通信-自动驾驶汽车接收信息的关键能力

走进《公共交通资讯》，及时掌握公交领域的行业政策、管理理论、科技信息、专家观点和先进经验... ...

本文介绍了如何使用现有车灯进行汽车状态的通信。本文的目的是研究易于与现有的照明功能区分开来的标识灯，并且能够在其他功能中进行最可靠地识别。

一、介绍

在如今的道路交通中，驾驶员与其他道路使用者之间的通信对于保证高效的交通、解决突发路况以及对其他道路使用者进行避让是十分必要的。具体来说，行人依赖于与司机或其他道路使用者的交流，大多数行人在过马路前都会进行眼神交流。这将是自动驾驶汽车的一个主要挑战。在这里，司机的角色从主动控制车辆变为被动。之前的研究表明，人很难可靠地识别大多数信号或符号，非常简单的信号识别性还不如符号，因为信号识别更加复杂，例如：LED灯条或额外的标志灯。

这意味着能够使大部分人熟悉这种新的信号的方法是十分必要的。一种方法是引入已经存在于手动驾驶汽车中的信号，从而可以同时传达驾驶员的反馈与交通信号。特别是深度学习算法，在信号显示方面具有良好的应用。利用这种算法，手动驾驶汽车可以显示符号，以便与行人进行交流，并以直观的方式使其熟悉。历史上当人们不得不接受新的信号灯时（例如交通信号灯），已经证明了这种方法的有效性。道路交通中一个非常经典的例子是信号灯的引入。

对于自动驾驶汽车通信，一个超过700名参与者的测试表明，蓝-绿色不能提高符号识别的准确性。该结果与GTB、SAE和ISO等标准化组织提出的观点一致。

图1:未来可能涉及自动驾驶汽车的交通情况

使用符号来表明自动驾驶汽车的意图或向行人传达信息，并将其标记为高度自动化的车辆可能会使得汽车成本十分高昂，而且并不总是适用于制造商的汽车设计。此外，上述方法需要增加一个额外的光源，这会增加成本。而且更多的车灯会产生更多的燃料消耗，从而导致更高的二氧化碳(CO2)排放。

为了克服增加额灯具的缺点，本文介绍了如何使用现有车灯进行汽车状态的通信。本文的目的是研究易于与现有的照明功能区分开来的标识灯，并且能够在其他功能中进行最可靠地识别。

二、测试

本次研究我们评估了不同自动驾驶汽车标志灯的使用方法。如上所述，出于多种原因，使用现有的灯具来完成这项测试是有利的。其优点包括但不限于：更低的二氧化碳排放、更低的成本和对车辆方向的准确说明。尽管如此，为了得到测试任务的最佳解决方案，我们还考虑了专门的灯具。此外，还测试了所有的标志灯与已有灯具功能混淆的可能性。

图2:交互示意图

A.信号建议

本次测试评估了三种不同的自动驾驶汽车标志灯显示方法。首先，根据GTB、SAE和GRE的建议，测试使用蓝-绿色(青绿色)的稳定发光信号。彩色的额外灯具可以合并到现有灯具中。其次，测试了两种具有不同缓慢动态性能的灯光功能。其中一个信号是脉冲灯，它可以是前后位置灯或日行灯。脉冲效应是通过将强度调暗到一定的水平，例如30%，并再次将其调高到最大亮度来实现的。另一种是扫描灯，它是通过分段位置或日行灯实现的。虽然这个想法肯定不是新的，但由于其流行度，它可能会显示出很高的有效性。动态形式如图3所示。使用的频率大约是0.5 Hz，即2秒一个周期。这保证了在不需要太多动态形式的情况下，就可以对信号与已有车灯功能进行区分。这样，其他道路使用者就不会分心。

图3:新提出的动态信号图 (如上文所示)。A)脉冲型，B)扫描型

为了区分新的信号和现有灯光功能，使用了如上所述的动态形式。动态灯光功能目前使用的频率在1 Hz和5 Hz 之间，且具有不同的动态形式。与静态灯光相比，动态识别仍然显示出很大优势。脉冲光或扫描光的低强度可设置为法规规定的最低强度，而高强度也保持在允许的最大强度范围内。这样，就可以保证上文中提出的方法的取值位于现行法规规定的阈值范围内，唯一的区别是信号是动态的。

b .测试设计

测试分为三个部分。第一部分评估动态形式和颜色之间的差异，第二部分测试受测者区分新旧信号的能力。最后，测试的第三部分收集了受测者的个人背景信息。调查以对测试内容的简短解释开始。受测者将面临两种情况，其中自动驾驶车辆将与其他道路使用者进行交互，每种情况各有一张单独的图进行了说明(参见图1中的示例，即图1可假定为一种情形)。

在测试的第一部分，受测者被要求识别四种不同的信号，重复三次。在一个随机的顺序中，代表各种信号的不同的正方形显示在一个黑色的背景上。这些信号是白色(稳定发光)、蓝绿色(蓝绿色，稳定发光)、脉冲和扫描信号，如图4所示。所有的信号都以相同的大小随机显示在不同的位置。在这个测试中，受测者应该用激光笔圈出中等大小的字母。如前所述，目视前方字母以确保受测者以大约45°的角度观察周边屏幕，以此模拟常见的交通情况。继两张图片(白色和绿松石色，稳定发光)之后，受测者最多可以看到每个信号5秒钟。接下来，受测者会回答他们观察到了什么。该测试使用45英寸显示器，在大约距离受测者1.5米。

图4:测试的第1部分中显示的信号示例；黄色箭头和三角形表示动态，但在评估过程中未显示

在第二部分中，受测者的任务是区分旧的功能型车灯和为自动驾驶改造的新车灯。首先向受测者介绍六种不同的功能，每种车灯会显示大约5秒钟时间，并且附上名称以及代表的功能，以供受测者学习。如图5和图3所示。所有车灯都是集成在奥迪A1的尾灯上，所有的图片大小和外观都是一样的。除了尾灯是静态的，其余的功能型车灯都是以视频展示的，因其灯光是动态的。由于停车灯是延迟一秒被激活，所以它也被计入动态车灯类。在学习阶段之后，所有六个车灯信号以随机顺序重复显示三次。受测者观看图片的时间最长不超过5秒，然后需要回答刚才图片中的车灯代表什么功能。在本次实验中要求受测者了解或者明白车灯代表的功能即可而无需回答出准确的车灯名称，例如“brake（刹车）”，“stop（停下）”，“stop light（刹车灯）”都可以作为正确答案。

图5:建立测试第二部分的光功能。A)尾灯，B)刹车灯，C)警示灯，D) RECAS

在测试的最后一部分收集受测者个人背景数据，如年龄、性别和色觉。此外，受测者裸眼视力或矫正后视力（佩戴眼镜或隐形眼镜）良好。

c .受测者

共有26名受测者接受了调查，其中4名女性，22名男性。平均年龄为31.1岁，标准差为9.1岁。他们中的大多数人年龄在18到27岁之间，还有4人年龄在36到67岁之间。所有受测者均无色觉障碍，裸眼或矫正视力正常。

三、结果

在第一个测试中，受测者需要判别处于周边45角度位置下不同的简单信号，以确定自动驾驶车辆标记（信号）的最佳选择。这个边缘角度在生活中是最常见的(见B章)。在三次重复实验中，受测者的答案并未显示出明显的学习效应，所以证明这个结果是客观真实的。图6展示了各种不同信号灯下受测者的识别水平。实验中静态白的平均识别率为72.1%，静态蓝绿色的平均识别率为42.3%，两个动态白信号的平均识别率为100%。这清楚地表明，动态识别是最可靠的，而静态信号，特别是蓝绿色，只能被一小部分受测者正确识别。

图6:测试1中信号的识别率

在第二个测试部分，受测者的任务是识别显示图像或小视频上的各种信号。在这里，尾灯，刹车灯，警示灯和RECAS分别以现有功能型车灯和动态新型车灯进行呈现。在这个实验中，所有受测者都能够清楚区分新车灯以及现有车灯。所以，所有新动态车灯的功能都被识别出来，受测者可以在任何情况下区分他们。

四、结论

随着自动驾驶汽车的发展，使用标志灯将其驾驶状态传达给其他道路使用者是至关重要的。这可以增加新型交通工具的安全性，并使执法部门能够清楚地识别出肇事司机或肇事车辆是否也负有责任。对26名受测者进行测试结果表明，动态信号(以现有灯的颜色表示)的识别比静态信号的识别可靠得多。对于特殊的颜色也是如此，本文采用的是蓝绿色。此外，受测者可以在任何情况下区分现有的光功能和动态标志灯。可以设想，当涉及到识别率和混淆问题时，这些研究内容也可以应用到汽车的前部。最后，根据测试结果，建议自动驾驶汽车的标志灯利用现有颜色的动态形式来显示车辆的状态。

原文标题：Communication-Key Capability for the Acceptance of Automated Vehicles

作者：Johannes Reschke, Stephan Berlitz, Michael Hamm, Wolfgang Huhn

单位：AUDI AG, Ingolstadt, GERMANY

编译：井硕 李奕帆

指导：林燕丹

本文来源：开玄光电