高级驾驶辅助系统（ADAS）安全性的研究

高级驾驶员辅助系统（ADAS）旨在帮助驾驶员执行驾驶任务，例如智能巡航控制或电子稳定控制。是汽车未来的重要发展趋势。但是，ADAS系统的安全性一直受到人们的质疑，以人类为中心的角度，需要考虑人为因素的作用驾驶环境的多样性。

提高ADAS系统的安全性，有很多种方式，例如通过及时对驾驶员提供警报来提高安全性，自动调整车辆状态来提高安全性。所以下面着重介绍一下最新的几种提高安全性的方式及当前研究成就。

1 提高ADAS系统安全性的方式

1.1 通过多模式警告的方式来提高安全性[1]

主要研究高级驾驶员辅助系统中的多模式警告是否会缩短制动响应时间，主要目的是提醒驾驶员避免潜在的交通事故。

提出了2个实验，驾驶员驾驶一辆装有前方避撞系统的车辆，车辆前方还有一个领头车，领头车在前方进行减速，当碰撞的时间少于5秒钟的时候，就会产生听觉，振动触觉或者多模式警告，提醒驾驶员做出减速制动，以制动反应时间来进行评价。

第一个实验：主要是研究，与单独提供警告相比，多通道冗余警告是否会能够对制动时间和驾驶员工作量产生积极的影响。如果产生了积极的影响，则继续研究驾驶员是否使用手机所产生的影响。实验涉及两个因素，第一个因素是警告的类型，并有四个级别：1-警告，2-听觉，3-振动触觉和4-多模式警告（同时呈现振动触觉和听觉信号）。第二个因素是手机的使用或者不使用。因为第一个因素有4种，第二个因素有两种，所以构成了8个实验。

第二个实验：主要是研究在高密度和低密度交通状况下多模式警告是否有效。实验同样有两个因素，第一个因素是警告的类型，并有四个级别：1-警告，2-听觉，3-振动触觉和4-多模式警告（同时呈现振动触觉和听觉信号）。第二个因素为交通密度，有2种，低的交通密度和高的交通密度。同样构成了8种实验。

1.2 通过精密教学来提高驾驶安全性[2]

主要目的是设计一个能够提高驾驶员能力和减少事故风险的辅助系统，主要由两个部分组成：一个精密教学过程，一个控制设备用于监控驾驶员行为。并在正常驾驶和关键交通状况下提供反馈。参照第一部分，设计并实施了两个驾驶模拟器实验。试验旨在展示精确教学对驾驶员培训的有效性，并观察反馈系统在加强车辆控制方面的有效性。

第一个实验：主要研究测量横向位置的标准差（SDLP），来衡量正常驾驶对汽车横向位置的影响。我们的目标是观察SDLP是否随着驾驶员对驾驶场景的熟悉程度而下降。在虚拟现实中建立了双向，双车道的道路情景。没有任何显着的差异表明侧面位置不受司机熟悉路线的影响。

第二个实验：第二个实验研究了使用精确驾驶方法设计的反馈对驾驶行为的影响。特别是，我们的目标是观察重复的驾驶员表现的视觉和听觉反馈驾驶试验表现是否减少横向位置变化。反馈都包括，声音：两种音调，高（正反馈）和低（负反馈）

视觉（visual）：显示报告数字分数（在正确行为的情况下增加而在相反的情况下减少），挡风玻璃上的绿条（正确行为增加，反之则减少）在实验过程中，每个驾驶员必须进行七次连续的试验（每一次试验都是沿同一路段行驶的）。反馈成功地改善了车道内的车辆横向位置的变化。

1.3 通过分析驾驶员意图对于车辆纵向加速度的影响来提高驾驶安全性[3]

本文旨在研究，在预防性安全情况下车辆纵向加速度的变化。在开发的高级驾驶辅助系统（ADAS）中，需要可靠的估计方法来推断当前驾驶员的意图，并分析推导出驾驶员意图对于车辆纵向加速度的影响。

首先建立一个标准的车辆纵向动力学模型，然后再考虑将驾驶员意图模型融入到车辆纵向动力学模型当中。标准动力学模型的公式如下：

M是车辆的纵向速度，v是车辆的纵向速度，Fb是制动力，τTe是由发动机通过变速箱和传动系在车轮上的驱动力，Mg sin(α)、CrMg cos(α)、ρSCxv2分别是下滑力，摩擦力和空气阻力。

然后继续考虑驾驶员模型，这里主要考虑，驾驶员的意图是踩油门踏板还是制动踏板，这将导致车辆是进行加速或者是制动，所以，融合了驾驶员意图的纵向动力学模型为：

ai是驾驶员希望的加速度，Tr是发动机转矩，σ是驾驶员的意图，当σ=1时，驾驶员的意图是制动，当σ=0驾驶员的意图是不制动。

模型建立完成之后，将此模型嵌入到卡尔曼滤波器当中。来估计车辆的速度，加速度，驾驶员意图，制动踏板的压力、油门踏板的压力，并在实车上进行验证。

1.4 通过降低重型车辆侧翻风险来提高驾驶安全性[4]

在巴西，公路运输占货物运输的58%，但是经常发生安全事故，重型车辆的侧翻是事故的主要原因之一。所以本文以ADAS，来预测车辆弯道超速时的行驶轨迹，降低侧翻风险。换句话说，通过帮助驾驶员以安全的速度驾驶车辆，在不安全状态下，通过定制的警报及时对驾驶员的行为进行纠正。

车辆在进行曲线行驶时，常常因为速度的不适合而导致侧翻的问题。为了减轻这一问题，开发一个智能驾驶员助手，来实时监控车辆。并验证速度是否与行驶曲线相适合。换句话说，检查车辆是否在安全的状态。如果助手检测到“不安全”状态的变化（不兼容速度翻滚的风险），则会向驾驶员发出声音和视觉警告，在下一个行驶曲线给出安全速度。

评估车辆横向稳定性的基本措施称为SRT（Static Rollover Threshold，静态侧翻阈值），用g（地面重力加速度）表示，它是发生车辆侧翻前的最大横向加速度。在行驶曲线中的横向加速度取决于曲线半径和车辆速度。

该系统主要都包括：

（1）传感器：GPS，加速度计，转速传感器，速度传感器和节气门位置，每个传感器都有一个相关的控制器。

（2）执行器：音频和视频，警报的方式。

（3）追踪代理：GPS传感器不能提供的准确信息。所以提出了一种基于卡尔曼扩展滤波器（KEF）的技术来发现定位估计中的误差。

（4）安全代理：安全代理确定车辆是处于安全状态还是处于不安全状态。为此，它接收跟踪代理和实时驾驶环境的信息。为了确定系统是否处于安全状态，定义了一个贝叶斯网络，计算重型车辆侧翻的风险，有三种情况，不侧翻，可能侧翻，侧翻。

（5）警报代理：根据安全代理发送的信息，来向驾驶员发送警报，制定警报策略，模糊规则，提高驾驶安全性。

1.5 通过增强现实技术来提高驾驶安全性[5]

ADAS是必要的，在汽车行业是新的应用领域之一。相关道路交通和有用的导航或路径规划信息可以部分地或完全地显示挡风玻璃表面，然而，显示道路交通，标志或车辆信息的方式会强烈地影响司机的注意力，增加心理工作量和安全问题。所以需要以一种合理的方式来显示这些信息，从而获得最大的道路交通安全以及最佳的驾驶员舒适度。

本文的主要目标是研究驾驶员的头部运动是否会影响增强现实（AR）的深度感知。从而改变显示的图像质量。

在CAVE沉浸式整合平台（P2I）驾驶模拟器中进行实验分析。使用AR技术结合使用虚拟平视显示器来直接在驾驶员的视野中投射信息，虚拟平视显示器有两种，一种有头部跟踪系统，一种没有。这两种技术下文统称为AR-HUD。

2 当前提高ADAS安全性的研究成果

2.1 多模警告方式

研究表明，无论是1.1中的实验1还是实验2，多模式警告都可以有效地减少制动反应时间，目前研究的一个局限性在于，它是在驾驶模拟器中进行的，驾驶员可能已经预料到警告，并对车辆进行制动。与警告相关的一个主要问题是，如果整个ADAS中警告过多，或警告设计不佳，则可能会分散注意力，可能会对驾驶员安全构成威胁，所以需要合理地设计。

2.2 精密教学来提高驾驶

在这项研究中，向驾驶员提供有关车辆侧向位置的反馈。结果是明确的：对于那些了解他们行为和反馈之间关系的驾驶员（约70%的样本），平均SDLP在三次试验（6cm减少）后显着下降：对照情况下，原来SDLP是27厘米，后来减少到21厘米。

从实际的角度来看，这种减少可以改善ADAS和驾驶员的安全性，因为SDLP只要有2.4cm的变化，就会显着影响驾驶期间的风险水平。

2.3 分析驾驶员意图对于车辆纵向加速度的影响来提高驾驶安全性

该方案适合于在线使用，依靠现代车辆的CAN总线上可用的信号，并且需要非常有限的参数。其有效性验证了实验数据，并与其他方法进行了比较。

未来的工作将考虑直接在高级驾驶员辅助系统中使用冲击估计来估计驾驶员意图。该方案确实已经准备好在线实验，因为它不使用任何非因果性信息。也可以推广到估计车辆的横向加速度。未来工作的其他可能的方向可以包括：用不同的滤波范例（如粒子滤波器）替代增强的卡尔曼方法，直接在滤波器中使用来自道路地图的信息，并采用抖动估计来进行自然驾驶研究。

2.4 降低重型车辆侧翻风险来提高驾驶安全性

结果表明，提出的解决方案的有助于通过向驾驶员发出警报，来降低曲线中的速度，降低重型车辆的侧翻风险，提高驾驶安全性。

2.5 增强现实技术来提高驾驶安全性

研究表明，大多数实验参与者看到两个ARHUD原型之间的精确差异，并且首选具有头部跟踪功能的那个AR-HUD。实际上，这些参与者注意到，即使不了解实验条件，在所有道路情况下，这个系统都是非常精确的。再结合实验统计数据，可以得出具有头部跟踪的AR-HUD是比较精确的。我们未来的工作将通过使用雷诺的新型CAVE（如动态驾驶模拟器CCARDS）来进行与轨迹控制，侧向位置和方向盘相关的性能参数分析，相对于不同道路情况下的头部运动分析。

3 高级驾驶辅助系统（ADAS）发展趋势

未来高级驾驶辅助系统（ADAS）将紧密与智能驾驶系统不同级别进行结合，通过多模警告、精密教学、分析驾驶员意图、降低车辆侧翻和结合增强现实等技术来提高ADAS系统安全，同时为智能驾驶系统提供安全保障。

[1]Francesco Biondi.Advanced driver assistance systems:Using multimodal redundant warnings to enhance road safety[J].Applied Ergonomics 58(2017)238-244

[2]Riccardo Rossi.An Advanced Driver Assistance System for improving driver ability.Design and test in virtual environment[C].2017 5th IEEE International Conference on Models and Technologies for Intelligent Transportation Systems(MT-ITS)

[3]Andrea Bisoffi.Longitudinal Jerk Estimation of Driver Intentions for Advanced Driver Assistance Systems[J].IEEE/ASME TRANSACTIONS ON MECHATRONICS,VOL.22,NO.4,AUGUST 2017

[4]Willy Tiengo.Reducing risk of rollover in curve for heavyduty vehicles with an agent-based advanced driver assistance system[J].2016 IEEE International Conference on Computer and Information Technology

[5]Lynda Halit.Augmented Reality Head-Up-Display for Advanced Driver Assistance System:A Driving Simulation Study[J].e&i Elektrotechnik und Informationstechnik，VOL.134 NO.2 April 2017