自主紧急制动系统避撞策略的研究

李 霖，朱西产，董小飞，马志雄

(同济大学汽车学院，上海 201804)



2015030

自主紧急制动系统避撞策略的研究

李 霖，朱西产，董小飞，马志雄

(同济大学汽车学院，上海 201804)

本文中提出了一种新的自主紧急制动系统避撞策略。首先基于真实交通工况中驾驶员的紧急制动行为构建了危险估计模型；然后开发了两级预警两级制动的避撞策略，它根据危险估计模型计算出的危险等级选取相应的介入方式。PreScan仿真结果表明，该策略可有效避免碰撞或减轻碰撞的程度。

主动安全；自主紧急制动系统；避撞策略；危险工况；危险估计;PreScan

前言

自动紧急制动系统(autonomous emergency braking system, AEB)是重要的主动安全技术，该系统在检测到车辆前方出现碰撞危险时，通过声音和图像等方式向驾驶员发出警告，提醒驾驶员采取措施回避碰撞。如果驾驶员没有及时对警告信号做出正确反应，碰撞危险变得十分紧急时，系统通过自动制动来回避碰撞或减轻碰撞程度。

AEB系统具有很大的安全潜力。Euro-NCAP的研究表明，AEB可以避免27%的交通事故，同时能大幅降低碰撞事故中人员受伤害的程度。因此，AEB受到了各国政府和评价机构的高度重视，Euro-NCAP从2014年开始把AEB场地测试结果纳入整车安全性评价体系，ECE也发布了AEB法规。在法规和标准的推动下，AEB已经成为当前主动安全技术的研究热点。

目前国外对AEB的研究较多。文献[1]中基于日本交通事故统计数据开发了一种带三级制动的避撞策略。文献[2]中基于专业驾驶员的紧急制动特征对AEB的介入策略进行了研究。文献[3]中对AEB系统的技术要求、成本和安全收益做了详细分析。现在已有一些较为成熟的AEB产品进入市场，比如VOLVO的城市安全系统(city-safety)[4]等。但是由于不同国家和地区的交通环境不同，驾驶员的驾驶习惯有很大差异，因此国外已有的研究成果并不能直接应用于我国。而国内针对AEB的研究还非常少，目前没有成熟的研究成果。

据此，本文中着眼于建立兼容我国特殊交通工况的AEB系统的避撞策略。首先利用可视化行车记录仪对真实的交通工况进行采集，并对采集到的工况进行筛选和分类得到典型的危险工况，接着对典型危险工况下驾驶员的紧急制动行为进行分析，然后按照驾驶员的紧急制动行为分析结果建立危险估计模型和避撞策略，最后通过PreScan建模仿真对所提出的AEB避撞策略进行了验证。

1 真实交通工况的采集

获取我国真实的交通工况和驾驶员行为是开发适合我国的AEB系统避撞策略的前提。出租车具有运营时间长，运行道路覆盖范围广等特点，因此特别适用于快速获取真实的交通工况。从2008年开始，课题组通过在数辆出租车和警车上安装可视化车辆行驶记录仪(video drive record, VDR)对上海市嘉定区的真实交通场景进行采集(图1)。VDR内置一个摄像头记录车辆前方视野的道路交通影像，其他一些信息如车辆速度和纵向与侧向加速度等也同时记录。本文中所用的VDR在纵向或侧向加速度绝对值大于0.4g时触发，只记录触发前15s和触发后5s的数据。

2 驾驶员紧急制动行为特征提取

通过VDR采集获得了总计约4 000例触发工况，对这些数据进行人工筛选，去掉没有碰撞危险的工况，最终得到8例事故和1 200例危险工况。然后通过主观评价对这1 200例危险工况的危险程度进行分级，从中挑选出共计430例危险程度较高的工况，并将它们按照NHTSA提出的37类预碰撞场景进行分类[5]，结果如图2所示，最典型的6类危险工况共有303例，占所有危险工况总数的70%。本文中采用这303例危险工况来分析驾驶员行为。

在这303例危险工况中，所有驾驶员都采取制动来避免碰撞。提取驾驶员在紧急制动过程中车辆的平均减速度绝对值并进行高斯拟合，结果如图3所示，紧急制动过程中车辆的平均减速度绝对值的均值μ=2.77m/s2，标准差σ=1.01m/s2。因此，可以认为95%的驾驶员在紧急制动时平均制动减速度绝对值小于4.43m/s2(μ+1.64σ)，可见驾驶员通常难以完全利用车辆的制动潜能。

另外，分析驾驶员在紧急制动开始时刻的TTC(time-to-collision)值，这里驾驶员紧急制动开始时刻定义为车辆制动响应开始时刻，并未考虑制动器带来的延迟。实际上由于制动器响应延迟的影响，驾驶员开始紧急制动的时刻应比本文中得出的时刻更早，但为分析方便，将制动器延迟时间归入驾驶员反应时间的范畴，不作为一个单独的因素进行分析。TTC是指同一路径上同向行驶的两车保持当前速度直到碰撞发生所需要的时间，即

TTC=-xr/vr

(1)

式中xr、vr含义如图4所示。

为数据提取方便准确，在计算驾驶员紧急制动开始时的TTC值时，只选用前车减速工况。同时，由于用于工况采集的车辆行驶范围主要集中在城市，所有危险工况基本都分布在车速40km/h以下，因此，本文中只选用40km/h以下的数据进行分析。另外根据文献[6]和文献[7]，驾驶员的制动行为与TTC的倒数(TTC-1)密切相关，因此，本文中选用TTC-1代替TTC，最终得到驾驶员紧急制动开始时TTC-1与本车速度之间的关系，同时对数据进行线性拟合，并求出90%的预测区间(见图5)。其中50百分位线是通过线性拟合得到，可认为约有50%的驾驶员在TTC-1达到该线时已经采取了紧急制动操作。可以看出，驾驶员紧急制动开始时的TTC值并不是一个定值，而是与自车速度成一定关系，这点与文献[8]中得出的结论一致。5百分位线和95百分位线包围区域为驾驶员紧急制动开始时刻TTC-1值的90%预测区间，95百分位线表示当TTC-1达到该曲线所表示的值时，估计约有95%的驾驶员已经采取了制动。而5百分位线表示只有约5%的驾驶员在TTC-1达到该曲线所表示的值时采取了紧急制动操作。

50百分位线、95百分位线和5百分位线的表达式分别为

TTC-1=1.1184-0.0131vf

(2)

TTC-1=1.7609-0.0128vf

(3)

TTC-1=0.476-0.0134vf

(4)

3 AEB避撞策略研究

3.1 AEB介入策略

如图6所示，把驾驶员所处的交通环境按照危险程度(0表示没有碰撞危险，1表示碰撞无法回避)划分为Ⅰ-Ⅴ 5个区域。在区域Ⅰ时，AEB系统没有检测到碰撞发生的危险，系统无任何动作。在区域Ⅱ时，AEB系统监测到有碰撞危险，但危险程度较低，系统采用基于图像的提示性预警提醒驾驶员危险的存在。在区域Ⅲ时，危险等级上升到较高水平，此时系统向驾驶员发出碰撞预警提醒驾驶员碰撞将要发生，采用声音和图像双重警告。在区域Ⅳ时，碰撞的危险很高，系统在发出碰撞预警的同时采用部分制动。在区域Ⅴ时，碰撞的危险极高，碰撞即将发生甚至无法避免，AEB系统采用完全制动。传统的AEB系统只在危险等级较高时发出预警，即只有碰撞预警，通常是简单的灯光闪烁或者蜂鸣声，这些信息是二元的，包含的危险信息较少，并且留给驾驶员的时间很短，根据这些信息驾驶员通常很难在较短的时间内做出正确的判断和反应[9]。文献[10]中的研究表明，在检测到有碰撞危险存在但危险程度不高时，也应该给予驾驶员提示性的警告，告诉驾驶员危险类型和危险方位等更具体的信息。因此，本文中采用提示性预警加碰撞预警两级预警策略。

本文中假设道路摩擦因数为0.8，即车辆完全制动时能达到的最大制动减速度为-0.8g。部分制动时以38%的制动力制动，部分制动时的制动减速度约为-0.3g。

3.2 危险估计模型的建立

本文中主要利用TTC-1来判断危险等级并进行危险区域的划分。当TTC-1值高于95百分位线时，危险等级极高，进入危险区域Ⅴ。考虑到当车速较高时，驾驶员通过转向操作回避碰撞的趋势增加[11]。因此为避免与驾驶员有意识的转向行为产生冲突，当速度较高时，设定临界TTC-1值为定值。参考UNECE法规草案，取临界TTC=0.8s[12](TTC-1=1.2s-1)。因此，当TTC-1≥max(1.7609-0.0128vf,1.2)时，危险区域为Ⅴ(图7)。

当TTC-1值高于50百分位线时，危险等级很高，即危险区域Ⅳ。同理，为避免与驾驶员有意识的转向避撞行为相冲突，在速度较高时，设定临界TTC-1值为定值。设驾驶员转向过程中车辆侧向位移为3.5m，根据Hugemann的研究成果，驾驶员急转向时平均侧向加速度的50百分位值约为0.3g[13]，本文中为减小误报率，设转向回避碰撞时车辆的平均侧向加速度小于0.4g，即ay_50=0.4g，则转向过程中车辆侧向位移为

(5)

(6)

在危险区域Ⅲ，AEB系统采用碰撞预警，本文中采用声音和图像的联合预警。根据文献[14]中的研究结论，在采用声音和图像联合预警时，驾驶员反应时间的均值为0.90s。出于保守起见，本文中设置在Ⅳ区域前1.0s的区域为危险程度较高区域，即区域Ⅲ。

在区域Ⅱ，系统采用基于图像的提示性预警。根据文献[14]中的研究结论，采用图像预警时，驾驶员的反应时间均值为1.13s。同理，出于保守起见，设置5百分位线前1.2s的区域为危险程度较低区域，即区域Ⅱ。同时，从图5中可以看出，所有驾驶员紧急制动开始时刻的TTC-1值均大于0.2s-1，因此设置区域Ⅱ的下界为TTC-1=0.2s-1。

最终各危险区域的划分如图7所示。

但是，基于TTC-1的危险判别方法只适用于相对速度较大的情况。对于近距离稳定跟车工况，即两车距离较小但相对速度很小甚至为0时，如果前车突然制动，后车将会有发生追尾碰撞的危险。这种危险属于潜在的，基于TTC-1的算法无法识别这种危险。

为考虑这种近距离稳定跟车工况，最常见的做法是引入THW(time-headway)即两车相对距离除以后车速度[15]。但是THW并不是一个与碰撞危险直接相关的量，驾驶员在选取跟车工况下的THW值时，受到多方面因素的影响，比如地域、前车类型等[16]，因此采用THW并不能准确估计危险程度。

本文中采用基于期望减速度areq的算法来考虑近距离稳定跟车工况。设前车初始位置为xp0，速度为vp0，以ap0(为负)的减速度开始制动。后车初始位置为xf0,速度为vf0,在驾驶员反应时间T后开始制动，能够避免碰撞的最小减速度定义为期望减速度areq[17]。图8为两种不同的制动工况：①相对距离为零时前车已经停止，即前车先完成制动；②相对距离为零时前车还在运动，即后车先完成制动。考虑到上述两种工况，最终areq为

(7)

其中t1=

T+t′=T-2xr(T)/vr(T)=

(8)

式中：t1为假设后车无制动，两车相对距离为零的时刻。

稳定跟车工况下危险是潜在的，不一定会发生碰撞的危险。为避免在前车未制动时本车突然剧烈制动对驾驶员正常行驶带来干扰，只将近距离稳定跟车工况危险等级按照Ⅰ-Ⅳ的区域划分，即稳定跟车工况下AEB系统不会全制动介入。

取驾驶员反应时间T=1.0s[14]，因为50%的驾驶员紧急制动减速度绝对值小于2.77m/s2，95%的驾驶员紧急制动减速度绝对值小于4.43m/s2(图3)，因此，取ap0=-4.5m/s2。按照期望减速度areq的值将近距离稳定跟车工况划分为Ⅰ-Ⅳ 4个区域：当areq>-3m/s2时，属于安全跟车工况，即区域Ⅰ；当-4.5m/s2

4 仿真验证

国际上已经有机构推出了AEB测试方法，如ADAC、AEBGroup、ASSESS等[18]。其中ADAC的测试方法是Euro-NCAP的推荐方法，本文中也采用ADAC的有效性测试方法通过仿真分析来验证AEB避撞算法的有效性。AEB的有效性测试方法主要分为前车匀低速行驶、前车匀减速、前车匀减速至停止和前车静止4种工况，如表1所示。

采用PreScan软件建立了这几种测试场景，选用PreScan自带的雷达模型来探测车辆前方的障碍物，探测距离为150m，采样频率100Hz，最终建立的场景如图10所示。仿真时实时输出车速、警告信号和制动压力等信息(图11)。

表1 ADAC的AEB有效性测试方法

篇幅所限，本文中仅详述测试B1高速工况的仿真结果。该测试中本车以恒定速度靠近慢速行驶的前车，测试开始时本车速度为100km/h，前车速度为60km/h，两车相距200m。仿真结果如图12所示，在测试开始时，两车相对距离为200m，由于本文中所用雷达的探测距离为150m，无法探测到目标，此时相对距离设置为150m，TTC值设为15s。4.7s时，雷达探测到目标物，由于本车速度大于前车，相对距离和TTC值都逐渐减小，但此时仍然没有检测到危险，处于安全区域Ⅰ。14.17s时，进入危险区域Ⅱ，AEB系统向驾驶员发出提示性预警，但由于车辆并未制动，两车仍然以恒定的相对速度靠近，相对距离和TTC值继续减小。16.82s时，进入危险区域Ⅲ，系统向驾驶员发出碰撞预警。17.83s时，进入危险区域Ⅳ，AEB系统开始以38%的制动压力(67MPa)部分制动，相对速度减小，但相对距离和TTC值仍继续减小。18.62s时，进入危险区域Ⅴ，系统开始全制动(150MPa)，TTC继续减小，在18.83s时达到最小值0.8s。相对速度在19.62s时减小为0，此时相对距离达到最小值2.68m，成功避免碰撞。由于全制动后，碰撞危险逐渐减小，危险区域又逐渐由Ⅴ变为Ⅰ。

总的仿真结果如表2所示。

表2 仿真结果

从仿真结果可以看出，研究的AEB避撞策略在ADAC的B1、B2、B3测试工况中可以完全避免碰撞，在测试工况B4中，可以避免本车速度为20、30和40km/h 3种工况的碰撞，在本车速度为70km/h时，无法避免碰撞，但可以将碰撞速度减少39.4km/h。

5 结论

基于典型危险工况，提取驾驶员在典型危险工况下的紧急制动行为特征，得到了驾驶员在紧急制动过程中车辆的平均制动减速度和紧急制动开始时刻的TTC值，并根据这两个参数建立了基于TTC-1和期望减速度areq的危险估计模型。然后按照危险估计模型将行驶工况进行危险区域划分，并建立AEB的避撞策略，该策略按照危险等级的升高以“无动作-基于图像的提示性预警-基于图像和声音的碰撞预警-部分制动-全制动”顺序介入。最后通过PreScan仿真建模，按照德国ADAC提出的AEB有效性测试方法对所开发的AEB避撞策略进行验证。仿真结果表明，所提出的AEB避撞策略避撞效果较好，可以在很大程度上避免碰撞，在碰撞无法避免时，也可以有效降低碰撞的严重程度。本文中建立的避撞策略所有阈值都是根据上海地区真实交通工况下驾驶员的行为特征设定，对于开发兼容我国特殊的交通工况的AEB避撞策略具有指导意义。

但是，本文中只是通过仿真验证了AEB系统的避撞性能，并没有对提示性预警和碰撞预警的效果和用户接受度进行验证。后续的研究将采用主观评价实验验证所开发的预警策略的介入时刻和人机交互界面。同时，还计划采用驾驶模拟器或实车实验对本文所研究的AEB算法进行验证。

[1] Kodaka K, Otabe M, Urai Y, et al.Rear-end Collision Velocity Reduction System[J].SAE Transactions,2003,112(6):502-510.

[2] Wada T, Tsuru N, Isaji K, et al.Characterization of Expert Drivers’ last-second Braking and Its Application to a Collision Avoidance System[J].Intelligent Transportation Systems, IEEE Transactions,2010,11(2):413-422.

[3] Grover C, Knight I, Okoro F, et al.Automated Emergency Brake Systems: Technical Requirements, Costs and Benefits[J].Automated Emergency Brake Systems: Technical Requirements, Costs and Benefits,2013,1(1):1-109.

[4] Distner M, Bengtsson M, Broberg T, et al.City Safety—A System Addressing Rear-end Collisions at Low Speeds[C].Proceedings of the 21st International Technical Conference on the Enhanced Safety of Vehicles,Paper No.09-0371; Stuttgart,2009.

[5] Najm W G, Smith J D, Yanagisawa M.Pre-crash Scenario Typology for Crash Avoidance Research[R].Washington, DC: National Highway Traffic Safety Administration,2007.DOT HS 810 767.

[6] Moon S, Yi K.Human Driving Data-based Design of a Vehicle Adaptive Cruise Control Algorithm[J].Vehicle System Dynamics,2008,46(8):661-690.

[7] Kiefer R J, LeBlanc D J, Flannagan C A.Developing an Inverse Time-to-collision Crash Alert Timing Approach Based on Drivers’ Last-second Braking and Steering Judgments[J].Accident Analysis & Prevention,2005,37(2):295-303.

[8] Brown T L, Lee J D, McGehee D V.Human Performance Models and Rear-end Collision Avoidance Algorithms[J].Human Factors,2001,43(3):462-482.

[9] Lee J D, Hoffman J D, Stoner H A, et al.Application of Ecological Interface Design to Driver Support Systems[C].Proceedings of the 16th World Congress on Ergonomics (IEA 2006).Maastricht, the Netherlands: Elsevier,2006.

[10] Lee J D, McGehee D V, Brown T L, et al.Collision Warning Timing, Driver Distraction, and Driver Response to Imminent Rear-end Collisions in a High-fidelity Driving Simulator[J].Human Factors,2002,44(2):314-334.

[11] Kiefer R J, Cassar M T, Flannagan C A, et al.Forward Collision Warning Requirements Project Final Report—Task 1[R].Washington, DC: National Highway Traffic Safety Administration,2003,DOT HS 809 574.

[12] United Nations.Regulation No.AEBS.Uniform Provisions Concerning the Approval of Motor Vehicles with Regard to the Advanced Emergency Braking System[S].E/ECE/324 E/ECE/TRANS/505 Rev.2/Add.AEBS.

[13] Hugemann W, Nickel M, Morawski I, et al.Longitudinal and Lateral Accelerations in Normal Day Driving[C].Proceedings of ITAI Conference, Stratford: GB,2003.

[14] Zhang Y, Antonsson E K, Grote K.A New Threat Assessment Measure for Collision Avoidance Systems[C].Proceedings of the IEEE ITSC 2006.Toronto: IEEE,2006:968-975.

[15] Milanés V, Pérez J, Godoy J, et al.A Fuzzy Aid Rear-end Collision Warning/Avoidance System[J].Expert Systems with Applications,2012,39(10):9097-9107.

[16] Brackstone M, McDonald M.Driver Headway: How Close is Too Close on a Motorway?[J].Ergonomics,2007,50(8):1183-1195.

[17] Hiraoka T, Tanaka M, Kumamoto H, et al.Collision Risk Evaluation Index Based on Deceleration for Collision Avoidance(First Report)[J].Review of Automotive Engineering,2009,30(4):429-437.

[18] Eriksson H, Jacobson J, Hérard J, et al.On the Design of Performance Testing Methods for Active Safety Systems[M].Advanced Microsystems for Automotive Applications 2012, Springer,2012:187-196.

A Research on the Collision Avoidance Strategy forAutonomous Emergency Braking System

Li Lin, Zhu Xichan, Dong Xiaofei & Ma Zhixiong

SchoolofAutomotiveStudies,TongjiUniversity,Shanghai201804

A new collision avoidance strategy for an autonomous emergency braking system is proposed in this paper.Firstly a risk assessment model is established based on the emergency braking behavior of driver in real traffic scenarios.Then a collision avoidance strategy with two levels of warning and two levels of braking intensity is developed, which chooses corresponding ways of interventions according to the risk level calculated with risk assessment model.Simulation results with PreScan show that the strategy proposed can effectively avoid collisions or mitigate the severity of collisions.

active safety; autonomous emergency braking system; collision avoidance strategy; risk scenario; risk assessment; PreScan

原稿收到日期为2013年4月28日，修改稿收到日期为2013年7月24日。