基于驾驶状态识别的自动紧急制动控制策略＊

姜顺明 杨晗 吴陶然 解建

（江苏大学，镇江 212013）

主题词：自动紧急制动策略 冲击度 驾驶状态识别 最小安全距离

1 前言

自动紧急制动（Autonomous Emergency Braking，AEB）采用信息与传感技术使驾驶员的感知能力得以提升，辅助驾驶员避免事故发生或者减轻事故伤害，已逐步成为汽车安全标准配置。

安全距离模型是AEB 系统的基础，合适的安全距离模型搭建对系统实现良好的效果起着至关重要的作用。国内外学者对安全距离模型进行了深入的研究，提出了几种典型的模型，如：固定的安全距离模型[1]、基于车间时距的安全距离模型[2-3]、驾驶员预瞄安全距离模型[4-5]、基于制动过程的安全距离模型[6]等。上述传统模型存在准确性较低、参数不易获取、对驾驶员状态考虑不足等问题。针对上述问题，唐阳山等通过试验获得不同驾驶员的反应时间，分析确认反应时间会对安全距离产生较大影响[7]，张勇刚等综合考虑驾驶员个体差异、车辆制动性能差异和交通路况差异，建立了不同行驶工况下的最小安全距离模型[8]，但该模型忽视了驾驶员状态的实时变化，缺少一般适应性。

本文在基于制动过程的安全距离模型基础上，针对该模型忽视驾驶员个性化差异的问题，引入基于冲击度与行驶路况识别的驾驶状态识别系数来实时识别驾驶员的驾驶状态，将驾驶状态分为激进型、标准型和保守型3类，提出了一种依据驾驶状态识别系数修正最小安全距离的方法。

2 基于驾驶状态识别的AEB控制流程

本文使用驾驶状态识别系数对最小安全距离进行修正，该制动系统控制流程如图1所示，可以分为3个步骤：根据BP神经网络对行驶工况进行识别，得到对应工况下冲击度标准差；根据路况识别结果确定驾驶员驾驶状态系数；应用该系数确定AEB系统参数，以提高系统的自适应性。

图1 基于驾驶状态识别的自动紧急制动系统控制流程

3 驾驶状态识别方法

驾驶员驾驶状态可以分为激进型、标准型、保守型3 类。激进型驾驶的特点是反应迅速，动作敏捷，经常超车、加塞和急加速；标准型驾驶的特点是正常加速和减速，更加合理地踩制动踏板和油门踏板；保守型驾驶的特点是低速行车且较少超车，不易产生冒险行为，反应较迟钝，行动缓慢。行驶工况通常对驾驶状态有一定影响，例如在高速公路上行驶，因车流量相对较小，车速均较高，驾驶员踩踏板的剧烈程度相对其他工况略小，因此驾驶状态的识别需考虑行驶的工况类型。

3.1 行驶工况的识别方法

将行驶工况分为城市路况、郊区路况和高速工况3种典型类型。工况识别的方法是提取过去一段时间内车速的变化，用于预测未来一小段时间的行驶工况，提取时长和预测时长对预测结果有较大影响，文献[9]研究表明，采用120 s 识别时长与6 s 预测时长有较高精度，故本文也采用这种时间长度。

本文采用BP 神经网络方法对行驶工况进行识别,采用3种典型工况数据作为神经网络的训练样本，根据皮尔逊系数法选取最大车速、平均车速、怠速时间、平均加速度、最大加速度和最小加速度6个特征参数作为神经网络的输入，输出为行驶工况等级，设城市路况、郊区路况、高速路况的编号分别为1、2、3。

3.2 驾驶状态识别系数

本文采用冲击度对驾驶状态进行识别，冲击度可以反映驾驶员踩制动踏板和油门踏板的剧烈程度，其定义为：

式中，v(t)为t时刻自车行驶速度。

驾驶员驾驶状态识别系数为：

式中，SDJ为识别周期内冲击度的标准差；Jˉ为标准驾驶员在某一工况下行驶冲击度的平均值；Ji为i时刻的冲击度；T为识别周期。

综合考虑计算量与识别精确度，采用的驾驶状态识别周期为12 s，预测时长为6 s。

3.3 驾驶状态识别算法

计算出循环工况后，将该工况的平均冲击度运用到每个识别周期内驾驶员驾驶状态的识别中，识别算法流程为：

a.计算某时刻前12 s内冲击度的标准差SDJ；

b.利用BP神经网络求得该时刻工况类别及对应的平均冲击度Jˉ；

c.实时计算驾驶员驾驶状态系数Rd；

d.Rd＞at时，驾驶状态识别为激进型，nt＜Rd＜at时，驾驶状态识别为标准型，Rd＜nt时，驾驶状态识别为保守型。

其中，nt为标准驾驶状态的临界值，at为激进驾驶状态的临界值，分别取为0.5和1。

4 纵向安全距离控制策略

4.1 安全距离模型

假设前车与自车同向行驶，如图2所示，车速分别为v1和v2，相对车速为自车与前车车速的差值。当AEB系统监测到自车与前车有碰撞危险时立即采取主动制动，此时两车间距为临界制动安全距离dbr，前车和自车行驶过的距离分别为d1和d2，当自车停止或者与前车相对车速为0时，两车的距离称为最小安全距离，用d0表示。

图2 安全距离模型示意

临界安全距离为：

根据运动学方程与式（3）得到临界安全距离公式为：

式中，amax为最大减速度，根据中国新车评价规程（China-New Car Assessment Program，C-NCAP）设定amax=6 m/s2；分别为消除制动间隙时间和制动力持续增加时间，本文车辆使用液压制动系统，分别取0.06 s和0.04 s。

4.2 最小安全距离修正模型

安全距离选取较小时虽能避免碰撞，但保守型驾驶员会主观认为AEB系统触发时机晚，可能引起其恐慌，而此制动时机符合激进型驾驶员的心理预期；安全距离选取较大，AEB 系统触发时机早，符合保守型驾驶员的心理预期，但激进型驾员会认为系统误触发。所以安全距离的选取应满足驾驶员的心理预期，以提高其对系统的认可与信任。

考虑到驾驶员对起始制动和制动停车后自车与前车的距离有心理预期，在设计临界安全距离模型时应考虑驾驶员的个性化需求。在国内外对安全距离模型的研究中，一般将最小安全距离在2～5 m 中取一固定值，本文提出采用驾驶状态识别系数对最小安全距离d0进行修正（二者的关系见图3）：

图3 驾驶状态识别系数与最小安全距离的关系

5 仿真及结果分析

为了验证本文建立的驾驶状态识别模型的准确性，使用Simulink 对一段组合工况数据进行仿真验证，如图4 所示，该工况包含了城市工况、郊区工况与高速工况，仿真结果如图5～图7所示。

由图5可以看出，在第600 s和第2 300 s附近，因车速偏高将郊区工况类型识别成了高速类型，其余时间识别结果基本符合仿真路况。图6 中，a、b、c 分别为保守型、标准型、激进型驾驶状态，由图6 可以看出，驾驶员驾驶状态在实时变化，故本文采用的方法可以有效反映驾驶状态。由图7可知，修正后的临界安全距离在未修正值附近有所变化，且因AEB 系统对制动距离较为敏感，故修正后的AEB 系统临界安全距离模型更符合各种驾驶员的心理预期，增加了系统的自适应性。

图4 仿真组合工况

图5 工况识别结果

图6 驾驶状态识别结果

图7 临界安全距离

2018 版C-NCAP 评价体系中增加了对车辆追尾工况的测试评价，以对AEB 系统的有效性进行全面评估。选择驾驶状态识别系数分别为0.3、0.8和1.3，通过CarSim/Simulink对3种测试工况进行仿真验证。

前车静止（Car to Car Rear Stationary，CCRs）工况：在CarSim 中设定自车车速为40 km/h，前车静止，两车起始距离为50 m。前车匀速（Car to Car Rear Moving，CCRm）工况：在CarSim 中设定自车车速为45 km/h，前车车速为20 km/h，两车起始距离为50 m。前车制动（Car to Car Rear Braking，CCRb）工况：根据欧洲新车评价规程（European New Car Assessment Program，ENCAP）[10]，通过对因前车制动而引发的交通事故统计可得，前车制动减速度平均值为4.08 m/s2，故仿真中设定前车以-4 m/s2减速至停车，设定自车和前车车速均为50 km/h，两车起始距离为40 m。3 种驾驶状态驾驶员在3 种测试工况下的仿真结果如图8～图10 和表1所示。

图8 CCRs工况仿真结果

图9 CCRm工况仿真结果

图10 CCRb工况仿真结果

表1 3种测试工况下仿真结果 m

由图9～图11可以看出，3种工况下保守型、标准型和激进型起始制动距离、制动到与前车相对速度为0时与前车的距离均逐渐递减，制动减速度响应较快，并且最终都稳定在8 m/s2附近，稳态精度较高。CCRm 工况下，自车在制动到与前车同等速度时，AEB 系统停止工作，因制动系存在消除制动减速度的时间，导致相对速度小于0。同CCRs工况相比，CCRm工况下自车加速稳态精度更高。

6 结束语

本文针对目前AEB系统未考虑驾驶员驾驶状态实时变化的问题，引入冲击度对驾驶状态进行分析，并与纵向安全距离策略相结合，对最小安全距离进行修正，建立了一种适应驾驶状态的自动紧急制动系统。

采用CarSim/Simulink 在3 种工况下对AEB 系统进行了仿真分析，结果表明，基于驾驶状态识别的自动紧急制动系统可以更好地协调临界安全距离，在保证安全的前提下，更符合驾驶员的预期，提高了驾驶员对系统的信任度与认可度。