基于真实事故案例的自动紧急制动系统两轮车测试场景研究

两轮车事故是我国道路一种重要的交通事故类型,但我国在自动紧急制动(AEB)系统研究中还缺乏合适的两轮车测试场景。据此,本文中参考国际上已有的研究成果,建立适用于我国道路交通环境的AEB系统两轮车测试场景。首先,对419起汽车与两轮车碰撞事故案例进行了聚类分析,获得了11类典型的汽车与两轮车碰撞事故场景;接着,根据11类场景在不同参数特征下的事故伤亡程度和事故样本数,准确地获得了各类场景中两轮车运动状态、汽车车速和两轮车车速的详细参数特征;最后,设计了汽车在照明良好的情况下直行通过路口的主要测试场景,通过改变主要测试场景得到了其它5类次要测试场景,且因而最终获得汽车与3种不同两轮车类型(电动两轮车、摩托车和自行车)碰撞下6类AEB系统两轮车测试场景的具体参数特征。本研究结果可为研究我国AEB系统两轮车测试提供参考依据。     

汽车与电动两轮车碰撞典型场景下的AEB纵横向触发策略研究EI北大核心CSCD

在汽车与电动两轮车碰撞事故中,自动紧急制动(autonomous emergency breaking,AEB)系统的横向触发固定宽度是避撞失效的重要因素之一。为了提高汽车AEB系统的避撞可靠性,本文在分析了汽车与电动两轮车碰撞临界工况的纵横向TTC(time to collision)差值范围的基础上,建立了AEB纵横向触发TTC差值模型。基于PreScan、Matlab/Simulink和CarSim仿真平台建立2种典型的汽车碰撞电动两轮车事故场景,并与横向触发宽度固定为1.75和3.75 m的AEB策略对比。结果表明:提出的AEB纵横向触发TTC差值模型在避撞率中表现更优,在汽车速度低于54 km/h时均能实现避撞。在典型场景1中避撞率为88.9%(45例),未避撞事故碰撞平均速度从70.6下降到29.7 km/h;在典型场景2中避撞率为80%(30例),未避撞事故汽车平均碰撞速度从66降低为18.2 km/h。AEB纵横向触发TTC差值模型具有良好的可靠性和鲁棒性,提高了汽车与电动两轮车道路安全性,为汽车主动安全系统开发提供重要理论参考。     

基于实车测试的AEB系统测试评价方法研究

基于对实车自动紧急制动和前向碰撞预警功能的测试数据,研究了自动紧急制动(AEB)系统的测试评价方法。通过在碰撞点偏置、夜间环境、儿童和骑车人目标物、弯道等不同的测试场景中对AEB系统进行测试,分析各场景对AEB系统的自动紧急制动功能、前向碰撞预警功能和漏识别率的影响,并根据试验中AEB系统的碰撞时间(TTC)、制动减速度峰值、制动停止后距离等参数的变化情况,研究了使用各参数评价AEB系统的合理性和必要性。     

面向骑行者的AEB测试方法研究

文章通过对CIDAS统计的150例汽车与二轮车碰撞事故工况样本参数信息进行系统聚类分析,提取出了用于评价面向骑行者的自动紧急制动系统(AEB)的测试场景,建立了面向骑行者的自动紧急制动系统测试评价方法,并利用Prescan和Simulink软件搭建了典型场景的虚拟交通模型以及自动紧急制动系统(AEB)算法控制模型,通过联合仿真分析验证了AEB控制算法的具体实施过程,进一步说明了典型场景和测试方法的有效性。     

基于事故数据挖掘的乘用车追尾卡车AEB测试规程研究

基于未来出行交通事故场景研究数据库中的乘用车追尾卡车事故,分析并提出了以卡车为目标物的乘用车自动紧急制动系统的典型测试工况。采用K-means聚类算法得出可代表实际卡车的目标物颜色,基于事故数据分析提取卡车目标物尾部特征参数,设计并制作了一种新型的具有与真实车辆反射特性和机器视觉识别特性接近的重型厢式卡车目标物。卡车目标物静止,测试车辆分别以45、50、55、60 km/h的速度进行100%重叠自动紧急制动系统测试,验证了该目标物的可行性和有效性。可为车辆主动安全相关标准法规研究提供数据支撑,推动车辆主动安全测试技术的发展。     

考虑预期功能安全的智能汽车自动紧急制动系统

预期功能安全的提出，使得传统的自动紧急制动系统的安全性受到了挑战。为此，本文中利用基于系统理论过程分析（systems-theoretic process analysis,STPA）方法得到了自动紧急制动系统的预期功能安全要求，在传统的自动紧急制动系统基础上增加了感知盲区安全车速规划策略。然后基于盲区场景下车辆与行人相遇运动学模型，构造盲区安全车速公式。接着设计加入非线性干扰观测器的速度滑模控制器，对该速度进行跟踪控制，最后在CarSim与Simulink联合平台上开展仿真试验，比较此系统与没有增加预期功能安全要求的自动紧急制动系统的安全性，并进一步在硬件在环仿真试验台上验证。结果表明，考虑预期功能安全的自动紧急制动系统能有效降低行人碰撞风险，并确保车辆安全通过盲区的行驶效率。     

商用车AEB系统测试场景构建及仿真研究

随着车辆智能化的发展,提高商用车主动安全水平的必要性增强,自动紧急制动(A EB)系统成为车辆主动安全领域的研究热点.文中从商用车自动紧急制动功能测试评价技术着手,基于场景元素分类构建商用车自动驾驶测试场景,建立自动紧急制动典型场景与控制模型,并通过仿真验证商用车A EB测试场景搭建与测试评价方法的有效性.     

基于NAIS的AEB系统路口测试场景研究

为建立适合中国道路的自动紧急制动系统路口测试场景。对国家车辆事故深度调查体系（NAIS）数据进行筛选得到582起路口车-车事故案例，运用聚类方法对事故数据进行分析，并根据事故样本数和事故伤亡程度对聚类结果进行典型参数提取，得到17类典型路口车车事故场景。在典型事故场景的基础上分析并加入2车最高碰撞车速、碰撞角度和碰撞类型3个关键参数，使最终得到的测试场景比已有的研究更能准确地反映实际的事故统计情况。      

自动紧急制动系统测试场景研究

根据国外已提出的自动紧急制动系统(AEB)测试场景,对适用于我国汽车行驶工况的AEB测试场景进行了研究。采用行驶记录仪采集了汽车实际行驶危险工况并进行了统计分析,利用驾驶员反映时间确定了危险开始时刻,从而获得相应的AEB测试场景参数,并依此建立完整的测试场景仿真模型,得到了符合我国城市道路交通情况的AEB测试场景。     

都是轮胎惹的祸

一辆韩国产雷斯特全时四驱越野乘用车，选配奔驰公司产发动机，有求必应式转矩分配(TOD)系统和自动变速器。其四轮驱动系统包含高速四轮驱动(4H)和低速四轮驱动(4HL)2种状态。可以用人工将四轮驱动系统从4H状态转到4HL状态行驶，否则越野乘用车在4HL和4H状态下自动切换行驶。     

基于深度强化学习的汽车自动紧急制动策略

针对传统自动紧急制动策略制动减速度波动大、制动过程乘坐舒适性及弯道制动安全难以保障的问题,提出一种基于深度强化学习的汽车自动紧急制动策略。建立了包括纵向、横向及横摆运动的3自由度车辆模型,根据碰撞预警时间设计奖励函数,应用深度确定性策略梯度算法设计了基于深度强化学习的自动紧急制动策略,开展了直道行驶工况与弯道行驶工况仿真测试。结果表明,所提出的策略具有很好的收敛性,在满足中国新车评价规程(C-NCAP)的直道行驶安全性要求的同时,提高了紧急制动时的乘坐舒适性,且实现了汽车弯道行驶的自动紧急制动,提高了弯道行驶安全性。     

视线遮挡条件下面向弱势道路使用者的避撞策略研究

由于视线障碍物造成的“鬼探头”事故已经成为当前城市道路交通事故的主要类型之一。针对汽车碰撞视线遮挡条件下横穿的弱势道路使用者(VRU)的场景, 设计了1种基于碰撞时间比和安全制动距离的避撞策略, 建立车辆与VRU的交通状态数学模型, 分析“鬼探头”场景下的制动避撞临界距离。结合临界距离和车辆与VRU的碰撞时间比, 将可以避免碰撞的场景分为3种工况, 分别采用不同的制动减速度, 建立自动紧急制动避撞策略。通过Euro NCAP CPNC测试场景对该策略与传统TTC制动算法进行比较分析。结果表明, 在Euro NCAP CPNC测试场景中, 自车利用该避撞策略在理想情况下能够在更高的车速情况下完成避撞; 在不能避免碰撞的高速行驶工况中较传统TTC算法能够更加有效降低碰撞速度, 同时降低事故重伤风险和死亡风险, 提高车辆的安全性。      

基于CIDAS数据与集成学习的电动两轮车骑行者伤害致因分析

电动两轮车保有量持续增长导致相关的事故伤害日益严重。为研究电动两轮车-机动车碰撞事故中电动两轮车骑行者受伤程度的影响因素,以中国事故深度调查(CIDAS)数据集中的1 246起电动两轮车-机动车事故案例为基础,对比随机森林、XGBoost和LightGBM这3种集成学习模型性能,基于准确率等指标选用性能最优的LightGBM模型进行电动车骑行者受伤严重程度预测。结合SHAP可解释方法,进一步分析发现自变量与因变量之间存在明显的非线性关系:电动两轮车骑行者抛出距离对死亡的影响存在明显的阈值效应,电动两轮车骑行者被抛出距离小于5 m时,不易发生死亡事故,超过5 m时,抛出距离和死亡风险呈正相关;事故发生地为市区外或公路上以及与载重物车辆相撞能显著增加电动两轮车事故中骑行者的死亡风险;电动两轮车不加装脚蹬、座位高度大于70 cm、车把宽度为61~65 cm、车把设计形式为向后弯曲或牛角状等因素可降低死亡风险;与电动两轮车骑行者相关的降低死亡风险的因素包括女性、年龄在30~50岁及对事故发生地环境更为熟悉。      

基于不同风格行驶模型的自动驾驶仿真测试自演绎场景研究

为了验证自动驾驶汽车决策结果的安全性,提出一种具有自主决策和交互能力的行驶模型生成方法,该行驶模型作为背景车被用于构建自演绎仿真场景来测试自动驾驶汽车的连续决策能力。首先,以强化学习为基础、结合遗传与进化思想,创新地设计并生成了具有自主决策和交互能力的不同风格行驶模型;然后,在模型构建阶段分别训练生成了保守、普通和激进3种风格的行驶模型,其中普通风格行驶模型的训练参数来源于自然驾驶数据集highD的车辆参数分布,保证了该行驶模型的真实性;最后,在普通风格行驶模型的基础上设计并训练出了具有显著激进特征的激进风格行驶模型,以增强自演绎场景的复杂性和测试效果。结果表明：在模型真实性方面,以highD数据集中的跟车速度、车头间距、换道时刻下碰撞时间等参数的分布为真值,研究所生成的普通风格行驶模型的参数分布与真值的平均相似程度为88%,相较于基于规则的智能驾驶人模型（IDM）提升了20.3%;在场景测试性方面,以被测系统为主要责任方的碰撞次数为评估指标,研究生成的不同风格行驶模型所构成的自演绎场景的测试性约是由IDM构成的基线场景的7倍。因此,设计和生成的行驶模型所构成的自演绎场景可以有效支撑面向自动驾驶决策系统的仿真测试。     

汽车AEB电子系统开发

近几年来随着汽车电子技术的快速进步,汽车主动安全技术随之迅速成熟,并且得到日趋广泛的应用。汽车紧急制动系统(AEB,Autonomous Emergency Braking)是在汽车行驶危险工况下发出碰撞警告并且自动采取紧急制动的ADAS系统,最终实现"零事故"的安全愿景。     

基于潜类别Logit模型的两轮车骑行者头部损伤影响因素研究

为研究汽车-两轮车碰撞事故中骑行者头部伤害的影响机理,探究头部损伤致因关系中存在的模式差异与异质性,基于中国交通事故深入研究（CIDAS）数据库中的2 806起两轮车事故,建立潜类别Logit模型。以骑行者头部伤害严重程度为因变量,将驾驶人、车辆、道路、环境和事故碰撞特征的相关因素作为自变量,取显著水平为0.05,建立多项式Logit模型,在此基础上根据拟合优度指标确定最优分组数并构建出潜类别Logit模型。研究结果表明:模型将事故样本划分为2个类别群体,2个群体在参数、变量分布特征和预测概率上存在显著差异,当事故样本具有“两轮车初始速度>30 km/h”、“骑行者碰撞后抛出距离>10 m”等特征时易被归类到类别1,且类别1对应于更严重的头部伤害;骑行者年龄>50岁、汽车类型为商用货车、两轮车类型为摩托车、事故发生在市区外、两轮车初始速度>30 km/h、头部碰撞玻璃和抛出距离>5 m都会增加头部损伤的严重程度;汽车驾驶人行驶意图为停车或变道时,存在造成严重两轮车事故的风险;佩戴头盔会减弱骑行者头部受到的伤害。      

基于CIDAS事故场景的智能车辆视场配置

为优化智能车辆感知视场,以中国交通事故深度调查(CIDAS)数据库中的事故案例为基础提取22种交叉口乘用车典型事故场景,在交叉口典型乘用车事故仿真场景中提取来车相对于主车的极限相对位置并将其转换为车辆安全通行下最小感知区域;为实现基于场景安全通行的智能车辆感知视场配置,建立场景安全通行需求的智能车辆感知视场配置框架并提出感知视场配置求解方法;在对感知元件进行功能建模后,使用视场配置方法求解场景安全通行下感知元件组合方案;最后使用感知区域覆盖率、目标有效感知率对该感知元件组合方案进行评价,结果表明搭载该感知元件组合方案的智能车辆在事故场景中可满足安全通行要求。     

汽车新技术简介

电子监控制动技术这种智能型制动装置能够在驾驶员紧急制动的一瞬间得到信息,协助人工加大制动力量,甚至在驾驶员由于慌乱而松开制动踏板时,该装置仍能继续制动。采用这一技术可以将制动距离缩短50%。防滑系统为了防止汽车紧急制动时发生方向失控和翻车事故,目前各大汽车制造公司除了在汽车上装备防抱死系统(ABS)之外,又研制出防滑系统,与ABS配合使用。当汽车紧急制动时,防滑系统可以在几微秒之内对每个车轮进行制动,以稳定车辆行驶方向。四轮驱动系统过去四轮动力系统大都装在越野车和赛车上,如今这一系统已经被引用到部分轿车上。该系…     

汽车测试仿真靶车的研制

汽车测试仿真靶车在自动紧急制动系统测试中发挥着重要的作用。在碰撞危险测试过程中,用仿真靶车代替真实车辆,是包括自动紧急制动系统在内的高级驾驶辅助系统开发与测试的基本方法。介绍了全尺寸仿真靶车的研制过程,重点阐述了仿真靶车的外形结构设计、材料选择和牵引装置的设计。所研制的仿真靶车具有较好的仿真性能,为国内汽车自动紧急制动系统性能试验测试提供了有效工具。     

基于BP神经网络算法预测的重型半挂汽车列车AEB控制策略研究

我国商用车AEB性能要求和试验方法标准的发布,推动了AEB在商用车领域的发展与应用。本文针对半挂汽车列车制动距离长、质心高等特点,结合驾驶员紧急制动的经验,提出了一种基于BP神经网络预测碰撞时间TTC的AEB控制策略。首先,设计了上层控制器,基于不同驾驶员在不同紧急制动场景下碰撞时间的数据,利用BP神经网络算法得到预测模型,从而计算出触发AEB系统的预警时间阈值和紧急制动时间阈值;再以前车与本车的相对距离、相对速度和前车的减速度为输入,通过模糊控制规则得到本车期望的减速度;接着,设计了下层控制器,采用期望减速度前馈控制和减速度偏差PID反馈控制相结合的方式,得到各车轮所需的轮缸制动压力;并基于滑移率滑模控制防止车轮抱死,提高紧急制动时的安全性、舒适性和横摆稳定性。最后,在TruckSim中建立CCRb、CCRm、CCRs 3种测试场景,对控制策略进行了验证。结果表明,本文所提出的控制策略能有效避免碰撞的发生,为半挂汽车列车AEB系统的设计和研究提供了理论依据。