車道偏離警告系統安全性分析及改進措施的研究綜述

車道偏離引發的意外事故通常是由于駕駛員注意力不集中、能力喪失或困倦所導致的。因此為了避免這一事故，車道偏離預警系統被開發出來。該系統通過預測或實時檢測駕駛情況并提醒駕駛員避免或減輕交通事故來提高交通安全水平。車道偏離警告（LDW）系統以及其他類型的高級駕駛輔助系統（ADAS）在乘用車中越來越普遍，其總體目標是通過對駕駛任務的各個方面進行自動化來提高駕駛安全性。

1 研究車道保持行為和認知負荷的關系改善車道偏離警告系統[1]

1.1 主要目的及原理

盡管越來越多的駕駛輔助系統被應用在乘用車上，但是，司機普遍對除了LDW系統外的ADAS表示滿意。造成這種負面反應的一個潛在原因可能是在使用LDW時與車道保持行為相關的認知負荷增加。本文研究調查了LDW系統、車道保持行為與并發認知負荷之間的關系。測試者駕駛一輛裝有LDW系統的車輛在封閉的測試跑道上的標準車道上駕駛，并在多個環節中分成使用和不使用LDW系統的情況。每兩圈記錄一次線路交叉的頻率和持續時間，以及參與者對兩者估算的準確性。

1.2 主要結論及分析

作者希望這里所報告的發現將會被今后的研究和他人的研究做進一步檢驗和擴展，從而得出更加確定的結論。從目前的研究結果來看，車道偏離警告系統能夠有效改善車道保持行為，但是可能隨著時間的推移其性能下降。此外，本文研究還發現，車道偏離預警系統增加了與維持橫向車輛控制相關的認知負荷。這也就部分解釋了為什么司機對LDW的接受程度低于其他類型的ADAS。這些觀察結果也證實了這一點，即完全自動駕駛系統比部分高度自動駕駛系統可能更能被司機所接受。盡管完全自動駕駛系統在公共感知和信任方面面臨著巨大的挑戰，但是如果避免了自動化系統與駕駛員目標和偏好之間的潛在沖突，ADAS技術的潛在安全優勢可能會被更加充分和容易地發揮出來。

2 通過方向盤信號檢測提高車道偏離預警系統的安全性[2]

2.1 主要目的及原理

目前大部分車道偏離預警系統是通過視頻識別來操作的，當遇到道路和天氣條件惡劣的情況時，就會丟失一部分數據。SANDSTR?M研究了試圖根據方向盤的信號來開發一套車道偏離預警算法。這樣，無論道路和天氣條件如何，基于方向盤信號的車道偏離預警系統都會是穩健的。作者通過分別對34名職業駕駛學員在高保真駕駛模擬器上的駕駛操作進行監控，要求每隔3小時以80km/h速度駕駛模擬器55分鐘。對每次駕駛都記錄了方向盤和車道位置的信號。為了導出車道位置信號，作者對車輛模型的傳遞函數進行了量化，并通過它從方向盤信號中導出車道絕對位置信號。

所提出的方法要求車輛傳遞函數（TF）是已知的。而由于底盤、傳動系統、懸架和輪胎等方面的差異，車輛傳遞函數在不同車型之間有所不同。為此本文通過一個簡短的試駕過程來確定車輛傳遞函數。該算法還需要知道車道的寬度，因此實際應用中還應該與高分辨率地圖和GPS系統相結合。

2.2 主要結論及未來方向

作者設計的算法通過了試驗驗證，其靈敏度為47%，特異性為71%，這超出了目前基于視頻系統的性能。未來的研究工作將考慮把車輛建模為非線性系統，這樣會提高所導出的車道位置信號與測量信號之間的相關性。此外，還可以對駕駛環境的能見度進行量化，以研究其對該算法的影響，對所提方法進行相應改進以提高靈敏度和特異性，并在真實道路上進行測試，以驗證所提方法的可靠性。

3 對車道偏離警告系統和側傾穩定性控制的商用車輛進行效益成本分析[3]

3.1 主要目的及原理

作者MEDINA-FLINTSCH介紹了安裝在卡車上的兩種不同的車載安全系統（OSS）在正常收入交付時的成本效益。該研究采用正式的經濟分析方法對與車道偏離警告（LDW）系統和側傾穩定性控制（RSC）系統的相關成本和收益進行了量化。這項研究使用了參與運營商所收集的數據文件，包括由很多事故數據。研究小組對每個數據文件進行了審查，以確定車載安全系統是否會減輕或防止事故。考慮到社會不同階層的固有收益不同，作者對其進行了不同的收益成本分析（BCA）。

3.2 主要結論及分析

作者所分析的收益成本有兩種：一種是運營商行業的成本和收益；一種是安全系統所產生的社會效益。分析結果清楚地表明，所產生的社會效益超過了其對于運營商和社會的成本。本研究的結果可以為運輸決策者和監管機構提供了必要的信息，以便對RSC系統和LDW系統的應用做出明智的決定。

作者的研究評估了安裝在7類和8類卡車上的兩種不同的車載安全系統（LDW和RSC）在正常的創收交貨期間運行的安全效益。在這個研究中所使用的方法不同于以往在這個領域的研究，因為它直接從參與運營商收集的數據進行分析，因此，在分析中所使用的結果數據集包含了更多的客戶體驗，更具有可信度。作者還收集來自每輛卡車的信息，以控制車型差異帶來的影響。作者研究認為目前運營商收集的數據比GES（General Estimates System）中報道的數據更能代表運載工具的碰撞圖像。此外，所使用的技術成本數據是從2011年起收集的。因此，隨著設備價格的下跌，社會效益可能會隨之增加。

4 通過人工神經網絡實現無意識車道偏離預測技術[4]

4.1 主要目的及原理

作者AMBARAK JM探討了三層感知神經網絡在預測無意識車道偏離上的應用情況。作者在研究中使用了福特汽車公司的液壓動力6自由度動基座駕駛模擬器VIRTTEX生成的駕駛員實驗數據。實驗數據由16個昏昏欲睡的司機模擬駕駛2000年生產的沃爾沃S80（其中每個司機駕駛3個小時）生成，總共包括3,508次車道偏離事故。首先，隨機選擇三分之二的車道偏離數據來訓練神經網絡，通過訓練過程對隱含神經元的個數和輸入的車輛變量進行了優化。然后，將所有訓練數據從時間序列中刪除，對16名駕駛員的整個駕駛時間序列逐一進行處理，使用優化后的神經網絡來預測車道偏離。其中神經網絡在駕駛時間序列的每個采樣時刻都進行了預測，預測次數超過630萬次。

4.2 主要結論及分析

在這項研究中，作者探索了基于車輛變量時間序列的三層感知神經網絡預測無意識車道偏離的能力。通過試驗得出結論：優化后的神經網絡在0.2秒時間內的總體查全率和精度分別為99.74%和99.66%，當時間上升到0.5秒時，分別降至99.23%和85.49%。該神經網絡通過尋求最佳參數值進行實驗構建。對神經網絡的傳播訓練算法進行了實驗評估，其中量化共軛梯度算法在車道偏離預測中是最好的。作者還探索了不同的車輛變量、時間序列長度和滑動窗口大小對預測效果的影響。其中橫向車道位置和橫向速度的輸入變量組合在預測車道偏離方面顯示出最好的效果。此外，還對時間序列長度和滑動窗口大小進行了優化，這對于最佳預測性能具有重要意義。

5 通過控制器區域網絡協議建立事故避免系統輔助車道偏離預警[5]

5.1 主要目的

作者ROOBAN K介紹了一種基于嵌入式系統的事故避免系統。該系統主要通過使用控制器區域網絡協議進而控制車輛來避免交通事故的發生。作者詳細描述了這種事故避免系統的設計方法及設計原理。在汽車行駛過程中，該系統實時檢測汽車的狀況，并借助超聲波傳感器傳遞信號，而這個信號可以用來控制制動系統（ABS）。從全球目前的數據中可以看出，人們死亡的大部分是由于交通事故。而交通事故的主要原因則是司機的疏忽造成的。為了解決這個問題，我們使用了基于控制器區域網絡的事故避免系統來防止上述情況的發生。該系統的電路設計及其仿真的實現使用PROTEUS軟件進行。PROTEUS最初是作為多層模式（DOS、Windows和UNIX）系統實用程序創建的，用于處理文本和二進制文件以及創建CGI腳本。

5.2 主要原理

作者著重探索了該系統硬件的實現，進一步確保用戶友好性是作者所提出系統的一些有價值的特性。其中超聲波駐車傳感器的工作原理是首先將超聲波脈沖從傳感器中發出，經過表面聲波傳感器反射。然后車輛將接收到的信號轉換成電信號。然后系統通過發射和接收聲波的時間延遲來計算從傳感器到被測物體的距離。當倒車接近安全距離時，該系統可以通過語音或直觀的顯示來告訴駕駛員周圍的障礙物。測量的距離可以在LCD設備中看到。

Fig.1: Block diagram of adaptivecruisecontrol

Fig.3: Block diagram of transmitter and receiver（sensors）

[1]MOORMAN H G,NILESA,CRUMPC,et al.Lane-Keeping Behavior and Cognitive Load with Use of Lane Departure Warning：WCX? 17：SAE World Congress Experience,2017[C].

[2]SANDSTR?M M,LAMPSIJ?RVI E,HOLMSTR?M A,et al.Detecting lane departures from steering wheel signal[J].Accident Analysis&Prevention,2017,99：272-278.

[3]MEDINA-FLINTSCH A,HICKMANJS,GUOF,et al.Benefit-cost analysisof lanedeparturewarning and roll stability control in commercial vehicles[J].Journal of Safety Research,2017,62：73-80.

[4]AMBARAK JM,YINGH,SYEDF,et al.A Neural Network for Predicting Unintentional Lane Departures：2017 IEEE International Conference on Industrial Technology(ICIT),2017[C].

[5]ROOBAN K,GOBU V.Adaptive Cruise Control Implementation using Controller Area Network Protocol[J].International Journal of Vehicle Structuresand Systems,2017,9(1).