汽車主動安全技術研究進展

1 引言

研究表明，由于機動車事故所造成的重大死亡與殘疾成為一個越來越大的一個社會問題，而對于減小機動車交通事故的一個重要的方法就是汽車主動安全技術。目前汽車的主動安全技術主要有以下幾種：車道偏離警告系統、牽引力控制系統、ABS系統等。

本文主要介紹關于車道偏離系統及牽引力控制系統的一些最新研究進展。

2 車道偏離警告系統[1]

在眾多的交通事故中，汽車出現車道偏移是造成駕駛員生命危險的主要原因之一。為了減少交通事故發生的數量，以及交通事故所造成的傷害程度，車道偏離警告系統是一種行之有效的方法。基于視覺車道偏離預警系統其實已經存在了近20余年了，在此期間，系統也得到了一定程度的完善。論文提供了當前LDW（Lane Detection and departure Warning system）系統的概述，特別描述了預處理，車道模型，車道檢測技術和離場警報系統。

2.1 車道偏離警告系統的整體框架

車道偏離警告系統是由車道檢測和離場警報系統的兩個主要部分組成的。第一道路車道標記由車道檢測模塊提取的，然后測量模塊確定跨過車道邊界是否是無意操縱，以防止出現意外的車道偏離。車道偏離警告系統的總體框圖如所示。

圖2-1 車道偏離警告系統的整體框架圖

2.2 環境適應

智能車輛配備先進的傳感系統和智能駕駛輔助系統。因此有人提出了一個應對于惡劣天氣條件和夜間條件具有魯棒性的車道偏離警報系統，它可以使用車道的不同顏色來標記車道。

由于車道偏離警告系統運行工作環境條件的變動，增加了車道檢測的挑戰性。因此，在系統工作時，需要考慮車道類型，路面，白天，環境因素（陰影，雨，霧，日照）等不同的復雜情況。

2.3 預處理

預處理步驟是車道檢測和離場預警系統的重要組成部分，有助于減少計算時間，提高算法效果。它也被用來消除由于攝像機運動不穩定造成的傳感器噪聲和錯誤。預警系統的輸入是從沿著汽車中心線，安裝在車輛內部的攝像機拍攝的基于RGB的彩色圖像序列。為了使攝像頭在不妨礙駕駛員視野的情況下清楚地看到前方的道路，同時提高車道檢測精度，許多研究人員采用了不同的圖像預處理技術。比如說為了實現平滑操作，會使用均值，中值或高斯濾波器的方法。

2.4 顏色處理

在車道檢測過程中，大部分算法只對圖像的灰度進行分析。像素的顏色最初是以高度相關的RGB空間表示的。在處理時可以將RGB色彩空間可以轉換為YCbCr色彩空間。原因在于人的視覺系統對顏色不太敏感，彩色圖像中最重要的信息是在圖像的Y分量中保留的。

轉化的公式如下

2.5 車道建模

在車道檢測和離場預警系統中，車道建模起著重要的作用。車道建模是用于獲取道路車道標記的數學描述。到目前為止，各種基于視覺的車道檢測技術提出了不同的車道模型。為了模擬道路，一些算法使用直線；而也有算法使用更復雜的模型，如拋物線，雙曲線，B樣條和回旋曲線。

2.6 車道檢測

車道檢測是計算機視覺領域的研究熱點，在車道偏離預警系統中發揮重要作用。圖2-2展示了智能車輛的基本技術。車道檢測系統檢測來自復雜環境的車道標記，并使用它們可靠地估計車輛相對于車道的車輛位置和軌跡。為了開發一個能夠適應各種條件的強大的車道檢測系統，必須將車道標識檢測器與車道跟蹤系統相結合來開發系統。車道檢測任務分為兩個主要的步驟：邊緣檢測和車道檢測。

圖2-2 智能車輛上所用的技術

2.7 小結

在本文中，我們描述各種基于視覺的車道偏離警告系統。通常，此系統包括車道建模，特征提取，車道檢測模塊。可以發現，在駕駛員輔助系統如車道偏離警告系統，換道輔助系統和防止碰撞中，車道檢測扮演著非常重要的作用。由于車道標記被假定為邊緣特征，基于特征來進行車道檢測。在大多數系統中，霍夫變換被廣泛用于檢測車道標志；它的缺點是需要大量的計算時間。同時本文還著重介紹了在陰影，動態照明條件、濃霧、雨天條件、夜間時間、車道標線條件差等復雜環境下的車道檢測問題。

3 車道變換的深入研究對駕駛輔助系統的影響[2]

3.1 研究背景及研究意義

由于與鄰近車輛的復雜交互作用，車道變換事件往往與安全問題和交通運營效率有關，尤其是在交通擁堵的狀況下的車道變化。車道變化的影響更加明顯，因為這些事件導致車輛加速和減速更頻繁和突然導致的碰撞發生的風險更高。從這些角度來看，對車道變化的深入了解將對開發車載駕駛輔助系統有重要的意義。本研究的目的是使用車輛軌跡分析車輛交互作用，并確定影響車道變化的因素。本研究使用了南加州US-101高速公路段的車輛軌跡數據。車輛軌跡按照交通擁堵與交通不擁堵兩種不同情況分為兩組。

本文采用一種處理二元選擇條件的技術來建立車道變換決策模型。對于交通不擁堵情況下的車道變化，研究發現，無論車輛當前和目標車道的車輛位置如何，駕駛員更可能關注前方車輛的移動。另一方面，在決定車道改變時，如果交通擁堵，車輛駕駛員更可能受到在目標車道上行駛的車輛的影響。車道變換決策模型在兩種交通情況下進行車道變換，準確率達到80%左右。這可能是因為駕駛員進行決策時，傾向于避免與目標車道上的車輛發生側面碰撞或追尾碰撞。

3.2 主要研究結果與研究意義

本研究可用于更好地理解不同交通狀況下，相關的駕駛員車道變換行為，并且在設計更安全的輔助系統中提供有價值的參考方案，以開發用于處理傳感器數據的算法，例如盲點檢測系統（BSDS）和車道保持輔助系統。

4 個性化車道變換識別系統的在線學習在駕駛輔助中的應用[3]

4.1 研究背景與研究意義

情境識別是機器進行決策的重要組成部分，這是通過一系列行為來識別已發生情況的過程。因此，應該給予駕駛輔助系統一個在線學習過程，通過對發生的情況進行建模和標記以及調整知識庫來使機器決策更加準確。

本文提出了一種改進的案例推理（CBR Case-Based Reasoning）方法，并將其應用于車道變換駕駛情況識別。所提出的CBR能夠使用情景-操作者建模（SOM Situation-Operator Modeling）方法對事件離散情況進行建模。另外，通過模糊邏輯的集成，在線學習操作人員的操作，并重新用于情境識別。作為實驗，所提出的方法被用于識別駕駛輔助系統的車道變換情況。根據基本評測結果，所提出的方法能夠改善自動駕駛系統對車道變換情況的識別性能。

4.2 研究結果

考慮使用駕駛操縱的實驗應用來評估所提出的方法。不同的駕駛測試結果表明，駕駛體驗在線學習可以提高駕駛員情況識別的準確性。另外，基于新的人為操作行為的知識庫動態適應能力的在線學習能夠支持情境識別。個性化情景識別的實驗結果表明，個性化可以提高檢測率，降低虛警率。總體而言，所提出的方法的實驗結果表明在駕駛輔助系統中在線學習和個性化情況識別的重要性。

5 使用特殊類型的滑動模式控制器的混合動力四輪驅動車輛牽引力控制系統研制[4]

5.1 主要目的與主要原理

本文采用特殊類型的滑動模式控制器，開發了一種基于新型混合動力四輪驅動車輛的牽引力控制系統。本文所提出的控制系統有兩個特點，其一：提出了一種在前輪處具有輪轂電機并且在變速器后部處具有離合器的新型電動動力總成體系結構，以用于提高最大牽引力。輪轂電機被控制在最佳滑動點附近循環。基于前輪的循環模式，定義了后輪的期望輪速。通過控制離合器扭矩來控制后輪以追蹤定義的速度。與傳統的TCS（Traction Control System）算法不同，所提出的方法利用離合器控制而不是制動控制。其二：提出了一種使用輪胎非線性特性的特殊類型的滑動模式控制器。所提出的滑動模式控制方法與其他常規反饋控制器之間的重要區別在于前者不依賴于反饋誤差，但卻可以提供相同的控制功能。

5.2 主要結論

使用本文所提出的方法與傳統的方法相比，本方法所需要的調諧參數總數量顯著減少。由于調諧參數的數量減少以及使用簡單的分析控制算法，電控單元的計算負擔可以顯著降低。所提出的方法有望為新的TCS算法提供參考。盡管所開發的方法僅通過混合動力四輪驅動車輛進行了驗證，但在不修改算法的條件下，純電動車輛或裝備有輪轂電機的車輛也適合采用所提出的策略。

[1]Narote SP,Bhujbal PN,Narote A S,et al.A review of recent advances in lane detection and departure warning system[J].Pattern Recognition,2018,73：216-234.

[2]Oh C,Choi J,Park S.In-depth understanding of lane changing interactions for in-vehicle driving assistance systems[J].International journal of automotive technology,2017,18(2)：357-363.

[3]Sarkheyli-H?gele A,Sc?ffker D.Online learning for an individualized lane-change situation recognition system applied to driving assistance[C]//Cognitive and Computational Aspects of Situation Management(CogSIMA),2017 IEEEConference on.IEEE,2017：1-6.

[4]Han K,Choi M,Lee B,et al.Development of a Traction Control System Using a Special Type of Sliding Mode Controller for Hybrid 4WD Vehicles[J].IEEETransactions on Vehicular Technology,2017.