汽車防碰撞預(yù)警/碰撞算法研究現(xiàn)狀及分析

于廣鵬， 譚德榮， 馬福霞

(山東理工大學(xué)交通與車輛工程學(xué)院， 山東淄博 255091)

汽車防碰撞預(yù)警/碰撞(CW/CA)算法是汽車防碰撞系統(tǒng)的核心，該算法的準(zhǔn)確與否直接影響到車輛的行駛安全，對(duì)預(yù)防汽車碰撞，減少交通事故有著重要的意義[1].

預(yù)警/碰撞算法的作用是確定系統(tǒng)的啟動(dòng)邏輯和啟動(dòng)時(shí)機(jī)，一個(gè)好的避撞算法對(duì)整個(gè)系統(tǒng)的性能有著重要的影響，因此，其準(zhǔn)確性、實(shí)時(shí)性一直是研究的重點(diǎn).現(xiàn)有的預(yù)警/碰撞算法主要分為安全時(shí)間邏輯算法和安全距離邏輯算法兩類[2].安全時(shí)間邏輯算法主要以TTC(Time to collision)為研究對(duì)象，日本東京農(nóng)工大學(xué)首創(chuàng)了這一研究方法，即TTC模型[2-3].后來(lái)一些學(xué)者根據(jù)這一研究方法相繼作出了一系列的研究，例如，清華大學(xué)的王建強(qiáng)博士提出了基于碰撞時(shí)間TTC的適應(yīng)駕駛員特性的報(bào)警避撞算法；北京理工大學(xué)的裴曉飛以碰撞時(shí)間倒數(shù)(TTC-1)為研究思路，提出了基于危險(xiǎn)系數(shù)ε的分級(jí)報(bào)警與主動(dòng)制動(dòng)的安全距離模型[4].安全距離邏輯算法主要以車間實(shí)距為研究對(duì)象，按研究思路不同又可以分為固定車距模型、運(yùn)動(dòng)學(xué)模型和駕駛員模型等.固定車距模型以固定的車間實(shí)距為判斷閾值，比較經(jīng)典的有Mazda模型、Honda模型、Berkeley模型和NHTSA模型以及伯克利大學(xué)在MZADA模型和HONDA模型基礎(chǔ)上改進(jìn)的安全車距模型等[4-5]；運(yùn)動(dòng)學(xué)模型是利用GPS、DSRC(短程通訊)等技術(shù)實(shí)時(shí)獲取自車和周圍車輛的相關(guān)信息，然后通過對(duì)駕駛員的研究，使預(yù)警系統(tǒng)對(duì)車輛的控制與駕駛員的操作基本一致[6-8]，例如清華大學(xué)的高鋒在對(duì)汽車油門、制動(dòng)執(zhí)行器重新改進(jìn)的基礎(chǔ)上，設(shè)計(jì)的基于CAN總線的安全車距保持系統(tǒng)[9]；駕駛員模型是通過實(shí)驗(yàn)獲取駕駛員特征數(shù)據(jù)并利用數(shù)學(xué)方法對(duì)表征駕駛員特征的因素進(jìn)行綜合評(píng)判，然后建立符合駕駛員駕駛特征的車距模型，例如，清華大學(xué)的張磊在實(shí)車實(shí)驗(yàn)基礎(chǔ)上提出的符合駕駛員跟車習(xí)慣的報(bào)警避撞算法[10]；清華大學(xué)的邊明遠(yuǎn)利用綜合加權(quán)評(píng)判方法法提出的考慮駕駛員個(gè)體特性的汽車安全車距模型[11].

1 基于駕駛特征的預(yù)警算法研究

1.1經(jīng)典安全車距模型分析

Mazda模型、Honda模型以及Berkeley模型是比較經(jīng)典的安全車距模型，后續(xù)的很多模型都是在其基礎(chǔ)上進(jìn)行改進(jìn)的.本文通過對(duì)比不同相對(duì)車速下，三種模型所確定的安全制動(dòng)距離來(lái)分析各自的優(yōu)缺點(diǎn).表1為三種經(jīng)典算法的模型公式.

表1 各類算法對(duì)應(yīng)的模型公式

圖1為Mazda模型、Honda模型以及Berkeley模型的制動(dòng)距離對(duì)比圖，通過圖1可看出：Mazda模型確定的制動(dòng)時(shí)機(jī)比較晚，相對(duì)比較保守，原因是該模型將所有能考慮的碰撞情況都考慮了進(jìn)去，甚至包括一些出現(xiàn)概率很小的極端危險(xiǎn)情況，因此在汽車實(shí)際行駛中，系統(tǒng)會(huì)頻繁報(bào)警，這樣便會(huì)干擾駕駛員的正常駕駛，使得駕駛員對(duì)該系統(tǒng)的信任度降低，甚至有可能會(huì)主動(dòng)關(guān)掉預(yù)警系統(tǒng)[12-13]；Honda模型確定的主動(dòng)制動(dòng)距離比較短，制動(dòng)時(shí)機(jī)比較晚，在汽車實(shí)際行駛中，車輛有可能出現(xiàn)碰撞危險(xiǎn)；相對(duì)而言，Berkeley模型制動(dòng)時(shí)機(jī)比較適中，算法實(shí)時(shí)性、準(zhǔn)確性相對(duì)比較好.

圖1 三種經(jīng)典算法的制動(dòng)距離對(duì)比

1.2 考慮駕駛模式的預(yù)警算法分析

當(dāng)前很多學(xué)者在建立安全預(yù)警算法時(shí)，按照駕駛員駕駛風(fēng)格的不同建立了三種駕駛模式，即外傾型、中傾型和內(nèi)傾型駕駛模式[14].這種算法實(shí)質(zhì)上就是對(duì)預(yù)警算法中的駕駛員反應(yīng)時(shí)間按照駕駛風(fēng)格的不同進(jìn)行了相應(yīng)的取值，表2為三種不同駕駛風(fēng)格的駕駛員所對(duì)應(yīng)的平均反應(yīng)時(shí)間.

表2 不同駕駛風(fēng)格駕駛員平均反應(yīng)時(shí)間

由上述分析可知，駕駛員不同的駕駛風(fēng)格可以通過反應(yīng)時(shí)間來(lái)表示，因此本文通過改變Berkeley預(yù)警算法中的駕駛員反應(yīng)時(shí)間對(duì)上述駕駛風(fēng)格進(jìn)行仿真分析，結(jié)果如圖2所示.由圖2可以看出，考慮駕駛員駕駛風(fēng)格的預(yù)警算法在一定程度上能夠適應(yīng)不同駕駛員的駕駛需求，并且在車輛行駛過程中，駕駛員可以根據(jù)自身的身體狀況以及駕駛環(huán)境進(jìn)行不同駕駛模式的變換，因此這種預(yù)警算法能夠較好地體現(xiàn)駕駛員的駕駛特征[15].但這種算法在對(duì)駕駛員反應(yīng)時(shí)間的處理上只是粗略的進(jìn)行了分類，要使算法能夠滿足駕駛員的個(gè)體需求，須綜合考慮駕駛員的駕駛特征.

圖2 三種駕駛風(fēng)格所對(duì)應(yīng)的預(yù)警距離

1.3 基于駕駛特征的預(yù)警算法分析

本文將利用Berkeley模型分析在綜合考慮駕駛員駕駛特征時(shí)的預(yù)警距離的優(yōu)越性，利用綜合加權(quán)平均法[16-17]分別對(duì)兩名駕駛員的駕駛經(jīng)驗(yàn)X1(權(quán)重ω1)、年齡X2(權(quán)重ω2)、身體狀況X3(權(quán)重ω3)、精神狀況X4(權(quán)重ω4)以及視野狀況X5(ω5)進(jìn)行綜合評(píng)判打分，然后利用公式

(1)

(2)

對(duì)反應(yīng)時(shí)間進(jìn)行修正.兩名駕駛員的5項(xiàng)指標(biāo)的評(píng)估分值以及綜合評(píng)估分值如表3所示.

表3 兩名駕駛員評(píng)估指標(biāo)表

圖3為考慮了駕駛員駕駛特征的車距模型的仿真結(jié)果.由圖3可以看出，不同的駕駛員在不同的駕駛狀態(tài)(駕駛環(huán)境以及身體狀態(tài))下，利用綜合加權(quán)平均法所確定的預(yù)警距離是不同的，相對(duì)于上述的按照駕駛風(fēng)格劃分的預(yù)警算法而言，該方法是以單個(gè)駕駛員為研究對(duì)象，對(duì)其反應(yīng)時(shí)間進(jìn)行的修正，因此該方法更加適合駕駛員的個(gè)體需求.

圖3 Berkeley算法修正前后對(duì)比

2 駕駛員駕駛特征相關(guān)因素分析

通過上述分析可以看出，綜合考慮駕駛員駕駛特征時(shí)確定的安全車距要比其他模型更適合駕駛員的個(gè)體需求.下面將具體分析影響駕駛員駕駛特征的相關(guān)因素.當(dāng)前人們一般用駕駛員的駕駛傾向來(lái)刻畫駕駛員的駕駛特征.山東理工大學(xué)的王曉原[14]教授對(duì)駕駛員駕駛傾向進(jìn)行的大量理論和實(shí)驗(yàn)研究表明，影響駕駛員駕駛傾向的因素主要有：(1)駕駛員自身的因素，包括生理特征(性別、年齡、身體健康等)、心理特征(能力、性格、情緒等)以及其他的例如駕駛員的職業(yè)，道德、文化程度、家庭背景等因素；(2)環(huán)境因素，包括天氣、交通流密度、道路狀況、交通干擾等；(3)車輛因素，包括車輛的屬性、車輛的性能、車輛的設(shè)施等.另外，不同駕駛傾向的駕駛員其表現(xiàn)的駕駛行為是不一樣的，具體表現(xiàn)為駕駛操縱力度(油門踏板力度、剎車踏板制動(dòng)力、方向盤握力)，駕駛員操縱頻率(加油頻率、換道頻率、制動(dòng)頻率)以及反映判斷指標(biāo)(反應(yīng)時(shí)間、速度估計(jì)、復(fù)雜反映判斷)的不同，其中駕駛員駕駛傾向與駕駛員反應(yīng)時(shí)間關(guān)系如表4所示.可以看出，外傾型駕駛員其反應(yīng)時(shí)間比較短，反映比較迅速，中傾型駕駛員次之，內(nèi)傾型駕駛員反映時(shí)間比較長(zhǎng)，反映比較遲鈍.

即使判斷出駕駛員的駕駛傾向，也只能代表駕駛員在某一時(shí)刻的駕駛特征，因?yàn)檐囕v行駛過程中所有的影響因素都是一個(gè)動(dòng)態(tài)的過程，隨著駕駛時(shí)間的變化，駕駛員駕駛環(huán)境以及自身的生理心理狀況等都時(shí)刻在變化.經(jīng)過統(tǒng)計(jì)分析發(fā)現(xiàn)，連續(xù)駕駛 3h后，大腦就會(huì)出現(xiàn)疲勞狀況，事故率開始增加，連續(xù)駕駛 4h后事故率是連續(xù)駕駛3h的1.5倍[18]；天氣也會(huì)影響駕駛員的反應(yīng)能力，災(zāi)害性天氣下，由于外界的能見度變小，駕駛員的感知閾值相應(yīng)的會(huì)提高，只有車輛之間相互關(guān)系發(fā)生很大的變化時(shí)，駕駛員才能做出相應(yīng)的反應(yīng)，也就是說(shuō)在災(zāi)害性天氣中駕駛員需要花費(fèi)更多的時(shí)間對(duì)前車運(yùn)動(dòng)狀況進(jìn)行判斷，因此反應(yīng)時(shí)間會(huì)相應(yīng)的變長(zhǎng)，也容易產(chǎn)生駕駛疲勞[19-20].另外，駕駛員自身的生理心理的變化，交通流密度的變化以及性別和年齡都會(huì)對(duì)駕駛員的反應(yīng)能力有一定的影響.

表4 駕駛傾向與反應(yīng)時(shí)間之間的關(guān)系 s

通過上述分析可知，理想的安全車距確定過程應(yīng)該如圖4所示，首先利用離線測(cè)試方法對(duì)駕駛員在一般情況下的駕駛傾向進(jìn)行一個(gè)初始判斷，給出駕駛員的一般反應(yīng)時(shí)間，然后在車輛行駛過程中，實(shí)時(shí)采集影響駕駛員反映狀態(tài)的各個(gè)指標(biāo)，對(duì)駕駛員的反映狀態(tài)進(jìn)行實(shí)時(shí)判斷，進(jìn)而對(duì)反應(yīng)時(shí)間進(jìn)行修正，最終得出一個(gè)比較理想的安全車距.

圖4 理想安全車距的確定過程

3 算法存在的問題

通過以上分析，當(dāng)前預(yù)警/制動(dòng)算法主要存在以下幾個(gè)問題：

(1)算法存在一定的誤警率和虛警率.系統(tǒng)的報(bào)警必須最小限度地減少對(duì)駕駛員注意力的干擾，報(bào)警頻率過高會(huì)使駕駛員失去對(duì)報(bào)警信號(hào)的信任，當(dāng)車輛真的存在碰撞危險(xiǎn)時(shí)，駕駛員容易忽略報(bào)警信號(hào).

(2)算法的主動(dòng)控制時(shí)機(jī)不準(zhǔn)確.系統(tǒng)的主動(dòng)控制不能影響駕駛員的正常操作，當(dāng)緊急情況下車輛進(jìn)行主動(dòng)制動(dòng)時(shí)應(yīng)該先判斷駕駛員的操作，當(dāng)駕駛員正在進(jìn)行避撞操作時(shí)，系統(tǒng)如果主動(dòng)制動(dòng)，駕駛員就有可能被車輛的突然制動(dòng)干擾，失去對(duì)車輛的控制.

(3)算法沒有充分考慮駕駛員的駕駛特征.通過上文分析可知，不同的駕駛員擁有不同的駕駛風(fēng)格，如果一個(gè)報(bào)警算法過于保守，那么對(duì)于外傾型駕駛員就會(huì)造成干擾，容易使其忽略系統(tǒng)的報(bào)警，甚至關(guān)掉報(bào)警系統(tǒng)；相反，如果一個(gè)算法過于激進(jìn)，內(nèi)傾型駕駛員就會(huì)感到不適應(yīng).

(4)表征駕駛員駕駛特征的相關(guān)信息難以實(shí)時(shí)獲取.首先不同的駕駛員由于個(gè)體需求不同，其駕駛特征也不同，即使同一駕駛員，在不同駕駛時(shí)間段和駕駛環(huán)境下，其個(gè)體需求也不相同.因此，要想充分地考慮駕駛員的駕駛特征，安全預(yù)警算法必須實(shí)時(shí)采集駕駛員的相關(guān)狀態(tài)信息.

汽車預(yù)警/制動(dòng)算法的理論研究已經(jīng)取得了很大的成就，現(xiàn)階段應(yīng)該將駕駛員作為研究的核心，研究目的定位在充分體現(xiàn)駕駛員個(gè)體駕駛特征上，研究方向可分為駕駛員駕駛特征的研究和影響駕駛員駕駛特征的相關(guān)信息的實(shí)時(shí)采集，最終利用硬件作為技術(shù)支持實(shí)時(shí)采集駕駛員的狀態(tài)信息，建立滿足駕駛員個(gè)體駕駛需求的預(yù)警算法.

[1] 宋曉琳,馮廣剛,楊濟(jì)匡.汽車主動(dòng)避撞系統(tǒng)的發(fā)展現(xiàn)狀及趨勢(shì)[J].汽車工程, 2009, 30(4): 285-290.

[2] 王建強(qiáng),遲瑞娟,張磊,等.適應(yīng)駕駛員特性的汽車追尾報(bào)警-避撞算法研究[J].公路交通科技, 2009, 26(1)：7-12.

[3] Yoshida H, Awano S, Nagai M,etal. Target following brake control for collision avoidance assist of active interface vehicle[C]//SICE-ICASE.2006 International Joint Conference. IEEE, 2006: 4436-4439.

[4] 裴曉飛,劉昭度,馬國(guó)成,等.汽車主動(dòng)避撞系統(tǒng)的安全距離模型和目標(biāo)檢測(cè)算法[J].汽車安全與節(jié)能學(xué)報(bào), 2012, 3(1): 26-33.

[5]劉剛，侯德藻，李克強(qiáng)，等.汽車主動(dòng)避撞系統(tǒng)安全預(yù)警算法[J].清華大學(xué)學(xué)報(bào)：自然科學(xué)版，2004，44(5)：697-700.

[6] Doi A, Bustuent T, Niibe T,etal.Development of a rea end collision avoidance system with automatic braking control [J].JSAE Review, 1994, 15 (4): 335-340.

[7] Miller R, Huang Q. An adaptive peer-to-peer collision warning system[C]//Vehicular Technology Conference. IEEE, 2002: 317-321.

[8] 李克強(qiáng),王躍建,高鋒,等.基于 ITS技術(shù)的汽車駕駛安全輔助系統(tǒng)[J].汽車技術(shù), 2006 (z1): 32-35.

[9] 高鋒,張磊,王建強(qiáng),等.基于 CAN總線的安全車距保持系統(tǒng)[J].汽車工程, 2007, 28(12): 1 090-1 093.

[10] 張磊,王建強(qiáng),李克強(qiáng),等.基于駕駛員跟車習(xí)慣的報(bào)警/避撞算法研究[J].汽車工程, 2006, 28(4): 351-355.

[11] 邊明遠(yuǎn).考慮駕駛員個(gè)體特性的汽車安全行駛間距模型[J].中國(guó)機(jī)械工程, 2010, 21(12):1 502-1 506.

[12] Jansson J, Johansson J, Gustafsson F. Decision making for collision avoidance systems[J]. Society of Automotive Engineering SAE, 2002,4(3):231-236.

[13] 張廣祥.基于駕駛行為的汽車主動(dòng)防撞預(yù)警系統(tǒng)的安全車距研究 [D].長(zhǎng)春:吉林大學(xué), 2011.

[14] 王曉原,張敬磊，Ban X G.基于動(dòng)態(tài)人車環(huán)境協(xié)同推演的汽車駕駛傾向性辨識(shí)[M]. 北京:科學(xué)出版社, 2013:129-131.

[15] Nakaoka M, Raksincharoensak P, Nagai M. Study on forward collision warning system adapted to driver characteristics and road environment[C]//Control, Automation and Systems, 2008. ICCAS 2008. International Conference on. IEEE, 2008: 2 890-2 895.

[16] Van Winsum W. The human element in car following models[J]. Transportation research part F: traffic psychology and behaviour, 1999, 2(4): 207-211.

[17] Naja R. A survey of communications for intelligent transportation systems[M]. New York:Springer 2013: 3-35.

[18] 郭孜政,陳崇雙,成澤亮,等.合理連續(xù)駕駛時(shí)長(zhǎng)量化確定方法研究[J].北京工業(yè)大學(xué)學(xué)報(bào), 2011, 37(6): 863-868.

[19] 徐濟(jì)宣,吳紀(jì)生.惡劣環(huán)境對(duì)駕駛員反應(yīng)時(shí)間的影響研究[J].交通標(biāo)準(zhǔn)化, 2009 (23): 103-106.

[20] 張寶貴,崔粉蛾,葛紅萍.冰凍雨雪天氣與交通安全[C]//中國(guó)科學(xué)技術(shù)協(xié)會(huì).沈陽(yáng)：第六屆雨雪冰凍 (霜凍)災(zāi)害論壇論文集，2012：256-262.