李明桃，高久懿，張永輝，李德文

（南京林業(yè)大學 汽車與交通工程學院，江蘇 南京 210037）

隨著重型貨車技術(shù)性能的提升，以及大宗貨物中長距離運輸客觀需求的不斷增加，半掛汽車在高速公路上的交通量占比迅速上升，自2006年開始到2010年，由20.47%爬升至41.85%，自2010年后窄幅震蕩，于2018年達到歷史峰值47.94%。此外，從貨物周轉(zhuǎn)量上來看，半掛列車由最初的貨物周轉(zhuǎn)量占比不足60%，持續(xù)上升至2011年的82.31%，并隨著 6軸貨車的出現(xiàn)與普及，持續(xù)增長至2018年的86.32%。隨著高速公路的綜合化發(fā)展，重型半掛列車占比仍將不斷提高。

半掛汽車列車的占比提高也帶來了不可避免的半掛汽車列車交通事故占比提高，半掛汽車因為其載重量大，輪距短，以及行駛時車身質(zhì)心位置高，車身長等特點，在運輸過程中極易發(fā)生彎道失穩(wěn)側(cè)翻，導致嚴重的交通事故。2015年，美國國家交通安全局的統(tǒng)計資料顯示，其全年涉及半掛汽車列車的嚴重交通事故有 3 598起，占比29%，死亡人數(shù)達3 903人，占交通事故死亡總?cè)藬?shù)的 47%。因此，很多研究人員在研究半掛車失穩(wěn)機理的同時，也開始著手半掛車側(cè)翻預(yù)警系統(tǒng)的研究，并在此基礎(chǔ)上開展了很多算法的開發(fā)與應(yīng)用。本文總結(jié)了傳統(tǒng)的半掛車側(cè)翻預(yù)警系統(tǒng)的優(yōu)缺點，對現(xiàn)有側(cè)翻預(yù)警算法的特點進行了分類，在此基礎(chǔ)上概括了每一類側(cè)翻預(yù)警算法的特點，并對下一步的研究方向進行了展望。

1 半掛車側(cè)翻失穩(wěn)機理

1.1 半掛車側(cè)翻失穩(wěn)類型

半掛車側(cè)翻類型與汽車側(cè)翻類型較為一致，基本上分為兩類：在路側(cè)翻和離路側(cè)翻，如圖1所示。

圖1 側(cè)翻類型[2]

其中，在半掛車彎道行駛時，側(cè)翻類型大致有兩種：（1）車輛速度超過閾值，在過大離心力的作用下，車輛行駛中的側(cè)向加速度過大，從而導致側(cè)翻；（2）車輛橫擺穩(wěn)定性喪失，繼而側(cè)向滑移絆倒，導致交通事故發(fā)生。

1.2 半掛車失穩(wěn)影響因素

半掛車側(cè)翻事故高發(fā)地段在公路的彎道部分，然而，使半掛車失穩(wěn)側(cè)翻的原因也是多種多樣的，人車路是構(gòu)成交通的三要素，同時也是影響半掛車行駛安全最主要的三個要素。

1.2.1 半掛車結(jié)構(gòu)因素

半掛車由牽引車和拖車通過鞍座鉸鏈連接而成，兩個部分相互影響，使半掛車的動力學模型及其復雜；轉(zhuǎn)彎行駛時，由于拖車后軸距離連接點較遠，駕駛員在駕駛過程中對于后軸部分的側(cè)傾狀態(tài)感知較弱，無法提前預(yù)知車輛狀態(tài)，極其容易在轉(zhuǎn)彎時發(fā)生側(cè)翻事故。且半掛車由于牽引車與拖車兩部分通過鉸鏈連接，轉(zhuǎn)彎時產(chǎn)生尾部放大效應(yīng)，使得側(cè)傾狀態(tài)在拖車尾部進一步放大，此時半掛車橫向載荷轉(zhuǎn)移率加大，車輪很容易離地從而導致側(cè)翻。

半掛車的質(zhì)心較高，且載荷較大，不同的裝載物品在彎道行駛時對于半掛車整體質(zhì)心影響不同，導致半掛車轉(zhuǎn)動慣量不同，使半掛車側(cè)傾穩(wěn)定性降低，極其容易導致側(cè)翻。

1.2.2 駕駛員操作因素

半掛車的側(cè)傾穩(wěn)定性較弱，在彎道行駛時，由于離心力的影響，車速越高，側(cè)向加速度越大。較高的車速會使半掛車側(cè)向加速度超過閾值，側(cè)傾穩(wěn)定性下降而容易側(cè)翻；

同時，在連續(xù)彎道部分，駕駛員會頻繁轉(zhuǎn)動方向盤以修正轉(zhuǎn)向，半掛車載重量大時側(cè)傾慣量也較大，頻繁轉(zhuǎn)向會使車輛側(cè)傾角速度加大，使側(cè)翻事故發(fā)生。

半掛車在彎道部分，駕駛員需要進行制動以控制車速，然而，過大的制動力會使車輛橫向載荷轉(zhuǎn)移率迅速增大，發(fā)生瞬態(tài)側(cè)翻。

1.2.3 道路因素

道路的路面抗滑性能對半掛車行駛性能具有極大的影響。與干燥的道路路面相比，潮濕、降雪或結(jié)冰的道路路面附著性降低，在彎道行駛時極易產(chǎn)生側(cè)滑從而導致半掛車側(cè)翻，會增大半掛車道路運輸?shù)奈ｋU性。同樣的，若路面粗糙度太高，則會增大半掛車輪胎的磨損，影響半掛車的行駛安全。同時，過長的直行道路會對駕駛員的視覺反應(yīng)以及心理承受能力產(chǎn)生極大的影響，過長時間的直線行駛會讓駕駛員產(chǎn)生過于煩躁的感受，對于半掛車長途運輸來說，煩躁的心理極其影響駕駛員的反應(yīng)與判斷，是運輸安全里的極大隱患。

1.3 半掛車側(cè)翻穩(wěn)定機理

為了闡述半掛車側(cè)翻失穩(wěn)機理，建立如圖 2所示的穩(wěn)態(tài)轉(zhuǎn)向下半掛車側(cè)翻穩(wěn)定模型。其中為整車質(zhì)量；a為半掛車重心處的側(cè)向加速度；為車輛重心高度；、為車輛兩側(cè)輪胎垂直載荷；為輪胎間距；Δ為車輛重心相對于輪距中心點的偏移量。車輛重力作用在車輛重心處的外部側(cè)向慣性力形成側(cè)翻力矩..a；由于車輛順從特性而使車輛重力作用在輪距中心側(cè)偏點形成另一個側(cè)翻力矩.Δ。由于車輛順從特性而使輪胎垂直載荷從內(nèi)向外轉(zhuǎn)移形成一個與側(cè)翻力矩對抗平衡的側(cè)翻穩(wěn)定力矩（－）./2。

圖2 穩(wěn)態(tài)轉(zhuǎn)向下半掛車側(cè)傾模型

至此，得到車輛繞輪距中心點側(cè)傾力矩平衡方程

由式（1）得，半掛車發(fā)生側(cè)翻的臨界條件為=－，此時左右車輪垂直載荷均轉(zhuǎn)移到外側(cè)輪胎上。

2 半掛車側(cè)翻預(yù)警典型算法

2.1 側(cè)向加速度監(jiān)測法

加拿大REKHEJA和 PICHE于1990年在靜態(tài)轉(zhuǎn)向條件下，以低速時車輛的側(cè)向加速度以及高速時車輛車軸側(cè)傾角的狀態(tài)為側(cè)翻指標，通過判斷其是否在安全閾值范圍內(nèi)來判定危險等級，并以此對駕駛員進行安全警示；澳大利亞墨爾本道路使用研究中心于1997年基于側(cè)向加速度監(jiān)測法開發(fā)了一套側(cè)翻預(yù)警系統(tǒng)，將實時監(jiān)控的側(cè)向加速度數(shù)據(jù)與預(yù)先計算出的極限值進行比較，并據(jù)此判斷車輛運行狀態(tài)，通過車載蜂鳴器及時提醒駕駛員，達到預(yù)警效果；2007年，Sverrisson以實際側(cè)向加速度占極限側(cè)向加速度百分比大小為標準來進行預(yù)警。

基于車輛側(cè)向加速度的預(yù)警方法以靜態(tài)條件為主要條件，將車輛視作剛體，不考慮車輛運動時的動態(tài)特性，過于簡單。且以單一的側(cè)向加速度、側(cè)傾角等參數(shù)作為預(yù)警的標準，不夠準確，效果較差。

2.2 橫向載荷轉(zhuǎn)移率法

Preston-Thomas和Woodrooffe 以橫向載荷轉(zhuǎn)移率（Lateral-load Transfer Rate, LTR）作為判斷車輛側(cè)翻的指標，LTR監(jiān)測車輪垂直受力，將車輛兩側(cè)垂直受力載荷之差與車輛兩側(cè)垂直受力載荷之和的比值作為指標。其定義為

當左右側(cè)輪胎垂直受力載荷均勻（橫向載荷轉(zhuǎn)移率為0時），LTR=0；若車輛某一側(cè)輪胎垂直載荷消失，即輪胎離地，LTR=1，此時，車輛側(cè)向加速度達到閾值。

橫向載荷轉(zhuǎn)移率法的精確度遠高于傳統(tǒng)的只考慮靜態(tài)條件的單一參數(shù)預(yù)警法，因此，自Preston-Thomas和Woodrooffe后，越來越多的學者以LTR為側(cè)翻預(yù)警指標進行側(cè)翻預(yù)警系統(tǒng)設(shè)計并對其進行了改進；韓國汽車研究中心在LTR的基礎(chǔ)上考慮了懸架與輪胎的參數(shù)，根據(jù)其非線性特點，使預(yù)警算法更加貼合實際；2013年，LARISH建立 LTR模型時考慮了車輛轉(zhuǎn)向與側(cè)向加速度，對預(yù)測的實時性進行了改善，此算法可以更為精準地在車輛運行過程中調(diào)整側(cè)翻的閾值，即可預(yù)測的橫向載荷轉(zhuǎn)移率算法（PLTR）；在考慮車輛系統(tǒng)時滯性的問題上，張志勇在LTR模型中加入了灰色模型法，田順在此基礎(chǔ)上加入了弱化算子，進一步提升了半掛車在復雜工況下的預(yù)警。

LTR作為車輛側(cè)翻指標，除了關(guān)注輪胎壓力，不需要考慮車輛其他的影響因素，普適性較好，但汽車行駛過程中左右車輪的載荷不易測量，LTR值獲取不易，需要一定的優(yōu)化模型進行改進。

2.3 側(cè)翻保護能量儲備法

側(cè)翻保護能量儲備法由密蘇里大學哥倫比亞分校 NALECZ在 1993年提出，表示為汽車從當前位置狀態(tài)變化到側(cè)翻位置時所需要的能量差。

該算法以 RPER值的正負作為判斷車輛側(cè)翻的標準，即 RPER值為正值時，車輛正常運行；當 RPER值為負值時，車輛將出現(xiàn)側(cè)翻狀況。此后，黃明亮等對側(cè)翻保護能量儲備法進行了改進，考慮了車速、側(cè)傾角、側(cè)傾角速度以及轉(zhuǎn)向角等參數(shù)，將其整合，得出干擾系數(shù)，并據(jù)此建立了側(cè)翻預(yù)警系統(tǒng)。

側(cè)翻保護能量儲備法具有實時性，也較為簡便，可以很好地實現(xiàn)側(cè)翻預(yù)警。

2.4 側(cè)翻失穩(wěn)評價指標

LIU所提出的側(cè)翻失穩(wěn)評價指標與 LTR相近，范圍值在－1與1之間。其定義為

側(cè)翻失穩(wěn)評價指標充分考慮了半掛車輛運行時的側(cè)向加速度和車軸側(cè)傾角，更為適應(yīng)不同車輛的尺寸以及駕駛員的駕駛習慣，尤其是對于非絆倒側(cè)翻和絆倒側(cè)翻工況具有良好的普適性。

2.5 物理樣機

美國密歇根大學交通運輸研究中心 UMTRI開發(fā)了一套名為RSA的物理樣機，通過視覺刺激為駕駛?cè)藛T進行預(yù)警，這個系統(tǒng)在汽車穩(wěn)定運行后，測量側(cè)向加速度，將其與極限值進行對比。

此系統(tǒng)的優(yōu)勢在于，具有實時性，根據(jù)車輛運行時測得的車輛載荷變化與車輛具體參數(shù)，對極限值進行動態(tài)調(diào)節(jié)，對于以后的車載預(yù)警系統(tǒng)開發(fā)具有一定的啟發(fā)，專利 WO2004110809就參考了RSA物理樣機，對設(shè)計的預(yù)警系統(tǒng)進行了相應(yīng)的改進。

2.6 側(cè)翻時間預(yù)警法

CHEN和PENG等，建立側(cè)翻時間預(yù)測矩陣，在此基礎(chǔ)上提出了TTR算法，該算法以車輛正常行駛到一側(cè)車輪離開地面而發(fā)生側(cè)翻的時間為判斷標準，即將方向盤轉(zhuǎn)角代入到建立的動態(tài)車輛模型中計算，若計算值為N秒，則表示車輛根據(jù)當前的運行狀態(tài)，在N秒后，車輛的橫向載荷轉(zhuǎn)移率LTR≥1，此時車輛側(cè)翻。理想狀態(tài)下TTR工作原理如圖3所示。

圖3 理想狀態(tài)下TTR工作原理

CHEN為了提高由于模型過于簡單而降低的精度，還引入了神經(jīng)網(wǎng)絡(luò)進行改善，但這也使模型的實時性降低。由于 CHENEY所提出的 TTR算法模型建立單一，因此，為了改善其實時性，H.YU為了改善其實時性，引入了Kalman濾波估計算法，在其建立的5自由度模型中通過Kalman濾波算法的反饋控制，將更多的車輛參數(shù)（側(cè)傾角、車速、車輛模型、側(cè)向加速度等）納入?yún)⒖?，進行優(yōu)化估計。同時，H.YU還將TTR預(yù)警指標進行分層遞進預(yù)警設(shè)置，從車速與轉(zhuǎn)向兩方面入手，第一級于車速快速變化下進行預(yù)警，第二級考慮了劇烈轉(zhuǎn)向工況，綜合性強。TTR預(yù)警法引入國內(nèi)后，許多學者對其進行了深入研究與改進，其中，黃杰燕使用 TruckSim和 Matlab軟件建立半掛車的5DOF車輛模型，在TTR預(yù)警算法的基礎(chǔ)上，開發(fā)了LQR防側(cè)翻控制算法。LQR控制算法通過差動控制可以有效地優(yōu)化控制橫擺力矩以避免側(cè)翻。成光華在TTR預(yù)警算法的基礎(chǔ)上設(shè)計了基于ARM7的側(cè)翻預(yù)警器。吉林大學對于TTR算法也展開了深入的研究，朱天軍總結(jié)了國內(nèi)外 TTR預(yù)警算法的研究狀況，引入 Kalman濾波，改進了TTR算法，對影響側(cè)翻效果的因素（載荷、質(zhì)心等）進行了處理，實車驗證也使得改進后的TTR算法更為精準。

3 國內(nèi)外預(yù)警方法

3.1 典型算法歸類分析

3.1.1 基于靜態(tài)門限值的側(cè)翻技術(shù)分析

基于靜態(tài)門限值的側(cè)翻預(yù)警是以靜態(tài)條件為主要條件，例如：側(cè)向加速度監(jiān)測法等。該類算法將車輛視作剛體，不考慮車輛運動時的動態(tài)特性，以側(cè)向加速度以及側(cè)傾角等單一的靜態(tài)的指標來進行側(cè)翻預(yù)警。根據(jù)車型與車況的不同預(yù)先計算不同的側(cè)翻閾值，預(yù)警系統(tǒng)判斷監(jiān)測值是否超過設(shè)定閾值，根據(jù)情況進行預(yù)警與控制。

3.1.2 基于動態(tài)門限值的側(cè)翻技術(shù)分析

基于動態(tài)門限值的側(cè)翻預(yù)警綜合考慮動態(tài)條件，例如橫向載荷轉(zhuǎn)移率法（LTR）、側(cè)翻保護能量儲備法（RPER）、RSA（Rollove Stability Adviser）物理樣機、側(cè)翻時間預(yù)警法（TTR）等。該類算法建立車輛動力學模型，綜合考慮側(cè)向加速度以及側(cè)傾角等等車輛參數(shù)指標，實時推算車輛狀態(tài)，提高準確性。

3.1.3 算法模型性能對比

基于靜態(tài)門限值的側(cè)翻預(yù)警算法，例如基于車輛側(cè)向加速度的預(yù)警方法等，以靜態(tài)條件為主要條件，將車輛視作剛體，不考慮車輛運動時的動態(tài)特性，過于簡單。且以單一的側(cè)向加速度、側(cè)傾角等參數(shù)作為預(yù)警的標準，不夠準確，效果較差。

受限于靜態(tài)門限值預(yù)警方法精確性不足，越來越多的學者綜合考慮車輛的實時動態(tài)性，研究出了基于動態(tài)門限值的側(cè)翻預(yù)測方法。其中橫向載荷轉(zhuǎn)移率法以LTR作為車輛側(cè)翻指標，除了關(guān)注輪胎壓力，不需要考慮車輛其他的影響因素，普適性較好，但汽車行駛過程中左右車輪的載荷不易測量，LTR值獲取不易，需要一定的優(yōu)化模型進行改進。側(cè)翻保護能量儲備（RPER）法具有實時性，也較為簡便，可以很好地實現(xiàn)側(cè)翻預(yù)警。RSA物理樣機系統(tǒng)的優(yōu)勢在于實時性，根據(jù)車輛運行時測得的車輛載荷變化與車輛具體參數(shù)，對極限值進行動態(tài)調(diào)節(jié)，對于以后的車載預(yù)警系統(tǒng)開發(fā)具有一定的啟發(fā)。傳統(tǒng)的側(cè)翻時間預(yù)警法在動態(tài)預(yù)警時，門限值選用的是車輛質(zhì)心處的側(cè)傾角，但車輛質(zhì)心會發(fā)生變化，導致門限值難以選定。后來的學者總結(jié)了國內(nèi)外TTR預(yù)警算法的研究狀況，改進了TTR算法，對影響側(cè)翻效果的因素（載荷、質(zhì)心等）進行了處理，實車驗證也使得改進后的TTR算法更為精準。

3.2 當前預(yù)警算法的不足

基于側(cè)向加速度、側(cè)傾角等靜態(tài)條件的預(yù)警算法由于其只考慮假設(shè)剛體而缺乏準確度逐漸退出半掛車預(yù)警算法的舞臺。但是目前所研究的動態(tài)模型，例如LTR算法、TTR算法等，還是更多基于理想的行駛狀態(tài)，未考慮到因天氣變化而所導致的行車條件變化。此外，駕駛員的操作習慣與應(yīng)變能力對于交通的影響還是在一定程度被忽視。同時，不同的道路環(huán)境不同對于行車安全的影響也不相同，目前的模型對于道路條件因素的影響很少考慮，只有綜合人車路三要素的模型才能具有普適性。

3.3 國內(nèi)外側(cè)翻預(yù)警算法的發(fā)展趨勢

隨著交通的智能化發(fā)展，交通安全愈加重要，半掛車作為未來交通構(gòu)成的重要組成部分，對于側(cè)翻前預(yù)警與控制的主動控制研究也漸漸取代被動安全的研究；5G通信技術(shù)的成熟與發(fā)展也帶動了車路協(xié)同及車聯(lián)網(wǎng)的發(fā)展，例如車載自組網(wǎng)（Vehicular Ad Hoc Network，VANET）的發(fā)展，VANET使鄰近車輛的相關(guān)信息實現(xiàn)交互，有效地實現(xiàn)駕駛安全預(yù)警，使側(cè)翻預(yù)測模型考慮的因素和參數(shù)逐漸系統(tǒng)和全面化；同時灰色預(yù)測模型、BP神經(jīng)網(wǎng)絡(luò)等模型逐漸融入交通安全研究中，半掛車預(yù)警算法的開發(fā)愈加多樣與有效。

4 結(jié)語

高速公路的鋪設(shè)與發(fā)展，帶動了以重型半掛汽車為載體的道路運輸業(yè)蓬勃發(fā)展，同時，半掛車的行駛安全問題也日益突出。為使半掛汽車在道路運輸過程中更加安全，半掛汽車側(cè)翻預(yù)警研究在未來智能交通的安全領(lǐng)域中將占有重要地位

本文詳細介紹了目前典型的半掛車側(cè)翻預(yù)警算法，對各種算法的優(yōu)缺點進行了對比并針對半掛車預(yù)警方法的發(fā)展方向進行了詳細分析，總結(jié)出目前半掛車預(yù)警方法的不足和未來的發(fā)展方向。