基于場(chǎng)景的AEB誤動(dòng)作分析與優(yōu)化

黃福俊

摘? 要：AEB自動(dòng)緊急制動(dòng)（含F(xiàn)CW前向碰撞報(bào)警）功能能夠有效減少或緩解碰撞事故的發(fā)生，但由于國(guó)內(nèi)交通狀況復(fù)雜，駕駛員駕駛習(xí)慣比較激進(jìn)、隨意，導(dǎo)致國(guó)內(nèi)駕駛員對(duì)AEB功能的滿意率欠佳，本文通過(guò)文獻(xiàn)調(diào)研、用戶(hù)意見(jiàn)搜集等方式，采集國(guó)內(nèi)車(chē)型現(xiàn)有AEB誤動(dòng)作的典型場(chǎng)景，尤其是關(guān)于碰撞報(bào)警以及制動(dòng)干預(yù)等方面的功能表現(xiàn)，結(jié)合AEB工作機(jī)理分析誤動(dòng)作發(fā)生的主要原因，基于典型國(guó)內(nèi)交通場(chǎng)景并以C-NCAP星級(jí)評(píng)價(jià)等為開(kāi)發(fā)目標(biāo)進(jìn)行優(yōu)化設(shè)計(jì)，最后通過(guò)Matlab/Simulink和 PreScan等仿真工具對(duì)優(yōu)化方案進(jìn)行了虛擬驗(yàn)證。

關(guān)鍵詞：機(jī)理分析;CAE;優(yōu)化設(shè)計(jì);C-NCAP

中圖分類(lèi)號(hào)：U467? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? 文章編號(hào)：1005-2550（2018）06-0042-08

Analysis and Optimization of AEB False Positive Based on Scenarios

HUANG Fu-jun

（ Tongji University， Shanghai 200000， China ）

Abstract： AEB（Autonomous Emergency Brake） including FCW（Forward Collision Warning） function can effectively reduce or mitigate traffic accidents. However， the satisfaction rate of AEB function is poor in China because of the complex traffic situation， aggressive and rule-less driving habits. This paper collected typical false positive scenarios of AEB with false or early warning or braking through literature study and VOC （Voice of Custom） collection etc. Based on the theoretical analysis of AEB function， root causes of false positive cases were found， and then optimization was made to reduce the false warning and / or braking while meeting the safety rating goal of C-NCAP， which is greatly helpful for improving the performance of current AEB functions. CAE tools including Matlab/Simulink and PreScan were used to validate the optimization scheme virtually.

1? ? 背景

研究表明，超過(guò)90%的交通事故都是由于人為因素導(dǎo)致的，ADAS（先進(jìn)駕駛輔助系統(tǒng)）通過(guò)減少人（駕駛員）的失誤，進(jìn)而避免或者減緩交通事故，其原理是為駕駛員提供駕駛輔助，減少疲勞，并通過(guò)適當(dāng)?shù)膱?bào)警措施提醒駕駛員及時(shí)發(fā)現(xiàn)事故風(fēng)險(xiǎn)，并在駕駛員反應(yīng)不及時(shí)或無(wú)響應(yīng)時(shí)，及時(shí)、恰當(dāng)?shù)亟槿胲?chē)輛，控制-縱向和/或橫向。據(jù)相關(guān)研究表明，基于VVSMA（基于整合分析的車(chē)輛安全性驗(yàn)證）組織的歐洲六國(guó)交通事故統(tǒng)計(jì)分析結(jié)果，AEB自動(dòng)緊急制動(dòng)（含F(xiàn)CW前方碰撞報(bào)警）能減少38%的低速工況追尾事故，從而有效減少追尾事故造成的人員傷亡和財(cái)產(chǎn)損失。近年來(lái)AEB（含F(xiàn)CW）功能在中國(guó)市場(chǎng)的應(yīng)用也逐漸增多，并以合資品牌車(chē)型居多，但該功能的正向開(kāi)發(fā)環(huán)節(jié)大多缺失，例如客戶(hù)需求分析、駕駛行為分析等，與中國(guó)駕駛員的駕駛習(xí)慣以及復(fù)雜多變的交通路況脫離，用戶(hù)體驗(yàn)參差不齊，用戶(hù)滿意度欠佳。從各大汽車(chē)論壇等了解到，國(guó)內(nèi)用戶(hù)抱怨較多的問(wèn)題是系統(tǒng)誤報(bào)警率及誤制動(dòng)率較高，即在不需要報(bào)警或者緊急制動(dòng)時(shí)系統(tǒng)報(bào)警或者緊急制動(dòng)，或者報(bào)警/制動(dòng)時(shí)刻過(guò)早。但由于上述案例的車(chē)輛數(shù)據(jù)及環(huán)境數(shù)據(jù)較難獲取，無(wú)法準(zhǔn)確復(fù)現(xiàn)及分析。

同濟(jì)大學(xué)的王雪松等人研究了[1]基于自然駕駛數(shù)據(jù)的避撞預(yù)警對(duì)跟車(chē)行為的影響，研究表明 ，F(xiàn)CW系統(tǒng)對(duì)跟車(chē)時(shí)的車(chē)頭時(shí)距影響較小 ，但顯著降低了跟車(chē)中的 反應(yīng)時(shí)間。PáezF[2]等人通過(guò)對(duì)真實(shí)交通場(chǎng)景的重建，研究了多個(gè)AEB（Autonomous Emergency Break）系統(tǒng)對(duì)人車(chē)碰撞的潛在影響，結(jié)果表明許多的交通事故可以被避免。Stellet J E[3]等人分析了AEB系統(tǒng)對(duì)不確定預(yù)報(bào)的理論限制。

1.1? ?AEB系統(tǒng)誤動(dòng)作（報(bào)警/制動(dòng)）分類(lèi)

表1 NHTSA公布的克萊斯勒車(chē)型AEB誤制動(dòng)案例示例

AEB功能的應(yīng)用開(kāi)始于歐美，相關(guān)用戶(hù)抱怨/反饋也比較系統(tǒng)全面。以美國(guó)NHTSA（美國(guó)高速公路交通安全管理局）關(guān)于克萊斯勒車(chē)型AEB誤動(dòng)作的統(tǒng)計(jì)結(jié)果為例，2012年7月至2015年12月之間，在美國(guó)總共發(fā)生176起克萊斯勒車(chē)型AEB誤制動(dòng)，詳見(jiàn)表1。

國(guó)內(nèi)車(chē)型的主動(dòng)安全功能應(yīng)用較晚，還處于市場(chǎng)培育期，用戶(hù)對(duì)該功能的熟悉程度不高，獲取用戶(hù)抱怨/反饋的渠道也比較有限，本文通過(guò)文獻(xiàn)調(diào)研、檢索各大汽車(chē)論壇，可將國(guó)內(nèi)AEB功能常見(jiàn)的誤動(dòng)作分類(lèi)如下：

第一類(lèi)是因?yàn)閭鞲衅鲗?duì)危險(xiǎn)目標(biāo)的錯(cuò)誤判斷而引起的錯(cuò)誤報(bào)警/制動(dòng)，如道路上其他障礙物：相鄰車(chē)道目標(biāo)、道路減速帶、易拉罐、隧道標(biāo)牌、停車(chē)場(chǎng)閘機(jī)橫桿等;

第二類(lèi)是因?yàn)榭刂撇呗栽O(shè)計(jì)不合理，導(dǎo)致過(guò)早報(bào)警或制動(dòng)（本文研究重點(diǎn)），典型的AEB誤動(dòng)作場(chǎng)景如圖2所示：

1.2? ? AEB功能競(jìng)標(biāo)測(cè)試

為了全面系統(tǒng)了解不同車(chē)型配置的AEB功能的性能和技術(shù)解決方案，選取國(guó)外多家第三方測(cè)試機(jī)構(gòu)的測(cè)試報(bào)告進(jìn)行分析。圖3為ADAC AEB測(cè)試車(chē)型概覽。

以ADAC測(cè)試結(jié)果為例，這家德國(guó)第三方測(cè)試結(jié)構(gòu)對(duì)六款車(chē)型的AEB功能進(jìn)行了測(cè)試和對(duì)比分析，各車(chē)型AEB功能的報(bào)警和制動(dòng)介入時(shí)間和方式見(jiàn)表2，從該測(cè)試結(jié)果可以看出，測(cè)試的六款車(chē)型的碰撞報(bào)警時(shí)刻，分布在2.1到4.0秒之間，其中以Infiniti M37S的4.0秒最長(zhǎng);自動(dòng)緊急制動(dòng)的介入時(shí)刻，介于0.7秒到1.9秒之間，分布范圍較廣，以VW Passat的1.9秒最長(zhǎng)。采用過(guò)早的碰撞報(bào)警或者制動(dòng)干預(yù)時(shí)間設(shè)置，容易在某些場(chǎng)景中引起不必要的報(bào)警和制動(dòng)，從而引起駕駛員的不滿甚至引起后車(chē)追尾等嚴(yán)重后果。

2? ? ?AEB誤動(dòng)作機(jī)理分析

2.1? ?AEB工作機(jī)理分析

自車(chē)開(kāi)始制動(dòng)時(shí)前后兩車(chē)距離或碰撞時(shí)間的確定是AEB系統(tǒng)需要解決的關(guān)鍵問(wèn)題之一，目前AEB系統(tǒng)比較常用的避撞模型為：

（1）Mazda模型

Mazda模型是Doi等人[6]提出的一種危險(xiǎn)制動(dòng)距離模型，其模型公式如下：

其中，v為自車(chē)車(chē)速，vrel為相對(duì)車(chē)速，a1為自車(chē)最大減速度，a2為前車(chē)最大減速度，t1為駕駛員反應(yīng)延遲時(shí)間，t2為制動(dòng)器延遲時(shí)間，d0為最小停車(chē)距離。 當(dāng)兩車(chē)使用全力制動(dòng)時(shí)，d0能夠確保兩車(chē)不發(fā)生碰撞。增加延遲時(shí)間t1、t2能夠使系統(tǒng)更加保守。

（2）Honda模型

Honda 模型[7]的碰撞預(yù)警（collision warning， Cw）的邏輯算法的制動(dòng)危險(xiǎn)距離為：

其中，v為自車(chē)車(chē)速;v2為前車(chē)車(chē)速，a1、a2分別為自車(chē)和前車(chē)的最大減速度;t1、t2分別為系統(tǒng)延遲時(shí)間和制動(dòng)時(shí)間。

（3）Berkeley模型

在 Berkeley 模型[8]中，在碰撞預(yù)警階段，本車(chē)輛如果發(fā)生碰撞，則公式是：

其中：t1為駕駛員反應(yīng)時(shí)間，t2為制動(dòng)系統(tǒng)延遲時(shí)間，a2為兩車(chē)最大制動(dòng)減速度。

（4）SeungwukMoon 模型

SeungwukMoon 模型[9]被定義為

其中：Tdelay為系統(tǒng)延遲時(shí)間，f（μ）為制動(dòng)因數(shù)，amax為最大制動(dòng)減速度。

（5）TTC模型[10]

AEB系統(tǒng)的關(guān)鍵參數(shù)主要包括報(bào)警時(shí)刻TTCw，制動(dòng)時(shí)刻TTCb（包含半制動(dòng)以及全力制動(dòng)）、全力制動(dòng)減速度值、停車(chē)/減速后的安全車(chē)距等;其中TTC的計(jì)算公式如下：

其中，t1為ECU計(jì)算時(shí)間，t2為通訊延遲，t3為制動(dòng)系統(tǒng)建壓時(shí)間。各部分的取值范圍，有很多相關(guān)因素，包括目標(biāo)類(lèi)型，運(yùn)動(dòng)形態(tài)，車(chē)輛網(wǎng)絡(luò)通訊方式，制動(dòng)系統(tǒng)參數(shù)等。

如下圖4所示，以制動(dòng)干預(yù)為例，當(dāng)TTC小于制動(dòng)閾值時(shí)，ECU發(fā)出制動(dòng)干預(yù)指令，經(jīng)過(guò)CAN網(wǎng)絡(luò)（或其他通訊方式）發(fā)送給制動(dòng)系統(tǒng)，制動(dòng)系統(tǒng)的電機(jī)響應(yīng)有一定延遲，隨后開(kāi)始逐漸建壓，直至達(dá)到最大制動(dòng)壓力，在此過(guò)程中車(chē)輛逐漸減速，直至車(chē)輛靜止、制動(dòng)指令結(jié)束或碰撞風(fēng)險(xiǎn)消失。

2.2? ?誤動(dòng)作原因分析

基于對(duì)AEB系統(tǒng)原理的了解，經(jīng)過(guò)分析，得出AEB誤動(dòng)作的幾個(gè)主要原因：

（1）報(bào)警及制動(dòng)TTC較大：

相比國(guó)外駕駛員，國(guó)內(nèi)駕駛員在跟車(chē)、變道時(shí)的相對(duì)車(chē)距都較小，導(dǎo)致在遇到危險(xiǎn)情況時(shí)，留給駕駛員的反應(yīng)時(shí)間較短，如圖5所示，在不同類(lèi)型的交通場(chǎng)景中，國(guó)內(nèi)駕駛員的制動(dòng)反應(yīng)時(shí)間較短，綜合考慮車(chē)輛緊急制動(dòng)所需時(shí)間，當(dāng)前主流的AEB報(bào)警時(shí)間仍早于熟練駕駛員反應(yīng)時(shí)間以及車(chē)輛制動(dòng)/轉(zhuǎn)向所需時(shí)間，即在這些場(chǎng)景下，部分駕駛員仍可以通過(guò)轉(zhuǎn)向和制動(dòng)來(lái)避免事故。

（2）縱向安全車(chē)距設(shè)置過(guò)大：

同上，國(guó)內(nèi)駕駛員跟車(chē)間距較短，現(xiàn)有AEB的停車(chē)/減速后安全車(chē)距較大，對(duì)駕駛員而言過(guò)于保守。

（3）對(duì)小重疊率及相鄰近距離目標(biāo)的安全余量設(shè)置過(guò)大：

以行人橫穿馬路場(chǎng)景為例，現(xiàn)有AEB系統(tǒng)為了優(yōu)先保護(hù)行人安全，通常將人-車(chē)間距的安全余量預(yù)留較大，通常為人體寬度的50%甚至更大，所以在國(guó)內(nèi)人車(chē)混流的典型場(chǎng)景中，包括行人在路邊等候或者行人快速穿越等場(chǎng)景，AEB功能誤報(bào)警/制動(dòng)的幾率較大。

3? ? 仿真建模

本文利用Matlab/Simulink及PreScan軟件對(duì)AEB優(yōu)化前和優(yōu)化后進(jìn)行了聯(lián)合仿真。PreScan是一款用于先進(jìn)駕駛輔助系統(tǒng)和主動(dòng)安全系統(tǒng)開(kāi)發(fā)驗(yàn)證的仿真工具，包含完整的環(huán)境建模要素，車(chē)輛模型，傳感器模型等。 如圖6所示，仿真模型主要包括環(huán)境模型、車(chē)輛動(dòng)力學(xué)模型、AEB/FCW控制模型、傳感器及其信號(hào)融合模型等。

4? ? 仿真分析

4.1 測(cè)試場(chǎng)景

本文測(cè)試場(chǎng)景包含C-NCAP測(cè)試場(chǎng)景以及國(guó)內(nèi)典型交通工況提取出來(lái)的場(chǎng)景，C-NCAP測(cè)試場(chǎng)景如圖7所示。圖7（a）為車(chē)-車(chē)測(cè)試場(chǎng)景，展示了一種典型的跟車(chē)場(chǎng)景，即自車(chē)在不同車(chē)速下及目標(biāo)車(chē)不同車(chē)速情況下的場(chǎng)景;圖7（b）為車(chē)-行人測(cè)試場(chǎng)景 ，行人自車(chē)輛遠(yuǎn)端靠近;圖7（c）為車(chē)-行人測(cè)試場(chǎng)景 ，行人自車(chē)輛近端靠近。

4.2? ?仿真結(jié)果

在仿真模型中，根據(jù)競(jìng)標(biāo)車(chē)型的參考數(shù)據(jù)以及在研車(chē)型的技術(shù)特點(diǎn)，將AEB功能初始參數(shù)設(shè)置表3所示。根據(jù)仿真結(jié)果可知，初始AEB參數(shù)設(shè)置，可以滿足C-NCAP AEB測(cè)試場(chǎng)景的避撞要求，見(jiàn)表4-表5;但在典型誤動(dòng)作測(cè)試場(chǎng)景中，如表6所示，由于AEB過(guò)早進(jìn)行報(bào)警或制動(dòng)干預(yù)，容易引起駕駛員的抱怨，甚至造成后車(chē)追尾等嚴(yán)重后果。

對(duì)于以上場(chǎng)景，部分車(chē)速變化曲線如圖8所示，從圖中可以看出，一旦AEB開(kāi)始工作，車(chē)速出現(xiàn)明顯變化。

5? ? 優(yōu)化設(shè)計(jì)

5.1? ?優(yōu)化設(shè)計(jì)方案

為了減少AEB誤報(bào)警及誤制動(dòng)，參考國(guó)內(nèi)駕駛員典型駕駛行為統(tǒng)計(jì)數(shù)據(jù)，并以滿足C-NCAP星級(jí)評(píng)價(jià)為主要目標(biāo)之一，將初始AEB參數(shù)優(yōu)化如表7所示。

5.2? ?優(yōu)化仿真結(jié)果

優(yōu)化后的仿真結(jié)果顯示，由于AEB系統(tǒng)取消了半制動(dòng)過(guò)程，僅保留報(bào)警和全力制動(dòng)，報(bào)警時(shí)刻相對(duì)延后了，全力制動(dòng)時(shí)間也明顯延后，與國(guó)內(nèi)駕駛員典型特點(diǎn)較近，所有測(cè)試場(chǎng)景均未再出現(xiàn)誤報(bào)警和誤剎車(chē)，改善效果明顯。

圖9為AEB參數(shù)優(yōu)化后的速度加速度曲線，從圖中可以看出，沒(méi)有誤報(bào)警和誤剎車(chē)情況下，車(chē)輛加速度和速度均沒(méi)有明顯變化，符合實(shí)際情況和駕駛員預(yù)期。

6? ?結(jié)論

本文統(tǒng)計(jì)了國(guó)內(nèi)車(chē)型AEB功能誤動(dòng)作的典型場(chǎng)景，結(jié)合AEB工作機(jī)理分析誤動(dòng)作發(fā)生的主要原因，基于國(guó)內(nèi)駕駛員典型駕駛習(xí)慣的統(tǒng)計(jì)分析，以減少誤動(dòng)作并滿足C-NCAP星級(jí)評(píng)價(jià)等為開(kāi)發(fā)目標(biāo)進(jìn)行優(yōu)化設(shè)計(jì)，仿真結(jié)果顯示優(yōu)化后的AEB功能對(duì)于不同交通場(chǎng)景、不同目標(biāo)類(lèi)型等具有良好的魯棒性，在滿足C-NCAP星級(jí)評(píng)價(jià)目標(biāo)的前提下，有效減少誤動(dòng)作比例。本文研究緊扣行業(yè)熱點(diǎn)，符合行業(yè)發(fā)展趨勢(shì)，統(tǒng)計(jì)分析、理論分析和仿真優(yōu)化相結(jié)合，系統(tǒng)、高效地完成了對(duì)現(xiàn)有AEB功能的優(yōu)化設(shè)計(jì)，為AEB功能及同類(lèi)功能的正向開(kāi)發(fā)提供了寶貴的工程實(shí)踐經(jīng)驗(yàn)。

參考文獻(xiàn)：

[1]王雪松，朱美新，邢祎倫.基于自然駕駛數(shù)據(jù)的避撞預(yù)警對(duì)跟車(chē)行為影響[J].同濟(jì)大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，44（7）：1045-1051.

[2]Páez F， Javier， Sánchez S， et al. BENEFITS ASSESSMENT OF AUTOMATIC BRAKE ON REAL PEDESTRIAN COLLISIONS[C]// FISITA 2016 World Automotive Congress. 2016.

[3]Stellet J E， Vogt P， Schumacher J， et al. Analytical derivation of performance bounds of autonomous emergency brake systems[C]//Intelligent Vehicles Symposium. IEEE， 2016.

[4]Singer R A. Estimating optimal tracking filter performance for manned maneuvering targets[J]. IEEE Trans.aerosp. & Electron.syst， 1970，6（4）：473-483.

[5]周宏仁等.機(jī)動(dòng)目標(biāo)跟蹤[M].國(guó)防工業(yè)出版社，1991.

[6]Doi A， Butsuen T， Niibe T， et al. Development of a rear-end collision avoidance system with automatic brake control[J]. Jsae Review， 1994，15（4）：335-340.

[7]Fujita Y， Akuzawa K， Sato M. Radar Brake System[J].Jsae Review，1995，16（1）：113.

[8]Seiler P， Song B， Hedrick J K. Development of a Collision Avoidance System[J]Neurosurgery， 1998， 46（2）：492-492.

[9]SeungwukMoon， KyongsuYi. Human driving data-based design of a vehicle adaptive cruise control algorithm[J]. Vehicle System Dynamics， 2008， 46（8）：661-690.

[10]Yoshida H， Awano S， Nagai M， et al. Target Following Brake Control for Collision Avoidance Assist of Active Interface Vehicle[C]// SICE-ICASE， 2006. International Joint Conference.IEEE， 2007：4436-4439.