汽車AEB電子系統開發

孫建興

（北京汽車股份有限公司，北京 101300）

引言

由于AEB電子系統極大減少了交通事故率，因此在車輛中得到越來越多的應用，在國際上歐美地區已將AEB配置寫入法規。

AEB電子系統要有良好的可靠性、安全性和舒適性，同時要避免AEB系統的誤觸發和報警帶來的困擾。

由于各公司開發的AEB的控制策略和邏輯各不相同，從保障行人和車輛的安全考慮，需要對AEB電子系統性能進行規定。

1 AEB電子系統介紹

AEB電子系統包括毫米波雷達、視覺系統、處理器，通過汽車CAN網絡與ESP和EMS系統進行通訊。其工作過程包括制動準備、報警、制動輔助。

圖1 AEB工作過程示意圖

毫米波雷達主要用于探測前方障礙物距離、速度等參數，不受天氣等環境因素干擾。

視覺系統包括攝像頭和處理器。可用于障礙物圖像識別和分類，也具備探測距離功能。攝像頭受天氣及光線影響較大。

處理器把雷達和攝像頭檢測到的數據進行融合計算分析，根據與前方行人或車輛的碰撞時間和距離，做出控制決策。

2 AEB電子系統控制邏輯

AEB通過視覺系統采集豐富的路況、車況信息，建立圖像數據庫。車輛在行駛過程中，攝像頭采集路況信息，提取圖形，再通過數據庫的比對，進行障礙物的識別。同時，毫米波雷達也對障礙物進行探測。AEB控制邏輯如下圖所示：

圖2 AEB控制邏輯

中國的路況特別復雜，行人、機動車、非機動車混行的情況較多，由于圖像數據庫的限制，AEB系統仍然不可避免做出誤判或錯誤決策。為解決此問題，有很多企業已經開始研究采用AI深度學習的技術來解決障礙物的識別問題。

3 AEB性能開發

AEB電子系統對前方150m范圍內障礙物進行跟蹤。系統設計盡量減少碰撞預警信號，避免在駕駛員不認為會與前方車輛發生碰撞的情況下自動制動。

3.1 障礙物識別

視覺系統需要建立一個障礙物圖形庫，根據探測的物體外形與圖形庫對比，確定障礙物類型后，再根據系統計算若在碰撞時間內則進行報警或制動。

某車型開發的AEB，在行駛過程中出現頻繁報警，或出現有障礙物未進行主動制動，用戶體驗欠佳。經分析，系統計算模型需優化。

3.1.1 優化前計算模型

原計算模型對前方全部障礙物進行識別，采用冒泡排序法，確定跟蹤目標。當相鄰車道車輛制動時，本車AEB發生報警，非預期報警，需排除。

圖3 相鄰車道制動試驗

3.1.2 優化后計算模型

原計算模型不變，增加前方直行距離和側向距離限制條件。本車道外側 0.3m區域內障礙物僅進行跟蹤識別，不進行報警。排除側方車輛干擾。如圖4所示。

圖4 相鄰車道制動試驗

3.2 AEB功能測試

3.2.1 AEB性能要求

AEB應根據中國駕駛員特性進行算法開發，解決駕駛員感受和緊急制動之間的矛盾。

車輛駕駛者對危險的判斷和TTC（碰撞時間）直接相關，當TTC 3.0s以上時，駕駛者不會感覺到風險存在。在TTC 1.6s以下時，駕駛者會覺得很危險。

安全距離是判定同一車道上本車與前車是否存在碰撞危險的距離值，它包括提示報警距離和主動制動距離。

提示報警距離應保證駕駛員有較充足的反應時間，并能進行正確的操作，在這個階段AEB系統只會報警，不會介入駕駛員操作。

主動制動距離通過計算，可以使汽車解除制動后與前車仍保持1m的距離而不至于與前車碰撞，也可以將碰撞損傷降至最小距離后，系統將跳過駕駛員操作，直接制動車輛。

表1 AEB觸發條件

表2 障礙物為車輛的性能要求

表3 障礙物為行人的性能要求

3.2.2 AEB功能測試

（1）AEB車輛追尾測試

圖5 追尾測試實驗

某車型AEB進行了追尾試驗測試，當前方車速為0km/h時，自車速≤40km/h時，可完全避免碰撞，自車速＞40km/h時，減緩碰撞；當前方車速為 20km/h時，自車速≤65km/h時，可完全避免碰撞，自車速＞65km/h時，減緩碰撞；當前方車速為以4 m/s2減速時，自車速50km/h時，與前方車距12m時，減緩碰撞，與前方車距40m時，可完全避免碰撞。經測試，碰撞試驗滿足表2規定的性能要求。

（2）AEB誤作用試驗

圖6 AEB誤作用試驗

某車型AEB誤作用試驗，當相鄰車道車輛以3 m/s2減速時，AEB系統不觸發，滿足要求。

（3）行人AEB測試

圖7 AEB遠端行人試驗

圖8 AEB近端行人試驗

某車型行人AEB測試，從遠端橫穿-25%時，車速30km/h時，避免碰撞，車速 40km/h時減緩碰撞；從遠端橫穿-50%時，車速30km/h時，避免碰撞，車速40km/h時減緩碰撞；從近端橫穿-25%時，車速30km/h時，避免碰撞，車速40km/h時減緩碰撞；從近端橫穿-50%時，車速 30km/h時，避免碰撞，車速40km/h時減緩碰撞。經測試AEB行人碰撞滿足要求。

（4）道路測試

某車型新開發 AEB場內測試合格后，在城市道路進行1000公里測試，和高速公路1000公里測試。通過實際道路測試，進一步檢驗了AEB系統障礙物識別和計算模型。經實際道路測試，某車型新開發AEB無誤報問題，AEB報警和主動剎車介入及時。

3.2.3 測試數據分析

在進行節3.2.2所述測試項目時，需通過測試設備，采集本車速度、本車加速度、ttc時間、兩車相對距離、前車速度，等參數進行分析，以評判AEB的性能。

以本車車速30km/h，前車靜止的工況為例，得到以下分析數據：

圖9 TTC與時間關系曲線

圖10 相對距離與時間關系曲線

圖11 加速度、速度與時間關系曲線

圖12 速度與行駛距離關系曲線

由曲線圖參數可得出以下結論：

表4 CCRs 30試驗結論

由上述結論可知，某車型新開發AEB的該項測試符合要求。

4 結束語

AEB電子系統極大的提高了安全性，已日漸成為車輛的主流配置。未來隨著 AI技術的進步，和毫處理器的技術進步，AEB系統必將進一步提升安全性，減輕建立圖形數據庫的工作量，但是會增加深度學習的計算工作量，對處理器的計算能力要求更高。