城市道路智能汽車斑馬線避撞行人策略研究*

方銳 王濤 彭濤，3 鄭睿卿

（1.中國汽車技術研究中心有限公司；2.天津職業技術師范大學汽車與交通學院；3.天津大學電氣自動化與信息工程學院；4.蘭州交通大學機電工程學院）

近年來，汽車與交通行業的快速發展給人們的交通出行帶來極大便利，然而，伴隨汽車保有量的不斷增加，交通道路安全也面臨著更加嚴峻的挑戰[1-2]。其中，城市道路中車輛與過街行人的避撞事故頻頻發生，對車輛與行人造成嚴重傷害，一直是研究的熱點問題[3-4]。智能汽車能夠幫助駕駛員有效避免或減輕碰撞事故，在避免交通事故中具有巨大應用潛力。日本豐田汽車公司研發的“汽車預碰撞系統”，可以通過分析計算得出汽車碰撞的潛在概率，使得汽車能在發生碰撞前降低車速、收縮安全帶，最大可能保證汽車與行人的安全。德國大眾汽車開發的Front Assist 安全系統，通過傳感器檢測前方障礙物、車輛與行人目標，依據危險評估算法完成碰撞預警及緊急制動[5]。智能汽車避撞行人系統技術主要包括：碰撞風險評估、行人運動軌跡預測以及避撞策略和控制執行等，包括環境感知和決策控制2個重要研究領域[6-7]。隨著智能汽車感知水平的不斷提高，避撞策略的有效性與合理性越來越多受到研究者的關注[8]。本文首先基于高逼真駕駛模擬器對駕駛員縱向避撞過街行人的駕駛行為特性進行分析，提出了智能汽車碰撞預警方法。然后，建立智能汽車避撞行人的時間和空間約束條件，提出了智能汽車安全避撞行人策略。最后，通過PreScan/Simulink 聯合仿真平臺，驗證了所提避撞策略的有效性。

1 斑馬線行人橫穿駕駛行為分析

1.1 模擬駕駛實驗場景搭建

基于VTD(Virtual Test Drive)仿真軟件搭建實驗場景，首先在Road Designer（ROD）中建立一條長度為1 000 m、道路寬度為3.5 m 的雙向2 車道城市道路（路面附著系數為0.8）。然后，分析實際道路情況，在Scenario Editor（SE）創建行人斑馬線橫穿過街場景，為有效反映駕駛員在城市道路行車期間突然遇到橫穿行人的應急反應，在斑馬線前方道路合適位置設置靜止停放車輛，停放車輛對駕駛員視線存在遮擋，無法及時發現斑馬線橫穿行人。設定行人的初始位置，再設定其運動軌跡，初始位置設置在斑馬線一側的固定點處，行人軌跡則沿斑馬線直線向前。行人橫穿速度設置為1 m/s，實驗車與行人初始距離為50 m，實驗車初始車速設置為30 km/h、40 km/h 和50 km/h。搭建好的實驗場景如圖1 所示。

圖1 實驗場景

1.2 駕駛行為分析

招募10 名駕駛員進行模擬駕駛實驗，實驗對象主要面向年輕駕駛員，每名駕駛員均有3 年以上駕齡，且實驗開始前有充足時間熟悉駕駛模擬器。對實驗數據進行記錄，并對斑馬線行人過街實驗場景下駕駛員反應時間、制動平均減速度等駕駛行為特性進行分析，結果如表1 所示。

表1 駕駛行為指標統計分析

駕駛員反應時間數據分布如圖2 所示，可以看出，駕駛員在該場景下的反應時間隨車速提高有減小趨勢，以中位數來反應不同車速下駕駛員的反應時間，30 km/h、40 km/h 和50 km/h 下分別為1.21 s、0.78 s、0.5 s。制動平均減速度數據分布如圖3 所示，可以看出，駕駛員在該場景下的平均減速度隨車速提高有增大趨勢，以中位數來反應不同車速下駕駛員的平均減速度，30 km/h、40 km/h 和50 km/h下分別為2.49 m/s2，4.59 m/s2和7.36 m/s2。

圖2 駕駛員反應時間

圖3 制動平均減速度

2 智能汽車斑馬線避撞行人策略

2.1 研究場景分析

針對城市道路斑馬線行人橫穿過街場景，分析如下：

1）對于城市道路中正常行駛的智能汽車，直行時車輛具有通行權，但在無紅綠燈路口處遇到斑馬線行人橫穿過街；

2）車輛與橫穿行人距離過小或由于駕駛員視線存在遮擋、注意力不集中和疲勞駕駛等原因，反應不及時，容易引發車輛與行人碰撞事故；

3）城市道路法規規定：城市道路行駛的車輛一般限速40 km/h，同一方向只有一條車道情況下最大行駛速度為50 km/h；

4）本文為簡化分析，假設行人以恒定速度通過斑馬線，且沿斑馬線直線運動。

2.2 避撞行人策略

2.2.1 行人避撞安全性分析

斑馬線行人橫穿危險場景如圖4 所示，對潛在碰撞區域按照危險程度進行劃分，可以分為以下2 種情況：

圖4 斑馬線行人橫穿安全性分析

1）智能汽車無需減速制動，行人便可安全通過。

式中：T—當前車速下的碰撞時間，s；

L—汽車與行人間的縱向距離，m；

Vc—當前汽車行駛車速，m/s。

式中：T'—斑馬線行人橫穿道路所用時間，s；

L0—道路寬度，m；

Vp—行人速度，m/s。

當T＞T'時，智能汽車無需進行減速，行人便可安全通行，否則需進行減速制動，避免與橫穿行人的碰撞。

2）智能汽車需進行減速制動，行人才可安全通過。

式中：ax為汽車縱向制動減速度，m/s2，其減速度大小可由避撞策略得到。

2.2.2 行人避撞策略

智能汽車避撞方式主要有縱向制動和主動轉向2 種，文獻[9]首先建立行人和車輛運動模型，然后對行人和車輛運動狀態進行估計，通過控制期望制動減速度實現縱向車速的控制，實現與行人的安全避撞，文獻[10]對車輛直行與行人沖突典型場景進行分析，基于5 次多項式進行轉向避撞路徑規劃，通過緊急轉向方式實現與行人的安全避撞，但未考慮在真實場景下制動與轉向避撞方式的切換策略。縱向制動方式具有簡單可靠、不對其他車道車輛正常行駛造成干擾的優點[11]，考慮到工況的復雜性及行人運動的不確定性，本文通過縱向制動的方式避免與過街行人的碰撞。碰撞風險評估模型是智能汽車避撞策略的關鍵，主要有基于碰撞時間（TTC，time-to-collision）和基于安全距離2 種，基于碰撞時間的風險評估模型能夠更好地反應駕駛員對實際碰撞風險的感受，且已在智能汽車避撞控制中得到廣泛應用，其有效性得到了充分驗證，因此，本文采用TTC 模型進行碰撞風險評估，TTC 計算方法為：TTC=-Δd/Δv，即兩車相對距離除以兩車相對速度。

TTC 模型主要圍繞報警閾值和制動閾值設定2 個方面進行研究，報警閾值的選取要充分考慮安全性及駕駛員接受度，預警過早，使誤報率升高，駕駛員接受度降低；預警過遲，不能在危險工況下對駕駛員及時發出預警，起到良好預警效果。研究表明[12]，報警閾值的設定應充分考慮不同場景下駕駛員反應時間及車輛制動性能的影響，考慮到同類型車輛制動性能差別較小，本文中主要考慮駕駛員反應時間影響，報警TTC 閾值設定為1 級制動TTC 閾值加上當前車速下的駕駛員反應時間，當前車速下的駕駛員反應時間由上文通過模擬駕駛實驗對駕駛行為特性的分析得到。AEB 制動閾值的設定，更多考慮安全性及實際道路條件的限制，分級制動策略能夠更好兼顧安全性與警示作用，當前得到廣泛應用。本文采用分級制動策略，結合駕駛行為分析結果，1 級制動TTC 閾值取2.3 s，制動減速度為-2 m/s2，2 級制動TTC 閾值取1.3 s，制動減速度為-7 m/s2。

3 仿真及結果分析

搭建PreScan/Simulink 聯合仿真平臺，在PreScan軟件中搭建一條雙向4 車道直行城市道路，在路口合適位置設置斑馬線及路側停放車輛，仿真實驗車輛搭載毫米波、攝像頭傳感器實現對前方行人目標的探測感知，控制策略運行于Simulink 中，對本文所提避撞策略進行仿真實驗驗證。實驗工況設置為：車輛與行人初始距離為50 m，行人過街速度為1 m/s，自車車速為50 km/h，搭建好的仿真實驗場景如圖5 所示，圖5 中左側界面用于實時反映車載傳感器對行人目標的探測情況，右側界面展示了從駕駛員視角、鳥瞰視角和后方視角的實時仿真過程。

圖5 仿真實驗場景界面

仿真結果如圖6 所示，圖6a 為車輛與行人相對距離；圖6b 為系統工作狀態；圖6c 為TTC 變化情況。

圖6 仿真結果

由圖6b 可以看出，在0～0.8 s 內，系統工作狀態未激活，發出信號值為0，系統無報警，無制動；由圖6c可以看出，大約在0.85 s 時，TTC 小于當前車速下的系統報警閾值2.8 s，此時進行預警提醒，包括語音提醒和振動，系統發出信號值為1，無制動；約在1.35 s 時，觸發1 級制動，系統發出信號值為2，開始以-2 m/s2減速度減速制動，車輛此時仍向前運動；約在2.4 s 時，觸發2 級制動，系統發出信號值為3，開始以-7 m/s2減速度減速制動，直到3.9 s 行人橫穿街道完成，系統判定碰撞風險消失，相對距離設為100 m，TTC 值設為10 s，系統工作狀態恢復至未激活狀態；由圖6a 可以看出，實驗過程中相對距離最小值約為2.1 m，能夠實現車輛與斑馬線過街行人的安全避撞。

4 結論

針對城市道路斑馬線行人橫穿過街危險工況，開展模擬駕駛實驗進行駕駛行為特性分析，基于行人避撞安全性分析，提出了智能汽車縱向避撞控制策略。為驗證控制策略的有效性，搭建PreScan/Simulink 聯合仿真平臺進行仿真實驗驗證，實驗結果表明，系統能夠根據不同車速下的駕駛員反應時間合理進行碰撞預警，駕駛員如未及時做出反應，能夠通過減速制動方式避免與橫穿行人的碰撞。相關研究可為智能汽車決策系統開發提供有價值的技術參考。