智能駕駛車輛乘坐舒適性控制研究

楊萬安 李小龍 吳建飛 王博文

（泛亞汽車技術(shù)中心有限公司，上海 201201）

主題詞：智能駕駛 乘坐舒適性 不適度 基于乘客的不適度指標(biāo)

1 前言

從高級輔助駕駛到無人駕駛，IT企業(yè)與傳統(tǒng)車企大都把研發(fā)重點集中在提升車載傳感器的探測精度上，這些研究并未考慮車輛的乘坐舒適性。大多數(shù)自動駕駛控制算法簡單地假定車輛行駛于理想的平整瀝青路或水泥路面，通常直接輸入固定的路面摩擦因數(shù)，并未考慮因路面狀況變差引起的乘坐舒適性問題。而實際道路的不平整或損壞等常態(tài)因素應(yīng)在相關(guān)研究中得以體現(xiàn)。在乘坐舒適性評價方面，ISO 2631-1：1997《機(jī)械振動與沖擊人體暴露于全身振動的評價》和GB 4970—2009《汽車平順性試驗方法》能較好地應(yīng)用于多軸向、短時間、穩(wěn)態(tài)隨機(jī)振動的場景，但當(dāng)車輛行駛在典型壞路上承受較大沖擊時，常使用的方法是建立主觀評價與客觀測量指標(biāo)之間的聯(lián)系[1-2]。

本文選取江南地區(qū)常見的2種壞路形式，研究行駛過程中車輛受到路面激勵引起垂直方向運動時乘員乘坐舒適性的控制問題，包括車身俯仰/側(cè)傾程度、懸架緩沖能力等，并基于不適度指標(biāo)分析給出相應(yīng)控制策略。

2 單一特征壞路不適度研究

壞路根據(jù)損壞情況可分為單一特征壞路和連續(xù)壞路段。單一特征壞路指平直的理想路面長時間使用后形成的單個不理想路面狀態(tài)，例如路面沉降凹陷、路橋接縫、窨井凹坑或凸臺、路面翹曲開裂等。車輛通過單一特征路面時會出現(xiàn)不同程度的顛簸，在路面損壞較嚴(yán)重或車速過快時會給乘員帶來明顯的不適感。為量化分析這類影響，本文開展了小范圍調(diào)查分析。

選取江南地區(qū)較為常見的2 種特征路面，即單側(cè)凹坑（由路面經(jīng)常受重壓沉降形成的凹陷）和路橋連接區(qū)段（由于連接區(qū)域路基沉降引起的路面/橋面不平滑過渡），如圖1 所示。對樣車在該路段以不同車速（30～70 km/h 范圍內(nèi)的7 個車速）行駛時的響應(yīng)進(jìn)行路譜采集，并在四通道道路模擬試驗機(jī)上精確再現(xiàn)。

圖1 引起舒適性問題的典型壞路

車輛駛過這類路面時，車身出現(xiàn)明顯的俯仰和側(cè)傾，與常規(guī)疲勞試驗路譜采集方式不同，本文將4個傳感器置于車身上左前、右前、左后、右后4個遠(yuǎn)端位置，以使反映俯仰/側(cè)傾運動的低頻段信號有更好的信噪比。

參加評估的總?cè)藬?shù)為100人，男女比例約為3∶1，平均年齡31.7 歲，評估者中52%的人經(jīng)常駕車，其中58%的評估者上班路線以城市道路為主。

將不會引起舒適性抱怨定義為0分，不舒適性達(dá)到完全不能接受定義為100分。評估過程中，評估者首先體驗在次低車速和次高車速下的不舒適程度（簡稱不適度），形成參考評分30分和80分，然后將不同車速下的行駛過程進(jìn)行隨機(jī)組合，給出7個車速下的主觀感知評分，稱為基于乘客感受的不適度指標(biāo)（Passenger Based Ride Index，PBRI）。

圖2 所示為某車輛駛過兩種特征路面時的總體評估結(jié)果。由圖2 可知，路橋連接路段PBRI 隨車速單調(diào)增加，但并不呈簡單的線性關(guān)系，它取決于該路面沉降形態(tài)下以某個車速駛過此路段時懸架的騰空程度，由于左、右輪幾乎同時跳動，整個車身以俯仰運動為主；單側(cè)凹坑路段的PBRI在40 km/h附近明顯降低，乘坐舒適性顯著改善，這與懸架的偏頻特征有關(guān)，當(dāng)以合適的車速駛過此路段時，懸架的屈伸正好在特定車速下對路面擾動有最好的緩沖，從而降低了不適度。

圖2 典型壞路的PBRI曲線

對評估數(shù)據(jù)的細(xì)分研究表明，乘員個體對特征路面引起的不適度感知差異較大，不同車速下的不適度感知分布也不相同。如圖3所示，評估者對車身運動形式單一的路橋連接的不適度感知有更好的集中度，對于引起側(cè)傾加俯仰的單側(cè)凹坑，其不適度感知集中度略低。2種路面在高速段的評估結(jié)果有比較好的集中度，在低速段則比較分散。

圖3 不同車速下兩種壞路的PBRI分布

對評估結(jié)果進(jìn)行進(jìn)一步層次聚類，從評估者群體細(xì)分來看（見圖4），對壞路的不適度感知存在群體之間的差異。例如，對單側(cè)凹坑的感知可以大致分為4類：第1類人群（65%）年齡和駕齡等的統(tǒng)計值與樣本整體接近（平均年齡為31.7歲，平均駕齡為6.4年，日常行駛道路中城市道路占58%，自駕比例為52%）；第2 類人群（13%）的平均年齡偏大（37.5歲），且駕齡偏長（10.4年）；第3 類人群（10%）、第4 類人群（5%）均為城市道路行駛比例偏少（48%）的人群。對于路橋連接的感知可以大致分為3 類：第1 類人群（68%）年齡和駕齡等的統(tǒng)計值與樣本整體接近；第2 類人群（15%）的年齡偏大（36歲），且駕齡略偏長（8.2 年）；第3 類人群（9%）的自駕比例明顯偏多（78%），且更多是在城市道路上行駛（71%）。

從圖4可以看出，對于不同壞路的不適度感知存在群體差異，年齡、駕齡、城市道路行駛比例以及自駕率等因素對評估者的評判有較大影響。針對這些乘員個體特征對車輛進(jìn)行差異化舒適性控制，可帶來更加舒適的駕乘體驗。

本文關(guān)注乘員自身對舒適性擾動的厭惡程度（即不適度），與車型、路面無關(guān)，因此此不適度關(guān)系可作為某類乘員乘坐不同車輛行駛在不同路面上時的共同參照。

3 控制策略應(yīng)用

在更大范圍內(nèi)選取普通駕駛?cè)后w，用前文描述的過程對不同典型壞路進(jìn)行評價，得到更精準(zhǔn)的PBRI分布，并將以此形成的控制策略嵌入智能駕駛的控制體系中，將使乘員得到更加智能化的乘坐舒適性體驗。

圖4 評估者分類下的PBRI曲線

3.1 PBRI的應(yīng)用層級

智能車輛應(yīng)把反映乘員舒適性的PBRI集成到駕駛控制策略中。PBRI 的應(yīng)用可分4 個不同層級：根據(jù)乘員的偏好將所經(jīng)過路面的PBRI與其他相關(guān)信息進(jìn)行加權(quán)決策，為特定乘員提供最適合的路徑規(guī)劃；在條件許可的前提下發(fā)出常規(guī)變道指令，使車輛變換到較為平整的車道上行駛；通過車道內(nèi)行駛軌跡的微調(diào)避開尺度不大的特征路面（如較小的凹坑、凹陷或凸起的窨井蓋等）；根據(jù)此路段的PBRI曲線，結(jié)合個性化偏好，獲取最佳降速目標(biāo)，降低不適度感受。

3.2 個性化控制

智能駕駛車輛應(yīng)該兼顧乘員、車輛、道路信息。如圖5所示，個性化定制中的主要因素體現(xiàn)了乘員的舒適性偏好，基于個人偏好的歷史數(shù)據(jù)和特定車輛的懸架特性，再結(jié)合具體任務(wù)信息實時給出最適合的控制目標(biāo)和過程。

圖5 舒適性控制個性化定制中的主要因素

3.3 應(yīng)用場景

將基于乘坐舒適性需求的控制系統(tǒng)集成到傳統(tǒng)的智能駕駛系統(tǒng)中，如圖6所示，智能車輛駛過某典型壞路特征，車載傳感系統(tǒng)進(jìn)行基礎(chǔ)判別后有選擇性地將超過設(shè)定閾值的響應(yīng)信號上傳，并計算出相應(yīng)的PBRI。此特征信息將自動分享給后續(xù)規(guī)劃經(jīng)過相同路段的車輛。

圖6 舒適性控制策略的典型應(yīng)用場景

4 結(jié)束語

本文對單一特征壞路的不適度進(jìn)行了研究，針對典型壞路采用基于乘客感受的不適度指標(biāo)對不適度感受及其分布特點進(jìn)行了量化研究，并展望了其應(yīng)用前景。