自动驾驶汽车事故中主动旋转座椅规避儿童乘员的损伤风险研究

为了提高儿童乘员在自动驾驶汽车中的碰撞安全性,提出在正面碰撞发生前主动将不同座椅朝向的乘员旋转至背向碰撞方向(180°方向)的策略,通过改变人体受力方向,将不同座椅朝向乘员的正面碰撞形式转化为标准的追尾碰撞形式,从而提高自动驾驶车辆中儿童乘员的碰撞安全性。首先,通过正面碰撞假人试验对THUMS 10岁儿童乘员台车模型的有效性进行验证;然后,基于4种不同座椅朝向(0°、90°、135°和180°),利用THUMS 10岁儿童乘员模型进行正面碰撞仿真试验,发现180°座椅朝向儿童乘员损伤风险最小,因此,180°座椅朝向被确定为相对安全的座椅朝向;最后,模拟200 ms内将座椅旋转±45°和300 ms内将座椅旋转±90°以及分别在0 ms和100 ms时间延迟后引入碰撞的试验过程,研究座椅旋转过程本身以及先旋转后碰撞策略下的乘员损伤风险。研究结果表明：200 ms内将儿童乘员旋转±45°和300 ms内将儿童乘员旋转±90°,不引起额外人体损伤;碰撞时刻的延迟所造成的儿童乘员姿态的变化,会导致儿童乘员在碰撞过程中产生不同的运动学响应和损伤风险;在无碰撞时刻延时的情况下,先旋转后碰撞的策略可...     

自动驾驶中座椅旋转速度对乘员的影响

为提高自动驾驶车辆的安全性,提出用一种旋转速度曲线把座椅旋转至指定角度,研究此旋转速度下的乘员生物力学响应.首先,根据所建立的碰撞模型与假人试验数据进行对比验证;其次,改变座椅旋转方向和速度研究乘员旋转至指定位置乘员的生物力学响应.结果表明:在200 ms内采用等腰梯形旋转速度曲线旋转至±45°和±90°不会引起乘员额...     

国外汽车碰撞中人体损伤及人体模拟研究概述

本文从汽车被动安全性角度出发介绍了有关人体损伤指标，现有的假人，研究中使用的力学和数学模型以及几个通用的人体计算机模拟软件，本文可供我国研制假人和开发三维人体计算机模拟软件参考。     

基于XGBoost的自动驾驶汽车事故风险预测研究

自动驾驶汽车风险具有复杂性和隐蔽性,不易被人为地发现和预防。为了更好地预测这些风险,利用美国加州自动驾驶事故数据集,从时间、地点、人员参与、天气等多维度提取数据,数据经过预处理从而构建自动驾驶事故数据库。然后,将XGBOOST算法与数据相结合,建立自动驾驶汽车事故风险预测分类模型。将XGBOOST算法与多种算法进行比较分析,结果表明,XGBOOST算法为较优,其训练和测试预测精度分别超过92.27%和97.06%,能够有效地识别出高风险和低风险的自动驾驶汽车事故情况。     

汽车碰撞过程中乘员冲击响应的分析方法及应用

应用多体系统动力学方法及动态显式有限元方法的混合方法，建立了碰撞过程中乘员冲击响应分析的有限元模型：采用四节点壳单元及刚体材料模型，接触搜寻采用一体化算法，接触力由罚参数法确定，接触界面的摩擦力由经典磨擦定律计算。仿真分析与台车试验结果的对比表明：应用我体系统动力学方程及显式时间积分格式，可以准确地计算出汽车碰撞过程中乘员的冲击响应。分析了五种减速度波形及五种典型结构的力——变形特性对乘员冲击响应的影响，证明了预变形控制结构及横向受压加撑圆管组合结构的大变形力学特性有利于碰撞过程中乘员安全保护的论断。     

轻型卡车与轿车碰撞兼容性：速度变化下的乘员损伤

研究了真实世界事故中、侧面冲击载荷作用下轻型卡车与轿车驾乘人员的损伤位置分布。采用了美国国家汽车取样系统／耐撞性数据库（NASS／CDS）近136万个碰撞兼容性案例,将所有驾乘人员损伤等级分为MAIS0—7和MAIS3＋两种情况,在不同速度下,以涉案撞击车和被撞击车在碰撞前后的速度变化值为变量,分析了乘员不同损伤部位（...     

基于自然驾驶数据的自动驾驶汽车安全性评价方法

自动驾驶汽车进行大规模市场推广前必须进行准确可靠的安全性评价,由于自动驾驶系统复杂程度的增加及设计运行区域的扩大,面向传统汽车的评价方法已不能满足自动驾驶汽车的安全性评价需求,基于此,建立一种基于自然驾驶数据的自动驾驶汽车安全性评价方法,可解决现有方法在逻辑场景层面安全性评价的缺陷。首先,建立基于自然驾驶数据的逻辑场景构建流程,分析场景描述参数,搭建自然驾驶数据采集平台采集相关自然驾驶数据,采用高斯分布模型描述参数概率分布;进而,离散逻辑场景参数空间获取具体测试用例,并在建立的PreScan、CarSim和MATLAB联合仿真平台中对被测自动驾驶算法进行仿真遍历测试,通过高斯模型将测试结果中的危险场景参数聚类,获取被测算法在逻辑场景中的危险区域;最后,综合考虑逻辑场景参数空间概率分布和得到的相应逻辑场景危险区域,提出基于自然驾驶数据的自动驾驶汽车安全性评价指标——场景风险指数,并以前车制动和前车切入场景为例,给出某黑盒算法的具体评价示例。研究结果表明：被测算法在前车制动场景和前车切入场景中的场景风险指数分别为0.409 8和1.08×10^-5,在前车制动场景中具有较大的安全风险,与仿真测试的直观结果相符;通过比较计算得到的场景风险指数与实际仿真测试结果可证明所提出的方法可以实现逻辑场景层面的自动驾驶安全性量化、易于操作、贴近自然驾驶情况。     

智能汽车自动驾驶的控制方法分析

自动驾驶汽车通过使用电脑系统来实现无人驾驶的目的 ,自动驾驶模式的应用能够有效地解决各种类型的交通事故,降低人力成本,对促进社会发展具有重要的实用意义.但自动驾驶控制技术仍然存在诸多问题,例如传感器的可靠性不强、控制系统存在漏洞等都影响着自动驾驶技术的安全性.基于以上背景,首先阐述了智能汽车自动控制系统的原理以及设计架...     

用于智能驾驶系统评价的乘员损伤模型

只有较少的交通事故数据资源被用于建立基于碰撞速度信息的乘员损伤模型,致使所得到的模型精度差。为此,提出了基于车辆变形深度的乘员损伤模型。对美国不同制造年代和车辆级别的事故数据进行聚类分析,论证出车辆变形深度与乘员损伤风险具有相关性。以车辆变形深度为自变量,通过回归分析得到乘员损伤模型。不同种类车辆的乘员损伤模型拟合精度R²约为0.9,证明了该模型的正确性。为进一步验证,以此模型为基础,评价智能驾驶系统的有效性。以自动紧急制动系统为例,对比基于变形深度和速度变化量信息2种方法的有效性计算结果。结果表明：2组结果的平均误差不超过1%,验证了基于变形深度的乘员损伤模型的准确性。该模型仅需要事故数据库中准确的变形深度信息,能够获得更多的事故数据支持,从而可以更好地适应于不同类别智能驾驶系统的评价需求。     

无保护左转环境下自动驾驶汽车交互策略分析

在人类驾驶汽车(HV)与自动驾驶汽车(AV)构成的混驾环境下,AV交互策略是否符合人类驾驶的预期成为影响新型混合交通流运行安全的重要变量。为了综合、系统地分析AV交互策略特征,基于HV和AV混行驾驶数据集Argoverse2,提取了近4 300组左转和直行冲突交互事件。进一步由表及里,分别从交互即时运动状态、交互过程运动行为和交互内在决策选择3个层面,提出了“冲突点-轨迹线-事件集”一体化三维分析框架。在冲突点维度,从交互时间层面定义了到达冲突点时间差、从动作空间层面定义了到达冲突点协作加速度,并展开分析;在轨迹线维度,利用Frenet坐标转换,选取时间-纵向位移轨迹、横向位移-纵向位移轨迹从纵向行进、横向偏移2个层面分析交互过程;在事件集维度,基于决策树挖掘HV潜在交互准则并与AV交互策略对比分析。结果表明,Argoverse AV左转交互策略与HV存在明显差异：交互即时运动状态表现出更加明细的保守性特征,动作空间与HV相比收缩了31.2%;交互过程行为则表现出策略的单一性特征,停车让行等待位置及通过冲突点行为的选择较HV更为单一,总体横向偏移程度比HV小57.1%;交互内在决策选择...     

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。     

自动驾驶对沥青面层寿命及养护成本影响分析

自动驾驶车辆具有鲁棒的横向控制稳定性与居中车道行驶偏好,这将显著影响车辆轮迹横向分布。集中的轮迹分布将加速沥青路面车辙发展,应合理利用自动驾驶车辆横向控制,量化轮迹横向分布对路面车辙发展以及建设养护成本的影响。以浙江上三高速为对象,利用视频观测现阶段车道横断面车辆横向分布状态并测量路面车辙深度,提取了车辆横向分布基准参数;据此设计了几种轮迹分布函数并构建轮迹横向分布实施流程;通过室内试验采集材料参数,建立上三高速路面结构有限元仿真模型,分析了不同自动驾驶车辆比例以及横向分布函数下沥青罩面使用年限以及年均建设养护成本。研究结果表明：按照现阶段自动驾驶车辆小于10 cm的横向分布标准差,当车辆全部自动化后,路面车辙达到15 mm的年限将由11年多提前至8年,上三高速沥青罩面年均建设养护成本将增加37.4%(达到49.9万元/km)。随着横向分布标准差的逐渐增长,自动驾驶车辆的不利作用将会逐渐减弱;当其值大于25 cm时,自动驾驶车辆将有利于减缓路面车辙发展进程,且此时自动驾驶车辆的比例越高,减缓效果越明显;均匀分布状态下,路面车辙年限将推迟约3年(升至14年),年均建设养护成本将减少约24...     

城市公交车内儿童乘员头部损伤的有限元分析

基于已验证的具有详细解剖学结构的头部模型和儿童假人身体有限元模型,构建了具有高计算效率的6岁儿童混合人体有限元模型,结合构建的城市公交车整车有限元模型,选取儿童乘坐公交车时的4个典型位置,对公交车紧急制动和正面碰撞工况下的儿童头部损伤进行了仿真.结果表明,公交车正常行驶紧急制动时头部不会损伤,但在有交通事故发生碰撞时可...     

基于行人碰撞事故重建的颅脑损伤准则效能研究

为了深入研究不同颅脑损伤准则对道路交通事故中行人颅脑损伤的预测与评价性能,从已有的交通事故调查数据库中选出可以用于进行事故虚拟重建且具有详细人体颅脑伤情记录的10例行人车辆碰撞事故案例,采用多刚体动力学和有限元分析方法,对事故中人和车辆运动学响应及行人颅脑损伤情况进行虚拟重建,在此基础上,采用LASSO回归分析方法分析了多个基于人体头部运动学响应的颅脑损伤准则与事故中行人颅脑损伤的相关性;借助文献中的损伤风险曲线,分析了不同基于脑组织应变的损伤准则与行人典型颅脑损伤（弥散性轴索损伤和脑挫伤）之间的关系。研究结果表明：在多个基于人体头部运动学响应的颅脑损伤评价准则中,同时考虑头部线性和旋转运动,且体现头部碰撞功率的头部碰撞能量（HIP）准则能最有效地评价真实的颅脑损伤;基于脑组织应变的颅脑损伤准则中,累计应变损伤测量（CSDM）准则相对于最大主应变（MPS）准则能更有效地评价典型弥散性脑损伤（DAI）,而扩张损伤测量（DDM）准则所反映的脑挫伤程度远低于真实的损伤状况,所以该准则难以准确预测脑挫伤的损伤风险。     

队列车辆碰撞严重性及车队排布策略

针对自动驾驶车辆队列发生不可避免碰撞的事故场景,研究以整体碰撞严重性达到最低为目标的车队排布策略.首先根据引发事故的障碍物是否会明显影响领航车运动,将碰撞划分为队内碰撞和队外碰撞.队列几何构型一定时,针对均质化队列发生一维碰撞过程建立理论模型,计入碰撞前车辆对前车紧急制动的感应及自车进行紧急制动的过程,计算并定义时间截...     

人机混驾环境下无信号交叉口自动驾驶汽车左转运动规划研究

为了使自动驾驶汽车在人机混驾环境下能安全、高效地左转通过无信号交叉口,在借鉴人类驾驶人左转时会对周围车辆驾驶意图进行提前预判的基础上,提出了 一种基于周围车辆驾驶意图预测的自动驾驶汽车左转运动规划模型.首先将无信号交叉口处周围车辆的驾驶意图分为左转、右转、直行3种类型,利用相关向量机预测周围车辆驾驶意图,以概率形式输出...     

智能分布式驱动汽车路径跟踪/制动能量回收协同控制策略研究

为了解决智能分布式驱动汽车路径跟踪与制动能量回收系统间的协同控制难题,充分考虑分布式驱动汽车四轮扭矩独立可控在智能驾驶系统中的优势,设计适应不同路面附着条件的智能分布式驱动汽车转向、制动分层协同控制策略。上层控制器依据不同的路面类型设计差异化的多目标代价函数,以综合优化各工况下的控制目标。高附路面下,制定满足最大能量回收值的全局参考车速,在线优化路径跟踪指令,实现最优能量回收的同时减小系统运算负荷;低附路面下,优先考虑车辆的路径跟踪性能和行驶稳定性,在多目标代价函数中取消对全局参考车速的跟随要求,增设终端速度约束与能量回收项性能指标并减小能量回收项性能指标的权重系数。上层控制器基于模型预测控制方法对多目标代价函数进行滚动优化与预测求解,得到期望的前轮转角及4个车轮的总制动扭矩需求。下层控制器根据制动扭矩需求对四轮的液压制动扭矩和电机制动扭矩进行分配,最终完成整个复合制动过程。基于MATLAB/Simulink和CarSim软件,搭建控制器在环仿真平台,并在高附和低附路面条件下对所提出的策略进行试验验证。研究结果表明：高附路面下,所提出的控制策略在准确跟踪期望路径的同时相较固定比例制动力分配方法可提升2.7%的能量回收值并减少约0.02 s的单次计算时间;低附路面下,与使用高附控制策略相比,能够保证车辆的路径跟踪准确性与行驶稳定性,同时可提升7.8%的能量回收值;控制器在环试验结果证明了该协同控制策略对车辆性能提升的有效性。     

基于自然驾驶数据的跟车场景潜在风险评估

为弥补传统风险评价指标对相对速度较小的跟车场景危险水平评价能力的不足,减少跟车场景中追尾事故的发生,提出了跟车场景潜在风险的概念。将假定前车以较大制动减速度减速条件下的风险称为潜在风险,并构建了代表驾驶人在潜在危险跟车场景下进行避撞操作需满足的最大反应时间的参数时间裕度（TM）。由于追尾危险工况中常见采取的避撞操作可分为制动和制动转向两大类,分别对典型制动避撞过程和制动转向避撞过程进行了分析,从而推导出分别针对2种跟车潜在危险场景的TM计算方式。通过自动筛选与人工筛选结合,获得了中国自然驾驶数据库（China-FOT）中具有中国驾驶人特点的制动避撞危险工况87个和转向制动避撞危险工况40个进行分级,并基于图像处理方法提取了前车制动开始时刻的TM值,从而得到跟车场景潜在风险两级危险域的划分。结果表明：制动避撞场景下,本车车速过低和过高时,TM值的变化均不明显;而在制动转向避撞场景中,只有速度较高时阈值才保持不变。通过对正常驾驶视频的分析,引入对比组共计正常跟车制动工况163例和正常跟车转向变道工况151例的车头时距（THW）值,其统计分析结果与支持向量机分类结果均难以清晰描述跟车场景危险水平与本车速度之间的关系。为研究跟车场景潜在风险评价在自动驾驶中的应用,对于制动避撞场景,在设定TM值不变和相对速度不变的条件下,分别对基于TM的最小相对距离和距离碰撞时间（TTC）值进行了仿真,仿真结果显示,相比于TTC而言,TM的评价稳定性受相对速度影响小,在自动驾驶跟车策略开发和避免其发生责任追尾事故中有重要应用价值。     

波形梁半刚性护栏与汽车碰撞的仿真分析及其结构优化

针对高速公路广泛使用的波形梁半刚性护栏建立“护栏—汽车”碰撞体系耦合动力学有限元模型,研究护栏立柱对汽车绊阻效应的形成过程,提出解除护栏立柱对汽车绊阻效应的一种有效方法。