基于駕駛員反應時間的自動緊急制動避撞策略

鄭 剛，俎兆飛，孔 祚

（1.上海應用技術大學，上海 201418；2.上海大丁自動化科技有限公司，上海 200240）

自動緊急制動系統是汽車高級駕駛輔助系統（advanced driving assistance system，ADAS）的重要組成部分。AEBS通過傳感器持續監測自身車輛及前方車輛的各項狀態參數，判斷車輛的危險狀況，必要時代替駕駛員進行緊急制動，以避免碰撞。中國新車評價規程（China new car assessment program，C-NCAP）及歐盟新車評價規程（European new car assessment program，EURO-NCAP）等機構相繼將AEBS加入新車評價體系之后，AEB系統逐漸成為汽車的標準配置功能。在法規和市場的推動下AEB系統亦成為了汽車主動安全技術的研究熱點。

避撞策略是汽車AEB系統的核心，精確且合理的避撞策略對AEB系統能否實現更好的控制效果起著至關重要的作用。國內外學者也對AEB系統避撞策略進行了深入研究。楊為等［1］提出了一種上層模糊控制、下層PID控制的分層行人避撞控制策略。李霖等［2］基于真實交通狀況中駕駛員的緊急制動狀況提出了一種新的自主緊急制動系統避撞策略。但上述避撞策略駕駛員反應時間采用定值，碰撞時間閾值選取時機原因不明且沒有考慮不同駕駛員反應時間對避撞效果造成的影響，避撞策略的控制不夠精確。唐陽山等［3］通過采集不同駕駛員的反應時間建立實驗，確定了不同駕駛員反應時間對安全距離產生了較大影響。陸建等［4］基于試驗車的實驗方案，建立不同車速、不同駕駛員的追尾風險模型，確定了不同駕駛員及不同車速追尾碰撞風險不同。張勇剛等［5］綜合考慮駕駛員的個性差異，建立不同行駛工況下的最小安全距離模型。姜順明等［6］基于駕駛員狀態識別，建立自動機緊急制動控制策略。但以上控制策略主要從駕駛員的性格、心理方面進行簡單分類，分類條件簡單且分類界限不明。

本文中從不同駕駛員的基本屬性出發，確立正交實驗方案，以駕駛員的反應時間為分類依據，通過駕駛模擬器采集各類駕駛員的反應時間，分析確定各駕駛員反應時間與駕駛速度的關系曲線。最終應用聚類分析法對上述各關系曲線進行分類研究，確定駕駛員最終分類。根據不同類別駕駛員反應時間及駕駛速度關系曲線建立AEB系統的風險評估模型和制動壓力模糊控制模型，構成了一種較精確、合理的AEB系統避撞控制策略。該控制策略從駕駛員的基本屬性出發，充分考慮不同駕駛員反應時間對報警及安全預制的影響，從而有效提高了避撞控制策略的精度，此外制動減速度模糊控制模型自動調節輸出的制動壓力，一定程度上保證了駕駛員的駕駛舒適度。

1 駕駛員分類

1.1 駕駛員類型正交實驗方案

駕駛員反應時間是研究駕駛行為的一項重要參數，而影響駕駛員反應時間的因素有很多［7］。除卻一些特殊的不正當駕駛行為及惡劣外部環境外，對駕駛員反應時間產生主要影響的因素是駕駛員的自身影響因素及駕駛速度。駕駛員的基本屬性包含了駕駛員的年齡、性別及駕駛經驗，這3項因素也是影響駕駛員反應時間的重要因素［8］。

按照上述3種駕駛員的基本屬性出發，確立駕駛員的分類。按照國內研究現狀，駕駛員年齡可以分為青年（18～30歲）、中年（30～50歲）和中老年（50～70歲）；性別分為男性及女性；駕駛經驗按照駕齡分為新手司機（2 a及以下）、普通司機（2～5 a）和老司機（5 a以上）。綜上可以把駕駛員分為18種類別。但是上述分類種類繁瑣且有重復，也不利于進行實驗分析。

正交實驗法是利用經過專家反復編寫的正交實驗表來對實驗進行整體、綜合、統計分析，實現通過少數的實驗次數找到較好的實驗效果，獲得較完全的實驗數據的實驗方法。針對本次實驗可把上述駕駛員分為3因素，混合水平的正交實驗。對照正交實驗表總結得出9組類型實驗方案，如表1所示。

表1 正交實驗方案

1.2 駕駛員反應時間數據

駕駛員反應時間的數據收集主要通過駕駛模擬器來完成。針對上述正交實驗方案選取90名在校師生進行駕駛員反應時間的采集。數據采集之前首先進行問卷調查，確定駕駛員的各項基本參數按照實驗分為9組。

有關資料表明［11］，車輛碰撞事故發生次數的峰值車速為48.48 km／h，之后隨著車速的增加逐漸減少。因此，本次實驗兩車相對車速設定在0～60 km／h。為了實驗數據的準確性，每位駕駛員開始測試之前熟悉駕駛艙5 min，并記錄每位駕駛員在每個測試速度下的5個測試點取平均值。最終對收集的每組測試數據進行線性回歸分析，并做出每組數據的擬合關系曲線，其具體的函數表達式如表2所示。其中y為駕駛員的反應時間，x為駕駛員的駕駛速度。圖1為第1組實驗數據舉例，其中y為駕駛員的反應時間，x為駕駛員的駕駛速度。

1.3 駕駛員類型聚類分析

聚類分析法［12］是一組將研究對象分為相對同質的統計分析技術，是將數據分類到由相似對象組成的多個類或者簇的動態過程。聚類分析法的主要步驟為：

1）數據的預處理：選擇數量、類型和特征的標度。

2）為衡量數據點間的相似度定義距離函數。

3）聚類分組：將數據對象分到不同的類中（劃分法）。

4）評估輸出：評估輸出結果的質量。

表2 關系函數表達式

由上述9組數據可知，不同駕駛員之間的差異性比較大，駕駛員的反應時間與駕駛速度變化也有關系且同一駕駛員在相同的工況下具有不同的反應時間。因此，利用傳統的歐幾里得距離算法對駕駛員進行聚類分析，無法滿足分類的標準。本文中通過從駕駛員反應時間與駕駛速度之間的函數關系入手，對函數簇進行處理，實現對駕駛員的分類。

由表2的函數曲線表達式可以看出，駕駛員的反應時間與速度之間呈現的是一次函數關系：

式中：y為駕駛員反應時間；x為駕駛速度。

利用斜率與截距代表一次函數，則有：

式中：a為斜率；b為截距。

因此，改進的歐幾里得距離可以重新被定義為：

則新定義的聚類歐幾里得距離為：

式中：di為第i個樣本指標的歐幾里得距離；n為n個樣本；ai為第i個一次函數斜率；am為第m個一次函數斜率；bi為第i個一次函數截距；bm為第m個一次函數截距。

新定義的距離越小，說明2個指標越接近，在精度滿足的情況下可以把其歸為同一類。具體聚類流程如圖2所示。最終分類結果如表3所示。

表3 駕駛員分類

最終把駕駛員分為4類，每類駕駛員之間的歐幾里得距離矩陣為：

由上述距離矩陣可知，各類駕駛員呈現明顯的差異性，分類較理想。根據上述分類整理測試數據最終得到每類駕駛員的反應時間與駕駛速度之間的函數曲線及關系式，函數曲線如圖3所示。

關系式為：

式中：T1～T4為每類駕駛員在不同駕駛速度下的反應時間；v為駕駛速度；R2為擬合曲線的線性回歸決定系數。

2 風險評估模型設計

2.1 報警及制動閾值設定

目前比較常見的有2種AEB系統的風險評估模型［13］：一種是通過分析本車與目標車之間的制動過程，設定相應的安全預碰撞距離閾值。當本車與目標車之間的距離小于設定的安全閾值時，開始進行緊急制動，稱為安全距離模型。另一種是計算本車和目標車之間的碰撞時間（TTC），設置相應的碰撞時間閾值。當兩車的碰撞時間低于設定的碰撞閾值時開始制動，稱為安全時間模型。

在駕駛過程中，駕駛員對碰撞時間的感受會比碰撞距離的感受更直觀，因此，采用安全時間的風險評估模型。傳統的考慮前后車相對加速度的改進2階TTC計算公式為：

式中：vrel表示本車和目標車的相對速度；x表示兩車相對距離；arel表示兩車的相對加速度。TTC閾值是指AEB系統判斷將要發生碰撞時采取制動的時刻的TTC的值，TTC閾值決定了AEB系統的報警及制動時機，是整個風險評估模型的核心。研究表明：TTC閾值的設定與駕駛員的反應時間以及汽車的制動間隙時間有關。由于同類型汽車的制動間隙時間大體相同，故此本文中認為TTC閾值的設定與駕駛員的反應時間有直接關系。

由4類駕駛員反應時間和駕駛速度之間的關系可得：

式中：TTC1～TTC4為4類駕駛員的TTC制動閾值，即為當前車速下的駕駛員反應時間加上制動間隙時間及液壓延遲時間。v為當前的駕駛速度（m／s）。t0為制動間隙時間和液壓遲滯時間，取0.2 s。考慮到駕駛員在接收到報警信號（聲光）時，需要一定的反應時間來進行制動，考慮設定2倍的當前駕駛速度下的駕駛員反應時間為AEB系統的報警閾值。TTC報警及制動閾值是隨著駕駛員及駕駛速度變化而變化的，因此不同駕駛員及同類型駕駛員在不同車速下選取了不同的TTC報警及制動閾值，充分考慮了不同駕駛員的個性特點，使報警及制動時機的選擇更精確、合理。

駕駛速度設定方面，風險評估模型與實驗所得的駕駛員反應時間及駕駛速度函數關系曲線保持一致，采用0～60 km／h的相對速度設定。

2.2 分級報警制動系統

本文中所述的AEBS預警系統根據TTC的數值對個各工況下的行車安全程度進行3等級的安全等級劃分。

Ⅰ級為正常行駛級別：正常行駛時AEBS預警系統發出信號值為0，處于正常行駛級別，此時預警系統無報警，無制動。

Ⅱ級為碰撞預警級別：當傳感器探測到自身車輛與同車道前方行駛車輛之間的碰撞時間TTC，達到2倍當時車速下的駕駛員反應時間時，AEBS預警系統發出報警信號值為1，提醒駕駛員減速制動。

Ⅲ級為危險制動級別：當傳感器檢測到兩車的碰撞時間TTC達到TTC制動閾值且駕駛員無制動動作時，AEBS報警系統發出報警信號值為2，此時AEBS制動系統自動參與制動，當車輛成功剎停或發生碰撞時報警信號重新減為0。

3 AEBS模糊控制系統

3.1 AEB系統工作流程

圖4為整個AEB系統的工作流程：行車狀態識別模型檢測自身車輛和目標車輛的行駛參數，通過風險評估模型計算本車的報警及制動閾值，報警及制動信號和兩車的行駛參數發送模糊控制系統，輸出期望的制動減速度。

3.2 AEBS模糊控制器設計

本文中所述AEBS模糊控制器是以自身車輛和目標車輛的相對速度（km／h），以及兩車縱向的相對距離（m）為輸入，以制動時系統輸出的制動減速度a（m／s2）為輸出的雙輸入單輸出模糊控制。其中模糊控制器的輸入輸出語言變量按照N6（正大）～N1（正小），P6（正大）～P1（正小），Z6（正大）～Z1（正小），Z0（零），N0（零），P0（零）來劃分。詳細語言變量描述如表4所示。

表4 輸入輸出語言變量

整個模糊控制器輸入輸出函數為高斯函數，模糊關系法則為Mamdani，解模糊方法為重心法。圖5～8為本模糊控制器的輸入輸出隸屬度函數及輸入輸出變量曲面。

當本車和目標車制動結束，兩車靜止或者相對速度為0時，兩車之間需要留出一定的安全距離，稱為最小安全距離。而在國內外對AEB系統的安全距離模型的研究中，一般將最小安全距離在2～5 m之間取一個固定值。本文中考慮到不同類型駕駛員的特異性差異，不同類型駕駛員設定的最小安全距離略有不同，設定為1.4～2.5 m，并通過一定數量的駕駛模擬器仿真試驗，得出不同相對速度及相對位移下需要的制動減速度數據50組。在實驗所得的數據的基礎上充分考慮駕駛員的駕駛舒適性，構建AEBS模糊控制器的模糊規則，部分模糊規則如表5所示。

表5 部分模糊規則

4 仿真及結果分析

4.1 AEB系統仿真

AEB系統收集本車及前車的姿態信息（速度、加速度等）計算碰撞時間TTC，并進行風險評估，之后通過模糊控制器輸出期望的制動減速度，對本車進行制動減速。根據AEB系統的工作流程，車輛的動力學模型以及所設計的模糊控制器，建立CarSim和Simulink聯合仿真模型，如圖9所示。

整個模型包含整車模型、數值計算模型、風險評估模型，以及模糊控制模型，其中整車模型根據某款量產車輛的真實數據，通過CarSim軟件建立，包含了該車的動力學模型制動系統、轉向系統等。數值計算模型主要負責收集自身車輛及目標車輛的姿態信息，計算兩車的碰撞時間TTC。風險評估模型根據不同類型駕駛員的個性特點及不同速度計算相應的反應時間，進而計算AEB系統的報警及制動閾值，并發出報警信號及制動請求。當接收到制動請求之后，模糊控制模塊根據兩車的相對位移及相對速度輸入及模糊規則輸出期望的制動減速度，車身動力學模型接收發出的期望制動減速度，完成車身制動。

4.2 C-NCAP-CCRs測試工況

C-NCAP的CCRs測試工況包含CCRs-20 km／h、CCRs-30 km／h、CCRs-40 km／h三組測試場景，即要求自身車輛（SV）及目標車輛（POV）在規定行駛路徑上，POV靜止，SV分別以20、30、40 km／h的速度行駛。

4.3 仿真結果分析

圖10～11為AEB系統按照C-NCAP法規要求進行仿真分析的結果舉例。

圖10為4類駕駛員在CCRs-20km／h測試場景下兩車的相對位移、相對速度、自身車輛的減速度以及報警信號的變化曲線。

以第1類駕駛員為例，在20 km／h的速度下，其報警TTC閾值為3，持續報警時間為1.5 s。由圖10（d）可知，車輛在2.48 s處觸發報警，AEBS的TTC報警值變為1，持續報警1.5 s之后在3.98 s時達到制動TTC閾值，報警值變為2，最終車輛在6.58 s處成功制動，報警值變為0。整個AEBS預警系統報警信號輸出準確，持續。由圖10（c）可知，自身車輛在制動開始時，模糊控制器輸出制動減速度較為平緩，車輛的減速度控制在0～3 m／s2。

測試結果表明：所建立的AEBS系統對于相同速度下的不同駕駛員的不同反應時間做出了很好的區分，充分考慮到了不同駕駛員的特異性差異。且模糊控制器輸出的制動減速度較為平緩，雖然在制動的過程中有較小的峰值，但是持續時間較短，總體制動效果較好。

以第4類駕駛員為例分別測試了其在CCRs-20 km／h、CCRs-30 km／h、CCRs-40 km／h場景下的相對位移、相對速度、制動減速度及報警信號，如圖11所示。在圖11中，所設計的AEBS系統能夠根據駕駛員的不同行車速度自動調節TTC報警及制動閾值，及制動減速度的大小，使制動安全距離保持在預期的安全距離內。在充分考慮不同速度對駕駛員反應時間的影響的同時，也保證了駕駛員及乘客的安全。

分析各個測試工況的仿真結果，該AEBS系統不同類型的駕駛員在制動完成時，與前車之間的車頭距離保持在0.8～2.8 m，該車頭距離在保證駕駛員及乘客安全性的前提下充分滿足了不同駕駛員對最小制動安全距離的需求；各個測試場景下，制動時的行車減速度控制在1～7 m／s2，且減速度曲線較為平滑，駕駛員及乘客的舒適性較高。采用的雙TTC閾值報警策略，比較符合不同類型駕駛員的報警需求，且報警曲線準確持續，無誤報漏報。

5 結論

所建立的TTC風險評估模型能夠準確地針對不同駕駛員的個性特點設定不同的報警閾值及制動閾值，準確地發出報警信號及制動信號，無漏報警和誤報警發生。所設計的模糊控制器能夠在保證安全的前提下盡可能地調整制動減速度的輸出，且減速度曲線較順滑，一定程度上提高了駕駛員的駕駛舒適性及對系統的認可度。綜上，所設計的AEB系統可以很好地滿足不同駕駛員對系統的控制需求，對AEB系統開發設計有參考意義。

但是由于經費和調查難度的原因，本課題的實驗數據均來自本校師生，因此選擇的駕駛員樣本典型性不夠明顯，種類較為單一，所得出的不同類型駕駛員反應時間的代表性及普遍性不夠突出。并且由于本課題的實驗數據獲取途徑來源于駕駛模擬器，在數據的準確性和全面性上有一定的誤差，因此每類駕駛員和駕駛速度之間的關系曲線精確度略低。此外本文中所述的控制算法處于模型開發階段，下一步可以把模型生成為控制代碼，寫入控制硬件，進而搭建AEB控制器的硬件在環測試系統，對系統進行進一步的算法驗證。