半掛汽車側翻預警算法研究綜述

李明桃，高久懿，張永輝，李德文

（南京林業大學 汽車與交通工程學院，江蘇 南京 210037）

隨著重型貨車技術性能的提升，以及大宗貨物中長距離運輸客觀需求的不斷增加，半掛汽車在高速公路上的交通量占比迅速上升，自2006年開始到2010年，由20.47%爬升至41.85%，自2010年后窄幅震蕩，于2018年達到歷史峰值47.94%。此外，從貨物周轉量上來看，半掛列車由最初的貨物周轉量占比不足60%，持續上升至2011年的82.31%，并隨著 6軸貨車的出現與普及，持續增長至2018年的86.32%。隨著高速公路的綜合化發展，重型半掛列車占比仍將不斷提高。

半掛汽車列車的占比提高也帶來了不可避免的半掛汽車列車交通事故占比提高，半掛汽車因為其載重量大，輪距短，以及行駛時車身質心位置高，車身長等特點，在運輸過程中極易發生彎道失穩側翻，導致嚴重的交通事故。2015年，美國國家交通安全局的統計資料顯示，其全年涉及半掛汽車列車的嚴重交通事故有 3 598起，占比29%，死亡人數達3 903人，占交通事故死亡總人數的 47%。因此，很多研究人員在研究半掛車失穩機理的同時，也開始著手半掛車側翻預警系統的研究，并在此基礎上開展了很多算法的開發與應用。本文總結了傳統的半掛車側翻預警系統的優缺點，對現有側翻預警算法的特點進行了分類，在此基礎上概括了每一類側翻預警算法的特點，并對下一步的研究方向進行了展望。

1 半掛車側翻失穩機理

1.1 半掛車側翻失穩類型

半掛車側翻類型與汽車側翻類型較為一致，基本上分為兩類：在路側翻和離路側翻，如圖1所示。

圖1 側翻類型[2]

其中，在半掛車彎道行駛時，側翻類型大致有兩種：（1）車輛速度超過閾值，在過大離心力的作用下，車輛行駛中的側向加速度過大，從而導致側翻；（2）車輛橫擺穩定性喪失，繼而側向滑移絆倒，導致交通事故發生。

1.2 半掛車失穩影響因素

半掛車側翻事故高發地段在公路的彎道部分，然而，使半掛車失穩側翻的原因也是多種多樣的，人車路是構成交通的三要素，同時也是影響半掛車行駛安全最主要的三個要素。

1.2.1 半掛車結構因素

半掛車由牽引車和拖車通過鞍座鉸鏈連接而成，兩個部分相互影響，使半掛車的動力學模型及其復雜；轉彎行駛時，由于拖車后軸距離連接點較遠，駕駛員在駕駛過程中對于后軸部分的側傾狀態感知較弱，無法提前預知車輛狀態，極其容易在轉彎時發生側翻事故。且半掛車由于牽引車與拖車兩部分通過鉸鏈連接，轉彎時產生尾部放大效應，使得側傾狀態在拖車尾部進一步放大，此時半掛車橫向載荷轉移率加大，車輪很容易離地從而導致側翻。

半掛車的質心較高，且載荷較大，不同的裝載物品在彎道行駛時對于半掛車整體質心影響不同，導致半掛車轉動慣量不同，使半掛車側傾穩定性降低，極其容易導致側翻。

1.2.2 駕駛員操作因素

半掛車的側傾穩定性較弱，在彎道行駛時，由于離心力的影響，車速越高，側向加速度越大。較高的車速會使半掛車側向加速度超過閾值，側傾穩定性下降而容易側翻；

同時，在連續彎道部分，駕駛員會頻繁轉動方向盤以修正轉向，半掛車載重量大時側傾慣量也較大，頻繁轉向會使車輛側傾角速度加大，使側翻事故發生。

半掛車在彎道部分，駕駛員需要進行制動以控制車速，然而，過大的制動力會使車輛橫向載荷轉移率迅速增大，發生瞬態側翻。

1.2.3 道路因素

道路的路面抗滑性能對半掛車行駛性能具有極大的影響。與干燥的道路路面相比，潮濕、降雪或結冰的道路路面附著性降低，在彎道行駛時極易產生側滑從而導致半掛車側翻，會增大半掛車道路運輸的危險性。同樣的，若路面粗糙度太高，則會增大半掛車輪胎的磨損，影響半掛車的行駛安全。同時，過長的直行道路會對駕駛員的視覺反應以及心理承受能力產生極大的影響，過長時間的直線行駛會讓駕駛員產生過于煩躁的感受，對于半掛車長途運輸來說，煩躁的心理極其影響駕駛員的反應與判斷，是運輸安全里的極大隱患。

1.3 半掛車側翻穩定機理

為了闡述半掛車側翻失穩機理，建立如圖 2所示的穩態轉向下半掛車側翻穩定模型。其中為整車質量；a為半掛車重心處的側向加速度；為車輛重心高度；、為車輛兩側輪胎垂直載荷；為輪胎間距；Δ為車輛重心相對于輪距中心點的偏移量。車輛重力作用在車輛重心處的外部側向慣性力形成側翻力矩..a；由于車輛順從特性而使車輛重力作用在輪距中心側偏點形成另一個側翻力矩.Δ。由于車輛順從特性而使輪胎垂直載荷從內向外轉移形成一個與側翻力矩對抗平衡的側翻穩定力矩（－）./2。

圖2 穩態轉向下半掛車側傾模型

至此，得到車輛繞輪距中心點側傾力矩平衡方程

由式（1）得，半掛車發生側翻的臨界條件為=－，此時左右車輪垂直載荷均轉移到外側輪胎上。

2 半掛車側翻預警典型算法

2.1 側向加速度監測法

加拿大REKHEJA和 PICHE于1990年在靜態轉向條件下，以低速時車輛的側向加速度以及高速時車輛車軸側傾角的狀態為側翻指標，通過判斷其是否在安全閾值范圍內來判定危險等級，并以此對駕駛員進行安全警示；澳大利亞墨爾本道路使用研究中心于1997年基于側向加速度監測法開發了一套側翻預警系統，將實時監控的側向加速度數據與預先計算出的極限值進行比較，并據此判斷車輛運行狀態，通過車載蜂鳴器及時提醒駕駛員，達到預警效果；2007年，Sverrisson以實際側向加速度占極限側向加速度百分比大小為標準來進行預警。

基于車輛側向加速度的預警方法以靜態條件為主要條件，將車輛視作剛體，不考慮車輛運動時的動態特性，過于簡單。且以單一的側向加速度、側傾角等參數作為預警的標準，不夠準確，效果較差。

2.2 橫向載荷轉移率法

Preston-Thomas和Woodrooffe 以橫向載荷轉移率（Lateral-load Transfer Rate, LTR）作為判斷車輛側翻的指標，LTR監測車輪垂直受力，將車輛兩側垂直受力載荷之差與車輛兩側垂直受力載荷之和的比值作為指標。其定義為

當左右側輪胎垂直受力載荷均勻（橫向載荷轉移率為0時），LTR=0；若車輛某一側輪胎垂直載荷消失，即輪胎離地，LTR=1，此時，車輛側向加速度達到閾值。

橫向載荷轉移率法的精確度遠高于傳統的只考慮靜態條件的單一參數預警法，因此，自Preston-Thomas和Woodrooffe后，越來越多的學者以LTR為側翻預警指標進行側翻預警系統設計并對其進行了改進；韓國汽車研究中心在LTR的基礎上考慮了懸架與輪胎的參數，根據其非線性特點，使預警算法更加貼合實際；2013年，LARISH建立 LTR模型時考慮了車輛轉向與側向加速度，對預測的實時性進行了改善，此算法可以更為精準地在車輛運行過程中調整側翻的閾值，即可預測的橫向載荷轉移率算法（PLTR）；在考慮車輛系統時滯性的問題上，張志勇在LTR模型中加入了灰色模型法，田順在此基礎上加入了弱化算子，進一步提升了半掛車在復雜工況下的預警。

LTR作為車輛側翻指標，除了關注輪胎壓力，不需要考慮車輛其他的影響因素，普適性較好，但汽車行駛過程中左右車輪的載荷不易測量，LTR值獲取不易，需要一定的優化模型進行改進。

2.3 側翻保護能量儲備法

側翻保護能量儲備法由密蘇里大學哥倫比亞分校 NALECZ在 1993年提出，表示為汽車從當前位置狀態變化到側翻位置時所需要的能量差。

該算法以 RPER值的正負作為判斷車輛側翻的標準，即 RPER值為正值時，車輛正常運行；當 RPER值為負值時，車輛將出現側翻狀況。此后，黃明亮等對側翻保護能量儲備法進行了改進，考慮了車速、側傾角、側傾角速度以及轉向角等參數，將其整合，得出干擾系數，并據此建立了側翻預警系統。

側翻保護能量儲備法具有實時性，也較為簡便，可以很好地實現側翻預警。

2.4 側翻失穩評價指標

LIU所提出的側翻失穩評價指標與 LTR相近，范圍值在－1與1之間。其定義為

側翻失穩評價指標充分考慮了半掛車輛運行時的側向加速度和車軸側傾角，更為適應不同車輛的尺寸以及駕駛員的駕駛習慣，尤其是對于非絆倒側翻和絆倒側翻工況具有良好的普適性。

2.5 物理樣機

美國密歇根大學交通運輸研究中心 UMTRI開發了一套名為RSA的物理樣機，通過視覺刺激為駕駛人員進行預警，這個系統在汽車穩定運行后，測量側向加速度，將其與極限值進行對比。

此系統的優勢在于，具有實時性，根據車輛運行時測得的車輛載荷變化與車輛具體參數，對極限值進行動態調節，對于以后的車載預警系統開發具有一定的啟發，專利 WO2004110809就參考了RSA物理樣機，對設計的預警系統進行了相應的改進。

2.6 側翻時間預警法

CHEN和PENG等，建立側翻時間預測矩陣，在此基礎上提出了TTR算法，該算法以車輛正常行駛到一側車輪離開地面而發生側翻的時間為判斷標準，即將方向盤轉角代入到建立的動態車輛模型中計算，若計算值為N秒，則表示車輛根據當前的運行狀態，在N秒后，車輛的橫向載荷轉移率LTR≥1，此時車輛側翻。理想狀態下TTR工作原理如圖3所示。

圖3 理想狀態下TTR工作原理

CHEN為了提高由于模型過于簡單而降低的精度，還引入了神經網絡進行改善，但這也使模型的實時性降低。由于 CHENEY所提出的 TTR算法模型建立單一，因此，為了改善其實時性，H.YU為了改善其實時性，引入了Kalman濾波估計算法，在其建立的5自由度模型中通過Kalman濾波算法的反饋控制，將更多的車輛參數（側傾角、車速、車輛模型、側向加速度等）納入參考，進行優化估計。同時，H.YU還將TTR預警指標進行分層遞進預警設置，從車速與轉向兩方面入手，第一級于車速快速變化下進行預警，第二級考慮了劇烈轉向工況，綜合性強。TTR預警法引入國內后，許多學者對其進行了深入研究與改進，其中，黃杰燕使用 TruckSim和 Matlab軟件建立半掛車的5DOF車輛模型，在TTR預警算法的基礎上，開發了LQR防側翻控制算法。LQR控制算法通過差動控制可以有效地優化控制橫擺力矩以避免側翻。成光華在TTR預警算法的基礎上設計了基于ARM7的側翻預警器。吉林大學對于TTR算法也展開了深入的研究，朱天軍總結了國內外 TTR預警算法的研究狀況，引入 Kalman濾波，改進了TTR算法，對影響側翻效果的因素（載荷、質心等）進行了處理，實車驗證也使得改進后的TTR算法更為精準。

3 國內外預警方法

3.1 典型算法歸類分析

3.1.1 基于靜態門限值的側翻技術分析

基于靜態門限值的側翻預警是以靜態條件為主要條件，例如：側向加速度監測法等。該類算法將車輛視作剛體，不考慮車輛運動時的動態特性，以側向加速度以及側傾角等單一的靜態的指標來進行側翻預警。根據車型與車況的不同預先計算不同的側翻閾值，預警系統判斷監測值是否超過設定閾值，根據情況進行預警與控制。

3.1.2 基于動態門限值的側翻技術分析

基于動態門限值的側翻預警綜合考慮動態條件，例如橫向載荷轉移率法（LTR）、側翻保護能量儲備法（RPER）、RSA（Rollove Stability Adviser）物理樣機、側翻時間預警法（TTR）等。該類算法建立車輛動力學模型，綜合考慮側向加速度以及側傾角等等車輛參數指標，實時推算車輛狀態，提高準確性。

3.1.3 算法模型性能對比

基于靜態門限值的側翻預警算法，例如基于車輛側向加速度的預警方法等，以靜態條件為主要條件，將車輛視作剛體，不考慮車輛運動時的動態特性，過于簡單。且以單一的側向加速度、側傾角等參數作為預警的標準，不夠準確，效果較差。

受限于靜態門限值預警方法精確性不足，越來越多的學者綜合考慮車輛的實時動態性，研究出了基于動態門限值的側翻預測方法。其中橫向載荷轉移率法以LTR作為車輛側翻指標，除了關注輪胎壓力，不需要考慮車輛其他的影響因素，普適性較好，但汽車行駛過程中左右車輪的載荷不易測量，LTR值獲取不易，需要一定的優化模型進行改進。側翻保護能量儲備（RPER）法具有實時性，也較為簡便，可以很好地實現側翻預警。RSA物理樣機系統的優勢在于實時性，根據車輛運行時測得的車輛載荷變化與車輛具體參數，對極限值進行動態調節，對于以后的車載預警系統開發具有一定的啟發。傳統的側翻時間預警法在動態預警時，門限值選用的是車輛質心處的側傾角，但車輛質心會發生變化，導致門限值難以選定。后來的學者總結了國內外TTR預警算法的研究狀況，改進了TTR算法，對影響側翻效果的因素（載荷、質心等）進行了處理，實車驗證也使得改進后的TTR算法更為精準。

3.2 當前預警算法的不足

基于側向加速度、側傾角等靜態條件的預警算法由于其只考慮假設剛體而缺乏準確度逐漸退出半掛車預警算法的舞臺。但是目前所研究的動態模型，例如LTR算法、TTR算法等，還是更多基于理想的行駛狀態，未考慮到因天氣變化而所導致的行車條件變化。此外，駕駛員的操作習慣與應變能力對于交通的影響還是在一定程度被忽視。同時，不同的道路環境不同對于行車安全的影響也不相同，目前的模型對于道路條件因素的影響很少考慮，只有綜合人車路三要素的模型才能具有普適性。

3.3 國內外側翻預警算法的發展趨勢

隨著交通的智能化發展，交通安全愈加重要，半掛車作為未來交通構成的重要組成部分，對于側翻前預警與控制的主動控制研究也漸漸取代被動安全的研究；5G通信技術的成熟與發展也帶動了車路協同及車聯網的發展，例如車載自組網（Vehicular Ad Hoc Network，VANET）的發展，VANET使鄰近車輛的相關信息實現交互，有效地實現駕駛安全預警，使側翻預測模型考慮的因素和參數逐漸系統和全面化；同時灰色預測模型、BP神經網絡等模型逐漸融入交通安全研究中，半掛車預警算法的開發愈加多樣與有效。

4 結語

高速公路的鋪設與發展，帶動了以重型半掛汽車為載體的道路運輸業蓬勃發展，同時，半掛車的行駛安全問題也日益突出。為使半掛汽車在道路運輸過程中更加安全，半掛汽車側翻預警研究在未來智能交通的安全領域中將占有重要地位

本文詳細介紹了目前典型的半掛車側翻預警算法，對各種算法的優缺點進行了對比并針對半掛車預警方法的發展方向進行了詳細分析，總結出目前半掛車預警方法的不足和未來的發展方向。