基于毫米波雷達的汽車與行人碰撞預警系統設計

侯 喆，張洪昌

（武漢理工大學現代汽車零部件技術湖北省重點實驗室，湖北 武漢430070；武漢理工大學汽車零部件技術湖北省協同創新中心，湖北 武漢430070；武漢理工大學湖北省新能源與智能網聯車工程技術研究中心，湖北 武漢430070）

1 引言

隨著中國經濟不斷發展，汽車行業發展迅速，即使在疫情影響下，2020年中國汽車行業仍然呈現持續向好、穩中有進的發展態勢[1]，汽車行業已成為國民經濟發展支柱性產業，汽車已經成為人們日常出行的首選交通工具。隨著汽車保有量的不斷增加，交通事故的發生概率也逐步增加。行人作為交通參與者中的弱勢群體，提高道路行人的安全性成為汽車主動安全領域的研究熱點[2]。根據公安部交通事故年報的數據統計，2019年全國交通事故發生總數為247 646，死亡人數為62 763，受傷人數為256 101，直接財產損失為134 618萬元[3]，雖然相較2018年度數據有小幅度下降，但是仍警示人們解決道路交通問題尤其是汽車與行人碰撞事故問題刻不容緩。

傳統的行人安全保障方法主要通過車身吸能材料減輕碰撞傷害的被動行人保護系統來實現，然而單純的被動行人保護系統不足以充分保障行人安全[4]。已有一些研究人員或企業針對車輛與行人碰撞中的一些情況提出解決方案，比如吳宇通等提出了一種基于車聯網的車輛與行人碰撞預警方式，以解決行人或非機動車從駕駛員視野盲區出現導致的車輛前碰撞預警問題[5]；而張洪昌等則以網聯汽車為基礎針對超視距情況下的預警提出了新的輔助駕駛方法[6]；市場部分車輛則選擇增加汽車行人預警系統來從駕駛員角度保障行人安全。針對汽車行人預警系統這一方案，現有的汽車行人預警設備成本高昂，僅能在高端車型中配備，無法在汽車保有量占比更大的中低端市場內推廣，在提升社會交通安全性上有較大空間。

現設計一種基于毫米波雷達的汽車與行人碰撞預警系統，系統內絕大多數部件均為汽車標準必備部件，從而在有效完成行人預警的前提下最大限度降低成本。為便于解釋說明，暫時只考慮良好路面上的汽車直行工況。

2 系統組成

為了達到行人探測、行人路徑預測和對駕駛員進行提前預警的目的，需要設計模塊來完成對汽車行駛狀態和行人行進狀態的檢測，對汽車俯仰造成的直接探測誤差進行消除，對非行人目標進行篩除，對駕駛員進行提前預警。汽車行人預警系統模塊如表1所示。

表1 汽車行人預警系統模塊表

可將各模塊間的聯系與系統功能實現順序以結構流程圖的方式表現，汽車行人預警系統的結構流程如圖1所示。

圖1 系統結構流程圖

3 模塊設計

3.1 汽車行駛狀態檢測模塊

汽車行駛狀態檢測模塊需要對車輛自身的速度、方向及俯仰角度等進行檢測，并將俯仰角信息提交至行人行進狀態檢測模塊，便于行人行進狀態檢測模塊對行人行進狀態中因俯仰導致的誤差消除，之后將其余信息上傳到綜合計算模塊，以便于綜合判定行人對汽車行駛是否構成威脅。行駛檢測模塊工作流程如圖2所示。

圖2 汽車行駛狀態檢測模塊工作流程圖

3.2 非行人目標篩除模塊

非行人目標篩除模塊需要對傳感器所探測到的目標物進行判定，從而將非行人的目標篩除，僅留下行人目標，以此減少汽車行人預警系統的工作量。

為便于系統設計，在當前階段目標物僅考慮三種類型，即路樁、行人和行道樹。根據資料顯示，路樁高度約為0.6 m，行人高度約為0.7～2 m，行道樹高度約為5～8 m，可以通過傳感器得到的數據計算目標物高度，將目標物的高度與資料對比，以判定是否為行人。記判定所用的目標物的高度為h，探測器到物體上頂端和下頂端的直線距離分別為l1和l2，探測器到物體上頂端和下頂端的探測夾角分別為α1和α2。可得目標物的高度為：

將所得目標物的高度與資料對比后，將不屬于行人的目標物篩除，保留行人目標物，并將行人目標物有關數據上傳至行人行進狀態檢測模塊。非行人目標篩除模塊的工作流程如圖3所示。

圖3 非行人目標篩除模塊工作流程圖

3.3 行人行進狀態檢測模塊

行人行進狀態檢測模塊需要對傳感器所探測到的行人目標物進行行進方向、行進速度和當前位置坐標等方面的計算，并將所得信息上傳至綜合計算模塊。

在檢測過程中，傳感器只需獲取到行人目標物與傳感器間的距離及方位角信息，通過在模塊內設置一個計算程序，將傳感器中的距離及方位角信息轉換為行人的當前位置坐標信息。行人行進方向和行進速度，則可以由毫米波雷達測得的人相對于車的速度來表征。

在模塊內，因為車輛行駛具有俯仰角，所以對行人的坐標系定位會造成一定誤差，需要先進行誤差處理，設俯仰角為δ，傳感器測得人車夾角為α、人車距離為s，可得實際人車夾角α′和實際人車距離s′為：

為保證坐標的準確性，取探測器連續探測到的十個位置為一組，進行坐標的判定。由此可得坐標系下行人的坐標（x0，y0）為：

計算結束后，將計算所得的行人坐標信息與探測器檢測到的行人行進速度和行進方向上傳至綜合計算模塊。行人行進狀態檢測模塊的工作流程如圖4所示。

圖4 行人行進狀態檢測模塊工作流程圖

3.4 綜合計算模塊

綜合計算模塊需要對從汽車行駛狀態檢測模塊和行人行進狀態檢測模塊上傳而來的數據進行推斷，判斷行人對車輛行駛安全性的威脅程度。在實際應用中有多種判斷方式，本文中只列出其中一種，實際運用時可以根據實際情況更改。

以車輛質心為原點構建坐標系，行駛方向為x軸，駕駛員左手邊為y軸，可于坐標系上構建車身區域：（a，±D/2）和（-b，±D/2）構成的矩形區域。其中a為質心至前軸距離，b為質心至后軸距離，D為汽車橫向軸距。

以行人初始坐標和人車相對速度構建行人行進軌跡。當軌跡與車身區域產生重合時為危險情況，不重合時為暫時安全情況，并將判定結果上傳至駕駛員提前預警模塊。綜合計算模塊的工作流程如圖5所示。

圖5 綜合計算模塊工作流程圖

3.5 駕駛員提前預警模塊

駕駛員提前預警模塊的功能是將綜合計算模塊得到的不安全目標信息轉化為對駕駛員的提醒后提交至系統初始，將安全目標信息重新發送至系統初始，使得系統得以對目標進行持續監控，避免意外的發生也避免了無意義的規避。同時，對于不安全的行人目標，可以計算得到規避目標且不影響車輛穩定的最適加速度[7]。駕駛員提前預警模塊的工作流程如圖6所示。

圖6 駕駛員提前預警模塊工作流程圖

4 實現模塊功能所需器件選型

可以實現模塊功能的器件有無數種搭配，本系統選用時將器件型號的功能、精確度、響應速度、性能、價格、安裝方式等方面作為主要的考慮因素，最終選用器件型號如表2所示。器件測量數據中，汽車行駛方向僅指是否與車輛坐標系x軸正方向一致，行人目標物的行進速度分為沿車輛坐標系x軸和y軸的速度，行進方向分為是否與車輛坐標系x軸和y軸的正方向一致。

表2 實現模塊功能的器件選型表

5 實驗驗證

根據上述研究和選型，開發了基于毫米波雷達的車輛與行人碰撞預警系統，選取干燥瀝青直行路段為實驗路況，以固定的車速進行實驗。實驗車車身長度4.6 m，車身寬度1.8 m，將毫米波雷達安裝于車輛正中。受測行人行進快慢及方向由受測人自主選定。共選取10名受測行人，每人進行3次實驗，由2位駕駛員無規律分別駕駛實驗車輛。選取其中典型數據及圖像，可得到行人行進狀態檢測模塊的行人速度圖像，如圖7所示。

圖7 行人行進速度檢測數據

可得到綜合計算模塊的判定圖像，如圖8、圖9、圖10所示，其中圖8、圖9為實驗中典型安全案例圖像，圖10為實驗中典型危險案例圖像。

圖8 實驗安全案例1

圖9 實驗安全案例2

圖10 實驗危險案例

由以上實驗結果可以看出，基于毫米波雷達的車輛與行人碰撞預警系統準確地檢測到行人的行進狀態，并高效科學地預測行人軌跡，最終可以正確判定行人對車輛行進是否有威脅。

6 結論

基于毫米波雷達的車輛與行人碰撞預警系統可以有效利用汽車內已有的各類傳感器，獲取各類有關信息、進行信息的糾正與篩除、綜合計算各類信息并將危險目標提醒駕駛員。整個過程反應速度較快，各部分信息可以及時傳遞。系統檢測準確性、穩定性及判斷準確性和預警及時性較高，可以準確穩定地檢測汽車行駛狀態和行人行進狀態，準確地篩除非行人目標，正確地判斷行人的危險型，及時地警告駕駛員。行人預警系統可以幫助駕駛員高效地規避危險，系統所使用的器件并未顯著提高汽車購買成本，便于在中低端汽車上普及，可以為提升社會交通的安全性做出貢獻，最大化避免了危險的發生。