基于ADAS 实验平台的车辆紧急制动AEB 路测研究

贯怀光，贯生静，郭蓬,2，张登权

（1.300300 天津市 中汽研（天津）汽车工程研究院有限公司；2.300300 天津市 中国汽车技术研究中心有限公司）

0 引言

汽车带来便捷的同时也对人们的生命安全造成一定的潜在危险，其中最主要的是汽车行驶中发生的碰撞。主动安全性的测试已经成为中国新车评价规程（C-NCAP）安全碰撞测试的重点内容[1]。良好的主动安全有助于将事故风险降到最低，因此C-NCAP 规程对车辆的性能检测侧重于碰撞与碰撞预警、主动刹车等方面[2]。目前，世界各国都在积极研发具有自主知识产权和竞争力的主动安全系统，以应对日益严峻的交通安全问题。近年来，汽车中先进电子、通信和信息技术如防抱死刹车系统（Antilock Brake System，ABS）、电子制动系统（Electronic Brake System，EBS）、自适应巡航控制（Adaptive Cruise Contro，ACC）、自动紧急制动（Autonomous Emergency Braking，AEB）等主动安全技术让汽车变得更加安全、舒适和智能。

AEB 系统利用车载传感器对汽车前障碍物进行实时探测，一旦探测到碰撞危险，车辆即利用预警功能警示司机进行紧急制动操作，驾驶员未做出响应时，AEB 自动制动以避免碰撞。AEB 系统的架构设计组件包括硬件单元和软件单元。硬件单元包括多类传感器、AEB 系统控制器、油门与制动执行器、目标物机界面显示屏；而软件单元包括目标检测与识别算法、决策与控制算法等。Zhou 等[3]通过批量仿真得到不同碰撞时间（Time-To-Collision,TTC）的汽车和两轮车的相对位置分布，综合考虑死亡事故检出率、检测面积和标准差，得出不同TTC 下的最优传感器检测方案；Li 等[4]针对三轴重型车辆采用带附着系数估算的AEB-ABS 协调控制策略进行设计，该策略能够根据路面状态和车轮滑移率实时地估算出制动减速度，并通过模糊逻辑控制实现对制动器制动力的合理分配，基于硬件在环测试平台，通过各种路况试验验证了控制效果；Zhu 等[5]构建了以虚拟场景为基础，以驾驶模拟器为手段的驾驶员在环测试平台，并建立了基于激光雷达的实车测试平台，解决了实车测试中目标不易获取的问题；Jiang 等[6]探讨AEB 控制策略与典型现实世界碰撞情景中乘员碰撞前运动学之间的相关性，通过车辆和乘员集成仿真方法，在碰撞前阶段评估乘员运动学，有利于后续的综合安全性分析；Guo 等[7]为提高转发碰撞系统的效率，设计了一种基于高斯分布的前向碰撞风险，未来运动不确定性是关于车道建模，使用2 个时间序列机器模型提前预测 TTC，该模型可以准确预测现实驾驶场景中潜在的道路交通事故；Zeng 等[8]提出了一种针对智能汽车的改进型AEB 算法，该方法结合道路附着系数的估计，考虑了电子液压制动的性能；黄城等[9]根据AEB 的典型试验工况，给出减速度控制曲线，并采用CarSim 进行仿真验证；姚禹城等[10]针对中国新车评价规程中AEB行人测试场景需求，对设计行人检测系统进行了验证；任立海等[11]提出将碰撞时间作为模糊控制器参数，利用PreScan构建了基于模糊控制的紧急制动模型；刘宏伟等[12]采用Simulink 与CANoe 进行AEB 功能的设计以提高紧急制动效果。为避免交通事故，科研人员在研发更完善的高级驾驶辅助系统（Advanced Driving Assistance System，ADAS）[13]，AEB 系统是ADAS功能之一。目前国内外的研究表明，车辆主动安全配置对减少汽车事故起到一定作用，利用数学模型及虚拟场景仿真分析对于降低车辆行驶过程中碰撞发生的概率具有一定参考意义。

本文参考C-NCAP 相关试验场景，将驾驶员特性与制动过程的安全距离模型相结合，对智能驾驶车辆与前方障碍物之间相对横、纵向运动进行分析，制定对应的紧急制动策略，同时提出了在搭载ADAS 系统的小型目标物承载平台ATP VRU 联合验证方法。

1 智能驾驶车辆AEB 系统路测方法

1.1 制动过程推导

典型汽车制动过程大体由3 个过程组成，当驾驶员意识到有碰撞危险时作出响应，对汽车实施紧急制动直到速度降至0[14-16]。图1 所示为车辆制动全过程车辆减速度曲线。

图1 车辆制动时间图Fig.1 Vehicle braking time graph

设车辆初始速度v1(m/s)和最大减速度a(m/s2)，速度v1后制动启动行驶距离S为

式中：t1——驾驶员反应时间；t2——脚由油门移到制动踏板的时间；t3——取消踏板空行程时间；t4——制动力提升时间。

另外，汽车在制动时和前方障碍物还需留有最小安全距离d0，则汽车完成制动时行驶距离和最小安全距离的总和S1为

1.2 融合驾驶员的安全距离模型

选取驾驶员特性参数值范围为[0,1]与AEB 制动过程进行融合，得到驾驶员特性参数Rdriver，驾驶员反应时间τ1和最小安全距离d0关系式为

预警安全距离dw为

临界安全距离db为

1.3 AEB 系统紧急制动策略

AEB 紧急制动流程如图2 所示[15]，AEB 系统中环境感知由车载传感器完成，经过信息处理获得前方障碍物和路面附着系数信息，再依据路面附着系数确定预期制动减速度从而计算安全距离。在建立制动安全距离模型基础上，利用AEB 决策支持系统中的实时车距和安全距离模型判断车辆是否需要制动。如果实时车距过小或接近于0，则车辆紧急制动；反之，继续保持行车状态。

图2 AEB 紧急制动流程框图Fig.2 AEB emergency braking flow block diagram

搭载AEB 功能的车辆相对前方障碍物同向运动，VRU 纵向速度要小一些，因此把汽车前VRU静止与汽车前同一车道纵向运动共同考虑而忽略了VRU 的纵向速度。如图3 所示。

图3 ADAS 系统运动的纵向示意图Fig.3 Longitudinal schematic of ADAS system movement

汽车前进速度为v1，探测VRU 后方与障碍物之间纵向距离S，AEB 介入与否要对比测得的纵向距离、报警安全距离及临界安全距离，表达式为

式中：FCW——前方碰撞预警系统。

基于C-NCAP 评价法规关于VRU 的AEB 系统的情景设置，分析了VRU 横向运动经过汽车时的运动学[16]，VUT 与前方障碍物之间的相对横向运动示意图如图4 所示。VRU 横过汽车运行到M点上，假定VRU 与VUT 中心线之间的横距为l1和汽车宽度为l2时，VRU 横过汽车时段内的汽车运行距离为

图4 ADAS 系统横向运动示意图Fig.4 ADAS system lateral movement schematic

考虑ADAS 系统制动后同障碍物之间的最小安全距离时行车安全距离为

当汽车制动临界安全距离和报警安全距离是db、dw时，在判断汽车FCW 报警或是AEB 介入时使用式（9）

2 智能驾驶车AEB 系统路测试验

2.1 测试装备平台

采用小型弱势道路使用者目标物承载平台，（Automatic target carrying platform Vulnerable Road Users,ATP VRU），如图5 所示的ATP VRU 平台[17]可承载模拟智能驾驶测试中全尺寸摩托车及成年骑行者、踏板摩托车及成年骑行者、假自行车及成年骑行者和成年男子假人、儿童假人等交通参与物。平台的雷达反射特性采用微波多普勒效应，结构强度大，可承受被测车辆碾压，且在发生碾压时有效保护移动平台及被测车辆。本实验平台主要用于ADAS 相关功能控制策略的研究、控制算法的调试与验证、雷达摄像头信号分析以及对应数据融合等。

图5 乘用车实验平台与案例Fig.5 Passenger car experiment platform and case

2.2 测试系统之间的通信与控制

ATP VRU 系统采用高精度低延时的GNSS 接收机双天线解决方案，提供基于载波相位（Realtime kinematic,RTK）以及单点亚米级编码方案厘米级精度方案、自动初始化及定位模式转换方案、最佳位置解决方案等[18]。具有低延迟（＜20 ms）、高更新速率，为动态应用提供必要的响应时间与准确性；GPS 接收机可以配置为自主基站（参考站）或流动站接收机（移动接收机）；输出GPS 接收机的详细信息，包括时间、位置、航向、定位状态以及跟踪卫星的数量等导航定位参数。

如图6 所示，各测试节点进行数据交换。首先，接入点设在主控机，其他所有终端与接入点（Access Point，AP）配对连接，ATP VRU 必须在所有终端就绪后才能运行，而单独使用遥控不能操作ATP VRU 运行。其次，通过AP 桥接并放大各终端的信号；ATP VRU 状态、被测试验车辆（Vehicle Under Test,VUT）的位姿、遥控指令等通过无连接传输协议（User Datagram Protocol，UDP）分发，并在系统内部校核完整性，ATP VRU 系统使差分定位信息通过TCP/IP 协议分发。

图6 测试系统之间的通信与框架示意图Fig.6 Diagram of communication and framework between test systems

2.3 智能驾驶车辆AEB 测试结果分析

以C-NCAP 主动安全测试规范为依据测试车辆AEB 功能，工况为CPNA-25 日间工况，测试设备（ATP VRU）以5 m/s 匀速横穿马路，VUT 分别以20～60 km/h 车速在直线车道行驶，在车辆不减速情况下人体与测试车辆碰撞位置为车头25%位置。VRU测试结果如图7、图8 所示。

图7 ATP VRU 速度与相对距离控制变化曲线Fig.7 ATP VRU speed and relative distance control variation curve

图8 ATP VRU 加速度控制变化曲线Fig.8 ATP VRU acceleration control variation curve

在直线行驶10 m，加速度0.2g，减速度0.2g，横向偏差最大0.08 m，出现在加减速段，匀速段横向偏差最大0.04 m 满足设计要求，如图9 所示，侧向偏差在±0.1 m 范围内；ATP 的纵向偏差最大偏差-0.5 m，如图10 所示，出现在减速停止运动前1 s，匀速及加速段最大偏差0.2 m，纵向偏差在±0.5 m 范围内。ATP VRU 精度测试满足工况要求，测试结果可作为实车验证依据。

图9 ATP VRU 工况状态横向偏差变化曲线Fig.9 Lateral deviation variation curve at ATP VRU working condition

图10 ATP VRU 工况状态纵向偏差变化曲线Fig.10 Longitudinal variation curve at ATP VRU working condition

5 结语

本文基于ADAS 实验平台对车辆紧急制动AEB 功能进行路测研究。充分考虑ADAS 实验平台AEB 功能的实现，结合驾驶员特性及横向、纵向安全距离等策略，修正驾驶员反应时间及最小安全距离等参数，构建融合驾驶员特征的紧急制动及自动紧急制动AEB 策略。根据C-NCAP 制定了相应的测试规程，并以装载假ADAS 系统的小型目标物承载平台ATP VRU 为对象，对智能驾驶车辆的AEB 系统进行了试验测试研究。根据测试结果判断测试车辆AEB 系统可正常激活，起到降低交通事故发生频率的作用，同时测试结果及数据可对车厂AEB 系统进行调试及优化。