融合多源監測信息的重載車輛安全性評估方法

李改靈，趙祥君，于坤炎，黃 韜

(陸軍軍事交通學院，天津300161)

1 引言

由于超長、超寬、超高、超重、操控復雜，重載車輛發生事故的概率比常規車輛更大，且事故更不可控。為了提高重載車輛行駛安全性，國內外學者建立了各種定性與定量安全性評估模型。例如，陳之強建立了考慮道路工況、坡度和彎道半徑等因素的加速度干擾評估模型，進而根據加速度干擾值對重載車輛安全狀態進行準確評估[2]。徐進通過引入加速度相關參數表征重載車輛性能、載荷、駕駛員等因素的差異，建立復雜公路條件下重型車輛的車速預測問題[3]。朱天軍結合卡爾曼濾波技術建立重型車輛側翻預測模型，實現對車輛安全狀態的實時評估和預測[4]。以上方法所建立的評估預測模型需要對車輛的諸多參數進行適當簡化，降低了評估模型的準確性，且建模機理復雜、計算量大。因此建立需要建立一種能充分融合多源監測數據、建模機理清晰且具有可解釋性、具有高精度和高效率的安全性評估模型。

Trucksim軟件具有非常友好的圖形用戶界面，擁有強大的模型數據庫，仿真速度快、模型精度高，在車輛仿真領域應用廣泛[4]。置信規則庫(BRB)是Yang等人根據IF-THEN規則庫、D-S證據理論等建立起來的一種基于半定量信息的評估方法，能夠充分融合定量數據和定性專家知識，對各種不完備信息和模糊信息進行有效處理，已經在故障檢測、安全性評估、武器裝備評估等方法得到廣泛應用[5，6]。本文應用Trucksim軟件模擬重載車輛彎道行駛的各種危險場景，研究車輛特性、道路條件、環境因素組合條件下的車輛運行試驗。在此基礎上，以BRB為工具，建立考慮人-車-環一體的重載車輛彎道行駛安全性評估模型。最后，通過實例分析車輛運行速度、路況、車輛參數等諸多因素對重載車輛安全狀態的影響。

2 重載車輛安全性評估問題描述

2.1 假設條件

據統計，我國70%以上的重特大交通事故發生在彎道、陡坡等不良路段[1]。在新西蘭的一項重載車輛性能研究中，66%的重載車輛事故發生在轉彎過程中。研究表明，過高的車速是造成重載車輛拐彎時發生事故的主要原因[7]。鑒于此，本文重點研究車輛彎道行駛場景中，不同狀態參數下的重載車輛安全狀態評估。

假定車輛在行駛過程中，車輛的質心高度、道路摩擦系數、速度等保持恒定。考慮到車輛在拐彎時發生的主要危險場景為側滑和側翻，車輛在彎道行駛過程中既不發生側滑又不發生側翻的最高車速定義為車輛彎道行駛的安全車速[8，9]

vz=min(Vs，VR)

(1)

式中，Vs為車輛不發生側翻時的最大車速，即車輛的橫向載荷轉移率(LTR)為0.9時對應的車速；VR為車輛不發生側滑時的最大車速，即車輛的側向加速度為0.4g時對應的車速[10]。

2.2 研究問題描述

重載車輛安全性評估首先需要確定安全性標準，即滿足何種狀態的車輛是安全的；其次研究各影響因子與車輛安全狀態間的對應關系，即研究各因素是如何影響車輛狀態的。基于此，重載車輛安全性評估模型包括重載車輛安全速度預測和車輛安全狀態估計模型兩個部分。本文需要解決的問題主要包括：

1)重載車輛彎道行駛臨界車速的確定

2)重載車輛狀態估計模型

本文從人-車-環等不同因素組合下的行駛場景出發，建立一個科學、合理的安全車速預測模型，進而及時預測出車輛的安全狀態，即建立如下評估模型

S=Γ(R，H，H，φ，?)

(2)

式中，S為車輛的安全狀態，R為彎道半徑，B為輪距，H為質心高度，φ為路面摩擦系數，Γ為非線性安全狀態預測函數，?為評估模型的參數。

3 融合多源監測信息的重載車輛安全性評估模型

3.1 Trucksim仿真設置

Trucksim軟件可動態模擬包括輕型貨車、重型半掛車、重型卡車、多軸軍用汽車等諸多車輛的動態特性。Trucksim可方便地搭建多種車輛模型，靈活設置各種仿真工況；輸出各種工況下包括車輛速度、加速度、受力等上百組仿真曲線[11，12]。本文選用Trucksim模型數據庫中自有模型“3A Cab Over w/3A Euro Trailer(6×4牽引車+3軸掛車)”作為實驗車型。仿真過程中，參考國家相關標準，設置不同的道路半徑、路面摩擦系數、車輛質心高等參數，搭建了車輛行駛中各種危險場景。圖1所示為實驗車型彎道行駛場景及仿真參數的設置。彎道半徑分別為：40m、60m、80m、100m、150m、200m、250m、300m、350m、400m、450m、500m；路面摩擦系數為：0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9；輪距初步設定為2m，質心高為：1.2m、1.4m、1.6m、1.8m、2.0m、2.2m。試驗過程中，車輛不發生側滑或側翻的最大車速為車輛在該危險場景下的臨界安全車速。實驗中設定，當車輛不發生側滑(橫側加速度小于0.4g)且載荷轉移率小于0.9時(兩側車輪受力之差與兩側車輪受力之和比值的絕對值小于0.9，即|(∑F左-∑F右)/(∑F左-∑F右)|≤0.9時)，則認為車輛是安全的。

圖1 車輛彎道行駛及仿真參數設置

3.2 置信規則庫專家系統

重載車輛安全性評估中涉及的因素眾多，各因素之間存在著復雜的非線性和不確定性關系。為了準確表達重載車輛安全性評估中隱含的復雜邏輯關系，本文采用BRB專家系統對車輛的狀態參數信息進行有效融合，以給出有重要參考價值的評估結論。具體步驟為：首先，根據定量數據和專家知識建立BRB專家系統；其次，根據輸入與規則中前提屬性的匹配度，計算各規則的激活權重；最后，通過證據推理(ER)方法對各規則進行整合，得出重載車輛安全性評估的置信分布結果。

1)置信規則庫

BRB中的規則帶有一定的置信度，其具體形式為[13，14]

Then {(D1，β1，k)，…，(DS，βS，k)}

With rule weightθk， attribute weightδ1，…，δm

(3)

2)規則激活

輸入給定后，需要將輸入值與各規則中對應的參考值進行匹配，激活相對應的規則并計算出各激活規則的權重。第k條規則的激活權重計算公式為

(4)

式中，αk表示輸入x與第k條規則中相關參考值的匹配程度。當存在αk=0，則有ωk=0，第k條規則沒有被激活。

3)證據推理

為了得到一個統一的結果，需要采用ER方法對激活規則進行整合，計算公式為[5，6]

式中，βj為相對于結果Ds的置信度。

評估結果用數值表示為

(6)

3.3 置信規則庫參數的優化

基于專家知識建立的初始置信規則庫，由于專家知識的有限性和主觀性，通常精確度不高。實踐證明，置信規則庫中相關參數(βs，k，θk)的準確性很多程度決定了評估模型的準確度。本文采用中心差異演化算法對模型中的參數進行訓練優化，其具體步驟為[15]

1)將待優化的所有變量作為單個種群Xi(g)，單個變量xij∈{θ1，…，θL，β1，1，…，βN，L}，其中g∈[1，G]為進化代數，i∈[1，NP]為種群數目。

3)計算優化目標函數

minf(X)=abs(stimulate(S)-actual(Sreal))/T

4)變異操作

隨機選擇三個不同種群Xp1、Xp2、Xp3，對相應的變量進行線性組合變異操作

式中F∈[0，1]為常數。

5)交叉操作

定義交叉率CR為某個小于1的常數，通過與某個隨機數進行比較，進行如下交叉操作

ηg+1=Ωg+1ifrand(0，1)≤CR

ηg+1=Xgifrand(0，1)>CR

6)選擇操作

計算各變量的目標函數值，選擇最優結果最后下一代種群。

7)更新代數

g=g+1重復步驟2)～6)直至達到期望的精度或設定的代數。

3.4 基于Trucksim和置信規則庫的重載車輛安全性評估模型

圖2所示為基于Trucksim和置信規則庫的重載車輛安全性評估模型流程圖。模型包括兩個部分：首先利用Trucksim軟件模擬重載車輛在各種危險場景下的行駛狀態，進而根據車輛狀態參數確定出各場景下的臨界安全車速；其次利用置信規則庫專家系統建立基于道路、車輛等因素在內的重載車輛安全狀態評估模型，對車輛的安全狀態進行實時評估。

圖2 融合多源監測信息的重載車輛安全性評估模型流程圖

4 模型實例驗證

4.1 各種危險場景下臨界安全車速的確定

本文中車輛的臨界安全狀態以載荷轉移率和橫向加速度的變化情況來確定。某場景下汽車以不同的速度行駛，其橫向加速度和載荷轉移率分別如圖3和圖4所示。從圖中可以看出，車速為69km/h時車輪的橫向加速度大于0.5g且最大橫向載荷轉移率大于0.9，車輛出現了側滑和側翻；車速為68km/h時，最大橫向加速度小于0.4g，最大橫向載荷轉移率為0.9，車輛處于臨界安全狀態，因此確定該場景下的臨界安全車速為68km/h。

圖3 各車速下的橫向加速度

圖4 各車速下的載荷轉移率

基于此方法，得出了Trucksim仿真環境中各個場景的臨界安全車速，結果如表1所示。

表1 不同場景下的臨界安全車速(部分)

4.2 重載車輛安全臨界車速置信規則庫

采用Trucksim軟件模擬得出多種場景下的臨界安全車速，但是此方法需要反復調整各種不同參數，計算各場景下的橫向加速度和橫向載荷轉移率，確定出相應的臨界安全車速，工作量非常大且不能概括實際中可能遇到的所有場景。因此，本文在Trucksim軟件仿真分析的基礎上，建立基于BRB的重載車輛安全性評估專家系統。表2-表5為各屬性的參考值定義，其中各參考值通過參考國家相關標準和咨詢相關專家確定。

表2 彎道半徑參考值定義

表3 路面附著系數參考值定義

表4 質心高/輪距參考值定義

表5 車輛速度參考值定義

輸入相對于參考值的隸屬度計算，可通過多種方法計算。本文基于輸入相對于各參考點的距離計算隸屬度。例如當前車速為40km/h，則輸入相對于各參考值的隸屬度為{(50-40)/(50-10)， (40-10)/(50-10)， 0}={0.25， 0.75， 0}。

重載車輛安全狀態定義三種情況，分別為：{非常危險(VD，車輛超過臨界車速30%)，臨界安全(CS，車速為臨界車速)，很安全(VS，車速低于臨界車速的80%)}。

初始置信規則庫根據相關知識和專家經驗構建，取一部分Trucksim仿真數據作為訓練數據，采用中心差異演化算法對置信規則庫中相關參數進行優化，得到優化重載車輛臨界安全車速置信規則庫，結果如表6所示。

表6 重載車輛臨界安全車速置信規則庫

以表6中第一條規則為例，該規則的含義為：當彎道半徑為SR，附著系數為SM，質心高/輪距為LC時，車輛處于LV的置信度為0.8668、處于MV的置信度為0.0880、處于HV的置信度為0.0452。

4.3 模型有效性分析

現以(R=280，φ=0.75，H/B=0.8，V=60)場景為例驗證模型的有效性。輸入相對于各參考值的置信度采用基于距離的方法。首先進行輸入信息的轉化：路面半徑R=280相對于各參考值的置信度為：{(SR， 0)， (MR， 0.6286)， (LR， 0.3714)}；路面附著系數φ可以轉化為：{(SM， 0)， (MM， 0.6250)， (BM， 0.3750)}；質心高/輪距(H/B)相對于各參考值的置信度為{(LC， 0)， (MC， 1)， (HC， 0)}。根據式(4)，計算出各規則激活權重為ω14=0.2320、ω15=0.1634、ω17=0.1155、ω18=0.0765，其余規則未激活，故其它規則激活權重為0。根據式(5)并進行聚合計算，得到相對于各參考速度值的置信度為{0.3293，0.2047， 0.4660}，因此該場景下的臨界安全車速為：V臨界=53.14km/h。與車輛實際車速相比，此車已經超速12.91%。此場景通過Trucksim驗證，車輛最終發生了側翻，從而驗證了模型的有效性。

5 結論

本文針對重載車輛彎道行駛過程中的安全問題，建立了一種基于Trucksim和置信規則庫的融合多源監測信息的重載車輛安全性評估模型。首先，基于Trucksim軟件進行情景模擬仿真，建立了重載車輛各危險場景下的臨界安全車速集。其次，基于BRB建立了重載車輛彎道行駛臨界安全速度的預測模型，進而實時感知車輛的安全狀態。實例證明，本文所提的重載車輛評估模型能夠充分利用車輛的各種行駛狀態參數，具有直觀性強、實時性與可操作性好等優點，對于彎道中行駛車輛的防側翻與側滑事故具有較好的預警效果。此外，本文研究可以為分車型、分路況限速提供科學的依據。