智能网联汽车主动制动避撞算法联合仿真

林国庆，逯 超，韩龙飞，刘俊超

(长安大学，陕西 西安 710064)

0 引 言

智能网联汽车快速发展，主动避撞系统能够大幅度提高智能网联汽车的行车安全。交通事故不仅会造成直接的经济损失，还会造成人员伤亡，据统计，车辆追尾导致的碰撞占交通事故总量的30%～40%，因此，研究主动避撞系统的研究对智能网联汽车的发展具有非常重要的意义。

对危险进行准确合理的估计是智能网联汽车主动避撞系统中的一个核心问题[1-2]。同济大学刘瑞等人[3]结合碰撞时间TTC和车间时间THW衡量汽车运行风险时的优点，在自然驾驶数据的基础上，提出基于驾驶员避撞行为的行车风险状态分类方法，通过机器学习建立反映不同驾驶员行为、道路和环境特征的行车风险判断方法，为研究防碰撞预警算法和控制策略提供了新思路；Kondoh T等人[4]综合考虑TTC倒数与THW倒数，并提出使用TTC倒数与THW倒数的加权和来判断行车危险系数；Sengupta R等人[5]使用碰撞时间和碰撞距离作为纵向避撞系统决策指标，设计了用于判断前方相同车道是否存在碰撞风险的协同避撞系统；西安交通大学章军辉等人[6]建立了基于BP神经网络的闭环驾驶跟驰习惯模型，设计了激进、谨慎、新手3类典型驾驶群体，通过制动深度、期望的TTC倒数、应急反应时间来表征驾驶群体特性，实现了差异化预警；Balint A[7]对车辆制动时的追尾场景进行数学建模和分析，根据自车与目标车的相对速度进行危险状态估计，从而确定车辆的制动时刻以避免碰撞；……