車輛自動緊急制動建模與分析

衛軍 吳長水

摘 要： 簡要介紹了自動緊急制動的原理，并基于Matlab構建了一種自動緊急制動算法，對算法的核心模塊進行了詳細描述，同時進行了經典的C-NCAP測試，結果表明本文構建的算法效果良好，可以充分地發揮車輛避撞潛力，在多種車速下面對前方靜止障礙物，都做出了有效的避撞動作。

關鍵詞： 緊急避撞; 分級制動; ADAS

文章編號： 2095-2163（2021）03-0195-05 中圖分類號：U461.6 文獻標志碼：A

【Abstract】This paper briefly introduces the principle of automatic emergency braking and builds an automatic emergency braking algorithm based on Matlab. The core module of the algorithm is described in detail and the classic C-NCAP test is carried out. The results indicate that the algorithm constructed in this paper is effective and can give full play to the potential of vehicle collision avoidance. Effective collision avoidance actions are made against stationary obstacles in front at various vehicle speeds.

【Key words】 emergency collision avoidance; step braking; ADAS

0 引 言

在如今的車輛自動緊急剎車系統（AEB）中[1]，車輛往往通過接收搭載于車身的攝像頭、毫米波雷達或激光雷達等設備，獲取與前方目標車輛或障礙物的位置信息（如縱向的相對距離）、方位角信息、相對速度信息以及相對加速度信息等，經過傳感器融合模塊處理（單一傳感器則不需要經過融合）[2]，得到可信度較高的控制模塊關鍵輸入信息，由控制系統綜合自身狀態來判斷車輛是否存在前向碰撞危險以及存在危險情況下是否需要執行警告、是否以一定的預設制動減速度進行制動。本文基于Matlab/SimuLink環境構建了一套AEB模型，并進行了測試與分析。

1 基于碰撞時間的安全距離分析

要實現AEB的縱向避撞功能，應當在實際的駕駛場景中提取出AEB較為關心的參數[3]，分析與前車/障礙物的相對狀況，判斷自車是否處于安全狀態;如有碰撞風險，再設定發生碰撞的幾個不同階段的參數閾值以及相應階段的執行動作。

典型前向碰撞風險工況下[4]，抽象出的自車與目標車示意如圖1所示。

在圖1中，自車、前車示意圖構建在世界坐標系O-XYZ下，假定兩車的速度均為X軸正向，兩車自始至終的Y方向坐標都沒有發生變化;某一時刻下，自車縱坐標為X0，前車縱坐標為X1，自車車速為v0，前車車速為v1。構建這一時刻下的車輛前向碰撞危險系數TTC和FCR如下：

其中，Drel和vrel分別表示自車相對于前車的相對距離和相對速度，l表示自車質心到車頭的距離。TTC和FCR共同作為判定參數，作為此后的縱向和橫向控制的最關鍵參數。TTC參數主要作為縱向控制算法，FCR參數作為橫向控制的主要輸入參數。本文中構建的邏輯框圖見圖2。

當TTC為正時，兩車距離逐漸增大，不會出現碰撞危險;TTC為正無窮或負無窮大時，表明兩車車速接近，由于此時兩車存在一定距離，故而不會出現危險情況;當TTC為負、且絕對值大于一定閾值時，兩車逐漸靠近但未來一段時間仍保有相當的距

離，系統判定也不會出現危險情況;當TTC為負且絕對值小于或等于一定閾值時，系統判定兩車相對距離過小，觸發碰撞警報，提醒駕駛員干預進行避撞;如果駕駛員沒有做出動作且TTC為負、絕對值進一步減小，系統發出命令，制動機構按照一定的邏輯進行分級制動。

2 縱向避撞算法模型搭建

根據前文構建的安全距離模型以及碰撞邏輯[5]，本文在Matlab/SimuLink環境下搭建了一套縱向避撞模型。設計的AEB算法輸入為與目標車的距離、目標車的速度以及自車速度;輸出為發生碰撞標志位、車輛剎停標志位、AEB工作標志位、碰撞預警標志位以及制動系統工作輸出的期望減速度。

2.1 TTC計算模塊

首先介紹TTC計算模塊的具體構成，其內部如圖3所示。

TTC計算的輸入為相對距離和相對速度，在進行計算時二者并非直接相除，需要經歷一定的限制和處理。相對距離進入模塊后首先減去了一個預設的前向偏移量headwayOffset（這里取2.4 m）。最終，計算得到的TTC參數由輸出傳入控制決策模塊[6]。

2.2 預計剎停時間計算模塊

本文的剎停時間計算分為了3級制動時間的計算外加一個碰撞警告時間的計算，依據一些經驗值得到這4個時間結果。該模塊如圖4所示。

本模塊的主要輸入是自車的車速。首先進行常規剎停時間計算，其目的是假定駕駛員在當前時刻意識到危險并開始制動，制動減速度取一典型值情況下的剎停時間：通過自車車速除以平均減速度driver_decel（這里取 4 m/s2），求得初步的從當前車速至剎停時間后，再加上一補償值timeToReact，該值代表了駕駛員的平均反應時間（這里取1.2 s），然后相加求得駕駛員操縱下的預計剎停時間。與此同時，自車車速還將經歷3個不同減速度（由上至下分別為3.8 m/s2、5.3 m/s2 、9.8 m/s2）下的剎停時間計算，計算過程與預計剎停時間相似。

求得的4個剎停時間是下一小節分級制動邏輯的基本參數。

2.3 AEB決策邏輯

TTC是當前時刻的車速得到，是實際現在產生的參數;而4個剎停時間是由4個預設值得到，當前的制動力并非剛好是其中的某一個，因此這4個剎停時間參數有一定的預測含義，會對未來的車輛狀態做出合理的估計。AEB的決策邏輯，則如圖5所示。

該模塊由SimuLink/StateFlow工具構建得到。由圖5可知，決策模塊一共有5個狀態：初始默認狀態（Default）、前向碰撞預警狀態（FCW）、一階段制動狀態（Pratial_Braking1）、二階段制動狀態（Pratial_Braking2）以及全力制動狀態（Full_Braking）。每個狀態都對應有3個狀態進入賦值語句，分別對AEB狀態位、前向碰撞警告位進行置位操作，以及輸出對應狀態的制動減速度。

在初始默認狀態，AEB標志位、FCW標志位和期望減速度均為0;當TTC為負且小于駕駛員常規狀態剎停時間時，即滿足遷移條件時，狀態發生遷移進入前向碰撞預警狀態;前向碰撞預警狀態活躍后，立即執行進入動作：AEB狀態位置0，FCW狀態位置1，減速度輸出0;當TTC絕對值大于1.2倍的常規剎停時間，認定車輛安全，系統返回默認狀態;當進入FCW狀態后，TTC為負且絕對值進一步減小到小于1階段預計剎停時間，發生狀態遷移，進入1階段制動狀態，AEB開始工作，AEB狀態位置0，FCW狀態位依舊置1，減速度輸出PB1decel;余下的2階段制動狀態以及全力制動狀態遷入邏輯相同，不再贅述。

3 前向靜止目標避撞測試及分析

為了對本文構建的AEB模型進行功能測試，本文采用了Matlab提供的自動駕駛工具箱構建了仿真環境，選取了C-NCAP測試標準（2018版）中的CCRs測試場景進行測試，并分析實驗結果。

3.1 Matlab自動駕駛工具箱介紹

MathWorks公司自2017年開始，在Matlab軟件中提供了用于自動駕駛的工具箱，主要用于ADAS功能的開發、仿真和測試，同時也提供了較為豐富的樣例算法和工程。本文的縱向避撞算法利用了Matlab自動駕駛仿真工具箱的自動緊急制動樣例，將原工程中的車輛模型、世界模型以及車輛傳感器及其融合模塊予以保留，將示例的控制模塊替換為本文構建的縱向緊急避撞算法模型，匹配好接口參數直至工程編譯通過。重新構建的仿真環境如圖6所示。

仿真環境分為儀表板、世界/車輛模型和控制模塊三大部分。其中，儀表板用于可視化觀測自車狀態，世界/車輛模型負責提供仿真環境，并輸出信號流到控制模塊，同時世界/車輛模型接收來自控制模塊的控制量（這里為減速度請求）。本測試環境可進行完整的閉環控制，用于測試前文的控制算法。

3.2 測試場景說明及結果分析

在CCRs測試中，存在自車和前車兩個對象，兩車航向角均為0，其中前車靜止。C-NCAP規定的自車初速分別為20 km/h、30 km/h和40 km/h，自車從后方逐漸靠近前車，AEB此時應在某一時刻觸發并完成避撞。

本文使用Driving Scenario Designer構建車道、自車和前車的可視化模型，由于C-NCAP對于CCRs的兩車初始距離并未做規定，本小節將初始距離S0以及自車初速v0作為變量，測試構建的AEB算法響應情況和工作效果。

在圖7所示的參數設置選項中，設置兩車的初始速度和初始坐標（按照世界坐標系賦值），每次設置完成后導入測試環境中，進行測試。

設置初始距離S0分別為100 m、50 m和30 m共3組仿真試驗，每組試驗下分別設置20 km/h、40 km/h、60 km/h和80 km/h，共4組初速v0。對應如上設置參數進行仿真試驗，得到了測試結果見表1～表3。

由表1～表3中數據可以得到，在3組試驗中，自車AEB功能均能按照預設的邏輯正常觸發;前兩組的初始距離設定下，自車均可以在發生碰撞之前剎停車輛，實現避撞;第三組試驗的20 km/h、40 km/h和60 km/h情況下，車輛也可以正常避撞;但是在80 km/h的情況下，仿真表明車輛此時發生了碰撞。

4 結束語

本文構建了一種自動緊急避撞算法，在80 km/h以下的車速表現良好，可以較好地完成縱向避撞功能。本文對該算法的具體實現進行理論分析以及模型搭建介紹，對于算法的邏輯做了較為清楚的解釋和說明。

參考文獻

[1]張立廣，譚寶成，馬天力. 無人駕駛車輛路徑跟蹤控制器的設計及實現[J]. 西安工業大學學報， 2013（8）：680-684.

[2] 郭應時，蔣拯民，白艷. 無人駕駛汽車路徑跟蹤控制方法擬人程度研究[J]. 中國公路學報， 2018，31（8）：189-196.

[3] 武星，樓佩煌. 基于運動預測的路徑跟蹤最優控制研究[J]. 控制與決策， 2009， 24（4）：565-569.

[4] 倪蘭青，林棻，王凱正. 基于預瞄的智能車輛路徑跟蹤控制研究[J]. 重慶理工大學學報（自然科學版）， 2017，31（3）：27-33.

[5] LI T， HU J， GAO L， et al. Agricultural machine path tracking method based on fuzzy adaptive pure pursuit model[J]. Transactions of the Chinese Society for Agricultural Machinery， 2013， 44（1）：205-210.

[6] THRUN S， MONTEMERLO M， DAHLKAMP H. Stanley： The robot that won the DARPA grand challenge[J]. Journal of Field Robotics， 2006， 23（9）： 661-692.