張東霞　徐巖　潘翔

摘 要：根據車輛內輪差形成的原因設計了一種汽車高速行駛安全預警系統(tǒng)，該系統(tǒng)通過風險數據采集識別汽車轉彎行駛過程中因內輪差引起的風險源因素特征，建立內輪差模型以及風險等級評估模型以對風險源因素進行總體風險等級評估，最后根據總體風險等級向駕駛員提供安全預警，以降低或消除行車安全風險，避免汽車在轉彎行駛時因內輪差而引發(fā)交通事故，保證汽車轉彎時的行駛安全。

關鍵詞：內輪差 風險 車輛 行駛安全 預警

1 前言

近年來，隨著世界經濟的持續(xù)快速發(fā)展，機動車量保有量迅猛增加，截至2021年，全球機動車汽車保有量達15億，中國汽車保有量約3.95億輛。每年死于車禍有125萬人，中國約6.3萬人，道路安全形勢十分嚴峻。在汽車行駛過程，危險的道路條件、變差的車輛技術性能和失控的駕駛都會造成車禍的意外發(fā)生，使機動車安全成為交通事故的第一“殺路”。因此隨著汽車電動化、智能化的發(fā)展，全球汽車產業(yè)進行新的發(fā)展階段，各國對機動車的安全都非常重視，并運用現代化手段著手解決汽車的行駛安全問題。

內輪差是導致車輛轉彎行駛過程中發(fā)生交通事故的最主要因素之一，是汽車轉彎行駛過程中不可消除的屬性，在一定的危險道路和駕駛條件下，會造成人員傷亡和財產損失，是不可忽略的安全隱患。如何解決因內輪差造成的安全駕駛問題也是汽車新技術發(fā)展和汽車消費者關心的重要問題。

目前，國內外已有不少學者、汽車企業(yè)對如何減少內輪差造成的安全隱患開展研究設計，除通過機械設計減少行車安全問題外，也對預警系統(tǒng)進行了研發(fā)。例如楊云等人通過TruckSim彷真軟件建立整車動力學模型對半掛牽引車在轉彎過程中，內輪差對行駛安全的影響進行研究；周磊、劉有軍等人以重卡為例，研發(fā)了以轉向盤轉動角度為控制依據的內輪差行駛安全警示裝置；張三川團隊研究設計了基于毫米波雷達的內輪差盲區(qū)監(jiān)測系統(tǒng)。當前對內輪差監(jiān)測和報警只涉及對于內輪差區(qū)域內障礙物距離等個別參數，并沒有完整考慮內輪差相關的所有風險源因素，沒有對汽車轉彎行駛過程中內輪差相關的眾多風險源進行全面識別，從而無法確定內輪差總體風險等級和主要致險因素。隨著汽車智能化的普及發(fā)展，使用現代化手段進行汽車盲區(qū)監(jiān)測解決內輪差盲區(qū)問題是熱點研究方向。

本文根據內輪差的形成特點設計了一套能判斷內輪差總體風險等級并能及時向駕駛員提供安全警報提示的系統(tǒng)，以控制因內輪差引起的行車風險，保證汽車轉彎時的行駛安全。

2 內輪差風險模型建立

2.1 內輪差的形成及模型建立

關于內輪差的形成，國內上很多學者進行了分析，例如清華大學的李逸良、邱信明利用速度投影定理建立了單車、半掛車的最大內輪差的運動學理論分析模型，華中科技大學的周磊等人也對汽車內輪差的理論模型進行了計算，鄭州大學的張三川、高桑田等人也對內輪差的形成進行了理論和區(qū)域特征彷真分析等。本文結合國內外先前的研究成果對內輪差的形成原因和特征進行綜合分析，以為基于內輪差的汽車轉彎行駛安全預警系統(tǒng)的研發(fā)提供全面準確的理論支持。

內輪差成為車輛轉彎行駛危險源的原因主要是我國實行左方向盤靠右行駛的通行方式，在駕駛室左側的駕駛員對右側后視鏡的可視范圍有限，在汽車轉彎過程中出現視覺盲區(qū)，駕駛員的視覺盲區(qū)主要是由車軸結構、道路狀況、車輛控制指標等多種因素所造成的。

在車輛直行時，全盲D區(qū)與車身之間的區(qū)域是可以通過后視鏡實現完全觀察的，如圖1[5]所示。

但在轉彎時，由于車輛自身的機械結構因素，其前后輪的運動軌跡并不能相互重合，在車輛轉彎時，會形成如圖2[5]所示的陰影區(qū)域，構成一個無法消除的內輪差區(qū)域。如果車輛與障礙物距離小于內輪差，內前輪能夠通過，而內后輪容易碰撞或碾壓障礙物導致交通事故。

根據內輪差形成的原因建立一種理想行駛狀態(tài)下的內輪差參數計算模型，假設汽車右轉彎過程中，其右前輪與右后輪均繞同一點o做圓弧運動，且假設整個過程中汽車結構不發(fā)生變形，輪胎與地面不發(fā)生側滑，右轉彎運動軌跡如圖3所示。根據內輪差形成的原因以及三角函數關系，最大內輪差如下公式所示。

公式中L為車輛軸距，α2為左前輪轉向角，即最大轉向角。

2.2 內輪差的風險源及其特性

根據內輪差的形成特點，內輪差的風險源主要有道路行駛條件、車輛技術條件和車輛控制指標三個因素。

道路行駛條件根據行駛路況分為急轉彎路段、陡坡路段、側險要路段及人口和車輛密集路段，本研究中根據道路交通安全隱患排查參考標準對道路行駛條件進行分類。在轉彎路段中，將平曲線半徑（R）小于一定半徑的路段（二級公路R<125米，三級公路R<60米，四級公路R<30米）規(guī)定為急轉彎；將平曲線半徑（R）小于一定半徑的路段（二級公路R≥125米，三級公路R≥60米，四級公路R≥30米）規(guī)定為緩和轉彎。在陡坡路段中，將坡度（I%）大于一定坡度的路段（二級公路I>6，三級公路>7，四級公路I>8）規(guī)定為陡坡；將坡度（I%）大于一定坡度的路段（二級公路I≦6，三級公路≦7，四級公路I≦8）規(guī)定為緩坡。將臨崖臨水的道路規(guī)定為路側險要路段。將道路轉彎經過人口、車輛密集路口規(guī)定為人口車輛密集路段。

根據汽車結構特點，車輛技術條件的主要影響因素為車輛軸距、車輛輪距。在車輛軸距中，根據軸距大小分為4個等級：軸距L >7米定為特大型車輛距；5米

車輛控制指標風險源因素由前輪轉向角、車輛行駛速度以及車輛與行人障礙物距離。前輪轉向角將最大前輪轉向角α2max作為臨界點分為兩級。車物、行人障礙物距離將最大內輪差△Rmax作為臨界點分為兩級。行駛速度分為三級：行駛速度大于車輛大行駛速度vmax定為一級，小于定為二級，停車定為三級。

3 基于內輪差的汽車安全高速行駛安全預警方法

根據內輪差產生的視覺盲區(qū)相關的影響因素，本文研發(fā)的基于內輪差的汽車高速行駛安全預警系統(tǒng)對內輪差所產生的視覺盲區(qū)進行較為全面的行駛安全風險管理，避免汽車在轉彎行駛時因視覺盲區(qū)引發(fā)交通事故，保證車輛行駛安全，本預警方法的實施如圖4所示，分四個步驟完成。

3.1 風險數據采集模塊

本系統(tǒng)的風險數據采集模塊是對道路環(huán)境、車輛運行數據、OBD數據以及車輛原始數據等進行詳細數據采集以獲取準確的風險數據參數。

在風險數據采集模塊中，通過攝像機來獲取道路環(huán)境信息，通過圖像分析處理算法判斷所行駛的路況是轉彎路段、陡坡路段、側險要路段還是人口以及車輛密集路口；通過毫米超聲波波雷達、慣性測量傳感器來測量車輛與行人障礙物間的距離以及前輪轉向角，以掌握車輛部分控制技術特征；系統(tǒng)控制中心通過車聯網讀取車輛OBD里面的數據以獲取車輛車輛行駛速度等控制指標信息；在系統(tǒng)控制中心可自由設置保存車輛軸距和汽車輪距等車輛原始數據作為車輛技術條件的風險源數據，此設計可將此系統(tǒng)應用于貨車、轎車等不同的車輛上。

3.2 風險源識別模塊

系統(tǒng)采集數據過程中同時持續(xù)對所采集到的風險源數據進行識別判斷。為更好地判斷風險數據對行駛安全的影響，本系統(tǒng)中對風險源數據進行了等級劃分，并創(chuàng)建了較為嚴格的風險源數據庫，該風險源數據庫如表1所示。系統(tǒng)控制中心將數據采集模塊所采集的實時數據與數據庫的風險數字等級進行對比分析，識別出當前車輛轉彎時各風險源所對應的車輛行駛風險等級。

3.3 風險源評估模型

系統(tǒng)控制中心對所采集的風險源因素進行風險等級識別后，進入到風險評估模塊，為更客觀地進行風險評估，本系統(tǒng)建立了風險等級評估模型。為更好展示及理解風險等級評估模型，對風險源數據庫中的各風險源因素及等級進行命名：道路行駛條件風險源因素類型分別命名為急轉彎路段A1、陡坡路段A2、側險要路段A3、人口和車輛密集路口A4；車輛技術條件風險源因素分別命名為汽車軸距A5，汽車輪距A6、車輛和行人障礙物距離A7；車輛控制指標風險源數據分別命名為前輪轉向角A8和行駛速度A9。

風險等級評估模型中根據每個風險源危害影響力大小進行了權重和分值分配，如表1所示。風險源數據庫中道路行駛條件權重比值占30%，車輛技術條件權重比值占20%，車輛駕駛控制指標占50%。

本系統(tǒng)建立的風險等級評估模型如公式2所示，系統(tǒng)控制中心通過公式2計算F值以判斷車輛在轉彎行駛時因內輪差引起的視覺盲區(qū)總體安全風險等級。

系統(tǒng)將安全風險劃分了4個等級，如表2所示。具體判斷規(guī)則如下：F≥65或FA1=100或FA2=100或FA4=100或FA7=100被評定為重大風險源；55≦F＜65為較大風險源；45≦F＜55為一般風險源；35≦F＜45為較小風險源。

3.4 風險預警模塊

在風險預警模塊中，系統(tǒng)根據風險等級評估結果判定總體風險等級向駕駛員提供預警，提示需采取措施以降低或消除行駛安全風險。預警方法通過不同顏色的警示燈和語音對駕駛員進行安全提示，根據不同風險等級警示燈和語音提示及車輛控制應對策略如下：

紅色預警代表重大風險，車輛控制采取危急行駛決策，控制車輛停車避讓車輛行人通過；

黃色預警代表較大風險，語音提示采取緊急行駛決策，同時車輛控制前轉向輪角度和車輛行駛速度在安全范圍，低速避讓車輛行人通過。

藍色預警代表一般風險，語音提示采取防御行駛決策，同時控制車輛前轉向輪角度和車輛行駛速度在安全范圍，減速避讓車輛行人通過綠色預警代表較小風險，語音提示采取正常行駛決策。

4 討論

本文根據內輪差引起的視覺盲區(qū)影響因素，研發(fā)設計了一套汽車轉彎行駛安全預警系統(tǒng)方案。此系統(tǒng)方案根據內輪差引起的視覺盲區(qū)形成特點建立了內輪差模型和風險等級評估模型，以更準確地判斷汽車在轉彎過程中所遇到的安全風險大小，減少在轉彎過程中的安全交通事故。本系統(tǒng)的創(chuàng)新之處在于更為全面地考慮了內輪差引起的視覺盲區(qū)的風險影響因素，通過建立模型更全面、客觀、準確地判斷了在轉彎過程中因視覺盲區(qū)造成的安全行駛風險等級，更為可靠地判斷汽車行駛安全問題，給駕駛員及時提供安全預警。

本論文的不足之處在于目前僅進行了理論研究預警策略，尚未對系統(tǒng)所需要的攝像機、毫米超聲波雷達、慣性測量傳感器尚未進行型號選擇及成本控制分析，因此本項目團隊將對系統(tǒng)所需配件進行選理后，進行彷真模擬及開發(fā)。

參考文獻：

[1]楊云，黃鵬飛，周懿等，基于TruckSim半掛牽引車內輪差危險區(qū)模型研究[J].自動化與儀器儀表，2019（10）：106-109.

[2]李逸良，邱信明等，車輛轉彎時內輪差的運動學理論模型[J]．力學與實踐，2017（1） ：94-99．

[3]邵金菊，張洪加等， 基于 TruckSim 的彎道安全車速模型研究[J]．廣西大學學報： 自然科學版，2017（ 3） ： 961-969.

[4]周磊，胡沁如，龔書晨等， 基于汽車內輪差的警示裝置設計研究[J]．浙江科技學院學報，2018（5）：429-434.

[5]高桑田，基于毫米波雷達的內輪差盲區(qū)監(jiān)測系統(tǒng)設計研究[D]．鄭州大學，2020.

[6]劉忠臣，基于毫米波雷達的汽車并線輔助系統(tǒng)研究[D].湖南大學，2017.