交叉路口轎車-電動兩輪車的AEB 控制策略研究?

祝 琳 錢宇彬 郭風虎

（上海工程技術大學 上海 201620）

1 引言

隨著人們經濟水平的提高和汽車技術的不斷發展，汽車已經逐漸成為家庭的標配，隨之而來的問題就是道路交通的擁堵程度日益增加，交通事故的數量也在逐年增加［1］，研究表明，在我國交通事故發生率是發達國家的6 倍~18 倍［2］。通過分析我國道路交通情況，可以發現在交叉路口處的事故發生率占到了總體交通事故70%，而在交叉路口處發生的事故又有70%~90%是因為駕駛員操作不當所造成的［3］。如今交通的擁擠程度在逐漸增加，人們為了節約時間和考慮環保等因素，電動兩輪車逐漸成為人們短距離出行的主要交通工具，涉及電動兩輪車的交通事故量、騎車人傷亡數都在急劇上升，如何在駕駛員未操作的情況下進行車輛控制，從而避免碰撞顯得尤為重要［4］。國內外根據真實的事故對車-車避撞中AEB 系統在各種事故形態下的效果進行了研究，并根據相關研究對AEB 系統進行了測試與優化，建立了相關AEB 系統的測試方法［5~12］，但是借鑒國外的測試場景不能夠反映復雜的中國道路交通特征，目前還沒有針對具有中國特色的電動兩輪車的主動避撞系統。因此本文將對危險目標為電動兩輪車的事故進行分析，進行交叉路口處汽車對電動兩輪車的AEB 控制策略的研究。

2 建立事故信息數據庫

論文以所選的NAIS-松江地區的62 起真實轎車-電動兩輪車事故案例進行深度分析，并通過PC-Crash 軟件進行事故重建，整合得到完整的前期數據庫，數據樣本信息見表1。

表1 事故信息

3 分級制動策略設計

3.1 預警及分級制動工況

針對國內復雜的交通場景，分級制動［13］選用了三種情況分析汽車與電動兩輪車的運動工況。

1）接近靜止障礙物

當進行部分制動時可以判斷制動距離為

2）接近勻速障礙物

自身車輛制動距離：

3）接近減速障礙物

自身車輛制動距離：

前車制動距離：

3.2 預警及制動時間閾值

在建立事故信息數據庫中，有22 起事故是包含有EDR 數據，對于車輛在不同減速度下，達到最優的避撞程度做了相關統計，如表2 所示，考慮到車內的乘員制動沖擊和制動時可能出現的車身不穩定因素［14］，制動時間和制動減速度需要有一個閾值。

在仿真過程中，根據自車與電動兩輪車之間的狀態，LRR，SRR 實時監測兩車之間的距離，由兩車之間的相對速度，計算出即將發生碰撞時間T，由此可判斷時間指標Tb，定義：1）Tb=3.7s 時，執行AEB 系統的預警策略，提示駕駛員，前方有危險發生，監測駕駛員是否對車輛采取措施解除危險。2）如果駕駛員未對車輛進行采取措施，將在Tb=1.7 s時對車輛施加4m/s2的制動減速度進行預制動使車速降下來一部分，從真實EDR數據和表2中可知駕駛員最常用的制動減速度為4m/s2~5m/s2，考慮到策略可靠性和駕駛員舒適性，選用4m/s2的制動減速度進行預制動，此狀態下車輛的事故避免率也在60%~70%左右。3）如果在預制動情況下，駕駛員未進行緊急制動或者仍然不能避免事故發生，則會在Tb=0.7s時對車輛施加8m/s2的制動減速度，以此減速度至車輛停止或與障礙物發生碰撞為止。

表2 不同減速度下避撞時間占比

4 仿真驗證

本次仿真車輛各參數模型調用CarSim 中已經搭建好的車輛動力學模型，電動兩輪車選用系統自帶模型，進行基本參數調整，給定運動特性，通過調入的毫米波雷達、雙目攝像頭傳感器模型，進行整體的仿真驗證工況。本文參考2018 版C-NCAP 的要求，選用CCRs、CCRm、CCRb三個測試場景，即自身車輛運動，目標車輛的運動情況分別為靜止、勻速、減速［15］。再對汽車直行電動兩輪車橫向通過路口這個場景進行仿真分析，驗證車輛在轉向制動后對駕駛員的碰撞損傷減小情況的影響。毫米波雷達安裝在保險杠正中間位置，雙目攝像頭安裝在前風擋玻璃上端中間，方向皆為縱向水平向前［16］。

4.1 汽車接近靜止目標

1）以30km/h接近靜止目標

仿真工況：自車車速為30km/h 初始速度行駛，和目標電動兩輪車之間的距離為100m，電動兩輪車靜止。

如圖1~圖4 所示，自車勻速行駛8.28s 后Tb達到車輛危險預警系統啟動閾值，繼續前行檢測時間指標Tb達到制動閾值1.7s，此時AEB 向車輛輸出-4m/s2的制動減速度，車輛勻減速接近目標。時間指標Tb持續減小，但減小速率有所下降，在11.28s 時時間指標Tb小于0.7s，此時啟動緊急制動策略，控制策略向車輛輸出-8m/s2的制動減速度。當11.84s自車車輛停止，此時自車和目標車輛之間的距離為3.22m。驗證了文中設計的控制策略在此工況下可以避免碰撞事故的發生。

圖1 兩車速度變化曲線

圖2 兩車加速度變化曲線

圖3 兩車相對距離變化曲線

圖4 時間指標Tb變化曲線

2）以65km/h接近靜止目標

仿真工況：自車車速為65km/h 初始速度行駛，和目標電動兩輪車之間的距離為150m，電動兩輪車靜止。

如圖5~圖8，車輛行駛4.6s 后預警系統被觸發，提示駕駛員危險接近，當Tb值小于等于1.7s時，AEB 輸出一個-4m/s2的制動減速度，使車輛速度降下來在進行判斷，在8.21s 時發現當Tb值小于0.7時，控制策略會輸出一個-8m/s2的制動減速度，使車輛速度進行緊急降低或靜止，最后在9.77s 時停止在距離目標1.65m。則可以認定為設計的控制策略可以在此工況下達到避撞效果。

圖5 兩車速度變化曲線

圖8 時間指標Tb變化曲線

圖6 兩車加速度變化曲線

圖7 兩車相對距離變化曲線

對前期建立的數據庫中的14 起關于自車接近靜止目標的真實交通事故案例均進行仿真分析，得出的結果與原事故進行對比，結果如表3。

表3 CCRs場景真實事故與仿真結果對比

4.2 其他工況

對汽車接近勻速目標場景下的14起真實交通事故，汽車接近勻減速目標的14 起，汽車接近橫向勻速運動目標的18 起，分別帶入AEB 控制策略進行仿真驗證，得出的結果與原始的事故數據進行對比，分析AEB 控制策略的效用，分別如表4~表6 所示。

表4 CCRm場景真實事故與仿真結果對比

DATA-18 DATA-24 DATA-27 DATA-30 DATA-36 DATA-39 DATA-44 DATA-48 DATA-52 DATA-53 DATA-56 DATA-58 DATA-59 DATA-62 65 38 40 60 65 57 50 66 69 58 65 44 53 72 21 19 21 14 15 20 16 27 18 21 16 22 17 17 39 10 7 10 49 20 14 42 50 22 10 16 16 13 11 0002 1 001 0 20 00000-3.21 2.00 3.14-0.79 1.80--2.14 0.70 1.30 1.13 0.79編號 VC0（km/h）VE0（km/h）VC1（km/h）VC2（km/h） D（m）

表5 CCRb場景真實事故與仿真結果對比

表6 橫向勻速場景真實事故與仿真結果對比

DATA-26 DATA-32 DATA-35 DATA-40 DATA-43 DATA-45 DATA-50 DATA-54 DATA-55 DATA-61 75 66 49 50 39 58 82 62 75 48 24 20 19 15 24 15 15 20 18 23 28 23 10 17 8 21 32 12 22 13 9000001 1 000-0.84 3.00 1.21 2.17 0.97-1.29 0.50 2.70編號 VC0（km/h）VE0（km/h）VC1（km/h）VC2（km/h） D（m）

4.3 仿真結果與真實事故數據對比分析

由上文分析整理可以得到AEB 系統仿真效用分析結果，如表7。

表7 AEB系統仿真效用

由表可知，論文中AEB 控制策略在基于真實事故數據的驗證中，效果較為明顯。汽車車速為65km/h 以下時，接近靜止目標的避撞率達到91.7%，接近勻速目標時避撞率達到91.7%，接近減速目標時達到90.9%，接近橫向勻速目標時避撞率相對偏低為84.6%，車速大于65km/h時的避撞率都有所下降。但通過表3~表6的詳細參數可以看出，無法避免碰撞發生的案例，碰撞時車速也相較原始數據有了較為明顯的降低，可以有效地降低碰撞對騎車人帶來的傷害。

5 結語

論文按照C-NCAP中對AEB測試場景的規范，將62 起轎車-電動兩輪車事故在仿真系統中添加AEB 控制策略后進行驗證，對此AEB 系統作用前后的避撞效果做了分析，結果表明：汽車車速在65km/h 以下時，汽車接近前方靜止電動兩輪車、勻速行駛電動兩輪車、勻速制動兩輪車場景下避撞成功率均在90%以上，在汽車接近橫向勻速行駛電動車的場景下，避撞率為84.6%，AEB 系統介入后，不能避免的碰撞事故，車速也有明顯降低，可以有效減小碰撞對騎車人的傷害。驗證了文中設計的AEB系統控制策略的可靠性。