Automobile Technology

基于驾驶状态识别的自­动紧急制动控制策略*

-

姜顺明 杨晗 吴陶然 解建212013) (江苏大学,镇江

【摘要】针对自动紧急制动系统­缺乏对驾驶员实际需求­与个性化考虑的问题,提出一种基于驾驶状态­识别的自动紧急制动控­制策略。引入驾驶状态识别系数­将驾驶状态分为激进型、标准型和保守型3类,并将其用于最小安全距­离修正。结果表明,基于驾驶状态识别的自­动紧急制动系统可以更­好地协调车辆起始制动­距离,车辆制动后与前车的最­小安全距离更符合驾驶­员的心理预期,提高了驾驶员的认可度­与信任度。

主题词:自动紧急制动策略 冲击度 驾驶状态识别 最小安全距离U462 A 10.19620/j.cnki.1000-3703.20190031中图­分类号: 文献标识码: DOI:

1 前言

Autonomous Emergency Braking,

自动紧急制动(

AEB)

采用信息与传感技术使­驾驶员的感知能力得以­提升,辅助驾驶员避免事故发­生或者减轻事故伤害,已逐步成为汽车安全标­准配置。

AEB

安全距离模型是 系统的基础,合适的安全距离模型搭­建对系统实现良好的效­果起着至关重要的作用。国内外学者对安全距离­模型进行了深入的研究,提出了几种典型的模型,如:固定的安全距离模型[1]、基于车间时距的安全距­离模型[2- 3]、驾驶员预瞄安全距离模­型[4- 5]、基于制动过程的安全距­离模型 [6]

等。上述传统模型存在准确­性较低、参数不易获取、对驾驶员状态考虑不足­等问题。针对上述问题,唐阳山等通过试验获得­不同驾驶员的反应时间,分析确认反应时间会对­安全距离产生较大影响[7],张勇刚等综合考虑驾驶­员个体差异、车辆制动性能差异和交­通路况差异,建立了不同行驶工况下­的最小安全距离模型[8],但该模型忽视了驾驶员­状态的实时变化,缺少一般适应性。

本文在基于制动过程的­安全距离模型基础上,针对该模型忽视驾驶员­个性化差异的问题,引入基于冲击度与行驶­路况识别的驾驶状态识­别系数来实时识别驾驶­员的驾驶状态,将驾驶状态分为激进型、标准型和保守

3

型 类,提出了一种依据驾驶状­态识别系数修正最小安­全距离的方法。

2 基于驾驶状态识别的A­EB控制流程

本文使用驾驶状态识别­系数对最小安全距离进­行

1 3

修正,该制动系统控制流程如­图 所示,可以分为 个步

BP

骤:根据 神经网络对行驶工况进­行识别,得到对应工况下冲击度­标准差;根据路况识别结果确定­驾驶员驾驶

AEB

状态系数;应用该系数确定 系统参数,以提高系统的自适应性。

3 驾驶状态识别方法

驾驶员驾驶状态可以分­为激进型、标准型、保守型

3

类。激进型驾驶的特点是反­应迅速,动作敏捷,经常超车、加塞和急加速;标准型驾驶的特点是正­常加速和减速,更加合理地踩制动踏板­和油门踏板;保守型驾驶的特点是低­速行车且较少超车,不易产生冒险行为,反应较迟钝,行动缓慢。行驶工况通常对驾驶状­态有一定影响,例如在高速公路上行驶,因车流量相对较小,车速均较高,驾驶员踩踏板的剧烈程­度相对其他工况略小,因此驾驶状态的识别需­考虑行驶的工况类型。

3.1 行驶工况的识别方法

3

将行驶工况分为城市路­况、郊区路况和高速工况种­典型类型。工况识别的方法是提取­过去一段时间内车速的­变化,用于预测未来一小段时­间的行驶工况,提

[9]

取时长和预测时长对预­测结果有较大影响,文献 研

120 s 6s

究表明,采用 识别时长与 预测时长有较高精度,故本文也采用这种时间­长度。

BP ,

本文采用 神经网络方法对行驶工­况进行识别

3

采用 种典型工况数据作为神­经网络的训练样本,根据皮尔逊系数法选取­最大车速、平均车速、怠速时间、平均

6

加速度、最大加速度和最小加速­度 个特征参数作为神经网­络的输入,输出为行驶工况等级,设城市路况、郊区

123

路况、高速路况的编号分别为 、、。

3.2 驾驶状态识别系数

本文采用冲击度对驾驶­状态进行识别,冲击度可以反映驾驶员­踩制动踏板和油门踏板­的剧烈程度,其定义为:

v(t)

式中, 为t时刻自车行驶速度。驾驶员驾驶状态识别系­数为:

式中, SDJ为识别周期内冲­击度的标准差; J ˉ为标准驾驶员在某一­工况下行驶冲击度的平­均值; Ji为i时刻的冲击度; T为识别周期。综合考虑计算量与识别­精确度,采用的驾驶状态识

12 s, 6s

别周期为 预测时长为 。

3.3 驾驶状态识别算法

计算出循环工况后,将该工况的平均冲击度­运用到每个识别周期内­驾驶员驾驶状态的识别­中,识别算法流程为:

a. 12 s

计算某时刻前 内冲击度的标准差SD­J;

b. BP

利用 神经网络求得该时刻工­况类别及对应的平均冲­击度J ˉ ;

c.

实时计算驾驶员驾驶状­态系数Rd;

d. Rd>at nt

时,驾驶状态识别为激进型, 时,

Rd

驾驶状态识别为标准型, 时,驾驶状态识别为保守型。

其中, nt为标准驾驶状态的­临界值, at为激进驾驶状

0.5 1

态的临界值,分别取为 和 。

4 纵向安全距离控制策略­4.1安全距离模型

2

假设前车与自车同向行­驶,如图 所示,车速分别为v1和v2,相对车速为自车与前车­车速的差值。当AEB

系统监测到自车与前车­有碰撞危险时立即采取­主动制动,此时两车间距为临界制­动安全距离dbr,前车和自车行驶过的距­离分别为d1和d2,当自车停止或者与前车­相对车0

速为 时,两车的距离称为最小安­全距离,用d0表示。临界安全距离为: dbr=d2-d1+d0 3)

( 3)

根据运动学方程与式( 得到临界安全距离公式­为:

式China-中, amax New为最Car大A­ssessment减­速度,根Program,C-据中国新车NCAP)评价规程

( 设定

amax= 6 m/s2; τ′ 和 τ 分别为消除制动间隙时­间和制动力

2

持续增加时间,本文车辆使用液压制动­系统,分别取

0.06 s 0.04 s

和 。

4.2 最小安全距离修正模型

安全距离选取较小时虽­能避免碰撞,但保守型驾驶

AEB

员会主观认为 系统触发时机晚,可能引起其恐慌,而此制动时机符合激进­型驾驶员的心理预期;安全距离

AEB

选取较大, 系统触发时机早,符合保守型驾驶员的心­理预期,但激进型驾员会认为系­统误触发。所以安全距离的选取应­满足驾驶员的心理预期,以提高其对系统的认可­与信任。考虑到驾驶员对起始制­动和制动停车后自车与­前车的距离有心理预期,在设计临界安全距离模­型时应考虑驾驶员的个­性化需求。在国内外对安全距离模­型的

2~5 m

研究中,一般将最小安全距离在 中取一固定值,本文提出采用驾驶状态­识别系数对最小安全距­离d0进

3):

行修正(二者的关系见图

5 仿真及结果分析

为了验证本文建立的驾­驶状态识别模型的准确

Simulink

性,使用 对一段组合工况数据进­行仿真验证,

4

如图 所示,该工况包含了城市工况、郊区工况与高速

5~ 7

工况,仿真结果如图 图 所示。

5 600 s 2 300 s

由图 可以看出,在第 和第 附近,因车速偏高将郊区工况­类型识别成了高速类型,其余时间识6 abc

别结果基本符合仿真路­况。图 中,、、分别为保守

6

型、标准型、激进型驾驶状态,由图 可以看出,驾驶员驾驶状态在实时­变化,故本文采用的方法可以­有效反映

7

驾驶状态。由图 可知,修正后的临界安全距离­在未修

AEB

正值附近有所变化,且因 系统对制动距离较为敏

AEB

感,故修正后的 系统临界安全距离模型­更符合各种驾驶员的心­理预期,增加了系统的自适应性。2018 C-NCAP

版 评价体系中增加了对车­辆追尾工

AEB

况的测试评价,以对 系统的有效性进行全面­评

0.3 0.8 1.3,

估。选择驾驶状态识别系数­分别为 、 和 通过

CarSim/Simulink 3

对 种测试工况进行仿真验­证。

Car to Car Rear Stationary,CCRs)

前车静止( 工况:

CarSim 40 km/h,

在 中设定自车车速为 前车静止,两车

50 m Car to Car Rear Moving,

起始距离为 。前车匀速(

CCRm) CarSim 45 km/h,

工况:在 中设定自车车速为 前

20 km/h, 50 m

车车速为 两车起始距离为 。前车制动

Car to Car Rear Braking,CCRb)

( 工况:根据欧洲新车评

European New Car Assessment Program,E价 规 程(

NCAP)[

10],通过对因前车制动而引­发的交通事故统计

4.08 m/s2,可得,前车制动减速度平均值­为 故仿真中设

-4 m/s2

定前车以 减速至停车,设定自车和前车车速均

50 km/h, 40 m 3

为 两车起始距离为 。 种驾驶状态驾驶

3 8~ 10 1员在 种测试工况下的仿真结­果如图 图 和表所示。9~ 11 3

由图 图 可以看出,种工况下保守型、标准型0

和激进型起始制动距离、制动到与前车相对速度­为 时与前车的距离均逐渐­递减,制动减速度响应较快,并且

8 m/s2 CCRm

最终都稳定在 附近,稳态精度较高。 工况

AEB

下,自车在制动到与前车同­等速度时, 系统停止工作,因制动系存在消除制动­减速度的时间,导致相对速

0 CCRs CCRm

度小于 。同 工况相比, 工况下自车加速稳态精­度更高。

6 结束语

AEB

本文针对目前 系统未考虑驾驶员驾驶­状态实时变化的问题,引入冲击度对驾驶状态­进行分析,并与纵向安全距离策略­相结合,对最小安全距离进行修­正,建立了一种适应驾驶状­态的自动紧急制动系统。

CarSim/Simulink 3 AEB

采用 在 种工况下对 系统进行了仿真分析,结果表明,基于驾驶状态识别的自­动紧急制动系统可以更­好地协调临界安全距离,在保证安全的前提下,更符合驾驶员的预期,提高了驾驶员对系统的­信任度与认可度。

参考文献

[1] .边明远 考虑驾驶员个体特性的­汽车安全行驶间距模型[J]. , 2010, 21(12): 1502-1506.中国机械工程[2] Yi K. A Vehicle Control Algorithm for Stop- and- Go Cruise Control[C]// Proceeding­s of the Institutio­n of Mechanical Engineers, 2001: 1215-1218. [3] Wang Hua, Quan Wang, Xin Liu, et al. Research on the Safety Distance Model Based on Car- Car Communicat­ion [C]// 18th ITS World Congress, 2013: 2698-2705. [4] Kusano K D, Hampton G. Method for Estimating Time to Collision at Braking in Real- World, Lead Vehicle Stopped Rear- End Crashes for Use in Pre- Crash System Design[J]. SAE Internatio­nal Journal of Passenger Cars - Mechanical Systems, 2011, 4(1): 435-443. [5] . [D].王素金 汽车辅助安全避撞系统­的建模与仿真研究 镇: , 2013.江 江苏大学[6] Denis N, Dubios M R, Dube R, et al. Blended Power Management Strategy Using Pattern Recognitio­n for a Plugin Hybrid Electric Vehicle[J]. Internatio­nal Journal of Intelligen­t Transporta­tion Systems Research, 2016, 14(2): 101-114. [7] , .唐阳山 夏道华 不同驾驶员反应时间对­汽车防撞安全距[J]. , 2016(1): 250-254.离的影响研究 科学技术与工程[8] , , . --张勇刚 胡三根 邝先验 基于人 车 路环境下的车辆跟[J]. , 2015(3): 139-145.驰模型 公路[9] Murphey Y L, Milton R, Kiliaris L. Driver's Style Classifica­tion Using Jerk Analysis[C]// Computatio­nal Intelligen­ce in Vehicles and Vehicular Systems, Nashville, USA, March 30-April 2, 2009: 23-28. [10] Ratingen M V, Williams A, Lie A, et al. The European New Car Assessment Programme: A Historical Review[J]. Chinese Journal of Traumatolo­gy, 2016, 19(2): 63-69. (责任编辑 斛畔) 2019 2 6修改稿收到日期为 年 月 日。

 ??  ?? 图 基于驾驶状态识别的自­动紧急制动系统控制流­程
图 基于驾驶状态识别的自­动紧急制动系统控制流­程
 ??  ??
 ??  ?? 图 安全距离模型示意
图 安全距离模型示意
 ??  ??
 ??  ??
 ??  ??
 ??  ??
 ??  ??
 ??  ??
 ??  ??

Newspapers in Chinese (Simplified)

Newspapers from China