胥峰　周建光　李兵　韓飛　王曉亮

摘 要：文章通過(guò)對(duì)CIDAS統(tǒng)計(jì)的150例汽車(chē)與二輪車(chē)碰撞事故工況樣本參數(shù)信息進(jìn)行系統(tǒng)聚類(lèi)分析，提取出了用于評(píng)價(jià)面向騎行者的自動(dòng)緊急制動(dòng)系統(tǒng)（AEB）的測(cè)試場(chǎng)景，建立了面向騎行者的自動(dòng)緊急制動(dòng)系統(tǒng)測(cè)試評(píng)價(jià)方法，并利用Prescan和Simulink軟件搭建了典型場(chǎng)景的虛擬交通模型以及自動(dòng)緊急制動(dòng)系統(tǒng)（AEB）算法控制模型，通過(guò)聯(lián)合仿真分析驗(yàn)證了AEB控制算法的具體實(shí)施過(guò)程，進(jìn)一步說(shuō)明了典型場(chǎng)景和測(cè)試方法的有效性。

關(guān)鍵詞：自動(dòng)緊急制動(dòng)系統(tǒng);聚類(lèi)分析;聯(lián)合仿真;Prescan;Simulink

中圖分類(lèi)號(hào)：U467? 文獻(xiàn)標(biāo)識(shí)碼：B ?文章編號(hào)：1671-7988（2020）03-152-05

1 引言

智能網(wǎng)聯(lián)汽車(chē)作為機(jī)械技術(shù)、環(huán)境感知技術(shù)、控制技術(shù)、通信技術(shù)等多學(xué)科跨界融合的產(chǎn)品，必然會(huì)成為汽車(chē)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)的一大趨勢(shì)。自動(dòng)緊急制動(dòng)系統(tǒng)（AEB）作為智能網(wǎng)聯(lián)汽車(chē)初級(jí)階段的一項(xiàng)主動(dòng)安全系統(tǒng)，目前受到了國(guó)內(nèi)外各科研及檢測(cè)機(jī)構(gòu)所越來(lái)越多的重視。對(duì)于AEB系統(tǒng)的技術(shù)進(jìn)步和應(yīng)用普及，必需有一套完善的測(cè)評(píng)體系作為支撐，所以國(guó)內(nèi)外大部分國(guó)家都出臺(tái)了自己的自動(dòng)緊急制動(dòng)系統(tǒng)測(cè)評(píng)規(guī)范。但是目前出臺(tái)的測(cè)評(píng)方法還都是僅局限于車(chē)與車(chē)以及車(chē)與行人之間交互場(chǎng)景的測(cè)試，而對(duì)于我國(guó)常見(jiàn)的涉及騎車(chē)者（自行車(chē)、電動(dòng)車(chē)、摩托車(chē)）的測(cè)試場(chǎng)景研究較少，所以針對(duì)該工況測(cè)試評(píng)價(jià)方法的研究也迫在眉睫[1]。

本文借鑒GIDAS（德國(guó)交通事故深入研究）分析事故的方法，通過(guò)分析CIDAS（中國(guó)交通事故深入研究）統(tǒng)計(jì)的150例汽車(chē)與二輪車(chē)碰撞事故工況樣本，利用系統(tǒng)聚類(lèi)分析方法對(duì)涉及騎行者的典型事故工況樣本進(jìn)行數(shù)學(xué)統(tǒng)計(jì)分析，提取出面向騎行者的自動(dòng)緊急制動(dòng)系統(tǒng)典型測(cè)試場(chǎng)景，然后利用Prescan和Simulink軟件搭建了典型場(chǎng)景的虛擬交通模型以及自動(dòng)緊急制動(dòng)系統(tǒng)（AEB）算法控制模型，通過(guò)聯(lián)合仿真分析驗(yàn)證了AEB控制算法的具體實(shí)施過(guò)程，進(jìn)一步說(shuō)明了典型場(chǎng)景和測(cè)試方法的有效性。

2 典型事故工況測(cè)試場(chǎng)景的提取

2.1 聚類(lèi)分析參數(shù)的選取

CIDAS（中國(guó)交通事故深入研究）統(tǒng)計(jì)的每一例事故工況樣本經(jīng)過(guò)分析重建后，都會(huì)以多個(gè)變量參數(shù)組合的形式表示，本文對(duì)涉及騎行者的150例汽車(chē)與騎行者碰撞事故工況樣本中的各變量參數(shù)進(jìn)行統(tǒng)計(jì)分析得出如表1所示的統(tǒng)計(jì)表。

從表1中的數(shù)據(jù)可以看出，天氣、交通以及駕駛員視野這三類(lèi)變量參數(shù)，針對(duì)不同的變量值樣本占比的差異太過(guò)明顯，在聚類(lèi)分析過(guò)程中不易成為突出特點(diǎn)，故在研究中剔除掉。涉及事故的騎行者類(lèi)型和碰撞時(shí)騎行者速度這兩個(gè)變量參數(shù)所描述的特征基本類(lèi)似，如果同時(shí)選用兩者作為聚類(lèi)分析的變量會(huì)提高這一特征的權(quán)重，所以?xún)H選取騎行者碰撞時(shí)的車(chē)速作為聚類(lèi)變量。另外，考慮到后期在進(jìn)行實(shí)車(chē)驗(yàn)證中的成本以及效率，需要選取與AEB在受控場(chǎng)地測(cè)試中的性能表現(xiàn)相關(guān)而且比較容易在測(cè)試過(guò)程中復(fù)現(xiàn)的變量。通過(guò)初步篩選，最終選取 道路特征、本車(chē)運(yùn)動(dòng)狀態(tài)、騎行者運(yùn)動(dòng)狀態(tài)、本車(chē)碰撞時(shí)車(chē)速、騎行者碰撞時(shí)速度 、照明狀況六個(gè)變量進(jìn)行聚類(lèi)分析。

2.2 聚類(lèi)分析過(guò)程

如表2所示，文中將上述變量分為了有序尺度、名義尺度和間隔尺度三種類(lèi)型，并轉(zhuǎn)化成數(shù)值表示的形式。針對(duì)間隔尺度類(lèi)型的變量，在進(jìn)行系統(tǒng)聚類(lèi)分析之前需將樣本變量值進(jìn)行歸一化處理，最小值表示為0，最大值表示為1，中間值采取線性插值計(jì)算。對(duì)于三值名義尺度變量，為了能夠在聚類(lèi)分析計(jì)算時(shí)，任意兩值間的距離同二值名義尺度變量一樣為1，需在聚類(lèi)前將三值名義尺度變量轉(zhuǎn)變成二值名義尺度變量，以“本車(chē)運(yùn)動(dòng)狀態(tài)”變量參數(shù)轉(zhuǎn)換為例，三值名義尺度變量轉(zhuǎn)變成二值名義尺度變量如表3所示。

通過(guò)上述方式將事故樣本轉(zhuǎn)化為數(shù)值表示的形式后，與騎行者相關(guān)的150例AEB事故樣本的變量值可表示成矩陣的形式。本文首先選用歐式距離計(jì)算方法對(duì)樣本距離進(jìn)行計(jì)算，然后利用MATLAB算法對(duì)事故樣本進(jìn)行系統(tǒng)聚類(lèi)分析，通過(guò)聚類(lèi)分析后得到如圖1所示聚類(lèi)樹(shù)形圖[2-3]，圖1中橫坐標(biāo)表示為葉節(jié)點(diǎn)，縱坐標(biāo)為聚類(lèi)距離。

本文采用不一致系數(shù)這一判定參數(shù)來(lái)確定聚類(lèi)分析的樣本分類(lèi)個(gè)數(shù)，在并類(lèi)過(guò)程中，如果某一次計(jì)算出的不一致系數(shù)相比上一次計(jì)算出的增幅較大，則說(shuō)明該次并類(lèi)所取得的效果不算理想，并且增幅程度越大，說(shuō)明前一次的并類(lèi)效果也就相對(duì)越好。圖2中為與騎行者相關(guān)的150例事故樣本最后8次并類(lèi)對(duì)應(yīng)的不一致系數(shù)值，可以看出第144次并類(lèi)與第143次相比有了大幅度的提升，說(shuō)明第143次的并類(lèi)效果較為理想，所以本文最終選擇將事故樣本分為七類(lèi)。對(duì)事故發(fā)生時(shí)各類(lèi)別中本車(chē)的運(yùn)行速度和騎行者的運(yùn)行速度進(jìn)行統(tǒng)計(jì)，具體分布情況如圖3和圖4所示。

對(duì)典型事故的系統(tǒng)聚類(lèi)樹(shù)形圖進(jìn)行統(tǒng)計(jì)分析，整理得到涉及騎行者的聚類(lèi)分析統(tǒng)計(jì)結(jié)果，如表4所示。

2.3 測(cè)試場(chǎng)景的提取

第二類(lèi)和第五類(lèi)事故樣本數(shù)量相對(duì)較少，本文剔除掉該類(lèi)樣本，選取第一、三、四、六、七類(lèi)事故樣本來(lái)提取與騎行者相關(guān)的AEB系統(tǒng)的測(cè)試場(chǎng)景。結(jié)合這五類(lèi)事故樣本中較為典型的特征，并考慮到測(cè)試條件，最終提取出8種與騎行者相關(guān)的AEB系統(tǒng)的測(cè)試場(chǎng)景，如表5所示。為了簡(jiǎn)化測(cè)試場(chǎng)景，提高測(cè)試效率，本文中選取各分類(lèi)樣本中騎行者碰撞時(shí)的運(yùn)行速度的均值進(jìn)行圓整后的速度值作為典型場(chǎng)景中騎行者的測(cè)試參數(shù)，并且在進(jìn)行測(cè)試時(shí)，本車(chē)運(yùn)行速度參數(shù)的遞增步長(zhǎng)為10km/h。

3 測(cè)試仿真分析與驗(yàn)證

本文利用Prescan軟件對(duì)上述場(chǎng)景類(lèi)型3（本車(chē)以30km/h的車(chē)速勻速行駛，騎行者以20km從右側(cè)橫穿馬路）進(jìn)行虛擬場(chǎng)景搭建，并利用simulink對(duì)車(chē)輛的動(dòng)力學(xué)模型及AEB控制算法模型進(jìn)行搭建，通過(guò)聯(lián)合仿真的方式對(duì)提取出的面向騎行者的AEB典型場(chǎng)景進(jìn)行分析驗(yàn)證。

3.1 場(chǎng)景搭建

首先，在Prescan的GUI界面搭建場(chǎng)景類(lèi)型3的虛擬測(cè)試場(chǎng)景：（1）在GUI界面中搭建一條車(chē)道寬為3.75m，中間為雙黃實(shí)線的雙向4車(chē)道十字交叉路口;（2）在道路兩旁添加適當(dāng)數(shù)量的樹(shù)木、房屋并將光照調(diào)整為62385lux、測(cè)試環(huán)境溫度調(diào)整為293.15K;（3）選用一輛Audi A8轎車(chē)作為測(cè)試車(chē)輛，一輛Honda踏板車(chē)作為騎行者目標(biāo)車(chē)輛;（4）規(guī)劃測(cè)試車(chē)輛和騎行者目標(biāo)車(chē)的運(yùn)行軌跡來(lái)模擬乘用車(chē)和騎行者過(guò)十字交叉路口的真實(shí)場(chǎng)景。

然后，設(shè)定測(cè)試車(chē)輛和騎行者目標(biāo)車(chē)測(cè)試過(guò)程中的行駛速度以及運(yùn)行姿態(tài)：（1）將測(cè)試車(chē)輛的駕駛模式（Driving mode）調(diào)整為“Path Follower”的模式;（2）分加速、穩(wěn)定和測(cè)試三個(gè)階段設(shè)置測(cè)試車(chē)輛和騎行者目標(biāo)車(chē)測(cè)試過(guò)程中的運(yùn)行速度，測(cè)試車(chē)輛在加速階段以2m/s2的加速度加速到30km/h，在穩(wěn)定階段以30km/h速度駛向十字路口，測(cè)試階段開(kāi)始后繼續(xù)保持勻速行駛，如果AEB系統(tǒng)沒(méi)有起到制動(dòng)的作用，則測(cè)試車(chē)與騎行者會(huì)發(fā)生垂直相撞。

最后，在測(cè)試車(chē)輛的駕駛員眼點(diǎn)位置和車(chē)輛外騎行者接近的一側(cè)分別加裝觀測(cè)點(diǎn)，從而來(lái)模擬測(cè)試車(chē)輛上的攝像頭，以便于在聯(lián)合仿真測(cè)試驗(yàn)證過(guò)程中進(jìn)行多角度的觀察分析。

3.2 測(cè)試車(chē)輛傳感器安裝

為了使測(cè)試車(chē)輛能夠?qū)?chē)身周邊的基礎(chǔ)設(shè)施、道路特征和騎行者目標(biāo)進(jìn)行實(shí)時(shí)的環(huán)境感知，本文在測(cè)試車(chē)輛適當(dāng)?shù)奈恢梅謩e加裝了一個(gè)TIS傳感器和一個(gè)Cmaera傳感器。傳感器安裝位置的選擇應(yīng)盡量使他的偵測(cè)區(qū)域不覆蓋測(cè)試車(chē)輛，否則在測(cè)試過(guò)程中時(shí)會(huì)輸出感知到的自車(chē)運(yùn)行信息。傳感器的性能參數(shù)如表6所示[4]。

3.3 AEB系統(tǒng)控制模型搭建

在Prescan軟件中搭建完虛擬測(cè)試場(chǎng)景模型后，首先點(diǎn)擊“Parse”按鈕對(duì)模型進(jìn)行解析檢測(cè)，解析檢測(cè)成功后，然后單擊“Build”按鈕，構(gòu)建包括生成三維可視化所需的所有文件，并通過(guò)編譯表運(yùn)行試驗(yàn)，之后通過(guò)單擊“Invoke Simu -link Run Mode”調(diào)用Simulink文件，調(diào)用成功后，雙擊打開(kāi)生成的“_cs.mdl”文件，則在Prescan軟件中搭建的虛擬測(cè)試場(chǎng)景模型便會(huì)自動(dòng)導(dǎo)入編譯表，如圖5所示。

受研發(fā)時(shí)間限制，本文直接采用Prescan模板庫(kù)中的AEB_VRU模塊作為測(cè)試車(chē)輛AEB系統(tǒng)的控制算法模型。結(jié)合前面搭建的交通場(chǎng)景模型、車(chē)輛動(dòng)力學(xué)模型，并加入AEB系統(tǒng)控制模塊，然后將編譯表中的各模塊間的輸入、輸出參數(shù)進(jìn)行連接，從而實(shí)現(xiàn)面向騎行者的典型場(chǎng)景和測(cè)試車(chē)輛AEB系統(tǒng)功能驗(yàn)證。

3.4 仿真結(jié)果

搭建完虛擬測(cè)試場(chǎng)景模型和面向騎行者的AEB系統(tǒng)控制模型后，運(yùn)行聯(lián)合仿真測(cè)試模型，從而查看面向騎行者的AEB測(cè)試仿真過(guò)程和測(cè)試仿真結(jié)果。測(cè)試過(guò)程中TIS傳感器和Camera攝像頭傳感器融合后的檢測(cè)結(jié)果如圖6所示，從結(jié)果中可以看出經(jīng)過(guò)多傳感器融合后的環(huán)境感知系統(tǒng)可以有效地檢測(cè)出測(cè)試車(chē)輛前方的騎行者。

從圖7所示的仿真結(jié)果可以看出，測(cè)試車(chē)輛能夠準(zhǔn)確的檢測(cè)到前方的騎行者目標(biāo)，并且可以實(shí)時(shí)的計(jì)算出自車(chē)和騎行者之間的TTC，從而作為自車(chē)和騎行者之間是否存在碰撞危險(xiǎn)的依據(jù)。在TTC=0.86s時(shí)，AEB系統(tǒng)開(kāi)始向駕駛員發(fā)出預(yù)警信息，在檢測(cè)到預(yù)警信息發(fā)出后駕駛員并沒(méi)有采取有效避撞措施，從TTC=0.58s開(kāi)始，AEB系統(tǒng)開(kāi)始自發(fā)介入測(cè)試車(chē)輛的制動(dòng)系統(tǒng)，對(duì)測(cè)試車(chē)輛進(jìn)行全油門(mén)制動(dòng)。

圖8為測(cè)試車(chē)輛在整個(gè)仿真測(cè)試過(guò)程中行駛速度和縱向減速度的歷時(shí)曲線，在TTC=0.58s時(shí)刻，AEB系統(tǒng)開(kāi)始介入制動(dòng)系統(tǒng)后，測(cè)試車(chē)輛的最大縱向減速度達(dá)到了10m/s2，有效避免了測(cè)試車(chē)輛與前方騎行者的碰撞。

4 本章小結(jié)

論文以CIDAS統(tǒng)計(jì)的涉及車(chē)輛與騎行者碰撞相關(guān)的150例交通事故為研究對(duì)象，對(duì)面向騎行者的AEB系統(tǒng)測(cè)試評(píng)價(jià)方法進(jìn)行了研究，利用系統(tǒng)聚類(lèi)的方法對(duì)事故樣本數(shù)據(jù)進(jìn)行了數(shù)學(xué)統(tǒng)計(jì)分析，提取出面向騎行者的AEB系統(tǒng)典型測(cè)試場(chǎng)景，最后利用Prescan和Simulink軟件搭建了典型場(chǎng)景的虛擬交通模型以及AEB系統(tǒng)算法控制模型，通過(guò)聯(lián)合仿真分析驗(yàn)證了AEB控制算法的具體實(shí)施過(guò)程，進(jìn)一步說(shuō)明了典型場(chǎng)景和測(cè)試方法的有效性。

參考文獻(xiàn)

[1] 張秀彬，應(yīng)俊豪.汽車(chē)智能化技術(shù)原理[M].上海：上海交通大學(xué)出版社，2011.

[2] 李桃迎.交通領(lǐng)域中的聚類(lèi)分析方法研究[M].科學(xué)出版社，2014.

[3] 李仁義.數(shù)據(jù)挖掘中聚類(lèi)分析算法的研究與應(yīng)用[D]. 電子科技大學(xué)， 2012.

[4] 賀勇，王春香，董永坤.基于PRESCAN的汽車(chē)自動(dòng)駕駛仿真[J].電腦知識(shí)與技術(shù)，2012（33）：8047-8049.