摘要
AEB系统作为自动驾驶主动安全技术之一，能够有效避免追尾碰撞事故的发生，但由于 AEB 系统感知能力有限、控制策略适应性差，易造成车辆制动不及时和误报警率高等问题。基于此，本文针对前车驾驶人的主观制动意图展开研究，建立了基于双层HMM的制动意图识别模型，提出了考虑前车制动意图的AEB控制策略，同时为验证所提控制策略在前车制动场景下的有效性，搭建联合仿真测试平台，提出了基于层次分析法的AEB系统避撞性能综合评价方法。本文具体研究工作如下： （1）搭建PreScan/Simulink/驾驶模拟器联合仿真采样平台，采集真实驾驶人在轻微/正常/紧急制动意图下驾驶时制动踏板压力、制动踏板压力变化率和车速数据。使用K-means 聚类方法对前车制动意图进行分类，确定驾驶人在驾驶过程中的制动意图真值。使用多组参数组合的滑动时间窗口提取固定步长的历史数据序列，建立用于制动意图识别模型参数训练数据集。 （2）考虑前车制动意图对主车AEB控制策略的影响，提出了基于双层隐马尔可夫模型的前车制动意图识别方法。根据原始采样数据分布对各类数据进行分级量化处理，建立制动行为识别HMM模型和制动意图识别HMM模型，基于Baum-Welch算法对模型进行训练，使用精准率、召回率、F1-分数和准确率作为模型评价指标，对比不同参数组合所建立的双层HMM对驾驶人制动意图的识别结果以确定最优意图识别模型。 （3）考虑车联网环境下通信延迟与车辆制动延迟对车辆避撞过程的影响，提出了基于前车制动意图的AEB控制策略。研究AEB系统工作过程中，临界安全阈值、通信延迟和制动压力建立时间对系统避撞性能的影响，分析车辆主动避撞过程中前后两车的运动状态，根据前车不同制动意图计算当前工况下临界安全距离阈值，基于风险评估结果建立AEB决策控制。 （4）针对现有AEB评价方法中评价指标维度单一、片面等问题，提出了基于层次分析法（AHP）的综合评价方法。以车辆安全性与舒适性作为评价目标，确定七种具体评价指标，并使用AHP方法计算指标权重并进行一致性检验。基于PreScan/Simulink联合仿真平台进行仿真测试，参考ENCAP、CNCAP等测试标准，设置覆盖低、中、高速及不同制动意图的测试场景，对比Mazda、Honda、Berkeley和TTC四种典型AEB模型的测试结果，验证了本文模型提高车辆避撞方面的有效性。 具体实验结果如下：1）在前车制动意图识别实验中，使用组合参数为0.05s、0.2s、0.8s的滑动时间窗口提取出的数据模型训练结果最好，对三种制动意图的识别准确率可达到97.38%，证明了双层HMM模型对制动意图识别的准确性。2）在AEB模型仿真测试实验中，基于本文提出的综合评价方法，考虑前车制动意图的AEB模型获得了81.85分，远高于其他 AEB 模型，证明了该模型能够在前车不同制动意图下避免追尾事故的发生，同时也减轻由于车辆过早制动而引起的驾驶不适感。
NETL