王雪松:基于驾驶模拟的车辆主动安全研究
2013-09-28 13:54:14   来源:Tranbbs.com    评论:0 点击:

  Tranbbs消息:由中国智能交通协会主办的“第八届中国智能交通年会暨智能交通创新成果展”9月26日在安徽召开。27日下午,以《智能交通青年科技论坛》为主题的分论坛在合肥威斯汀酒店举办。同济大学王雪松教授以“基于驾驶模拟的车辆主动安全研究”为主题进行了演讲。

  以下为演讲实录:

  王雪松:我当时回国的第一个项目就是建设同济大学的驾驶模拟器,我回国的时候正好赶上一期建设的最关键的阶段。现在我们整个车辆整合安全这块很多是原始的一些想法,比较成熟以后转入测试,最后进入市场。

  在我们国内这方面研究是非常少的,我们做这个项目的时候也试图做了一些研究,但是还是比较薄弱。我们这个项目主要是避撞研究,考虑了以下几个方面:

  1、不同类型临撞工况的提炼与驾驶模拟实现。基于事故数据、跟车数据、文献,提炼典型的前向临撞工况,在驾驶模拟环境下通过条件控制实现典型工况。

  2、不同风险等级临撞工况下的避撞行为分析。临撞工况的风险等级受到多种影响因素,驾驶员面对不同风险的临撞工况下的反应时间、避撞行为存在差异。

  3、不同驾驶群体间的避撞行为差异。

  4、前向避撞报警时机与驾驶员的报警响应特征。

  我们简单介绍一下同济大学交通行为与交通安全模拟器,它有一个XY的感动范围,在我们这个驾驶舱里面有一个完整的车辆,主要是希望驾驶员在驾驶过程中有一种比较真实的感受。我们可以把它所有的驾驶行为,包括车辆的行驶特征全部采纳下来,我们业提供了比较完整的场景,水平方向是250度,垂直方向是40度,这样旁边没有死角,整个感觉很好。

  除了这个模拟器本身,我们还有大量相关的一些数据,比如说脑电、生理监测,使我们整个分析非常系统和深入。特别像驾驶它有它独特的优势,我们无法控制它发生的时间这个条件。临撞工况描述,第一是变道切入,第二是前车减速,第三是变道切出,第四是弯道停车。

  驾驶员我们选了三类,在这三类的人当中我们进行了不同场景的测试。我们把每一次事件都可以通过不同指标的分享,把它整个的过程可以这样非常直观的展示出来。首先我们可以看前车的这条线,这样一个数据,从这里看到它之前是匀速行驶,所以它的速度一下就降低了,然后这个黑色的线是我们驾驶员,后来那辆车,他一开始减速的时候,他经过一段时间反应时间,他也开始减速。当然后面我们还有很多张这个图。包括驾驶员踩刹车、踏板这些。我们还有两车的间距,前车下来之前,我们后面本身还有一定的距离,所以这起事件他最后是逆撞了。在这个基础之上,实际上我们可以把开始自动之前和开始自动之前,这主要是考虑驾驶员他的反应,从开始之前到开始之后的这样一个时间。自动之后主要是他踩刹车的这样一个情形。在这个基础之上我们就可以分析大量驾驶员,以及不同的司机我们可以分析究竟他主要是受哪些因素影响,后面驾驶员他主要是受车头时距的影响,自动后的主要是受前车的减速度。这边像这样一些指标,它实际上对我们第二阶段的预警时间非常重要,在此之前我们跟厂家进行了交流,也开始有这样的一些系统,但是大部分系统不是统一的,所有的车不是统一的,实际上我们根据这样的一些分析,我们就可以发现对于不同的场景,对于不同的驾驶员,我们就发现这些差距其实不一样,所以后面我们在第二阶段实际上是提出了驾驶员的实际问题。

  这里面我们也介绍一下驾驶群体他的一些反应时间,包括踩刹车踏板,这里可以看出来,实际上对于有经验的驾驶员和新手驾驶员,他们对不同的前车减速的情况下他们的应变速度是不同的。我们还发现了非常有趣的现象,不同的驾驶员采取的避撞方式是不一样的,有三种,一种是我仅仅踩刹车,一种是先踩刹车然后打方向盘,第三种方向是先打方向盘再踩刹车。仅踩刹车的事故较高,约25%,先变道后刹车的事故最低。

  这里主要是两个方面,第一方面就是说我们根据车头时距,可以看到整个事件的严重程度,在此基础上给我们提供不同程度的报警方式,主要有简单的几个图像,这样的报警方式。仅仅显示我前面一个辆车。在此基础上我们看到了驾驶室报警装置,也是选择了三类驾驶人,在不同工况下做了这样一个预警。

  通过这样我们进行了主观和客观的评价,我们简单的从几个角度,比如说大部分驾驶员认为他愿安装这样一个系统,然后并且他对我们这个系统他的有效性进行了评价,他们认可度也是比较高的,客观的评价从几个方面进行分析,第一就是说在实验的过程中,我们实际上还有一点需要说明的是我们选择的同样的测试员,这样我们就可以比较在相同工况的情况下,对他的影响。比如说从事故背景角度,有报警,我们发现他降低了90%的速度。他这个降低了93.4%的速度,还有就是最小的TTC增加了,也就是他反应时间提高了,最后有更长的时间可以反应。还有就是他整个反应时间,就是比如说刹车反应时间,这里面明显下降,然后开始报警灯的时间明显下降,但是对于后面刹车,特别是刹车到最大,实际上他就是我们以报警并不会降低。

  最后我们也总结一下这样一个贡献,实际就是说我前面已经介绍了,在美国他已经进行了这样一个研究,但是这里面实际他的比较单一,主要是分析几个数据无法采集。还有CAMP NADS项目,主要目的是为校核模拟器与实车数据,工况条件分类较为简单。实际上我现在也在考虑第二阶段,我们在做正在进行的自然驾驶的研究,车上安装了所有检测驾驶行为,包括交通环境,以及车辆运动的行为装置。这个数据产生仅仅有半年,我们希望在此基础上测试实际的驾驶环境过程中在环境中的考虑。前侧的位置、速度,这样一些比较复杂的东西,在这里有信息处理这些方面要做,这些工作我们正在开展。前面我们介绍的是一个车辆安全研究,包括交通安全规划,基于驾驶能力体系道路设置的评估,还有建立了一些分析系统,像我们同时建立各类设施的安全分析,比如说信息交叉等等这方面的研究,在研究的过程中充分的利用国内大量监控这些数据,还有这里面包括了刚才我们介绍的项目,还有就是驾驶员驾驶提高的相关特征以及项目预警信息,希望跟大家进一步交流,如果有什么问题我们可以会后进一步讨论,谢谢大家!

  特别注明:“请勿转载,违者必究”

责任编辑:吕圣霞

相关热词搜索: 驾驶模拟车辆

上一篇:刘攀:基于可变限速控制的高速公路交通安全主动干预技术
下一篇:蔡铭:城市道路交通噪声的模拟与评估

智能交通行业首家推出移动互联网媒体,每日更新 !让您随时随地了解行业资讯。
专栏观点更多>>