本部分将建立智能车辆性能的评价指标体系，并分别针对客观和主观评价指标提出对智能车辆性能的评价方法。

1.智能车辆性能评价指标体系构建

基于智能车辆性能测试内容，考虑评价指标体系构建的科学性、客观性，将智能车辆性能指标体系分为四个部分：评价目标、评价方面、评价要素和评价因素。

评价目标为智能车辆性能。同时可以把对智能车辆性能的评价分为两方面，分别是由人的直观感受组成的主观评价和由可测量的指标组成的客观评价。其中客观评价包括纵向控制性能、横向控制性能、视认性、预警性、驾乘人员的生理变化和行为变化6个评价要素。主观评价包括动力性、转向性、操纵性、乘坐舒适性、驾驶性、制动性、直线行驶性、弯道行驶性、人机交互性能评价、系统可靠性、自主决策性能评价、自适应学习能力评价、驾乘人员生理心理状态等评价要素。每个要素又包括若干智能车辆性能的评价因素。

评价因素包括很多方面，例如：

（1）纵向控制性能：制动距离、百公里加速时间、航向角方差。

（2）横向控制性能：稳态横摆角速度增益、方向盘平均操舵力、峰值反应时间、侧翻阈值。

（3）预警性能：预警提前时间、预警可靠率。

（4）视认性：识别误检率、识别漏检率、系统适应率、系统识别范围。

（5）驾乘人员生理变化：心率、脑电、心电、血压、眨眼频率。

（6）驾乘人员行为变化：制动踏板力、制动踏板速度、方向盘转速、方向盘转角。

（7）人机交互特性：操作界面的简洁性，操作逻辑的简便性、人对系统运行的合理性判断、对系统决策的认同性、系统位置设计的合理性、舒适性。

（8）系统可靠性：主观对系统控制的可靠性、稳定性好坏的评价。

（9）自主决策性能：主动安全控制系统决策驾驶路线合理性、主动安全控制驾驶操作好坏的主观评价。

（10）自适应学习能力：主动安全控制系统学习能力、适应不同驾驶员的驾驶习惯，主观对适应程度好坏的评价。

（11）驾乘人员生理心理状态：心情、脑负荷、精神状态。

2.智能车辆性能主观评价(www.daowen.com)

作为观测者和评价者的人在车辆特性的评价过程中起着不可替代的作用，其主观评价为车辆的性能评价提供了有效的、迄今为止唯一可靠的评价结果。主观评价是智能车辆性能的最终评价方法，体现“使车适应人的策略”。

在智能车辆性能的主观评价中，首先要制作相应性能的评价量表，然后选择具有代表性特征的驾乘人员通过相关试验，依靠个人的主观感受对车辆主动安全相关性能进行评价，并且将评价进行量化后得到评分并进行综合评价。

1）主观评价量化准则

对驾乘人员的生理心理进行研究时，主观评价中的输出通常为语言，为了实现主观评价，需要采用一定的方法进行评分。美国主观评分量表SAE J1441建立了10个连续刻度的主观评价量表，每两分给出一个与分值成线性相关的形容词。德国贝尔评分方法也用的是10分制主观评价评分方法，但同时引入了评价者和缺陷两个因素，并且从正面和反面给出评分提示。日本采用7分制评分方法，确定某一辆车作为标准车辆，其他车辆与此对比，直接得出被评价车辆的主观评价分数。

考虑驾乘人员特性等因素的指标评分标准的确定首先依照层次性、全面性等原则，进行描述性词语的搜索。然后进行描述性词语的筛选，要遵循意义重要、表达精确、概况全面、语言精简、语义独立原则，并具有一定的可操作性和可接受性。采用专家咨询法等方法，判断其是否能够清楚、准确、全面地描述主观测试指标的特性，对一些内容含糊的词语加以修改，对语义相近的指标进行整合。同时评分标准需考虑驾乘人员特性的区分：不同的驾乘人员对同一车辆性能具有不同的评价标准，评价量表需要综合不同驾乘人员的驾乘特性进行评价。

2）主观评价量表的制作

根据主观评价量化准则，制定考虑驾乘人员特征的评价量表。驾乘人员特征主要包括性别、年龄、驾龄、健康状况、受教育程度、是否晕车、精神状态和职业或工作行业等方面。同时针对不同的评价因素，评价量表应具有不同的等级划分，对于感受强烈、易于评价的评价因素应划分较多的评价等级，以增加评价的精确性，如转向稳定性、轰鸣声、减振舒适性等。而对于不易察觉、敏感度较差的指标应划分较少的等级，便于评价。另外，还可以根据不同的评价指标，从主动安全性能品质的正反两方面来对主动安全性能制定标准，评价人员可以根据正反两方面任意一面进行打分。

量表测量的结果能否达到目的，是否能正确反映客观事实，通常以信度和效度两个质量指标来衡量。信度是测量可靠性的度量，它能鉴定测量结果的一致性和稳定性。效度是测量有效性的度量，它是评价测量质量的一个重要指标。信度和效度两者既有联系又有区别，信度高不一定效度高，效度高不一定信度高，即可信的不一定有效，有效的不一定可信。在制作量表时，尽量考虑这两方面，使量表既有效又可信。

3）主观评价指标权重的确定

采用可拓展层次分析法来确定智能车辆性能主观评价指标的权重。可拓展层次分析法在层次分析法的基础上引入了可拓展理论，用区间数代替点值数构造可拓展判断矩阵，克服了层次分析法在解决专家经验判断方面的模糊性问题。将指标权重计算与判断矩阵一致性检验结合进行，并考虑专家判断的模糊性和多位决策者的实践经验，不需要判断矩阵的一致性，有效避免了层次分析法中的大量试算工作。这样既能保证专家判断结果的真实性，又能保证判断矩阵的一致性，使得确定的智能车辆性能的各个评价指标的权重更加合理。

4）综合评价

常用的现代综合评价方法有层次分析法、模糊综合评判法、数据包络分析法、人工神经网络分析法、灰色综合评价法等。智能车辆性能主观评价体系，是一个典型的多层次综合评判问题。另外，主观评价内容涉及多个方面，人们对各方面的主观评价往往是模糊的。因此，这又是一个较典型的模糊系统。因此，本项目提出将模糊综合评价与层次分析法结合应用，在模糊环境中，通过逐层考虑多个影响因素，对复杂系统分析评估做出综合决策。通过两种方法结合使用，充分发挥各自的优势，可以更加合理地对智能车辆性能进行综合评价。

3.智能车辆性能客观评价

主观评价可以全面、准确地评价智能车辆性能，但要求评价人员具有相应的评价经验。客观评价利用可测试指标对性能进行评价，其评价结果不受评价经验和个人因素影响，有效地避免了主观评价的弊端。智能车辆性能主客观评价准则是否合理的最主要标志是其客观评价结果和主观评价结果是否一致。主动安全性应以驾乘人员的主观感受为唯一准确的评价准则，因此应用所建立的客观评价方法得到的结果应趋近主观评价结果。

可以从驾乘人员生理和行为特征、纵向控制性能、横向控制性能、视认性能以及预警性能等方面选取可评价性能的量化指标，并采用智能评价方法（如神经网络）进行客观评价。该方法集权重系数的确定与模型建立于一体，通过对样本数据的学习，建立由评价指标变量值到输出综合评价值的非线性映射关系。训练客观评价模型之前，首先进行大量试验，测量得到客观指标值并且邀请专家进行主观评价，然后将测量得到的客观指标值作为输入层，将主观评价结果作为输出层，最后进行神经网络的训练。

为了保证所建立的模型尽可能真实地反映车辆的性能，所采用的主观评价结果应该是趋于理想的评价结果。假设随着评价人员数量的增多，评价人员的个人因素对评价结果的影响将逐渐减少，最终的评价结果将趋近于真实的车辆性能水平。因此选择输出层的主观评价结果时应该注意，应聘请尽可能多的相关方面的专家对车辆的性能进行多次评价，并且主观评价结果本身要具有高度一致性。