非驾驶任务对智能汽车SOTIF失效降级接管时间的影响研究.pdf

摘要

近年来，随着汽车自动化、智能化、网联化以及共享化的日益提高，辅助驾驶

相关的技术也在迅速发展。与传统车辆相比，辅助驾驶车辆需要有更严格的安全级

别，辅助驾驶车辆的功能越来越好，随之带来的是对电气元件布局的要求，也将会

越来越高，电气的架构也将会越来越复杂。但辅助驾驶功能并没有明显的减少交通

事故的发生，其根本原因是由于除了智能系统的辅助外，还需要对人为因素进行合

理的监控。对驾驶员的不规范行为进行监测和提醒，降低由于驾驶员本身的行为不

规范造成的事故发生率。针对现存的研究问题，本文研究非驾驶任务对智能汽车

SOTIF失效降级接管时间的影响，对驾驶员接管时间进行测量，然后识别非驾驶任

务，再进行接管时间验证，通过以上研究，达到让驾驶员在自动驾驶系统失效且进

行非驾驶任务的情况下安全接管的目的，本文的主要研究内容如下：

(1)根据人机接管系统的缺点，应用prescan软件建立了双向四车道的高速公路驾

驶仿真场景，添加车辆动力学模型和驾驶员模型，建立了驾驶员接管报警算法。该

算法的测试场景为自车行驶中遇到同车道前方的一辆抛锚车辆，自车的自动驾驶系

统AEB失效，请求驾驶员接管车辆来避免车辆的相撞。主要是测量驾驶员在打电话、

疲劳和吸烟的情况下，接收到报警信号到踩刹车的时间，本试验选取了100名不同年

龄、驾龄和性别的被试者，来分别完成三项非驾驶任务的接管时间测量试验，并对

试验数据进行记录与统计分析，得出三项非驾驶任务测试的最佳接管时间。

(2)本试验需要对非驾驶任务进行检测和识别。试验选用检测性能优秀的

YOLOv5s目标检测算法来实现非驾驶任务中打电话和吸烟的检测，为了进一步提高

YOLOv5s网络训练模型的检测性能，搜集和制作了满足试验要求的打电话和吸烟数

据集，并用k-means聚类算法对数据集的anchorbox进行聚类，得到更符合YOLOv5s

网络模型的9种不同大小的anchorbox。驾驶员疲劳的检测选用PFLD脸部关键点检

测算法来实现，采用EAR的值对驾驶员眼部关键点的开合度进行推算，并将实时采

集的驾驶员眼部信息，当作检测疲劳驾驶的依据。为了验证接管时间测量试验的结

果，用YOLOv5s目标检测算法和PFLD脸部关键点检测算法来实现对非驾驶任务的

有效识别，识别出三种非驾驶任务的类别，进行非驾驶接管任务时间的设定，然后

将试验结果与非驾驶接管时间进行对比，对比结果表明驾驶员能够顺利的完成接管

任务。最后通过车辆制动模型来验证非驾驶任务接管试验的合理性。

关键字：辅助驾驶；SOTIF失效降级接管；非驾驶任务；目标检测

ABSTRACT

Inrecentyears,withtheincreasingimprovementofautomotiveautomation,intelligence,

networkingandsharing,thetechnologyrelatedtoassisteddrivingisalsodevelopingrapidly.

Comparedwithtraditionalvehicles,assisteddrivingvehiclesneedtohaveamorestringent

safetylevel,thefunctionofassisteddrivingvehiclesisgettingbetterandbetter,andwithit,

therequirementsforthelayoutofelectricalcomponentswillbehigherandhigher,andthe

electricalarchitecturewillbemoreandmorecomplex.However,theauxiliarydriving

functionhasnotsignificantlyreducedtheoccurrenceoftrafficaccidents,andthe

fundamentalreasonisthatinadditiontotheassistanceo