劉永濤 呂凱光 趙俊瑋 劉傳攀 喬潔

（1.長安大學，西安 710064；2.北京航空航天大學，北京 100191）

主題詞：高級駕駛輔助系統(tǒng) AEB系統(tǒng) 控制策略 人-車-路-環(huán)境

1 前言

根據(jù)美國高速公路安全管理局（National Highway Traffic Safety Administration，NHTSA）的研究報告，自動緊急制動（Autonomous Emergency Brake，AEB）系統(tǒng)可有效避免約38%因人為操縱不當造成的汽車追尾事故，降低27%的交通事故率[1]。但在實際應(yīng)用中，AEB 系統(tǒng)的表現(xiàn)卻不容樂觀，其安全性和可靠性還亟待提高。而控制策略決定AEB的決策邏輯，控制其執(zhí)行單元，關(guān)系到系統(tǒng)開啟預警和緊急制動的控制時機。因此，針對AEB控制策略進行優(yōu)化研究具有十分重要的現(xiàn)實意義。

目前，基于安全距離、碰撞時間（Time to Collision，TTC）的AEB 控制策略日趨成熟，但是實際運行過程中的避撞成功率還有待提高[2]。2019 年，美國汽車協(xié)會（American Automobile Association，AAA）發(fā)布的AEB 系統(tǒng)模擬測試結(jié)果顯示，在32 km/h 的車速下，AEB 只有40%的成功率，當速度達到48 km/h 時，AEB 基本失效。此外，AEB 系統(tǒng)還存在相當高的誤報警率與誤制動率[3]，嚴重影響了駕駛員的駕駛舒適性和行車安全性。有效、準確地識別前方目標是AEB 控制策略正常工作的前提，Wang[4]研究發(fā)現(xiàn)，受限于毫米波雷達的精度、攝像頭的視野以及多傳感器數(shù)據(jù)融合算法的局限性，傳感器對環(huán)境感知的精度和速度以及對突發(fā)狀況的處理仍然是AEB系統(tǒng)發(fā)展的重點和難點。林柏忠[5]認為，忽視真實路面附著系數(shù)所建立的AEB 控制策略容易造成AEB系統(tǒng)在高附著系數(shù)路面上制動頻繁、低附著系數(shù)路面上避撞能力不足。張勇剛[6]發(fā)現(xiàn)，未考慮駕駛員個體差異、車輛制動性能差異和交通路況因素等建立的控制策略模型處于理想條件，不能反映真實的道路情況。為了提高AEB 控制策略的準確性和適應(yīng)性，傳感器識別目標的速度與精度、駕駛員特性的個性化、車輛屬性的差異化、路面特性的時變化以及應(yīng)用場景的多樣化是未來AEB控制策略優(yōu)化的研究重點。

由于經(jīng)典AEB控制策略在人、車、路以及環(huán)境等方面仍存在一定的應(yīng)用局限性，本文以此為切入點，總結(jié)AEB控制策略在駕駛員特性、車輛屬性、路面特性、應(yīng)用場景等維度的發(fā)展現(xiàn)狀，提出基于人-車-路-環(huán)境協(xié)同的AEB 控制策略是未來的研究重點，以期為后續(xù)AEB控制策略進一步優(yōu)化和改進提供技術(shù)依據(jù)和理論參考。

2 AEB經(jīng)典控制策略的局限性

AEB 控制策略作為AEB 系統(tǒng)的關(guān)鍵核心，決定著系統(tǒng)的決策邏輯和執(zhí)行單元。目前，經(jīng)典的AEB 系統(tǒng)控制策略主要有基于行車間距的安全距離控制策略和基于駕駛員反應(yīng)特性的碰撞發(fā)生時間控制策略，上述2種控制策略分別從距離尺度和時間尺度對車輛行駛過程中的危險狀況進行判斷。

馬自達（Mazda）、本田（Honda）和NHTSA 分別提出了各自的安全距離控制策略[7-9]，通過預警距離和制動距離進行控制判斷。但是上述控制策略對制動距離只進行了簡單的運動學分析，忽略了駕駛員特性、車輛屬性的差異性和路面特性的時變性。對于駕駛員特性、車輛屬性、路面特性對控制策略的影響，采用固定的駕駛員反應(yīng)時間、制動延遲時間、路面附著系數(shù)來反映，一般取駕駛員反應(yīng)時間為0.2～2.0 s，制動延遲時間為0.2 s，路面附著系數(shù)為附著極限值0.8，上述參數(shù)是通過大量試驗獲得的簡化經(jīng)驗參數(shù)，不會隨實際情況而動態(tài)變化，導致AEB系統(tǒng)在人-車-路-環(huán)境耦合狀態(tài)下發(fā)生失效。

駕駛員在遇到緊急情況時對碰撞發(fā)生時間更為敏感，更加符合駕駛員對危險狀況的判斷[10]，因此，Hayward[11]提出TTC，即前、后車的相對距離與相對速度的比值作為AEB 系統(tǒng)控制策略的評價指標。但是TTC控制策略僅引入了相對距離與相對速度2個參數(shù)，在實際過程中并不能達到避撞的要求，特別是在兩車相對靜止的工況下，TTC 接近無窮大，因此Coelingh 進一步提出了改進的二階TTC控制策略[12]。此外，Milanes[13]提出了跟車時距（Time HeadWay，THW）的概念，F(xiàn)ancher[14]提出了用碰撞時間的倒數(shù)TTC-1表征“l(fā)ooming”效應(yīng)的算法。上述新的AEB評價指標以及控制策略的提出都促進了AEB系統(tǒng)的完善與發(fā)展。但是目前的AEB控制策略忽略了駕駛員反應(yīng)時間和車輛制動延遲的差異化，設(shè)置的TTC 閾值為定值，一般預警TTC 的閾值為1.6 s，制動TTC 的閾值為1.2 s。上述固定TTC 取值的控制策略無法反映不同駕駛風格駕駛員和不同制動特性車輛的差異性，如表1 所示。因此，AEB 控制策略需要進一步優(yōu)化，以適應(yīng)不同個性的駕駛員與不同類型的車輛。

表1 經(jīng)典控制策略類型及局限性

目前，基于安全距離和安全時間的AEB 控制策略已經(jīng)日趨成熟，并逐漸應(yīng)用于AEB系統(tǒng)的實際開發(fā)，但是大多忽略了人、車、路以及環(huán)境等因素對車輛安全行駛狀態(tài)判斷的影響，雖然能滿足大多數(shù)情況下的行車安全，但是過于保守，不利于交通效率的提高。因此，AEB控制策略在駕駛員特性、車輛屬性、路面特性以及應(yīng)用場景等方面仍存在較大的優(yōu)化空間。

3 考慮不同因素的AEB控制策略

基于目前AEB 控制策略的發(fā)展現(xiàn)狀和局限性，可通過考慮人、車、路以及環(huán)境等不同因素進行AEB控制策略的優(yōu)化和改進。

3.1 駕駛員特性的個性化

人為因素是影響駕駛行為和行車安全的主導性因素，駕駛員通過感知、判斷與決策對車輛進行實時動態(tài)控制，而駕駛行為具有復雜性、模糊性、非線性和時變性[15]，這決定了駕駛員是人-車-路-環(huán)境系統(tǒng)中最復雜的部分。因此，考慮基于駕駛員特性的AEB控制策略，對于優(yōu)化AEB控制策略具有重要的現(xiàn)實意義。

駕駛員特性包括駕駛員的生理特性、經(jīng)驗屬性等相對穩(wěn)定的靜態(tài)特性，以及心理特性、駕駛意圖和不規(guī)范操作等相對不穩(wěn)定的動態(tài)特性，如圖1所示。靜態(tài)特性決定了駕駛員長期以來形成的獨特駕駛狀態(tài)和駕駛風格；動態(tài)特性則影響了駕駛員個性化的反應(yīng)時間和AEB系統(tǒng)的介入時機。目前，經(jīng)典的AEB 控制策略對個性化的駕駛員特性考慮不足，采用固定駕駛員反應(yīng)時間參數(shù)建立的汽車防撞控制模型，對于駕駛風格比較激進的駕駛員而言，安全距離和安全時間過于保守，系統(tǒng)制動頻繁，影響操作和駕駛體驗，對于駕駛風格比較謹慎的駕駛員而言，安全距離和安全時間過于激進，系統(tǒng)響應(yīng)遲緩，不能保證行車安全。

圖1 駕駛員特性

駕駛員的靜態(tài)特性決定了駕駛員的駕駛風格和駕駛狀態(tài)。考慮到不同駕駛員差異化的駕駛狀態(tài)和駕駛風格會影響AEB 控制策略的可靠性與安全性，Kiefer[16]等針對幾種不同駕駛風格的駕駛員，建立了不同預警時間、不同碰撞時間的汽車前向碰撞預警（Forward Colli?sion Warning，F(xiàn)CW）系統(tǒng)。裴曉飛[17]結(jié)合國外駕駛員模型的統(tǒng)計數(shù)據(jù)，根據(jù)不同的駕駛員特性，為每種危險級別和駕駛風格分配了不同的TTC-1評價指標，建立了基于危險系數(shù)的分級報警與主動制動的安全距離模型。姜順明[18]引入駕駛狀態(tài)識別系數(shù)，將駕駛狀態(tài)分為激進型、標準型和保守型3 類，并將其用于最小安全距離修正，提出一種基于駕駛狀態(tài)識別的AEB 控制策略。由于駕駛狀態(tài)具有時變特性，駕駛員的駕駛狀態(tài)可能在一段時間后發(fā)生變化，AEB控制策略也要隨著駕駛狀態(tài)進行改變和調(diào)整。Hsiao[19]等根據(jù)駕駛員在快速變化的交通條件下行為的時變特性，提出了一種基于最大后驗估計的時變系統(tǒng)辨識方法，可根據(jù)所識別的駕駛模型進行控制策略的調(diào)整。考慮不同駕駛員的駕駛風格和駕駛狀態(tài)，可以有效提高AEB 控制策略對駕駛員個性化需求的接受度和適應(yīng)性。

駕駛員的動態(tài)特性可以外在表現(xiàn)為駕駛員的決策與反應(yīng)能力，駕駛員個性化的反應(yīng)時間會影響AEB 控制策略的制定。邊明遠[20]對影響駕駛員反應(yīng)能力的5個指標進行加權(quán)評定，提出了基于駕駛員反應(yīng)時間的修正因子，改進了安全車距模型。李霖[21]等對典型危險工況下駕駛員的緊急制動行為進行分析，擬合了TTC-1與初始車速的關(guān)系曲線，提出了基于TTC-1的行車危險估計算法。上述方法利用駕駛員參數(shù)統(tǒng)計數(shù)據(jù)建立駕駛員反應(yīng)時間、車速、安全距離之間的關(guān)系，改善了基于駕駛員特性的AEB控制策略。由于影響駕駛員特性的因素較多，對駕駛員特性的研究大多從駕駛員反應(yīng)時間入手，缺乏對駕駛風格和駕駛狀態(tài)的研究，且未定量說明駕駛風格和駕駛狀態(tài)的判斷依據(jù)與分類界限。Brannstrom[22]針對駕駛員駕駛過程中的分心狀態(tài)，提出了一種通過持續(xù)評估駕駛員的轉(zhuǎn)向行為來估計駕駛員注意力分散程度的算法。Diederichs[23]提出了一種通過對駕駛員眼球活動和踏板活動進行檢測與分析來判斷駕駛員的制動或加速意圖的算法，可以將AEB 系統(tǒng)的介入時機推遲或提前，減少不必要的警報，提高駕駛員的舒適性與駕駛體驗。駕駛員酒駕、分心、疲勞駕駛等不規(guī)范操作以及制動、加速等駕駛意圖不但會影響駕駛員反應(yīng)時間，而且會干預AEB系統(tǒng)的介入時機。因此，未來可以通過智能識別算法來判斷駕駛員的駕駛狀態(tài)和駕駛意圖，及時調(diào)整AEB系統(tǒng)的介入時機，減少真實交通中錯誤干預的風險。

3.2 車輛屬性的差異化

車輛的固有屬性包括車輛的感知特性、結(jié)構(gòu)特性與制動特性，固有屬性的差異性決定了AEB 控制策略需要與AEB 系統(tǒng)硬件相結(jié)合進行優(yōu)化和調(diào)整，提高對不同車輛的適應(yīng)性。

車輛的感知特性與傳感器等硬件的布置位置和角度、目標檢測算法的效率和準確度以及先進感知技術(shù)的應(yīng)用等息息相關(guān)。Anderson[24]研究發(fā)現(xiàn)，傳感器位置、角度等參數(shù)的變化會對AEB 系統(tǒng)產(chǎn)生影響，進而確定了最優(yōu)的傳感器參數(shù)范圍。但是由于目前環(huán)境感知主要借助攝像頭、雷達等傳感器，傳感器識別目標和檢測算法具有局限性，車車（Vehicle to Vehicle，V2V）通信開始應(yīng)用到AEB 系統(tǒng)中。Hong[25]借助V2V 通信技術(shù)，及時獲得了前方車輛的行駛信息與駕駛意圖，提高了現(xiàn)有AEB系統(tǒng)的環(huán)境感知水平，克服了僅依靠傳感器感知行駛區(qū)域的局限性。

車輛的結(jié)構(gòu)特性包括外廓尺寸、整車質(zhì)量、軸距、質(zhì)心位置等因素。與乘用車相比，商用車質(zhì)量大、質(zhì)心高、載客量多，制動時很容易發(fā)生側(cè)滑、折疊等交通事故。以乘用車為對象建立的控制策略不但具有局限性，也不適用于其他類型車輛。因此，研究商用車AEB 系統(tǒng)及其控制策略更加具有實際意義。乘用車、商用車等不同類型的車輛采用不同的制動器形式和制動方式，擁有不同的制動時延特性，如表2所示。乘用車一般采用液壓制動，而氣壓制動則普遍應(yīng)用于商用車制動系統(tǒng)，氣壓制動系統(tǒng)的制動時延特性在距離和時間上分別影響了基于行車間距的安全距離控制策略和基于TTC 的安全時間控制策略，這種差異要求AEB 控制策略要在考慮不同制動時延的情況下進行一定調(diào)整。Mithun[26]在考慮商用車氣壓制動時延的基礎(chǔ)上，建立了商用車氣壓制動AMESim 模型。由于電控制動系統(tǒng)（Electronic Brake Systems，EBS）相較于傳統(tǒng)的氣動控制，響應(yīng)時間和制動距離更短，Karthikeyan[27]研究并驗證了EBS 的控制方案在商用車AEB 控制策略上的應(yīng)用，提高了制動系統(tǒng)的響應(yīng)速度。當前應(yīng)用的AEB系統(tǒng)普遍以電子穩(wěn)定控制系統(tǒng)（Electronic Stability Controller，ESC）作為執(zhí)行器，隨著未來制動系統(tǒng)的發(fā)展，線控制動等具有更快響應(yīng)速度和更高精度的制動系統(tǒng)將顯著提高AEB的制動性能。

表2 各類車型的制動特性

AEB 系統(tǒng)是以提高駕駛員行車安全性為目標的高級駕駛輔助系統(tǒng)，基于新能源汽車的AEB 系統(tǒng)和控制策略是未來新的研究課題和發(fā)展趨勢?？紤]到電動汽車與傳統(tǒng)汽車在動力和控制上的差異，劉宏偉[28]研究了基于線控制動系統(tǒng)的AEB 功能開發(fā)。田彥濤[29]對四輪驅(qū)動電動汽車進行了研究，建立了車輛換道的安全距離模型和相應(yīng)的側(cè)向控制器。電動汽車及其他新能源汽車的傳動和制動與傳統(tǒng)汽車的差異，導致了制動特性和控制策略的差別。對于具有再生制動能力的電動汽車，其制動力為制動器制動力與再生制動力之和，對于具有線控制動系統(tǒng)的電動汽車，其制動時延更小。未來，對于不同車型制動系統(tǒng)的研發(fā)，主要以更快的制動響應(yīng)速度為目標，AEB 控制策略需要在此基礎(chǔ)上達到軟、硬件的最優(yōu)結(jié)合，提高AEB系統(tǒng)的整體性能。

3.3 路面特性的時變化

制動減速度、路面附著系數(shù)會隨著復雜多變的道路狀況而動態(tài)變化，不同的路面類型決定了其附著條件和路面附著系數(shù)的差異，如表3所示。在經(jīng)典AEB安全距離控制策略中，自車車速、相對車速和實際車間距可以分別通過車速傳感器和車載雷達獲得，但自車和目標車的最大制動減速度無法直接確定。目前的AEB控制策略大多忽略了路面特性的動態(tài)變化，將路面附著系數(shù)和車輛最大制動減速度設(shè)為定值，導致AEB 系統(tǒng)在不同路面上發(fā)生了失效，表現(xiàn)為在低附著路面上避撞能力不足、高附著路面上制動頻繁，嚴重影響了AEB系統(tǒng)的可靠性與安全性。

表3 不同路面附著系數(shù)

考慮到路面特性在以人-車-路-環(huán)境為整體的AEB系統(tǒng)中的重要性，將路面附著系數(shù)估計和路面特性識別算法應(yīng)用到AEB控制策略中對于改善AEB系統(tǒng)的可靠性與安全性具有十分重要的意義。對路面附著系數(shù)進行估計的方法主要有基于效果的（Effect-based）方法和基于原因的（Cause-based）方法[30]。Effect-based 方法基于車輛動力學對路面附著系數(shù)進行間接估計，主要是通過分析路面附著系數(shù)與滑移率的關(guān)系曲線（μ-s曲線），以及根據(jù)輪胎動力學模型參數(shù)進行參數(shù)估計。Cause-based 方法利用傳感器對路面信息進行直接測量，主要是借助聲光傳感器等對路面狀態(tài)以及粗糙度進行識別。Kyongsu[31]等提出了輪胎路面附著系數(shù)預測模型，對不同路面附著系數(shù)進行估計，有效匹配汽車在不同路面上行駛時的最大制動減速度。根據(jù)路面附著系數(shù)的預測模型，Seiler[32]和Seungwuk[33]分別提出了Berkeley 安全距離控制策略和Seungwuk 安全距離控制策略。上述安全距離模型在Mazda、Honda、NHTSA控制策略的基礎(chǔ)上，彌補了目前控制策略對路面附著系數(shù)的動態(tài)變化不敏感的缺點，促進了AEB 系統(tǒng)的實際開發(fā)與應(yīng)用。

由于傳感器成本較高，對環(huán)境要求苛刻，目前主要通過動力學模型對路面附著系數(shù)進行參數(shù)估計。在此基礎(chǔ)上，國內(nèi)外專家學者完善和優(yōu)化了基于路面附著系數(shù)的AEB 控制策略。Han[34]利用輪胎聯(lián)合滑移模型估算路面附著系數(shù)峰值來獲得TTC的制動閾值，由于路面附著系數(shù)是實時識別的，因此提出的AEB 控制策略能夠適應(yīng)不同路面的情況。Sevil[35]也通過考慮不同路面附著系數(shù)、不同路面坡度等駕駛條件，提出了通過考慮輪胎-路面附著系數(shù)來適應(yīng)碰撞預警和緊急制動的自適應(yīng)AEB算法。除根據(jù)車輛動力學特性來估計路面附著系數(shù)外，研究人員借助深度學習、模糊推理等建立路面特征與附著系數(shù)之間的關(guān)系，并應(yīng)用到AEB 控制策略中。Pyun[36]將路面特征、路面濕滑狀況、天氣等作為模糊子集，利用BP 神經(jīng)網(wǎng)絡(luò)識別行駛路況條件確定路面附著系數(shù)和車輛制動時的最大減速度，建立防撞預警系統(tǒng)。周兵[37]構(gòu)建了“路面狀況-車速-最大減速度”模糊推理模型，提出了路面附著系數(shù)隨路面狀況動態(tài)變化的AEB控制策略。路面附著系數(shù)估計的準確性影響著AEB系統(tǒng)的安全距離評價指標，但是通過車輛動力學模型間接計算、傳感器直接識別、運用先進算法等獲得路面附著系數(shù)的動態(tài)變化都有一定的局限性，實時性和準確性還有待提高。

3.4 應(yīng)用場景的多樣化

多樣化的工況場景決定了AEB 系統(tǒng)的應(yīng)用條件，符合應(yīng)用場景的控制策略是AEB 系統(tǒng)正常工作的前提。經(jīng)典AEB系統(tǒng)的應(yīng)用場景主要針對水平良好路面上的追尾事故，而實際交通環(huán)境較為復雜，包含斜坡、彎道、交叉路口、跟車等工況，如表4 所示。此外，目前AEB 系統(tǒng)在前方車輛突然變道、行人突然橫穿馬路等工況下的表現(xiàn)也不容樂觀。簡單交通場景下的AEB控制策略不能適應(yīng)復雜的道路工況，AEB 系統(tǒng)很容易發(fā)生失效。

由于斜坡、彎道、交叉路口和跟車隊列等工況與正常工況相比具有復雜性與差異性，AEB控制策略有必要進行改善和優(yōu)化來適應(yīng)上述復雜的應(yīng)用場景。車輛在斜坡上的受力和摩擦因數(shù)不同于水平路面，其最大制動減速度將受到重力的影響。Lin[38]通過分析車輛在斜坡上的受力來計算制動時間，提高了AEB 系統(tǒng)在斜坡路況下的制動性能。Kim[39]結(jié)合車輛模型和輪胎模型來估計坡度，提出了一種根據(jù)不同路況來選擇合適參考坡度的AEB 控制策略。在彎道和交叉路口工況下，車輛之間的相對距離不同于水平路面上的直線工況。Lee[40]采用曲線坐標變換的方法考慮彎曲道路的幾何要素，在彎曲道路上利用曲率半徑獲得車輛位置和相對距離，改善了AEB 系統(tǒng)在彎道工況下的避撞性能。武彪[41]采用路口碰撞場景中的TTC和預估通行侵入?yún)^(qū)域時間差（Esti?mating Post Encroachment Time，EPET）2 個動態(tài)特性參數(shù)，構(gòu)建了路口安全邊界條件模型。胡延平[42]對X形和垂直交叉軌跡2種特殊的汽車行駛工況進行研究，通過對碰撞域的劃分來確定碰撞時間，建立了適用于該工況的安全距離模型。在實際跟車隊列路況中，由于跟車隊列制動的延遲特性，后方車輛很容易與前車發(fā)生碰撞。Shin[43]在正常駕駛員模型的前提下，通過對前、后碰撞進行預測，提出了一種防止與前、后車碰撞的AEB控制策略。胡滿江[44]研究了在連續(xù)跟車隊列條件下的前車緊急制動行為對連續(xù)后車造成的影響，在V2V 技術(shù)基礎(chǔ)上提出了一種基于模型預測控制的多車縱向協(xié)同避撞算法。

表4 AEB系統(tǒng)在復雜路況下的應(yīng)用場景

車輛在斜坡、彎道、交叉路口和跟車隊列等復雜應(yīng)用場景下行駛時很容易發(fā)生追尾事故，特別是連續(xù)追尾。而且隨著AEB 系統(tǒng)的不斷完善和發(fā)展，上述應(yīng)用場景也將成為AEB 系統(tǒng)測試評價的一部分。因此，有必要通過改進和優(yōu)化AEB 控制策略，使得AEB 系統(tǒng)在面對更多復雜交通場景時能夠發(fā)揮有效作用，提高其制動性能與避撞性能。在傳統(tǒng)AEB 系統(tǒng)中，由于傳感器的局限性僅能獲得相鄰車輛的感知信息，制約了AEB控制策略的進一步發(fā)展。未來，隨著V2X（Vehicle to X）通信技術(shù)的成熟與應(yīng)用，借助車車、車路通信技術(shù)可以獲取復雜工況下的車輛信息，使得車輛在斜坡、彎道、交叉路口和跟車隊列等復雜工況下也能夠?qū)崿F(xiàn)避撞。

4 基于人-車-路-環(huán)境協(xié)同的AEB控制策略

駕駛?cè)巳憾鄻踊?、駕駛車輛差異化、駕駛場景復雜化的發(fā)展趨勢促使AEB控制策略應(yīng)該在盡可能保證行車安全的情況下實現(xiàn)個性化、智能化的駕駛體驗，提高AEB系統(tǒng)的適應(yīng)性和駕駛員的舒適性。“人機共駕，車路協(xié)同，以人為本，以車為本”應(yīng)當成為基于人-車-路-環(huán)境協(xié)同的AEB控制策略的設(shè)計理念。

駕駛員特性、車輛屬性、路面特性、應(yīng)用場景等因素不但影響AEB 系統(tǒng)的正常工作，而且與道路交通事故息息相關(guān)。目前，許多研究都側(cè)重于對影響AEB 控制策略的單一因素進行優(yōu)化，然而這些因素之間往往相互聯(lián)系、協(xié)同作用，通過利用綜合考慮人-車-路-環(huán)境等因素協(xié)同作用的AEB 控制策略，才能有效提高AEB 系統(tǒng)的避撞性能，如圖2所示。He[45]在綜合考慮人-車-路協(xié)同的基礎(chǔ)上，基于實時峰值附著系數(shù)、主動制動系統(tǒng)性能參數(shù)和目標車輛運動信息，建立了新的安全距離避撞模型，并且在不干擾駕駛員正常避撞操作的前提下，改善了車輛的安全性和舒適性。Li[46]建立了考慮不同性格的駕駛員反應(yīng)時間和大多數(shù)條件下的實際道路狀況的AEB 控制策略，提高了AEB 系統(tǒng)的適應(yīng)性與通用性。上述基于人-車-路-環(huán)境協(xié)同作用的AEB 控制策略，促進了AEB系統(tǒng)進一步落地應(yīng)用。

圖2 基于人-車-路-環(huán)境協(xié)同的AEB控制策略

駕駛員通過操縱車輛來適應(yīng)不斷變化的路面和不可預測的行駛環(huán)境，差異化的車輛性能、時變化的路面附著系數(shù)、復雜化的應(yīng)用場景三者交匯于駕駛員個性化的操作，從而形成人-車-路-環(huán)境的閉環(huán)系統(tǒng)，成為信息動態(tài)交互的矛盾結(jié)合點與制約點。應(yīng)當充分考慮駕駛員個性化的駕駛需求、差異化的車輛屬性、動態(tài)變化的路面特性與智能化的AEB 系統(tǒng)之間的耦合關(guān)系，提高AEB控制策略對駕駛員、車輛、路面以及環(huán)境的適應(yīng)性。

5 結(jié)束語

本文論述了AEB控制策略在人、車、路以及環(huán)境等單一影響因素下的局限與發(fā)展，研究表明，基于人-車-路-環(huán)境協(xié)同作用的AEB 控制策略是未來的發(fā)展趨勢。在此基礎(chǔ)上，得到以下結(jié)論：

a.駕駛員特性的個性化、車輛屬性的差異化、路面特性的時變化以及應(yīng)用場景的多樣化等因素均對AEB控制策略產(chǎn)生顯著影響，僅考慮單一因素并不能滿足AEB系統(tǒng)對目前應(yīng)用場景的綜合性需求。

b.基于人-車-路-環(huán)境協(xié)同作用的AEB控制策略不僅更符合實際場景的應(yīng)用，而且可顯著提高AEB 系統(tǒng)的可靠性與安全性。

c.環(huán)境感知是AEB 控制策略能夠準確決策的重要前提和影響因素。未來應(yīng)借助V2X通信技術(shù)與傳感器實現(xiàn)優(yōu)勢互補來達到環(huán)境感知的目的，促進AEB 系統(tǒng)和控制策略的進一步發(fā)展完善。