2020年10月20日-22日，由國家市場監(jiān)督管理總局缺陷產(chǎn)品管理中心、浙江清華長三角研究院、中國汽車工程研究院股份有限公司、重慶市合川區(qū)人民政府聯(lián)合主辦的第三屆中國汽車安全與召回技術(shù)論壇在重慶隆重召開。本屆論壇以“智能新能源汽車全產(chǎn)業(yè)鏈安全與技術(shù)創(chuàng)新”為主題，匯聚120家政府機(jī)構(gòu)、事業(yè)單位、科研院所以及整車和零部件企業(yè)等行業(yè)翹楚權(quán)威論道。其中，在10月22日舉辦的“事故深度調(diào)查數(shù)據(jù)驅(qū)動(dòng)的車輛安全技術(shù)”專題論壇上，西華大學(xué)汽車與交通學(xué)院副教授、西華交通司法鑒定中心常務(wù)副主任李平飛發(fā)表了核心為《面向智能汽車的交通事故場景數(shù)據(jù)庫構(gòu)建及應(yīng)用研究》的精彩演講。以下內(nèi)容為現(xiàn)場演講實(shí)錄：

西華大學(xué)汽車與交通學(xué)院副教授、西華交通司法鑒定中心常務(wù)副主任 李平飛

大家上午好！因?yàn)榕碓洪L臨時(shí)有事，所以由我來代他就我們的研究內(nèi)容跟各位做一個(gè)交流。我主要從三個(gè)方面來講。

第一，面向智能汽車事故庫場景庫概括

就場景庫這一塊來說，基于NAIS等相關(guān)數(shù)據(jù)我們構(gòu)建了三個(gè)場景庫。這三個(gè)場景庫總體來講，一方面考慮數(shù)據(jù)怎么基于NAIS數(shù)據(jù)，基于場景庫，另外一個(gè)我們也考慮怎么對接應(yīng)用，包括提取數(shù)據(jù)相關(guān)的供應(yīng)鏈以及建立數(shù)據(jù)等方面，所以我們也開發(fā)了道路元素庫，通過相應(yīng)的工具可以比較方便地構(gòu)建道路元素。比如我們的道路標(biāo)線標(biāo)識等等，通過分圖層可以方便快速地進(jìn)入我們的產(chǎn)品元素和后續(xù)應(yīng)用。

對應(yīng)用這一塊，我們初期考慮針對一些商業(yè)軟件能夠快速用到專業(yè)軟件的仿真。我們目前使用到由NAIS進(jìn)入產(chǎn)品庫，快速地對接到商業(yè)軟件做一些支撐仿真。在我們目前的產(chǎn)品庫里面，大概有1千多例場景數(shù)據(jù)，絕大多數(shù)都具備視頻和快速的把數(shù)據(jù)應(yīng)用于仿真。我們這些數(shù)據(jù)的基本特點(diǎn)，前面肖主任也提到一點(diǎn)，一方面有大量數(shù)據(jù)支撐，另外我們建這個(gè)場景把相關(guān)元素接入進(jìn)來，比如相關(guān)車在道路上行駛，可能對這起事故發(fā)生影響，我們也一起考慮進(jìn)來，因?yàn)槲覀冇X得這些也是我們在做后續(xù)的智能汽車開發(fā)時(shí)需要考慮的。

這個(gè)是我們和中國汽研在合作，主要是我們在場景數(shù)據(jù)應(yīng)用這一方面，如何能夠廣泛地應(yīng)用于各種平臺，我們也在考慮讓我們的數(shù)據(jù)更標(biāo)準(zhǔn)化，我們和中國汽研合作將我們的場景數(shù)據(jù)能夠比較方便地直接轉(zhuǎn)移為通用的Open X格式，這樣可以方便地加以應(yīng)用。另外一個(gè)我們場景多數(shù)還有視頻，所以我們也想能不能直接通過視頻來提取相關(guān)信息，比如說車輛的動(dòng)態(tài)信息，道路的相關(guān)信息，所以我們也和相關(guān)高校在合作，開發(fā)工具，直接從視頻里面提取我們場景所需要的動(dòng)態(tài)和靜態(tài)數(shù)據(jù)。這是我們場景庫的簡單介紹。

第二，車和車場景危險(xiǎn)程度評價(jià)

我們是從事故前、事故后來看車輛事故場景的復(fù)雜情況，現(xiàn)在主要針對車碰車的事故類型。我們首先把場景分類，從事故后果嚴(yán)重程度來評價(jià)，目前在這個(gè)模型里面主要是考慮人傷，再一個(gè)是車的損失情況?，F(xiàn)在這個(gè)模型目前還沒有把路產(chǎn)損失考慮進(jìn)來，這個(gè)是后續(xù)需要補(bǔ)充的內(nèi)容。我們在考慮人傷和車輛損失的綜合因素下，將等級分為五級，一級最高，五級最低。我們的場景數(shù)據(jù)來自于NAIS，NAIS數(shù)據(jù)事故嚴(yán)重程度相對較高，所以在一到五級，一級定義有人死亡或者車輛報(bào)廢，五級車輛相對來講是刮擦，人員受傷比較輕。從基本情況來看，也能看得出某類場景的分布集中，比如有的場景類別一二級嚴(yán)重程度比較高，有的集中在四五級嚴(yán)重程度較低。場景類別我們的數(shù)據(jù)主要是乘用車和商用車相撞，相對來講等級比較高，車與車相撞事故相對來講致?lián)p程度較低一點(diǎn)。

場景復(fù)雜程度。我們主要考慮車主、交通參與者和道路環(huán)境信息等。等級分為簡單場景、中等程度和復(fù)雜程度三個(gè)等別。從車和車這類事故場景來看，都有基本特點(diǎn)，各類場景復(fù)雜程度也有一定分布，比如復(fù)雜場景分布，總體來講復(fù)雜程度較高，場景基本特點(diǎn)一般和行駛狀態(tài)有關(guān)，比如掉頭或者乘用車和商用車之間，或者是道路的復(fù)雜程度，或者是行駛速度較快，這些都對場景的復(fù)雜程度有一定的影響。我們考慮的復(fù)雜程度因素應(yīng)該算是不太全面，尤其是交通流的影響在我們模型里面還沒有較好的考慮進(jìn)來，所以在三個(gè)等級里面應(yīng)該說其他交通參與者的影響這個(gè)因素還沒有顯現(xiàn)出來。從我們的視頻來看，包括前面黃教授展示的視頻，其他交通參與者影響應(yīng)該說對事故發(fā)生有較大影響，這個(gè)因素我們在后續(xù)會(huì)進(jìn)一步完善。

場景危險(xiǎn)程度。致?lián)p等級和危險(xiǎn)層次作為我們場景危險(xiǎn)因素來說，可以看到致?lián)p等級很高，場景就會(huì)很復(fù)雜，比如就像路口這種垂直行駛的，這種事故往往后果嚴(yán)重，場景的復(fù)雜程度也會(huì)相對較高。從我們分析結(jié)果來看，有的致?lián)p程度很高，但是場景并不復(fù)雜，比如說乘用車相撞擊，這種因素更多是駕駛員因素。有的等級比較低，但場景比較復(fù)雜等等的組合。有了基本判斷以后，可能對于后期應(yīng)用場景會(huì)更好，我們會(huì)更多地關(guān)注危險(xiǎn)程度較高的場景或者說我們會(huì)關(guān)注復(fù)雜程度較高的產(chǎn)品。

第三，VRU典型事故場景

第一個(gè)是兩輪車典型事故場景。有了這些場景數(shù)據(jù)以后，典型產(chǎn)品的提取等等以及基于典型產(chǎn)品來做這個(gè)場景的推演，包括前面黃教授提到的模型，怎么由事故場景最后得到三角形底部的大量場景。方法很多，我們也做了一些嘗試。

第二個(gè)是人車事故場景。我們也從我們的數(shù)據(jù)中提取了典型場景，一共有7類。從這7類來看，數(shù)據(jù)占比有兩類很高，共同的特點(diǎn)是行人橫穿。這個(gè)在我們國內(nèi)不管是行人因素也好，還是道路的因素也好，橫穿導(dǎo)致的事故數(shù)據(jù)占比很高，行人導(dǎo)致事故視野遮擋情況比較突出，且視野遮擋的場景也是千奇百怪，比如臨時(shí)障礙物，比如車停下來以后的視野遮擋，或者是移動(dòng)的障礙物，在車流之間突然沖出來的視野遮擋……這些從安全角度來講都是比較復(fù)雜的。這一類情況在場景數(shù)據(jù)里面都有比較好的展示，可以通過數(shù)據(jù)查詢看到這一類事故視野遮擋的情況，或者靜態(tài)障礙物的產(chǎn)品都可以通過我們的場景展現(xiàn)出來。

今天我向各位就匯報(bào)到這里。謝謝大家！

（注：本文根據(jù)現(xiàn)場速記整理，未經(jīng)演講嘉賓審閱，請勿轉(zhuǎn)載）