基于汽車油門防誤踩系統(tǒng)的障礙識別研究*

王力斌

（遼寧工程職業(yè)學院，遼寧 鐵嶺 112000）

汽車油門防誤踩系統(tǒng)作為主動安全系統(tǒng)中的重要組成，可智能識別駕駛員對汽車油門踏板的操作意圖，當系統(tǒng)辨識到駕駛員誤踩油門踏板時，將對汽車進行緊急制動，以保證駕駛員的人身安全。根據(jù)對汽車油門防誤踩系統(tǒng)控制方案的研究，本文確定了利用模糊推理算法，對障礙距離、車速、油門踏板加速度3 個主要信號進行計算分析，綜合判定駕駛員對油門踏板操作意圖的控制思路。對于障礙的識別決定了該系統(tǒng)對駕駛員操作意圖的判定準確率。

1 障礙識別

目標車輛與障礙車輛間的最小安全距離為汽車油門防誤踩系統(tǒng)的重要辨識參數(shù)，本文對最小安全距離按絕對安全距離計算方法進行計算，其公式為

式中：u0為汽車初始運行速度；τ′1為駕駛員由有制動意愿到執(zhí)行制動的生理反應時間；τ″1為腳步移動到制動踏板上所需時間；τ′2為駕駛員踩下制動踏板到制動片與制動盤相接觸所用的時間；τ″2為制動力由最小增加至最大所用的時間；abmax為最大減速度。

式中：φp為路面峰值附著系數(shù)，其大小與路面情況相關。本文列舉瀝青路面與混凝土兩種路面在干、濕兩種路面狀況下的峰值附著系數(shù)（見表1）。

表1 兩種路面在不同路面狀況下的峰值附著系數(shù)

按我國高速公路一般最大限速為120 km/h 作為最大車速，對最小車速到最大車速進行計算，可得到不同路面狀況下，不同車速時的制動距離。圖1為車速為0~120 km/h 的最小安全距離。

圖1 車速為0~120 km/h的最小安全距離

通過計算可知，汽車在120 km/h 時進行緊急制動，其制動距離為96.5 m。因此，測距傳感器的量程應超過100 m。通過對比各類型測距傳感器，最終選擇檢測精度較高、響應速度快、適應能力強且工作穩(wěn)定性高的毫米波雷達測距傳感器。毫米波為微波中的一種，是在電磁頻譜中波長為1.0~7.5 mm的電磁波，其對應的頻率為40~300 GHz[1]。毫米波雷達測距傳感器檢測的距離可根據(jù)測距傳感器發(fā)出信號開始到接收到反射信號過程中所用的時間與光在空氣中的傳播速度進行計算，計算公式為

式中：c 代表光速；Δt 代表信號往返時間。

當汽車行駛時，在正常車距下測距傳感器的檢測范圍應可覆蓋整車寬度，這樣系統(tǒng)才能準確地判斷駕駛員是否有誤操作。測距傳感器的探測角度為

2 DBSCAN 聚類算法

DBSCAN 聚類算法是一種基于密度的聚類算法。它可將多個檢測目標定義為多相連點的密度集合，再將具有足夠密度點的集合劃分為多個簇，以此來辨識多障礙目標。DBSCAN 聚類算法事先不需要定義將要檢測簇的數(shù)量且無形狀約束[2]。

DBSCAN 聚類算法中的兩個主要參數(shù)為EPS 及Mupts，其中EPS 為以某核心對象為軸心的超球面鄰域半徑；Mupts 為鄰域內(nèi)最少點數(shù)閾值。通過EPS 及Mupts，DBSCAN 聚類算法將數(shù)據(jù)對象分為以下3 類：一是核心點。當某一數(shù)據(jù)對象處于以EPS 為半徑的鄰域范圍內(nèi)，且其擁有數(shù)據(jù)點數(shù)量大于Mupts，那么該數(shù)據(jù)對象為核心點。二是邊界點。當某一數(shù)據(jù)對象處于以EPS 為半徑的鄰域范圍內(nèi)，但其擁有數(shù)據(jù)點數(shù)量小于Mupts，那么該數(shù)據(jù)對象為邊界點。三是噪音點。當某一數(shù)據(jù)對象處于以EPS 為半徑的鄰域范圍外，該數(shù)據(jù)對象既不是核心點，又不是邊界點，那么稱其為噪音點。

當某一數(shù)據(jù)點處于核心點的鄰域范圍內(nèi)，那么就說該點從核心點發(fā)出為直接密度可達。如果某一數(shù)據(jù)對象{P1，P2，…，Pn}，Pi+1是從Pi關于（EPS，Mupts） 直接密度可達，則表示數(shù)據(jù)對象中任意數(shù)據(jù)Pi數(shù)據(jù)可達。如有數(shù)據(jù)a 和數(shù)據(jù)b，均從核心點O 密度可達，那么數(shù)據(jù)a 與數(shù)據(jù)b 數(shù)據(jù)相連，且其具有對稱性。核心點與其所有密度可達的數(shù)據(jù)對象組成的集合為密度聚類簇。當進行障礙辨識時，根據(jù)不同障礙的外形、尺寸，會出現(xiàn)不同的檢測點數(shù)，產(chǎn)生不同的密度聚類簇。

能源互聯(lián)網(wǎng)不是能源系統(tǒng)的簡單互聯(lián)，也不僅僅是能源系統(tǒng)的信息化，能源互聯(lián)網(wǎng)是在智能電網(wǎng)的基礎上，利用互聯(lián)網(wǎng)思維與技術改造傳統(tǒng)能源行業(yè)，實現(xiàn)橫向多源互補、縱向“源-網(wǎng)-荷-儲”協(xié)調(diào)、能源與信息高度融合的新型能源體系。目的是大幅度提升能源系統(tǒng)效率、促進商業(yè)模式創(chuàng)新、支撐綠色發(fā)展理念，如智慧城市、生態(tài)園區(qū)、綠色鄉(xiāng)村、智能家居等[34]。

通過MATLAB 模擬，建立隨機1 000 個數(shù)據(jù)點，對其進行聚類辨識，其結果見圖2。通過DBSCAN 聚類算法，可精準地辨識目標車輛前方障礙的寬度及形狀特性，根據(jù)形狀特性及相對速度，結合位置跟蹤所辨識到的相對位置，來判斷駕駛員對油門踏板的激烈操作是否為超車操作行為。當兩車車距較小，目標車輛車速快于前方障礙車輛，且相對位置不符合超車操作標準，此時駕駛員對油門踏板的激烈操作將被辨識為誤踩油門踏板，汽車油門防誤踩系統(tǒng)將對汽車進行緊急制動操作，保證駕駛員的安全。當目標車輛姿態(tài)符合超車操作標準，且前方無障礙，此時，系統(tǒng)認定駕駛員對油門踏板的激烈操作為超車操作行為，不對其進行制動干預。

圖2 隨機數(shù)據(jù)點通過DBSCAN聚類算法的MATLAB仿真

3 位置跟蹤

雖然毫米波雷達測距傳感器對運動物體的檢測能力非常出色，但是在實際工作過程中，由于路面狀況、顛簸、漫反射等因素，使檢測過程中出現(xiàn)干擾。這些隨機出現(xiàn)的干擾會使毫米波雷達測距傳感器輸出信號出現(xiàn)失真情況，該情況會使汽車油門防誤踩系統(tǒng)對障礙距離、位置、車速等信息出現(xiàn)隨機性誤報，系統(tǒng)一旦利用錯誤信息進行駕駛員操作意圖辨識，后果不堪設想。因此，利用卡爾曼濾波算法降低干擾、提高毫米波雷達測距傳感器對障礙位置跟蹤的準確性。從而，在超車等工況下，保證系統(tǒng)對駕駛員操作意圖的辨識準確性。

卡爾曼濾波算法是一種利用線性系統(tǒng)狀態(tài)方程，通過對物體狀態(tài)實際檢測值及某一時刻時對下一時刻物體狀態(tài)估計值進行數(shù)據(jù)融合的算法。它能將檢測噪音干擾進行過濾，并能對采集數(shù)據(jù)進行時時更新和處理，使檢測值更加精確。卡爾曼濾波算法是目前應用最為廣泛的濾波處理算法，在雷達、導航、制導、控制等方面得到廣泛應用。

毫米波雷達測距傳感器檢測障礙的模型為

式中：A 為常量；X（k）為狀態(tài)矩陣；N（k）為噪聲干擾矩陣；Z（k）為觀察量矩陣；W（k）為0 值白噪聲觀測誤差矩陣。預測方程為

式中：σn為過程噪聲方差。卡爾曼增益為

式中：σ 為觀測噪聲方差。卡爾曼濾波方程為

卡爾曼濾波誤差方差為

通過MATLAB 進行仿真，仿真結果見圖3。

圖3 卡爾曼濾波仿真結果

通過卡爾曼濾波算法對實際檢測值與預測值進行綜合分析計算，最終得到降噪后的穩(wěn)定信號輸出值。通過圖3 可看出，其降噪效果非常明顯，滿足汽車油門防誤踩系統(tǒng)障礙跟蹤識別使用需求。

在實際工作中，汽車油門防誤踩系統(tǒng)對毫米波雷達測距傳感器所輸入的數(shù)據(jù)進行實時更新，利用卡爾曼濾波后的數(shù)據(jù)不斷判斷障礙運動軌跡，得到最為準確的障礙信息，并將所檢測到的車距信息劃分為5 個區(qū)間，分別為S1{0.5~5.5 m}；S2{5.8~14.9 m}；S3{15.5~28.7 m}；S4{29.5~69.5 m}；S5{70.8~96.5 m}，并將其依次定義為“非常危險”“危險”“較危險”“較安全”“安全”的模糊集，使其與車速與油門踏板加速度模糊集共同輸入模糊控制器，通過模糊控制規(guī)則進行計算，以此來辨識駕駛員操作意圖。通過MATLAB 對基于模糊控制的汽車油門防誤踩系統(tǒng)進行仿真，可得到以下仿真結果和辨識結果，見圖4。

通過圖4 可看出在不同情況下的模糊控制器對駕駛員操作意圖的辨識結果，系統(tǒng)據(jù)此進行判定。

圖4 基于模糊控制的汽車油門防誤踩系統(tǒng)仿真結果和辨識結果

圖4 -b 第1 條信息中，當輸入車速信號參數(shù)為非常危險、車距輸入信號參數(shù)為非常危險、油門踏板加速度輸入?yún)?shù)為安全時，說明駕駛車輛車速較快，車距非常小，但駕駛員并沒有踩下油門踏板，此時系統(tǒng)判定駕駛員沒有對油門踏板進行誤操作。

圖4-b 第2 條信息中，當輸入車速信號參數(shù)為非常危險、車距輸入信號參數(shù)為非常危險、油門踏板加速度輸入?yún)?shù)為非常危險時，說明駕駛車輛車速較快，車距非常小，且駕駛員狠踩油門踏板，此時系統(tǒng)判定駕駛員對油門踏板進行了誤操作，對汽車油門防誤踩系統(tǒng)中的機械執(zhí)行機構發(fā)送緊急制動信號，對汽車進行緊急制動，以保證駕駛員的安全。

4 結束語

通過對汽車油門防誤踩系統(tǒng)的仿真可看出障礙信息對于汽車油門防誤踩系統(tǒng)的重要性，如障礙信息采集不準確，極有可能引發(fā)系統(tǒng)的誤判，從而造成交通事故。利用DBSCAN 聚類算法結合卡爾曼濾波算法，極大地提高了障礙信息的精度，有效提高了障礙信息的精確度，從而提高了汽車油門防誤踩系統(tǒng)的判定準確率。