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。     

加装传统AEB后的未避免事故典型碰撞场景与事故特征

为了解车辆装备自动紧急制动系统（AEB）后的典型人车碰撞场景及事故特征，在再现187例事故并采集碰撞前参数后，运用联合仿真技术评估传统AEB系统的效果，并用统计学方法分析未避免的73例事故（39%），获得6类典型的未避免人车碰撞场景。研究发现，未避免事故中：事故主要发生在照明条件良好、路面干燥的非路口，且95.88%案例中碰撞速度低于40 km/h；人车碰撞损伤均显著降低，但不同场景中降幅有差异；人地碰撞损伤降低方面存在不确定性，典型场景中61.9%的案例中人地碰撞损伤有增加风险，损伤增加比例随碰撞场景变化而不同。进一步分析发现，人地碰撞损伤增加的主要原因是AEB降低车速后行人落地顺序改变、人体下肢与车辆前端再次接触、人车碰撞位置改变等。研究成果不仅能为智能车主、被动安全研究中的实验设计提供边界条件，还能为设计更安全的AEB系统提供支持。     

考虑预碰撞时间的自动紧急制动系统分层控制策略研究

为提升汽车的主动安全,对车辆自动紧急制动系统控制策略进行研究。利用分层控制的思想对控制策略进行建模,上层控制器为对车辆制动减速度进行决策的预碰撞时间模型,根据汽车追尾事故深度调查的驾驶员紧急制动数据分析制动系统的制动减速度,在考虑舒适性的条件下确定预碰撞时间阈值。下层控制器按照上层控制器输出的制动减速度,分析车辆轮胎模型和制动系统的关系,通过PID控制调节制动压力对车辆进行控制。在安全评价规程标准工况下验证控制策略的可靠性,通过追尾事故场景的重建来验证控制策略的有效性。仿真结果表明:设计的控制策略在相对车速65km/h以内时能有效避撞,而高于65km/h时能最大程度地降低碰撞车速,减小伤害。     

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。      

考虑前车制动意图的自动紧急制动策略及其测试评价方法

为提高车辆自动紧急制动（AEB）系统的避撞性能,提出了一种考虑前车制动意图的AEB策略及其测试评价方法。通过搭建“PreScan+Simulink+驾驶模拟器”联合仿真平台采集驾驶人制动数据,基于K-均值（K-Means）聚类方法对制动意图进行分类,采用滑动时间窗口提取了意图识别模型训练数据集;通过双层隐马尔可夫模型识别前车制动意图,主车根据不同制动意图计算临界安全距离阈值并制定避撞控制策略;建立PreScan+Simulink虚拟仿真测试环境,提出了基于层次分析法的AEB策略综合评价方法,通过与4种典型AEB控制模型进行对比,验证了所提出方法在不同制动程度场景下均可及时触发制动以避免碰撞,同时可减少过早制动造成的驾驶不适感。     

基于OpenCV的前方车辆检测和前撞预警算法研究

针对汽车的追尾碰撞事故,提出了基于OpenCV的前方车辆检测和多信息融合预警的方法。该方法首先利用Haar-like+Gentle Adaboost实现前方车辆的快速识别,结合Kalman滤波原理跟踪车辆,实现前方车辆检测,然后基于几何模型实时计算前车与本车的横纵向距离,最后根据本车及前车车速、碰撞时间TTC、横向距离等信息与阈值进行比较,分级识别碰撞风险。试验结果表明,该检测方法平均耗时22 ms/帧,检测率达到96%,并能较准确地测量车距,实现可靠的前方避撞预警输出。     

基于PreScan的AEB系统纵向避撞算法及仿真验证CSCD

采用自动紧急制动(AEB)可以辅助驾驶员避免纵向碰撞。该文对比了5种AEB算法对避免纵向碰撞仿真验证制动效果。以自动制动结束时的己车与前车的距离来判断制动效果的4种安全距离(AS)算法是:Mazda、Honda、Berkeley、Seungwuk Moon;另一种是以即碰时间(TTC)为判断制动效果的TTC算法。在Simulink中运行的汽车主动安全的仿真平台Pre Scan上进行仿真验证。结果表明:在不干扰扰驾驶员正常驾驶前提下,这5种算法中,以即碰时间的TTC算法的纵向避撞性能最优。     

基于正交实验的汽车-两轮车碰撞事故再现的参数影响研究EI北大核心CSCD

汽车-两轮车碰撞事故再现的关键是确定碰撞速度。本文在动力学分析的基础上建立了汽车与两轮车相互侧面碰撞的模型,得到了两车碰撞速度的表达式;筛选出影响汽车、两轮车碰撞速度推算和事故再现结果准确性的主要参数;通过具体的事故案例设定正交实验,分别获得了对汽车、两轮车的参数影响权重顺序;据此指导PC-Crash对一起真实的汽车-两轮车碰撞案例进行模拟重建。结果表明,按参数权重顺序辅助汽车-两轮车碰撞事故的再现仿真,可用较短时间再现与实际事故情况相吻合的结果。     

货车-两轮车前碰撞事故中骑行者运动学响应及损伤分析

为探究货车-两轮车前部碰撞事故中参与双方速度对骑行者运动学响应与损伤的影响,基于MADYMO软件开展事故重建并进行了分析。建立了货车和两轮车的多体碰撞模型,对一起货车前部碰撞两轮车事故进行了事故重建;使用验证后的模型进行了25组不同速度下的全因子仿真试验;分析了不同碰撞速度和骑行速度对骑行者运动学响应和损伤的影响。研究结果表明,骑行者身体旋转幅度会随着两轮车及货车车速的升高而增加;当货车速度超过 20 km/h时,骑行者头部损伤指标 （Head Injury Criterion,HIC） 与胸部3 ms加速度将超过阈值;而当货车速度超过25 km/h时,骑行者下肢接触力也超过阈值;货车速度处于 30～40 km/h时,相同货车速度下,骑行者头部 HIC值出现随着两轮车速度的增加而升高的趋势,而胸部加速度出现相反的趋势。     

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。      

乘用车与两轮车事故特征分析和目标识别因素研究

为探究自动紧急制动(AEB)系统在事故场景中的避障作用,基于中国交通事故深入研究(CIDAS)数据库,分析了乘用车与两轮车事故成因及典型场景,确定其分布特性,建立了碰撞前1 s两轮车与乘用车的相对位置分布情况,基于此对自动紧急制动系统进行了工程探索,结果表明,两轮车被检测到的概率随自动紧急制动系统视场角的增大而增大。对真实道路行驶数据的研究表明,电动自行车在与乘用车同向或反向行驶时易被识别为摩托车,横穿场景易漏检或归类为行人。     

基于动态碰撞时间的自动紧急制动策略设计

针对基于碰撞时间（TTC）的传统自动紧急制动（AEB）策略未考虑自车车速的局限性,提出了一种考虑车速的动态碰撞时间阈值模型,设计了基于动态碰撞时间阈值的AEB控制策略。为保证制动过程的舒适性与安全性,确定了两级制动策略并对减速度的变化率进行限制,利用PI控制算法完成车辆减速度控制,并通过仿真确定不同车速下的TTC阈值,建立动态碰撞时间阈值模型。硬件在环仿真结果表明：在保证舒适性的前提下,相比于传统AEB策略,所设计的AEB策略避撞成功率提高了47.6%,具有更优的综合性能。     

电动两轮车骑车人紧急避让姿态对损伤风险的影响研究

为研究不同紧急避让姿态下骑车人运动学响应及损伤差异，采用 THUMS 人体有限元模型开发 1类正常驾驶姿态和 3 种典型紧急避让姿态：被撞侧脚着地（SFL）、非被撞侧脚着地（NSFL）和双脚着地（LBF）。建立了汽车碰撞电动两轮车和骑车人的仿真模型，进行了8组仿真（20和40 km/h两种碰撞速度和4种驾驶姿态的组合），以对比分析头部损伤参数(峰值角加速度、峰值线性加速度、HIC₁₅、颅内正压力、CSDM_0.15和最大主应变)和下肢的 Vonmises 应力分布，评估两轮车骑车人撞地损伤风险。结果表明：当车速为 20 km/h 时，正常姿态骑车人头部撞地损伤超过 AIS 4+，各姿态下肢损伤均未超过骨折阈值；当车速为 40 km/h 时，各姿态骑车人头部撞地损伤均超过 AIS 4+，紧急避让姿态 LBF 时头部损伤风险最高。正常姿态骑车人的下肢损伤风险最低，紧急避让姿态 SFL 骑车人下肢有骨折风险。该研究结果厘清了紧急避让姿态对骑车人撞地损伤的影响，为汽车安全技术研究提供重要参考依据。     

智能汽车对无信号交叉口行人的避撞控制

针对智能汽车在无信号交叉口对横穿行人的避撞问题,研究了主动转向避撞控制策略。基于多层模型预测控制方法,采用分层控制策略设计局部规划层控制器与全局跟踪层控制器,在此基础上根据交叉口处汽车与行人的轨迹特征计算人车碰撞剩余时间,改进传统人工势场法构造避撞函数,规划出既能规避交叉口内存在碰撞风险的行人又能使偏差最小的局部避撞路径,并使智能汽车在满足多项动力学约束时准确跟踪参考路径,通过搭建CarSim/Simulink联合仿真平台,结合广东省2006—2018年交通事故数据库选取对交叉口人车碰撞有显著影响的因素,设计仿真场景进行仿真分析。结果表明:智能汽车能在多个初始点完成对参考路径的跟踪,控制器对不同速度和附着条件有较高的鲁棒性,高速低附着场景中,智能汽车横向加速度小于0.4 g、质心侧偏角小于2°、前轮侧偏角小于2.5°,各约束量满足舒适性和平稳性条件;4个典型交叉口场景中,智能汽车以不同速度直行或转弯通过交叉口,均能识别横穿行人中存在碰撞风险的行人实现主动转向避撞。      

基于车联网的行人主动避撞策略及仿真验证

针对行人从静止遮挡车辆前方穿出并与主车碰撞的“鬼探头”危险场景,提出一种基于车联网的行人主动避撞系统控制策略。首先,建立主车、遮挡车和行人间相对位置关系模型,通过车车通信获取遮挡车前方的行人状态信息;其次,根据目标进入时间、目标离开时间、碰撞剩余时间和安全避撞时间4个危险状态判断评价指标,建立分级制动策略,并通过下层PID控制调节制动压力实现车辆控制;最后,基于PreScan、CarSim和MATLAB联合仿真平台,搭建该危险场景并验证所提出控制策略的有效性。结果表明,该策略能够实现避撞功能,且性能优于基于宽度触发的行人主动避撞策略。     

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。     

汽车与电动自行车正面碰撞事故重建研究

依据典型汽车-电动自行车正面碰撞事故建立PC-Crash和MADYMO联合仿真碰撞模型,重现碰撞事故过程和人、车停止位置,并利用事故现场信息验证模型的准确性。结果表明,仿真推算的汽车发生碰撞瞬间速度和案例信息非常接近,对提高事故再现水平、减少或预防事故发生具有重大意义。     

基于OpenCV的AEB系统车辆检测和预警研究

为降低汽车换道时碰撞事故发生概率,提出基于OpenO_4CV的AEB系统车辆检测和预警算法。首先利用Haar-like+Adaboost实现前方车辆的识别与检测,并结合粒子滤波原理建立车辆跟踪模型。然后基于单目视觉模型对前方车辆距离进行测量,根据障碍物与车辆的安全距离估测碰撞时间。最后,基于AEB系统进行车辆防撞预警测试,测试仿真结果表明,在不干扰驾驶员正常驾驶的前提下,即碰时间的TTC算法性能最佳,有效提升了前方车辆检测预警精确率。     

基于信息融合的轿车碰撞两轮车事故车速分析

在对北京市轿车与两轮车碰撞事故调研分析的基础上,深入分析车辆、路面遗留痕迹特征与汽车碰撞特点之间的联系,选择与轿车碰撞速度相关的人体-风窗玻璃接触、人体及车辆与路面接触的痕迹特征参数,运用人工神经网络方法建立了轿车与两轮车碰撞事故的车辆碰撞速度分类预测模型.该模型融合了人-车-路相互作用的痕迹特征信息,采用实际事故案例提取的可靠样本对其进行训练并应用于车速估算.     

轿车-电动两轮车事故中AEB仿真技术研究

道路弱势群体的保护一直以来都是交通事故研究的重点，随着汽车主动安全的发展，行人AEB系统处于快速发展的巅峰时期。针对骑车人的AEB系统的研究还处于起步阶段，特别是基于中国本土交通特点的主动安全设备是目前的研究热点。据此，基于采集真实的事故案例，对事故进行特征分析，以事故特征为基础分析中国道路环境下的事故工况，同时选取事故重建所需的事故采集信息，并运用PC-Crash对事故案例进行重建，将重建后的各运动参数输出建立事故前危险工况数据库作为AEB仿真的数据基础。接着建立车辆动力学模型作为AEB仿真依托的对象，用于计算各参数设置下的运动响应。最后设计一种基于GUI的AEB仿真技术开发平台，对AEB系统参与下的事故过程及结果进行展示，并建立AEB系统评价指标和评价方法，对系统效用进行评估，为探测目标为电动两轮车骑车人的AEB系统的测试场景及适应性设计的改进提供了相关的参考依据。