融合多源監(jiān)測信息的重載車輛安全性評估方法

李改靈，趙祥君，于坤炎，黃 韜

(陸軍軍事交通學院，天津300161)

1 引言

由于超長、超寬、超高、超重、操控復雜，重載車輛發(fā)生事故的概率比常規(guī)車輛更大，且事故更不可控。為了提高重載車輛行駛安全性，國內(nèi)外學者建立了各種定性與定量安全性評估模型。例如，陳之強建立了考慮道路工況、坡度和彎道半徑等因素的加速度干擾評估模型，進而根據(jù)加速度干擾值對重載車輛安全狀態(tài)進行準確評估[2]。徐進通過引入加速度相關參數(shù)表征重載車輛性能、載荷、駕駛員等因素的差異，建立復雜公路條件下重型車輛的車速預測問題[3]。朱天軍結合卡爾曼濾波技術建立重型車輛側翻預測模型，實現(xiàn)對車輛安全狀態(tài)的實時評估和預測[4]。以上方法所建立的評估預測模型需要對車輛的諸多參數(shù)進行適當簡化，降低了評估模型的準確性，且建模機理復雜、計算量大。因此建立需要建立一種能充分融合多源監(jiān)測數(shù)據(jù)、建模機理清晰且具有可解釋性、具有高精度和高效率的安全性評估模型。

Trucksim軟件具有非常友好的圖形用戶界面，擁有強大的模型數(shù)據(jù)庫，仿真速度快、模型精度高，在車輛仿真領域應用廣泛[4]。置信規(guī)則庫(BRB)是Yang等人根據(jù)IF-THEN規(guī)則庫、D-S證據(jù)理論等建立起來的一種基于半定量信息的評估方法，能夠充分融合定量數(shù)據(jù)和定性專家知識，對各種不完備信息和模糊信息進行有效處理，已經(jīng)在故障檢測、安全性評估、武器裝備評估等方法得到廣泛應用[5，6]。本文應用Trucksim軟件模擬重載車輛彎道行駛的各種危險場景，研究車輛特性、道路條件、環(huán)境因素組合條件下的車輛運行試驗。在此基礎上，以BRB為工具，建立考慮人-車-環(huán)一體的重載車輛彎道行駛安全性評估模型。最后，通過實例分析車輛運行速度、路況、車輛參數(shù)等諸多因素對重載車輛安全狀態(tài)的影響。

2 重載車輛安全性評估問題描述

2.1 假設條件

據(jù)統(tǒng)計，我國70%以上的重特大交通事故發(fā)生在彎道、陡坡等不良路段[1]。在新西蘭的一項重載車輛性能研究中，66%的重載車輛事故發(fā)生在轉彎過程中。研究表明，過高的車速是造成重載車輛拐彎時發(fā)生事故的主要原因[7]。鑒于此，本文重點研究車輛彎道行駛場景中，不同狀態(tài)參數(shù)下的重載車輛安全狀態(tài)評估。

假定車輛在行駛過程中，車輛的質心高度、道路摩擦系數(shù)、速度等保持恒定。考慮到車輛在拐彎時發(fā)生的主要危險場景為側滑和側翻，車輛在彎道行駛過程中既不發(fā)生側滑又不發(fā)生側翻的最高車速定義為車輛彎道行駛的安全車速[8，9]

vz=min(Vs，VR)

(1)

式中，Vs為車輛不發(fā)生側翻時的最大車速，即車輛的橫向載荷轉移率(LTR)為0.9時對應的車速；VR為車輛不發(fā)生側滑時的最大車速，即車輛的側向加速度為0.4g時對應的車速[10]。

2.2 研究問題描述

重載車輛安全性評估首先需要確定安全性標準，即滿足何種狀態(tài)的車輛是安全的；其次研究各影響因子與車輛安全狀態(tài)間的對應關系，即研究各因素是如何影響車輛狀態(tài)的?；诖耍剌d車輛安全性評估模型包括重載車輛安全速度預測和車輛安全狀態(tài)估計模型兩個部分。本文需要解決的問題主要包括：

1)重載車輛彎道行駛臨界車速的確定

2)重載車輛狀態(tài)估計模型

本文從人-車-環(huán)等不同因素組合下的行駛場景出發(fā)，建立一個科學、合理的安全車速預測模型，進而及時預測出車輛的安全狀態(tài)，即建立如下評估模型

S=Γ(R，H，H，φ，?)

(2)

式中，S為車輛的安全狀態(tài)，R為彎道半徑，B為輪距，H為質心高度，φ為路面摩擦系數(shù)，Γ為非線性安全狀態(tài)預測函數(shù)，?為評估模型的參數(shù)。

3 融合多源監(jiān)測信息的重載車輛安全性評估模型

3.1 Trucksim仿真設置

Trucksim軟件可動態(tài)模擬包括輕型貨車、重型半掛車、重型卡車、多軸軍用汽車等諸多車輛的動態(tài)特性。Trucksim可方便地搭建多種車輛模型，靈活設置各種仿真工況；輸出各種工況下包括車輛速度、加速度、受力等上百組仿真曲線[11，12]。本文選用Trucksim模型數(shù)據(jù)庫中自有模型“3A Cab Over w/3A Euro Trailer(6×4牽引車+3軸掛車)”作為實驗車型。仿真過程中，參考國家相關標準，設置不同的道路半徑、路面摩擦系數(shù)、車輛質心高等參數(shù)，搭建了車輛行駛中各種危險場景。圖1所示為實驗車型彎道行駛場景及仿真參數(shù)的設置。彎道半徑分別為：40m、60m、80m、100m、150m、200m、250m、300m、350m、400m、450m、500m；路面摩擦系數(shù)為：0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9；輪距初步設定為2m，質心高為：1.2m、1.4m、1.6m、1.8m、2.0m、2.2m。試驗過程中，車輛不發(fā)生側滑或側翻的最大車速為車輛在該危險場景下的臨界安全車速。實驗中設定，當車輛不發(fā)生側滑(橫側加速度小于0.4g)且載荷轉移率小于0.9時(兩側車輪受力之差與兩側車輪受力之和比值的絕對值小于0.9，即|(∑F左-∑F右)/(∑F左-∑F右)|≤0.9時)，則認為車輛是安全的。

圖1 車輛彎道行駛及仿真參數(shù)設置

3.2 置信規(guī)則庫專家系統(tǒng)

重載車輛安全性評估中涉及的因素眾多，各因素之間存在著復雜的非線性和不確定性關系。為了準確表達重載車輛安全性評估中隱含的復雜邏輯關系，本文采用BRB專家系統(tǒng)對車輛的狀態(tài)參數(shù)信息進行有效融合，以給出有重要參考價值的評估結論。具體步驟為：首先，根據(jù)定量數(shù)據(jù)和專家知識建立BRB專家系統(tǒng)；其次，根據(jù)輸入與規(guī)則中前提屬性的匹配度，計算各規(guī)則的激活權重；最后，通過證據(jù)推理(ER)方法對各規(guī)則進行整合，得出重載車輛安全性評估的置信分布結果。

1)置信規(guī)則庫

BRB中的規(guī)則帶有一定的置信度，其具體形式為[13，14]

Then {(D1，β1，k)，…，(DS，βS，k)}

With rule weightθk， attribute weightδ1，…，δm

(3)

2)規(guī)則激活

輸入給定后，需要將輸入值與各規(guī)則中對應的參考值進行匹配，激活相對應的規(guī)則并計算出各激活規(guī)則的權重。第k條規(guī)則的激活權重計算公式為

(4)

式中，αk表示輸入x與第k條規(guī)則中相關參考值的匹配程度。當存在αk=0，則有ωk=0，第k條規(guī)則沒有被激活。

3)證據(jù)推理

為了得到一個統(tǒng)一的結果，需要采用ER方法對激活規(guī)則進行整合，計算公式為[5，6]

式中，βj為相對于結果Ds的置信度。

評估結果用數(shù)值表示為

(6)

3.3 置信規(guī)則庫參數(shù)的優(yōu)化

基于專家知識建立的初始置信規(guī)則庫，由于專家知識的有限性和主觀性，通常精確度不高。實踐證明，置信規(guī)則庫中相關參數(shù)(βs，k，θk)的準確性很多程度決定了評估模型的準確度。本文采用中心差異演化算法對模型中的參數(shù)進行訓練優(yōu)化，其具體步驟為[15]

1)將待優(yōu)化的所有變量作為單個種群Xi(g)，單個變量xij∈{θ1，…，θL，β1，1，…，βN，L}，其中g∈[1，G]為進化代數(shù)，i∈[1，NP]為種群數(shù)目。

3)計算優(yōu)化目標函數(shù)

minf(X)=abs(stimulate(S)-actual(Sreal))/T

4)變異操作

隨機選擇三個不同種群Xp1、Xp2、Xp3，對相應的變量進行線性組合變異操作

式中F∈[0，1]為常數(shù)。

5)交叉操作

定義交叉率CR為某個小于1的常數(shù)，通過與某個隨機數(shù)進行比較，進行如下交叉操作

ηg+1=Ωg+1ifrand(0，1)≤CR

ηg+1=Xgifrand(0，1)>CR

6)選擇操作

計算各變量的目標函數(shù)值，選擇最優(yōu)結果最后下一代種群。

7)更新代數(shù)

g=g+1重復步驟2)～6)直至達到期望的精度或設定的代數(shù)。

3.4 基于Trucksim和置信規(guī)則庫的重載車輛安全性評估模型

圖2所示為基于Trucksim和置信規(guī)則庫的重載車輛安全性評估模型流程圖。模型包括兩個部分：首先利用Trucksim軟件模擬重載車輛在各種危險場景下的行駛狀態(tài)，進而根據(jù)車輛狀態(tài)參數(shù)確定出各場景下的臨界安全車速；其次利用置信規(guī)則庫專家系統(tǒng)建立基于道路、車輛等因素在內(nèi)的重載車輛安全狀態(tài)評估模型，對車輛的安全狀態(tài)進行實時評估。

圖2 融合多源監(jiān)測信息的重載車輛安全性評估模型流程圖

4 模型實例驗證

4.1 各種危險場景下臨界安全車速的確定

本文中車輛的臨界安全狀態(tài)以載荷轉移率和橫向加速度的變化情況來確定。某場景下汽車以不同的速度行駛，其橫向加速度和載荷轉移率分別如圖3和圖4所示。從圖中可以看出，車速為69km/h時車輪的橫向加速度大于0.5g且最大橫向載荷轉移率大于0.9，車輛出現(xiàn)了側滑和側翻；車速為68km/h時，最大橫向加速度小于0.4g，最大橫向載荷轉移率為0.9，車輛處于臨界安全狀態(tài)，因此確定該場景下的臨界安全車速為68km/h。

圖3 各車速下的橫向加速度

圖4 各車速下的載荷轉移率

基于此方法，得出了Trucksim仿真環(huán)境中各個場景的臨界安全車速，結果如表1所示。

表1 不同場景下的臨界安全車速(部分)

4.2 重載車輛安全臨界車速置信規(guī)則庫

采用Trucksim軟件模擬得出多種場景下的臨界安全車速，但是此方法需要反復調(diào)整各種不同參數(shù)，計算各場景下的橫向加速度和橫向載荷轉移率，確定出相應的臨界安全車速，工作量非常大且不能概括實際中可能遇到的所有場景。因此，本文在Trucksim軟件仿真分析的基礎上，建立基于BRB的重載車輛安全性評估專家系統(tǒng)。表2-表5為各屬性的參考值定義，其中各參考值通過參考國家相關標準和咨詢相關專家確定。

表2 彎道半徑參考值定義

表3 路面附著系數(shù)參考值定義

表4 質心高/輪距參考值定義

表5 車輛速度參考值定義

輸入相對于參考值的隸屬度計算，可通過多種方法計算。本文基于輸入相對于各參考點的距離計算隸屬度。例如當前車速為40km/h，則輸入相對于各參考值的隸屬度為{(50-40)/(50-10)， (40-10)/(50-10)， 0}={0.25， 0.75， 0}。

重載車輛安全狀態(tài)定義三種情況，分別為：{非常危險(VD，車輛超過臨界車速30%)，臨界安全(CS，車速為臨界車速)，很安全(VS，車速低于臨界車速的80%)}。

初始置信規(guī)則庫根據(jù)相關知識和專家經(jīng)驗構建，取一部分Trucksim仿真數(shù)據(jù)作為訓練數(shù)據(jù)，采用中心差異演化算法對置信規(guī)則庫中相關參數(shù)進行優(yōu)化，得到優(yōu)化重載車輛臨界安全車速置信規(guī)則庫，結果如表6所示。

表6 重載車輛臨界安全車速置信規(guī)則庫

以表6中第一條規(guī)則為例，該規(guī)則的含義為：當彎道半徑為SR，附著系數(shù)為SM，質心高/輪距為LC時，車輛處于LV的置信度為0.8668、處于MV的置信度為0.0880、處于HV的置信度為0.0452。

4.3 模型有效性分析

現(xiàn)以(R=280，φ=0.75，H/B=0.8，V=60)場景為例驗證模型的有效性。輸入相對于各參考值的置信度采用基于距離的方法。首先進行輸入信息的轉化：路面半徑R=280相對于各參考值的置信度為：{(SR， 0)， (MR， 0.6286)， (LR， 0.3714)}；路面附著系數(shù)φ可以轉化為：{(SM， 0)， (MM， 0.6250)， (BM， 0.3750)}；質心高/輪距(H/B)相對于各參考值的置信度為{(LC， 0)， (MC， 1)， (HC， 0)}。根據(jù)式(4)，計算出各規(guī)則激活權重為ω14=0.2320、ω15=0.1634、ω17=0.1155、ω18=0.0765，其余規(guī)則未激活，故其它規(guī)則激活權重為0。根據(jù)式(5)并進行聚合計算，得到相對于各參考速度值的置信度為{0.3293，0.2047， 0.4660}，因此該場景下的臨界安全車速為：V臨界=53.14km/h。與車輛實際車速相比，此車已經(jīng)超速12.91%。此場景通過Trucksim驗證，車輛最終發(fā)生了側翻，從而驗證了模型的有效性。

5 結論

本文針對重載車輛彎道行駛過程中的安全問題，建立了一種基于Trucksim和置信規(guī)則庫的融合多源監(jiān)測信息的重載車輛安全性評估模型。首先，基于Trucksim軟件進行情景模擬仿真，建立了重載車輛各危險場景下的臨界安全車速集。其次，基于BRB建立了重載車輛彎道行駛臨界安全速度的預測模型，進而實時感知車輛的安全狀態(tài)。實例證明，本文所提的重載車輛評估模型能夠充分利用車輛的各種行駛狀態(tài)參數(shù)，具有直觀性強、實時性與可操作性好等優(yōu)點，對于彎道中行駛車輛的防側翻與側滑事故具有較好的預警效果。此外，本文研究可以為分車型、分路況限速提供科學的依據(jù)。