN F, ZHANG L. Takeover-performance and takeover-risk evaluation under non-critical transition scenarios[J]. China Journal of Highway and Transport, 2022, 35 (1): 159-168. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGL202201014.htm
    [14] 周荣贵, 钟连德. 公路通行能力手册[M]. 北京: 人民交通出版社, 2017.

    ZHOU R G, ZHONG L D. Highway capacity manual[M]. Beijing: China Communications Press, 2017. (in Chinese)
    [15] ZEEB K, BUCHNER A, SCHRAUF M. Is take-over time all that matters? The impact of visual-cognitive load on driver take-over quality after conditionally automated driving[J]. Accident Analysis & Prevention, 2016, 92: 230-239.
    [16] ITO T, TAKATA A, OOSAWA K. Time required for take-over from automated to manual driving[J]. SAE Technical Paper, 2016, 158(4): 1-6.
    [17] 林庆峰, 王兆杰, 鲁光泉. 城市道路环境下自动驾驶车辆接管绩效分析[J]. 中国公路学报, 2019, 32(6): 240-247. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGL201906025.htm

    LIN Q F, WANG Z J, LU G Q. Analysis of take-over performance for automated vehicles in urban road environments[J]. China Journal of Highway and Transport, 2019, 32(6): 240-247. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGL201906025.htm
    [18] 冯忠祥, 李靖宇, 张卫华, 等. 面向人机共驾车辆的驾驶人风险感知研究综述[J]. 交通信息与安全, 2022, 40(2): 1-10. doi: 10.3963/j.jssn.1674-4861.2022.02.001

    FENG Z X, LI J Y, ZHANG W H, et al. A reviewon driver's perception of risk associated with autonomous driving under human-computer shared control[J]. Journal of Transport Information and Safety, 2022, 40(2): 1-10. (in Chinese) doi: 10.3963/j.jssn.1674-4861.2022.02.001
    [19] 郭应时. 交通环境及驾驶经验对驾驶员眼动和工作负荷影响的研究[D]. 西安: 长安大学, 2009.

    GUO Y S. Study on effects of traffic environment and driving experience on driver's eye movement and workload[D]. Xi'an: Chang'an University, 2009. (in Chinese)
    [20] 郭子慧, 郭伟伟, 谭墍元. 驾驶员接管自动驾驶车辆的眼动特性和行为分析[J]. 中国安全科学学报, 2022, 32(1): 65-71. https://www.cnki.com.cn/Article/CJFDTOTAL-ZAQK202201009.htm

    GUO Z H, GUO W W, TAN X Y. Analysis on eye movement characteristics and behavior of drivers taking over automated vehicles[J]. China Safety Science Journal, 2022, 32 (1): 65-71. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZAQK202201009.htm
    [21] 梅家林, 杜志刚, 郑号染, 等. 不同时段特长隧道入口区域视觉负荷研究[J]. 中国安全科学学报, 2021, 31(6): 176-181. https://www.cnki.com.cn/Article/CJFDTOTAL-ZAQK202106025.htm

    MEI J L, DU Z G, ZHENG H R, et al. Research on visual load at entrance area of extra-long tunnel in different periods[J]. China Safety Science Journal, 2021, 31(6): 176-181. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZAQK202106025.htm
    [22] 鲁光泉, 赵鹏云, 王兆杰, 等. 自动驾驶中视觉次任务对年轻驾驶人接管时间的影响[J]. 中国公路学报, 2018, 31(4): 165-171. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGL201804021.htm

    LU G Q, ZHAO P Y, WANG Z J, et al. Impact of visual secondary task on young drivers' take-over time in automated driving[J]. China Journal of Highway and Transport, 2018, 31(4): 165-171. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGL201804021.htm
    [23] 李鹏辉, 廖呈玮, 郑志晓, 等. 认知分心对车辆跟驰过程操控安全性的影响[J]. 中国公路学报, 2018, 31(5): 167-173. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGL201805021.htm

    LI P H, LIAO C W, ZHENG Z X, et al. Impact of cognitive distraction on vehicle control safety in car-following situation[J]. China Journal of Highway and Transport, 2018, 31 (5): 167-173. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGL201805021.htm
    [24] 徐超. 基于虚拟驾驶的切换型人机共驾行为评价[D]. 长春: 吉林大学, 2018.

    XU C. Evaluation of cooperative driving behavior based on the virtual driving[D]. Changchun: Jilin University, 2018. (in Chinese)
    [25] 赵微, 林健, 王树芳, 等. 变异系数法评价人类活动对地下水环境的影响[J]. 环境科学, 2013, 34(4): 1277-1283. https://www.cnki.com.cn/Article/CJFDTOTAL-HJKZ201304011.htm

    ZHAO W, LIN J, WANG S F, et al. Influence of human activities on groundwater environment based on coefficient variation method[J]. Environmental Science, 2013, 34(4): 1277-1283. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-HJKZ201304011.htm
    [26] HAO R, YANG H, ZHOU Z. Driving behavior evaluation model base on big data from internet of vehicles[J]. International Journal of Ambient Computing and Intelligence, 2019, 10(4): 78-95.
  • 加载中
图(5) / 表(11)
计量
  • 文章访问数:  219
  • HTML全文浏览量:  93
  • PDF下载量:  30
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-07-21
  • 网络出版日期:  2023-11-23

目录

    /

    返回文章
    返回