自動緊急制動系統仿真及測試平臺研究

摘 "要： 為了解決自動駕駛虛擬場景測試存在的缺少實物聯動和實車里程測試周期長、成本高等問題，基于虛擬場景構建技術并結合自動駕駛汽車線控底盤架構，設計了多計算機系統、通信、信號采集和輪速模擬等硬件模塊，搭建了一套自動緊急制動系統仿真測試臺架。根據自動緊急制動（AEB）系統工作原理，基于碰撞時間（TTC）的安全距離模型，設計了AEB系統三級控制策略算法。通過CarSim構建虛擬仿真場景和車輛模型，在仿真測試平臺上，對AEB控制算法進行目標靜止、目標移動和目標制動三種工況下的自動制動性能測試。測試結果表明，被測AEB在三種測試工況下均能控制車輛制動減速，避免發生碰撞，具有良好的制動穩定性。測試平臺實現了對AEB系統的仿真測試與結果顯示，驗證了所設計的測試平臺的可行性，并能夠滿足AEB的測試需求。

關鍵詞： 自動緊急制動； 自動駕駛； 仿真場景； 場景測試； 碰撞時間； 線控制動

中圖分類號： TN919?34； TN06?34 " " " " " " " " " 文獻標識碼： A " " " " " " " " " 文章編號： 1004?373X（2024）18?0127?06

Research on simulation and testing platform for AEB system

LU Jiaye1， GUO Bin1， HU Xiaofeng1， ZHANG Junxin2， ZHANG Lincheng2

（1. College of Metrology Measurement and Instrument， China Jiliang University， Hangzhou 310020， China;

2. Hangzhou Wolei Technologies Co.， Ltd.， Hangzhou 310020， China）

Abstract： In order to solve the issues of lacking physical linkage in autonomous driving virtual scenario testing， as well as the long cycle and high cost of real?vehicle mileage testing， hardware modules such as multi computer system， communication， signal acquisition and wheel speed simulation are designed based on virtual scene construction technology and combined with the autonomous vehicle chassis by wire architecture， and a set of autonomous emergency braking （AEB） system simulation testing bench is built. According to the working principle of AEB system and the safety distance model based on time?to?collision， a three?level control strategy algorithm for AEB system is designed. The virtual simulation scenarios and vehicle models are constructed by means of CarSim. The AEB control algorithm was tested on the simulation testing platform for its automatic braking performance under three conditions： stationary target， moving target， and braking target. The testing results indicate that the tested AEB can control the vehicle to brake′s and decelerate under all three testing conditions， effectively avoiding collisions and demonstrating good braking stability. The testing platform can successfully simulate and display the testing results for the AEB system， verifying the feasibility of the designed testing platform. It can meet the testing requirements for the AEB.

Keywords： autonomous emergency braking; autonomous driving; simulation scenario; scenario testing; time?to?collision; brake by wire

0 "引 "言

汽車行業的發展方向主要是自動駕駛[1]，正在朝著“新四化”趨勢發展，即智能化、電動化、輕量化與交通網聯化[2]，自動駕駛汽車應對的行駛環境越來越復雜[3]。主動安全制動系統作為自動駕駛汽車行車安全的重要保障，不僅可以提高車輛的安全性能和駕駛的舒適性，還可以減少因發生交通事故而造成的經濟損失[4]。目前，主動安全制動系統核心技術被外國企業壟斷，國內的相關研究起步晚，與國外領先水平存在一定差距。國內對主動安全制動功能的相關研究分為基于虛擬場景的功能測試和基于實車的功能測試兩類[5]。前者是基于虛擬場景，通過場景生成技術在仿真環境中生成測試場景，對主動安全系統算法性能進行測試，主要是對決策控制算法的優化[6?7]和構建關鍵測試場景[8?9]。后者是基于實車里程測試，通過將被測主動安全制動系統搭載在測試車輛，在實際道路上進行功能測試。以上兩類方式都可完成功能測試，但基于虛擬場景的測試缺少實物聯動，基于實車里程測試存在周期長、成本高的問題，因此，行業主流測試方法是采用半實物虛擬仿真來測試驗證軟硬件功能。

本文基于虛擬場景并結合硬件在環測試技術，配合集成式線控液壓制動系統，搭建了一套自動駕駛主動安全制動系統控制算法測試平臺。并以主動安全制動核心功能即自動緊急制動系統（Autonomous Emergency Braking， AEB）為被測功能，為主動安全制動系統提供合適的測試場景進行仿真測試與半實物驗證，代替部分實車測試，保證系統在足夠穩定可靠的前提下盡可能地縮短研發周期，加快產品迭代速度。

1 "AEB工作原理和控制算法

1.1 "工作原理

AEB系統主要由感知、決策和執行三個核心模塊組成。車輛的感知模塊運用環境信息采集傳感器對行車周圍環境進行實時檢測，得到相關環境信息。決策模塊的核心是電子控制單元，其搭載了AEB控制策略，利用感知模塊采集到的周圍環境信息進行決策，輸出制動信號控制車輛制動系統進行制動，使車輛減速甚至停車，避免事故的發生。執行模塊由線控液壓制動系統、輪缸和卡鉗組成。當接收到電子控制單元的制動指令后，生成制動液壓并傳輸至車身電子穩定系統，由其分配各個車輪的制動力，控制車輛進行減速，實現自動緊急制動功能。

在實際道路交通場景行駛時，由于場景環境復雜，車輛的控制權優先交由駕駛員，當駕駛員沒有做出避免碰撞措施時，由AEB系統控制車輛減速。AEB系統搭載前方碰撞預警和兩級制動，在緊急情況即將發生時提醒駕駛員，若預警后駕駛員依舊沒有采取措施，則采取制動力較小的一級制動，降低車速，提高容錯率。車輛運動狀態發生變化，能夠顯著地提醒駕駛員車輛處于緊急狀態，若駕駛員依舊未采取任何措施，AEB將采取二級制動，控制車輛全力制動，確保車輛和人員的安全[10]。AEB系統工作原理如圖1所示。

1.2 "基于碰撞時間的安全模型

目前AEB系統決策控制算法有馬自達（Mazda）模型、本田（Honda）模型、伯克利（Berkeley）模型和TTC模型。本文的被測AEB使用基于碰撞時間（Time To Collision， TTC）的安全模型，相對于其他三種模型有較好的實時性和適用性。碰撞時間（TTC）指在同一車道上以相同方向行駛的兩車輛保持當前速度下，從當前時刻到發生碰撞所經過的時間。在基于碰撞時間的安全模型中，判斷AEB何時觸發，觸發的預警制動級別的依據是TTC。將決策模塊實時計算出的當前時刻的TTC值與設定好的安全閾值進行比較，若TTC小于安全閾值，將觸發預警和AEB，車輛自動進行緊急制動。TTC和安全車距[11]的計算公式為：

[TTC=Dvrel]

[dr=vrel?TTC+d0]

式中：D為被測車輛與目標車輛的相對距離（單位為m）；TTC為碰撞時間（單位為s）；[dr]為安全車距（單位為m）；[d0]為最小停車距離（單位為m）；[vrel]為被測車輛與目標車輛的相對速度（單位為km/h）。

兩車的相對速度和相對加速度計算公式為：

[vrel=v0-v1]

[arel=a0-a1]

式中：[v0]為被測車輛車速（單位為km/h）；[v1]為前方目標車輛車速（單位為km/h）；[a0]為被測車輛加速度（單位為m/s2）；[a1]為目標車輛加速度（單位為m/s2）；[arel]為被測車輛與目標車的相對加速度（單位為m/s2）。

被測車輛與目標車輛的相對距離計算公式為：

[D=vrelt， " " " " " " " " " " "arel=012arelt2+vrelt， " arel≠0]

由于TTC值與自車和前車相對速度成反比，當兩車相對速度無限縮小，即兩車速度無限接近時，得到的TTC值將會趨向于無窮大。此時基于碰撞時間的安全模型將由于無法得到正確的TTC值而失效，決策模塊無法判斷是否觸發預警和制動控制。所以，設定被測車輛與目標車輛相對速度最小值為0.01 km/h。TTC計算流程如圖2所示。

當兩車相對速度接近于0或為負值時，即兩車速度相同或前車速度大于后車時，決策模塊不進行TTC計算，輸出一個固定值TTC=50，由于該值遠大于安全閾值，故不會觸發緊急制動。當車速大于15 km/h時，對該時刻的TTC和安全車距進行計算并輸出結果，完成整個計算流程。

1.3 "系統控制策略

在建立基于碰撞時間的安全模型和TTC安全閾值模型后，可以判斷是否觸發AEB系統[12]。對TTC安全閾值模型的三級TTC閾值進行劃分，一級TTC閾值為預警閾值，二級TTC閾值為部分制動閾值，三級TTC閾值為全力制動閾值。當前時刻的TTC值小于等于一級TTC閾值TTC1時，系統給駕駛員預警，車輛即將進入危險情況；當TTC值小于等于二級TTC閾值TTC2時，決策模塊將輸出制動信號和制動液壓信號，執行模塊接收該信號并控制車輛產生部分制動力；當TTC值小于等于三級TTC閾值TTC3時，車輛進入全力制動狀態直至車輛完全停止。AEB系統控制策略如圖3所示。

為避免TTC處于制動閾值臨界點時制動力波動導致的車輛抖動問題，當觸發部分制動時，制動壓力維持至少0.6 s，避免制動信號反復觸發；觸發全力制動時，維持制動壓力直到車輛制動至停車。

根據行業標準JT/T 1242—2019《營運車輛自動緊急制動系統性能要求和測試規程》的要求，被測車輛最遲應在一級緊急制動階段開始前1 s對駕駛員進行預警，TTC大于4.4 s時AEB系統不應發出預警，制動階段不應在TTC大于或等于3 s前開始。對不同TTC閾值的AEB控制算法進行仿真試驗，使被測車輛在不同測試場景下完成緊急制動，停車后與前車保持一定安全距離，不發生碰撞，并且保障道路交通效率和車輛行駛安全的前提下，對TTC閾值取算術平均值，確定一級TTC閾值為2.5 s，二級TTC閾值為1.5 s，三級TTC閾值為0.6 s。

2 "AEB仿真環境構建

根據AEB的工作原理，利用車輛動力學仿真軟件CarSim和Simulink聯合仿真，建立被測車輛的動力學模型和AEB控制算法。參照國家標準GB/T 39901—2021《乘用車自動緊急制動系統（AEBS）性能要求及試驗方法》中的測試場景和測試要求，搭建虛擬測試場景和AEB系統仿真模型，設置相關參數后進行仿真。

2.1 "仿真模型

在AEB仿真試驗中，被測車輛動力學模型采用CarSim車輛庫中的C?Class Hatchback車型，搭載前方碰撞預警傳感器，該模型高度準確且穩定[13]。被測車輛模型參數如表1所示。

根據AEB系統的工作原理，在Simulink中搭建AEB系統仿真模型，模型搭載基于碰撞時間（TTC）的控制算法，計算當前時刻的TTC值并與預設安全閾值比較。當TTC值小于或等于安全閾值時即為緊急狀態，控制模塊生成制動信號和制動液壓，反饋給被測車輛，使之減速，避免發生碰撞。AEB系統Simulink仿真模型由CarSim聯合仿真接口、TTC計算、三級控制策略算法模塊組成，如圖4所示。

2.2 "仿真接口配置

軟件聯合仿真需要進行數據傳輸與交互，在CarSim中配置仿真數據接口，用于與Simulink進行數據傳遞和交換。Simulink接收車速、前車車距、前車相對速度信息，經過決策控制模塊后生成制動主缸液壓信號回傳給CarSim，實現對被測車輛的制動控制。CarSim仿真接口參數配置如表2所示。

2.3 "虛擬場景測試

為了驗證AEB系統模型的有效性，采用疊加融合虛擬場景和真實環境的方式構建測試場景[14]。根據GB/T 39901—2021的測試要求，設計了靜止目標條件下和移動目標條件下兩類測試場景，3種不同的工況，具體參數如表3所示。

3種測試工況都是在平整干燥路面上進行，目標車在前、被測車在后，在同一車道上行駛，且兩車中心線的偏差不超過0.5 m，測試場景如圖5所示。依照設計工況的具體參數在CarSim中構建虛擬測試場景，場景元素具體參數如表4所示，最后生成仿真動畫和圖表數據，數據與動畫實時對應。

3 "測試平臺系統設計

3.1 "總體方案設計

測試平臺基于智能駕駛汽車線控制動底盤架構進行搭建，底盤硬件使用真實車輛部件，底盤制動系統示意圖如圖6所示。

平臺的主要組成部分有上位機、實時機、集成式線控液壓制動系統、駕駛模擬器、數據采集與通信模塊、輪速模擬模塊等，測試系統總體設計方案如圖7所示。

3.2 "核心硬件模塊設計與搭建

上位機主要用于設置仿真測試工況、實時數據顯示、數據存儲與回放，以及運行AEB控制算法；其次，通過以太網通信接收實時機傳輸的感知傳感器信號并進行決策判斷，生成制動信號反饋至實時機。實時機用于運行CarSim軟件，構建被測車輛動力學模型和虛擬測試場景，接收線控底盤系統回傳至實時機的制動、液壓等信息。駕駛模擬器由羅技G29方向盤、制動踏板和座椅組成。場景顯示由三聯屏顯示器組成。信號采集卡與CAN通信板卡用于實現測試平臺各部件的數據傳輸、交互與數據采集。數據采集模塊采用NI采集卡對液壓管路中的液壓信號進行采集。輪速模擬模塊利用輪速信號仿真板卡接收下位機實時系統中車輛動力學模型的車輪輪速信息，將輪速信息進行運算處理，轉換為轉速脈沖信號并回傳至實時機，實時機利用CAN通信板卡傳輸至線控底盤模擬系統ECU。線控底盤制動系統通過CAN通信接收實時機傳輸的制動液壓信號，通過液壓管路向底層執行機構輸出制動液壓，管路內安裝有液壓傳感器實時檢測制動液壓。

按照總體設計方案，安裝固定各部分硬件設備，搭建仿真測試平臺，平臺實物圖如圖8所示。

3.3 "測試流程

參考AEB系統測試標準和企業需求，本文將測試流程分為配置階段、測試階段和結束階段。

1） 配置階段：在開始測試前需在上位機配置測試工況，設置車輛的速度、相對距離等信息，導入AEB系統控制算法模型并連接仿真信號傳輸接口。

2） 測試階段：由測試人員坐在駕駛模擬器，測試過程中雙手握住方向盤，防止被測車輛偏離道路中心線，確保測試數據的準確性。測試過程中不觸碰制動踏板，讓AEB系統控制車輛制動。

3） 結束階段：當被測車輛停止或發生碰撞后，測試結束，將線控制動系統回位至初始狀態，生成測試結果。

4 "仿真測試結果與數據分析

在虛擬測試場景對車輛AEB的控制算法進行仿真測試，對被測算法進行目標靜止、目標移動和目標制動三種測試工況的仿真測試。

在目標車輛靜止測試工況中，被測車輛初始速度為50 km/h，目標車靜止停在前方60 m處，車輛制動過程仿真結果如圖9和圖10所示。當被測車輛檢測到目標車輛時，系統判斷該時刻沒有碰撞風險，車輛繼續行駛。當車距不斷減小，在0.5 s時被測車輛與目標車輛相對距離和相對速度的比值即車輛TTC值達到一級TTC閾值，系統發出預警信號，信號值從0變為1；隨后在2.28 s時車輛TTC值達到二級TTC閾值，系統輸出部分制動信號，產生2 MPa制動液壓，車輛開始減速；在4.05 s時車輛TTC值達到三級TTC閾值，觸發全力制動，產生8 MPa制動液壓，直至車輛完全停止，最終兩車距離為3.23 m，并未發生碰撞。

在目標車輛移動工況中被測車輛初始速度為50 km/h，目標車輛車速為20 km/h，兩車相距120 m。被測車輛在測試過程中觸發預警提醒和部分制動，車輛開始減速直至完全停止，目標車輛依然保持20 km/h的速度行駛，兩車最小距離為5.55 m，測試全程并未發生碰撞。

在目標車輛制動工況中被測車輛初始速度為50 km/h，目標車輛車速為50 km/h，并以-4 m/s2的減速度制動，兩車相距40 m。被測車輛在測試過程中觸發預警提醒和部分制動，車輛開始減速直至完全停止，測試過程中兩車最小距離為2.00 m，最終停車后車距為2.66 m，全程并未發生碰撞。

5 "結 "論

本文結合CarSim軟件建立車輛動力學模型和虛擬仿真場景，研發了自動緊急制動仿真測試平臺，實現了測試場景、車輛模型的建模和半實物仿真。根據GB/T 39901—2021測試標準，設計了目標靜止、目標移動和目標制動三種測試工況。基于測試平臺對本文設計的AEB系統控制算法進行測試，測試結果表明，AEB控制算法能避免車輛發生碰撞，具有良好的制動穩定性和舒適性，滿足測試標準的要求。平臺線控制動系統能實時響應AEB系統輸出的制動信號，并生成制動液壓，完成制動動作，驗證了測試平臺的可行性與可靠性。

注：本文通訊作者為郭斌。

參考文獻

[1] 郝玉鍇，文圣豐，吳云，等.基于模型的駕駛輔助系統設計與實現[J].計算機仿真，2021，38（11）：108?111.

[2] 雍加望，馮能蓮，陳寧.自動駕駛汽車硬件在環仿真實驗平臺研發[J].實驗技術與管理，2021，38（2）：127?131.

[3] 任秉韜，鄧偉文，白雪松，等.面向智能駕駛測試的仿真場景構建技術綜述[J].中國圖象圖形學報，2021，26（1）：1?12.

[4] 柏俊波，周濤琪，柏俊杰.汽車智能駕艙駕駛疲勞檢測系統設計[J].現代電子技術，2024，47（1）：147?152.

[5] 文繼澤.考慮縱坡影響的AEB關鍵場景生成方法及仿真測試研究[D].西安：西安工業大學，2023.

[6] 周涂強，劉偉，李浩然，等.基于不安全控制行為分析的商用車AEB決策系統優化[J].清華大學學報（自然科學版），2023，63（9）：1415?1427.

[7] 徐向陽，胡文浩，張友，等.車輛與二輪車預碰撞場景分析及其AEB優化[J].北京航空航天大學學報，2023，49（1）：1?9.

[8] 楊清蓉，趙津，孫念怡，等.基于本體論的AEB關鍵場景生成方法研究[J].計算機仿真，2023，40（1）：172?177.

[9] 任立海，夏環，蔣成約，等.基于交通事故數據的自動緊急制動系統測試場景構建[J].科學技術與工程，2022，22（24）：10737?10747.

[10] 杜峰，程劍鋒，齊蕾，等.基于駕駛行為特性的AEB系統控制策略研究[J].河南科技大學學報（自然科學版），2023，44（6）：16?25.

[11] 馬桂濤.基于模型的ADAS虛擬仿真測試平臺研究[D].北京：北京交通大學，2022.

[12] 田祖林.基于AEB的汽車自動制動系統硬件設計及控制算法研究[D].秦皇島：燕山大學，2021.

[13] 張坤鵬，常成，王世璞，等.自動駕駛汽車仿真器綜述：能力、挑戰和發展方向[J].交通運輸工程與信息學報，2024，22（1）：1?24.

[14] 方艷紅，莊永智，王學淵，等.基于增強現實的汽車駕駛仿真實驗系統[J].實驗技術與管理，2020，37（4）：147?150.