汽車自動緊急制動系統(tǒng)行人避障策略及仿真

向世林

(中國汽車工程研究院股份有限公司，重慶 401122)

0 引言

汽車自動緊急制動系統(tǒng)(AEB)可以通過攝像頭、毫米波雷達等傳感器設備對周圍環(huán)境狀況進行判斷，在發(fā)生碰撞危險之前，實時、不斷發(fā)出預警信號，當駕駛員未采取有效措施時，AEB會主動控制車輛并進行緊急制動，從而避免或減輕對行人的傷害。據統(tǒng)計，AEB系統(tǒng)的應用可減少約27%的車輛碰撞交通事故，能夠有效保障行人的安全[1]。

近年來，對于自動緊急制動行人避障系統(tǒng)(AEB-P)的研究日益得到重視，國內外現有的行人避障系統(tǒng)研究主要包括控制策略、行人檢測和危險場景三大方向。文獻[2]基于我國特有的交通場景條件，建立了AEB-P典型測試場景，并借助PreScan工具進行了系統(tǒng)分析。文獻[3]提出了基于車車通訊AEB-P的仿真模型，并進行了相關的測試驗證。文獻[4]基于模糊控制相關理論，提出了一種行人避撞自動轉向方法，在30km/h車速范圍內精度較高。文獻[5]提出了一種行人預測位置和車輛速度相融合的目標檢測算法，可以保證在40km/h車速內的有效避撞。文獻[6]針對行人橫穿馬路的典型場景，對車輛速度進行實時控制，可以有效防止車輛與行人發(fā)生碰撞。文獻[7]根據行人速度提出了一種碰撞風險計算方法，可以對碰撞概率進行量化分析，并且計算結果與實際安全測評數據有較高的契合度。

綜上所述，目前我國AEB-P系統(tǒng)的研究大多是針對行人檢測和危險場景，在行人避障策略方面缺乏深入分析。由于國內外交通狀況不同，不能直接將國外相關研究應用于我國交通場景。為此，本文在C-NCAP發(fā)布的AEB-P行人避撞評價標準基礎上，建立了上層模糊控制和下層PID控制的聯合分層控制策略。對安全距離算法[8](AS)、碰撞時間算法[9](TTC)以及車頭時距算法[10](THW)進行了對比分析，提出了基于TTC算法的風險評價模型。最后通過搭建Simulink/Carsim聯合仿真模型，對控制策略的有效性進行驗證。

1 風險評價模型和預警系統(tǒng)

1.1 建立風險評價模型

風險評價模型決定AEB-P系統(tǒng)的響應時間，這是AEB-P系統(tǒng)安全性的重要保障。本文建立了如式(1)所示的TTC風險評價模型。

(1)

式中:tTTC表示從某一時刻開始，車輛避免與前車發(fā)生碰撞的時間；Δv表示車輛與目標物縱向相對速度；Δa表示車輛與目標物縱向相對加速度。

將AEB-P預警系統(tǒng)發(fā)出預警信號時的tTTC臨界值作為tTTC安全閾值。該參數的選取可以基于中國C-NCPA發(fā)布的AEB-P行人避撞測試標準，通過實際道路測試和虛擬仿真手段確定。tTTC安全閾值隨不同的車速進行變化，與表1中的tTTC取值相對應。

1.2 AEB-P預警系統(tǒng)

如表1所示，AEP-P預警系統(tǒng)根據不同車速的tTTC取值劃分出相應的安全等級。該安全等級分為3級，其中Ⅰ級表示行駛安全級，說明此時行車處于安全狀態(tài)，AEB-P預警系統(tǒng)輸出信號值0;Ⅱ級表示碰撞預警級，此時與行人有碰撞風險，AEB-P系統(tǒng)輸出信號值1；Ⅲ級表示碰撞危險級，車輛與行人即將發(fā)生碰撞，AEB-P系統(tǒng)輸出信號值2，此時駕駛員若還沒有進行減速控制，AEB-P系統(tǒng)立即介入進行制動。

當車輛處于Ⅰ級安全狀態(tài)，AEB-P系統(tǒng)不干預駕駛員行為。當車輛處于Ⅱ級狀態(tài)，AEB-P系統(tǒng)實時不斷發(fā)出預警信號。駕駛員的反應時間選取為1.25s。制動遲滯一般在0.2～0.3s之間，因此設置預警時間為1.5s。

表1 不同車速時tTTC取值區(qū)間和安全等級

2 AEB-P系統(tǒng)控制策略

2.1 AEB-P系統(tǒng)工作原理

如圖1所示，基于風險評價模型上層模糊控制器可以輸出期望的減速度，下層PID控制器則將獲取的期望減速度值以制度管路壓力值的方式傳遞給車輛的制動系統(tǒng)，實現對車輛速度的控制。

圖1 AEB-P系統(tǒng)工作原理

2.2 AEB-P上層模糊控制系統(tǒng)

本文建立的模糊控制器輸入參數為車輛與行人縱向相對速度Δv0(Δv0=0-v2,km/h)以及車輛與行人相對距離Δs(m)。模糊輸入參數、輸出參數的語言變量可以劃分為N10(負大)-N1(負小)、Z0(零)、P1(正小)-P7(正大)。Δs的論域范圍為[0,80]，采用Z0、P1、P2、P3、P4、P5、P6、P7這8個變量描述(圖2)。Δv0的論域范圍為[-150,0]，采用Z0、N1、N2、N3、N4、N5、N6、N7、N8、N9、N10這11個語言變量進行描述(圖3)。輸出量期望減速度ar(m/s2)的論域為[-10,0]，采用Z0、N1、N2、N3、N4、N5、N6、N7這8個變量描述(圖4)。

圖2 距離隸屬度函數

圖3 速度差隸屬度函數

圖4 車輛期望減速度隸屬度函數

在確保安全的前提下，以中國C-NCPA發(fā)布的AEB-P行人避撞測試工況為標準來制動模糊規(guī)則，同時考慮駕乘人員的舒適性，部分模糊規(guī)則如表2所示。

表2 部分模糊規(guī)則

2.3 AEB-P下層PID制動控制系統(tǒng)

下層PID控制系統(tǒng)將期望減速度以制動管路壓力信號的形式傳遞到車輛制動系統(tǒng)，實現對車輛的速度控制。期望減速度以及期望減速度與實際減速度兩者之間的差值作為PID控制器輸入參數，制動管路壓力值作為PID控制器輸出參數，以期望減速度和實際減速度的差值作為誤差控制參數，得出PID控制器的比例參數kp=5，積分參數ki=15，微分參數kd=0。

3 AEB-P系統(tǒng)仿真分析

3.1 C-NCAP行人測試工況

C-NCAP行人測試場景如圖5、圖6所示。C-NCAP測試規(guī)程對于AEB行人系統(tǒng)規(guī)定了4個測試場景：遠端碰撞CVFA-25、CVFA-50和近端碰撞CVNA-25、CVNA-75。CVFA場景的行人速度為6.5km/h，CVNA測試場景的行人速度為5.0km/h。

圖5 CVNA-25和CVNA-75行人測試場景

圖6 CVFA-25和CVFA-75行人測試場景

在圖5中，BB表示測試車輛的中心線，軸線AA表示假人的運動軌跡，C表示25%和75%偏置碰撞，M表示近端25%碰撞點，K表示近端75%碰撞點，G表示假人的加速位移。在圖6中，C表示25%遠端偏置碰撞，M表示遠端25%碰撞點，L表示遠端50%碰撞點。

測試工況設置5組，每組測試場景分為：CVFA-50、CVFA-25、CVNA-25、CVNA-75。車速范圍為20 km/h～60 km/h。

3.2 仿真結果及分析

建立的Simulink/Carsim聯合仿真模型如圖7所示，其中，理論計算模塊用于獲取車輛以及行人的速度、位置等參數，然后據此計算出相應的tTTC值。逆動力學模型可以將期望的減速度轉變?yōu)橹苿訅毫π盘栔担瑢崿F對車輛的速度控制。

圖7 車輛仿真模型

AEB-P的部分典型場景仿真測試結果如圖8和圖9所示。L1表示車輛左邊前輪的制動輪缸曲線，L2表示車輛左邊后輪的制動輪缸曲線。由于車輛兩側的制動力相同，故僅對車輛左邊的制動情況進行分析。

由圖8和圖9的仿真結果可以看出，車輛制動后的相對車速變化平穩(wěn)，車輛與行人始終沒有發(fā)生碰撞現象(Δs≠0)。預警信號發(fā)出及時準確，制動過程保持穩(wěn)定，車輛的舒適性較好。

由圖8(d)的減速度曲線可知，實際減速度a2能夠很好地跟隨期望減速度a1進行變化。車輛在安全行駛狀態(tài)下，a=0表明AEB-P沒有影響車輛的行駛狀況。當車輛開始制動后，減速度較為平穩(wěn)，曲線的振蕩幅值小。由圖8(e)的輪缸壓力曲線可知，AEB-P系統(tǒng)輸出的期望減速度為-6m/s2，此時后輪首先激活ABS功能，輪缸壓力L2開始出現振蕩起伏，然后當前輪輪缸壓力L1處于-10MPa時，ABS功能也被激活。前后輪均通過ABS進行制動，可以將滑移率控制在適當的范圍，很好地利用了地面摩擦力，有助于車輛輸出較大的減速度。

圖8 CVNA-75測試場景仿真(車輛速度為60 km/h)

圖9 CVFA-25測試場景仿真(車輛速度為25km/h)

由圖9(d)所示的減速度曲線可以看出，通過模糊規(guī)則的作用，實際減速度a2能夠與期望減速度a1保持一致。本文設計的AEB-P系統(tǒng)在制動力較小時，自動進行車輛減速度的調控，提高車輛的行駛安全性。由圖9(e)中的輪缸壓力曲線可知，后輪先激活ABS功能，其輪缸壓力L2頻繁起伏變化并保持在4MPa左右。前輪輪缸壓力L1制動過程中沒有激活ABS模塊。

基于C-NCAP行人測試規(guī)程進行仿真。根據仿真結果可知，車輛發(fā)生緊急制動后，始終與行人保持在0.9～3.1m之間的安全距離，可以有效消除行人因車輛緊急制動帶來的緊張情緒。車輛減速度范圍為4.8～6.1m/s2，制動強度范圍為0.48～0.61，有助于車輛根據行駛情況及時調整減速度。預警時間設置在1s左右，整個過程中沒有發(fā)出誤、漏警的情況。

4 結語

本文基于自動緊急制動行人避障系統(tǒng)(AEB-P)特性分析與辨識，將模糊控制方法和PID控制方法進行融合，提出了一種能夠兼顧安全和實時的行人避障策略。針對AEB-P的響應判斷需求，建立了基于TTC風險評價模型，可以有效提高AEB-P系統(tǒng)的安全性。通過設計相關仿真測試，驗證了所提出方法的有效性，得出如下結論。

1) 基于TTC建立的風險評價模型可以及時有效地發(fā)出預警和制動信號，具有較高的準確性，能夠提高車輛的行駛安全性。

2) 上層模糊控制和下層PID控制的聯合分層控制策略，能夠達到C-NCAP行人測試要求。在CVNA-25，車速為60km/h的極端危險工況下，仍然能夠與行人保持至少0.9m的安全距離。

3) 與傳統(tǒng)的單一恒定減速度控制方法相比，本文提出的控制策略使車輛制動過程中輸出的減速度始終平穩(wěn)且振蕩較小，車輛具有較好的安全性和舒適性。