朱 冰,樸 奇,趙 健,吳 堅(jiān)，鄧偉文

(1.吉林大學(xué)，汽車(chē)仿真與控制國(guó)家重點(diǎn)實(shí)驗(yàn)室,長(zhǎng)春 130022； 2.吉林大學(xué)，工程仿生教育部重點(diǎn)實(shí)驗(yàn)室,長(zhǎng)春 130022)

2016072

基于路面附著系數(shù)估計(jì)的汽車(chē)縱向碰撞預(yù)警策略*

朱 冰1,2,樸 奇1,趙 健1,吳 堅(jiān)1，鄧偉文1

(1.吉林大學(xué)，汽車(chē)仿真與控制國(guó)家重點(diǎn)實(shí)驗(yàn)室,長(zhǎng)春 130022； 2.吉林大學(xué)，工程仿生教育部重點(diǎn)實(shí)驗(yàn)室,長(zhǎng)春 130022)

本文中提出了一種基于路面附著系數(shù)估計(jì)的自適應(yīng)汽車(chē)縱向碰撞預(yù)警策略。首先建立了碰撞預(yù)警安全距離模型，分析了路面附著系數(shù)對(duì)碰撞預(yù)警策略的影響；接著給出了基于最小二乘法和斜率法的路面附著系數(shù)估算算法，可實(shí)現(xiàn)全滑移率工況的路面附著系數(shù)精確識(shí)別；在此基礎(chǔ)上，建立了基于路面識(shí)別的汽車(chē)縱向碰撞預(yù)警策略；最后分別進(jìn)行了Matlab/Simulink-CarSim聯(lián)合仿真和實(shí)車(chē)測(cè)試。結(jié)果表明，本文提出的預(yù)警策略可準(zhǔn)確估算路面附著系數(shù)，并據(jù)此自適應(yīng)調(diào)節(jié)碰撞預(yù)警策略，能夠在不同工況下有效提高預(yù)警準(zhǔn)確性和道路空間利用率。

車(chē)輛工程；碰撞預(yù)警；路面附著系數(shù)估算；安全距離模型

前言

汽車(chē)碰撞預(yù)警系統(tǒng)(collision warning system，CWS)可根據(jù)多源傳感信息判斷車(chē)輛潛在碰撞危險(xiǎn)，并在危險(xiǎn)工況為駕駛員或主動(dòng)避撞控制系統(tǒng)提供危險(xiǎn)示警，對(duì)減少交通事故、保護(hù)人民生命財(cái)產(chǎn)安全具有重要意義。

從20世紀(jì)90年代開(kāi)始，汽車(chē)碰撞預(yù)警系統(tǒng)開(kāi)始得到廣泛關(guān)注，國(guó)內(nèi)外眾多企業(yè)和研究機(jī)構(gòu)對(duì)其進(jìn)行了大量的研究[1-3]?，F(xiàn)有的汽車(chē)縱向碰撞預(yù)警策略大都基于安全距離模型而制定，如Mazda模型、Honda模型、伯克利模型、Jaguar模型和NHSTA模型等。這類(lèi)碰撞預(yù)警策略可直觀地反映出兩車(chē)之間的位置關(guān)系，具有廣泛的適用性。但現(xiàn)有的模型算法未考慮路面條件的影響，路面附著系數(shù)通常被設(shè)為常量，算法只能在某種特定路面獲得較好的預(yù)警效果，無(wú)法實(shí)現(xiàn)對(duì)不同路面條件的動(dòng)態(tài)自適應(yīng)。

文獻(xiàn)[4]中提出了一種基于智能輪胎的主動(dòng)避撞策略，通過(guò)輪胎內(nèi)置加速度傳感器采集輪胎振動(dòng)信息估算路面附著系數(shù)，有效地提高了碰撞預(yù)警精度。文獻(xiàn)[5]中提出了一種基于車(chē)輪振動(dòng)估算路面特征的汽車(chē)防撞預(yù)警策略。但是，這兩種方法都須要在車(chē)輪中加裝傳感器，系統(tǒng)結(jié)構(gòu)復(fù)雜、成本較高，實(shí)際應(yīng)用較難。在車(chē)輛動(dòng)力學(xué)領(lǐng)域，能夠精確估算路面附著系數(shù)的模型估算方法較多，但大都是面向車(chē)輛穩(wěn)定性控制的，在車(chē)輪處于大滑移率下才能獲得良好的估算效果。而為了保證預(yù)警精度，用于汽車(chē)碰撞預(yù)警的路面附著系數(shù)估算算法要能夠在車(chē)輪運(yùn)動(dòng)全狀態(tài)下均獲得良好的估算效果。

本文中采用安全距離模型分析路面附著系數(shù)對(duì)碰撞預(yù)警的影響；綜合應(yīng)用最小二乘法和斜率法設(shè)計(jì)路面附著系數(shù)估算算法，以保證在大滑移率和小滑移率工況下，均能對(duì)路面附著系數(shù)進(jìn)行精確識(shí)別；在此基礎(chǔ)上，建立基于路面識(shí)別的汽車(chē)縱向碰撞預(yù)警策略；并選取典型工況分別進(jìn)行Matlab/Simulink-CarSim聯(lián)合仿真和實(shí)車(chē)測(cè)試，驗(yàn)證預(yù)警系統(tǒng)的預(yù)警效果。

1 路面附著對(duì)碰撞預(yù)警影響的分析

1.1 安全距離模型

汽車(chē)實(shí)際制動(dòng)過(guò)程如圖1所示。圖中，橫坐標(biāo)為時(shí)間t，t1為駕駛員反應(yīng)時(shí)間，t2為駕駛員腳踩制動(dòng)踏板到制動(dòng)器開(kāi)始起作用的時(shí)間，t3為制動(dòng)器開(kāi)始增壓到最大壓力的時(shí)間，t4為車(chē)輛持續(xù)制動(dòng)到停車(chē)的時(shí)間；縱坐標(biāo)為制動(dòng)減速度a，a1為最大制動(dòng)減速度。

圖1 汽車(chē)的實(shí)際制動(dòng)過(guò)程

汽車(chē)在各段時(shí)間內(nèi)的制動(dòng)距離分別如下：

從駕駛員反應(yīng)到制動(dòng)器開(kāi)始起作用，即(t1+t2)時(shí)間內(nèi)，車(chē)輛做勻速運(yùn)動(dòng)：

S1=v0(t1+t2)

(1)

式中v0為本車(chē)的初始車(chē)速。

t3時(shí)間內(nèi)：

(2)

t4時(shí)間內(nèi)：

(3)

則本車(chē)總的制動(dòng)距離為

Sh=S1+S2+S3

(4)

設(shè)在此期間，前車(chē)行駛的距離為St，則安全預(yù)警距離應(yīng)為

Sw=Sh-St+Ss

(5)

式中Ss為兩車(chē)最小車(chē)間間距。

由式(1)～式(3)可知，安全預(yù)警距離模型的影響因素主要有本車(chē)初始車(chē)速、制動(dòng)過(guò)程各階段歷經(jīng)時(shí)間、最大制動(dòng)減速度和前車(chē)行駛距離。其中，制動(dòng)過(guò)程各階段歷經(jīng)時(shí)間除了與車(chē)輛制動(dòng)系統(tǒng)性能有關(guān)外，還與駕駛員的特質(zhì)和操作模式密切相關(guān)，這也是現(xiàn)今碰撞預(yù)警研究的熱點(diǎn)問(wèn)題之一[6-7]。同樣，最大制動(dòng)減速度除了與車(chē)輛制動(dòng)系統(tǒng)性能有關(guān)外，還受到路面附著的影響，這也是本文的研究重點(diǎn)[8-9]。

1.2 路面附著影響分析

制動(dòng)時(shí)，制動(dòng)減速度受路面附著系數(shù)約束：

a≤μg

(6)

式中：μ為路面附著系數(shù)；g為重力加速度。

可得初始車(chē)速、路面附著系數(shù)與制動(dòng)距離關(guān)系如圖2所示?？梢?jiàn)，隨著初始車(chē)速的升高，路面附著系數(shù)對(duì)制動(dòng)距離影響增大。因此，在設(shè)計(jì)碰撞預(yù)警策略時(shí)，如果設(shè)定附著系數(shù)大于實(shí)際路面附著系數(shù)，則預(yù)警距離不足會(huì)發(fā)生碰撞危險(xiǎn)；而設(shè)定附著系數(shù)小于實(shí)際路面附著系數(shù)時(shí)，則預(yù)警距離過(guò)大會(huì)造成虛警，并影響道路的空間利用效率。因此，路面附著系數(shù)的精確估算對(duì)提高碰撞預(yù)警精度具有重要作用。

圖2 路面附著系數(shù)對(duì)制動(dòng)距離的影響

2 路面附著系數(shù)估算算法

根據(jù)測(cè)試手段和測(cè)量參數(shù)的不同，路面附著系數(shù)估算算法大體可分為基于起因(Cause-based)的估算算法和基于效果(Effect-based)的估算算法兩類(lèi)[10]。

Cause-based估算算法通過(guò)測(cè)量引起輪胎摩擦特性變化的影響因素，如積水、冰雪、路面粗糙度等，來(lái)估算當(dāng)前的路面附著系數(shù)，這類(lèi)方法識(shí)別精度較高，但須要增加傳感器，對(duì)硬件依附性較大，實(shí)用性不強(qiáng)。

Effect-based估算算法通過(guò)測(cè)量由輪胎路面摩擦特性變化引起的車(chē)輛狀態(tài)響應(yīng)變化來(lái)估算當(dāng)前的路面附著系數(shù)，如基于滑移率的估算算法、基于輪胎噪聲的估算算法和基于智能輪胎胎內(nèi)傳感器的估算算法等。其中，基于附著系數(shù)-滑移率(μ-κ)曲線的估算算法由于無(wú)須加裝額外的傳感器且估算精度較高，獲得了廣泛關(guān)注。這其中，基于μ-κ模型的估算算法在汽車(chē)動(dòng)力學(xué)領(lǐng)域獲得了大量應(yīng)用，通過(guò)卡爾曼濾波或最小二乘法等，可以精確地辨識(shí)車(chē)輪在大滑移率下的路面附著系數(shù)，但該方法以輪胎模型為基礎(chǔ)，在滑移率較小時(shí)，可能會(huì)出現(xiàn)較大的震蕩和不可預(yù)估的估算錯(cuò)誤。而基于μ-κ曲線斜率的估算方法則可有效解決小滑移率區(qū)間的附著系數(shù)估算問(wèn)題。

碰撞預(yù)警系統(tǒng)工作時(shí)，汽車(chē)既可能工作在水平良好路面等線性區(qū)域，又可能工作在低附著、大滑移等飽和區(qū)域。為提升車(chē)輪運(yùn)動(dòng)全狀態(tài)下的碰撞預(yù)警精度，本文中綜合采用μ-κ模型法和μ-κ曲線斜率法進(jìn)行路面附著系數(shù)估算，在κ>0.08時(shí)，采用基于最小二乘法的μ-κ模型法進(jìn)行估算；在κ≤0.08時(shí)，采用μ-κ曲線斜率法進(jìn)行估算。

2.1 基于最小二乘法的路面附著系數(shù)估算算法

本文中采用縱滑側(cè)偏組合刷子輪胎模型對(duì)車(chē)輪大滑移率下的路面附著系數(shù)進(jìn)行估算[11]，模型公式為

(7)

(8)

其中：

輪胎力Fx和Fy可利用卡爾曼濾波方法進(jìn)行估算[11]，則刷子輪胎模型須要辨識(shí)的參數(shù)有Cx,Cα和μ。其中，Cx和Cα與輪胎胎壓、車(chē)速、法向載荷及輪胎結(jié)構(gòu)等參數(shù)有關(guān)，在短時(shí)間內(nèi)各項(xiàng)參數(shù)變化很小，所以可近似地認(rèn)為Cx和Cα不變，μ可采用最小二乘法進(jìn)行估算。

刷子輪胎模型可寫(xiě)成如下非線性格式：

y(k)=f(k,μ(k))+vl

(9)

其中y(k)=[Fx,Fy]T

式中：f(k,μ(k))為刷子輪胎模型的表達(dá)式；vl為測(cè)量過(guò)程中的噪聲。

將y(k)線性化，式(9)可近似寫(xiě)為

(10)

定義變量z(k)為

(11)

將式(10)代入式(11)中，可得

(12)

化簡(jiǎn)得到的形式符合最小二乘法參數(shù)估算的要求，可以通過(guò)最小二乘法對(duì)路面附著系數(shù)進(jìn)行有效的估算。

2.2 基于斜率法的路面附著系數(shù)估算算法

當(dāng)滑移率κ≤0.05時(shí)，可認(rèn)為μ-κ曲線近似呈直線[12]。因此，可通過(guò)斜率計(jì)算來(lái)估算小滑移率時(shí)的路面附著系數(shù)：

k=(Fx′/Fz′)/κ

(13)

μ=k×κl×p

(14)式中：k為μ-κ曲線的斜率；Fx′和Fz′分別為輪胎在當(dāng)前滑移率下的縱向力和垂向力；κl為線性區(qū)最大輪胎滑移率，此處κl=0.05；p為線性區(qū)最大路面附著系數(shù)與峰值路面附著系數(shù)的比例系數(shù)，一般取1.2～1.4。

當(dāng)κ在0.05～0.08區(qū)間時(shí)，用κ=0.05時(shí)的估算值作為這段范圍內(nèi)的路面附著系數(shù)。

3 汽車(chē)縱向碰撞分級(jí)預(yù)警策略

綜合考慮駕駛員警示系統(tǒng)與主動(dòng)避撞控制系統(tǒng)，本文中提出汽車(chē)縱向碰撞分級(jí)預(yù)警策略。通過(guò)車(chē)載毫米波雷達(dá)可探測(cè)出前方車(chē)輛與本車(chē)的相對(duì)距離Sr和相對(duì)速度Δv。通過(guò)路面附著系數(shù)估算結(jié)果可以預(yù)測(cè)緊急制動(dòng)時(shí)的最大制動(dòng)減速度，據(jù)此可以計(jì)算得到安全預(yù)警距離Sw。

當(dāng)主動(dòng)避撞控制起作用時(shí)，可忽略駕駛員反應(yīng)時(shí)間，則主動(dòng)制動(dòng)安全距離為

Sa=S2+S3-St+Ss

(15)

以Sr和Δv作為預(yù)警判斷參數(shù)，以Sw和Sa作為門(mén)限值，建立分級(jí)預(yù)警策略如表1所示。

表1 分級(jí)預(yù)警內(nèi)容

當(dāng)兩車(chē)相對(duì)距離Sr大于安全預(yù)警距離Sw時(shí)，車(chē)輛處于安全行駛狀態(tài)，無(wú)須預(yù)警；當(dāng)本車(chē)速度小于前車(chē)速度，即Δv≤0時(shí)，車(chē)輛也處于安全狀態(tài)，但當(dāng)兩車(chē)相對(duì)距離Sr小于主動(dòng)制動(dòng)安全距離Sa時(shí)，車(chē)輛有潛在碰撞風(fēng)險(xiǎn)，因此向駕駛員進(jìn)行黃燈預(yù)警，提示駕駛員維持現(xiàn)有操作，不要深踩加速踏板；當(dāng)兩車(chē)相對(duì)距離Sr在安全預(yù)警距離Sw與主動(dòng)制動(dòng)安全距離Sa之間且本車(chē)速度大于前車(chē)速度時(shí)，向駕駛員進(jìn)行紅燈預(yù)警，提示駕駛員抬加速踏板、加制動(dòng)；當(dāng)兩車(chē)相對(duì)距離Sr小于主動(dòng)制動(dòng)安全距離Sa，且本車(chē)速度大于前車(chē)速度時(shí)，車(chē)輛處于極度危險(xiǎn)工況，主動(dòng)避撞控制應(yīng)立即介入。綜上，得到基于路面識(shí)別的汽車(chē)縱向碰撞預(yù)警總體架構(gòu)如圖3所示。

圖3 系統(tǒng)總體架構(gòu)

4 仿真分析

為驗(yàn)證本文中提出的控制策略，在Matlab/Simulink和CarSim環(huán)境下建立聯(lián)合仿真平臺(tái)進(jìn)行仿真分析。本車(chē)和前車(chē)分別選擇了E級(jí)前輪驅(qū)動(dòng)轎車(chē)和輕型貨車(chē)。

選擇AEB測(cè)試工況中最危險(xiǎn)的前車(chē)靜止工況進(jìn)行測(cè)試。仿真路面設(shè)為兩種階躍路面，如表2所示。仿真時(shí)，本車(chē)與前車(chē)之間的初始距離設(shè)為200m，本車(chē)以初始車(chē)速25km/h進(jìn)行直線加速運(yùn)動(dòng)。分別對(duì)無(wú)路面識(shí)別和帶有路面識(shí)別的汽車(chē)縱向碰撞預(yù)警策略進(jìn)行仿真，無(wú)路面識(shí)別的預(yù)警策略將路面附著系數(shù)預(yù)設(shè)為0.5。

表2 仿真路面設(shè)定

工況1仿真結(jié)果如圖4～圖6所示。

圖4 路面附著系數(shù)估算結(jié)果

圖5 兩車(chē)相對(duì)距離

圖6 碰撞預(yù)警結(jié)果

圖4為路面附著系數(shù)估算值與真實(shí)值的對(duì)比結(jié)果?？梢钥闯觯浪闼惴梢院芎玫毓浪懵访娓街禂?shù)，整體的估算結(jié)果接近真實(shí)值。當(dāng)路面發(fā)生階躍變化時(shí)，可以有效地估算出路面附著系數(shù)由小變大的變化趨勢(shì)，且在路面躍變時(shí)估算值的響應(yīng)速率較快，估算值與實(shí)際值的最大瞬態(tài)偏差只有8.67%，穩(wěn)定時(shí)的估算誤差在2%以?xún)?nèi)。可見(jiàn)估算算法可以快速適應(yīng)路面條件的變化，實(shí)現(xiàn)對(duì)路面附著系數(shù)的漸進(jìn)無(wú)偏估計(jì)。

圖5和圖6分別為兩種預(yù)警策略下的兩車(chē)相對(duì)距離和碰撞預(yù)警等級(jí)仿真結(jié)果。由圖5可見(jiàn)，帶有路面識(shí)別預(yù)警策略的兩車(chē)間停車(chē)距離是9.5m，而無(wú)路面識(shí)別預(yù)警時(shí)，兩車(chē)間的停車(chē)距離是28.51m。雖然偏于保守的路面附著系數(shù)設(shè)定可以保證避免碰撞事故的發(fā)生，但安全預(yù)警距離明顯過(guò)大，沒(méi)有充分利用路面附著，會(huì)顯著影響道路空間利用率。而從圖6中也可看出，無(wú)路面識(shí)別的預(yù)警策略更早地給出了3級(jí)預(yù)警，即在碰撞危險(xiǎn)不是很大時(shí)就進(jìn)行了緊急避撞控制。

工況2仿真結(jié)果如圖7～圖9所示。

圖7 路面附著系數(shù)估算結(jié)果

圖8 兩車(chē)相對(duì)距離

圖9 碰撞預(yù)警結(jié)果

由圖7可見(jiàn)，當(dāng)路面發(fā)生躍變時(shí)，估算值可以較好地跟隨真實(shí)值，證明了估算方法可以有效地估算出路面附著系數(shù)由大變小的變化趨勢(shì)，估算結(jié)果較為準(zhǔn)確，算法響應(yīng)速率較快。值得注意的是，當(dāng)時(shí)間為7.05s時(shí)，估算值出現(xiàn)了較大波動(dòng)，最大的瞬態(tài)誤差值達(dá)到了42.5%，造成估算誤差的原因是滑移率的變化導(dǎo)致了估算方法的切換，但之后的估算值趨于穩(wěn)定，且穩(wěn)定后的估算誤差在3%以?xún)?nèi)，說(shuō)明此處的波動(dòng)對(duì)整體估算結(jié)果沒(méi)有產(chǎn)生較大的影響。

圖8和圖9分別為兩種預(yù)警策略下的兩車(chē)相對(duì)距離和碰撞預(yù)警等級(jí)仿真結(jié)果。由圖8可見(jiàn)，無(wú)路面識(shí)別預(yù)警時(shí)，兩車(chē)將發(fā)生碰撞事故，即偏于激進(jìn)的路面附著系數(shù)設(shè)定雖然能夠提高道路交通利用率，但存在嚴(yán)重的碰撞風(fēng)險(xiǎn)。從圖9中也可看出，有路面識(shí)別的預(yù)警策略更早地給出了3級(jí)預(yù)警，可有效避免在弱附著路面的碰撞風(fēng)險(xiǎn)，保證車(chē)輛的安全。

綜上所述，本文中提出的基于路面識(shí)別的汽車(chē)縱向碰撞預(yù)警策略可有效識(shí)別路面附著系數(shù)，進(jìn)行精確碰撞預(yù)警，避免碰撞事故發(fā)生，綜合提高交通效率和車(chē)輛安全性。

5 實(shí)車(chē)試驗(yàn)

建立了汽車(chē)縱向碰撞預(yù)警實(shí)車(chē)測(cè)試平臺(tái)如圖10所示。

圖10 汽車(chē)縱向碰撞預(yù)警實(shí)車(chē)測(cè)試平臺(tái)

系統(tǒng)通過(guò)德?tīng)柛?6GHz ESR毫米波雷達(dá)采集前車(chē)相對(duì)距離和相對(duì)速度；通過(guò)OXTS RT3000和dSpace MicroAutoBox采集本車(chē)狀態(tài)信息并進(jìn)行預(yù)警，測(cè)試平臺(tái)原理如圖11所示。

圖11 測(cè)試平臺(tái)原理

選取城市高附著道路低速跟車(chē)工況進(jìn)行實(shí)車(chē)測(cè)試，試驗(yàn)結(jié)果如圖12～圖14所示。

圖12 兩車(chē)相對(duì)距離

圖13 兩車(chē)相對(duì)速度

圖14 碰撞預(yù)警結(jié)果

由圖可見(jiàn)，19.5s之前，兩車(chē)之間的相對(duì)距離一直大于安全預(yù)警距離，預(yù)警系數(shù)保持為0，預(yù)警系統(tǒng)沒(méi)有給出任何預(yù)警提示。當(dāng)兩車(chē)之間的相對(duì)距離小于安全預(yù)警距離時(shí)，預(yù)警系統(tǒng)進(jìn)行判斷，當(dāng)兩車(chē)相對(duì)距離在安全預(yù)警距離與主動(dòng)制動(dòng)安全距離之間且本車(chē)速度大于前車(chē)速度時(shí)，進(jìn)行2級(jí)預(yù)警，提示駕駛員抬加速踏板、加制動(dòng)。在26.5s時(shí)，前車(chē)減速停車(chē)，本車(chē)?yán)^續(xù)向前行駛，預(yù)警系統(tǒng)再次給出2級(jí)預(yù)警的提示信息。28.6s時(shí)，兩車(chē)之間的相對(duì)距離小于主動(dòng)制動(dòng)安全距離，進(jìn)行3級(jí)預(yù)警。試驗(yàn)結(jié)果表明，本文中設(shè)計(jì)的碰撞預(yù)警策略可有效地進(jìn)行分級(jí)預(yù)警，具有較好的預(yù)警效果。

6 結(jié)論

(1)路面附著系數(shù)對(duì)碰撞預(yù)警精度具有重要影響，在設(shè)計(jì)碰撞預(yù)警策略時(shí)，如果設(shè)定附著系數(shù)大于實(shí)際路面附著系數(shù)，則預(yù)警距離不足，會(huì)發(fā)生碰撞危險(xiǎn)；而設(shè)定附著系數(shù)小于實(shí)際路面附著系數(shù)時(shí)，則預(yù)警距離過(guò)大，影響道路的空間利用效率。因此，引入路面附著系數(shù)估算對(duì)提高碰撞預(yù)警精度具有重要作用。

(2)提出了綜合采用μ-κ模型法和μ-κ曲線斜率法的路面附著系數(shù)估算算法，在κ>0.08時(shí)，采用最小二乘法進(jìn)行路面附著系數(shù)估算，在κ≤0.08時(shí)，采用斜率法進(jìn)行路面附著系數(shù)估算，可實(shí)現(xiàn)全工況下的路面附著系數(shù)精確識(shí)別，滿(mǎn)足碰撞預(yù)警策略的需求。

(3)提出了基于路面識(shí)別的汽車(chē)縱向碰撞分級(jí)預(yù)警策略，進(jìn)行了典型工況仿真分析和實(shí)車(chē)試驗(yàn)，結(jié)果表明，所提出的預(yù)警策略可有效識(shí)別路面附著系數(shù)，進(jìn)行精確碰撞預(yù)警，避免碰撞事故發(fā)生，綜合提高交通效率和車(chē)輛安全性。

[1] SEILER P, SONG B, HEDRICK J K. Development of a Collision Avoidance System[J]. Development, 1998, 4: 17-22.

[2] 李霖, 朱西產(chǎn), 董小飛, 等. 自主緊急制動(dòng)系統(tǒng)避撞策略的研究 [J]. 汽車(chē)工程, 2015, 37(2):168-174.

[3] NAKAOKA M, RAKSINCHAROENSAK P, NAGAI M. Study onForward Collision Warning System Adapted to Driver Characteristics and Road Environment[C]. IEEE International Conference on Control, Automation and Systems, 2008: 2890-2895.

[4] SINGH K, ARAT M, TAHERI S. Enhancement of Collision Mitigation Braking System Performance Through Real-Time Estimation of Tire-road Friction Coefficient by Means of Smart Tires[J]. SAE Int. J. Passeng. Cars-Electron. Electr. Syst, 2012, 5(2)：607-624.

[5] 漆燕. 汽車(chē)防撞預(yù)警相關(guān)路面狀態(tài)識(shí)別的研究[D]. 武漢：華中科技大學(xué)，2013.

[6] VAHIDI A, ESKANDARIAN A. Research Advances in Intelligent Collision Avoidance and Adaptive Cruise Control [J]. IEEE Transactions on Intelligent Transportation Systems, 2003, 4(3): 143-153.

[7] 王建強(qiáng), 遲瑞娟, 張磊, 等. 適應(yīng)駕駛員特性的汽車(chē)追尾報(bào)警-避撞算法研究 [J]. 公路交通科技, 2009, 26(1): 7-12.

[8] LEX C,KOBIALKA H U, EICHBERGER A. Wheel-Individual Estimation of the Friction Potential for Split Friction and Changing Friction Conditions for the Application in an Automated Emergency Braking System[J]. Journal of Energy and Power Engineering, 2014, 8(6)：1153-1158.

[9] MUN H, KIM G, KIM B. Study on Brake Intervention of AEB System Under Various Road Friction Conditions in V2V Communication Environment [J]. International Journal of Software Engineering and Its Applications, 2015, 9(6): 35-44.

[10] 余卓平, 左建令, 張立軍. 路面附著系數(shù)估算技術(shù)發(fā)展現(xiàn)狀綜述[J]. 汽車(chē)工程, 2006, 28(6): 546-549.

[11] ZHAO Jian, ZHANG Jin, ZHU Bing. Development and Verification of the Tire/Road Friction Estimation Algorithm for Antilock Braking System [J]. Mathematical Problems in Engineering, 2014,2014：1-15.

[12] 余志生. 汽車(chē)?yán)碚?第5版)[M]. 北京：機(jī)械工業(yè)出版社，2009.

Vehicle Longitudinal Collision Warning Strategy Based on Road Adhesive Coefficient Estimation

Zhu Bing1,2, Piao Qi1, Zhao Jian1, Wu Jian1& Deng Weiwen1

1.JilinUniversity,StateKeyLaboratoryofAutomotiveSimulationandControl,Changchun130022;2.JilinUniversity,KeyLaboratoryofBionicEngineeringofMinistryofEducation,Changchun130022

An adaptive vehicle longitudinal collision warning strategy based on road adhesive coefficient estimation is proposed in this paper. Firstly a safety distance model for collision warning is established and the effects of road adhesive coefficient on the collision warning strategy are analyzed. Then an estimation algorithm of road adhesive coefficient is given based on both the least square method and the slope method, enabling the accurate estimation of road adhesive coefficient under all slip-rate conditions. On this basis, a vehicle longitudinal collision warning strategy based on road identification is proposed. Finally both Matlab/Simulink-CarSim co-simulation and real vehicle test are conducted. The results show that the warning strategy proposed can accurately estimate the road adhesive coefficient, adaptively adjust the collision warning strategy accordingly, and hence effectively enhance warning accuracy and road space utilization rate.

vehicle engineering; collision warning; road adhesive coefficient estimation; safety distance model

*國(guó)家自然科學(xué)基金(51105169, 51475206, 51575225)和吉林省科技發(fā)展計(jì)劃項(xiàng)目(20140204010GX)資助。

原稿收到日期為2015年10月28日，修改稿收到日期為2015年12月12日。