第5章自动驾驶

人工干预程度较大
3 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
综合等级
（5,5,5）
（5,5,4）（5,4,5）（4,5,5） （5,4,4）（4,5,4）（4,4,5） （4,4,3）（4,3,4）（3,4,4） （4,3,3）（3,4,3）（3,3,4）
（3,3,3） （3,3,2）（3,2,3）（2,3,3） （3,2,2）（2,3,2）（2,2,3）
（2,2,2） （2,2,1）（2,1,2）（1,2,2） （2,1,1）（1,2,1）（1,1,2）
（1,1,1）
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
• （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。
n
3
4
5
6
7
8
9 10 11
C.R. 0.58 0.9 1.12 1.24 1.32 1.41 1.45 1.49 1.51
• 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
• （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
统
系统
驾驶人 驾驶人
系统
系统 驾驶人
系统
系统
系统
系统
系统
系统
应对工况 无 部分
部分 部分 部分
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。
• Level 4——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 0 1
名称 人工驾驶 辅助驾驶
2 半自动驾驶 3 高度自动驾驶 4 超高度自动驾
驶 5 全自动驾驶
转向/速度 环境感知 极限条件
驾驶人 驾驶人 驾驶人
驾驶人+系 驾驶人 驾驶人
• 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
Wi
Wi
n
Wi
i 1
• （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
C.I max n
n 1
C.I. 0.1 C.R.
等级
0 1
2
3 4
定义
驾驶
无自动化
驾驶人
特定功能自动驾 驾驶人和
驶
系统
集成功能自动驾
驶
有条件自动驾驶 系统
完全自动化
监控
主体 支援
驾驶人
驾驶人
系统
系统
作用域 无
部分
全域
• Level 0——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。
• （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。
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
介于上述两个相邻判断的中值
准则层
A1
A2
…
An
A1
a11
a12
…
a1n
A2
a21
a22
…
a2n
…
…
…
…
…
An
an1
an2
…
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
aij
aij
n
aij
i 1
n
Wi aij j 1
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 紧急声音认知下的行为决策、局部路径规划
识别、自然语言理解
交通信号灯停车排队
交通信号灯标志识别、 交通信号灯标志下的行为决策、全局路径规
车辆识别
划、局部路径规划
• 3. 人工干预程度划分
• Level 1——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
• Level 2——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
• Level 3——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
径规划 局部路径会话、跟车行
为决策 局部路径规划 局部路径规划
• 2. 自动驾驶车辆任务等级划分
等级 4
任务描述
所需感知能力
语音指令停车
语音识别、自然语音识别
避让动态障碍物
障碍物识别、车Biblioteka Baidu线识别
避让动态障碍物后返回原车 障碍物识别、车道线识别
道
泊车
停车位识别
紧急制动
障碍物识别
GPS信号缺失时的导航性能 车辆位置信息丢失下的基本
• （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
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。
• 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。
任务描述 遥控起步、刹车
限速 直道车道保持 停车线停车 GPS导航性能
U-Turn
车道保持
避让静态障碍物 避障后返回原车道
所需感知能力 无 无
车道线识别 停车线识别
无 路面拓扑结构识别
车辆识别、车距检测
障碍物识别 障碍物识别、车道线识别
所需智能决策能力 无 无
局部路径规划 停车行为决策 全局路径规划 弯道行为决策、局部路
2，4，6，8
介于上述两个相邻判断的中值
比例标尺 1/3 1/5 1/7 1/9
1/2，1/4，1/6， 1/8
次要度定义 表示两个因素比较，一个因素比另一个因素稍次要 表示两个因素比较，一个因素比另一个因素次要 表示两个因素比较，一个因素比另一个因素次要得多 表示两个因素比较，一个因素比另一个因素极为次要
• （4）层次排序 在计算完权重量后需要进行层次排序。
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
行车行为的鲁棒性
所需智能决策能力 无
局部路径规划 局部路径会话
泊车行为决策 局部路径规划
无
• 2. 自动驾驶车辆任务等级划分
等级 5
任务描述
所需感知能力
所需智能决策能力
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
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 环境复杂程度
1~3级 简单环境
4~6级 中等环境
7~9级 复杂环境
10级 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
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。 S (S1, S2 , S3, S4,..., Snk )T kx , mx
智能水平 等级
任务复杂度
环境复杂度
10 独立完成任务个数最多，任务难度最高 环境复杂度最
高
9
独立完成任务个数多，任务难度高 环境复杂度高
8
7 独立完成任务数量中等，任务难度中等 环境复杂度中
6
等
人工干预度 人工干预程度很小
人工干预程度小 人工干预程度中等
5
4
独立完成任务个数少，任务难度低 环境复杂低
• 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 C C1 C2
• 建立道路交通静态环境复杂度的计算方法：
C1 1(1 X1 2 X2 3 X3 4 X4 5 X5)
• 道路交通动态环境复杂度的计算模型为
C2 2(1 Y1 2 Y2 3 Y3 4 Y4 5 Y5)
• 2. 自动驾驶车辆任务等级划分
等级 1 2
3
• 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
第5章 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。