基于NAIS的人车事故场景及AEB优化研究

【摘要】：行人在道路交通事故中属于弱势群体,其严重损伤或致死的概率相对于其他交通事故形态更高。自动紧急制动(AEB)系统能够有效减少或避免行人伤害。为对AEB系统有效性进行验证评价,各国出台了相关的新车评价规程,但是借鉴国外的测试场景不能够反映对中国道路交通特征,因此基于中国道路交通事故的场景研究有其必要性,能够为我国行人AEB测试场景的建立、行人AEB系统控制策略的设计提供参考。本文主要研究内容有以下四个方面:(1)从国家事故深度调查体系(National Automobile Accident In-depth Investigation System,NAIS)数据库中筛选出228个乘用车正面与行人碰撞事故案例,提取出每个案例中和危险场景重构相关的静态、动态变量,通过聚类分析将具有相似性的场景聚集成一类。然后利用卡方检验以及行人的损伤程度作为标准,提取每一类场景中的典型特征。最后形成5类典型的行人与乘用车碰撞的危险场景。(2)以典型危险场景为基础,将变量具体化,并在每类场景中添加“障碍物”参数,形成10类测试场景。采用PreScan软件对测试场景进行建模。(3)对比分析AEB避撞控制策略,选取TTC模型。在Simulink中搭建基于TTC模型的AEB控制模块并添加到测试车辆上。(4)联合PreScan,测试避撞算法在不同场景中的表现。结果发现,搭载了AEB模型的车辆并不能在所有的测试场景中避免碰撞,特别是在速度较高的时候,其表现较差。为提升避撞性能,从算法角度对其进行优化。针对单一场景建立行人穿越道路模型,从AEB系统的视场角(FoV)、制动触发宽度(w)、AEB触发时间(TTC_(max))3个参数进行匹配与优化分析,实现了避撞。在该过程中,获得了AEB系统避免碰撞或大大减少碰撞速度的边界参数条件,并得到了w和TTC_(max)之间的相互制约关系。综上,本文得到了基于中国交通事故的行人典型危险场景,建立了相应的仿真测试场景,测试了TTC模型在各种场景中的避撞表现。本文应用的方法对提取中国道路中典型危险场景,开发适应中国道路交通的AEB系统测试场景提供了参考,同时也为AEB关键参数优化提供了技术方案。