基于Pre-Scan的自動駕駛車輛AEB試驗設計

楊建軍， 倪興瀧， 鄒晉彬， 邱宇奇， 彭憶強， 董大偉

(1.西華大學 汽車與交通學院，成都 610039；2.西南交通大學 機械工程學院，成都 610031)

0 引 言

伴隨當今世界智能交通的興起，自動駕駛技術開始飛速發展，智能汽車產業已成為各國發展的戰略方向[1]。為使我國智能汽車產業能加快推進、創新發展，國家各部委也在積極推動全面建成中國標準智能汽車體系[2]。

但無論是完全自動駕駛汽車，還是駕駛員操控汽車，如何盡可能的減少甚至避免交通事故的發生一直是困擾全世界的一個難題。據統計全世界每年死于交通事故高達135萬人，而其中大部分事故的主要原因都是由于駕駛員判斷失誤和疲勞駕駛造成的，反映在汽車行駛過程中的最直接表現則是車速過快，未能在事故發生前將車輛剎死、停住[3]。目前，在大多數中高端車輛上已經搭載了自動緊急制動系統(Autonomous Emergency Braking System, AEB)以降低駕駛員因素對交通事故的影響，提高汽車在行駛過程中的安全性。歐盟新車安全評鑒協會(Euro-NCAP)研究指出,由駕駛員注意力分散而引發的交通安全事故占90%，而搭載了AEB系統的車輛事故發生率則可以減少約27%[4-6]。

隨著越來越多的AEB系統在不同車型上開始配備，有必要開展AEB試驗對所搭載AEB系統的可靠性與能效性進行測試。全球各大新車碰撞測試組織的方法大多是采用在封閉道路情況下，假人與新車進行碰撞試驗以測試其搭載的AEB系統，具有一定的危險性且成本較高，并且難以隨時開展試驗[7]。

作為典型的工科專業，車輛類專業的特點是緊密聯系行業熱點和發展方向，其工程應用特點十分明顯。隨著智能汽車的發展，如何在車輛專業中將智能車輛技術引入教學并針對性的開展試驗項目，這也是車輛類專業本科教學的難點[8]。針對以上情況，本文利用Pre-Scan自動駕駛仿真軟件設計了自動駕駛車輛AEB系統仿真試驗，通過對實際案例的試驗設計和仿真結果分析，討論如何利用Pre-Scan進行自動駕駛車輛AEB系統試驗與開發。

1 自動駕駛車輛AEB試驗的方案設計

1.1 AEB試驗目的

目前，國內AEB系統開發大多還是按照中國新車評價規程(C-NCAP)來研究的，其開發過程主要包括以下3個部分：道路測試、仿真測試和實車功能測試[9-10]。在開發過程中不僅需要實車與專業場地，而且周期長，成本高，甚至具有一定的危險性。因此，利用Pre-Scan 對自動駕駛車輛AEB試驗設計，搭建道路測試所需要的AEB觸發場景，并提取分析其中的誤觸發場景。同時對AEB模型參數進行實時在線調整，使其避免誤觸發場景，為實車功能測試提供參考，縮短開發周期，減少開發成本，降低開發試驗中的危險程度，并通過C-NCAP測試[11]。

1.2 仿真軟件的可信度確定

Pre-Scan以物理模型為基礎，基于Matlab/Simulink的汽車駕駛仿真平臺。其支持模型在環(MIL)，實時軟件在環(SIL)，硬件在環(HIL)等多種使用模式，在汽車高級駕駛輔助系統(ADAS)和無人自動駕駛系統的開發中具有較大影響力[12-14]。Pre-Scan在世界范圍內的自動駕駛車輛技術研究中被廣泛采用，使用它進行自動駕駛系統開發已經成為較成熟的方法。

1.3 仿真試驗的技術路線

使用Pre-Scan軟件對自動駕駛車輛進行AEB試驗，需要確定的是搭建符合實際情況的虛擬道路測試場景。通過分析來自國家車輛事故深度調查體系(National Automobile Accident In-depth Investigation System, NAIS)數據庫提供的事故車輛與場景資料，包括事故現場CAD圖以及警方提供的道路交通事故現場圖與事故監控視頻，作為衡量Pre-Scan軟件搭建道路測試場景正確性的主要依據。若在搭建的測試場景中，測試車車速、事故發生前各參與方的相對位置以及道路環境均與事故發生前的場景一致，且仿真結果車輛碰撞位置與監控視頻一致，則其搭建的測試場景符合事故發生時的實際場景。搭建AEB測試場景模型主要包括建模前的分析、模型建立、結果輸出3部分，如圖1所示。

圖1 AEB試驗流程圖

建模前應對初始材料進行深度分析，得到事故發生前的真實環境。建模時應主要考慮搭建的測試場景是否符合該起交通事故的真實場景特征，并添加相應的AEB算法，不斷調整參數，最終將仿真結果輸出。本文通過一起實際發生的交通事故作為案例，介紹基于Pre-Scan的自動駕駛車輛AEB試驗設計的具體操作流程。

2 試驗仿真步驟

2.1 試驗案例

2019年7月某日，在一條直行道路近Y形路口處(干燥瀝青路面)，一輛三廂轎車與一橫穿馬路的行人發生交通事故。發生碰撞前，該行人已看見事故轎車，但并未選擇讓行而是小跑強行通過。轎車駕駛員看見該行人時已來不及在碰撞前將汽車減速剎停，導致發生交通事故。事故發生時，轎車左車燈部分與行人腰部位置發生碰撞，之后轎車向前急剎，停在行駛方向右側車道，行人被撞后俯臥在轎車后方。交警手繪事故現場圖如圖2所示。

圖2 交警手繪事故現場圖

利用Pre-Scan軟件對這次事故進行模擬仿真，并在相同場景中為該事故車輛添加了相應的需要測試的AEB算法，進行車輛AEB系統試驗，并作對比分析。

2.2 案件材料分析

對本案件中的初始材料進行分析，包括交警手繪的事故現場圖，交警拍攝的事故現場照片、事故車輛照片以及警方提供的監控錄像和死亡人員傷情報告等信息。要以事故發生現場中的客觀信息為基礎，并結合證人口述筆錄，才可對事故原因進行初步判斷。

2.3 事故原因及過程分析

通過相關分析所得，并結合運動學及動力學相關理論，對事故發生的誘因及過程作了初步了解和判斷。在本起交通事故中，從現場照片來看，事故車留下的制動印記較短，現場散落物較少，行人最終位置與車輛最終位置距離較近，因此初步判斷該事故原因應該是行人違規橫穿道路，車輛速度不快但駕駛員注意力不集中兩方面。

通過采用Pre-Scan軟件對本交通事故進行仿真再現，不僅可以更直觀地了解事故發生的全過程，而且可方便地做相應的AEB算法試驗，以驗證在添加該AEB算法后能否有效的輔助駕駛員行車，確保在緊急危險情況下做到提前預警，及時剎車，避免此類交通事故發生，并為以后的自動駕駛車輛的制動系部分做好相應的AEB試驗基礎。

2.4 仿真測試場景搭建

(1) 場景參數設置。搭建的仿真測試場景應盡可能的再現事故發生前、發生時及發生后的各參與方的運動狀態與具體形態。根據警方提供的事故車輛VIN銘牌，查詢事故車輛相關信息，在Pre-Scan中選擇相應的事故轎車車型，并對車輛相關的物理特性、初始狀態、動力學參數及環境因素進行更改設置。若在軟件中沒有事故車輛模型，則選擇相似車型作為替代[15]。測試場景設置如圖3所示, 事故車輛模型設置如圖4所示。

圖3 測試場景設置

圖4 車輛參數設置

(2) 場景搭建。依據警方提供的事故現場圖，結合繪制的事故參與方最終位置，并根據實際情況設置的車輛—人體—路面的具體參數，在Pre-Scan軟件中建立人—車—環境模型。為便于相關AEB試驗分析，搭建2個相同的測試場景，1個用于案例事故仿真再現，1個用于案例事故車輛添加AEB算法并開展AEB試驗，在線實時調整AEB算法參數，確保AEB算法的正確性。最后將輸出結果對比分析，以驗證基于Pre-Scan的自動駕駛車輛AEB試驗的可行性。搭建的虛擬測試場景如圖5所示。其中紅色光束為搭載了AEB算法的測試車輛所帶的長距雷達波和短距雷達波示意圖。

圖5 虛擬測試場景圖(三維立體模型)

2.5 AEB算法試驗及參數確定

在本次試驗中，選取的AEB算法模型如圖6所示。Pre-Scan可以通過與Matlab軟件進行聯合仿真，從而將搭建的虛擬測試場景轉化為Simulink模型。因此，可以非常方便地向Simulink生成的測試車輛模型添加需要開展試驗的AEB算法，并利用Matlab與Pre-Scan聯合開展3D動畫仿真，直觀地觀察行人與車輛的相對運動以及AEB算法能效。

圖6 AEB算法模型

AEB算法模型包含了12個輸入信號和4個輸出信號。當需要輸入的12個控制信號都連接好后，只需要將輸出的車輛節氣門開度控制信號和車輛剎車控制信號分別與在Simulink自動生成的車輛動力學控制模型的節氣門端口和剎車控制端口對應相接即可完成該AEB模型的添加。

在AEB算法中，最為重要的是計算與障礙物將要碰撞的時間(Time to collision，TTC)。通過預設TTC參數值，確定AEB算法的控制方式。不同的TTC參數，將會對AEB算法效果產生顯著的影響。若預設的TTC值過大，那么AEB系統響應將會過于靈敏，嚴重影響駕駛體驗，降低駕駛舒適性；若預設的TTC值過小，AEB系統響應較為遲鈍，無法充分發揮AEB系統的效能，難以在緊急情況下及時避險，使駕駛安全性得不到保證[16-17]。在Pre-Scan中，可以通過不斷微調參數TTC的值并即時仿真，而不必耗費大量的人力、物力、財力去做AEB試驗，得到TTC值的最優解。經不斷嘗試以及結合實際情況分析，得到了3級TTC的值(見圖7)，可確保在案例場景下，若該事故車輛搭載該AEB算法，則可以提前自動制動，避免此交通事故的發生。此3級TTC的值分別為：2.6 s-向前碰撞預警預設閾值；1.6 s-40%制動閾值；0.6 s-100%制動閾值。根據統計，提前2.5 s給予駕駛員一個警告信號，人的反應時間在安全剎車距離下基本上可以做到將車輛剎停。而采用2級制動，可使AEB系統激活后更舒適、平順地介入，且制動效果更強，減速度更大。

圖7 3級TTC參數值

2.6 仿真結果分析

在確定了案例事故車輛所添加AEB算法的相關參數值后，得到以下仿真結果。若未搭載AEB算法，即在案例條件下，行人與車輛在仿真時間4.18 s時發生碰撞,此時碰撞速度為30 km/h。圖8(a)、(b)為仿真時間同為4.18 s時是否搭載AEB算法的仿真結果對比圖。

(a) 未搭載AEB算法

而在另一搭載了AEB算法的車輛上，在仿真時間3 s時便開啟了向前碰撞預警并同時松開油門踏板，進入一級制動；在仿真時間3.8 s時進入2級全力制動；在仿真時間4.65 s時車輛剎停。此時車輛狀態為車速為零、油門為零、制動力100%、發動機怠速，而行人已通過車輛前方，避免了本次交通事故發生。仿真過程中車輛的具體速度狀態如圖9、10所示。

圖9 事故車輛速度-時間曲線圖

圖10 測試車輛速度-時間曲線圖

由圖9可見，對于未搭載AEB算法的車輛(事故車輛)，在整個事故發生過程中，由于駕駛員并未注意到前方行人，故車輛沒有被有效制動，從而導致了本起交通事故的發生。而由圖10可見，對于搭載了AEB算法的車輛(測試車輛)，在模擬本起交通事故過程中，在AEB系統的作用下，盡管駕駛員未注意到前方行人，但從其速度-時間圖依舊可以反映出車輛具有兩段有效的制動，并最終使車輛停下。觀察圖10可得，在仿真時間3 s左右，車輛AEB系統采取一級制動模式，并在仿真時間3.8 s左右采取二級全力制動模式，最終確保車輛在撞到行人之前停下。同時在4.65 s時，事故車輛的速度為11.18 m/s，而測試車輛速度為0 m/s，可見本次基于Pre-Scan的車輛AEB試驗設計效果良好，為今后通過Pre-Scan快速、有效的做相應車輛的AEB算法開發和測試，同時開展相關AEB試驗提供了新的解決思路與方法。圖11所示為不同仿真時間段雷達掃描圖。

(a) 正常行駛

同時觀察雷達掃描圖(藍色光波為長距雷達波的掃描范圍，紅色光波為短距雷達波的掃描范圍)可見，在保持安全距離的正常行駛狀態下，當行人橫穿馬路時，能夠被很好的探測到。當駕駛員未反應過來，預測碰撞時間小于1.6 s時，車輛自動進入40%制動狀態。當預測碰撞時間小于0.6 s時，車輛自動進入全力制動狀態,最終在行人位置之前停下，避免了本次交通事故發生。

3 結 語

通過以上案例中具體交通事故的試驗過程表明，利用Pre-Scan開展自動駕駛車輛AEB試驗設計，實現了交通事故仿真再現，以動畫的形式展現行人、車輛的運動軌跡，并以圖表和文字形式輸出結果，得到詳細的交通事故發生的過程，仿真結果具有科學性和直觀性。對比搭載AEB系統的仿真結果可以看出，利用Pre-Scan軟件可以非常方便的開展自動駕駛車輛的AEB試驗，及時調整AEB算法參數，并在Matlab中讀取車輛實時的運動狀態，對原有AEB算法作進一步的分析和改進，以確保AEB算法可行性。

開展AEB算法的試驗設計是自動駕駛車輛開發的前向工作中的重要內容，利用Pre-Scan軟件進行自動駕駛車輛AEB試驗設計，可以縮短開發周期，減少開發成本，并降低此類試驗的危險性，有利于自動駕駛車輛的AEB系統開發，并做到更好的AEB試驗效果。