適用于彎道的側(cè)后方駕駛輔助系統(tǒng)預(yù)警策略

杜亞坤，高繼東，宋 攀，高博麟

（1.河北工業(yè)大學(xué)機(jī)械工程學(xué)院，天津300130；2.中國汽車技術(shù)研究中心有限公司 汽車工程研究院，天津300300）

1 引言

在交通事故中，由汽車側(cè)后方盲區(qū)造成的意外事故約占25%［1］，大多數(shù)駕駛員因沒有察覺碰撞危險(xiǎn)而并未采取避撞措施［2］。此外，駕駛員在駕駛過程中需要操縱油門踏板、制動踏板、轉(zhuǎn)向燈和方向盤，沒有足夠的精力關(guān)注車輛側(cè)后方的盲區(qū)內(nèi)的車況［3］。研究一種針對汽車側(cè)后方盲區(qū)的駕駛輔助系統(tǒng)，對降低類似交通事故發(fā)生率將發(fā)揮明顯的作用，是未來汽車安全領(lǐng)域的重點(diǎn)研究內(nèi)容。

目前，針對車輛側(cè)后方的主動安全系統(tǒng)主要包括盲區(qū)檢測系統(tǒng)（BSD）、換道輔助系統(tǒng)（LCAS）、后方橫向交通預(yù)警系統(tǒng)（RCTA）。現(xiàn)有的側(cè)后方輔助系統(tǒng)往往簡單地考慮單一固定盲區(qū)［4］，將此盲區(qū)設(shè)置為報(bào)警區(qū)域，或僅適用于直道工況［5，6］。然而，簡單的考慮為單一固定盲區(qū)無法適應(yīng)不同工況下危險(xiǎn)程度不同的特點(diǎn)，并且不能貼合行車過程中駕駛員的操作行為。忽略彎道工況將大大減小系統(tǒng)的適應(yīng)性，在彎道工況下易發(fā)生虛警、漏警的情況。因此，通過分析駕駛員的行為習(xí)慣實(shí)現(xiàn)了更加貼合駕駛員行為習(xí)慣的側(cè)后方分級預(yù)警策略。并針對彎道工況，開發(fā)了彎道車距識別算法，使分級預(yù)警策略適用于彎道工況。

2 分級預(yù)警策略

為了區(qū)分不同危險(xiǎn)程度的行車工況，采用分級預(yù)警策略。將駕駛員所處的交通環(huán)境按照危險(xiǎn)程度分為Ⅰ和Ⅱ兩個(gè)等級。等級Ⅰ表示危險(xiǎn)程度較低，采用基于燈光的提示性預(yù)警提醒駕駛員危險(xiǎn)的存在。等級Ⅱ表示危險(xiǎn)程度較大，此時(shí)系統(tǒng)采用燈光和聲音雙重警告提醒駕駛員碰撞將要發(fā)生。為了保證自車的安全性，使用縱向最小安全距離DMSS保證自車與目標(biāo)車不發(fā)生碰撞事故。將實(shí)際行車工況簡化為兩種駕駛場景：（1）自車無換道操作；（2）自車換道進(jìn)入目標(biāo)車所在車道。

自車駕駛員無換道行為時(shí)，自車與相鄰車道目標(biāo)車無碰撞趨勢。此時(shí)，令后方的預(yù)警區(qū)域?yàn)橐还潭▍^(qū)域，DMSS，Ⅰ=3m。若自車與目標(biāo)車沿車道距離s＞DMSS，Ⅰ，自車與目標(biāo)車之間無碰撞風(fēng)險(xiǎn)。若s＜=DMSS，Ⅰ，自車與目標(biāo)車之間存在較低碰撞風(fēng)險(xiǎn)，處于等級Ⅰ。

自車駕駛員有換道行為時(shí)，自車與相鄰車道目標(biāo)車存在碰撞趨勢，且危險(xiǎn)程度與自車及目標(biāo)車運(yùn)動狀態(tài)有關(guān)。目前，華南理工大學(xué)研究的安全距離模型［7］是一種典型的模型。該模型考慮了車輛形狀因素L、W和駕駛員特性，建立車輛形狀橢圓幾何模型，并考慮換道時(shí)速度和車道夾角θ與車輛間相對運(yùn)動關(guān)系建立了安全距離模型。最小安全距離DMSS為：

式中：Vsub-自車車速；Vobj-目標(biāo)車車速；L-車長；W-車寬；ta-換道加速時(shí)間；θ-換道時(shí)速度與車道夾角；Td-駕駛員系數(shù)。若，s≤DMSS，Ⅱ自車與目標(biāo)車之間存在較高碰撞風(fēng)險(xiǎn)，處于等級Ⅱ。

3 彎道車距識別算法

在彎道工況下，自車與目標(biāo)車的運(yùn)動狀態(tài)主要可分為三種情況：自車駛?cè)霃澋滥繕?biāo)車未駛?cè)霃澋?、自車與目標(biāo)車均駛?cè)霃澋馈⒆攒囻偝鰪澋滥繕?biāo)車未駛出彎道。彎道車距識別對彎道工況下側(cè)后方盲區(qū)預(yù)警及其他主動安全功能具有重要作用［8］。

3.1 車輛軌跡點(diǎn)計(jì)算

以自車后保險(xiǎn)杠中點(diǎn)為原點(diǎn)，沿自車行駛方向?yàn)閄軸正方向，垂直X軸向左為Y軸正方向建立車輛坐標(biāo)系，如圖1所示。

圖1 車輛坐標(biāo)系Fig.1 Coordinate System of Vehicle

自車行駛過程中，汽車做變速曲線運(yùn)動，軌跡為具有道路形狀趨勢的不規(guī)則曲線。在較小的時(shí)間步長內(nèi)，自車的運(yùn)動狀態(tài)可看作為勻加速直線行駛，每一段小軌跡可近似為一條線段，有：

將ΔOnOn-1Y近似為等腰三角形，可近似計(jì)算δn：

由圖2可得，車輛第n+1時(shí)刻的軌跡點(diǎn)在坐標(biāo)系OnXnYn的坐標(biāo)為：

式中：x（n+z，n）-車輛n+1時(shí)刻的軌跡點(diǎn)在坐標(biāo)系OnXnYn下的橫坐標(biāo)；y（n+z，n）-車輛n+1時(shí)刻的軌跡點(diǎn)在坐標(biāo)系OnXnYn下縱坐標(biāo)。通過式（2）、（3）、（4）可計(jì)算車輛任意時(shí)刻在前一時(shí)刻下的軌跡點(diǎn)坐標(biāo)。通過遞推可計(jì)算車輛第n+1時(shí)刻的軌跡點(diǎn)在初始坐標(biāo)系O1X1Y1的坐標(biāo)，有：

3.2 車輛軌跡計(jì)算

以軌跡點(diǎn)坐標(biāo)擬合得到的4次多項(xiàng)式I（x）近似代替車輛軌跡函數(shù)［9］，有：

3.3 沿車道方向相對距離確定

目標(biāo)車位置信息可通過自車車尾兩側(cè)的毫米波雷達(dá)獲得，相對距離為R、目標(biāo)車與波束中心線夾角為θ。與自車相距R的所有點(diǎn)組成一個(gè)圓，第n+1時(shí)刻該圓在初始坐標(biāo)系下方程為：

式（7）、（8）聯(lián)立得到點(diǎn)的坐標(biāo)（xi，yi）可近似視為自車相鄰車道的目標(biāo)車在初始坐標(biāo)系下的坐標(biāo)值。若不存在（x（j，1）≤xi≤x（j+1，1），1≤j≤n），則相對距離取為雷達(dá)探測距離；若存在，則沿車道方向自車與目標(biāo)車縱向距離s為：

3.4 車輛橫向距離確定

彎道工況下車輛相對位置關(guān)系，如圖2所示。自車與目標(biāo)車行駛方向的夾角為以O(shè)為圓心R為半徑圓的弦切角，夾角為0.5β。

圖2 彎道工況下車輛相對位置關(guān)系Fig.2 Relative Position Relationship of Vehicles Under Curved Road

彎道半徑可由自車車載傳感器測量得到的縱向車速VX，sub與橫擺角速度ωsub計(jì)算得到。自車與目標(biāo)車行駛方向的夾角為0.5β：

考慮到自車進(jìn)入彎道后，側(cè)后方目標(biāo)車未進(jìn)入彎道。因此自車與目標(biāo)車行駛方向的夾角為（0～0.5）β漸變的過程。假設(shè)夾角線性增加或減小，變化時(shí)間t可以表示為：

式中：LR-自車進(jìn)入彎道初始時(shí)刻與目標(biāo)車的距離。

以左后方目標(biāo)為例，目標(biāo)在自車?yán)走_(dá)坐標(biāo)系下相對位置，如圖3所示。

圖3 目標(biāo)在雷達(dá)坐標(biāo)系下相對位置Fig.3 Relative Position of the Object in the Coordinate System of Radar

圖中：坐標(biāo)系xoy-處于彎道工況時(shí)的坐標(biāo)系；坐標(biāo)系x1oy1-xoy逆時(shí)針旋轉(zhuǎn)0.5β得到；θ角在x軸右側(cè)為負(fù)。處于彎道工況時(shí)目標(biāo)車與自車沿垂直路徑方向的距離h為：

若0.5m＜h＜3m，目標(biāo)車未超過盲區(qū)的橫向范圍［10］。

4 仿真結(jié)果

4.1 沿車道方向相對距離仿真結(jié)果分析

針對彎道車距識別算法，仿真結(jié)果如下［11］：

（1）工況：自車以60km/h駛?cè)?00m直線行駛后進(jìn)入R=125m的彎道，隨后駛出彎道。

（2）工況：自車以60km/h駛?cè)?00m直線行駛后進(jìn)入R=60m的彎道，隨后駛出彎道。

由圖4可知，當(dāng)進(jìn)入半徑為125m彎道時(shí)，雷達(dá)直接探測距離與實(shí)際距離最大誤差為2.3m，最大誤差率為5.7%。算法計(jì)算距離與實(shí)際距離最大誤差為0.50m，最大誤差率為1.2%。

圖4 半徑125m彎道沿車道方向車輛相對距離對比Fig.4 Comparison of Relative Distance of Vehicles With Radius of 125m Along Lane Direction

由圖5可知，當(dāng)進(jìn)入半徑為60m彎道時(shí)，雷達(dá)直接探測距離與實(shí)際距離最大誤差為3.5m，最大誤差率為11.6%。算法計(jì)算距離與實(shí)際距離最大誤差為0.45m，最大誤差率為1.5%。

圖5 半徑60m彎道沿車道方向車輛相對距離對比Fig.5 Comparison of Relative Distance of Vehicles With Radius of 60m Along Lane Direction

對比兩種工況結(jié)果可知，直道工況下三者計(jì)算結(jié)果幾乎相同，但車輛進(jìn)入彎道，雷達(dá)直接探測距離與實(shí)際距離有較大偏差。并且，彎道半徑與探測結(jié)果的誤差直接相關(guān)，彎道半徑越小，雷達(dá)直接探測距離與實(shí)際距離的差距越為明顯。在兩種工況下，彎道車距識別算法計(jì)算距離均更為接近實(shí)際距離。

4.2 車輛橫向距離仿真結(jié)果分析

（1）工況：自車以60km/h駛?cè)?00m直線行駛后進(jìn)入R=125m彎道。目標(biāo)車位于自車同車道跟車行駛。

（2）工況：自車以60km/h駛?cè)?00m直線行駛后進(jìn)入R=125m彎道。目標(biāo)車位于自車相鄰車道側(cè)后方行駛。

由圖6所示，自車與目標(biāo)車在同一車道，直道工況下雷達(dá)直接探測距離和算法計(jì)算距離結(jié)果一致。當(dāng)自車進(jìn)入彎道時(shí)，由于彎道曲率的影響，雷達(dá)直接計(jì)算結(jié)果偏離實(shí)際值，導(dǎo)致虛警現(xiàn)象發(fā)生。算法計(jì)算距離與實(shí)際距離最大誤差為0.56m，橫向距離h＜0.5m，避免虛警現(xiàn)象發(fā)生。

圖6 車輛間橫向距離Fig.6 Horizontal Distance Between Vehicles

由圖7所示，自車與目標(biāo)車在相鄰車道，直道工況下雷達(dá)直接探測距離和算法計(jì)算距離結(jié)果一致。當(dāng)自車進(jìn)入彎道時(shí)，由于彎道曲率的影響，雷達(dá)直接計(jì)算結(jié)果偏離實(shí)際值，導(dǎo)致漏警現(xiàn)象發(fā)生。算法計(jì)算距離與實(shí)際距離最大誤差為0.45m，橫向距離滿足0.5m＜h＜3m避免漏警現(xiàn)象發(fā)生。

圖7 車輛間橫向距離Fig.7 Horizontal Distance Between Vehicles

4.3 分級預(yù)警策略仿真結(jié)果分析

（1）工況：自車以60km/h駛?cè)?00m直線行駛后進(jìn)入R=125m的彎道，駕駛員無換道意圖。目標(biāo)車位于同車道跟隨自車行駛。

（2）工況：自車以60km/h駛?cè)?00m直線行駛后進(jìn)入R=125m的彎道，駕駛員無換道意圖。目標(biāo)車位于相鄰車道在彎道以80km/h超越自車。

圖9 危險(xiǎn)等級Fig.9 Levels of Danger

（c）工況：自車以60km/h駛?cè)?00m直線行駛后進(jìn)入

R=125m的彎道，駕駛員類型為保守型Td=0.1且有換道意圖。目標(biāo)車位于相鄰車道在彎道以80km/h超越自車。

圖10 危險(xiǎn)等級Fig.10 Levels of Danger

由圖8、9、10可知，基于彎道車距識別算法的分級預(yù)警策略可在彎道工況正確篩選危險(xiǎn)目標(biāo)物并適時(shí)預(yù)警。

圖8 危險(xiǎn)等級Fig.8 Levels of Danger

5 結(jié)論

（1）通過所建立的彎道車距識別算法計(jì)算自車軌跡點(diǎn)，并結(jié)合雷達(dá)獲得的目標(biāo)車位置參數(shù)計(jì)算出沿車道方向自車與目標(biāo)車的相對距離，半徑125m彎道工況誤差率不超過1.2%，半徑60m彎道工況差率不超過1.5%，降低了彎道工況下雷達(dá)直接探測所導(dǎo)致的誤差，具有良好的精度。半徑125m彎道工況計(jì)算得到的同車道車輛間橫向距離最大誤差為0.56m，相鄰車道橫向距離最大誤差為0.45m。實(shí)現(xiàn)彎道工況下自車道與旁車道有效目標(biāo)篩選。

（2）基于現(xiàn)有安全距離模型建立了分級預(yù)警的側(cè)后方駕駛輔助系統(tǒng)預(yù)警策略，根據(jù)駕駛員是否有換道需求對危險(xiǎn)等級進(jìn)行分類，更加貼合駕駛員的實(shí)際駕駛操作習(xí)慣。

（3）基于彎道車距識別算法，使得側(cè)后方駕駛輔助系統(tǒng)適用于彎道工況，提高了策略的適用性。