汽车与电动两轮车碰撞典型场景下的AEB纵横向触发策略研究

doi:10.19562/j.chinasae.qcgc.2023.03.017

摘要/Abstract

摘要：

在汽车与电动两轮车碰撞事故中，自动紧急制动（autonomous emergency breaking，AEB）系统的横向触发固定宽度是避撞失效的重要因素之一。为了提高汽车AEB系统的避撞可靠性，本文在分析了汽车与电动两轮车碰撞临界工况的纵横向TTC（time to collision）差值范围的基础上，建立了AEB纵横向触发TTC差值模型。基于PreScan、Matlab/Simulink和CarSim仿真平台建立2种典型的汽车碰撞电动两轮车事故场景，并与横向触发宽度固定为1.75和3.75 m的AEB策略对比。结果表明：提出的AEB纵横向触发TTC差值模型在避撞率中表现更优，在汽车速度低于54 km/h时均能实现避撞。在典型场景1中避撞率为88.9%（45例），未避撞事故碰撞平均速度从70.6下降到29.7 km/h；在典型场景2中避撞率为80%（30例），未避撞事故汽车平均碰撞速度从66降低为18.2 km/h。AEB纵横向触发TTC差值模型具有良好的可靠性和鲁棒性，提高了汽车与电动两轮车道路安全性，为汽车主动安全系统开发提供重要理论参考。

关键词: 汽车碰撞事故, 电动两轮车, 纵横向触发TTC差值模型, AEB, 碰撞典型场景

Abstract:

The transverse trigger fixation width of the autonomous emergency breaking （AEB） system is one of the important factors for collision avoidance failure in the collision accident between automobiles and electric two-wheeled vehicles. In order to improve the collision avoidance reliability of the AEB system， this paper establishes an AEB longitudinal and transverse trigger TTC difference model based on the analysis of the longitudinal and transverse TTC （Time to collision） difference range of the critical conditions of the collision between an automobile and an electric two-wheeled vehicle. Based on PreScan， Matlab/Simulink and CarSim simulation platforms， two typical collision accident scenarios between cars and electric two-wheelers are established and compared with the AEB strategies with fixed transverse trigger widths of 1.75 and 3.75 m. The results show that the proposed AEB longitudinal and transverse triggering TTC difference model performs better in collision avoidance rate and can achieve collision avoidance at vehicle speeds below 54 km/h. In typical scenario 1， the crash avoidance rate is 88.9% （45 cases）， and the average crash speed of unavoidable crashes decreases from 70.6 to 29.7 km/h. In typical scenario 2， the crash avoidance rate is 80% （30 cases）， and the average crash speed of unavoidable crashes decreases from 66 to 18.2 km/h. The AEB longitudinal-triggering TTC differential model has good reliability and robustness， improves road safety of cars and electric two-wheelers， and provides an important theoretical reference for the development of automotive active safety systems.

Key words: vehicle crash accidents, electric two-wheeler, longitudinal and transverse trigger TTC difference model, AEB, typical collision scenario

韩勇,袁小宾,卢明,谈笑天. 汽车与电动两轮车碰撞典型场景下的AEB纵横向触发策略研究[J]. 汽车工程, 2023, 45(3): 501-509.

Yong Han,Xiaobin Yuan,Ming Lu,Xiaotian Tan. Research on AEB Longitudinal and Transverse Triggering Strategy in Typical Scenarios of Vehicle to Electric Two-Wheelers Collisions[J]. Automotive Engineering, 2023, 45(3): 501-509.

图/表 13

图1

图2

图3

图4

表1

表2

CarSim汽车动力学模型参数"

参数	数值
整车质量/kg	1 820
质心至前轴距离/m	1.265
质心至后轴距离/m	1.682
质心高度/m	0.59
车体绕Z轴的转动惯量/ $(k g ? m 2)$	4 095
发动机功率/kW	300
轮胎规格	225/60/R18
前轮制动转矩/制动压力/ $(N ? m · M P a - 1)$	400
后轮制动转矩/制动压力/ $(N ? m · M P a - 1)$	150

表2

表3

仿真工况"

仿真工况	对应典型场景	事故信息
仿真工况	对应典型场景	汽车速度/ $(k m ? h - 1)$	ETW速度/ $(k m ? h - 1$ ）	碰撞位置
仿真工况1	1	45.4	19.5	前端左侧
仿真工况2	2	40.5	18	前端右侧

表3

图5

图6

图7

图8

图9

图10

参考文献 30

1	魏雯，杜雨萌，董傲然，等. 基于CIDAS数据与集成学习的电动两轮车骑行者伤害致因分析［J］.交通信息与安全，2022，40（2）： 45-52，62.
	WEI W， DU Y M， DONG A R， et al. An analysis of factors affecting injury of electric two-wheeler riders based on CIDAS data and ensemble learning ［J］. Traffic Information and Safety， 2022，40（2）： 45-52，62.
2	公安部道路交通管理局. 中华人民共和国道路交通事故统计年报［R］. 北京：公安部交通管理科学研究院， 2019．
	Road Traffic Management Bureau， Ministry of Public Security. Statistical annual report of road traffic accidents of the People's Republic of China ［R］. Beijing： Traffic Management Research Institute， Ministry of Public Security， 2019.
3	周华，刘峰，李平飞，等. 电动二轮车侧倾角对骑车人头部损伤影响研究［J］. 中国安全科学学报， 2019， 29（5）： 79-84.
	ZHOU H， LIU F， LI P F， et al. Impact of electric bicycles' roll angle on cyclist 's head injury ［J］. China Safety Science Journal， 2019， 29 （5）： 79-84.
4	万靖. 汽车-两轮车碰撞事故分析及骑车人损伤研究［D］. 长沙：长沙理工大学， 2018.
	WAN J. Study on vehicle to two wheelers collisions accident and damage of rider［D］. Changsha：Changsha University of Science & Technology， 2018.
5	ANDERSON R， DOECKE S， MACKENZIE J， et al. Potential benefits of autonomous emergency braking based on in- depth crash reconstruction and simulation ［C］.Proceedings of the 23rd International Technical Conference on the Enhanced Safety of Vehicles， 2013： 620-629.
6	何仁，冯海鹏. 自动紧急制动（AEB）技术的研究与进展［J］. 汽车安全与节能学报， 2019， 10（1）：1-15.
	HE R， FENG H P. Research and development of autonomous emergency brake （AEB） technology ［J］. Journal of Automotive Safety and Energy， 2019， 10（1）：1-15.
7	于广鹏，谭德荣，田厚杰，等. 基于纵向避撞时间的预警/制动算法［J］. 河南科技大学学报（自然科学版）， 2015， 36（2）： 30-34，4.
	YU G P， TAN D R， TIAN H J， et al. Based on the longitudinal time of collision avoidance warning/braking algorithm ［J］. Journal of Henan University of Science and Technology （Natural Science）， 2015， 36（2）： 30-34，4.
8	胡远志，吕章洁，刘西. 基于PreScan的AEB系统纵向避撞算法及仿真验证［J］. 汽车安全与节能学报， 2017， 8（2）： 136-142.
	HU Y Z， LV Z J， LIU X. Algorithm and simulation verification of longitudinal collision avoidance for autonomous emergency break （AEB） system based on PreScan ［J］. Journal of Automotive Safety and Energy， 2017， 8（2）： 136-142.
9	HIRST S， GRAHAM R. The format and presentation of collision warnings ［J］. Ergonomics and Safety of Intelligent Driver Interfaces， 1997： 203-219.
10	段顺昌，白先旭，石琴，等. 汽车自动紧急制动系统控制策略的预期功能安全设计［J］. 汽车工程， 2022， 44（9）： 1305-1317.
	DUAN S C， BAI X X， SHI Q， et al. The design of the safety of the intended functionality of the control strategies for vehicle automatic emergency braking system［J］. Automotive Engineering， 2022， 44（9）： 1305-1317.
11	MILLER R， HUANG Q. An adaptive peer-to-peer collision warning system ［C］. IEEE 55th Vehi Tech Conf， Alabama： Birmingham， 2002： 317-321.
12	兰凤崇，刘迎节，陈吉清，等. 可变附着系数路面上的自动紧急制动避撞安全策略研究［J］. 汽车工程， 2021， 43（7）： 1105-1112.
	LAN F C， LIU Y J， CHEN J Q， et al. Research on safety strategy for collision avoidance by automatic emergency braking on a road with varying adhesion coefficient［J］. Automotive Engineering， 2021， 43（7）： 1105-1112.
13	裴晓飞，刘昭度，马国成，等. 汽车主动避撞系统的安全距离模型和目标检测算法［J］. 汽车安全与节能学报， 2012， 3（1）： 26-33.
	PEI X F， LIU Z D， MA G C， et al. Safe distance model and obstacle detection algorithms for a collision warning and collision avoidance system ［J］. Journal of Automotive Safety and Energy，2012，3（1）：26-33.
14	李霖，贺锦鹏，刘卫国，等. 基于驾驶员紧急制动行为特征的危险估计算法［J］. 同济大学学报（自然科学版）， 2014， 42（1）： 109-114.
	LI L， HE J P， LIU W G， et al. Threat assessment algorithm based on characteristics of driver emergency braking behavior ［J］. Journal of Tongji University （Natural Science）， 2014， 42（1）： 109-114.
15	SAVINO G， BROWN J， RIZZI M， et al. Triggering algorithm based on inevitable collision states for autonomous emergency braking （AEB）in motorcycle-to-car crashes［C］. 26th IEEE Intelligent Vehicles Symposium （IV）， Seoul， South Korea： IEEE， 2015.
16	何霞，张道文，车瑶栎，等. 基于行人横穿场景的AEB触发宽度优化研究［J］. 中国安全科学学报， 2020， 30（4）： 141-146.
	HE X， ZHANG D W， CHE Y L， et al. Optimization of AEB trigger width based on pedestrian crossing scenario ［J］. China Safety Science Journal， 2020， 30（4）： 141-146.
17	徐向阳，胡文浩，张友，等.车辆与二轮车预碰撞场景分析及其AEB优化研究［J］.北京航空航天大学学报：1-11［2022-05-30］.
	XU X Y， HU W H， ZHANG Y， et al. Study on pre-crash scenarios and AEB optimization between vehicle and two-wheeler ［J］. Journal of Beijing University of Aeronautics and Astronautics：1-11［2022-10-13］.
18	张道文，李哓艳，金思雨，等. 汽车与二轮车十字路口垂向行驶工况的AEB系统优化［J］. 安全与环境学报： 1-11［2022-10-13］.
	ZHANG D W， LI X Y， JIN S Y， et al. Optimization of AEB system for vertical driving condition of vehicle and two-wheeler intersection ［J］. Journal of Safety and the Environment： 1-11［2022-10-13］.
19	胡林，易平，黄晶，等. 基于真实事故案例的自动紧急制动系统两轮车测试场景研究［J］. 汽车工程， 2018， 40（12）： 1435-1446.
	HU L， YI P， HUANG J， et al. A research on test scenes of two-wheeled vehicles for automatic emergency braking system based on real accident cases ［J］. Automotive Engineering， 2018， 40（12）： 1435-1446.
20	张立存，苗强，耿冬冬. 乘用车与两轮车事故特征分析和目标识别因素研究［J］. 汽车技术， 2020（3）： 41-44.
	ZHANG L L， MIAO Q， GENG D D. Research on car and two-wheeler accident characteristic analysis and object detection factor ［J］. Automobile Technology， 2020（3）： 41-44.
21	ZHOU H， LI X， HE X， et al. Research on safety of the intended functionality of automobile AEB perception system in typical dangerous scenarios of two-wheelers ［J］. Accident Analysis & Prevention， 2022， 173： 106709.
22	李卓，刘福聚，唐芳，等. 提升雨天情况下AEB系统效能的方法研究［J］. 重庆理工大学学报（自然科学）， 2020， 34（7）： 75-80.
	LI Z， LIU F J， TANG F， et al. Research on the method of improving the efficiency of AEB system under rainy conditions ［J］. Journal of Chongqing University of Technology （Natural Science）， 2020， 34（7）： 75-80.
23	European new car assessment programme （Euro NCAP） test protocol AEB VRU systems. ［EB/OL］. Euro NCAP， 2019. （2022-10-13）. https：//cdn.euroncap.com/media/53153/euro-ncap-aeb-vru-test-protocol-v302.pdf.
24	中国汽车技术研究中心（CATARC）. 中国新车评价规程［S/OL］. （2022-10-13）. http：//www.c-ncap.org.cn/cms/picture/357380003076288512.pdf.
	China automotive technology and research center （CATARC）. C-NCAP （China new car assessment program） management regulation （2021 edition）. ［S/OL］. （2022-10-13）. http：//www.c-ncap.org.cn/cms/picture/357380003076288512.pdf.
25	PAN D， HAN Y， JIN Q， et al. Study of typical electric two‐wheelers pre-crash scenarios using K-medoids clustering methodology based on video recordings in China［J］. Accident Analysis & Prevention， 2021， 160： 106320.
26	闫志强. 我国车辆分类方法和标准研究与分析［D］. 大连：大连理工大学， 2014.
	YAN Z Q. Research and analysis on classification method and standardization ［D］. Dalian：Dalian University of Technology， 2014.
27	韩勇，李永强，许永虹，等. 基于VRUs深度事故重建的AEB效能对头部损伤风险的影响［J］. 汽车安全与节能学报， 2021， 12（4）： 490-498.
	HAN Y， LI Y Q， XU Y H， et al. Effectiveness of AEB system for head injury risk based on VRUs in-depth accident reconstruction ［J］. Journal of Automotive Safety and Energy， 2021， 12（4）： 490-498.
28	KUSANO K D， GABLER H. Method for estimating time to collision at braking in real-world， lead vehicle stopped rear-end crashes for use in pre-crash system design［J］. SAE International Journal of Passenger Cars-Mechanical Systems， 2011， 4（1）： 435-443.
29	李少廷. 车辆动力学状态参数及路面附着系数估算研究［D］.淄博：山东理工大学，2017.
	LI S T. Study on the estimation of vehicle dynamic state and road adhesion coefficient［D］. Zibo：Shandong University of Technology， 2017.
30	HAN Y， LI Q， QIAN Y B， et al. Comparison of the landing kinematics of pedestrians and cyclists during ground impact determined from vehicle collision video records ［J］. Int. J. Vehicle Safety， 2018， 10（3-4）： 212-234.

典型场景序号	1	2
场景描述	白天，直行汽车与远端垂向ETW碰撞	白天，直行汽车与同向左转的ETW碰撞
汽车碰撞速度	25-50 km/h	25-45 km/h
ETW碰撞速度	20-30 km/h	15-25 km/h
场景示意图

[1]	段顺昌,白先旭,石琴,李维汉,何冠男. 汽车自动紧急制动系统控制策略的预期功能安全设计[J]. 汽车工程, 2022, 44(9): 1305-1317.
[2]	韩勇,林丽雅,何勇,潘迪,蔡鸿瑜,彭倩,冯浩. 电动两轮车骑车人紧急避让姿态对损伤风险的影响研究[J]. 汽车工程, 2022, 44(5): 764-770.
[3]	崔东, 祁志楠, 张慧. 紧急制动下的驾驶员运动姿态变化与碰撞损伤研究[J]. 汽车工程, 2020, 42(8): 1060-1065.
[4]	胡林, 易平, 黄晶, 张新, 雷正保. 基于真实事故案例的自动紧急制动系统两轮车测试场景研究^*[J]. 汽车工程, 2018, 40(12): 1435-1446.