基于自然駕駛數(shù)據(jù)的危險評估算法研究?

吳 斌，朱西產(chǎn)，沈劍平，李 霖

基于自然駕駛數(shù)據(jù)的危險評估算法研究?

吳 斌1，2，朱西產(chǎn)1，沈劍平2，李 霖3

(1.同濟大學(xué)汽車學(xué)院，上海 201804；2.國家機動車產(chǎn)品質(zhì)量監(jiān)督檢驗中心(上海)，上海 201805；3.上海國際汽車城(集團)有限公司，上海 201805)

本文中提出了一種基于自然駕駛數(shù)據(jù)的汽車碰撞危險評估算法。首先分析了在自然駕駛工況下的駕駛員制動和轉(zhuǎn)向的輸入特性，研究了表征駕駛員的制動避撞和轉(zhuǎn)向避撞緊急程度的行為特征參數(shù)，建立了緊急制動和緊急轉(zhuǎn)向的駕駛員數(shù)學(xué)模型；在此基礎(chǔ)上，分析了不同車速下制動避撞和轉(zhuǎn)向避撞的特征，提出了基于自然駕駛數(shù)據(jù)的危險評估算法。仿真結(jié)果表明，本文中提出的危險評估算法可同時兼顧制動避撞和轉(zhuǎn)向避撞，并與駕駛員在真實交通環(huán)境下的緊急避撞行為相對應(yīng)，可用于汽車避撞系統(tǒng)控制策略的開發(fā)。

自然駕駛數(shù)據(jù)；緊急避撞；駕駛員行為；危險評估

前言

汽車碰撞危險估計是指通過分析當前駕駛環(huán)境，估計本車及周圍駕駛環(huán)境的未來變化，判斷車輛的潛在碰撞危險程度。危險估計算法是智能汽車安全系統(tǒng)制定控制策略的基礎(chǔ)，決定了系統(tǒng)發(fā)出預(yù)警或主動干預(yù)的時刻及可靠性。

目前主要有兩類危險估計算法:確定性算法和概率性算法。其中，概率性算法通過計算本車與不同目標發(fā)生碰撞的概率分布來估算危險程度，該方法用于復(fù)雜的交通環(huán)境，能夠考慮多個目標之間的相互作用，但計算量巨大，目前還處在研究中[1]。確定性危險估計方法具有計算效率高、便于開發(fā)控制策略等優(yōu)點，從而得到廣泛應(yīng)用。文獻[2]中對于確定性危險估計算法的表征參數(shù)進行了總結(jié)，并將這些參數(shù)分成基于時間、基于距離和基于減速度3類。文獻[3]中對于時間等各種估計測量參數(shù)進行了分析和比較。文獻[4]中通過實際交通工況數(shù)據(jù)對基于距離的危險估計算法與TTC(time-to-collision，兩車相對距離與相對速度計算得到的碰撞時間)進行了評價和比較。應(yīng)用比較廣泛的危險估算方法，主要集中在縱向碰撞預(yù)警策略，如Mazda模型、Honda模型、伯克利模型和Jaguar模型等。但是，目前這些模型未能充分考慮我國駕駛員的行為特征，且無法同時兼容考慮轉(zhuǎn)向避撞的可行性。

本文中提出了一種基于我國自然駕駛工況的汽車碰撞危險估計算法。分析了在自然駕駛工況下駕駛員的制動和轉(zhuǎn)向避撞行為特征，建立了駕駛員緊急制動和轉(zhuǎn)向的數(shù)學(xué)模型；在此基礎(chǔ)上，提出了基于我國自然駕駛工況的危險估計算法，對汽車碰撞的危險區(qū)域進行分級劃分。

1 自然駕駛工況的數(shù)據(jù)采集

為了研究駕駛員在真實交通環(huán)境中的駕駛行為，本文中所使用的數(shù)據(jù)全部來自中國大型實車路試(China field operational test，China FOT)的先行實驗China-Pilot FOT。所有實驗車都統(tǒng)一安裝了數(shù)據(jù)采集設(shè)備，包括4個攝像頭，全面記錄駕駛過程中駕駛員操作信息和道路環(huán)境信息，如圖1所示。在為期2個月的數(shù)據(jù)采集中，收集了來自不同駕駛員的160個駕駛片段，得到5 600min的自然駕駛數(shù)據(jù)。

圖1 自然駕駛工況的采集

2 駕駛行為輸入特性的研究

對于自動駕駛輔助系統(tǒng)，核心問題是確定合適的介入時刻以達到安全效用和用戶接受度的最優(yōu)化。傳統(tǒng)的危險估計算法中大多以車輛物理極限來定義碰撞無法避免時刻，但這種方法并不是最為合理。故本文中引入駕駛員行為數(shù)據(jù)，通過制動和轉(zhuǎn)向參數(shù)來定義工況的避撞操作的緊急程度，作為危險估計算法的輸入。

2.1 駕駛員的制動輸入特性

在研究駕駛員的制動輸入特性時，本文中利用制動減速度和制動減速度梯度來表征制動工況操作緊急程度。

圖2為自然駕駛工況下車輛的縱向加速度隨速度變化的分布圖，負值為制動減速度，表征了制動的強烈程度，代表了駕駛員在危險工況下對車輛制動力的利用水平。通過統(tǒng)計分析，自然駕駛工況中95%的駕駛員利用的最大制動減速度絕對值小于5m/s2；99%的駕駛員利用的最大制動減速度絕對值小于6m/s2；駕駛員最大的制動減速度為8m/s2，與地面的最大附著力相關(guān)。

圖2 縱向加速度隨速度變化的分布圖

縱向制動減速度梯度是指制動時減速度值的上升快慢，反映駕駛員踩制動踏板的速度，也是駕駛員對碰撞危險感知的直觀反應(yīng)。圖3為自然駕駛工況下車輛縱向加速度梯度隨速度變化的分布圖，負值為制動減速度梯度。通過統(tǒng)計，在自然駕駛工況中95%可操作的最大制動減速度梯度小于10m/s3；99%的可操作的最大制動減速度梯度小于15m/s3；駕駛員可操作的最大制動減速度梯度為20m/s3。

利用制動減速度和制動減速度梯度來表達制動操作的緊急程度，根據(jù)上述分析將制動操作緊急程度分成3級，如表1所示。

2.2 駕駛員的轉(zhuǎn)向輸入特性

在研究駕駛員的轉(zhuǎn)向輸入特性時，側(cè)向加速度、側(cè)向加速度梯度、轉(zhuǎn)向盤轉(zhuǎn)角輸入、轉(zhuǎn)向盤轉(zhuǎn)速等參數(shù)都與駕駛員的轉(zhuǎn)向行為密切相關(guān)。其中轉(zhuǎn)向盤轉(zhuǎn)角輸入和轉(zhuǎn)向盤轉(zhuǎn)速與駕駛員轉(zhuǎn)向輸入線性相關(guān)，故選取轉(zhuǎn)向盤轉(zhuǎn)速作為駕駛員轉(zhuǎn)向操作劇烈程度的參數(shù)；同時考慮轉(zhuǎn)向過程中，車輛對地面附著力利用程度，故選取側(cè)向加速度作為轉(zhuǎn)向強烈程度的參數(shù)。

圖4為駕駛員的側(cè)向加速度隨速度變化的分布圖，圖中緊急程度1、緊急程度2和緊急程度3分別表示95%，99%范圍線和最大側(cè)向加速度線。

轉(zhuǎn)向側(cè)向加速度隨速度變化比較明顯:車速在40～80 km/h之間時，駕駛員使用的側(cè)向加速度較大；車速小于40km/h和大于80km/h時，駕駛員使用的側(cè)向加速度明顯降低。

圖5為駕駛員轉(zhuǎn)向盤角速度隨車速的變化分布圖，圖中緊急程度1、緊急程度2和緊急程度3分別表示95%，99%范圍線和最大轉(zhuǎn)向盤角速度線。隨著車速的增加，轉(zhuǎn)向盤角速度逐漸減小。在較低車速行駛時，駕駛員傾向于大幅度轉(zhuǎn)向盤轉(zhuǎn)角和角速度進行轉(zhuǎn)向避撞；在較高車速行駛時，駕駛員傾向于小幅度轉(zhuǎn)向盤轉(zhuǎn)角和角速度進行轉(zhuǎn)向避撞。

利用側(cè)向加速度和轉(zhuǎn)向盤角速度來表達轉(zhuǎn)向工況的操作緊急程度，將轉(zhuǎn)向操作緊急程度分成3級，如表2所示。

3 駕駛員緊急制動和轉(zhuǎn)向模型建立

在駕駛過程中車輛受駕駛員控制，在某些工況下車輛運動雖然從車輛動力學(xué)上是可行的，但駕駛員通過操作實現(xiàn)這種車輛運動的可能性很低。本節(jié)利用自然駕駛工況數(shù)據(jù)，分析駕駛員緊急工況下的制動轉(zhuǎn)向行為特征，并建立相應(yīng)的駕駛員數(shù)學(xué)模型，作為危險估算方法的輸入，可提高算法的安全效用。

表2 轉(zhuǎn)向操作緊急程度的劃分

3.1 駕駛員緊急制動模型的建立

以表1中的緊急程度1最大制動減速度絕對值＞5m/s2、最大制動減速度梯度絕對值＞10m/s3為篩選閾值，并結(jié)合視頻錄像篩選出制動危險工況400多例。緊急制動工況下駕駛員遵循的原則是保證駕駛的平順性，即緊急制動是不斷調(diào)整優(yōu)化控制的過程，符合人體行為學(xué)規(guī)律，優(yōu)化目標為

式中j(t)為制動減速度梯度。利用五次多項式來表示制動過程中的車輛縱向位移變化S(t)，并推導(dǎo)出其他運動參數(shù):

假設(shè)車輛初始狀態(tài):S(0)＝0，v(0)＝v0，a(0)＝a0；車輛的最終狀態(tài):S(T)＝Sf，v(T)＝vf，a(T)＝0；其中T為緊急制動的時間，將車輛的初始狀態(tài)和最終狀態(tài)代入多項式表征的運動參量中，可求解出五項式系數(shù)的表達式。

約束條件:(1)避免碰撞的發(fā)生，以目標車靜止的追尾工況為例，如圖6所示約束條件為Sf＜D；(2)最大制動減速度絕對值小于8m/s2。

圖6 制動工況約束條件的示意圖

通過優(yōu)化算法可最終計算出車輛的運動狀態(tài)參量。為了驗證上述駕駛員緊急制動數(shù)學(xué)模型的有效性，隨機選取2個駕駛員緊急制動工況進行擬合，圖7和圖8分別為制動工況1＃的擬合情況(兩車的相對車速為28km/h，碰撞時間TTC＝0.8s)，圖9和圖10為制動工況2＃的擬合情況(兩車的相對速度為54km/h，TTC＝1.8s)。

圖7 制動工況1＃的制動減速度曲線

圖8 制動工況1＃的制動減速度梯度曲線

圖9 制動工況2＃的制動減速度曲線

圖10 制動工況2＃的制動減速度梯度曲線

通過對比，建立的駕駛員緊急制動模型可以很好地復(fù)現(xiàn)駕駛員在緊急工況下的制動操作。

3.2 駕駛員緊急轉(zhuǎn)向模型的建立

對緊急轉(zhuǎn)向避撞變道過程進行分析，如圖11所示，整個緊急轉(zhuǎn)向變道過程可分成3個階段:避撞階段、側(cè)移階段以及穩(wěn)定階段。本文中研究集中在避撞階段(從駕駛員開始轉(zhuǎn)向避撞行為的時刻T0開始，以轉(zhuǎn)向盤轉(zhuǎn)角達到最大值的時刻T1為終點)的轉(zhuǎn)向行為。

圖11 緊急轉(zhuǎn)向變道避撞階段劃分

為了研究避撞階段駕駛員緊急轉(zhuǎn)向特征，圖12為33例緊急變道工況避撞階段的轉(zhuǎn)向盤最高角速度和轉(zhuǎn)向盤轉(zhuǎn)角變化的線性關(guān)系圖，線性相關(guān)系數(shù)為0.98，線性比例約為2.21。

圖12 轉(zhuǎn)向盤最高角速度和轉(zhuǎn)角的線性關(guān)系

上述線性關(guān)系表明，避撞階段的駕駛員緊急轉(zhuǎn)向避撞可用開環(huán)模型來表示，本文中利用高斯函數(shù)建立轉(zhuǎn)向盤角速度的表達式為

駕駛員在緊急轉(zhuǎn)向變道的避撞階段，同樣是以保證轉(zhuǎn)向穩(wěn)定性，優(yōu)化目標為

上已述及，駕駛員的轉(zhuǎn)向盤角速度可通過高斯函數(shù)來表達；而利用車輛自行車模型，可以推導(dǎo)車身的其他運動狀態(tài)參量。

不失一般性，考慮圖13所示將兩車都視作相同大小矩形，有如下兩個約束條件。

圖13 緊急轉(zhuǎn)向避撞的示意圖

(1)避免與前方障礙物發(fā)生碰撞，如圖13所示，以向左轉(zhuǎn)向避撞為例，在本車通過目標車時，目標車左后角點(x0，y0)到本車右側(cè)邊界距離大于一定的安全距離Dsm，即

式中:c為本車右側(cè)邊界所在直線斜率，c＝tan(?)；(xrf，yrf)為本車矩形邊界的右上頂點，可對車身的狀態(tài)參數(shù)進行推導(dǎo)。

(2)緊急轉(zhuǎn)向的最大側(cè)向加速度絕對值小于6m/s2。

通過優(yōu)化算法可最終計算出車輛的運動狀態(tài)參量。為了驗證上述駕駛員緊急轉(zhuǎn)向數(shù)學(xué)模型的有效性，隨機選取2個駕駛員緊急轉(zhuǎn)向工況進行擬合，圖14為轉(zhuǎn)向工況1＃的擬合情況(兩車的相對車速為57km/h，TTC＝1.35s)，圖15為轉(zhuǎn)向工況2＃的擬合情況(兩車的相對速度為70km/h，TTC＝1.3s)。通過對比可知，建立的駕駛員緊急轉(zhuǎn)向模型可以很好地復(fù)現(xiàn)駕駛員在緊急工況下的轉(zhuǎn)向操作。

圖14 轉(zhuǎn)向工況1＃的轉(zhuǎn)向盤角速度和側(cè)向加速度曲線

圖15 轉(zhuǎn)向工況2＃的轉(zhuǎn)向盤角速度和側(cè)向加速度曲線

4 危險估計算法的研究

本文中以目標車靜止、后車追尾的工況為例，進行危險估計算法的研究。通過上節(jié)駕駛員緊急制動和轉(zhuǎn)向模型，可模擬出從車輛初始危險狀態(tài)到安全狀態(tài)的駕駛員緊急操作。模型預(yù)測的駕駛員參考操作，可判斷該操作是否超出了駕駛員正常駕駛的可行域范圍，并通過表1和表2中的表征制動和轉(zhuǎn)向操作緊急程度的閾值參數(shù)來估計目前車輛行駛狀態(tài)的危險程度。

根據(jù)文獻[6]和文獻[7]中的研究成果，駕駛員的緊急操作行為與TTC倒數(shù)TTC－1相關(guān)，本文中采用TTC－1進行危險估計的分析。以本車30和70km/h速度接近靜止的目標車為例進行計算，表3為達到表1中制動操作緊急程度1～3條件下的緊急制動工況。

表3 達到表1的緊急程度_1～3條件的緊急制動工況

圖16和圖17為30與70km/h情況下，不同工況下模擬車輛緊急制動減速度和制動減速度梯度的模擬曲線，分別為達到表1中制動操作緊急程度的3個等級的工況操作曲線。

圖16 70km/h車速下各工況的制動減速度和梯度曲線

圖17 30km/h車速下各工況的制動減速度和梯度曲線

隨著TTC－1增加，兩車之間的距離D減少，車輛最大制動減速度及其梯度的絕對值都逐漸變大，危險等級不斷增加。進一步分析可知，在低速情況下危險程度主要受最大制動減速度梯度的影響，在高速情況下危險程度主要是受最大制動減速度的影響。

用同樣的方法分析兩種車速下緊急轉(zhuǎn)向的駕駛行為，表4示出達到表2中的操作緊急程度1～3條件下的緊急轉(zhuǎn)向工況。

表4 達到表2的緊急程度_1～3條件的緊急轉(zhuǎn)向工況

圖18和圖19為在表4中不同工況下自車轉(zhuǎn)向盤角速度和側(cè)向加速度的模擬曲線。分別為達到表2中轉(zhuǎn)向操作緊急程度的3個等級的工況操作曲線。

圖18 70km/h各工況的轉(zhuǎn)向盤角速度和側(cè)向加速度曲線

通過分析隨著TTC－1的不斷增加，相對距離不斷減少，所需的轉(zhuǎn)向盤最高角速度和車輛最大側(cè)向加速度不斷增加，緊急轉(zhuǎn)向危險程度也不斷增加。

圖19 30km/h各工況的轉(zhuǎn)向盤角速度和側(cè)向加速度曲線

綜合比較緊急制動和緊急轉(zhuǎn)向操作，在速度為70km/h時，緊急轉(zhuǎn)向避撞所需的縱向距離更小；在低速30km/h時，制動避撞所需的縱向距離更小。

為了更好地說明制動和轉(zhuǎn)向操作在不同車速下的區(qū)別，以最高操作緊急等級緊急程度3作為約束條件，計算并對比緊急制動和轉(zhuǎn)向的臨界避撞TTC－1，如圖20所示。

圖20 緊急制動和轉(zhuǎn)向的臨界TTC－1曲線

在相對車速較高(大于40km/h)時，轉(zhuǎn)向避撞的臨界TTC－1更高，說明此時雖然制動無法避免碰撞，但通過轉(zhuǎn)向還能夠避免碰撞，因此緊急轉(zhuǎn)向避撞在相對車速較高時相比于緊急制動可以提供更好的避撞效果。而在相對車速較低(小于40km/h)時，緊急制動相對于緊急轉(zhuǎn)向避撞可以提供更好的避撞效果。

通過駕駛員緊急工況的制動轉(zhuǎn)向模型，分別估算緊急制動和轉(zhuǎn)向操作，并通過制動和轉(zhuǎn)向緊急程度的參數(shù)來估計目前車輛行駛狀態(tài)的危險程度。利用表1和表2建立的制動和轉(zhuǎn)向操作不同緊急程度的劃分，分別計算不同車速在不同危險等級下的臨界TTC－1值，圖21為不同車速下緊急制動和緊急轉(zhuǎn)向的臨界TTC－1值的曲線圖。

圖21 制動和轉(zhuǎn)向操作不同緊急程度的臨界TTC－1曲線

根據(jù)上述研究，結(jié)合圖21，在速度較低(小于40km/h)時，緊急制動有更好的避撞效果，故本文中危險估計算法在低速情況下以緊急制動的臨界TTC－1作為危險等級區(qū)域劃分的依據(jù)；在速度較高(大于40km/h)時，緊急轉(zhuǎn)向有更好的避撞效果，且隨著車速增加駕駛員通過轉(zhuǎn)向避撞有增多的趨勢，故在高速階段以緊急轉(zhuǎn)向的臨界TTC－1作為危險等級區(qū)域劃分的依據(jù)，同時考慮到高速階段發(fā)生碰撞的危險程度較高，故增加兩檔以緊急制動的臨界TTC－1來劃分的危險等級。最終基于自然駕駛工況的危險估計算法的區(qū)域劃分如圖22所示。

由圖22可見，按照TTC－1與車速的關(guān)系劃分危險等級區(qū)域。I0區(qū)域，未能檢測到碰撞發(fā)生的危險；I1區(qū)域，碰撞危險程度低，提示駕駛員進行制動或轉(zhuǎn)向來避撞；I2區(qū)域，碰撞危險程度低，提示駕駛員進行轉(zhuǎn)向來避撞；II區(qū)域，危險程度較高，一級預(yù)警；III區(qū)域，危險等級極高，二級預(yù)警；IV區(qū)域，碰撞危險極高，碰撞即將發(fā)生甚至無法避免。

圖22 基于自然駕駛工況的危險估計的區(qū)域劃分

5 結(jié)論

本文中基于我國自然駕駛工況數(shù)據(jù)，提出了一種汽車碰撞危險估計算法。首先分析了緊急制動和轉(zhuǎn)向的駕駛員輸入特性，對緊急操作的等級進行了劃分；篩選了緊急工況，建立了駕駛員緊急制動和轉(zhuǎn)向的駕駛員模型，并進行了驗證。通過駕駛員模型，并結(jié)合制動和轉(zhuǎn)向操作的緊急程度，分析了不同速度下駕駛員的緊急制動和轉(zhuǎn)向避撞操作的特征。結(jié)果表明，在低速階段緊急制動操作所需避撞的縱向距離小，而在高速階段緊急轉(zhuǎn)向操作的避撞效果更好。結(jié)合不同速度情況下的避撞特征，提出了汽車碰撞危險估計算法，以TTC－1作為危險等級的參數(shù)，對汽車碰撞的危險程度進行分級區(qū)域的劃分。

本文中建立的危險估計算法中的閾值是基于自然駕駛工況中的數(shù)據(jù)，與我國駕駛員駕駛行為特征相符，并同時考慮制動和轉(zhuǎn)向兩種避撞措施，可用于設(shè)計針對我國用戶的汽車避撞系統(tǒng)。

[1] EIDEHALL A.Tracking and threat assessment for automotive collision avoidance[D].Linkoping:Department of Electrical Engineering of Linkoping University，2007.

[2] ZHANG Y，ANTONSSON E K，GROTE K.A new threat assessment measure for collision avoidance systems[C].Proceeding of the IEEE ITSC 2006.Toronto:IEEE Press，2006:968-975.

[3] KITAJIMA S，MARUMO Y，HIRAOKA T，et al.Comparison of evaluation indices concerning estimation of driver's risk perceptionrisk perception of rear-end collision to a preceding vehicle[J].Review of Automotive Engineering，2009，30(2):191.

[4] LEE K，PENG H.Evaluation of automotive forward collision warning and collision avoidance algorithms[J].Vehicle System Dynamics，2005，43(10):735.

[5] NAJM W G，SMITH J D，YANAGISAWA M.Pre-crash scenario typology for crash avoidance research[R].Washington，DC:National Highway Traffic Safety Administration，2007.

[6] MOON S，YI K.Human driving data-based design of a vehicle adaptive cruise control algorithm[J].Vehicle System Dynamics，2008，46(8):661.

[7] KIEFER R J，LEBLANC D J，F(xiàn)LANNAGAN C A.Developing an inverse time-to-collision crash alert timing approach based on drivers last-second braking and steering judgments[J].Accident Analysis＆Prevention，2005，37(2):295.

[8] BIRAL F，LIO M D，LOT R，et al.Vehicle and driver modeling and threat assessment for driving support functions[C].Atti XX Congresso dell’Associazione Italiana di Meccanica Teorica e Applicata，2011.

[9] MATTIAS M，COELINGH E，et al.Model-based threat assessment for avoiding arbitrary vehicle collisions[J].IEEE Transactions on Intelligent Transportation Systems，2010，11(3):658-669.

[10] BROWN T L，LEE J D，MCGEHEE D V.Human performance models and rear-end collision avoidance algorithms[J].Human Factors: The Journal of the Human Factors and Ergonomics Society，2001，43(3):462.

[11] BERTOLAZZI E，BIRAL F，LIO M D，et al.Supporting drivers in keeping safe speed and safe distance:The SASPENCE subproject within the european framework programme 6 integrating project PReVENT[J].Intelligent Transportation Systems IEEE Transactions on，2010，11(3):525-538.

[12] KIEFER R J，CASSAR M T，F(xiàn)LANNAGAN C A，et al.Forward collision warning requirements project final report-task 1[R]. Washington D C:National Highway Traffic Safety Administration，2003.

[13] HUGEMANN D W，NICKEL D M，MORAWSKI I，et al.Longitudinal and lateral accelerations in normal day driving[C].The 6thInternational Conference of The Institute of Traffic Accident Investigators.London:The Institute of Traffic Accident Investigator，2003:1-8.

[14] BRACKSTONE M，MCDONALD M.Driver headway:how close is too close on a motorway?[J].Ergonomics，2007，50(8): 1183.

[15] HIRAOKA T，TANAKA M，KUMAMOTO H，et al.Collision risk evaluation index based on deceleration for collision avoidance (First Report)[J].Review of Automotive Engineering，2009，30 (4):429.

A Study on Risk Assessment Algorithm Based on Natural Driving Data

Wu Bin1，2，Zhu Xichan1，Shen Jianping2＆Li Lin3
1.College of Automotive Studies，Tongji University，Shanghai 201804；2.National Center of Supervision and Inspection on Motor Vehicle Products Quality(Shanghai)，Shanghai 201805；3.Shanghai International Automobile City(Group)Co.Ltd.，Shanghai 201805

A vehicle collision risk assessment algorithm based on natural driving data.is proposed in this paper.Firstly the driver input characteristics for braking and steering under natural driving condition are analyzed，the feature parameters of driver behavior characterizing the emergency extent of collision avoidance by braking and by steering are studied，and the driver models for emergency braking and emergency steering are established.Then on this basis，the features of collision avoidance by braking and by steering are analyzed.Finally a risk assessment algorithm based on natural driving data is proposed.The simulation results show that the risk assessment algorithm proposed can concurrently consider collision avoidance by both braking and steering and correspond to emergency collision avoidance behavior of driver under real traffic environment，so can be used for the development of control strategy for vehicle collision avoidance system.

natural driving data；collision avoidance；driver behavior；risk assessment

10.19562/j.chinasae.qcgc.2017.08.009

?上海市科委研發(fā)平臺項目(16DZ2291000)資助。

原稿收到日期為2016年11月23日，修改稿收到日期為2017年2月16日。

朱西產(chǎn)，教授，博士生導(dǎo)師，E-mail:xczhu＠163.com。