基于模糊規則的彎道安全車速研究*

李俊凱，杜峰，關志偉，趙洪林

?

基于模糊規則的彎道安全車速研究*

李俊凱，杜峰，關志偉，趙洪林

（天津職業技術師范大學汽車與交通學院，天津 300222）

彎道是道路交通事故的多發場所，而彎道路段的車輛安全車速受多種因素影響。為綜合考慮影響車輛安全行駛的駕駛員、車輛、道路環境等因素，基于模糊規則推導出彎道安全車速的安全系數，同時基于車輛動力學計算車輛在彎道行駛時的臨界安全車速，將兩者結合保證車輛安全行駛。Simulink和Carsim聯合仿真實驗結果表明：該方法可以有效保證車輛在彎道的安全行駛。

模糊規則；安全車速；理論分析；仿真對比

前言

彎道是道路交通事故的多發地段，因其發生概率大、事故較為嚴重而受到國內外學者及研究機構的關注。相關統計資料表明[1]，在2013年發生的死亡人數在10人以上的交通事故中，彎道路段的事故數量占總數的37.5%，因彎道事故導致的死亡人數占總死亡人數的42.8%。而導致彎道交通事故的主要原因是車速過快引起的側滑或側翻[2]。

本文基于車輛動力學理論分析得出車輛的安全車速，并結合模糊規則綜合考慮與安全車速相關的駕駛員、車輛狀態、道路交通環境等因素，基于這些因素得出彎道車輛車速的安全系數，建立彎道安全車速模型。隨后利用Simlink與Carsim聯合仿真驗證了模型的準確性。

1 基于車輛動力學的安全車速

在建立車輛在彎道上的運動學模型的過程中，為模擬實車運行環境，提高在彎道路段車輛安全車速的預測精度，建立考慮懸架的車輛模型[3]，同時考慮彎道道路超高的影響。建立如圖1所示的車輛在彎道時的受力模型。

圖中：F和F分別代表側傾中心處的側傾有效載荷和垂直有效載荷，F1及F2分別為車輛左側及右側的輪胎的有效垂直載荷；為側傾角，θ為橫坡角，θ為鉛垂線與質心和側傾中心連線的夾角；O為側傾中心的高度，C為簧載質量的質心高度，為質心與側傾中心的相對高度；為輪距，為簧載質量；a為車輛再彎道上的側向加速度；K為側傾剛度。

圖1 車輛彎道受力模型

車輛在彎道上行駛時，Y軸方向上力的平衡方程式為：

Z軸方向上力的平衡方程式為：

車輛前進的方向為X軸，繞X軸的力矩平衡方程式為：

1.1 側翻工況下的安全車速

當車輛繞外側輪胎接地點側傾時：

當車輛的內側輪胎離地，即車輛即將發生側翻時，則內側輪胎的垂直有效載荷將為0。結合彎道上的最大加速度與速度及彎道半徑的關系可得車輛在彎道上的臨界側翻車速[4]為：

式中R為彎道半徑。

1.2 側滑工況下的安全車速

當車輛通過彎道的速度逐漸增加時，其離心慣性力將會迅速增加，當離心力大于輪胎與路面間的橫向最大附著力F時，車輛將會側滑[4]。可求出側滑臨界車速為：

式中φ是橫向附著系數

1.3 彎道路段的安全車速

式（19）與式（23）分別為側翻和側滑兩種危險狀況的臨界安全車速，則車輛在彎道上的臨界安全車速應為二者中的最小值[4]，即：

2 基于模糊規則的安全系數

影響彎道安全車速的因素除了道路交通環境外，還包括駕駛員的狀態以及車輛本身的狀態，而且這三種因素對彎道安全車速的影響占著不同的比重。若只考慮道路交通環境而忽略了其他因素的影響，將有可能出現交通事故，導致人員傷亡。

本文綜合考慮駕駛員狀態、車輛狀態以及道路交通環境對安全車速的影響，并將這三種因素命名為大因素，查閱文獻可得[4]出三種大的因素在影響安全車速所占的不同比重，而每一種大的因素下又可分為不同的小的影響因素，其關系如表1所示。

表1 不同大因素所占比重

每一種小因素對于相應大因素的安全系數的影響都是難以進行定量的描述，所以將采用模糊推理的方法確定每一個大因素的安全系數，隨后將每一個大因素經模糊推理所推出的安全系數乘以相應的權重，三者的和即為綜合考慮三種因素的安全系數。

2.1 模糊推理的輸入

2.1.1考慮駕駛員狀態的模糊推理的輸入

考慮駕駛員狀態的安全系數的輸入為駕駛水平和精神狀態。駕駛水平的論域為[0，10]，分別為駕駛水平差A1，駕駛水平中A2，駕駛水平好a3，其對應的隸屬度函數如圖2所示；精神狀態的論域為[0,10]，分別為精神狀態差B1，精神狀態中B2，精神狀態好B3，其對應的隸屬度函數如圖3所示。

2.1.2考慮車輛狀態的模糊推理的輸入

考慮車輛狀態的安全系數的輸入為輪胎類型和安全裝置。安全裝置的論域為[0，1]，分別為安全裝置有一或兩項C1，安全裝置有兩或三項C2，安全裝置有三或四項C3，其對應的隸屬度函數如圖4所示；輪胎類型的論域為[0，1]，分別為斜交輪胎D1，有內胎子午線輪胎D2，無內胎子午線輪胎D3，其對應的隸屬度函數如圖5所示。

2.1.3考慮環境因素的模糊推理的輸入

考慮環境的安全系數的輸入為附著系數、彎道半徑和天氣[5]。附著系數的論域為[0.3，1]分別為附著系數低E1，附著系數中E2，附著系數高E3，其對應的隸屬度函數如圖6所示；彎道半徑的論域為[0，1]，分別為半徑小于65mF1，半徑大于65m但小于400m為F2，半徑大于400m但小于1000m為F3，其對應的隸屬度函數如圖7所示；天氣的論域為[0，1]，天氣綜合評價極端為G1，天氣綜合評價較壞為G2，天氣綜合評價較好為G3，其對應的隸屬度函數如圖8所示。

圖2 駕駛水平輸入

圖3 精神狀態輸入

圖4 安全裝置輸入

圖5 輪胎類型輸入

圖6 附著系數輸入

圖7 半徑輸入

圖8 天氣輸入

2.2 模糊推理的輸出

2.2.1駕駛員狀態的模糊推理的輸出

由駕駛水平和精神狀態這兩種小因素可以確定在駕駛員狀態這種大因素下的安全系數，安全系數的范圍在[0.6，1]內，分為三個范圍，分別為低AD1，中AD2，高AD3，其隸屬度函數如圖9所示。

圖9 駕駛員狀態輸出

圖10 車輛狀態輸出

2.2.2 車輛狀態下的模糊推理的輸出

由安全裝置和輪胎類型這兩種小因素可以確定在車輛狀態這種大因素下的安全系數，安全系數的范圍在[0.8，1]內，分為三個范圍，分別為低AD1，中AD2，高AD3，其隸屬度函數如圖10所示。

2.2.3環境因素的模糊推理的輸出

由附著系數、彎道半徑和天氣這三種小因素可以確定在環境這種大因素下的安全系數，安全系數的范圍在[0.5，1]內，分為五個范圍，分別為較低AD1，低AD2，中AD3，高AD4，較高AD5。其隸屬度函數如圖11所示。

2.3 模糊規則

2.3.1駕駛員狀態的模糊規則

駕駛員規則這一大因素采用2輸入1輸出的模型，兩變量之間采用and的連接方式，輸入和輸出的模糊規則的三維關系圖如圖12所示。

2.3.2車輛狀態的模糊規則

車輛狀態這一大因素下的安全系數采用2輸入1輸出的模型，兩變量之間采用and的連接方式，輸入和輸出的模糊規則的三維關系圖如圖13所示。

2.3.3環境因素下的模糊規則

環境狀態這一大因素下的安全系數采用3輸入1輸出的模型，三變量之間采用and的連接方式，輸入和輸出的模糊規則的三維關系圖如圖14、15、16所示。

圖11 環境因素的輸出

圖12 駕駛員狀態下的模糊規則

圖13 車輛狀態下的模糊規則

圖14 半徑和天氣的模糊規則

圖15 附著系數和半徑的模糊規則

圖16 附著系數和天氣的模糊規則

3 仿真驗證

經由以上的討論可得出車輛在彎道路段的理論行駛安全車速，同時利用Matlab軟件的Fuzzy工具箱進行模糊推理得出車輛在彎道路段行駛的安全車速的安全系數。為對以上的分析結果進行驗證，對上述模型在Simulink中進行建模，并與Carsim進行聯合仿真，通過查看車輛在不同的車速通過彎道時的行駛軌跡、行駛速度、以及左右車輪的垂直載荷來驗證模型的正確性。

3.1 聯合仿真模型的建立

3.1.1 Simulink模型的建立

（1）側翻的臨界安全車速的Simulink模型搭建如圖17所示。

圖17 側翻臨界車速模型

（2）側滑的臨界安全車速的Simulink搭建如圖18所示。

圖18 側滑臨界車速模型

（3）安全車速為側滑和側翻兩種狀態下所求出的車速的最小值，其Simulink模型搭建如圖19所示。

圖19 安全車速模型

（4）將模糊規則與安全車速進行聯合搭建的模型如圖20所示。

（5）由于仿真軟件的局限性，在考慮駕駛員、車輛狀態、道路交通環境等因素，確定工況后，將模糊推理的輸入確定為常量。

3.1.2 Carsim仿真環境配置

為驗證基于模糊規則所推導出的安全系數的正確性，本文選取某大型SUV作為車輛模型，利用Carsim建立車輛模型以及道路模型，其車輛參數如表2所示；通過Carsim構建由1條50m的直道、1條200m的直道及1條半徑為60m的彎道構建的路面，如圖21所示。道路參數如表3所示。駕駛員模型選擇Carsim內部的駕駛員模型，以此工況作為驗證對象進行仿真模擬實驗。

圖20 結合安全系數的車速模型

表2 車輛參數

表3 道路參數

圖21 路面幾何模型

圖22 聯合仿真模型

3.1.3聯合仿真模型

將Simulink與Carsim聯合起來構建聯合仿真模型，如圖22所示。

3.2 Simulink與Carsim的聯合仿真實驗結果

在設置的彎道上，經公式計算出來的安全車速為83Km/ h，將這個車速不經安全系數導入Carsim進行仿真，仿真結果如圖23所示，將經公式計算出的仿真結果與安全系數進行聯合所得的車速即70 Km/h導入Carsim進行仿真，仿真結果如圖24所示。

圖23 (a) 83Km/h下的車輛行駛軌跡

圖23 (b) 83km/h下的左右車輪載荷

圖24 (a) 70Km/h下的車輛行駛軌跡

圖24(b) 70km/h下的左右車輪載荷

（1）對比圖23（a）與圖24（a）可發現，當車輛以基于傳統車輛動力學所得的車速通過特定彎道時，將會發生側滑進而危害行車安全，而當車輛以經過安全系數所得的車速通過相應彎道時，車輛按照目標行駛軌跡運行，無危險狀況的發生。

（2）對比圖23（b）與圖24（b）可見當車輛以經安全系數所得的車速通過彎道時，左右車輪載荷波動較小，舒適性較好。

相較于傳統的基于車輛動力學所推導得出的彎道安全車速來說，本文基于基于模糊規則，綜合考慮駕駛員、車輛狀態、道路交通環境等因素所構建的安全車速模型相較于傳統的基于車輛動力學的模型更符合實際道路情況，有效的避免了危險狀態。

4 結論

（1）基于模糊規則，綜合考慮駕駛員、車輛狀態、道路交通環境等因素，推導出基于模糊規則的彎道車輛安全車速模型，并利用Carsim和Simulink構建仿真模型。

（2）通過仿真實驗表明，該模型可以有效降低車輛出現側滑和側翻等不安全狀況的出現概率，提高車輛在彎道行駛的安全性。

例如，教師可以“生態系統的穩態及其調節”以及“血糖的平衡及調節”為例，引導學生分析得出生命系統的穩態與平衡的維持依賴于負反饋調節機制的結論。而后，讓學生嘗試用這一機制來解釋分子水平上、細胞水平上及種群水平上生命系統是如何實現穩態平衡的，有效實現學生能從生命觀念的角度分析具體的生物學現象的培養目標。如學生用穩態與平衡觀，解釋人體的患病是由于人體系統與周圍環境系統失衡的結果，解釋糖尿病患者的“三多一少”癥狀，分析當細胞內ADP含量升高時細胞呼吸的變化等。

參考文獻

[1] 交通運輸部公路科學研究院.2014年中國道路交通安全藍皮書[M].人民交通出版社股份有限公司,2015.

[2]唐歌騰,任春曉,李臣.基于Trucksim的不同彎道半徑安全車速確定方法[J].公路交通科技, 2016,33(6).

[3] 余貴珍,李芹,王云鵬,et al.車輛彎道行駛側傾穩定性分析與側翻預警研究[J]. 北京工業大學學報, 2014,40(4).

[4] 趙樹恩,屈賢,張金龍.基于人車路協同的車輛彎道安全車速預測[J].汽車工程,2015,37(10):1208-1214.

[5] 張洪加.基于車路協同的彎道車速預警系統研[D].2017.

A research about the safe speed in curved road based on fuzzy rules*

Li Junkai, Du Feng, Guan Zhiwei, Zhao Honglin

（Tianjin University of Technology and Education, school of automobile and transportation, Tianjin 300222）

Abstract:Curved road is the place where road traffic accidents occur frequently, and the safety speed of vehicles in curved road section is affected by many factors. In order to comprehensively consider the drivers, vehicles, road environment and other factors affecting the safety of vehicles, Based on the fuzzy rules, the safety coefficient of the safe speed on the curve is deduced, At the same time, the critical speed of the vehicle is calculated based on vehicle dynamics, and the combination of the two factors ensure the safety of the vehicle. Simulation results of Simulink and Carsim show that: This method can effectively ensure the safety of vehicles in curved road.

Keywords: Fuzzy rules; Safe speed; theoretical analysis; Simulation comparison

中圖分類號：U461.91

文獻標識碼：A

文章編號：1671-7988(2019)08-151-05

CLC NO.: U461.91

Document Code: A

Article ID: 1671-7988(2019)08-151-05

作者簡介：李俊凱（1995-），天津職業技術師范大學汽車與交通學院研究生，研究方向為智能車輛控制。

*基金項目：天津市自然科學基金（重點項目）：基于主動控制的大型車輛高速穩定性提升策略研究，編號：16JCZDJC38200。天津市科技計劃項目（課題）；課題編號：17ZXRGGX00070。

10.16638/j.cnki.1671-7988.2019.08.047