汽车测试漫谈之四：汽车数据采集与分析汽车方向盘打法
哈弗h3改装
    汽车数据采集可以分为两大类，一类是驾驶者行为数据采集，另一类是深度学习视觉训练数据采集。数据采集必然是有选择性的，最简单也最普遍的一类机器学习算法就是分类（classification）。对于分类，输入的训练数据有特征（feature），有标签（label）。所谓的学习，其本质就是到特征和标签间的关系（mapping）。这样当有特征而无标签的未知数据输入时，我们就可以通过已有的关系得到未知数据标签。如果所有训练数据都有标签，则为有监督学习（supervised learning）。如果数据没有标签，显然就是无监督学习（unsupervisedlearning）了，也即聚类（clustering）。聚类学习目前处于起步阶段，与分类学习比简直是天壤之别，即便不需要标注，但是也需要特征，某种意义上也可以说不是绝对意义的无监督学习。驾驶者行为数据，这是评价ADAS系统最客观的方法，根据此数据分析可以得出ADAS系统是否对驾驶安全有提升，是否有价值。最知名的则是由美国策略性公路研究计划 (The second StrategicHighway Research Program, SHRP 2) 中的自然驾驶研究计划 (Naturalistic Driving Study,NDS)。行驶于弗吉尼亚州北部(NorthernVirginia) 及华盛顿哥伦比亚特区 (Washington, D.C.) 中之 100 辆被选定的机动车辆为记录对象，且为了能够记录驾驶人实际的驾驶情况，其计划执行单位并没有针对被选驾驶人举办关于此研究计划的说
明会。这些实验是在无干扰，无实验人员出现，日常驾驶状态下进行的。此计划总共为期两年，其总共搜集 2000000 车行里程 (vehicle miles) 及 43000 小时的行驶数据。其中，总共记录828 笔事故及几近事故资料，其中包含 68 件碰撞(crash) 及 760 件几近碰撞(near-crash)。2012年NDS项目扩展到中国，上海同济大学、通用汽车和弗吉尼亚理工大学三方合作，在2012年12月开始，于2015年12月结束，按计划采集90名中国驾驶员的日常驾驶行为数据，每辆车均配备Mobileye的C2-270（FCW)和SHRP2 NextGen数据采集系统。总共5辆车，分别是2辆君越，2辆科鲁兹，1辆卡迪拉克DTS。每位实验者驾驶实验车辆2个月，第一个月开启Mobileye，第二个月关闭。SHRP2 NextGen数据采集系统包括车辆数据总线接口，三轴加速度计，可跟踪9个目标的毫米波雷达，温度与湿度传感器，GPS定位系统，四路摄像头，这四路分别是驾驶者面部，车辆前方，车辆后方，驾驶员手部。采集频率从10-100Hz不等。需要指出，没有厂家开放CAN总线，OBD根本拿不到什么有价值的数据。 据说SHRP2 NextGen 由日本富士通设计并制造，使用了高性能FPGA。
上图为装载了SHARP2 NextGen的车辆后备箱，需要指出这是2008年的设计，换到今日，体积可以大幅度缩小。 截至到2015年7月，上海的NDS研究共采集了55名驾驶员，大约13万公里的驾驶数据。选择19名典型驾驶员数据分析，共4573次出行，累计公里数为60689
斯柯达广域网
公里。其中32797采集自Mobileye关闭阶段，27892公里采集自Mobileye开启阶段。驾驶员年龄分布在28-61岁之间，平均年龄40.9岁，驾龄在1-16年之间，平均驾龄6.6年。研究结论表明FCW对驾驶员行为并未有明显改变，只是略微降低了驾驶员跟车的反应时间。光线晴好的情况下，略微降低了130毫秒，反应时间变短，只是稍微加速了交通流的速度。欧洲也有类似的项目，名字为EuroFOT，主要在西班牙和德国开展，包括商用车。德国车队有200辆车，包括60辆MAN卡车，100辆福特轿车和40辆大众轿车。福特车辆均配备了FCW和ACC。MAN则配备了CSW(Curve Speed Warning)和LDW。大众则配备了ACC和LDW。主要研究ACC、LDW、CSW、FCW对驾驶员的影响。西班牙由CTAG（Centre Technologique de l'Automobile deGalice）主导，共40辆车，主要研究巡航控制和速度控制对驾驶员的影响。CTAG自己开发了Can数据采集器。疲劳驾驶>无级变速和手自一体
西班牙的40辆车中35辆装配低级采集设备，5辆装配高级采集设备。
上图为高级采集设备，包括1个红外摄像头、4个摄像头和1个天合的AC20毫米波雷达。红外摄像头是个眼球轨迹跟踪器。4个摄像头，分别对应脚下、脸部、前方和手部。至于研究成果，目前还未透露。再有一类驾驶者行为数据采集是为了深度学习训练数据用的，试图
让机器学习人类的驾驶技能，最早美国波音公司曾对其研究，论文为《A Survey of Robot Learning from Demonstration》，提出LFD。后来美国陆军实验室资助CMU开发，主要研究者是David Silver, J. Andrew Bagnell 和 AnthonyStentz，这篇论文的名字为《Learning Autonomous Driving Styles and Maneuversfrom Expert Demonstration》进一步发展LFD，最后就是英伟达的端到端深度学习。