自动驾驶汽车中乘员在不同座椅朝向下的损伤风险及规避策略

在高度自动化车辆（Highly Automated Vehicle,HAV）中,由于不再需要驾驶人,乘客之间可以实现面对面的交流,这给车辆座椅的布置提供了更大的灵活性。为提高HAV的碰撞安全性,提出使用旋转座椅来改变人体朝向与碰撞方向相对位置的规避策略,其基本思路是在碰撞发生前通过主动改变座椅朝向来降低乘员损伤。首先,利用尸体试验数据对所建立的碰撞模型进行验证;然后,基于4种不同的座椅朝向,利用THUMS^TM人体模型进行初始速度为56 km·h^-1的正面碰撞模拟试验,以确定相对安全的座椅朝向位置;最后,预测座椅旋转过程本身以及旋转至某位置后发生碰撞的乘员损伤风险。在静态正面碰撞中,选择0°、90°、135°和180°四种不同的座椅朝向进行乘员损伤预测和比较,结果表明180°朝向时的乘员损伤风险最小。在此基础上,模拟了200 ms内将座椅旋转±45°和±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。研究结果表明：200 ms能够将乘员旋转±45°和±90°而不引起额外的人体损伤,并且在无时间延迟时,旋转至背对碰撞方向的乘员损伤,比正面碰撞中0°、90°和135°座椅朝向的乘员损伤更低,证明了该损伤风险规避策略的有效性。     

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...     

汽车儿童乘员事故重建研究

首先,采用PC-Crash软件进行两车碰撞事故再现,求得目标车辆沿X、Y轴的加速度和绕Z轴的转动角度.然后,将PC-Crash求得的结果作为MADYMO模型的初始边界条件,模拟儿童乘员头、颈及胸部的动力学响应.结果表明:仿真中两碰撞车辆停止位置与实际事故中的情况较好地吻合;儿童乘员头、颈、胸部的动力学响应较好反映了儿童乘员实际的损伤情况.前排座椅头枕、座椅安全带及头、胸部运动的不同步分别是导致儿童乘员头、胸及颈部损伤的主要原因.     

校车座椅动态试验乘员损伤研究与优化

以校车座椅为研究对象,以LS-DYNA为工具,采用分式析因试验设计及全因子试验设计方法,研究约束系统参数灵敏度,从而找出对乘员加权伤害指标（WIC）影响较大的设计参数。约束系统参数优化后,乘员WIC比初始值降低了20%,优化效果显著。     

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。     

移动式安全座椅的乘员保护性能的研究

传统的座椅在汽车前碰撞中是不允许产生明显变形的,本文中提出了3种移动式的汽车安全座椅,它们可在汽车前碰撞时发生相应的变形,具有防止乘员下潜,消除安全带与乘员之间的初始间隙和降低胸部加速度的作用:立了使用3种移动式座椅和传统座椅的汽车前碰撞乘员动力学响应和损伤分析的仿真模型,并进行4种座椅的对比仿真.结果表明,与传统座椅和其它两种移动座椅相比,第一种移动式安全座椅对乘员头部、颈部和胸部具有较好的防护性能.     

客车乘客座椅布置对乘员损伤影响的试验研究

基于ADR68／00法规的座椅动态试验方法,针对某款客车相邻两排乘客座椅,制定三种相对布置的动态试验方案,研究乘客座椅布置对乘员损伤的影响。结果表明,与相邻两排座椅布置状态一致相比,相邻两排座椅如存在横向偏移、高度差则将增大乘员头部和胸部的伤害风险;高度差将降低乘员腿部伤害风险．横向偏移将增大腿部的伤害风险。     

正面碰撞事故中乘员下沉对乘员伤害影响的研究

通过对正面碰撞事故中乘员下沉的运动情况进行分析,以及正面碰撞试验结果的比对分析,指出了因坐垫骨架刚度不够等原因,在碰撞中造成乘员有下沉现象时对乘员伤害的影响。     

基于乘员损伤分析的轿车侧面碰撞安全性研究

文中建立了某轿车及可变形移动壁障的侧面碰撞有限元模型。采用计算机仿真方法,通过与标准要求及实验数据对比,验证了模型的有效性。结合有限元分析软件LS-DYNA及多刚体动力学分析软件MADYMO,按照GB20071-2006标准要求进行了侧面碰撞仿真,得到其碰撞变形形式、假人损伤指标值,并按照标准要求进行了分析和评价。针对该车型在侧面碰撞时的不足,研究了改进侧面碰撞安全性能的有效措施。结果表明,提高B柱、车门刚性及对地板结构进行合理设计可以明显降低乘员在侧面碰撞过程中的损伤参数值,从而改进轿车的侧面碰撞安全性。     

高速公路汽车追尾碰撞乘员安全性研究

研究高速公路汽车追尾交通事故中前车乘员颈部运动及其损伤形态,即挥鞭效应。采用有限元动态仿真技术模拟汽车追尾碰撞过程,仿真与试验结果进行对比验证,对应的特征参数基本一致。利用仿真结果分析汽车追尾事故中前车假人颈部的运动损伤特性,并进行安全性评价。结果表明,前车假人颈部的最大前屈和后屈转矩都在评价标准的安全范围之内,但已经接近临界值。研究的结果主要应用于汽车的安全性设计、道路的安全设施配置和交通安全管理等领域。     

汽车智能乘员约束系统效能的仿真研究

智能乘员约束系统的核心是控制系统，控制系统对输入的参量，包括安全带的应用情况、乘员位置以及乘员身体质量等进行判断，碰撞中按输入参量的级别确定约束值，调整气囊充气速度、进入气囊的气体体积、气囊泄气孔的面积和安全带的载荷限值。基于某微型客车乘员约束系统动力学仿真模型，以安全气囊低能量触发为例，研究了智能系统对乘员保护范围和约束效能的影响。     

正面100%重叠刚性壁障碰撞试验仿真中三岁儿童乘员的损伤评价

本文中应用已验证的具有详细解剖学结构的国人三岁儿童乘员生物力学模型,根据C-NCAP(2021版)要求,建立正面100%重叠刚性壁障碰撞试验模型进行仿真,以对比三岁儿童乘员在不同约束系统中头部、胸部的运动学和生物力学响应,对汽车碰撞中三岁儿童乘员保护进行分析评估。结果表明：使用安全带能大概率降低儿童乘员在汽车碰撞中遭受损伤的风险,五点式安全带对三岁儿童乘员的保护性能优于三点式安全带。应用具有高生物仿真度的儿童乘员生物力学模型,能应用生物力学评价参数对儿童乘员损伤机理进行深度分析,进而对儿童保护装置和试验车型进行全方位多层次的评估。     

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。     

自动紧急转向导致斜角碰撞的一体化仿真分析

在前方道路突然出现障碍物的危急情况中,车辆采用自动紧急转向来避障,由于情况紧急,车辆在转向过程中仍可能与其他道路参与者发生碰撞事故.当车辆采用自动紧急转向避让道路前方路口突然闯入的车辆时,与对向来车发生斜角碰撞,由此,对该特定场景的转向-碰撞全过程进行一体化仿真,分析乘员在转向阶段因车辆横摆和侧倾运动引起的离位现象以及...     

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。     

基于整车在环仿真的自动驾驶汽车室内快速测试平台

整车在环仿真测试方法可以安全、高效地验证复杂环境和极端工况等场景下自动驾驶汽车性能的有效性,基于此研发一种基于整车在环仿真的自动驾驶汽车室内快速测试平台,该平台由前轴可旋转式转鼓试验台、试验台测控子系统、虚拟场景自动生成子系统、虚拟传感器模拟子系统、驾驶模拟器、自动驾驶汽车和测试结果自动分析评价子系统组成。通过在试验台滚筒上独立加载转矩模拟车辆行驶阻力,可动态模拟不同的路面附着系数,同时利用坡度、侧倾和转向随动机构可模拟车辆俯仰角、侧倾角和航向角3个自由度;采用虚拟现实技术柔性集成车辆动力学模型、传感器仿真、复杂道路交通环境及测试用例仿真,模拟多种道路交通场景,并通过传感器仿真及数据融合等技术快速测试自动驾驶汽车智能感知与行为决策等性能指标。将自动驾驶汽车、虚拟仿真场景和试验台耦合构建一个闭环系统,完成了多项关键技术研发,包括：多自由度高动态试验台结构设计、虚拟测试场景自动重构方法和传感器数据模拟及注入方法,可满足在各种场景下测试自动驾驶汽车整车性能的需求。此外,为验证快速测试平台的有效性,以U-turn轨迹跟踪控制为研究实例,基于简化的车辆运动学模型和模型预测控制算法,在平台上搭建U-turn场景并对自动驾驶汽车的轨迹跟踪控制算法性能进行大量测试。结果表明：自动驾驶汽车室内快速测试平台可以真实地模拟汽车在道路上的运行工况,自动驾驶汽车在虚拟场景中的轨迹跟踪效果良好,与参考轨迹的偏差小于8%,证明了该测试平台检测方法的有效性。     

汽车-自行车碰撞事故中骑车人头部损伤仿真分析

首先利用PC-Crash软件,建立自行车、骑车人和汽车模型,并在不同碰撞条件下进行汽车-自行车碰撞事故的计算机仿真.然后根据得到的碰撞过程中骑车人头部加速度曲线来计算头部HIC值.最后利用所得的HIC值,分析了不同碰撞条件对骑车人头部损伤情况的影响.这为汽车-自行车事故的骑车人保护研究提供了依据.     

高等级自动驾驶汽车虚拟测试：研究进展与前沿

安全性测试是高等级自动驾驶汽车（Highly Automated Vehicles,HAV,指具备L3级及以上能力的自动驾驶汽车）规模化应用的基本保障。鉴于HAV测试对象与测试标准的变革,传统基于里程的车辆测试方法论不再适用,场景化虚拟测试正成为验证HAV安全性的核心方法。基于与国内外多家HAV研发机构开展虚拟测试合作的基础上,针对测试场景、测试工具和测试方法等方面的技术难点和学术问题进行汇总、归纳和分析。测试场景方面,围绕场景覆盖度的要求,需重点关注测试场景自主划分、自动化仿真生成和未知高风险场景搜寻等理论方法。测试工具方面,在构建HAV自动驾驶系统“环境感知-规划决策-运动执行”一体化仿真工具的基础上,需研究支撑测试场景生成、驾驶行为双向交互和多传感器物理模型融合的高可信仿真技术。测试方法方面,针对海量测试场景、HAV驾驶能力非单调变化等特征,亟待开展覆盖度驱动型测试方法、加速测试方法和多目标测试与评估等的研究。此外,在上述研究挑战的基础上,面向HAV虚拟测试自动化、快速化、一体化和协同化的应用需求,提出HAV虚拟测试仿真即服务（Simulation as a Service,SAAS）的系统架构,并进一步明确HAV安全性诊断分析、系统自主优化训练和面向系统快速迭代升级的测试方法等SAAS重点研究需求。     

基于场景的自动驾驶汽车虚拟测试研究进展

随着自动驾驶等级的提高,面向传统汽车的测试工具与测试方法已不能满足自动驾驶汽车测试的需要。基于场景的虚拟测试方法在测试效率、测试成本等方面具有巨大的技术优势,是未来自动驾驶汽车测试验证的重要手段,已成为当前的研究热点。通过对大量相关文献的系统梳理,综述了基于场景的自动驾驶汽车虚拟测试研究进展。对比分析了自动驾驶测试场景的不同定义方式,明确了测试场景的内涵,归纳了测试场景的要素种类,概述了测试场景的数据来源,总结了场景数据的处理方法。在此基础上,对自动驾驶汽车虚拟测试方法进行了总结,分析了典型的测试方式、测试平台和虚拟测试的技术要点,梳理了软件在环、硬件在环和车辆在环测试方案及其关键技术。针对自动驾驶汽车测试效率问题,研究了基于场景的加速测试技术,概述了典型的测试场景随机生成方法和危险场景强化生成方法。最后,对基于场景的自动驾驶汽车虚拟测试所面临的问题及未来发展趋势进行了分析和展望。研究结果表明：基于场景的虚拟测试是推动自动驾驶技术发展和产业落地的必由之路,未来研究应着力突破基于解构与自动重构的测试场景数据库、人-车-环境系统一体化高置信度建模、自动驾驶汽车虚拟测试标准工具链、不同自动驾驶汽车渗透率下的混合交通模拟与测试、测试案例动态自适应随机生成机制等核心共性技术,建立自动驾驶汽车虚拟测试标准体系。     

自动驾驶汽车基础测试场景构建研究（双语出版）

针对L2/L3级自动驾驶汽车的仿真测试和封闭场地测试认证需求,结合现有L2/L3级自动驾驶汽车量产车型的主要功能特点,提出自动驾驶汽车基础测试场景群的构建方法。首先针对指定的道路交通环境,分析主车和周围交通参与者可能的相对位置和运动方向的组合,确定复杂场景群。其次分别以主车功能所确定的各个可能运动方向,依此与各干扰车辆的可能运动方向（包括任一干扰车辆不存在的情形）进行组合,组合时采用PICT组合测试工具,并添加必要的运动约束条件,选择参数组合覆盖标准自动生成全部的组合场景群。最后结合场景筛选规则,筛选出具有测试价值的覆盖各个层级及功能的基础测试场景群。采用场景构建方法,对于主车处于三车道中间车道的路段场景和无红绿灯的十字路口场景,分别构建62种和33种基础测试场景。根据驾驶人行为特性、交通规则、汽车在城市、郊区和高速公路工况下的典型车速、加减速度、横向加速度、交通事故和自然驾驶数据库的有关场景数据等,设计主车换道工况的测试用例。采用模型预测控制框架建立主车局部路径规划和控制仿真模型,并对主车危险换道场景进行仿真。研究结果表明：主车在邻车道前车大减速的情况下实现了减速换道并避免了与本车道前车和邻车道前后车的碰撞,同时跟踪到期望跟车间距,验证了该换道测试用例的有效性。