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。     

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。     

考虑过街行人运动轨迹不确定性的人-车碰撞概率预测方法

为了准确预测人-车冲突中的碰撞风险,研究了利用碰撞概率评估人-车碰撞风险的预测方法。基于车辆运动特征建立车辆运动学模型,通过采集行人实际过街运动轨迹并提取不确定性特征,采用一阶马尔科夫模型和高斯白噪声建立行人随机运动模型,在此基础上构建人-车冲突距离模型;运用蒙特卡洛抽样,提取行人过街过程中的人-车最短距离和碰撞时间（time to collision,TTC）分布特征,通过拟合这些特征来估算最短距离和TTC的概率密度函数,建立人-车碰撞概率预测模型;结合2起人-车深度事故案例和3种不同制动特性的自动紧急制动（automatic emergency braking,AEB）系统,对比验证人-车碰撞概率预测模型的有效性。结果显示：建立的行人随机运动模型,其模拟的行人运动速度的均值和标准差与实际值的绝对误差在2%以内,模型精度较高;在事故案例仿真中,车辆与行人在发生碰撞时刻对应的碰撞概率为100%;在车辆加装AEB的仿真中,激进型AEB,法规型AEB以及保守型AEB在触发时刻对应的碰撞概率分别为超过了80%,在30%～40%之间,以及不足5%,这表明人-车碰撞概率预测模型可有效预测2起真实...     

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。     

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。     

自动紧急制动系统控制策略仿真验证

为了在危险情况时辅助驾驶员实现纵向避撞或减小碰撞造成的伤害,文章提出了一种考虑实际制动过程与驾驶员制动行为的分级制动控制策略。通过试验得到相关参数,根据新车评价标准的AEB测试工况与评价指标,搭建测试场景并评价新车AEB功能。仿真结果表明,AEB控制策略在所有工况下都能达到新车评价规程中AEB功能的标准。提出的分级制动控制策略具有一定的参考价值。仿真模型可以方便地更改参数以适用于不同车辆,可作为新车评价AEB功能的仿真工具,减小试验成本,具有实用价值。     

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。     

商用车自动紧急制动技术研究进展

随着主动安全技术的发展,自动紧急制动（AEB）技术可以在车辆发生碰撞前主动介入制动系统使车辆减速或刹停,从而保障人员与财产安全。文章对国内外商用车AEB测试评价章程进行了梳理分析,对商用车AEB性能水平以及技术成果进行了归纳,总结了商用车AEB技术的研究进展,并对其未来重点研究方向予以展望。     

危险品运输车辆自主紧急制动控制策略研究

自主紧急制动(AEB)系统作为车辆主动避撞的有效手段之一,必将成为我国重型商用车辆强制性配备装置。在分析AEB系统工作原理的基础上,以实现危险品运输车辆AEB系统的预警和自主制动干预为目的,提出了一种基于安全距离模型的AEB系统预警算法,建立了基于危险状态因子的分级控制策略,采用Trucksim软件对提出的危险品运输车辆的AEB控制策略进行了两种仿真测试场景下制动效果的验证。仿真结果表明:所提出的AEB控制策略是有效的,满足AEB系统的相关法规及性能要求。     

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JT/T 1242-2019的AEB测试研究

自动紧急制动(AEB)系统对于车辆的主动安全具有重要意义。文中介绍国内外标准法规对于AEB系统的配置要求,分析AEB的工作原理,研究JT/T 1242-2019规定的典型测试场景,并搭建AEB测试系统及测试场景对某客车进行AEB道路性能测试。结果表明,该车辆搭载的AEB系统满足JT/T 1242-2019的限值要求。     

AEB系统性能与碰撞时间关联性研究

根据对不同车型AEB系统性能实测数据的分析,得出AEB系统TTC值、AEB制动执行策略与最终制动效能和用户体验之间的关联性,并依据分析结果对AEB系统的TTC和制动执行策略设定提出了合理建议。在CCR试验工况中,当车速低于20 km/h时TTC设定应更小,采用单级制动,以提升用户体验;在更高车速下应采取两级制动策略,以使AEB系统更为舒适、平顺地介入,在确保AEB系统性能的同时提升用户舒适度,同时提升AEB系统在NCAP评价规程中的得分率。     

雨雾天气下的自动紧急制动系统测试评价方法研究

针对当前自动紧急制动系统评价中,存在雨雾等危险复杂气象状况的测试场景考虑不足,和评价结果难以客观反映AEB系统实际性能的问题,研究了包含雨雾天气的AEB系统测试场景和综合评价方法。根据国家车辆事故深度调查体系（National Automobile Accident in-Depth Investigation System,NAIS）的事故数据,参考中国新车评价规程,构建了雨雾天气下的AEB系统测试场景;基于层次分析法,建立了AEB系统评价层次模型,提出了AEB系统综合评价方法。在PreScan-Simulink平台上搭建了仿真测试场景,进行测试评价,验证了方法的效果,与传统单一评价指标方法进行对比,结果显示被测车辆得分为6.610 7分,小于单一速度减少量评价方法的9.015 0分,偏差分析表明该方法评价结果更客观,能更准确地反映AEB系统性能。     

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。     

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。     

碰撞完的试验车应身处何地？

2008年1月7日，C—NCAP（中国新车评价规程）管理中心公布了2007年第4批试验结果，又是几家欢喜几家愁。在一年多的时间里，C—NCAP管理中心先后对37个车型进行了CNCAP测试，每款车型需要3辆相同车分别进行正面1。0％重叠刚性壁障碰撞试验、可变形移动壁障侧面碰撞试验和正面40％重叠可变形壁障碰撞试验。截至2008年1月7日，参加C—NCAP测试的车辆累计111辆。     

基于层次分析法的AEB评价指标优化

自动紧急制动(AEB)功能已成为国内外各汽车安全权威认证机构的重要评估点,但Euro NCAP、NHTSA、IIHS等认证机构发布的评估规程中涉及AEB的评价指标单一,无法对评估结果进行多维度解读。文章提出的基于层次分析法的AEB评价指标优化方法结合各认证机构建立的评价体系,分别采用定性分析与定量分析构建AEB评价指标优化模型,将安全性与舒适性作为评价准则,并以速度减量、最大减速度、碰撞时间(TTC)和减速度变化率作为评价参数,实现客观安全与主观驾乘体验相结合的多维度评估方案,优化了AEB评价体系。以CCRs某测试场景为例进行实际试验,验证了该基于层次分析法的AEB评价指标优化方案的可行性。     

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。     

主动安全评价引领技术变革,上汽大通D90直面挑战2018版C-NCAP测试

正2018第四届中国汽车安全日活动期间,汽车自动紧急制动AEB现场演示试验及交流活动在中汽中心ADAS测试场顺利开展,上汽大通D90按照2018版C-NCAP规则中的AEB测试标准进行了试验演示,全球NCAP体系代表、国内外汽车安全技术专家和媒体代表共300余人观摩了本次试验。历时四年研究,AEB测试评价正式实施按照2018版规则,车辆自动紧急制动系统(AEB)试验,主要由两大板块构成:(1)自动紧急制动系统(AEB CCR)试验,该部分占11分;(2)行人自动紧急制动系     

基于加速滑台的主被动融合试验方法研究

为了研究基于加速滑台进行主被动融合试验的可行性，在8.0 m/s2制动加速度条件下，针对第50百分位THOR假人进行了仿真和滑台试验，对自动紧急制动（AEB）系统作用后发生的正面高速碰撞工况进行了加速和减速仿真。结果表明，AEB系统制动下乘员离位过程具有波动性，最大离位量发生在第300 ms前，第400 ms后的波动幅度较小；在加速滑台仿真条件下，400 ms后，安全气囊对头部的保护作用、假人胸部刚度表现与减速试验结果更加接近。由此可知，在AEB的仿真时间缩减后不少于300 ms的条件下，主被动融合试验可以通过缩减AEB时间在加速滑台上进行。