高級駕駛輔助系統（ADAS）安全性的研究

高級駕駛員輔助系統（ADAS）旨在幫助駕駛員執行駕駛任務，例如智能巡航控制或電子穩定控制。是汽車未來的重要發展趨勢。但是，ADAS系統的安全性一直受到人們的質疑，以人類為中心的角度，需要考慮人為因素的作用駕駛環境的多樣性。

提高ADAS系統的安全性，有很多種方式，例如通過及時對駕駛員提供警報來提高安全性，自動調整車輛狀態來提高安全性。所以下面著重介紹一下最新的幾種提高安全性的方式及當前研究成就。

1 提高ADAS系統安全性的方式

1.1 通過多模式警告的方式來提高安全性[1]

主要研究高級駕駛員輔助系統中的多模式警告是否會縮短制動響應時間，主要目的是提醒駕駛員避免潛在的交通事故。

提出了2個實驗，駕駛員駕駛一輛裝有前方避撞系統的車輛，車輛前方還有一個領頭車，領頭車在前方進行減速，當碰撞的時間少于5秒鐘的時候，就會產生聽覺，振動觸覺或者多模式警告，提醒駕駛員做出減速制動，以制動反應時間來進行評價。

第一個實驗：主要是研究，與單獨提供警告相比，多通道冗余警告是否會能夠對制動時間和駕駛員工作量產生積極的影響。如果產生了積極的影響，則繼續研究駕駛員是否使用手機所產生的影響。實驗涉及兩個因素，第一個因素是警告的類型，并有四個級別：1-警告，2-聽覺，3-振動觸覺和4-多模式警告（同時呈現振動觸覺和聽覺信號）。第二個因素是手機的使用或者不使用。因為第一個因素有4種，第二個因素有兩種，所以構成了8個實驗。

第二個實驗：主要是研究在高密度和低密度交通狀況下多模式警告是否有效。實驗同樣有兩個因素，第一個因素是警告的類型，并有四個級別：1-警告，2-聽覺，3-振動觸覺和4-多模式警告（同時呈現振動觸覺和聽覺信號）。第二個因素為交通密度，有2種，低的交通密度和高的交通密度。同樣構成了8種實驗。

1.2 通過精密教學來提高駕駛安全性[2]

主要目的是設計一個能夠提高駕駛員能力和減少事故風險的輔助系統，主要由兩個部分組成：一個精密教學過程，一個控制設備用于監控駕駛員行為。并在正常駕駛和關鍵交通狀況下提供反饋。參照第一部分，設計并實施了兩個駕駛模擬器實驗。試驗旨在展示精確教學對駕駛員培訓的有效性，并觀察反饋系統在加強車輛控制方面的有效性。

第一個實驗：主要研究測量橫向位置的標準差（SDLP），來衡量正常駕駛對汽車橫向位置的影響。我們的目標是觀察SDLP是否隨著駕駛員對駕駛場景的熟悉程度而下降。在虛擬現實中建立了雙向，雙車道的道路情景。沒有任何顯著的差異表明側面位置不受司機熟悉路線的影響。

第二個實驗：第二個實驗研究了使用精確駕駛方法設計的反饋對駕駛行為的影響。特別是，我們的目標是觀察重復的駕駛員表現的視覺和聽覺反饋駕駛試驗表現是否減少橫向位置變化。反饋都包括，聲音：兩種音調，高（正反饋）和低（負反饋）

視覺（visual）：顯示報告數字分數（在正確行為的情況下增加而在相反的情況下減少），擋風玻璃上的綠條（正確行為增加，反之則減少）在實驗過程中，每個駕駛員必須進行七次連續的試驗（每一次試驗都是沿同一路段行駛的）。反饋成功地改善了車道內的車輛橫向位置的變化。

1.3 通過分析駕駛員意圖對于車輛縱向加速度的影響來提高駕駛安全性[3]

本文旨在研究，在預防性安全情況下車輛縱向加速度的變化。在開發的高級駕駛輔助系統（ADAS）中，需要可靠的估計方法來推斷當前駕駛員的意圖，并分析推導出駕駛員意圖對于車輛縱向加速度的影響。

首先建立一個標準的車輛縱向動力學模型，然后再考慮將駕駛員意圖模型融入到車輛縱向動力學模型當中。標準動力學模型的公式如下：

M是車輛的縱向速度，v是車輛的縱向速度，Fb是制動力，τTe是由發動機通過變速箱和傳動系在車輪上的驅動力，Mg sin(α)、CrMg cos(α)、ρSCxv2分別是下滑力，摩擦力和空氣阻力。

然后繼續考慮駕駛員模型，這里主要考慮，駕駛員的意圖是踩油門踏板還是制動踏板，這將導致車輛是進行加速或者是制動，所以，融合了駕駛員意圖的縱向動力學模型為：

ai是駕駛員希望的加速度，Tr是發動機轉矩，σ是駕駛員的意圖，當σ=1時，駕駛員的意圖是制動，當σ=0駕駛員的意圖是不制動。

模型建立完成之后，將此模型嵌入到卡爾曼濾波器當中。來估計車輛的速度，加速度，駕駛員意圖，制動踏板的壓力、油門踏板的壓力，并在實車上進行驗證。

1.4 通過降低重型車輛側翻風險來提高駕駛安全性[4]

在巴西，公路運輸占貨物運輸的58%，但是經常發生安全事故，重型車輛的側翻是事故的主要原因之一。所以本文以ADAS，來預測車輛彎道超速時的行駛軌跡，降低側翻風險。換句話說，通過幫助駕駛員以安全的速度駕駛車輛，在不安全狀態下，通過定制的警報及時對駕駛員的行為進行糾正。

車輛在進行曲線行駛時，常常因為速度的不適合而導致側翻的問題。為了減輕這一問題，開發一個智能駕駛員助手，來實時監控車輛。并驗證速度是否與行駛曲線相適合。換句話說，檢查車輛是否在安全的狀態。如果助手檢測到“不安全”狀態的變化（不兼容速度翻滾的風險），則會向駕駛員發出聲音和視覺警告，在下一個行駛曲線給出安全速度。

評估車輛橫向穩定性的基本措施稱為SRT（Static Rollover Threshold，靜態側翻閾值），用g（地面重力加速度）表示，它是發生車輛側翻前的最大橫向加速度。在行駛曲線中的橫向加速度取決于曲線半徑和車輛速度。

該系統主要都包括：

（1）傳感器：GPS，加速度計，轉速傳感器，速度傳感器和節氣門位置，每個傳感器都有一個相關的控制器。

（2）執行器：音頻和視頻，警報的方式。

（3）追蹤代理：GPS傳感器不能提供的準確信息。所以提出了一種基于卡爾曼擴展濾波器（KEF）的技術來發現定位估計中的誤差。

（4）安全代理：安全代理確定車輛是處于安全狀態還是處于不安全狀態。為此，它接收跟蹤代理和實時駕駛環境的信息。為了確定系統是否處于安全狀態，定義了一個貝葉斯網絡，計算重型車輛側翻的風險，有三種情況，不側翻，可能側翻，側翻。

（5）警報代理：根據安全代理發送的信息，來向駕駛員發送警報，制定警報策略，模糊規則，提高駕駛安全性。

1.5 通過增強現實技術來提高駕駛安全性[5]

ADAS是必要的，在汽車行業是新的應用領域之一。相關道路交通和有用的導航或路徑規劃信息可以部分地或完全地顯示擋風玻璃表面，然而，顯示道路交通，標志或車輛信息的方式會強烈地影響司機的注意力，增加心理工作量和安全問題。所以需要以一種合理的方式來顯示這些信息，從而獲得最大的道路交通安全以及最佳的駕駛員舒適度。

本文的主要目標是研究駕駛員的頭部運動是否會影響增強現實（AR）的深度感知。從而改變顯示的圖像質量。

在CAVE沉浸式整合平臺（P2I）駕駛模擬器中進行實驗分析。使用AR技術結合使用虛擬平視顯示器來直接在駕駛員的視野中投射信息，虛擬平視顯示器有兩種，一種有頭部跟蹤系統，一種沒有。這兩種技術下文統稱為AR-HUD。

2 當前提高ADAS安全性的研究成果

2.1 多模警告方式

研究表明，無論是1.1中的實驗1還是實驗2，多模式警告都可以有效地減少制動反應時間，目前研究的一個局限性在于，它是在駕駛模擬器中進行的，駕駛員可能已經預料到警告，并對車輛進行制動。與警告相關的一個主要問題是，如果整個ADAS中警告過多，或警告設計不佳，則可能會分散注意力，可能會對駕駛員安全構成威脅，所以需要合理地設計。

2.2 精密教學來提高駕駛

在這項研究中，向駕駛員提供有關車輛側向位置的反饋。結果是明確的：對于那些了解他們行為和反饋之間關系的駕駛員（約70%的樣本），平均SDLP在三次試驗（6cm減少）后顯著下降：對照情況下，原來SDLP是27厘米，后來減少到21厘米。

從實際的角度來看，這種減少可以改善ADAS和駕駛員的安全性，因為SDLP只要有2.4cm的變化，就會顯著影響駕駛期間的風險水平。

2.3 分析駕駛員意圖對于車輛縱向加速度的影響來提高駕駛安全性

該方案適合于在線使用，依靠現代車輛的CAN總線上可用的信號，并且需要非常有限的參數。其有效性驗證了實驗數據，并與其他方法進行了比較。

未來的工作將考慮直接在高級駕駛員輔助系統中使用沖擊估計來估計駕駛員意圖。該方案確實已經準備好在線實驗，因為它不使用任何非因果性信息。也可以推廣到估計車輛的橫向加速度。未來工作的其他可能的方向可以包括：用不同的濾波范例（如粒子濾波器）替代增強的卡爾曼方法，直接在濾波器中使用來自道路地圖的信息，并采用抖動估計來進行自然駕駛研究。

2.4 降低重型車輛側翻風險來提高駕駛安全性

結果表明，提出的解決方案的有助于通過向駕駛員發出警報，來降低曲線中的速度，降低重型車輛的側翻風險，提高駕駛安全性。

2.5 增強現實技術來提高駕駛安全性

研究表明，大多數實驗參與者看到兩個ARHUD原型之間的精確差異，并且首選具有頭部跟蹤功能的那個AR-HUD。實際上，這些參與者注意到，即使不了解實驗條件，在所有道路情況下，這個系統都是非常精確的。再結合實驗統計數據，可以得出具有頭部跟蹤的AR-HUD是比較精確的。我們未來的工作將通過使用雷諾的新型CAVE（如動態駕駛模擬器CCARDS）來進行與軌跡控制，側向位置和方向盤相關的性能參數分析，相對于不同道路情況下的頭部運動分析。

3 高級駕駛輔助系統（ADAS）發展趨勢

未來高級駕駛輔助系統（ADAS）將緊密與智能駕駛系統不同級別進行結合，通過多模警告、精密教學、分析駕駛員意圖、降低車輛側翻和結合增強現實等技術來提高ADAS系統安全，同時為智能駕駛系統提供安全保障。

[1]Francesco Biondi.Advanced driver assistance systems:Using multimodal redundant warnings to enhance road safety[J].Applied Ergonomics 58(2017)238-244

[2]Riccardo Rossi.An Advanced Driver Assistance System for improving driver ability.Design and test in virtual environment[C].2017 5th IEEE International Conference on Models and Technologies for Intelligent Transportation Systems(MT-ITS)

[3]Andrea Bisoffi.Longitudinal Jerk Estimation of Driver Intentions for Advanced Driver Assistance Systems[J].IEEE/ASME TRANSACTIONS ON MECHATRONICS,VOL.22,NO.4,AUGUST 2017

[4]Willy Tiengo.Reducing risk of rollover in curve for heavyduty vehicles with an agent-based advanced driver assistance system[J].2016 IEEE International Conference on Computer and Information Technology

[5]Lynda Halit.Augmented Reality Head-Up-Display for Advanced Driver Assistance System:A Driving Simulation Study[J].e&i Elektrotechnik und Informationstechnik，VOL.134 NO.2 April 2017