摘 要：本文分析了基于多傳感信息融合技術(shù)的汽車防碰撞系統(tǒng)的國內(nèi)外研究現(xiàn)狀，建立了目標(biāo)物的識別模型，結(jié)合道路情況、車輛行駛工況等建立多傳感信息防碰撞模型。根據(jù)自車與障礙物的距離、障礙物的動作軌跡建立防碰撞預(yù)警系統(tǒng)模型，搭建了其中的預(yù)警決策系統(tǒng)框架，并對安全距離計算參數(shù)進(jìn)行了分析。

關(guān)鍵詞：汽車防碰撞系統(tǒng) 多傳感器信息融合 目標(biāo)物識別

1 前言

隨著汽車保有量的不斷增加，為了降低事故發(fā)生率，減少事故對人和車造成的傷害，目前很多車企和高校等研究單位對汽車防碰撞系統(tǒng)展開了深入的研究。

該系統(tǒng)作為汽車主動安全裝置可以給駕駛員發(fā)出聲音、視覺和震動等警報信息，從而避免危險情況的發(fā)生。張楚金[1]開展障礙物的模糊預(yù)警算法研究。李亞娟[2]提出了車輛網(wǎng)絡(luò)多級預(yù)警控制系統(tǒng)。洪浩[3]主要研究預(yù)警策略，以目標(biāo)物與自車的相對距離為依據(jù)制定相應(yīng)的預(yù)警策略。通用汽車公司的研究人員利用差分定位獲得車輛的實(shí)時位置和速度等信息，同時使用擴(kuò)展卡爾曼濾波估計車輛的位置，探究了車輛協(xié)同碰撞預(yù)警[4]。

本文將研究在多傳感器信息融合條件下行人保護(hù)系統(tǒng)的控制策略，使得車輛能夠利用多傳感器集成技術(shù)以及融合技術(shù)結(jié)合環(huán)境信息、交通狀況信息做出一個最優(yōu)決策，實(shí)現(xiàn)車輛自動感知前方的行人或障礙物，及時采取措施進(jìn)行降速或停車，從而保證行人的安全。

2 多傳感器融合方案制定

2.1 汽車防撞系統(tǒng)傳感器特性分析

汽車防碰撞系統(tǒng)的檢測方法主要有：超聲波檢測、紅外線檢測、激光檢測、毫米波檢測、視頻檢測、多傳感器融合檢測等幾種方法。由于單個傳感器提取的特征具有局限性，利用多個傳感器可以提取獨(dú)立、互補(bǔ)的特征向量，因此，研究各類傳感器融合算法，在進(jìn)行防碰撞預(yù)警的時候提供可靠的行車環(huán)境信息，對減少碰撞事故發(fā)生起到了重要作用[5]。

2.2 目標(biāo)物識別模型

在車輛行駛的過程中，傳感器能探測到的目標(biāo)物有很多，在道路系統(tǒng)中有車輛;非道路系統(tǒng)有行人、障礙物、動物等。每個被采集到的目標(biāo)物都有不同的特征點(diǎn)，不同目標(biāo)物的特性可總結(jié)如表1所示。

2.3 多傳感信息防碰撞系統(tǒng)框架

根據(jù)采集的傳感器信息對目標(biāo)進(jìn)行識別，結(jié)合車輛速度、路況等行駛信息，采用不同的控制策略，從而對車輛進(jìn)行聲光預(yù)警或者主動制動，建立的多傳感信息防碰撞系統(tǒng)的框架概念圖，如圖1所示。

3 汽車防碰撞系統(tǒng)模型

結(jié)合前文對傳感器特性和防碰撞系統(tǒng)框架的分析，建立汽車防碰撞系統(tǒng)模型，該系統(tǒng)可主要分為防碰撞預(yù)警系統(tǒng)（如圖2所示）和預(yù)警決策系統(tǒng)兩部分。

3.1 防碰撞預(yù)警系統(tǒng)模型

車輛的防碰撞預(yù)警是根據(jù)傳感器的檢測結(jié)果，來判斷識別交通環(huán)境中能危及本車安全的信號，并通過相應(yīng)的聲光報警、座椅震動報警、語音報警等提示預(yù)警信息輸出給駕駛員，還輔以自動剎車等主動安全措施。[5]根據(jù)前文分析，搭建防碰撞預(yù)警系統(tǒng)模型，根據(jù)障礙物的大小、位置和前后幀障礙物的位置變化信息為依據(jù)，作出預(yù)警決策，預(yù)警結(jié)果分為安全、提示性預(yù)警、緊急性預(yù)警三個等級。

3.2 預(yù)警決策系統(tǒng)模型

防碰撞預(yù)警決策是根據(jù)車輛信息、道路信息以及目標(biāo)物的類型及行為而做出的決策。這在整個防碰撞預(yù)警系統(tǒng)中是至關(guān)重要的。圖3為預(yù)警決策系統(tǒng)框架。

在行駛當(dāng)中，駕駛員對不同的行車環(huán)境會做出不同的制動反應(yīng)：

（1）在行車過程中突然出現(xiàn)障礙物、行人或者將要追尾前方車輛，需要迅速減速停車，駕駛員的第一反應(yīng)是“急剎”，會迅速踩下踏板，并將踏板踩到最底。

（2）在會車、遇到路口或者發(fā)現(xiàn)遠(yuǎn)處有異常等類似情況下，駕駛員會采用“點(diǎn)剎”的方式制動過渡，使車輛迅速減速，然后又迅速松開踏板或者輕踩踏板。

（3）車輛需要在前方指定位置停車，駕駛員一般會輕踩剎車，踩下離合器，讓車輛依靠慣性行駛，在要到達(dá)指定位置時，用力踩下踏板使車輛停止。

對上述幾種行車環(huán)境下的駕駛員的制動操作可以看出，在某一種行車環(huán)境中，駕駛可能既有輕踩踏板，又有猛踩踏板且踏 板行程不同，因此駕駛員的制動意圖是對某一時刻作用在踏板上動作而言，本文對駕駛制動意圖分為輕度制動、中度制動和緊急制動。通過傳感器獲得的道路信息和車輛信息計算出安全距離，結(jié)合目標(biāo)物的行為，查表得出相應(yīng)的預(yù)警策略，預(yù)警策略表如表2所示。

3.3 安全距離計算

安全距離是車輛與周圍環(huán)境目標(biāo)物之間需要保持的距離，目的是保護(hù)汽車和駕駛員安全，其值根據(jù)路況的不同而不同。在汽車防碰撞預(yù)警系統(tǒng)中的安全距離模型一般包含安全行駛距離、提醒報警距離和緊急輔助制動距離三個階段，提醒報警距離應(yīng)該給予駕駛員充足的反應(yīng)時間，讓駕駛員較為從容地采取正確的操作;而緊急輔助制動距離作為汽車行駛的最小安全距離，一般是車輛采取主動緊急制動，以保證車輛和駕駛員安全為最終目的。

結(jié)合圖4對安全距離進(jìn)行說明。圖中當(dāng)前的車輛速度V1，行人速度V2，根據(jù)人車之間的距離及預(yù)警決策，判斷St為提醒報警距離，在經(jīng)過時間t之后，車輛和行人之間的距離迅速減小，達(dá)到緊急輔助制動距離Sz。此時車輛在t時間之后行駛距離為S1，行人在t時間內(nèi)行走距離為S2。t時間后的車輛速度為V1*，行人速度為V2*。從圖中分析可知[6]：

在實(shí)際制動過程中，車輛制動時間t2分為三個部分，包括制動延遲時間t21，制動力增長時間t22，持續(xù)制動時間t23;參考相關(guān)文獻(xiàn)[7]可知，安全距離公式為：

式中，為最短安全距離

3.4 系統(tǒng)正面防碰撞安全距離模型確定

在確定正面防碰撞安全距離模型時，要考慮的參數(shù)主要有系統(tǒng)提醒報警時間，系統(tǒng)反應(yīng)時間，駕駛員的反應(yīng)時間，制動減速度的增長時間以及車停止時需保持的最短安全距離。

（1）系統(tǒng)反應(yīng)時間與制動減速度增長時間根據(jù)車速不同而略有差異，歐盟規(guī)定了轎車車速為80km/h時，系統(tǒng)反應(yīng)時間與制動減速度增長時間的一半之和應(yīng)小于0.36s。一般設(shè)定制動減速度的增長時間為0.2s，系統(tǒng)反應(yīng)時間小于0.16s。

（2）駕駛員的反應(yīng)時間根據(jù)車速不同有較大的差異，范圍為0.3s-1s。在汽車速度為40km/h時，駕駛員正常的反應(yīng)時間約為0.4s;但當(dāng)車速80km/h時，駕駛員的反應(yīng)時間約為1s左右。

（3）應(yīng)充分考慮不同道路條件及不同天氣造成的影響。其核心就是路面附著系數(shù)，附著系數(shù)的大小直接影響到車輪的抓地力，從而影響汽車的安全駕駛。干燥混凝土路面和瀝青路面附著系數(shù)較高，約為0.7-1.0;而天氣開始下雨時、潮濕的土路上、雪地等路面附著系數(shù)較低，約為0.2-0.4;在進(jìn)行安全距離模型測算時，應(yīng)將路面附著系數(shù)影響因子考慮進(jìn)去，否則模型的準(zhǔn)確性就會大大降低，難以避免事故的發(fā)生。

（4）從安全冗余角度，考慮到系統(tǒng)的延遲和安全問題，設(shè)定車輛停止時與目標(biāo)之間的距離為2.4m。

4 總結(jié)

本文分析了基于多傳感信息融合技術(shù)的汽車防碰撞系統(tǒng)的國內(nèi)外研究現(xiàn)狀，建立了目標(biāo)物的識別模型，結(jié)合道路情況、車輛行駛工況等建立多傳感信息防碰撞模型。根據(jù)自車與障礙物的距離、障礙物的動作軌跡建立防碰撞預(yù)警系統(tǒng)模型，搭建了其中的預(yù)警決策系統(tǒng)框架，在今后的研究中，還將考慮更加詳細(xì)的路況下的安全距離模型，建立更加精確的預(yù)警系統(tǒng)從而提高系統(tǒng)的可靠性。

資助項(xiàng)目：浙江省教育廳科研項(xiàng)目（編號：Y201942461）

參考文獻(xiàn)：

[1]張楚金. 智能車的前方車輛檢測和預(yù)警算法研究[D]. 湖南大學(xué)， 2015.

[2]李亞娟. 考慮擁塞的車輛網(wǎng)絡(luò)多級預(yù)警控制系統(tǒng)[D]. 西安電子科技大學(xué)， 2014.

[3]洪浩. 基于視覺的車輛防碰撞預(yù)警系統(tǒng)算法研究[D]. 遼寧工業(yè)大學(xué)， 2016.

[4]Huang J，Tan H S.Design and implementation of a cooperative collision warning system.Intelligent Transportation Systems Conference，2006. ITSC06.IEEE。IEEE，2006：1017—1022.

[5]王芳，陳哲.汽車防碰撞系統(tǒng)研究現(xiàn)狀分析[J]. 農(nóng)業(yè)裝備與車輛工程，2018.5.

[6]劉樹峰. 多路況下汽車防碰撞預(yù)警系統(tǒng)設(shè)計與仿真[D]. 山東農(nóng)業(yè)大學(xué)，2014.

[7]賈蘊(yùn)發(fā)，劉楊，李超，等.基于多傳感器的汽車防碰撞及行人保護(hù)預(yù)警設(shè)計[J]. 農(nóng)業(yè)裝備與車輛工程，2015，53（12）：56-59.