一種汽車自動緊急制動系統的測試及評價方法

彭憶強,陳 超,甘海云,丁宗恒,熊 慶

(1.西華大學 汽車與交通學院， 成都 610039； 2.中國汽車工程研究院股份有限公司， 重慶 401122；3.四川汽車關鍵零部件協同創新中心， 成都 610039；4.汽車測控與安全四川省重點實驗室， 成都 610039；5.天津職業技術師范大學， 天津 300300；6.流體及動力機械教育部重點實驗室， 成都 610039；7.北京卡達克數據有限公司， 北京 100176)

在全球智能車輛迅速發展的背景下，電子穩定控制(electronic stability control，ESC)、防抱死制動控制(anti-lock braking system，ABS)等車輛主動安全技術已逐步向具有智能檢測、控制能力的汽車智能安全技術方向發展。目前，駕駛員輔助控制(advanced driver assistance systems，ADAS)是汽車智能安全技術的代表。ADAS包括自動緊急制動控制(autonomous emergency braking system，AEBS)、偏離車道預警控制(lane departure warning system，LDWS)、自適應巡航控制(adaptive cruise control system， ACCS)、盲點監測控制(blind spot detection system，BSDS)、自動泊車控制(automatic parking system，APS)等在內的相關車載控制系統[1]。這些車載控制系統的存在可以進一步提高乘員的安全性、舒適性，也是實現汽車自動駕駛的基礎。

AEBS是在汽車行駛的緊急情況下，針對追尾工況發出碰撞警告，并且自動采取緊急制動措施的一種智能安全系統，防止因駕駛員制動反應過慢而引起的碰撞安全事故的發生。AEBS的工作原理如圖1所示。

圖1 AEBS的工作原理

AEBS通過攝像頭或雷達檢測(或兩者信號的融合)來識別前方的車輛，在有發生碰撞可能的前提條件下，首先通過聲音和警示燈提醒駕駛員進行制動操作，防止碰撞發生。若駕駛員沒有及時進行制動操作，AEBS判定追尾碰撞無法避免，就將進行主動制動來避免碰撞或降低碰撞可能性。此外，AEBS還可提供動態制動支持，若駕駛員給予的制動踏板力不足以避免碰撞，它可施加額外的制動力。

針對AEBS的測試方法及標準法規，國家智能運輸標準委員會發布了智能運輸系統、自適應巡航系統、車輛碰撞預警系統的性能要求和試驗方法[2-3]。曹寅等[4]對國外AEBS的檢測與試驗方法進行了總結，歸納出AEBS的試驗流程。但作為開發、檢驗和推廣AEBS的重要方向——AEBS的測試與評價方法研究，其相關的法規或標準、測試及評價方法等研究成果卻十分匱乏。

本文以國內AEBS的測試和評價方法為對象，主要進行以下研究：建立完整的AEBS測試系統；基于國內事故的情況分析，制定符合我國道路AEBS測試的工況及方法；引入層次分析法(analytic hierarchy process，AHP)搭建模型，獲取判斷矩陣，計算各工況權重系數，綜合獲得AEBS的評價方法；對某一車型的樣品車進行所提工況的AEBS實地試驗；分析、評價結果，定量獲取得分。

1 AEBS的測試方法及原理

AEBS的測試方法主要分為2種：目標車輛靜態測試與目標車輛動態測試。試驗中用到的儀器與設備主要有車輛、陀螺儀(含GPS)、駕駛機器人、超平可碾壓(ultra flat overrunable，UFO)機器人以及假車等。AEBS測試原理如圖2所示。

圖2 AEBS測試原理示意圖

AEBS靜態測試時，陀螺儀布置于被測車輛中，由GPS確定車輛位置并通過RT基站的差分定位系統獲取高精度的車輛位置信息。同時，通過配備的轉向、制動和加速駕駛機器人，使被測車輛的車速、橫向偏距等參數可被精確控制。陀螺儀通過預設的網絡協議與機器人控制器相連，將被測車輛的實時位置信息發送給駕駛機器人。預警系統則通過CAN接口與機器人控制器相連，將試驗中的各種警報信息實時發送給駕駛機器人。通過駕駛機器人實時收集的定位信息、報警信息等數據，即可對被測車輛的AEBS有效性進行評估。

AEBS動態測試通過獲取車輛的實時參數對被測車輛與目標車輛進行控制和協調。在測試中，為保證安全，把UFO作為目標車輛，其平臺用來放置、安裝UFO控制器。它從RT基站接收差分信號，通過WiFi傳送到目標車輛和被測車輛的“vehicle box”，這樣就能分別獲得目標車輛、被測車輛的定位信息，并得到車輛速度、加速度等實時運行參數。在測試中，通過對被測車輛、目標車輛相關參數的精確控制，確保兩輛車之間的默契合作。同時，在UFO的后部裝有一個光傳感器(light gate)。被測車輛經過光傳感器時會觸發UFO控制器，控制器發出指令促使UFO按照預先設定的軌跡行駛以進入測試狀態。

2 AEBS測試工況研究

進行AEBS測試工況的研究，必須基于我國交通事故發生的具體情況，制訂符合國情的AEBS測試方法。

我國交通事故統計數據顯示[5]：約15%的事故是由車輛未制動或未及時制動引起的碰撞。C-NCAP統計表明[6]：約50%的追尾事故是由前車過慢行駛而引起的。公安部事故錄像進一步顯示：大部分的追尾事故是由于前車突然變道而引起的。因此，在我國的道路事故中，兩車之間發生偏置碰撞占比比較大。

根據上述我國發生交通事故的具體情況，本文制訂了如表1所示的AEBS測試工況[7]。其中的虛警工況、人機接口測試工況屬功能性測試，因此以下的評價方法研究中未涉及這兩種工況。

3 AEBS測試結果評價方法研究

AEBS測試結果的評價基于2個方面： AEBS在各個工況中的表現；各個工況在評價系統中的權重。

根據現有的交通統計數據，本文建立了幾種典型測試工況(如表1所示)，結合層次分析法(AHP)[8-11]，計算了各種工況對整個系統的評價權重。

在AHP中構建總目標和各個元素的權重關系時，可建立3個遞階層次：目標層、準則層和方案層，分別對應層次結構的目的、約束條件及詳細描述。該結構從目標層開始往下支配，同層之間互不干擾。

基于AHP原理，本文建立了如圖3所示的以城市道路工況為元素的AEBS測試結果評價模型。通過計算各方案層的權重系數，對某型汽車的樣車進行了AEBS實車測試和評價。

表1 AEBS測試工況匯總

編號工況名稱工 況 描 述1目標車靜止工況在試驗過程中,目標車輛靜止停在被測車輛所在的車道中央前方,被測車輛從遠方分別以速度10、20、30、40、50(km/h)靠近目標車輛。試驗時,必須保證試驗開始時刻(t=4 s)以前兩車的各項運行參數趨于穩定。AEBS功能起效前,嚴禁進行轉向、變速等人工干預。當被測車輛在AEBS作用下停車或碰撞目標車輛才結束試驗。2目標車低速工況在試驗過程中,被測車輛與目標車輛在同一車道行駛且車輛中心線應盡量對齊。目標車輛車速設置為20 km/h,被測車輛從遠方分別以速度30、40、50、60、70(km/h)靠近目標車輛。試驗時,必須保證試驗開始時刻(t=4 s)以前兩車的各項運行參數趨于穩定。AEBS功能起效前,嚴禁進行轉向、變速等人工干預。當被測車輛在AEBS作用下停車或碰撞目標車輛才結束試驗。3目標車減速工況在試驗過程中,目標車輛與被測車輛的速度均設置為50 km/h,兩車在同一車道行駛且車輛中心線應盡量對齊。試驗時,必須保證兩車的各項運行參數趨于穩定4 s后,目標車輛突然制動減速。AEBS功能起效前,嚴禁進行轉向、變速等人工干預。當被測車輛在AEBS作用下停車或碰撞目標車輛才結束試驗。4目標車輛切入被測車輛車道被測車輛與目標車輛分別以車速50 km/h、20 km/h行駛在兩個相鄰車道。目標車輛在被測車輛前方。試驗時,必須保證兩車的各項運行參數趨于穩定后,目標車輛突然降速切入被測車輛車道。AEBS功能起效前,嚴禁進行轉向、變速等人工干預。當被測車輛在AEBS作用下停車或碰撞目標車輛才結束試驗。5被測車輛切入目標車輛車道被測車輛與目標車輛分別以車速50 km/h、30 km/h行駛在兩個相鄰車道。目標車輛在被測車輛前方。在試驗過程中,必須保證兩車的各項運行參數趨于穩定后,被測車輛突然降速切入目標車輛車道。AEBS功能起效前,嚴禁進行轉向、變速等人工干預。當被測車輛在AEBS作用下停車或碰撞目標車輛才結束試驗。6兩目標車,后目標車切出測試車道被測車輛與目標車輛分別以車速50 km/h、20 km/h行駛在同一車道。目標車輛在被測車輛前方。在同一車道、被測車輛與目標車輛之間,設置一輛車速為50 km/h的干擾車輛。在試驗過程中,要保證三車的各項運行參數趨于穩定后,干擾車突然切出原本車道進入相鄰車道。AEBS功能起效前,嚴禁進行轉向、變速等人工干預。當被測車輛在AEBS作用下停車或碰撞目標車輛才結束試驗。7虛警工況虛警試驗分為直道工況和彎道工況。兩種工況下,被測車輛的速度均設置為50 km/h。在直道測試中,被測車輛從停放若干目標車輛的測試車道中穿過行駛,以觀察AEBS的報警及啟動情況;彎道測試中,被測車輛從停放若干目標車輛于彎道外車道的邊上駛過,以觀察AEBS的報警及啟動情況。8人機接口測試工況選擇聲音信號、視覺信號和振動信號中至少兩種組合成為AEBS的報警信號。其中聲音報警應在不驚嚇駕駛員的情況下,及時提醒駕駛員潛在的危險情況;視覺報警的顏色選擇紅色且不單獨使用;振動報警位置最好選擇方向盤或安全帶,強度應足以警醒駕駛員,而又不過分影響其駕駛樂趣。

圖3 AEBS測試結果的評價模型

建立AHP模型后，同層元素間相對重要性的直觀數值比較可用判斷矩陣表示。先對各評價指標進行相互比較，再根據九分位比率進行權重排序，最后按該順序把各指標組合成為判斷矩陣。若用M、Z和F分別表示AHP(圖3)的目標層、準則層及方案層。則M層相對于Z層的判斷矩陣A如下：

車道變換工況下，Z層相對于F層的判斷矩陣B如下：

判斷矩陣中，bij代表元素i、j的相對重要性比較，且bij、bji互為倒數，即

按相關規定，bij需取9、7、5、3、1、1/3、1/5、1/7、1/9共9個標度，依次表示由重到輕的權重。表2為各標度取值的含義[12]。

表2 AHP方法各標度取值的含義

標度bij含義1bi與bj重要性相等3bi比bj稍微重要5bi比bj重要7與bj相比,bi非常重要9與bj相比,bi極其重要1/3bj比bi稍微重要1/5bj比bi重要1/7與bi相比,bj非常重要1/9與bi相比,bj極其重要

構建M層、Z層之間的判斷矩陣是依據我國交通事故的統計數據。 在2011—2014年的事故統計數據中，挑選出符合以上幾種測試工況的數據，如表3所示。

表3 2011—2014年的事故平均數據

據此，可得出M層相對于Z層的判斷矩陣C：

求解可得C最大特征值為5.099 9，歸一化特征向量為n=(0.087 8， 0.588 8， 0.138 7， 0.045 7， 0.138 9)。n中的元素分別對應目標車靜止、低速、減速、車道變換及偏置等工況的權重系數。

獲得M層相對于Z層的權重系數后，應依次計算Z層相對于F層的權重系數。在計算該權重系數時，不僅需要考慮速度工況，還需要考慮對應事故中的人員傷亡及財產損失。然而，AHP中每個F層之間不能存在聯系，若將傷亡人數、財產損失列為F層中的元素，則不滿足AHP的基本原則。因此，本文先列出各個速度工況下對應事故中的人員傷亡、財產損失情況，并計算其所占比重，最后利用AHP法得出每個Z層中各個工況的權重系數。下面筆者以目標車輛靜止工況為例，詳細說明其計算過程。

據我國交通事故數據統計，在前車靜止時，交通事故的發生數量和傷亡人數在各種車速下的比例分布如圖4所示。以圖4中的數據為基礎，按表4設定不同程度傷亡情況占比，根據前車靜止工況中的設定車速(10、20、30、40、50 km/h)就可以計算得出各工況下綜合事故的所占比例。

表4 不同程度傷亡情況占比

類型傷亡情況占比輕傷1.0重傷1.2死亡1.5

僅僅通過原始的事故統計數據并不能準確計算各種工況下經濟損失的權重系數，因為它沒有給出各個工況下具體的財產損失。但分析數據可知，事故導致的經濟損失隨車速的增加而逐步上升，由此給出一個隨速度增加的線性條件，即設定Z層中每個最低速度工況的損失值為1，速度每增加1級，權重系數增加0.1。

圖4 目標車靜止工況下事故數量和傷亡人數在各種車速下的比例

綜上，采用AHP方法可計算得出目標車靜止工況下Z層相對于F層的權重系數，如表5所示。

表5 方案層(F)元素的權重系數

安全性是AEBS考慮的首要問題，故本文給予表5中傷亡人數(與安全性密切相關)最大的權重，為0.6，其他兩項權重均取0.2。加權計算F層的比例如表6所示。

表6 方案層(F)的加權比例

車速/(km·h-1)所占比例/%104.22011.43023.34027.15034.0

構建Z層相對F層的判斷矩陣D為：

求解可得D最大特征值為5.091 8，歸一化向量為n=(0.069 3， 0.146 4， 0.363 5， 0.432 4， 0.809 1),即10、20、30、40、50 km/h等工況的權重系數分別為0.038 1、0.080 4、0.199 6、0.237 5、0.444 4。

采用同樣的方法，可以分別得出其他幾個工況下Z層對于F層的權重。目標車低速工況下，Z層相對于F層權重系數為0.098 93、0.098 93、0.283 8、0.518 3；目標車減速工況下，Z層相對于F層權重系數為0.125、0.375、0.125、0.375；變換車道工況下，Z層相對于F層權重系數為0.333、0.333、0.333；目標車偏置工況下，Z層相對于F層權重系數為0.027 4、0.049 9、0.117 1、0.129 5、0.208 1、0.468。

據此，可分別對M層相對于Z層、Z層相對于F層的判斷矩陣進行一致性檢驗[7]。檢驗結果表明：各個判斷矩陣具有良好的一致性，能用于AEBS性能評價。

4 實車測試及評價

為進一步驗證上述方法的有效性，對某A級豪華樣車進行了AEBS實車測評。測試天氣條件如下：沒有降雨、降雪、冰雹等惡劣天氣情況；測試溫度范圍為0～45 ℃；測試時最大風速低于10 m/s。測試場地條件如下：干燥的瀝青路面，沒有可見的潮濕處；峰值附著系數大于0.9；直道并且平坦。以下以目標車靜止工況為例，詳細說明具體測評過程。

在目標車靜止工況下，選擇測試范圍為260 m，被測車輛從x=0 m出發，碰撞點設置在x=260 m。圖5為被測車輛速度為10 km/h的測試結果。

圖5 10 km/h車速工況下的測試結果

圖5中：第1個標記點為AEBS測試的開始時刻；第2個標記點為AEBS生效時刻；若存在第3個標記點，則表示被測車輛的剎停時刻。由圖5可知：在10 km/h車速工況下，AEBS能剎停被測車輛，避免碰撞。結果如表7(a)所示。

圖6為被測車輛速度為20 km/h時的測試結果。

圖6標注與圖5相同。由圖6可知：在20 km/h車速工況下，AEBS也能及時剎停被測車輛以避免碰撞。結果如表7(b)所示。

圖7為被測車輛速度為30 km/h時的測試結果。

圖7標注與圖5相同。由圖7可知：在30 km/h車速工況下，被測車輛在AEBS作用下也能避免碰撞。結果如表7(c)所示。

圖8為被測車輛速度為40 km/h時的測試結果。

圖8標注與圖5相同。由圖8可知：在40 km/h車速工況下，AEBS未能及時剎停被測車輛，導致被測車輛與目標車輛碰撞。結果如表7(d)所示。

圖9為被測車輛速度為50 km/h時的測試結果。

圖9標注與圖5相同。由圖9可知：在50 km/h車速工況下，AEBS也未能及時剎停被測車輛，被測車輛與目標車輛碰撞。結果如表7(e)所示。

采用以上的測試方法，分別實現了目標車低速工況、減速工況、車道變換工況、偏置工況的測試，并獲得了相應的測試結論。同時，完成了AEBS系統的聲光報警策略測試，以及被測車輛AEBS系統的一致性測試。

表7 10～50 km/h車速工況的測試結果

工況評價指標測試結果(a) 10 km/hAEBS生效時刻0.66 sAEBS產生的最大減速度9.6 m/s2相對碰撞速度0車輛相對距離(試驗結束后)0.7 m(b) 20 km/hAEBS生效時刻0.77 sAEBS產生的最大減速度9.4 m/s2相對碰撞速度0車輛相對距離(試驗結束后)0.8 m(c) 30 km/hAEBS生效時刻0.78 sAEBS產生的最大減速度10.9 m/s2相對碰撞速度0車輛相對距離(試驗結束后)0.84 m(d) 40 km/hAEBS生效時刻1.20 sAEBS產生的最大減速度10.11 m/s2相對碰撞速度6.6 km/h車輛相對距離(試驗結束后)碰撞(e) 50 km/hAEBS生效時刻1.42 sAEBS產生的最大減速度11.3 m/s2相對碰撞速度24.57 km/h車輛相對距離(試驗結束后)碰撞

圖6 20 km/h車速工況的測試結果

圖7 30 km/h車速工況的測試結果

圖8 40 km/h車速工況的測試結果

圖9 50km/h車速工況的測試結果

依據權重系數，首先計算各個Z層的總分數，并聯合AEBS試驗結果，計算各個F層的得分：

F層得分 =(車速減少量÷兩車相對車速)×

(10×Z層的權重系數)×F層的權重系數

(6)

進行AEBS系統的聲光系統報警策略測試以及測試車輛的AEBS系統的一致性測試，通過則各加1分。因此，所測試樣品車的評價結果如表8所示。從表8可見，該車型樣品車的AEBS系統最終評價得分為8.473 4分(總分10分)，性能良好。

表8 評分結果

序號測試類型測試工況得分總得分1目標車靜止10 km/h20 km/h30 km/h40 km/h50 km/h0.033 4520.070 5910.175 2490.174 1180.198 4470.6522目標車低速40 km/h50 km/h60 km/h70 km/h0.582 5000.399 4011.022 2431.536 8293.5413目標車減速40 m/2 m·s-240 m/6 m·s-212 m/2 m·s-212 m/6 m·s-20.065 0160.249 6600.130 0310.065 0160.5104變換車道目標車切入目標車切出測試車切入0.152 1810.152 1810.152 1810.4575目標車偏置10 km/h20 km/h30 km/h40 km/h50 km/h目標車20 km/h0.038 0590.069 3110.162 6520.179 8760.213 7820.650 0521.3146聲光系統報警策略測試1.01.0007一致性測試同速一致性不同速一致性0.50.51.000最終得分8.473

5 結束語

通過分析我國道路交通事故基本數據，提出了適合我國城市道路車輛AEBS的多種不同測試工況及方法。

利用AHP方法搭建了各種工況下的層次模型，確立了各層次間的判斷矩陣，并獲得了AEBS評價所需的權重系數。

完成了某型汽車樣車的AEBS測試，獲得了多種工況下的試驗結果。經過數據處理及分析，獲得了樣品車的評價結果：所采用的測試及評價方法具有可操作性；所得出的結論具有合理性；若加以完善，后期可以作為一種通用的方法進行推廣。

下一步工作將從2個方向展開：一方面，將進一步增加工況，如考慮交叉路口及行人的影響，以便更加全面地描述和評價汽車AEBS的性能; 另一方面，將在相關參數敏感性分析的基礎上，采用諸如模糊邏輯的處理方式，以提高評價的客觀性。