車道偏離警告系統(tǒng)安全性分析及改進措施的研究綜述

車道偏離引發(fā)的意外事故通常是由于駕駛員注意力不集中、能力喪失或困倦所導(dǎo)致的。因此為了避免這一事故，車道偏離預(yù)警系統(tǒng)被開發(fā)出來。該系統(tǒng)通過預(yù)測或?qū)崟r檢測駕駛情況并提醒駕駛員避免或減輕交通事故來提高交通安全水平。車道偏離警告（LDW）系統(tǒng)以及其他類型的高級駕駛輔助系統(tǒng)（ADAS）在乘用車中越來越普遍，其總體目標(biāo)是通過對駕駛?cè)蝿?wù)的各個方面進行自動化來提高駕駛安全性。

1 研究車道保持行為和認(rèn)知負(fù)荷的關(guān)系改善車道偏離警告系統(tǒng)[1]

1.1 主要目的及原理

盡管越來越多的駕駛輔助系統(tǒng)被應(yīng)用在乘用車上，但是，司機普遍對除了LDW系統(tǒng)外的ADAS表示滿意。造成這種負(fù)面反應(yīng)的一個潛在原因可能是在使用LDW時與車道保持行為相關(guān)的認(rèn)知負(fù)荷增加。本文研究調(diào)查了LDW系統(tǒng)、車道保持行為與并發(fā)認(rèn)知負(fù)荷之間的關(guān)系。測試者駕駛一輛裝有LDW系統(tǒng)的車輛在封閉的測試跑道上的標(biāo)準(zhǔn)車道上駕駛，并在多個環(huán)節(jié)中分成使用和不使用LDW系統(tǒng)的情況。每兩圈記錄一次線路交叉的頻率和持續(xù)時間，以及參與者對兩者估算的準(zhǔn)確性。

1.2 主要結(jié)論及分析

作者希望這里所報告的發(fā)現(xiàn)將會被今后的研究和他人的研究做進一步檢驗和擴展，從而得出更加確定的結(jié)論。從目前的研究結(jié)果來看，車道偏離警告系統(tǒng)能夠有效改善車道保持行為，但是可能隨著時間的推移其性能下降。此外，本文研究還發(fā)現(xiàn)，車道偏離預(yù)警系統(tǒng)增加了與維持橫向車輛控制相關(guān)的認(rèn)知負(fù)荷。這也就部分解釋了為什么司機對LDW的接受程度低于其他類型的ADAS。這些觀察結(jié)果也證實了這一點，即完全自動駕駛系統(tǒng)比部分高度自動駕駛系統(tǒng)可能更能被司機所接受。盡管完全自動駕駛系統(tǒng)在公共感知和信任方面面臨著巨大的挑戰(zhàn)，但是如果避免了自動化系統(tǒng)與駕駛員目標(biāo)和偏好之間的潛在沖突，ADAS技術(shù)的潛在安全優(yōu)勢可能會被更加充分和容易地發(fā)揮出來。

2 通過方向盤信號檢測提高車道偏離預(yù)警系統(tǒng)的安全性[2]

2.1 主要目的及原理

目前大部分車道偏離預(yù)警系統(tǒng)是通過視頻識別來操作的，當(dāng)遇到道路和天氣條件惡劣的情況時，就會丟失一部分?jǐn)?shù)據(jù)。SANDSTR?M研究了試圖根據(jù)方向盤的信號來開發(fā)一套車道偏離預(yù)警算法。這樣，無論道路和天氣條件如何，基于方向盤信號的車道偏離預(yù)警系統(tǒng)都會是穩(wěn)健的。作者通過分別對34名職業(yè)駕駛學(xué)員在高保真駕駛模擬器上的駕駛操作進行監(jiān)控，要求每隔3小時以80km/h速度駕駛模擬器55分鐘。對每次駕駛都記錄了方向盤和車道位置的信號。為了導(dǎo)出車道位置信號，作者對車輛模型的傳遞函數(shù)進行了量化，并通過它從方向盤信號中導(dǎo)出車道絕對位置信號。

所提出的方法要求車輛傳遞函數(shù)（TF）是已知的。而由于底盤、傳動系統(tǒng)、懸架和輪胎等方面的差異，車輛傳遞函數(shù)在不同車型之間有所不同。為此本文通過一個簡短的試駕過程來確定車輛傳遞函數(shù)。該算法還需要知道車道的寬度，因此實際應(yīng)用中還應(yīng)該與高分辨率地圖和GPS系統(tǒng)相結(jié)合。

2.2 主要結(jié)論及未來方向

作者設(shè)計的算法通過了試驗驗證，其靈敏度為47%，特異性為71%，這超出了目前基于視頻系統(tǒng)的性能。未來的研究工作將考慮把車輛建模為非線性系統(tǒng)，這樣會提高所導(dǎo)出的車道位置信號與測量信號之間的相關(guān)性。此外，還可以對駕駛環(huán)境的能見度進行量化，以研究其對該算法的影響，對所提方法進行相應(yīng)改進以提高靈敏度和特異性，并在真實道路上進行測試，以驗證所提方法的可靠性。

3 對車道偏離警告系統(tǒng)和側(cè)傾穩(wěn)定性控制的商用車輛進行效益成本分析[3]

3.1 主要目的及原理

作者MEDINA-FLINTSCH介紹了安裝在卡車上的兩種不同的車載安全系統(tǒng)（OSS）在正常收入交付時的成本效益。該研究采用正式的經(jīng)濟分析方法對與車道偏離警告（LDW）系統(tǒng)和側(cè)傾穩(wěn)定性控制（RSC）系統(tǒng)的相關(guān)成本和收益進行了量化。這項研究使用了參與運營商所收集的數(shù)據(jù)文件，包括由很多事故數(shù)據(jù)。研究小組對每個數(shù)據(jù)文件進行了審查，以確定車載安全系統(tǒng)是否會減輕或防止事故?？紤]到社會不同階層的固有收益不同，作者對其進行了不同的收益成本分析（BCA）。

3.2 主要結(jié)論及分析

作者所分析的收益成本有兩種：一種是運營商行業(yè)的成本和收益；一種是安全系統(tǒng)所產(chǎn)生的社會效益。分析結(jié)果清楚地表明，所產(chǎn)生的社會效益超過了其對于運營商和社會的成本。本研究的結(jié)果可以為運輸決策者和監(jiān)管機構(gòu)提供了必要的信息，以便對RSC系統(tǒng)和LDW系統(tǒng)的應(yīng)用做出明智的決定。

作者的研究評估了安裝在7類和8類卡車上的兩種不同的車載安全系統(tǒng)（LDW和RSC）在正常的創(chuàng)收交貨期間運行的安全效益。在這個研究中所使用的方法不同于以往在這個領(lǐng)域的研究，因為它直接從參與運營商收集的數(shù)據(jù)進行分析，因此，在分析中所使用的結(jié)果數(shù)據(jù)集包含了更多的客戶體驗，更具有可信度。作者還收集來自每輛卡車的信息，以控制車型差異帶來的影響。作者研究認(rèn)為目前運營商收集的數(shù)據(jù)比GES（General Estimates System）中報道的數(shù)據(jù)更能代表運載工具的碰撞圖像。此外，所使用的技術(shù)成本數(shù)據(jù)是從2011年起收集的。因此，隨著設(shè)備價格的下跌，社會效益可能會隨之增加。

4 通過人工神經(jīng)網(wǎng)絡(luò)實現(xiàn)無意識車道偏離預(yù)測技術(shù)[4]

4.1 主要目的及原理

作者AMBARAK JM探討了三層感知神經(jīng)網(wǎng)絡(luò)在預(yù)測無意識車道偏離上的應(yīng)用情況。作者在研究中使用了福特汽車公司的液壓動力6自由度動基座駕駛模擬器VIRTTEX生成的駕駛員實驗數(shù)據(jù)。實驗數(shù)據(jù)由16個昏昏欲睡的司機模擬駕駛2000年生產(chǎn)的沃爾沃S80（其中每個司機駕駛3個小時）生成，總共包括3,508次車道偏離事故。首先，隨機選擇三分之二的車道偏離數(shù)據(jù)來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，通過訓(xùn)練過程對隱含神經(jīng)元的個數(shù)和輸入的車輛變量進行了優(yōu)化。然后，將所有訓(xùn)練數(shù)據(jù)從時間序列中刪除，對16名駕駛員的整個駕駛時間序列逐一進行處理，使用優(yōu)化后的神經(jīng)網(wǎng)絡(luò)來預(yù)測車道偏離。其中神經(jīng)網(wǎng)絡(luò)在駕駛時間序列的每個采樣時刻都進行了預(yù)測，預(yù)測次數(shù)超過630萬次。

4.2 主要結(jié)論及分析

在這項研究中，作者探索了基于車輛變量時間序列的三層感知神經(jīng)網(wǎng)絡(luò)預(yù)測無意識車道偏離的能力。通過試驗得出結(jié)論：優(yōu)化后的神經(jīng)網(wǎng)絡(luò)在0.2秒時間內(nèi)的總體查全率和精度分別為99.74%和99.66%，當(dāng)時間上升到0.5秒時，分別降至99.23%和85.49%。該神經(jīng)網(wǎng)絡(luò)通過尋求最佳參數(shù)值進行實驗構(gòu)建。對神經(jīng)網(wǎng)絡(luò)的傳播訓(xùn)練算法進行了實驗評估，其中量化共軛梯度算法在車道偏離預(yù)測中是最好的。作者還探索了不同的車輛變量、時間序列長度和滑動窗口大小對預(yù)測效果的影響。其中橫向車道位置和橫向速度的輸入變量組合在預(yù)測車道偏離方面顯示出最好的效果。此外，還對時間序列長度和滑動窗口大小進行了優(yōu)化，這對于最佳預(yù)測性能具有重要意義。

5 通過控制器區(qū)域網(wǎng)絡(luò)協(xié)議建立事故避免系統(tǒng)輔助車道偏離預(yù)警[5]

5.1 主要目的

作者ROOBAN K介紹了一種基于嵌入式系統(tǒng)的事故避免系統(tǒng)。該系統(tǒng)主要通過使用控制器區(qū)域網(wǎng)絡(luò)協(xié)議進而控制車輛來避免交通事故的發(fā)生。作者詳細(xì)描述了這種事故避免系統(tǒng)的設(shè)計方法及設(shè)計原理。在汽車行駛過程中，該系統(tǒng)實時檢測汽車的狀況，并借助超聲波傳感器傳遞信號，而這個信號可以用來控制制動系統(tǒng)（ABS）。從全球目前的數(shù)據(jù)中可以看出，人們死亡的大部分是由于交通事故。而交通事故的主要原因則是司機的疏忽造成的。為了解決這個問題，我們使用了基于控制器區(qū)域網(wǎng)絡(luò)的事故避免系統(tǒng)來防止上述情況的發(fā)生。該系統(tǒng)的電路設(shè)計及其仿真的實現(xiàn)使用PROTEUS軟件進行。PROTEUS最初是作為多層模式（DOS、Windows和UNIX）系統(tǒng)實用程序創(chuàng)建的，用于處理文本和二進制文件以及創(chuàng)建CGI腳本。

5.2 主要原理

作者著重探索了該系統(tǒng)硬件的實現(xiàn)，進一步確保用戶友好性是作者所提出系統(tǒng)的一些有價值的特性。其中超聲波駐車傳感器的工作原理是首先將超聲波脈沖從傳感器中發(fā)出，經(jīng)過表面聲波傳感器反射。然后車輛將接收到的信號轉(zhuǎn)換成電信號。然后系統(tǒng)通過發(fā)射和接收聲波的時間延遲來計算從傳感器到被測物體的距離。當(dāng)?shù)管嚱咏踩嚯x時，該系統(tǒng)可以通過語音或直觀的顯示來告訴駕駛員周圍的障礙物。測量的距離可以在LCD設(shè)備中看到。

Fig.1: Block diagram of adaptivecruisecontrol

Fig.3: Block diagram of transmitter and receiver（sensors）

[1]MOORMAN H G,NILESA,CRUMPC,et al.Lane-Keeping Behavior and Cognitive Load with Use of Lane Departure Warning：WCX? 17：SAE World Congress Experience,2017[C].

[2]SANDSTR?M M,LAMPSIJ?RVI E,HOLMSTR?M A,et al.Detecting lane departures from steering wheel signal[J].Accident Analysis&Prevention,2017,99：272-278.

[3]MEDINA-FLINTSCH A,HICKMANJS,GUOF,et al.Benefit-cost analysisof lanedeparturewarning and roll stability control in commercial vehicles[J].Journal of Safety Research,2017,62：73-80.

[4]AMBARAK JM,YINGH,SYEDF,et al.A Neural Network for Predicting Unintentional Lane Departures：2017 IEEE International Conference on Industrial Technology(ICIT),2017[C].

[5]ROOBAN K,GOBU V.Adaptive Cruise Control Implementation using Controller Area Network Protocol[J].International Journal of Vehicle Structuresand Systems,2017,9(1).