用于先进驾驶员辅助系统的在线评估系统

用于先进驾驶员辅助系统的在线评估系统

对先进驾驶辅助系统（ADAS）的评估受到了工业界和学术界的广泛关注。AsPeCSS（行人安全系统评估）主动安全项目得出结论，在试验室中对主动安全系统进行试验得出的结论并不等同于其在实际交通条件下有效，而且许多对于ADAS的评估和评估标准要求使用测试轨道（或虚拟车辆、行人假人等），成本十分昂贵且限制了测试能力。提出了用于ADAS的在线评估（OBE）系统，该系统能够在现实交通状况下进行低成本评估。在OBE系统能够监控、记录、分析和报告评估状态下ADAS的内部行为和外部环境。此外，OBE系统执行白盒测试和黑盒测试（评估危险情况下整体行为和根据预定义的测试场景评估ADAS的功能、性能）。为了检验ADAS是否能够在恰当的响应时间内检测到环境危险，提出了补充的称为危险检测单元（HDU）的在线评估子系统。HDU基于一些著名的机器学习（ML）算法，其可以验证ADAS是否检测到了危险。触发OBE系统开始评价的为HDU，ADAS发出的警告，旨在检测车道偏离、车速过快、加速度突然变化、无视停车标志和跟随车安全距离不足。

仿真试验结果表明，有着二进制和数字化属性的机器学习分类决策树（是评估系统中的策略）的使用被证明能够实现对给定结果最佳的分类精度和最小的均方误差值。评估系统并不能替代现场测试，而是进行完善。通过OBE系统能够消除研发阶段较差的设计选择，因为现实中的可变性和不确定性会影响主动安全的认证过程。

MostafaAnwarTaieetal. SAE 2016-01-0123.

编译：杨昆