中圖分類號(hào)：U469 收稿日期：2025-04-18 DOI： 10.19999/j.cnki.1004-0226.2025.06.026

Abstract：Fortheoperatingenvironmentandvehiclecharacteristicsofautonomous-railrapidtram，traditionalAEB（automatic emergencybraking）systemscannotadapttothebrakingcharacteristicsofvehicle.Therefore，researchonAEBcontrolforautonomousrailrapidtrammustbeconducted.BysudyingdierentAEBcontrolalgoriths，afusiocontroltrategybasedonbothTTC（Tieto Collsion）andetyistacegoritsisevelopdtaloedfoutonomosralaidtaistrtegombineultiorfu sionsolutionstacevelongitudinalsfetyprotection.Iteectivelyvodscolisionsihothrbsacles，ancngthecle'sc tive safety.

Keywords：Autonomous-rail rapid tram;Active security;AEB acomtral system

1前言

隨著我國(guó)經(jīng)濟(jì)快速發(fā)展，以及城鎮(zhèn)化進(jìn)程及人民生活水平的不斷提高，交通擁堵問(wèn)題越來(lái)越影響人們的出行效率。智軌電車作為一種新型的城市軌道交通工具，兼具軌道交通準(zhǔn)時(shí)、運(yùn)量大、節(jié)能環(huán)保、地面公交運(yùn)營(yíng)靈活，以及綜合成本低的優(yōu)勢(shì)[1]，能夠極大地提高人們的出行效率及舒適安全性。

AEB（Automatic Emergency Braking）自動(dòng)緊急制動(dòng)系統(tǒng)是當(dāng)傳感器檢測(cè)到前方存在潛在碰撞障礙物時(shí)，系統(tǒng)自動(dòng)預(yù)警并施加緊急制動(dòng)。避免碰撞或在無(wú)法避免碰撞時(shí)，降低碰撞時(shí)速度，減小碰撞時(shí)傷害程度[2]。智軌電車作為新型城市軌道交通工具，傳統(tǒng)AEB系統(tǒng)無(wú)法適配列車制動(dòng)特性，需結(jié)合智軌電車運(yùn)營(yíng)場(chǎng)景及車輛性能，開發(fā)適用于智軌電車的AEB自動(dòng)緊急制動(dòng)系統(tǒng)。

2AEB控制算法設(shè)計(jì)

AEB控制算法設(shè)計(jì)核心思想是如何設(shè)計(jì)預(yù)警、制動(dòng)觸發(fā)時(shí)機(jī)，以及制動(dòng)力的大小。預(yù)警觸發(fā)時(shí)機(jī)過(guò)早，會(huì)影響司機(jī)正常駕駛，觸發(fā)時(shí)機(jī)過(guò)晚則無(wú)法有效降低碰撞風(fēng)險(xiǎn)，影響司機(jī)對(duì)系統(tǒng)的信任度。AEB控制一般采用保守預(yù)警與激進(jìn)制動(dòng)方式，降低錯(cuò)誤干預(yù)的同時(shí)保證制動(dòng)效果。但是智軌電車運(yùn)營(yíng)特征與軌道交通類似，過(guò)大過(guò)急制動(dòng)容易導(dǎo)致乘客受傷，因此結(jié)合智軌電車車輛及運(yùn)營(yíng)特性，設(shè)計(jì)合適的AEB控制算法及策略尤為重要[3]。

AEB控制策略主要有基于碰撞時(shí)間的TTC（timetocollision）和基于安全距離（safetydistance）兩種算法，TTC值較大無(wú)碰撞時(shí)，按照車頭時(shí)距THW（timehead-way）來(lái)報(bào)警；在TTC不滿足計(jì)算要求時(shí)，按照安全距離來(lái)報(bào)警；在TTC滿足觸發(fā)制動(dòng)要求時(shí)，按照制動(dòng)距離公式觸發(fā)制動(dòng)力。

TTC是根據(jù)本車與障礙物的相對(duì)距離、相對(duì)速度等信息，計(jì)算出與障礙物即將發(fā)生碰撞的時(shí)間，按照實(shí)時(shí)TTC 值，與TTC閥值進(jìn)行比較，從而施加相應(yīng)的碰撞預(yù)警與制動(dòng)，TTC碰撞時(shí)間模型更加符合司機(jī)的駕駛習(xí)慣，自動(dòng)緊急制動(dòng)系統(tǒng)相關(guān)標(biāo)準(zhǔn)也大多是依照碰撞時(shí)間制定[4]。

基于安全距離策略，則是根據(jù)兩車的實(shí)時(shí)速度，計(jì)算兩車的安全距離，通過(guò)比較判斷兩車的相對(duì)速度與安全距離值，觸發(fā)預(yù)警與制動(dòng)等級(jí)。常用的安全距離模型有Honda模型、Mazda模型、SeungwukMoon模型及Berkeley模型[5]。Mazda模型偏保守，報(bào)警時(shí)機(jī)較早；Honda模型比較激進(jìn)，報(bào)警時(shí)機(jī)晚；Berkeley模型與

SeungwukMoon模型相對(duì)其他安全距離模型比較適中。

2.1TTC碰撞時(shí)間模型

碰撞時(shí)間TTC為本車與目標(biāo)障礙物發(fā)生碰撞時(shí)所需的時(shí)間，具體計(jì)算公式如下：

式中， ?_Xc（t） 為相對(duì)距離， m;v_r（t） 為相對(duì)速度， m/s 。

TTC模型直觀反映了碰撞發(fā)生的緊急程度，但是因?yàn)闆](méi)有考慮本車與前車加減速趨勢(shì)，不能完全真實(shí)反映碰撞時(shí)間，因此推導(dǎo)增強(qiáng)型碰撞時(shí)間模型ETTC（enhancedtimetocollision），充分考慮本車與前方障礙物的縱向加速度，具體計(jì)算公式如下所示：

在 （v_?TV-v_?SV）²-2（a_?TV-a_?SV）x_cgt;0 時(shí)，計(jì)算方法如下：

式中， a_TV 為目標(biāo)車輛的加速度， m/s²;a_sV 為自車的加速度， m/s² 。

2.2安全距離模型

因?yàn)榕鲎矔r(shí)間模型僅存在碰撞風(fēng)險(xiǎn)時(shí)才會(huì)有具體值，模型過(guò)于理想化，在實(shí)際應(yīng)用中存在很大的應(yīng)用風(fēng)險(xiǎn)，所以需結(jié)合安全距離模型進(jìn)行補(bǔ)充使用。針對(duì)上面提到的4種安全距離模型，結(jié)合智軌電車運(yùn)營(yíng)特性，采用較保守的Mazda模型作為碰撞時(shí)間模型的補(bǔ)充，具體公式如下：

式中， σ_v 為自車速度； v_rel 為相對(duì)速度； a₁ 為自車最大減速度； a₂ 為前車最大減速度； t₁ 為駕駛員反應(yīng)延遲時(shí)間； t₂ 為制動(dòng)器延遲時(shí)間； d₀ 為最小停車距離。

3智軌電車AEB控制平臺(tái)設(shè)計(jì)

3.1感知傳感器方案設(shè)計(jì)

目前主流的傳感布置方案主要包括毫米波雷達(dá)、單/雙攝像頭、激光雷達(dá)、超聲波雷達(dá)等，結(jié)合智軌電車城市公共道路交通運(yùn)行場(chǎng)景（面向智軌混合的路權(quán)條件下）及AEB控制需求，智軌電車采用以激光雷達(dá)為主、攝像頭及毫米波雷達(dá)為輔的傳感器布置方案，在車頂布置一個(gè)高線束激光雷達(dá)，同時(shí)在車前方布置一個(gè)視角攝像頭和一個(gè)毫米波雷達(dá)，實(shí)現(xiàn)車輛運(yùn)行前方障礙物檢測(cè)、識(shí)別與跟蹤功能。

激光雷達(dá)、攝像頭等傳感器完成障礙物識(shí)別后，按照特征級(jí)后融合的方式進(jìn)行多傳感器感知融合；通過(guò)空間標(biāo)定、時(shí)間同步實(shí)現(xiàn)激光雷達(dá)、攝像頭、毫米波雷達(dá)時(shí)空同步[6]。采用深度學(xué)習(xí)算法進(jìn)行障礙物檢測(cè)，采用傳統(tǒng)算法進(jìn)行障礙物跟蹤與融合，基于航跡信息進(jìn)行多目標(biāo)跟蹤[7]，實(shí)現(xiàn)多傳感器融合的障礙物檢測(cè)功能。圖1為感知方案示意圖。

3.2AEB控制方案

AEB控制方案主要包括前端的智軌電車需檢測(cè)目標(biāo)物及環(huán)境，中間的車載感知及決策執(zhí)行系統(tǒng)，以及后端的人機(jī)交互部分。AEB控制系統(tǒng)的環(huán)境感知單元對(duì)車輛前方的障礙物進(jìn)行檢測(cè)，并將檢測(cè)結(jié)果輸出給列車縱向安全防護(hù)與控制單元，經(jīng)列車縱向安全防護(hù)與控制單元計(jì)算，輸出AEB目標(biāo)減速度給牽引制動(dòng)系統(tǒng)執(zhí)行，自動(dòng)控制車輛剎車，列車縱向安全防護(hù)與控制單元同時(shí)輸出系統(tǒng)狀態(tài)與報(bào)警信息，與司機(jī)進(jìn)行人機(jī)交互[8]。圖2給出了AEB控制框圖。

3.3AEB算法試驗(yàn)驗(yàn)證

為了測(cè)試智軌電車AEB控制算法的實(shí)際裝車效果，本文采用假車障礙物對(duì)AEB算法進(jìn)行試驗(yàn)驗(yàn)證。測(cè)試用假車放置在智軌電車前方，智軌電車加速到固定速度后，AEB系統(tǒng)自動(dòng)施加制動(dòng)，進(jìn)行算法測(cè)試。

在前方障礙物靜止的情況下，分別進(jìn)行 70km/h /40km/h，15km/h 三種車速下的測(cè)試實(shí)驗(yàn)，并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析。測(cè)試結(jié)果如圖3＼～圖5所示。

測(cè)試結(jié)果匯總?cè)绫?所示。

3.4結(jié)果分析

通過(guò)制動(dòng)結(jié)束時(shí)本車與障礙物的距離來(lái)衡量AEB避障效果，如果最后距離值大于0，說(shuō)明成功避障。如果最后距離值大于 3m ，說(shuō)明制動(dòng)觸發(fā)時(shí)間過(guò)早；如果最后距離值小于 3m ，說(shuō)明制動(dòng)觸發(fā)時(shí)機(jī)過(guò)晚，太過(guò)激進(jìn)。

根據(jù)上文的測(cè)試結(jié)果，可以看出車速在 40km/h 及15km/h 時(shí)，車輛停止時(shí)與前車距離 3m ，距離合適；本車速度在 70km/h 時(shí)，與目標(biāo)障礙物發(fā)生碰撞。高速工況下，無(wú)法避免與前方障礙物發(fā)生碰撞，主要是考慮到智軌電車車輛制動(dòng)特殊性，智軌電車制動(dòng)力相較乘用車制動(dòng)力小，同時(shí)考慮到車輛運(yùn)營(yíng)工況，車輛大部分乘客處于站立狀態(tài)，避免因大制動(dòng)沖擊導(dǎo)致乘客摔倒事故。因此在高速工況下要對(duì)車輛制動(dòng)力大小及制動(dòng)沖擊進(jìn)行限制，共同實(shí)現(xiàn)減緩碰撞的效果。

4結(jié)語(yǔ)

本文研究了一種針對(duì)智軌電車特性的AEB控制方案，設(shè)計(jì)基于碰撞時(shí)間的TTC和基于安全距離兩種算法的融合控制方法，并結(jié)合多傳感融器合障礙物檢測(cè)，實(shí)現(xiàn)了智軌電車列車縱向安全防護(hù)與控制功能。試驗(yàn)結(jié)果表明，此AEB控制策略在車輛低速時(shí)能避免碰撞，高速時(shí)能減緩碰撞，可有效降低碰撞風(fēng)險(xiǎn)。

參考文獻(xiàn)：

[1]馮江華，肖磊，胡云卿.智能軌道快運(yùn)系統(tǒng)[J].控制與信息技術(shù)，2020（1）：1-12.

[2]胡遠(yuǎn)志，呂章潔，劉西.基于PreScan的AEB系統(tǒng)縱向避撞算法及仿真驗(yàn)證[J].汽車安全與節(jié)能學(xué)報(bào)，2017（2）：136-142.

[3]周文帥，李妍，王潤(rùn)民，等.自動(dòng)緊急制動(dòng)系統(tǒng)（AEB）測(cè)試評(píng)價(jià)方法研究進(jìn)展綜述[J].汽車實(shí)用技術(shù)，2020（18）：34-40+49

[4]沈亮屹，奚瑞軒，孔令名，等.面向車輛后方緊急制動(dòng)系統(tǒng)的測(cè)試及評(píng)價(jià)技術(shù)研究[J].專用汽車，2024（11）：74-77.

[5]于廣鵬，譚德榮，田厚杰，等.基于縱向避撞時(shí)間的預(yù)警/制動(dòng)算法[J].河南科技大學(xué)學(xué)報(bào)，自然科學(xué)版，2015（2）：30-34

[6]唐亮，沈夢(mèng)玉，肖磊.智軌電車縱向智能控制算法研究與應(yīng)用[J].控制與信息技術(shù)，2023（1）：11-18.

[7]潘文波，袁希文，林軍，等.智軌電車多傳感融合檢測(cè)與跟蹤研究[J].機(jī)車電傳動(dòng)，2022（4）：157-165

[8]馮江華，胡云卿，肖磊，等.智軌電車智能駕駛技術(shù)展望[J].控制與信息技術(shù)，2020（1）：113-120.

作者簡(jiǎn)介：沈夢(mèng)玉，女，1993年生，工程師，研究方向?yàn)檐壍澜煌ㄜ囕v控制。