基于安全方程的智能前照灯控制系统设计*

李 柯，刘珊中，韩鹏娜

（河南科技大学信息工程学院，河南 洛阳 471000）

0 引言

智能前照灯系统是基于车辆启动、制动、加减速、转弯、上下坡道等不同驾驶姿态，使前照灯光光轴跟随视野最优范围的变化而智能变化的灯光随动系统。实践表明，安装该系统的车辆，车祸发生概率普遍降低，车祸发生后的受损程度也大大减小，是汽车智能化发展的重要部分［1］。

智能前照灯系统模型建立经历了以下过程：最早采用经验建模方法，以方向盘转角比例传递车灯转角，该方法能实现车灯随动偏转，却存在很大局限性；文献［2-5］提出七自由度几何模型的建立思想，以阿卡曼转向原理为依据，建立水平方向上的转弯模型，该方法的直接几何因素为转弯时驾驶者的视线，故能够保证车辆转弯时使驾驶者视野保持最优，但是没有考虑到遇到紧急事件需要刹车的情况，不能保证安全性；文献［6-7］研究了安全制动时制动距离与安全撞击的情况，讨论不同车速对应的安全刹车距离。文献［8-9］结合文献［6-7］的方法，提出以安全制动距离为依据的建模方法，使车辆转弯时遇到障碍物能及时制动停止，减少车辆行人损伤，该方法仅考虑特殊情况下车辆安全驾驶的问题，忽略了正常驾驶时驾驶者对视野舒适度的要求。

舒适因素与安全因素作为智能化发展的准则，对驾驶者来说是同等重要，任何因素的缺失都可能造成严重的后果。这样就有必要提出智能前照灯系统兼顾舒适度与安全性的模型建立方法。

本文根据车祸数据统计与分析，建立车速与累积损伤的关系，科学映射出安全方程。以安全方程为依据分配安全制动模型与视野最优模型的权值，实现双因素下车辆前照灯的智能控制。在验证理论可行性的基础上，设计基于安全方程的控制系统，验证双因素模式下车灯偏转效果，分析该模型建立方法的现实意义。

1 基于视野最优与安全制动的模型建立方法

基于视野最优的模型建立方法：保证在车辆转弯过程中，驾驶者能看到弯道中下一时刻车辆即将到达的位置。该方法是基于阿卡曼转向几何关系得到：

式中，L 为轴心距（m）；d 为前悬长度（m）；R 为右侧车轮转弯半径（m）；α1为右侧前照灯转角（°），γ 为方向盘转角（°）；k 为传动比（取值0.15）。

基于安全制动的模型建立方法：保证车辆转弯过程中发现障碍物时能够及时停车。以踩下制动板到完全停止时车辆总行程视为理论上灯光应该照亮的区域，实现安全视野内的车辆制动。通过对某型号汽车车速与刹车距离的数据采集，得到车速与安全刹车距离的对应关系如表1 所示。

将数据运用最小二乘法线性拟合，结合阿卡曼转向原理得出安全制动下的对象模型：

式中，r 为转弯半径（m）；v 为车速（km/h）；α2为前照灯转角（°）。

表1 车速与制动距离关系

2 安全方程的建立

收集车祸相关的数据信息，为保证科学性，用分层抽样的思想抽取我国的7 个城市：北京，上海，深圳，郑州，武汉，乌鲁木齐，兰州。调查收集近年来各个城市交通事故事件，提取车祸车速与车辆人员伤亡的相关信息。由于提取的样本数据量大且部分信息存在缺失的情况，采用关联规则学习的A Priori算法来预测缺失的样本信息［7］。当两个或多个条件同时满足时，认定另一事件发生的概率极大，从而用来补全事件信息。假设事件A 为“车速100 左右”，事件B 为“一死两伤”，事件C 为“车辆报废”，事件D 为“人车相撞”。则存在如下关系：

如果A=1 且B=1 或者C=1，那么D=1

发生概率为85%；

如果B=1 且C=1 或者D=1，那么A=1

发生概率为92%；

如果A=0 且B=0 或者C=0，那么D=1

发生概率为44%；

…

以一个城市该类事件发生的概率作为下一城市信息补全的概率，概率0 %～25 %认定事件不发生，75%～100%认定事件发生，25 %～50 %认定事件发生并对事件严重性重度降低后记录，50%～75%认定事件发生并对事件严重性轻度降低后记录。

按照上述原则对缺失信息补全，记录如下相关数据：车速，人员伤亡情况，车辆损坏情况，公共财产损失情况。

由于个别事件决定因素较多，出现不同于正常事件的情况，相应的数据会出现较大的偏差。对这类数据进行聚类分析，以数据间的距离尺度作为聚类的依据，本文采用凝聚聚类中的完全链接法来定义数据之间的最远距离点：

式中，d（x，y）是对象信息的距离，Dfl（Ci，Cj）为最远聚类间距。

由于数据信息素的多样性与冗杂性，需要给定聚类主体即信息主体的判别方法：

1）计算不同聚类信息素的最大聚类间距。根据统计的需要，选定车速，行人损伤，车辆损伤，财产损失状况作为聚类的信息，分别计算不同信息的最远距离尺度：

式中，Dab为不同信息间对的最远距离尺度，da为待定信息素的值，ai为待定信息素的可选范围，主要为了保证事故事件模糊，数据不精确的情况下对给定范围内的信息值逐一选定，db为参考信息素的值，bi为参考信息的范围。参考信息素的值和范围通过统计确定事件的发生情况，划分区间，其中速度范围划定为0 km/h～120 km/h，每增加10 km/h 取定一个参考信息，车祸类型分为人车相撞、车车相撞、意外事故3 种情况，行人，车辆，情况根据中华人民共和国伤残评定标准和机动车辆定损损伤标准均设置0～10 个不同的等级，财产损失（仅代表直接公共财产损失）以100 万为最高界限平均划分0～10 个不同等级。

2）分别对间距以及信息素作归一化处理。为保证不同信息相同情况下的对比，取定归一化常数为1，对最远间距，参考点作归一化处理：

式中，d 为各个最远间距以及参考点的尺度，dmax和dmin分别为该类信息素的最大和最小值，dk为归一化后的数值，μ 为归一化常数。

3）计算不同间距占信息素的比重。由于归一化常数取1，dk的值即为不同间距占该信息素最大间距尺度的比重。

4）以比重大的信息素作为该次聚类的聚类主体；若比例近似或相等，优先考虑速度因素。将同一事件的车速，行人损伤，车辆损伤，财产损失状况占比作为一组比较依据，判定该事件信息的主体。

式中，dk1为车速占比，dk1为行人损伤占比，dk1车辆损伤占比，dk1财产损失占比，z 为事件主体的占比，由于信息素波动较大的是速度值，故相似情况下优先考虑速度作为信息主体，增加一个较小的数δ（取0.05）体现速度的优先选择性。

例如一场车祸发生时车速为68 km/h，行人损伤等级为4.2 级，车辆损伤等级为4.3 级，事故结果为人车相撞。则车速的信息比重为1.67%，行人损伤信息比重为2%，车辆损伤信息比重为3%。则以车辆损失信息作为信息主体，其他次要信息可根据统计信息作适当调整，调整后的信息为：车速70 km/h，行人损伤4 级，车辆损伤4.3 级。

根据上述方法将数据样本处理为区域内散点分布，通过对采样事件的分类处理，计算不同类型车祸发生的概率，得到车速与累积损伤关系（为便于计算与统计，车辆与人员损伤取整，累积损伤取小数点后一位），累积损伤的计算方法为：

根据上述处理方法处理数据，得到如下页表2 所示结果，分析表2 中数据并作图如图1 所示。根据累计损伤的分布可知：在车速为60 km/h 和100 km/h 时仿真曲线出现跳变，故采用分段回归的方法对累计损伤关系进行回归，拟合结果如图1 拟合曲线所示。

图1 累计损伤与车速的关系

上述回归曲线为类S 型曲线，符合低速考虑视野最优比重大，中速视野与安全同等重要，高速安全性比重大的特点。根据累计损伤越大，考虑安全性越多，安全性权重越大的思想，将累计损伤与车速回归曲线直接作线性化映射，可以构建安全方程出如式（8）：

表2 车速与累计损伤

3 安全方程的使用

安全方程的建立是为了分配安全建模方法与舒适度建模方法的权值。对于视野最优的方法建模，取L=2 m，d=0.8 m，可得到该模式下的理论车灯转角；安全制动建模方法得到车灯转角与转弯半径和车速关系，如式（2）所示。因汽车转弯半径与方向盘转角和车辆类型等因素相关，呈现非线性关系，根据需要简化该关系为线性关系，通过对某型号轿车的经验数据采集，给定转弯半径与方向盘转角的关系为：

同时提取两种建模方法的数据，根据安全方程（式（5））对两组数据分别进行加权处理，得到兼顾安全性与舒适度的车灯转角，处理方法如式（10）：

根据实际驾驶过程中的需要，讨论车速不断增加的过程中，方向盘转角逐渐增大（控制在0°～60°）的小范围缓慢转向；当车速达到85 km/h 时考虑安全驾驶问题，方向盘转角逐渐减小。通过对该驾驶过程的模拟，得到如图2 的理论车灯转角仿真结果。

根据仿真曲线可以看出：基于安全制动模式下的转角呈现递增趋势，主要决定因素为速度；视野最优模式下的转角呈现类S 型曲线趋势，与转弯半径的变化趋势相对应；双因素下的转角在车速跳变点出现不同程度的跳变，转角变化跟速度，转弯半径都相关，同时考虑到了安全因素与舒适因素。该仿真结果在理论角度上验证了双因素模式下的转角更具智能化。

图2 车灯理论转角

4 控制系统设计

4.1 硬件结构设计

基于安全方程控制车灯转角的思想，设计控制系统［10-15］来实现前照灯的智能控制，该控制系统由以下几个模块组成：车速采集模块，方向盘转角采集模块，模式切换模块，主控芯片，模拟转向模块，转角输出模块，以及显示模块。如图3 所示。

图3 硬件结构框图

车速采集模块：MPU6050 六轴传感器模拟车辆加减速采集实时车速，设定x 轴正半轴俯角为正时为油门踩下过程，车速增大；x 轴正半轴俯角为负时为制动板踩下的过程，车速减小。

方向盘转角采集模块：LY-S0006 型电位器模拟车辆方向盘的转动控制车辆转弯。电压0 V～1.65 V为模拟方向盘右转，电压1.65 V～3.3 V 为模拟方向盘左转。

模式切换模块：KEY0 安全模式；KEY1 视野最优模式；默认双因素模式。

主控芯片：STM32F103ZET6。

模拟转向模块：LED0（红灯）闪烁，蜂鸣器发声，左转；LED0（黄灯）闪烁，蜂鸣器发声，右转。

转角输出模块：28BY-48 型步进电机输出前照灯转角，顺时针为右转；逆时针为左转。

显示模块：ILI9341 屏显示屏显示实时车速与车灯转角信息，转角信息通过100 线光电编码器测得。

4.2 软件设计

图4 控制系统主流程图

设计控制系统主流程图如图4 所示。设定初始速度为60 km/h，车速采集为避免计算过程影响响应时间，不采用加速度公式计算，而采用按俯仰大小比例模拟车速加减的大小。方向盘转角采集模块将电位器电压值比例放大为方向盘的转角-90°～90°。KEY0 模式下输出安全制动理论转角；KEY1 模式下输出视野最优理论转角；默认模式下输出双因素转角。根据电位器电压值位置判定左转右转，输出给模拟转向模块。步进电机输出主控芯片计算的理论转角值的10 倍。光电编码器采集的信息送回主控芯片，转换为实际转角后通过显示屏显示。

4.3 软硬件联合调试

模拟车辆行驶某一状态：转动MPU6050 来改变车速，同时转动电位器，改变模拟方向盘的转角，不按下任何键，使步进电机输出双因素转角，观察并记录此刻显示屏信息如图5 所示。

图5 硬件效果

该状态下MPU6050 处于模拟加速状态，电位器模拟左转，红色LED 灯闪烁，蜂鸣器发声。液晶屏显示当前车速为40.626 km/h，安全模式下转角为0.119°，视野最优模式下转角为10.128°，安全方程加权后的智能转角为4.533°，则步进电机向左转动约45°（以垂直方向作为步进电机轴初始位置）。

按照上述方式模拟车速从10 km/h～120 km/h增加，方向盘转角先增大后减小的过程（控制在0°～60°），记录10 组实际双因素模式下的转角信息，得到如下页图6、图7 的实验结果。

根据上述实验结果可以得到以下结论：

1）理论与实际双因素下的车灯转角范围在0°～20°，符合实际车辆车灯旋转角度的要求。

2）由误差曲线可知，理论与实际转角误差大致分布在-0.5°～+0.5°之间，符合智能前照灯系统对控制精度的要求。

图6 实际输出转角

图7 误差曲线

3）误差曲线A 点由于涉及光电编码器与LED指示灯（图4）的装卸，实测数据与理论数据偏差为0.851°，该结果是由器件变动导致，在实验条件下可以接受此误差。

根据上述分析结果可知，该控制系统设计符合实际智能前照灯系统的要求。

5 结论

本文提出智能前照灯系统兼顾安全性与舒适性的模型建立方法，基于车速与车祸累计损伤的关系建立安全方程，在模型建立过程中通过引入安全方程讨论不同车速下的安全与舒适权重，得到双因素下更具智能化的车灯理论转角。设计基于安全方程的控制系统，模拟车辆实时加减速、转弯的过程，记录实际偏转角度。通过实际转角与理论转角的误差分析，验证了控制系统的精度，为该系统应用于实车系统提供了实验基础。