真實交通危險工況下駕駛員轉(zhuǎn)向避撞相關(guān)因素分析*

孟琳　朱西產(chǎn)　孫曉宇　李霖　江麗君（.同濟(jì)大學(xué)，上海 0804；.上海汽車集團(tuán)股份有限公司，上海 0804）

?

真實交通危險工況下駕駛員轉(zhuǎn)向避撞相關(guān)因素分析*

孟琳1朱西產(chǎn)1孫曉宇1李霖1江麗君2
（1.同濟(jì)大學(xué)，上海 201804；2.上海汽車集團(tuán)股份有限公司，上海 201804）

【摘要】通過對上海地區(qū)采集到的真實交通工況進(jìn)行篩選和分類，分析了本車直行與前車沖突及本車直行與騎行人沖突兩種危險工況下影響駕駛員轉(zhuǎn)向避撞行為的相關(guān)因素，并通過Logistic回歸分析建立了可預(yù)測駕駛員在危險工況下是否進(jìn)行轉(zhuǎn)向避撞的模型。利用該模型，可根據(jù)環(huán)境參數(shù)和車輛動力學(xué)參數(shù)判斷駕駛員在危險工況下是否傾向使用轉(zhuǎn)向避撞及其概率。

主題詞：汽車交通危險工況轉(zhuǎn)向避撞行為Logistic回歸分析

1　　前言

先進(jìn)的駕駛安全輔助系統(tǒng)可以幫助駕駛員及早發(fā)現(xiàn)和規(guī)避潛在危險，目前已研制出了可輔助駕駛員進(jìn)行轉(zhuǎn)向避撞的橫向駕駛輔助系統(tǒng)，如緊急轉(zhuǎn)向輔助（Emergency Steering Assist，ESA）系統(tǒng)、轉(zhuǎn)向避撞支持（Evasive Steering Support，ESS）系統(tǒng)和預(yù)碰撞系統(tǒng)等［1～3］。這些系統(tǒng)的介入必須要在駕駛員有轉(zhuǎn)向意圖時才進(jìn)行轉(zhuǎn)向輔助控制，基于此，分析相關(guān)環(huán)境參數(shù)和運(yùn)動參數(shù)進(jìn)而對駕駛員的轉(zhuǎn)向行為進(jìn)行預(yù)測，可以為轉(zhuǎn)向避撞系統(tǒng)的介入時機(jī)和控制策略提供理論基礎(chǔ)。

國外相關(guān)研究人員對影響駕駛員轉(zhuǎn)向避撞行為的因素進(jìn)行了分析，如Lechner和McGehee等人［4，5］的研究結(jié)果表明，當(dāng)TTC（相對距離除以相對速度）值減小時，采用轉(zhuǎn)向回避碰撞的比例增加；Kiefer等人［6］研究結(jié)果表明，隨車速的升高，通過轉(zhuǎn)向回避碰撞的駕駛員比例升高。但是，這些研究多數(shù)是在特定的測試環(huán)境中進(jìn)行的，駕駛員的反映與真實交通環(huán)境下有一定差距。此外，國外對駕駛員駕駛行為的研究都集中在車與車沖突及車與行人的沖突上，并沒有關(guān)于車與騎行者的沖突，而這一工況在中國是非常典型的［7］，因此，有必要研究本車與騎行人沖突時駕駛員的轉(zhuǎn)向避撞行為。

本文通過對真實交通工況的采集，選擇本車直行與前車沖突及本車直行與騎行人沖突的場景，提取可能對駕駛員轉(zhuǎn)向避撞行為產(chǎn)生影響的因素，利用Logistic邏輯回歸分析建立了影響駕駛員轉(zhuǎn)向避撞決策的模型。

2　　數(shù)據(jù)采集

利用配備行車記錄儀（VDR）的出租車、私家車及警車采集了上海嘉定區(qū)的真實交通場景。如圖1所示，除采集道路交通的影像信息外，還利用相關(guān)傳感器采集車速、縱向加速度和側(cè)向加速度等信息。該VDR在縱向加速度或側(cè)向加速度絕對值大于0.4g時觸發(fā)，只記錄觸發(fā)前15 s和觸發(fā)后5 s的數(shù)據(jù)。

通過VDR共采集了約4 000例觸發(fā)工況，通過人工篩選去掉沒有碰撞危險的工況，最終得到1 200例危險工況和8例事故工況。通過主觀評價對1 200例危險工況進(jìn)行了危險程度分級，共分為危險預(yù)兆（0級）、輕微危險（1級）、一般危險（2級）和緊急危險（3級）等4級［8］，選取危險度為2級和3級的工況作為分析目標(biāo)，共計430例。參考美國高速公路安全管理局提出的37類預(yù)碰撞場景［9］，對所篩選的430例工況的分布情況進(jìn)行了統(tǒng)計，如圖2所示，從中選取發(fā)生比例最高的兩類危險工況來分析影響駕駛員轉(zhuǎn)向避撞的相關(guān)因素。

3　　本車直行與騎行人沖突時轉(zhuǎn)向避撞相關(guān)因素分析

3.1基本信息統(tǒng)計

在430例危險工況中，有93例樣本屬于本車直行與騎行人沖突，駕駛員在此危險工況下的避撞行為分布為：69%采取制動，37%采取制動+轉(zhuǎn)向操作。由此可知，在駕駛員進(jìn)行轉(zhuǎn)向避撞操作時都伴隨著制動。在93例危險工況中，無轉(zhuǎn)向空間的有48例，有轉(zhuǎn)向空間的45例，占48.4%，有轉(zhuǎn)向空間時駕駛員的避撞行為分布為：26%有轉(zhuǎn)向空間未轉(zhuǎn)向，74%有轉(zhuǎn)向空間轉(zhuǎn)向。下面針對有轉(zhuǎn)向空間的危險工況來分析影響駕駛員轉(zhuǎn)向避撞的因素。經(jīng)過篩選，最終選取4類10個參數(shù)作為可能的影響因素。4類參數(shù)包括環(huán)境參數(shù)（照明情況、道路特征、路面濕滑情況、車流量）、目標(biāo)車參數(shù)（類型、運(yùn)動狀態(tài)、是否有遮擋）、本車參數(shù)（車速）、兩車相對運(yùn)動參數(shù)（制動開始時刻TTC值、重疊程度）。

在參數(shù)提取過程中，由于無法確定危險發(fā)生時的準(zhǔn)確時刻，但容易從CAN總線數(shù)據(jù)確定制動開始時刻，因此選取開始制動時的TTC值（稱為危險點TTC值）進(jìn)行后續(xù)Logistic回歸分析，利用回歸分析可以選定重要的參數(shù)進(jìn)入回歸模型來預(yù)測駕駛員的轉(zhuǎn)向避撞行為。用于Logistic回歸分析的參數(shù)取值及在45例危險工況中的分布情況如表1所列。表1中，定序尺度（Ordinal）是對事物之間等級差的一種測度；名義尺度（Nominal）是指測度事物之間的類別差［10］；照明情況好壞分別表示白天和晴天行車及夜間和陰雨天行車；路口包括十字路口和丁字路口；重疊程度表示本車躲避前車所需的最小橫向距離與本車車寬之比；車流量多少的分界標(biāo)準(zhǔn)是VDR觸發(fā)記錄前10 s內(nèi)駕駛員視野中的運(yùn)動車輛是否大于10輛。

表1　本車直行與騎行人沖突時用于Logistic回歸分析的參數(shù)取值及分布情況

3.2多因素Logistic回歸分析

文中采用向前條件Logistic回歸分析，使所選參數(shù)以步進(jìn)的方式進(jìn)入回歸模型，其進(jìn)入回歸模型的標(biāo)準(zhǔn)是分值統(tǒng)計量的顯著水平，從回歸模型刪除參數(shù)的標(biāo)準(zhǔn)是條件參數(shù)估計的似然比統(tǒng)計量概率。經(jīng)過預(yù)處理和4步的分析計算后，回歸模型對于制動轉(zhuǎn)向避撞動作的預(yù)測準(zhǔn)確率達(dá)到90.5%，對僅制動的預(yù)測準(zhǔn)確率達(dá)到90%，此模型擬合效果較好。最終回歸分析進(jìn)入模型中的參數(shù)如表2所列。

表2　本車直行與騎行人沖突時Logistic回歸分析最終模型參數(shù)

根據(jù)表2中顯著指標(biāo)值可知，危險點TTC、道路特征、車流量信息的置信度均達(dá)到95%以上，重疊率的置信度也達(dá)到90%。因此，可以得到如下預(yù)測駕駛員避撞行為的模型：

式中，p1表示駕駛員采取制動轉(zhuǎn)向進(jìn)行避撞的概率；p2表示駕駛員僅采用制動避撞的概率。

模型變量x1、x2、x3、x4的取值和含義如表3所列。

表3　　模型變量取值及含義

4　　本車直行與車輛沖突時轉(zhuǎn)向避撞相關(guān)因素分析

4.1基本信息統(tǒng)計

在430例危險工況中，共有142例本車直行與車輛沖突的工況，占全部危險工況的33%，駕駛員在此類危險工況下的避撞行為分布為：24.6%采取制動+轉(zhuǎn)向，75%采取制動。由此可知，駕駛員在避撞的過程中均采用了制動的方式。同樣選取具有轉(zhuǎn)向空間的77例危險工況進(jìn)行回歸分析，此條件下駕駛員的避撞行為分布為：45%采取制動+轉(zhuǎn)向，55%采取制動。

同樣選取4類10個參數(shù)作為Logistic回歸分析參數(shù)，如表4所列。表4中，商用車指在視頻中出現(xiàn)的大貨車和大客車，兩側(cè)插入是指目標(biāo)車從本車前方左、右兩側(cè)橫向駛來，兩側(cè)侵入是指鄰車道車輛變道或偏離本車道對本車造成干擾。其中道路特征和目標(biāo)車的運(yùn)動狀態(tài)是2自由度變量，重疊程度是3自由度變量。

表4　本車直行與車輛沖突時用于Logistic回歸分析的參數(shù)取值及分布情況

4.2多因素Logistic回歸分析

同樣采用向前條件Logistic回歸分析的方法，經(jīng)過4步計算以后，最終回歸模型對于兩種避撞動作預(yù)測的準(zhǔn)確率均達(dá)到88%以上。最終回歸模型中的參數(shù)如表5所列。

表5　本車直行與車輛沖突時Logistic回歸分析最終模型參數(shù)

由表5可知，因車流量信息、危險點TTC值、重疊率和本車車速的顯著水平明顯，所以最終進(jìn)入回歸模型，而其它參數(shù)沒有進(jìn)入模型。最終得到的判斷駕駛員轉(zhuǎn)向的模型為：

式中，p1為駕駛員采取制動轉(zhuǎn)向進(jìn)行避撞的概率；p2為駕駛員僅采用制動避撞的概率；x1、x2、x3代表車流量、開始制動時TTC值、本車車速；x4、x5、x6組合表示重疊程度。

模型中各參數(shù)取值及含義如表6所列。

表6　　模型參數(shù)取值及含義

5　　結(jié)束語

本文利用真實駕駛危險工況數(shù)據(jù)分析了影響駕駛員緊急轉(zhuǎn)向避撞的相關(guān)因素，主要討論了本車直行與騎行者和車輛沖突的情況，建立了可以預(yù)測駕駛員在危險工況下是否進(jìn)行轉(zhuǎn)向避撞的模型，利用此模型可根據(jù)環(huán)境參數(shù)和車輛動力學(xué)參數(shù)判斷駕駛員是否傾向使用轉(zhuǎn)向避撞及其概率。在實際應(yīng)用的過程中，可以通過設(shè)定合理的概率閾值來滿足系統(tǒng)的誤報率、漏報率等要求，當(dāng)然也需要更為大量的自然駕駛數(shù)據(jù)驗證并提高模型質(zhì)量。

參考文獻(xiàn)

1Eckert A，Hartmann B，Sevenich M，et al.，editors.Emergency steer&brake assist：a systematic approach for system integration of two complementary driver assistance systems. Proc 22nd Int Technical Conf Enhanced Safety of Vehicles，Washington DC，USA；June 2011.

2Fausten M.Accident avoidance by evasive manoevres.Proceedings of the 4th Tagung Sicherheit durch Fahrerassistenz （TVSD，Munich，April 15-16）.2010.

3Suzumura M，F(xiàn)ukatani K，Asada H.Current State of and Prospects for the Vehicle Dynamics Integrated Management System（VDIM）.Toyota Technical Review.2007，55（222）：554-565.

4Lechner D，Malaterre G.Emergency Manuever Experimentation Using a Driving Simulator.SAE Technical Paper，1991.

5McGehee DV，Mazzae EN，Baldwin G，et al.Examination of Drivers′Collision Avoidance Behavior Using Conventional and Antilock Brake Systems on the Iowa Driving Simulator. Human Factors&Vehicle Safety Research.1999：1.

6Kiefer RJ，Cassar MT，F(xiàn)lannagan CA，et al.Forward Collision Warning Requirements Project Final Report-Task 1. Washington DC：National Highway Traffic Safety Administration（NHTSA），2003 DOT HS 809 574.

7中華人民共和國公安部交通管理局.中華人民共和國道路交通事故統(tǒng)計年報2012年度.北京公安部交通管理局2013.

8李霖，朱西產(chǎn)，馬志雄.駕駛員在真實交通危險工況中的制動反應(yīng)時間.汽車工程，2014，36（10）：1225～1229.

9Najm WG，Smith JD，Yanagisawa M.Pre-crash scenario typology for crash avoidance research.Washington，DC：National Highway Traffic Safety Administration（NHTSA），2007 DOT HS 810 767.

10李玉光，杜宏巍，黃永生.SPSS 19.0統(tǒng)計分析入門與提高.北京：清華大學(xué)出版社，2014.

（責(zé)任編輯文楫）

修改稿收到日期為2016年4月5日。

中圖分類號：U467.1+4

文獻(xiàn)標(biāo)識碼：A

文章編號：1000-3703（2016）06-0059-03

*基金項目：上海市科學(xué)技術(shù)委員會資助（13QB1402300）。

通訊作者：朱西產(chǎn)（1962-），教授，博士生導(dǎo)師，Email：xczhu@163.com。

Analysis on Factors Affecting Drivers'Steering Evasive Maneuvers in Real Traffic Risk Scenarios

Meng Lin，Zhu Xichan，Sun Xiaoyu，Li Lin，Jiang Lijun
（1.Tongji University，Shanghai 201804；2.Shanghai Automotive Industry Corporation，Shanghai 201804）

【Abstract】The paper analyzes the factors affecting drivers'steering evasive behavior in two risk scenarios in which vehicles going straight forward have conflicts with pedal cyclists or preceding vehicles based on naturalistic driving data in real traffic conditions collected in Shanghai.By using Logistic regression analysis method，the model which can predict whether the driver makes steering evasive maneuver in dangerous conditions is established.With this model，we can determine whether the driver tends to make steering evasive maneuver and its probability in dangerous conditions according to environmental data and vehicle dynamics parameters.

Key words:Vehicle，Risk scenarios，Steering evasive maneuvers，Logistic regression analysis