《Algorithms》:An Enhanced Automatic Emergency Braking Control Method Based on Vehicle-to-Vehicle Communication
编辑推荐:
本文综述提出一种融合车车通信(V2V)与车载传感器的增强型自动紧急制动(AEB)控制算法。该方案通过V2V突破车载传感器感知局限,结合专业驾驶员拟合(PDF)算法与时间碰撞(TTC)模型进行分级制动决策,有效解决了前车碰撞后链式追尾难题。仿真结果表明,在三种典型跟车场景(初始间距45m、70m、30m,车速120 km/h)下,所提方法均能成功避免碰撞,显著提升自动驾驶主动安全性。
引言:自动紧急制动系统的发展与挑战
自动紧急制动(AEB)系统在减少追尾碰撞方面发挥着至关重要的作用,并已成为某些重型车辆的强制配置,未来法规将扩展至乘用车。然而,当前大多数AEB系统基于摄像头、雷达等车载传感器设计,在前车已发生碰撞的场景下可能无法有效预防事故。车车通信(V2V)作为智能交通系统的关键技术,凭借其低延迟、高可靠性等优势,为克服车载传感器的物理局限提供了新途径。
待解决的问题:链式追尾碰撞风险
本研究旨在解决链式追尾碰撞问题。考虑一个典型场景:在雾天高速公路上,三辆车依次行驶。前车(车辆2)因路面掉落货物发生追尾事故后静止。中间车(车辆1)仅依赖车载传感器,在距静止车辆230米时发现险情。自车(Ego Vehicle)位于车辆1后方45米,三车初始速度均为120 km/h。假设车辆1无V2V通信功能,而自车具备车载传感器与V2V协同感知能力。此场景下,仅靠传感器感知的AEB系统难以避免链式碰撞。
增强型AEB控制算法:融合感知与分级决策
本研究提出的协同AEB控制算法核心在于整合车载传感器与V2V通信的感知数据,其控制框架包含三层:环境感知层通过本地传感与远程V2V交互获取全交通状态;风险评估层引入前车碰撞风险与链式追尾风险,利用V2V感知同车道前方所有障碍物;决策控制层基于最小TTC值进行分级制动决策:TTC > 2.5秒为低风险,仅报警;2.0秒 < TTC ≤ 2.5秒为中风险,启动基于专业驾驶员拟合(PDF)的舒适制动;TTC ≤ 2.0秒为高风险,立即施加最大减速度紧急制动。
PDF控制方法通过引入碰撞风险指数φ与接近度评价指标KdB_c(以分贝表示)来模拟专业驾驶员的制动时机与力度控制。其制动触发条件为φ = 0,拟合常数α = 0.2, β = -22.66, γ = 74.71。纵向减速度控制采用反馈控制律,输出Pbrake_out= -kp(vrd(t) - vr(t)),其中期望相对速度vrd(t)由制动触发时刻的相对速度与定义的δ(t)函数(与目标收敛间隙dconv相关)计算得出。仿真显示,PDF控制在120 km/h车速、150米初始距离接近静止障碍物时,能以约21米停车距离平稳避撞,纵向加加速度(Jerk)变化平滑。
仿真验证与结果分析
为验证算法有效性,在Matlab/Simulink R2022a平台下进行了三种场景的对比仿真(点质量车辆模型,已知路面摩擦系数μ=1)。
场景1(初始间距45米):无V2V通信时,自车在车辆1碰撞障碍物(约1.1秒后,碰撞速度81 km/h)后约2.7秒以56 km/h速度追尾车辆1。装备V2V通信后,自车在接收到前方障碍物信息(TTC=2.25秒,中风险)时立即启动PDF制动,于4.3秒完全停止,与车辆1保持1米安全距离。
场景2(初始间距70米):无V2V通信时,自车约3.7秒后以41 km/h速度追尾车辆1。装备V2V通信后,系统初始判断TTC=3.0秒(低风险)仅报警,待TTC降至2.5秒内启动PDF制动,最终于5.1秒停止,与车辆1保持6.8米距离。
场景3(初始间距30米):此场景下仅装备V2V通信的AEB系统可有效应对。系统判断TTC=1.8秒(高风险)后立即施加最大减速度制动,车辆于3.8秒停止,与车辆1保持3.1米距离。而仅依赖传感器的AEB系统在此场景下无法避免碰撞。
讨论:提升安全与舒适性的协同路径
传统依赖传感器的TTC模型与安全距离模型虽能避撞,但易导致制动突兀,影响舒适性。PDF模型则能更好地平衡安全性与舒适性。本研究通过V2V通信扩展感知范围,结合TTC与PDF模型实现分级制动决策,有效解决了传感器在跟车、多车队列等场景下的感知盲区问题。仿真结果证实,V2V的引入使AEB系统能在前车发生碰撞的极端情况下仍成功避撞,显著降低链式追尾风险。需要注意的是,本研究假设了理想的V2V通信,未来需进一步研究通信延迟、中断等非理想条件对系统性能的影响。
经济效益:多维度价值凸显
集成V2V通信的AEB系统相比纯传感器方案具有显著经济效益。直接损失方面,通过提前避撞减少了车辆维修、部件更换及保险理赔成本。运营效率方面,精准的距离控制提升了道路吞吐量,尤其对物流车队可缩短运输周期,增加收益。全生命周期成本方面,事故减少延长了车辆使用寿命,降低了车辆置换频率及社会交通管理成本,为车主、运营商及社会交通网络带来多维经济价值。
结论:迈向协同主动安全的新台阶
本研究提出的基于V2V通信的增强型AEB控制方法,有效突破了车载传感器的物理局限。通过模拟专业驾驶员制动行为,融合多源感知数据进行自动制动,显著提升了车辆主动安全性。仿真表明,即使在恶劣天气(如大雨、浓雾)导致传感器性能下降或前车已发生碰撞的极端场景下,该系统仍能成功避免追尾,降低链式碰撞风险。该方法同样适用于自动驾驶车队的队列控制。未来工作将聚焦于V2V通信稳定性对AEB系统性能影响的深入研究。