基于橫向安全距離模型的主動避障算法

胡朝輝，黃順霞，杜展鵬，郭 星，高鶴萱

（1.湖南大學，汽車車身先進設計制造國家重點實驗室，長沙 410082； 2.湖南湖大艾盛汽車技術開發有限公司，長沙 410000）

前言

主動避障系統能實時監測行車安全狀態，及時提供安全警告和操作控制，達到規避危險的目標，提高行車主動安全性。目前，主動避障算法主要基于縱向安全距離模型建立，未考慮移動目標的橫向運動特性。因此，本文中以橫向移動目標為研究對象，建立一種橫向安全距離模型，并提出一種基于橫向安全距離模型的主動避障算法。

安全距離模型是避障系統功能實現的基礎，主動避障系統中用于研究或實際應用的安全距離模型，大多基于傳統的3大類安全距離模型，即基于車輛制動過程的安全距離模型、基于車頭時距的安全距離模型和駕駛員預瞄安全距離模型。文獻［1］中以“碰撞時間倒數”為評價指標，建立了基于危險系數的分級安全距離模型，具有較好的駕駛員特性。文獻［2］中以控制車輛最小安全距離為最終目的，針對不同工況提出具體的估算模型，得出了一種最小安全車距控制模型。文獻［3］中考慮了路面附著系數、坡道角等因素，提出改進的安全距離模型。文獻［4］中融合了基于制動過程和車頭時距的安全距離算法，根據速度閾值選取距離模型。然而，上述安全距離模型中沒有考慮移動目標的橫向運動特性，對于橫向移動目標的主動避障存在一定的局限性。

本文中利用橫向移動目標的橫向相對位置和速度修正避障距離，建立橫向安全距離模型；在車輛對外界環境感知信息的基礎上，根據橫向安全距離模型判斷行車狀態，完成主動避障算法設計。本文中提出的避障算法還包括以下功能：（1）能夠實時監測移動目標的停留情況，降低移動目標隨機移動特性對避障性能的影響；（2）能夠根據路面峰值附著系數設定最大制動減速度，充分利用當前行駛路面避障，并適時調整制動控制強度，以適應不同路況的主動避障行駛。

1 實時路面附著系數估算

路面附著系數的估算方法主要有Cause-Based［5］和 Effect-Based［6-7］兩類。Cause-Based主要利用加裝傳感器測量路面類型參數和路面狀態參數，通過估算模型獲取路面附著系數，具有一定的預測性，但成本高，使用條件限制大。Effect-Based根據路面變化引起的整車響應估算路面附著系數，主要是基于輪胎響應或基于車輛動力學響應，成本低，適用范圍廣，魯棒性好等，對主動安全系統發揮著重要作用［8］。本文中基于Effect-Based，利用車輛動力學響應特性，根據獲取的本車狀態參數，估算路面附著系數。

假設行駛路面平直，采用1／4車輛模型作受力分析（見圖1）。

圖1 1／4車輛模型

根據附著系數的定義式：

整理式（1）和式（2），可得當前行駛路面的附著系數：

式中：Fx為地面縱向反作用力（制動時為負）；Fz為地面法向反作用力；J為車輪轉動慣量；Tf為車輪滾動阻力；ω為車輪角速度；T為驅動力矩（制動時為負）；R為車輪滾動半徑。

2 橫向安全距離模型

根據車輛傳感器實時獲取移動目標橫穿馬路的相對位置、速度，預估移動目標在橫穿馬路的時間段內車輛是否可達其目標位置，建立安全距離Dd：

式中：H為車道寬度；v0為橫向移動目標橫穿馬路的橫向速度；v車為自車行駛速度；D0為安全間距。在不采取避障制動措施的條件下，保證移動目標安全通過后，自車距移動目標的最小縱向間距如圖2所示。

避障時，滿足車輛自身的制動約束條件，建立避障系統的制動距離Ds：

圖2 橫縱向示意圖

式中：a車為自車減速度；d0為最小保持間距，在采取避障制動措施的條件下，保證移動目標安全的最小縱向間距。

根據安全距離Dd、制動距離Ds建立橫向安全距離模型，安全距離Dd決定避障系統制動切入時機，制動距離Ds決定避障系統施加的目標制動減速度。

3 主動避障控制策略

3.1 避障邏輯

避障邏輯部分利用建立的橫向安全距離模型計算閾值Dd、Ds，判斷行車危險狀況，實現避障系統的分級處理。

根據車載傳感器獲取的信息，判斷本行車道內是否存在橫向移動目標，不存在時保持當前狀態行駛；存在時，須根據橫向安全距離模型計算的閾值Dd、Ds，判斷檢測獲取的間隔距離D是否可保障橫向移動目標安全穿越馬路，當D＞Dd，即滿足行車安全時，繼續以當前狀態行駛；否則表明間隔距離D不能滿足橫向移動目標安全穿越馬路的需求，避障系統進一步根據間隔距離D與閾值Ds的關系，采取相應的制動措施；滿足D≤Ds時，避障系統控制車輛進入緊急制動工況，車輛以最大制動減速制動；否則控制車輛進入減速工況，以舒適減速值減速行駛。其避障邏輯流程圖如圖3所示。

3.2 減速度

檢測到目標對象時，避障系統依據安全距離模型計算的閾值確定目標減速度，控制相應執行器完成避障。避障過程中，施加適應于當前行駛路面的目標減速度，不僅可提高避障的效率，且也會提高駕駛舒適性。

制動過程中，地面制動力FXb、制動器制動力Fμ與地面附著力Fφ滿足圖4所示關系：

圖3 避障邏輯流程圖

圖4 FX b、Fμ、Fφ關系曲線

故制動時，制動減速度a車受路面條件約束，滿足

式中：G為汽車重力；μmax為行駛路面的峰值附著系數；g為重力加速度。

3.2.1 舒適減速度

當避障系統進入減速工況時，要求以目標減速度控制車輛減速避障，在保障移動目標安全橫穿馬路的基礎上，提高自車行駛舒適性。

文獻［9］中調研了北京、上海、廣州、武漢、重慶和汕頭6個城市的汽車行駛工況，各行駛工況下最大減速度統計值如表1所示。文獻［10］中分析125名駕駛員在正常行車中的經驗數據，獲得98%的駕駛員行車減速度不會超過-2.17 m／s2，而當減速度達到-3～-4 m／s2時會引起人體的不適。本文中將主動避障在減速行駛時的舒適減速度設為-2 m／s2。

表1 6種城市行駛工況下最大減速度統計值

即間隔距離 D滿足 Ds＜D≤Dd時，取 a車＝-2 m／s2作為減速行駛的目標減速度，實現減速工況下的主動避障行駛。

3.2.2 最大減速度

當避障系統進入緊急制動工況時，要求以當前行駛路面的最大減速度為目標減速度制動，以獲取最大地面制動力，即a車＝μmaxg。

利用行駛路面與Burckhardt輪胎模型在典型路面相似度的特征值來估算當前行駛路面的峰值附著系數［11］，其定義為

式中：μ1max、μ2max分別為所選 Burckhardt輪胎模型中兩條典型路面的峰值附著系數；μ1、μ2分別為所選Burckhardt輪胎模型中兩條典型路面在當前滑移率所對應的附著系數；α、β為相似特征值。

式（8）～式（10）滿足：

其仿真結果表明，路面峰值附著系數的估算誤差控制在5%左右。本文中利用該辨識算法，估算當前行駛路面的峰值附著系數。

由式（3）可獲取當前行駛路面的附著系數μ，根據車輪滑移率定義式可估算當前行駛路面的滑移率s。

制動時，滑移率s滿足

驅動時，滑移率s滿足

根據當前行駛路面的滑移率、附著系數，選取兩條相似Burckhardt輪胎模型中典型路面的μ-s曲線，根據式（8）～式（10）和式（13）估算當前行駛路面的峰值附著系數，其估算模型如圖5所示。

圖5 路面峰值附著系數估算模型

即間隔距離D滿足D≤Ds時，車輛進入緊急避障工況，根據當前行駛路面的估算峰值附著系數獲取最大制動減速度a車＝μmaxg，實現緊急避障工況下的主動避障行駛。

3.3 避障策略算法

橫穿馬路的移動目標參與交通的隨機性強，考慮到橫穿停留等不確定因素，在避障策略中加入移動目標的停留檢測，當移動目標停留馬路時，避障系統直接進入制動狀態的判斷，加快系統響應，以確保橫向移動目標的安全。

考慮不同季節天氣影響的多變行駛路況，避障減速工況的舒適減速度可能不滿足當前行駛路面附著條件，如在附著率低的冰雪路面減速避障。在避障策略中引入制動強度的判定，根據估算的路面峰值附著系數，判斷避障邏輯分級處理獲取的制動減速度值是否滿足當前行駛工況制動強度的要求，適時調整制動強度，提高避障行駛安全。

圍繞避障邏輯，加入停留檢測及制動強度判定，制定整車主動避障策略算法，其系統整體架構如圖6所示。

4 驗證與結果分析

騎行者橫穿是一種典型的橫向交通模型，本節將騎行者作為橫向移動目標，驗證本文提出的基于橫向安全距離模型主動避障算法的有效性。

4.1 搭建仿真工況

圖6 系統整體架構

圖7 避障策略模型

基于Simulink模塊搭建避障算法模型，如圖7所示。該模型主要由信號處理、路面附著系數估算、橫向安全距離模型、停留檢測、避障邏輯處理和制動強度判斷等模塊組成。信號處理模塊主要處理避障控制系統的輸入量，主要是對傳感器采集信號和本車狀態參數的濾波處理；路面附著系數估算模塊根據估算算法完成當前路面峰值附著系數的估算；橫向安全距離模型依據信號處理模塊輸出量計算避障判斷閾值；避障邏輯處理模塊根據預設避障邏輯判斷行車危險狀況，實現避障系統的分級處理，獲取避障目標減速度；停留自檢模塊主要負責監測移動目標橫穿馬路的狀態；制動強度判斷模塊修正低附著路況的制動強度，提高避障行車安全。

為預測、仿真車輛對外界環境的感知和車輛的碰撞檢測，在PreScan中構建仿真場景，獲取橫向移動目標在模擬交通場景中的檢測信號及自車的操縱（轉向、制動、加速）響應量?；?PreScan自帶的AEB系統示例構建仿真場景，為滿足碰撞場景，在EuroNCAP_AEB_VRU_nearside_adult示例基礎上，將Actors中對象Human Textured改換為Cyclingcyclist，并將 Cyclingcyclist的 Speed Profile加入 1.5 s的延時，修改自車Objectcon figuretion中的 control項，加入本文避障算法，傳感器模型等設置參數與EuroNCAP_AEB_VRU_nearside_adult仿真示例保持一致。打開Simulink仿真模式，完成PreScan與Simulink聯合仿真連接，在自車模型中加入避障策略模型，建立PreScan與Simulink的聯合仿真。

為獲取路面附著系數估算模塊所需的本車狀態參數，根據PreScan Actors中添加的車輛類型，設置CarSim仿真頁面的車輛參數和仿真工況，建立Car-Sim與Simulink聯合仿真，將估算模塊所需的自身狀態參數導入Simulink控制模型，并將模型輸出的操縱控制量導入CarSim仿真，更新車輛行駛狀態參數。

在 Simulink中完成 PreScan／Simulink／CarSim聯合仿真模型的連接，如圖8所示。

圖8 聯合仿真模型

4.2 仿真結果分析

構建仿真場景中，自車以15 m／s的速度在車道內直線勻速行駛，1.5 s后，騎行者以4.5 m／s橫穿馬路，若不采取制動措施，在5.36 s時發生碰撞，運行過程中，自車的速度、減速度曲線如圖9所示。

圖9 無避障控制下自車的速度、減速度曲線

在仿真模型中加入主動避障算法，仿真結果顯示：本車以15 m／s的速度在車道內行駛到4.84 s時，檢測到橫向穿越馬路的騎行者，車輛進入緊急制動狀態。運行過程中，自車的速度、減速度曲線如圖10所示，自車的制動壓力值如圖11所示，圖12為D、閾值Ds和Dd關系曲線。由圖可見，當t＝4.84 s時，Ds＝13.54 m，Dd＝13.93 m，D＝7.01 m，根據避障算法可知，在4.84 s時，間隔距離不滿足騎行者橫穿馬路的需求，車輛進入緊急制動狀態，應以最大制動壓力150 Pa制動避障，即仿真結果符合避障算法設計。

圖10 主動避障算法控制下自車的速度、減速度曲線

在該仿真場景中加入基于時距的PreScan示例避障算法，運行仿真。圖13顯示了避障過程中自車速度、減速度變化趨勢，圖14為示例避障算法控制下自車的制動壓力曲線。由圖可見，在t＝4.84 s時車輛以最大制動壓力150 Pa制動，避免與騎行者碰撞。

圖11 主動避障算法控制下自車的制動壓力曲線

圖12 間隔距離D、閾值D s和D d關系曲線

圖13 示例避障算法控制下自車的速度、減速度曲線

由仿真結果可知，在主動避障算法或基于時距的PreScan示例算法控制下，車輛都可避免與騎行者碰撞，且本文提出的基于橫向安全距離的主動避障系統，可達到與示例算法相同的制動效果，并在檢測到騎行者通過后可主動控制制動返回，完成避障系統的主動控制。

圖14 示例避障算法控制下自車的制動壓力曲線

5 結論

本文中利用移動目標橫穿馬路的速度、相對位置，建立橫向安全距離模型，并提出一種基于橫向安全距離模型的主動避障算法。同時，對移動目標進行停留檢測，修正移動目標隨機移動特性對避障控制的不確定性影響；引入路面附著系數，減小道路條件對汽車制動性能的影響。

以典型橫向移動目標— 騎行者作為研究對象，利用PreScan／Simulink／Carsim聯合仿真驗證避障算法的有效性。仿真結果表明：本文中提出的基于橫向安全距離模型的主動避障算法能有效避免與騎行者碰撞，并在檢測到騎行者通過后可主動控制制動返回，完成避障系統的主動控制，提高行車的主動安全性。