基于安全裕度的網(wǎng)聯(lián)自主汽車換道行為風(fēng)險量化及動態(tài)平衡模型

陳意成, 曲大義, 邵德棟, 楊子奕

(青島理工大學(xué)交通運輸工程系, 青島 266520)

在智能網(wǎng)聯(lián)環(huán)境的促進下,自動駕駛技術(shù)得到了空前的發(fā)展,提高了交通流的安全性,但交通安全問題同樣不能忽視。針對車輛事故制定各種預(yù)防策略,首先需要準確評估車輛周圍的潛在風(fēng)險。但是在傳統(tǒng)的交通環(huán)境中,駕駛員只能接收到很少的信息,而且其中大部分是不準確的,例如與周圍車輛的距離,前方車輛的速度等。不同駕駛員具有不同的駕駛風(fēng)險感知能力,增加了風(fēng)險評估過程中的不確定性。然而,在CAV(net-connected autonomous vehicles)環(huán)境中,車輛可以接收各種準確的動態(tài)信息。重要的是,車輛可以感知一些人類駕駛員無法直接感知的信息,如周圍車輛的加速度和轉(zhuǎn)向角等。車輛可以接收多種運動信息,并結(jié)合實際交通環(huán)境和駕駛要求,對所需的運動行為提供反饋。在這種情況下,一些傳統(tǒng)的交通風(fēng)險指標已經(jīng)過時,無法滿足CAV環(huán)境中更準確地換道風(fēng)險評估的要求。因此,建立符合CAV特性的交通風(fēng)險指標成為評估換道行為風(fēng)險的重點。

中外學(xué)者在駕駛風(fēng)險指標和換道模型方面進行了相關(guān)研究。Ozbay等[1]提出的事故指數(shù)可以描述事故碰撞中涉及的動能影響,同時也可以定義事故的嚴重程度。Wang等[2]建立人車道路閉環(huán)系統(tǒng)的“車輛安全場”統(tǒng)一模型,為復(fù)雜交通環(huán)境下的駕駛風(fēng)險提供了一種有效的方法。許倫輝等[3]以最小安全距離作為換道目標,建立雙車道環(huán)境下最小安全距離換道模型。賈彥峰等[4]建立安全勢場模型,系統(tǒng)地刻畫網(wǎng)聯(lián)自動駕駛車輛在行駛過程中面臨的安全風(fēng)險。郭海兵等[5]建立Logit模型定量分析駕駛?cè)藫Q道行為決策過程。曲大義等[6]從博弈論的角度研究自動駕駛車輛換道的交互性,合理地展示了自動駕駛車輛的換道特性。

綜上可以,前人從不同角度對換道風(fēng)險評估指標研究做出了巨大貢獻,但單一評估指標適用范圍有限,很少有人關(guān)注綜合評估方法,大多數(shù)研究根據(jù)歷史軌跡數(shù)據(jù)集在變道后進行短期評估,缺乏對換道風(fēng)險的實時量化。鑒于此,提出一種換道瞬時風(fēng)險量化模型,基于車輛實時運動信息綜合評估換道風(fēng)險,進而做出合理的安全判斷,以便預(yù)警。所提模型通過故障樹分析法整合分別由碰撞時間和安全裕度推導(dǎo)的時間風(fēng)險系數(shù)和空間風(fēng)險系數(shù),進行時空融合的風(fēng)險評定量化,以判斷車輛是否處于安全變道狀態(tài),并對本次換道可能存在的風(fēng)險進行預(yù)警控制,進一步使換道風(fēng)險處于動態(tài)平衡的可接受范圍內(nèi)。在目前復(fù)雜的智能網(wǎng)聯(lián)道路環(huán)境下,保障自主駕駛車輛隊列的穩(wěn)態(tài)運行。為后續(xù)網(wǎng)聯(lián)新型混合車流的車輛換道軌跡規(guī)劃相關(guān)研究提供理論基礎(chǔ)。

1 風(fēng)險平衡理論描述

根據(jù)風(fēng)險平衡理論[7],駕駛員可以根據(jù)經(jīng)驗感知風(fēng)險信號,并通過特異性的駕駛行為補償當前的感知風(fēng)險,使感知風(fēng)險恢復(fù)至可接受風(fēng)險的范圍內(nèi),從而達到一種風(fēng)險平衡狀態(tài)。其所采取的駕駛行為,(例如與前方車輛大于或小于一定距離時,駕駛員會響應(yīng)地加速或者減速以調(diào)整與前方車輛的距離)很大程度上取決于感知風(fēng)險和可接受風(fēng)險之間的差異。然而,如果需要量化這種差異,則需要確定一種風(fēng)險感知指標。該指標不僅包括對當前風(fēng)險水平的主觀感知,還包括客觀感知。換言之,此量化指標的影響因素在考慮駕駛員特異性的同時,還應(yīng)該結(jié)合當前道路交通流的實際運行狀態(tài),以確保其具有動態(tài)評估當前風(fēng)險水平的能力。

根據(jù)風(fēng)險平衡理論[7],駕駛員通過增加冒險行為來抵消其在安全感知方面的收益,以維持風(fēng)險水平的平衡。但換道行為與跟馳行為不同,前者本身具有一定的基礎(chǔ)風(fēng)險水平,可以視為一種冒險行為。同時應(yīng)該區(qū)分主動換道與被迫換道,因為主動換道是一種駕駛員自發(fā)性尋求高安全收益的行為,而不是迫于突發(fā)的交通狀況,相比較被迫換道,駕駛員具有更大的可接受風(fēng)險范圍。

在交通風(fēng)險量化的相關(guān)研究中,碰撞時間(time to collision,TTC,記為TTC)是一種經(jīng)典的風(fēng)險指標,定義為:以當前兩輛車的相對速度行駛,將會發(fā)生碰撞的時間,數(shù)值越大表示越安全。與其他傳統(tǒng)風(fēng)險指標相比,TTC具有計算相對簡單而且廣泛應(yīng)用的優(yōu)勢。目前許多車輛防撞系統(tǒng)或駕駛員輔助系統(tǒng)都已經(jīng)將TTC作為重要的安全指標。TTC可以從主觀風(fēng)險的角度解釋駕駛員如何識別風(fēng)險信息。但是僅使用TTC不足以評估所有交通情況的客觀風(fēng)險水平。例如,企圖換道的車輛與目標車道的后車之間的速度差非常小時,盡管兩輛車之間的相對距離很小,但此時TTC卻非常大。TTC可以用來量化大多數(shù)的情況的交通風(fēng)險,并用來研究風(fēng)險水平的變化趨勢,但是可能由于上述情況導(dǎo)致駕駛員處于更高的風(fēng)險之中。

為此,在風(fēng)險平衡模型中提出的瞬時風(fēng)險系數(shù),在使用安全裕度評估主觀風(fēng)險基礎(chǔ)上,綜合時間和空間風(fēng)險,使得評價指標同時具有評價主觀風(fēng)險與客觀風(fēng)險的能力。

2 基于安全裕度的風(fēng)險量化分析

對交通事故進行預(yù)防,必須了解目標車輛在給定的換道條件下是否處于危險狀態(tài)。在交通密度較高的情況下,目標車輛企圖換向更高速車道,通常會遇到被幾輛車包圍的情況。這就要求駕駛員在變道時應(yīng)該更加關(guān)注交通環(huán)境以及周圍車輛的動態(tài),以保持安全的車距和速度,否則就有可能發(fā)生碰撞或者事故。由于不同的道路環(huán)境、車流狀態(tài)與駕駛員特性,使得安全的車距和速度一直處于一種動態(tài)變化狀態(tài)。為判斷車輛是否處于安全狀態(tài),以及進一步量化風(fēng)險,引入安全裕度(safety margin,SM)。Nilsson[8]將其描述為“令駕駛員感到威脅的距離”,安全狀態(tài)判斷函數(shù)為

(1)

在評估變道風(fēng)險的過程中,應(yīng)首先計算目標車輛(subject vehicle,SV)與每個交互車輛之間的SM。但是車輛之間可能存在各種位置關(guān)系。如圖1所示,與前車(front vehicle in the current lane,FV)和目標車道前車(preceding vehicle in the target lane,PV)相比,SV位于后方位置,而與當前車道后車(rear vehicle in the current,RV)和目標車道后車(lag vehicle in the target lane,LV)相比,SV位于前方位置。可以用F和R分別表示前方車輛和后方車輛,來解釋復(fù)雜的相對關(guān)系。依照上述定義,SV與周圍每輛車的SM可描述為

圖1 網(wǎng)聯(lián)混合交通流車車交互關(guān)系Fig.1 Vehicle-vehicle interaction in networked hybrid traffic flows

(2)

DR(t)=xF(t)-xR(t)-LF

(3)

式中:VR(t)為在t時刻后車的速度;VF(t)為在t時刻前車的速度;τ1為駕駛員響應(yīng)時間;τ2為制動系統(tǒng)響應(yīng)時間;aR(t)為t時刻后車的加速度;aF(t)為t時刻前車的加速度;DR(t)為t時刻兩輛車之間的相對間距;xF(t)、xR(t)分別為前車和后車在t時刻的位置;LF為前車的長度;下標F和R分別為前方車輛和后方車輛。

當車輛采取制動措施時,其加速度會受到附著系數(shù)的影響。附著系數(shù)又受到速度、載荷和路面性能等參數(shù)的影響。附著系數(shù)的極值通常為0.1(結(jié)冰路面)～0.9(瀝青混凝土路面)[9]。《道路通行能力手冊》建議“乘用車的起步加速度在0.9～3.9 m/s2范圍內(nèi),減速度在2.1～7.8 m/s2范圍內(nèi)[10]”。結(jié)合大多數(shù)輪胎磨損、路面狀況和Vangi等[11]的測試數(shù)據(jù),模型中的加速度見式(4)。

aR(t)=aF(t)=0.75g

(4)

式(4)中:g為重力加速度。

制動系統(tǒng)響應(yīng)時間也因制動踏板的力和速度的差異而有所不同。液壓制動器的響應(yīng)時間一般小于氣壓制動器。在分別研究了配備防抱死制動系統(tǒng)(anti-lock braking system,ABS)前后的車輛制動參數(shù)后,Sokolovskij[12]研究發(fā)現(xiàn),日本和西方國家大多數(shù)車輛的減速時間小于0.2 s,并保持在0.1～0.2 s的范圍內(nèi)。在緊急情況下,駕駛員可能會快速而有力地踩制動踏板。因此將τ2設(shè)為0.15 s。

關(guān)于駕駛員的感知制動反應(yīng)時間,Gardoni等[13]研究發(fā)現(xiàn),當駕駛員完全了解制動信號出現(xiàn)的時間和位置時,在識別信號后0.70～0.75 s內(nèi)將腳從油門移動至制動踏板;對意料之外但常見的信號(如前車的剎車燈)的響應(yīng)時間為1.25 s;而對于完全意外的事件,為1.5 s。這些時間在一定程度上還受到其他因素的影響,包括駕駛員的年齡、性別、認知能力和壓力等。本文模型將τ1設(shè)置為1.25 s。

因此安全裕度簡化為

(5)

3 基于故障樹分析的換道行為時空風(fēng)險平衡模型

如果具有換道需求的目標車輛在當前交通條件下存在潛在碰撞風(fēng)險,則需要對的時間和空間風(fēng)險進行詳細評估,得出瞬時風(fēng)險系數(shù),為風(fēng)險預(yù)警做準備。故障樹分析法作為安全系統(tǒng)工程中分析風(fēng)險的重要方法,是一種邏輯演繹體系的評價方法,既可以是定性的,也可以是定量的,通常被用于分析整個系統(tǒng)的故障與每個部分故障之間的關(guān)系(圖2)[14]。

圖2 故障樹分析法流程Fig.2 Fault tree analysis process

對于換道行為,系統(tǒng)風(fēng)險定義為目標車輛與周圍車輛安全交互失敗。當目標車輛移動到不同位置時,它與交互車輛的交互行為存在差異。因此,根據(jù)目標車輛與車道線的相對位置關(guān)系,瞬時風(fēng)險系數(shù)有兩種計算方式:①在目標車輛完全越過車道邊線之前,瞬時風(fēng)險系數(shù)最多受附近4輛交互車的影響,在這種情況下,可以通過計算4個部分的故障系數(shù)得到;②一旦目標車輛完全越過車道邊線,瞬時風(fēng)險系數(shù)就只受目標車道上的PV和LV影響,在這種情況下,可以通過計算最多兩個部分的故障系數(shù)得到。

在使用故障樹分析整體瞬時風(fēng)險系數(shù)之前,需要確定每個部分的風(fēng)險系數(shù)。而對于每個部分的風(fēng)險系數(shù),通過碰撞嚴重程度(spatial risk factor,SRF)和碰撞概率(temporal risk factor,TRF,記為TRF)綜合表示。

TRF是根據(jù)TTC推導(dǎo),旨在描述當目標車輛處于不安全的道路狀況時,量化發(fā)生碰撞的可能性的指標[15]。采用故障樹分析法量化SV在時間t處的瞬時風(fēng)險系數(shù)γ確定過程如下。

(6)

λi(t)=TRFi(t)SRFi(t)

(7)

(8)

(9)

(10)

(11)

目標車輛的換道風(fēng)險與交互車輛是否為自動駕駛車輛(autonomous vehicles, AV)有很大關(guān)系。由于AV的運動狀態(tài)是穩(wěn)定且可預(yù)測的,當目標車輛的相鄰車輛為AV時,此時換道的風(fēng)險是可控的。但手動駕駛車輛往往會由于誤判、生理和環(huán)境等因素出現(xiàn)方向偏離和突然減速的情況,不可控風(fēng)險程度較高。而且介于完全自動駕駛受限與技術(shù)、政策、經(jīng)濟、法律和倫理等因素,無法形成規(guī)模化應(yīng)用。本文模型更適合裝載高級駕駛輔助系統(tǒng)(advanced driver assistance system,ADAS)的目標車輛處于周圍為純手動駕駛車輛情況下的換道場景。

本文模型根據(jù)周圍交通狀態(tài),通過計算安全裕度,綜合故障樹分析,推導(dǎo)變道的時間和空間風(fēng)險,進行時空融合的風(fēng)險評定,判斷目標車輛是否處于安全變道狀態(tài),并對在本次換道中可能存在的風(fēng)險進行預(yù)警,具體流程如圖3所示。然而,風(fēng)險評定是一個動態(tài)的過程,將伴隨著動態(tài)交通環(huán)境的演變趨勢同時進行優(yōu)化,在目標車輛駕駛員接受本模型提供的換道預(yù)警信息后,有利于避免發(fā)生危險碰撞或嚴重碰撞,并對提高當?shù)亟煌鞯陌踩院涂煽啃杂袠O大幫助。

圖3 風(fēng)險量化模型Fig.3 Risk quantification mode

4 模型仿真驗證分析

4.1 仿真環(huán)境

為了驗證本文模型的可行性,采用SUMO(simulation of urban mobility)微觀交通流模擬程序。模擬道路為雙車道城市道路,總長度為1 500 m。限速設(shè)置為60 km/h。采用IDM(intelligent driver model)車輛跟馳模型和LC2013換道模型來模擬車輛微觀駕駛行為。車輛輸入包括SV、PV、FV、RV、LV。分別以45 km/h的恒定速度,37、43、50、60 km/h的初始速度行駛,由于使用的模型參數(shù)都是內(nèi)置在SUMO中的標準參數(shù),無需進行其他更改。

4.2 仿真過程與結(jié)果

根據(jù)Lee等[16]對換道碰撞緊迫性的劃分,設(shè)計3組平行實驗,如圖4所示。A組控制SV(藍色車輛)在與LV(粉色車輛)的TTC=5.5 s發(fā)起超車動作,B組控制SV(綠色車輛)在與LV的TTC在(3.0,5.5)范圍內(nèi)發(fā)起超車動作、C組控制SV(紅色車輛)在與LV的TTC在TTC=3.0 s時發(fā)起超車動作。

圖4 仿真實驗Fig.4 Simulation experiment

圖5中所示范圍邊界分別表示SV開啟轉(zhuǎn)向燈至車身完全越過車道邊線的時刻,并分別對應(yīng)圖6中的峰值與突變處。結(jié)果表明,駕駛員在目標車道后方車輛的TTC=5.5時采取換道措施,瞬時風(fēng)險系數(shù)γ將達到0.6;駕駛員在與目標車道后方車輛的TTC處于(3.0,5.5)范圍內(nèi)采取換道措施,瞬時風(fēng)險系數(shù)γ將始終保持在0.4以下;可初步判定瞬時風(fēng)險系數(shù)閾值。

圖5 SV縱向位置Fig.5 SV vertical position

圖6 SV瞬時風(fēng)險系數(shù)變化Fig.6 SV instantaneous risk factor variation

為更客觀合理地對提出的量化平衡模型進行評價,得到更精確的測試結(jié)果,將全部車輛的固定速度限制解除,控制SV在瞬時風(fēng)險系數(shù)處于[0.2,0.4]范圍內(nèi)開始采取變道措施,重復(fù)實驗10次,每個實驗持續(xù)時間為20 s。最終生成201個數(shù)據(jù)段。

當使用TTC指標量化交通風(fēng)險時,越小的值表示風(fēng)險越高。采用TTC的倒數(shù)來確保數(shù)值與交通風(fēng)險的正相關(guān)性。

試

對于圖8中的瞬時風(fēng)險系數(shù)γ,控制前和控制后的平均值分別為0.246 6和0.195 1。應(yīng)用相同的MWW方法,結(jié)果也顯示處于在0.5%置信水平(U=90 601,r=1.00),這表明所提出的瞬時風(fēng)險系數(shù)也可以很好地評估后續(xù)車輛的駕駛風(fēng)險。

圖8 瞬時風(fēng)險系數(shù)統(tǒng)計結(jié)果Fig.8 Statistical results of instantaneous risk factor

圖9 風(fēng)險控制前SV與LV加速度Fig.9 SV and LV acceleration before early risk control

圖10 風(fēng)險控制前與風(fēng)險系數(shù) and risk factor before early risk control

圖11 風(fēng)險控制后SV與LV加速度Fig.11 SV and LV acceleration after early risk control

圖12 風(fēng)險控制后與風(fēng)險系數(shù) and risk factor after early risk control

5 結(jié)論

基于安全裕度理論,結(jié)合風(fēng)險平衡思想,運用故障樹分析法對換道行為風(fēng)險進行了量化控制,建立網(wǎng)聯(lián)新型混合車流的車輛換道行為風(fēng)險量化及動態(tài)平衡模型。從時間和空間兩方面動態(tài)平衡當前交通狀況的換道風(fēng)險,以便精確識別不適合變道的危險交通狀況。得出如下結(jié)論。

(2)本文模型使駕駛風(fēng)險得到了有效控制的同時,交通流的穩(wěn)定性得到了較大提高,促進未來CAVs環(huán)境中CAV隊列的形成,從而提高交通容量和交通效率。

(3)為后續(xù)網(wǎng)聯(lián)新型混合車流的車輛換道軌跡規(guī)劃相關(guān)研究提供理論基礎(chǔ)。需要在未來的研究工作中考慮駕駛風(fēng)格和車輛之間的相互作用等關(guān)鍵因素。