汽車主動(dòng)安全技術(shù)研究進(jìn)展

1 引言

研究表明，由于機(jī)動(dòng)車事故所造成的重大死亡與殘疾成為一個(gè)越來越大的一個(gè)社會(huì)問題，而對(duì)于減小機(jī)動(dòng)車交通事故的一個(gè)重要的方法就是汽車主動(dòng)安全技術(shù)。目前汽車的主動(dòng)安全技術(shù)主要有以下幾種：車道偏離警告系統(tǒng)、牽引力控制系統(tǒng)、ABS系統(tǒng)等。

本文主要介紹關(guān)于車道偏離系統(tǒng)及牽引力控制系統(tǒng)的一些最新研究進(jìn)展。

2 車道偏離警告系統(tǒng)[1]

在眾多的交通事故中，汽車出現(xiàn)車道偏移是造成駕駛員生命危險(xiǎn)的主要原因之一。為了減少交通事故發(fā)生的數(shù)量，以及交通事故所造成的傷害程度，車道偏離警告系統(tǒng)是一種行之有效的方法?；谝曈X車道偏離預(yù)警系統(tǒng)其實(shí)已經(jīng)存在了近20余年了，在此期間，系統(tǒng)也得到了一定程度的完善。論文提供了當(dāng)前LDW（Lane Detection and departure Warning system）系統(tǒng)的概述，特別描述了預(yù)處理，車道模型，車道檢測(cè)技術(shù)和離場(chǎng)警報(bào)系統(tǒng)。

2.1 車道偏離警告系統(tǒng)的整體框架

車道偏離警告系統(tǒng)是由車道檢測(cè)和離場(chǎng)警報(bào)系統(tǒng)的兩個(gè)主要部分組成的。第一道路車道標(biāo)記由車道檢測(cè)模塊提取的，然后測(cè)量模塊確定跨過車道邊界是否是無意操縱，以防止出現(xiàn)意外的車道偏離。車道偏離警告系統(tǒng)的總體框圖如所示。

圖2-1 車道偏離警告系統(tǒng)的整體框架圖

2.2 環(huán)境適應(yīng)

智能車輛配備先進(jìn)的傳感系統(tǒng)和智能駕駛輔助系統(tǒng)。因此有人提出了一個(gè)應(yīng)對(duì)于惡劣天氣條件和夜間條件具有魯棒性的車道偏離警報(bào)系統(tǒng)，它可以使用車道的不同顏色來標(biāo)記車道。

由于車道偏離警告系統(tǒng)運(yùn)行工作環(huán)境條件的變動(dòng)，增加了車道檢測(cè)的挑戰(zhàn)性。因此，在系統(tǒng)工作時(shí)，需要考慮車道類型，路面，白天，環(huán)境因素（陰影，雨，霧，日照）等不同的復(fù)雜情況。

2.3 預(yù)處理

預(yù)處理步驟是車道檢測(cè)和離場(chǎng)預(yù)警系統(tǒng)的重要組成部分，有助于減少計(jì)算時(shí)間，提高算法效果。它也被用來消除由于攝像機(jī)運(yùn)動(dòng)不穩(wěn)定造成的傳感器噪聲和錯(cuò)誤。預(yù)警系統(tǒng)的輸入是從沿著汽車中心線，安裝在車輛內(nèi)部的攝像機(jī)拍攝的基于RGB的彩色圖像序列。為了使攝像頭在不妨礙駕駛員視野的情況下清楚地看到前方的道路，同時(shí)提高車道檢測(cè)精度，許多研究人員采用了不同的圖像預(yù)處理技術(shù)。比如說為了實(shí)現(xiàn)平滑操作，會(huì)使用均值，中值或高斯濾波器的方法。

2.4 顏色處理

在車道檢測(cè)過程中，大部分算法只對(duì)圖像的灰度進(jìn)行分析。像素的顏色最初是以高度相關(guān)的RGB空間表示的。在處理時(shí)可以將RGB色彩空間可以轉(zhuǎn)換為YCbCr色彩空間。原因在于人的視覺系統(tǒng)對(duì)顏色不太敏感，彩色圖像中最重要的信息是在圖像的Y分量中保留的。

轉(zhuǎn)化的公式如下

2.5 車道建模

在車道檢測(cè)和離場(chǎng)預(yù)警系統(tǒng)中，車道建模起著重要的作用。車道建模是用于獲取道路車道標(biāo)記的數(shù)學(xué)描述。到目前為止，各種基于視覺的車道檢測(cè)技術(shù)提出了不同的車道模型。為了模擬道路，一些算法使用直線；而也有算法使用更復(fù)雜的模型，如拋物線，雙曲線，B樣條和回旋曲線。

2.6 車道檢測(cè)

車道檢測(cè)是計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)，在車道偏離預(yù)警系統(tǒng)中發(fā)揮重要作用。圖2-2展示了智能車輛的基本技術(shù)。車道檢測(cè)系統(tǒng)檢測(cè)來自復(fù)雜環(huán)境的車道標(biāo)記，并使用它們可靠地估計(jì)車輛相對(duì)于車道的車輛位置和軌跡。為了開發(fā)一個(gè)能夠適應(yīng)各種條件的強(qiáng)大的車道檢測(cè)系統(tǒng)，必須將車道標(biāo)識(shí)檢測(cè)器與車道跟蹤系統(tǒng)相結(jié)合來開發(fā)系統(tǒng)。車道檢測(cè)任務(wù)分為兩個(gè)主要的步驟：邊緣檢測(cè)和車道檢測(cè)。

圖2-2 智能車輛上所用的技術(shù)

2.7 小結(jié)

在本文中，我們描述各種基于視覺的車道偏離警告系統(tǒng)。通常，此系統(tǒng)包括車道建模，特征提取，車道檢測(cè)模塊。可以發(fā)現(xiàn)，在駕駛員輔助系統(tǒng)如車道偏離警告系統(tǒng)，換道輔助系統(tǒng)和防止碰撞中，車道檢測(cè)扮演著非常重要的作用。由于車道標(biāo)記被假定為邊緣特征，基于特征來進(jìn)行車道檢測(cè)。在大多數(shù)系統(tǒng)中，霍夫變換被廣泛用于檢測(cè)車道標(biāo)志；它的缺點(diǎn)是需要大量的計(jì)算時(shí)間。同時(shí)本文還著重介紹了在陰影，動(dòng)態(tài)照明條件、濃霧、雨天條件、夜間時(shí)間、車道標(biāo)線條件差等復(fù)雜環(huán)境下的車道檢測(cè)問題。

3 車道變換的深入研究對(duì)駕駛輔助系統(tǒng)的影響[2]

3.1 研究背景及研究意義

由于與鄰近車輛的復(fù)雜交互作用，車道變換事件往往與安全問題和交通運(yùn)營(yíng)效率有關(guān)，尤其是在交通擁堵的狀況下的車道變化。車道變化的影響更加明顯，因?yàn)檫@些事件導(dǎo)致車輛加速和減速更頻繁和突然導(dǎo)致的碰撞發(fā)生的風(fēng)險(xiǎn)更高。從這些角度來看，對(duì)車道變化的深入了解將對(duì)開發(fā)車載駕駛輔助系統(tǒng)有重要的意義。本研究的目的是使用車輛軌跡分析車輛交互作用，并確定影響車道變化的因素。本研究使用了南加州US-101高速公路段的車輛軌跡數(shù)據(jù)。車輛軌跡按照交通擁堵與交通不擁堵兩種不同情況分為兩組。

本文采用一種處理二元選擇條件的技術(shù)來建立車道變換決策模型。對(duì)于交通不擁堵情況下的車道變化，研究發(fā)現(xiàn)，無論車輛當(dāng)前和目標(biāo)車道的車輛位置如何，駕駛員更可能關(guān)注前方車輛的移動(dòng)。另一方面，在決定車道改變時(shí)，如果交通擁堵，車輛駕駛員更可能受到在目標(biāo)車道上行駛的車輛的影響。車道變換決策模型在兩種交通情況下進(jìn)行車道變換，準(zhǔn)確率達(dá)到80%左右。這可能是因?yàn)轳{駛員進(jìn)行決策時(shí)，傾向于避免與目標(biāo)車道上的車輛發(fā)生側(cè)面碰撞或追尾碰撞。

3.2 主要研究結(jié)果與研究意義

本研究可用于更好地理解不同交通狀況下，相關(guān)的駕駛員車道變換行為，并且在設(shè)計(jì)更安全的輔助系統(tǒng)中提供有價(jià)值的參考方案，以開發(fā)用于處理傳感器數(shù)據(jù)的算法，例如盲點(diǎn)檢測(cè)系統(tǒng)（BSDS）和車道保持輔助系統(tǒng)。

4 個(gè)性化車道變換識(shí)別系統(tǒng)的在線學(xué)習(xí)在駕駛輔助中的應(yīng)用[3]

4.1 研究背景與研究意義

情境識(shí)別是機(jī)器進(jìn)行決策的重要組成部分，這是通過一系列行為來識(shí)別已發(fā)生情況的過程。因此，應(yīng)該給予駕駛輔助系統(tǒng)一個(gè)在線學(xué)習(xí)過程，通過對(duì)發(fā)生的情況進(jìn)行建模和標(biāo)記以及調(diào)整知識(shí)庫來使機(jī)器決策更加準(zhǔn)確。

本文提出了一種改進(jìn)的案例推理（CBR Case-Based Reasoning）方法，并將其應(yīng)用于車道變換駕駛情況識(shí)別。所提出的CBR能夠使用情景-操作者建模（SOM Situation-Operator Modeling）方法對(duì)事件離散情況進(jìn)行建模。另外，通過模糊邏輯的集成，在線學(xué)習(xí)操作人員的操作，并重新用于情境識(shí)別。作為實(shí)驗(yàn)，所提出的方法被用于識(shí)別駕駛輔助系統(tǒng)的車道變換情況。根據(jù)基本評(píng)測(cè)結(jié)果，所提出的方法能夠改善自動(dòng)駕駛系統(tǒng)對(duì)車道變換情況的識(shí)別性能。

4.2 研究結(jié)果

考慮使用駕駛操縱的實(shí)驗(yàn)應(yīng)用來評(píng)估所提出的方法。不同的駕駛測(cè)試結(jié)果表明，駕駛體驗(yàn)在線學(xué)習(xí)可以提高駕駛員情況識(shí)別的準(zhǔn)確性。另外，基于新的人為操作行為的知識(shí)庫動(dòng)態(tài)適應(yīng)能力的在線學(xué)習(xí)能夠支持情境識(shí)別。個(gè)性化情景識(shí)別的實(shí)驗(yàn)結(jié)果表明，個(gè)性化可以提高檢測(cè)率，降低虛警率?？傮w而言，所提出的方法的實(shí)驗(yàn)結(jié)果表明在駕駛輔助系統(tǒng)中在線學(xué)習(xí)和個(gè)性化情況識(shí)別的重要性。

5 使用特殊類型的滑動(dòng)模式控制器的混合動(dòng)力四輪驅(qū)動(dòng)車輛牽引力控制系統(tǒng)研制[4]

5.1 主要目的與主要原理

本文采用特殊類型的滑動(dòng)模式控制器，開發(fā)了一種基于新型混合動(dòng)力四輪驅(qū)動(dòng)車輛的牽引力控制系統(tǒng)。本文所提出的控制系統(tǒng)有兩個(gè)特點(diǎn)，其一：提出了一種在前輪處具有輪轂電機(jī)并且在變速器后部處具有離合器的新型電動(dòng)動(dòng)力總成體系結(jié)構(gòu)，以用于提高最大牽引力。輪轂電機(jī)被控制在最佳滑動(dòng)點(diǎn)附近循環(huán)?；谇拜喌难h(huán)模式，定義了后輪的期望輪速。通過控制離合器扭矩來控制后輪以追蹤定義的速度。與傳統(tǒng)的TCS（Traction Control System）算法不同，所提出的方法利用離合器控制而不是制動(dòng)控制。其二：提出了一種使用輪胎非線性特性的特殊類型的滑動(dòng)模式控制器。所提出的滑動(dòng)模式控制方法與其他常規(guī)反饋控制器之間的重要區(qū)別在于前者不依賴于反饋誤差，但卻可以提供相同的控制功能。

5.2 主要結(jié)論

使用本文所提出的方法與傳統(tǒng)的方法相比，本方法所需要的調(diào)諧參數(shù)總數(shù)量顯著減少。由于調(diào)諧參數(shù)的數(shù)量減少以及使用簡(jiǎn)單的分析控制算法，電控單元的計(jì)算負(fù)擔(dān)可以顯著降低。所提出的方法有望為新的TCS算法提供參考。盡管所開發(fā)的方法僅通過混合動(dòng)力四輪驅(qū)動(dòng)車輛進(jìn)行了驗(yàn)證，但在不修改算法的條件下，純電動(dòng)車輛或裝備有輪轂電機(jī)的車輛也適合采用所提出的策略。

[1]Narote SP,Bhujbal PN,Narote A S,et al.A review of recent advances in lane detection and departure warning system[J].Pattern Recognition,2018,73：216-234.

[2]Oh C,Choi J,Park S.In-depth understanding of lane changing interactions for in-vehicle driving assistance systems[J].International journal of automotive technology,2017,18(2)：357-363.

[3]Sarkheyli-H?gele A,Sc?ffker D.Online learning for an individualized lane-change situation recognition system applied to driving assistance[C]//Cognitive and Computational Aspects of Situation Management(CogSIMA),2017 IEEEConference on.IEEE,2017：1-6.

[4]Han K,Choi M,Lee B,et al.Development of a Traction Control System Using a Special Type of Sliding Mode Controller for Hybrid 4WD Vehicles[J].IEEETransactions on Vehicular Technology,2017.