544
C-NCAP是為了促進中國汽車產業(yè)的健康發(fā)展，加速國內汽車市場的全球化進程，中國汽車技術研究中心于2006年3月2日正式發(fā)布的首版中國新車評價規(guī)程（C-NCAP）。C-NCAP以更嚴格、更全面的要求，對車輛進行全方位安全性能測試，包括乘員保護、行人保護、主動安全等，從而給予消費者更加系統(tǒng)、客觀的車輛安全信息，促進汽車企業(yè)不斷提升整車安全性能。
C-NCAP概述
C-NCAP主動安全路線圖草案
C-NCAP的主動安全路線圖從2020年開始，分為甲乙丙丁四類，其中甲類包括了車間安全輔助、行人安全輔助及兩輪車安全輔助，乙類包括側方輔助、車道輔助，丙類包括低速車用安全輔助，丁類包括交通標識輔助及駕駛員監(jiān)控。2020年時，主要評價功能在于盲區(qū)車輛報警、車道偏離預警；2021年，功能增加到針對兩輪車的盲區(qū)報警及車道保持輔助，另外甲類的場景也增加了AEB的夜間橫縱向場景；2022年，將增加緊急車道保持技術的評價；2023年，增加了AES本車道內輔助技術的評價指標。
可以看出，C-NCAP對于車輛的主動安全性是一場較嚴格的考驗，也只有通過這場考驗的汽車廠商，才能讓消費者放心乘坐。其實，汽車的安全性能是相對的，C-NCAP就好比一場考試，所有參與考試的考生均采用同一份試題，最后的得分結果能夠客觀反映車輛在特定條件下的安全性能，體現了公平性。針對2021版的具體評定標準來看，綜合得分率高于92%才能獲得C-NCAP的五星評價，本文選取基于宏景智駕C-NCAP2021五星+（主動安全）案例，分析目前C-NCAP測試的主要難點及場景，進而分析這幾種難點產生的原因及解決方案。
2021版的具體評定標準
關鍵問題分析
宏景智駕高性價比系統(tǒng)級項目，智能攝像頭產品Smartcam，宏景全棧自研，最高可搭載1個攝像頭，3個毫米波雷達，攝像頭感知功能包括車道線檢測、車輛檢測、行人檢測、交通標識檢測、可行駛區(qū)域檢測等 豐富場景；再結合攝像頭與毫米波雷達的深度融合，滿足L2 ADAS功能，如ACC,LCC,TJA等，應用場景廣泛。
宏景Smartcam系統(tǒng)特點可概括為：國產化視覺感知和毫米波雷達感知+國產化底盤制動系統(tǒng)。首先來看此系統(tǒng)（傳感器搭配為1個前視攝像頭，1個前向毫米波雷達）在C-NCAP2021中的實測得分情況：
針對C-NCAP2021的場景測試，主要存在的難點有以下幾個方面：
1）CPNA-25%碰撞點50Kph - 60Kph
該場景的主要特點是目標運動的距離短，速度低。CPNA場景，加速距離為1m，勻速到50%碰撞點距離為3m，到25%碰撞點的距離約為2.55m。勻速時間約為1.836s。在50Kph和60Kph的測速場景時，由于自車車速過快，系統(tǒng)需要準確識別到目標，判斷目標將出現在自車路徑上，方可觸發(fā)AEB功能。若目標識別不穩(wěn)定或感知上相機和雷達對目標識別到的屬性差異較大，導致形成的融合目標出現出現過晚，從而出現AEB作動不及時的情形。
2）CSFA場景
該場景主要特點是目標的速度快，且橫向距離遠。勻速距離長達18m（CNCAP早期版本為22m）。電瓶車易出現在相機的邊緣。對于CSFA 50Kph及60Kph，是一個挑戰(zhàn)。
3）CCRs FCW高速場景
對于CCRs FCW 80Kph場景，出于功能安全的考量，執(zhí)行器對主動安全觸發(fā)的制動，會做出速度降低限制。若該場景下需拿到滿分，觸發(fā)AEB的ttc時間需要放大，即使AEB因速度降退出后，還可通過駕駛員踩下的-4m/s2的減速度，在車輛到達碰撞點之前剎停，從而避免碰撞。但ttc的調整，會增大實車道路上FCW的誤觸發(fā)，需綜合考量。
針對上述的難點問題，分析主要原因有以下幾點：
1）對于CPNA場景，50Kph及60Kph場景不得分主要原因在于目標的識別。
在當前場景下，雷達的控制策略無法給出目標的類型，也無法給出可用于識別是否為“不可通過性目標”的高置信度。其需要行人運動起來后，再經過一段時間的確認，雷達才給出目標的類型或者高置信度的“目標存在概率”，融合算法需要基于此信號和相機給出的目標做融合。同時，雷達給出的目標橫向速度收斂到目標速度慢，需較長時間收斂。由于CPNA-25%場景，目標的運動距離短，融合目標越早給出，越有利于AEB算法判斷碰撞風險。因此該因素成為這場景下50Kph-60Kph得分不穩(wěn)定的主要因素。
2）CSFA場景：
針對CSFA場景，兩輪車易出現在相機的FOV邊緣，相機首次看見目標時，若給出的縱向距離偏近，相機需要較長時間進行收斂。加大了和融合目標融合在一起的難度。
解決方案
分析了上述的難點與原因，我們可以得出幾種針對性解決方案：
1）針對第一個問題，算法做出如下調整：
針對雷達目標/“不可通過性目標”的屬性給出晚的問題，結合場景數據，發(fā)現雷達給出的屬性中，運動狀態(tài)較目標/“不可通過性目標”的屬性給出早。融合算法基于此信號進行目標融合，可節(jié)省時間。橫向距離上，融合算法加大相機輸出的橫向距離的權重。
2）針對第二個問題，修改融合條件中縱向位置的偏差閾值：
修改融合條件中縱向位置的偏差閾值，在較遠區(qū)域，將閾值適當放大，在較近區(qū)域，閾值適當放小。且縱向距離的測距是雷達的優(yōu)點，融合結果更偏重于雷達的縱向距離。以此解決相機縱向距離收斂慢導致融合晚且距離偏差大的問題。
3）如何保證改動不影響道路誤觸發(fā)
宏景的數據采集系統(tǒng)，采集了相機、雷達、控制等原始數據。這些數據可以在臺架上用于回灌分析。無論是相機算法做了調整，還是AEB/融合算法做了調整，都可將前期已路試過的數據進行回灌。針對回灌的結果，檢驗這些改動是否會帶來誤觸發(fā)。若出現新增場景，反復迭代驗證，直至誤觸發(fā)消除。
宏景智駕作為ADAS整體系統(tǒng)供應商，集成策略的優(yōu)勢可以彌補部分感知層面的問題。針對國產化雷達和相機的性能，融合算法會調整相應的策略，彌補諸如雷達橫向速度收斂慢、相機縱向距離收斂慢等問題，確保場地性能后，進行大量的路試驗證，確保了系統(tǒng)集成策略的穩(wěn)定性。
后續(xù)針對ENCAP2023需要重點關注車對行人、車對自行車、車對摩托車、車對車工況，主要挑戰(zhàn)來CPNC白天和夜晚場景(兒童遮擋）、CPRA場景（自車轉彎）、CPTA場景（自車倒車）、CCFtap(自車轉彎）、CMFtap（自車轉彎）等場景。其中自車轉彎工況：宏景現有策略已可滿足。倒車工況對于1R1V來說，需增加配置以實現。目標遮擋的工況，傳感器較難檢測出目標，無法進行有效的制動，難點在于自車高速的情況。針對ENCAP2023 AEB部分，經過內部預估，可實現得分率大于70%。
總的來說，技術國產化是未來國內廠商所著力發(fā)展的目標，只有將核心技術牢牢握在自己手中，未來才不會在核心競爭中出現“卡脖子”的情況，核心競爭力的國產化必將成為未來幾年中國企業(yè)的主要關注點及主旋律。
