鄭訊佳， 李會(huì)蘭， 胡孟夏， 張強(qiáng)， 陳華， 趙樹廉， 高建杰

（1. 中國汽車工程研究院股份有限公司，重慶 401122；2. 重慶文理學(xué)院 智能制造工程學(xué)院，重慶 402160；3. 重慶城市職業(yè)學(xué)院 信息與智能制造學(xué)院，重慶 402160；4. 中汽院智能網(wǎng)聯(lián)研科技有限公司，重慶 401122；5. 智能警務(wù)四川省重點(diǎn)實(shí)驗(yàn)室，四川，瀘州 646000）

行車風(fēng)險(xiǎn)受到人-車-路三方面中多種因素的綜合影響。由于道路交通復(fù)雜，路況多變；駕駛員特性各異，行為不定；車輛系統(tǒng)復(fù)雜，性能耦合，使行車風(fēng)險(xiǎn)具有時(shí)變、復(fù)雜和耦合的特性。行車風(fēng)險(xiǎn)的辨識(shí)和評(píng)估技術(shù)能幫助駕駛員提前識(shí)別風(fēng)險(xiǎn)，降低交通事故的發(fā)生率和傷亡率，緩解嚴(yán)峻的行車安全現(xiàn)狀。

現(xiàn)有研究對(duì)風(fēng)險(xiǎn)的定義，其一是將風(fēng)險(xiǎn)視為某一系統(tǒng)內(nèi)有害事件或異常事件發(fā)生的可能性；其二是把風(fēng)險(xiǎn)定義為某一事故產(chǎn)生的后果和該事故發(fā)生概率的乘積［1］。研究人員通常用描述碰撞的參數(shù)對(duì)行車風(fēng)險(xiǎn)進(jìn)行定量評(píng)估，主要有基于事故分析的風(fēng)險(xiǎn)評(píng)估方法、基于車輛運(yùn)動(dòng)學(xué)的風(fēng)險(xiǎn)評(píng)估方法和基于人工勢(shì)能場的風(fēng)險(xiǎn)評(píng)估方法。

其中，基于事故分析的風(fēng)險(xiǎn)評(píng)估方法，通常采用計(jì)算單位里程事故率（死亡率）、百萬輛車事故率（死亡率）、百萬人事故率（死亡率）、十萬人口死亡率、億車公里事故率（死亡率、受傷率）、當(dāng)量死亡率和綜合事故率等事故統(tǒng)計(jì)指標(biāo)，以評(píng)估道路環(huán)境中車輛運(yùn)行的安全情況［2-3］。這類方法通常依賴海量歷史事故數(shù)據(jù)，屬于事后評(píng)估方法，難以及時(shí)評(píng)價(jià)行車過程中的動(dòng)態(tài)風(fēng)險(xiǎn)，難以刻畫當(dāng)前行車安全水平，同時(shí)該方法所依賴的道路碰撞數(shù)據(jù)通常還存在報(bào)告不足、樣本均值低、行為信息有限和遺漏變量偏差等缺點(diǎn)?；谲囕v運(yùn)動(dòng)學(xué)的風(fēng)險(xiǎn)評(píng)估方法，通常考慮空間和時(shí)間上的安全距離，如保證行車安全的車輛間最小距離［4］、臨界安全距離［5］、碰撞剩余時(shí)間（Time to Collision，TTC）［6-7］、碰撞剩余時(shí)間的倒數(shù)（inverse Time to Collision，TTCi）［8］、車頭時(shí)距（Time Headway，THW）［9］等?；谲囕v運(yùn)動(dòng)學(xué)的風(fēng)險(xiǎn)方法由于簡潔方便，得到了廣泛的應(yīng)用，從20 世紀(jì)90 年代開始，本田、馬自達(dá)、捷豹等國際汽車企業(yè)均應(yīng)用此類方法分別為各自的汽車產(chǎn)品開發(fā)了輔助駕駛算法，并促使對(duì)駕駛安全輔助算法的相關(guān)研究進(jìn)入高速發(fā)展期。然而，這類方法通常單獨(dú)對(duì)車輛行駛的縱向或橫向上的風(fēng)險(xiǎn)狀態(tài)進(jìn)行量化建模，難以應(yīng)對(duì)一些復(fù)雜的行駛場景［10］。為了實(shí)現(xiàn)車輛行駛過程中的縱橫向風(fēng)險(xiǎn)耦合評(píng)估，研究人員開始采用人工勢(shì)能場來描述車輛與周圍環(huán)境的相互關(guān)系和風(fēng)險(xiǎn)程度。HSU 等［11］采取與車輛安全間隙的引力和周圍其他車輛的斥力建立了引力跟車模型。MATSUMI 等［12基于人工勢(shì)能場實(shí)現(xiàn)了交叉路口車輛對(duì)行人的避撞行為，實(shí)現(xiàn)了對(duì)交叉路口場景中易受傷害道路使用者的保護(hù)。RAKSINCHAROENSAK 等［13］采用彈簧模型研究車輛與行人之間的行車風(fēng)險(xiǎn)，設(shè)計(jì)用于交叉路口的駕駛安全輔助系統(tǒng)，但所提出方法的應(yīng)用場景有限，而且模型適應(yīng)性尚待提高。SATTEL 等［14］利用勢(shì)能場理論設(shè)計(jì)車輛路徑規(guī)劃算法，實(shí)現(xiàn)智能汽車的車道保持和避撞系統(tǒng)功能，還實(shí)現(xiàn)了對(duì)靜止障礙物和運(yùn)動(dòng)障礙物的區(qū)分。LI Linheng 等［15］提出的人工勢(shì)能場函數(shù)中的排斥場包含多個(gè)組成部分，包括道路邊界勢(shì)、車道勢(shì)和障礙物勢(shì)，這些組成部分組合在一起，成為完整的風(fēng)險(xiǎn)圖。雖然最初的應(yīng)用主要集中在自動(dòng)化車輛上，但一些研究人員已經(jīng)嘗試將這一概念用于人類駕駛車輛的安全建模。清華大學(xué)王建強(qiáng)團(tuán)隊(duì)［10，16］意識(shí)到，為了可靠地模擬人類駕駛車輛的個(gè)人碰撞風(fēng)險(xiǎn)，需要在安全領(lǐng)域功能中考慮與駕駛員、車輛和道路相關(guān)的各種風(fēng)險(xiǎn)因素，并確定了行車安全場的3 個(gè)組成部分：勢(shì)能場、動(dòng)能場和行為場。但模型中參數(shù)眾多，難以標(biāo)定，在實(shí)際應(yīng)用中存在一定局限性。

綜上可知，行車風(fēng)險(xiǎn)量化建模是開發(fā)智能駕駛輔助系統(tǒng)算法的關(guān)鍵環(huán)節(jié)，國內(nèi)外學(xué)者對(duì)于行車風(fēng)險(xiǎn)的評(píng)估已經(jīng)開展了大量的研究，但是仍存在較多不足之處。為了減少模型的待定參數(shù)，簡化模型，本文從能量轉(zhuǎn)移理論出發(fā)，結(jié)合車輛運(yùn)動(dòng)學(xué)約束，基于車輛的行駛軌跡分析行車風(fēng)險(xiǎn)的分布并量化車輛行駛過程中的行車風(fēng)險(xiǎn)，該方法將為汽車智能安全技術(shù)研究提供新的思路。

1 能量轉(zhuǎn)移理論分析

1961 年，吉布森（Gibson）提出：事故是不正常的或不期望的能量釋放的結(jié)果。1966 年，哈登（Haddon）引申了上述觀點(diǎn)并提出人受傷害的原因只能是某種能量的轉(zhuǎn)移，并提出了能量逆流于人體造成傷害的分類方法。第一類傷害是由于施加了超過局部或全身性的損傷預(yù)知的能量而產(chǎn)生的，如機(jī)械傷害、燒傷等。第二類傷害是由于影響了局部或全身性能量交換引起的，如由機(jī)械因素或化學(xué)因素引起的窒息（常見的有溺水、一氧化碳中毒和氰化氫中毒等）［17］。

系統(tǒng)安全工程研究認(rèn)為，事故的根本原因是存在危險(xiǎn)源。通過控制和消除系統(tǒng)中的危險(xiǎn)源可以防止意外事故的發(fā)生［18］。通常危險(xiǎn)源可以分為兩類，其一是系統(tǒng)中可能意外釋放的能量或危險(xiǎn)物質(zhì)；其二是指導(dǎo)致能量或危險(xiǎn)物質(zhì)約束失效的各種不安全因素，主要包括系統(tǒng)故障、人為失誤和環(huán)境因素［18］。

道路交通事故中碰撞過程的本質(zhì)是運(yùn)動(dòng)物體所具有的能量（如動(dòng)能、化學(xué)能等）轉(zhuǎn)化為其他形式的能（如熱能、彈性勢(shì)能等），并造成彈性、塑性形變的過程。能量轉(zhuǎn)移理論認(rèn)為：事故是能量的不正常轉(zhuǎn)移［19］。在交通系統(tǒng)中，運(yùn)動(dòng)物體（如車輛、騎車人、行人）都具有動(dòng)能，車輛從起步開始加速至某一速度的過程實(shí)際上是自身動(dòng)能不斷增長的儲(chǔ)能過程，若在某一時(shí)刻與某一物體發(fā)生碰撞，則其儲(chǔ)存的能量將釋放和轉(zhuǎn)移并導(dǎo)致彈性和塑性變形，那么在碰撞過程中，動(dòng)能越大造成的損害就越大。

因此，可以根據(jù)上述定義方便地分析道路運(yùn)輸系統(tǒng)中的危險(xiǎn)源。第一類危險(xiǎn)源包括車輛的動(dòng)能、燃料和危險(xiǎn)化學(xué)品等危險(xiǎn)物質(zhì)；第二類危險(xiǎn)源包括人的失誤、機(jī)械故障、惡劣路況、惡劣天氣等。

2 量化行車風(fēng)險(xiǎn)的基本模型

根據(jù)對(duì)能量轉(zhuǎn)移理論的分析可知，只要確定出交通系統(tǒng)中的危險(xiǎn)源，就能根據(jù)危險(xiǎn)源的能量釋放可能的途徑去分析風(fēng)險(xiǎn)的演變趨勢(shì)。

在交通系統(tǒng)中，每一個(gè)道路使用者都包含動(dòng)能，包括車輛、行人和騎車人等。因此，可以根據(jù)移動(dòng)物體的動(dòng)能值來描述交通風(fēng)險(xiǎn)的程度。對(duì)于單個(gè)運(yùn)動(dòng)物體，其動(dòng)能可以表示為：

式中：Ei，mi，和vi分別為道路使用者i的動(dòng)能、質(zhì)量和運(yùn)動(dòng)速度；Δxi為道路使用者i正前方某一點(diǎn)與i的距離。Ei的單位為J，Δxi的單位為m。令：

式中：Fi為攜帶能量為Ei的道路使用者i對(duì)其運(yùn)動(dòng)方向上的道路交通環(huán)境造成的風(fēng)險(xiǎn)作用力，單位N。

如果不考慮方向性，假設(shè)作用力Fi在任意方向上的影響相同，即存在各向同性，取mi= 1 000 kg，vi= 20 m/s，道路使用者坐標(biāo)為Oi=(0，0)，則該道路使用者對(duì)外界產(chǎn)生的風(fēng)險(xiǎn)可以用圖1表示。

3 考慮車輛動(dòng)力學(xué)約束的行車風(fēng)險(xiǎn)模型

對(duì)于在道路交通環(huán)境中正常行駛的車輛而言，其在運(yùn)行過程中對(duì)交通環(huán)境造成的行車風(fēng)險(xiǎn)不具有各向同性，顯然，車輛對(duì)其運(yùn)動(dòng)方向正前方的行車風(fēng)險(xiǎn)最大。即行車風(fēng)險(xiǎn)存在其既定的影響范圍。

行車風(fēng)險(xiǎn)是由車輛和道路交通環(huán)境的相互作用而產(chǎn)生，它與車輛的運(yùn)動(dòng)狀態(tài)和道路環(huán)境條件有關(guān)。假設(shè)駕駛車輛的駕駛員始終遵守道路交通環(huán)境中的交通規(guī)則和法規(guī)，且車輛行駛時(shí)其速度恒定，當(dāng)車輛轉(zhuǎn)向時(shí)其轉(zhuǎn)向角也恒定。此外，根據(jù)車輛動(dòng)力學(xué)可知，車輛在某一速度下維持穩(wěn)定行駛的最大轉(zhuǎn)向角存在極值。因此，考慮車輛動(dòng)力學(xué)約束下，車輛對(duì)外界的風(fēng)險(xiǎn)具有特定的范圍。

如果用R(t)表示車輛的轉(zhuǎn)彎半徑，則有：

式中：K為穩(wěn)定性因素；L為車輛i的軸距；δ為轉(zhuǎn)向角。

假設(shè)車輛始終受控并穩(wěn)定行駛，則其速度和轉(zhuǎn)彎半徑的最大值取決于道路條件。車輛的運(yùn)動(dòng)狀態(tài)將服從式（5）～（7）。

式中：FX和FY分別表示車輛輪胎所受的縱向力和橫向力；FZ為地面支撐反力；φ為路面附著系數(shù)；f為滾動(dòng)阻力系數(shù)；CD為空氣阻力系數(shù)；A為車輛的迎風(fēng)面積。

因此，車速vi與車輪轉(zhuǎn)角δ之間的關(guān)系滿足式（8）：

式中：W=CDA/21.15；

隨著車輛行駛速度的增加，車輛動(dòng)力學(xué)約束下所允許的轉(zhuǎn)向角按照式（8）減小。同時(shí)，車輪轉(zhuǎn)角δ取決于車輛的機(jī)械結(jié)構(gòu)。最大值等于轉(zhuǎn)向角極限δmax。對(duì)于乘用車，通常有δmax∈[-π/4，π/4]。顯然，|δ(t)|≤δmax。

因此，車輛在運(yùn)動(dòng)過程中，其可能運(yùn)動(dòng)的軌跡范圍存在一定的邊界，即存在轉(zhuǎn)向的左極限和右極限，在此極限邊界內(nèi)車輛為穩(wěn)定狀態(tài)，反之則車輛失去穩(wěn)定性，即可能出現(xiàn)翻車的情況。

假設(shè)駕駛員在行車過程中轉(zhuǎn)動(dòng)轉(zhuǎn)向盤的概率服從一定的概率分布，如果轉(zhuǎn)向角和轉(zhuǎn)向概率分別為δk和pk，則有：

式中：k∈[-n，n]，k，n∈Z；Δδ為轉(zhuǎn)向角的增量。此外，δ0表示直行，如果k為正整數(shù)，δk表示左轉(zhuǎn)，否則δk表示右轉(zhuǎn)。

顯然，車輛在不同的工況下的轉(zhuǎn)向概率不同，比如在高速公路等車道曲率變化小的道路行駛過程中，駕駛員轉(zhuǎn)動(dòng)方向盤的幅度小，只在換道過程中會(huì)有較大幅度的轉(zhuǎn)向行為，但行駛在盤山公路等車道曲率變化較大的環(huán)境中則相反。無論道路曲率大還是小，都可以通過Frenet 坐標(biāo)的變換，將曲線道路變換為直行道路，這一技術(shù)通常被應(yīng)用于軌跡規(guī)劃中［20］。本研究利用項(xiàng)目組采集并建立的i-VISTA中國自然駕駛數(shù)據(jù)庫對(duì)駕駛員轉(zhuǎn)向的概率進(jìn)行分析，該數(shù)據(jù)庫共采集了50 名駕駛員自由行駛過程的數(shù)據(jù)，包括：GPS 信號(hào)數(shù)據(jù)、前向車載攝像頭數(shù)據(jù)、前向毫米波雷達(dá)數(shù)據(jù)、激光雷達(dá)數(shù)據(jù)和車輛的CAN總線數(shù)據(jù)，累計(jì)里程達(dá)100萬公里。

⑤經(jīng)常飲用的碳酸飲料，不僅含有大量的糖分（大量糖分導(dǎo)致抑制眼球增長的有效物質(zhì)減少），還能使體內(nèi)鈣減少，導(dǎo)致鞏膜中鈣的含量下降，使眼球壁失去正常的彈性，眼球容易被拉長，眼軸增長過快，易引發(fā)近視并加快近視度數(shù)增長。

本研究從數(shù)據(jù)庫中隨機(jī)抽取了6 天不同時(shí)段2 500 km 的車輛行駛數(shù)據(jù)，對(duì)應(yīng)280 個(gè)數(shù)據(jù)段和11 200 min 的駕駛數(shù)據(jù)。該區(qū)域覆蓋了城市道路和環(huán)城高速公路，大部分為道路曲率變化小的直行道路場景，其中涵蓋了跟車和換道等場景。對(duì)數(shù)據(jù)進(jìn)行擬合獲得以概率密度函數(shù)，如式（11）所示。

由式（11）可知，車輛保持直行（即k= 0 時(shí)）的概率最大，由于車輪轉(zhuǎn)角處于不同的角度的概率不同，所以行車風(fēng)險(xiǎn)對(duì)各個(gè)方向上的影響也顯然不同。為了量化恒定車速下不同車輪轉(zhuǎn)角對(duì)道路交通環(huán)境所造成的行車風(fēng)險(xiǎn)差異，結(jié)合式（2），定義考慮車輛行駛動(dòng)力學(xué)約束的行車風(fēng)險(xiǎn)為：

式中：

取mi= 1 000 kg，vi= 20 m/s，道路使用者坐標(biāo)為Oi=(0，0)，則該道路使用者對(duì)外界產(chǎn)生的風(fēng)險(xiǎn)如圖2所示。

圖2 風(fēng)險(xiǎn)作用力分布圖（考慮車輛動(dòng)力學(xué)約束）

如圖2 所示，把車輛看作Oi=(0，0)處的一個(gè)質(zhì)點(diǎn)，運(yùn)動(dòng)方向?yàn)閄軸的正方向。圖中白色扇形區(qū)域?yàn)檐囕v在動(dòng)力學(xué)約束下不能正常行駛到達(dá)的區(qū)域，因此，這部分的風(fēng)險(xiǎn)作用力的值為0，即車輛對(duì)這部分區(qū)域不產(chǎn)生行車風(fēng)險(xiǎn)，這不僅符合車輛的運(yùn)動(dòng)學(xué)規(guī)律，也符合人對(duì)行車風(fēng)險(xiǎn)的主觀感受。另一個(gè)值得說明的特點(diǎn)在于，車輛直行時(shí)，在20 m以內(nèi)的正前方，行車風(fēng)險(xiǎn)較高，計(jì)算該區(qū)域的碰撞時(shí)間TTC 可知，該區(qū)域的TTC ≤1 s，屬于危險(xiǎn)區(qū)域。相比圖1 所示的各向同性的行車風(fēng)險(xiǎn)模型，考慮車輛動(dòng)力學(xué)約束的行車風(fēng)險(xiǎn)模型更加準(zhǔn)確。

4 仿真試驗(yàn)

為了驗(yàn)證模型的有效性，針對(duì)換道超車場景設(shè)計(jì)了以下2 個(gè)場景，如圖3 所示：場景1 為跟車場景，自車（ego vehicle）為后車，坐標(biāo)為(5，6)，速度ve= 12 m/s，前車（other vehicle 1） 坐標(biāo)為(19，6)，速度為vo1= 10 m/s；場景2 在場景1 的基礎(chǔ)上增加了鄰車（other vehicle 2）， 坐標(biāo)為(17，2)，速度為vo2= 10 m/s。

圖3 仿真試驗(yàn)場景

設(shè)置每輛車的質(zhì)量均為me=mo1=mo2=1 500 kg，根據(jù)式（12），利用Matlab 進(jìn)行仿真分析，得到的結(jié)果如圖4所示。

圖4 仿真結(jié)果

圖4a 顯示的是場景1 當(dāng)前狀態(tài)的風(fēng)險(xiǎn)情況。根據(jù)場景設(shè)置可知，自車和前車相距14 m，如果保持該運(yùn)動(dòng)狀態(tài)，7 s 后自車將追尾前車。同時(shí)，由圖4a 可知，兩車各自產(chǎn)生的行車風(fēng)險(xiǎn)處于疊加狀態(tài)，整個(gè)交通環(huán)境中的風(fēng)險(xiǎn)明顯升高；當(dāng)自車選擇右轉(zhuǎn)向，如圖4b 所示，則兩車各自產(chǎn)生的行車風(fēng)險(xiǎn)分離，道路交通環(huán)境中的整體風(fēng)險(xiǎn)明顯有所下降。

圖4c 顯示的是場景2 當(dāng)前狀態(tài)的風(fēng)險(xiǎn)情況。同樣，根據(jù)場景設(shè)置可知，自車和前車相距14 m，若保持該運(yùn)動(dòng)狀態(tài)，7 s 后自車將追尾前車。此外，由于鄰車的存在，與圖4a 相比，觀察x∈[30，60]區(qū)間內(nèi)的道路風(fēng)險(xiǎn)情況發(fā)現(xiàn)，3 輛車各自產(chǎn)生的行車風(fēng)險(xiǎn)的疊加造成場景2 中的道路交通風(fēng)險(xiǎn)明顯高于場景1，當(dāng)前道路交通環(huán)境風(fēng)險(xiǎn)相比場景1 更大。此時(shí)，當(dāng)自車選擇向左轉(zhuǎn)向，如圖4d 所示，整個(gè)道路交通風(fēng)險(xiǎn)情況明顯下降。

通過計(jì)算上述2 個(gè)場景當(dāng)前狀態(tài)的風(fēng)險(xiǎn)情況，以及自車通過改變運(yùn)動(dòng)狀態(tài)能避開風(fēng)險(xiǎn)，使道路交通環(huán)境風(fēng)險(xiǎn)整體降低，驗(yàn)證了風(fēng)險(xiǎn)建模的準(zhǔn)確性。

把上述兩個(gè)場景各自對(duì)應(yīng)的兩個(gè)狀態(tài)用狀態(tài)1～4 表示。其中，狀態(tài)1 對(duì)應(yīng)場景1（危險(xiǎn)狀態(tài)）；狀態(tài)2 對(duì)應(yīng)場景1（自車轉(zhuǎn)向避險(xiǎn)）；狀態(tài)3 對(duì)應(yīng)場景2（危險(xiǎn)狀態(tài)）；狀態(tài)4 對(duì)應(yīng)場景2（自車轉(zhuǎn)向避險(xiǎn)）。分別計(jì)算4 個(gè)狀態(tài)下圖示環(huán)境中行車風(fēng)險(xiǎn)的均值和方差，獲得的結(jié)果如圖5所示。

圖5 行車風(fēng)險(xiǎn)均值和方差

由圖5 可知，自車轉(zhuǎn)向避險(xiǎn)的狀態(tài)（狀態(tài)2、狀態(tài)4）相比對(duì)應(yīng)的危險(xiǎn)場景（狀態(tài)1、狀態(tài)3），行車風(fēng)險(xiǎn)的均值和方差都有明顯下降。說明自車轉(zhuǎn)向避險(xiǎn)的行為使轉(zhuǎn)向行為之前的危險(xiǎn)場景的危險(xiǎn)狀態(tài)獲得了緩解。

為了進(jìn)一步驗(yàn)證模型的有效性，針對(duì)近距離勻速行駛、小相對(duì)速度靠近、大相對(duì)速度靠近3 種場景進(jìn)行分析。在本部分仿真中，基于圖3 中的場景1 進(jìn)行了擴(kuò)展。設(shè)置前車速度為vo= 20 m/s，自車分別以ve= 20 ，25 ，30 m/s 的跟車速度行駛。如圖6所示，場景3表示兩車近距離勻速行駛；場景4表示小相對(duì)速度靠近；場景5 表示大相對(duì)速度靠近。分別計(jì)算前后車距為40 m 和20 m 時(shí)，圖示環(huán)境中交通風(fēng)險(xiǎn)的均值和方差。

同樣，將上述3 個(gè)場景各自對(duì)應(yīng)的兩個(gè)狀態(tài)用狀態(tài)1～6 表示。其中，狀態(tài)1 對(duì)應(yīng)場景3（車距40 m）；狀態(tài)2 對(duì)應(yīng)場景3（車距20 m）；狀態(tài)3 對(duì)應(yīng)場景4（車距40 m）；狀態(tài)4 對(duì)應(yīng)場景4（車距20 m）；狀態(tài)5 對(duì)應(yīng)場景5（車距40 m）；狀態(tài)6 對(duì)應(yīng)場景5（車距20 m）。分別計(jì)算6個(gè)狀態(tài)下圖示環(huán)境中行車風(fēng)險(xiǎn)的均值和方差，獲得的結(jié)果如圖7所示。

圖7 行車風(fēng)險(xiǎn)均值和方差

對(duì)比3 個(gè)場景各自的兩個(gè)狀態(tài)可以看出，3 個(gè)場景中車距40 m 時(shí)行車風(fēng)險(xiǎn)的均值和方差都比車距20 m 時(shí)的均值和方差大。當(dāng)車距相同時(shí)（40 m或20 m），場景3、4、5 行車風(fēng)險(xiǎn)的均值呈現(xiàn)隨自車速度增加而增加的趨勢(shì)。計(jì)算6 個(gè)狀態(tài)的車頭時(shí)距，見表1，可以看出，按照THW，狀態(tài)1、3、5的風(fēng)險(xiǎn)分別小于狀態(tài)2、4、6；在同樣的車距下，場景3 風(fēng)險(xiǎn)小于場景4 風(fēng)險(xiǎn)，場景4 風(fēng)險(xiǎn)小于場景5風(fēng)險(xiǎn)。THW 分析結(jié)果顯示，6個(gè)狀態(tài)的危險(xiǎn)程度與行車風(fēng)險(xiǎn)均值方差分析結(jié)果吻合。

表1 六個(gè)狀態(tài)的THW

5 結(jié)論

本文提出了一種基于能量轉(zhuǎn)移理論的行車風(fēng)險(xiǎn)量化建模方法。利用車輛攜帶的動(dòng)能推導(dǎo)了車輛對(duì)道路交通環(huán)境或其他道路使用者產(chǎn)生的行車風(fēng)險(xiǎn)。同時(shí)，考慮車輛動(dòng)力學(xué)因素，通過計(jì)算確定車輛的可行駛區(qū)域，確立了行車風(fēng)險(xiǎn)的影響范圍。風(fēng)險(xiǎn)作用力分布圖顯示，行車風(fēng)險(xiǎn)由車輛的速度和轉(zhuǎn)向角等車輛的運(yùn)動(dòng)狀態(tài)決定，并且還與道路附著系數(shù)、滾動(dòng)阻力系數(shù)和空氣阻力系數(shù)等道路交通環(huán)境條件有關(guān)。由仿真分析結(jié)果可知，道路交通風(fēng)險(xiǎn)的產(chǎn)生是由于道路交通環(huán)境中各個(gè)車輛所產(chǎn)生的行車風(fēng)險(xiǎn)交織，引起風(fēng)險(xiǎn)累積疊加造成的，緩解道路交通風(fēng)險(xiǎn)可以考慮通過避免行車風(fēng)險(xiǎn)的大規(guī)模疊加，使行車風(fēng)險(xiǎn)的分布向分散的趨勢(shì)演變，避免風(fēng)險(xiǎn)累積集中。未來研究將通過綜合考慮人-車-路相互作用對(duì)行車風(fēng)險(xiǎn)進(jìn)行詳細(xì)建模，嘗試刻畫風(fēng)險(xiǎn)作用力對(duì)道路交通環(huán)境中每個(gè)道路使用者的危險(xiǎn)程度。同時(shí)，基于能量轉(zhuǎn)移理論的行車風(fēng)險(xiǎn)量化建模方法將開發(fā)實(shí)用的駕駛輔助算法和自動(dòng)駕駛算法。