英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料
避免交叉路口左转弯事故的AEB实施策略
期刊：Traffic Injury Prevention，2019，20（1）：119-125
中文翻译：
摘要
目标：在德国和美国，第二常见的汽车对汽车碰撞所在交叉路口类型是具有相反方向交通的左转弯道路（LTAP/OD），仅次于直线交叉路口（SCP）。安装了交叉路口自动紧急制动（AEB）的乘用车可以解决这些碰撞。这项研究针对解决LTAP/OD事故的交叉路口提出两种AEB系统实施策略：
（1）仅转弯车配备了交叉路口AEB；
（2）转向和直行车配备了交叉路口AEB；
对于每种策略，都会通过避免事故，减轻伤害以及剩余事故的变化率（delta-V）来评估不应进入的车辆周围安全区域的影响。给出的结果是关于市场渗透率的函数。
方法：在时间序列预碰撞矩阵（PCM）（德国深度事故研究（GIDAS）的子样本）中，总共模拟了372次LTAP/OD事故，在计算机模拟中通过影响因素的多样化对事故演变进行了预测（PRAEDICO）模拟框架。使用Kudlich-Slibar刚体碰撞模型和源自GIDAS的伤害风险曲线来预测汽车乘员造成中等的到致命的（最大缩写伤害量表[MAIS]2 F）伤害。
结果：当安全区域为0.2 m时，仅在转弯车辆上配备交叉路口自动紧急制动时，在100％的市场渗透率下避免了59％的撞车事故。装有AEB两辆车的百分比都增加到77％。MAIS2 F受伤的乘客分别减少了60％和76％。同时考虑到转弯车和直行车，随着市场渗透率的增加，delta-V在剩余的左侧影响中急剧下降，而在正面和右侧的影响中仅略有下降。结果显示取消安全区会大大降低所有条件下的有效性。
关键词：左转路口；路口；AEB；避免撞车；减轻伤害
1.引言
欧美所有致命事故中约有五分之一发生在十字路口或与之相关的路口（European Commission 2016; NHTSA2017）。交叉路口碰撞可以根据移动方向和相关人员的动作分为不同的类别（Sander 2018）。根据对德国深度事故研究（GIDAS）的分析，直线交叉路径（SCP）事故占警方记录的事故的8％，而沿路径相反方向（LTAP/OD）的左转弯事故占警方记录的事故的5％。交叉路口碰撞不仅是当前的主要问题，而且甚至预计将在未来的道路交通中占更大份额（Lubbe等，2018年）估计，未来的交叉路口撞车事故将在德国装配有当前开发的高级驾驶员辅助系统的致命车祸中所占的比例更大。预测自动驾驶功能对LTAP/OD碰撞的效率不如SCP碰撞。
迄今为止，只有少数汽车制造商在与其他汽车发生交叉路口冲突时提供驾驶员帮助。例如，沃尔沃（Volvo）的IntelliSafe，奥迪（Audi）的LTAP/OD场景下的助行器，戴姆勒（Daimler）的梅赛德斯（Mercedes）BAS Plus交叉交通辅助系统以及雷克萨斯（Lexus）的前交叉路口警报（SCP）。为了帮助进一步扩展这些系统，欧洲新车评估计划（Euro NCAP）宣布了2020年自动紧急制动（AEB）的交叉路口测试方案（Euro NCAP Strategy Working Group 2015）。在LTAP/OD测试方案中，将仅测试转弯车辆的AEB功能。尽管桑德（2017）的分析表明，与转弯车的制动干预相比，直行车将具有更小而且互补的优势，且一些研究评估了交叉路口AEB系统的有效性，但没有区分转弯和直行汽车所获得的收益（Scanlon等人，2017;Van Auken等人，2011）。桑德（Sander，2017）使用预碰撞矩阵（PCM）根据时间序列数据的预碰撞模拟评估了自动紧急制动的有效性。然而，AEB干预的效果体现了可视化算法的决策步骤，因此，不是在模拟过程中模拟两个车辆直到发生碰撞或安全通过，而是使用AEB算法在触发时的轨迹预测来评估车辆是否以及在何种情况下会发生碰撞。该算法以恒定的转弯速度和加速度来预测轨迹，这不一定代表真实的车辆轨迹。此外，该算法定义了当侵犯汽车周围的安全区域时发生的碰撞，而不是当实际车辆接触时发生的碰撞。在Sander（2017）中使用算法预测作为真实值的这种简化不太可能对结果产生重大影响，但预计会导致对AEB有效性的小幅低估，其准确程度尚未量化。
这项研究有两个目标：首先，比较实施策略A（仅转弯车辆具有AEB功能）和实施策略B（转弯和直头车辆均具有AEB时）的避免撞车和减轻伤害的有效性（与Sander，2017相比）。其次，评估当车辆周围有不应进入的安全区域时，避免碰撞和减少伤害的有效性差异，从而引发早期的AEB干预。
2.数据和方法
该研究使用计算机模拟（PRAEDICO）框架中影响因素的多样化对事故演变的模拟预测（Sander 2018）来估计AEB在LTAP/OD场景中的有效性。处理阶段如下：
1.规范AEB系统以解决LTAP/OD碰撞问题，并定义度量标准以衡量有效性。
2.在GIDAS和相关的时间序列PCM中选择LTAP/OD方案。
3.使用选定的LTAP/OD方案在AEB的多达4种设备模式下模拟预碰撞阶段，以反映2种实施策略。
4.计算无法避免的碰撞的碰撞参数，例如力的主要方向，碰撞区域以及碰撞过程中的速度变化（）。
5.计算加权因子，以使所选方案具有德国代表性。
6.伤害风险功能在涉及正面和侧面碰撞的乘员中的应用。
7.使用统计模型计算AEB在各种市场渗透率下的有效性。
2.1有效性指标和AEB规范
有效性体现在避免撞车事故和减轻伤害两方面，两者都是市场渗透率的函数。
拟议的自动紧急制动系统基于一种算法，该算法可在涉及碰撞的车辆均处于预测的碰撞路线上后立即对其进行制动和转向研究，以研究其避让方法（Sander 2017）。通过以恒定的转弯速率和加速度模型预测两种车辆的轨迹来确定碰撞过程（Sander，2018； Schubert等，2008）。当对自主车辆驾驶员和对面车辆驾驶员不可行时，制动和转向离开悬而未决的碰撞时，AEB系统被激活（Sander，2017年）。舒适度阈值设置为纵向和横向加速度为。与Sander（2017）一致，在车辆周围设置了安全区，该算法使用安全边界而不是车辆的物理边界进行碰撞检测。在前保险杠后方2m处放置一个前视传感器，视野范围为120°，范围为2–70m（Sander，2018年）。这些参数值足以在必须做出AEB干预决策之前的适当时间检测LTAP/OD场景中的其他车辆（请参阅Sander 2017中的图13）。传感器的采样频率为40Hz，需要进行5个采样才能进行跟踪。当至少一侧的全长在传感器的视场内并且物体的视线不受环境中的任何物体的阻挡时，该物体才可见。此外，视线（从侧面到传感器原点的中点）与侧面的法线向量之间的角度为45°或更小。制动系统的制动延迟时间为150毫秒，制动加速度增长率为，代表车型是中型汽车（Edwards等，2014； Seiniger等，2013）。施加制动以达到可用道路摩擦系数的最大减速度，这也被认为可用于AEB算法。
正如Gibson和Crooks（1938）研究的那样，在Sander（2017）中引入了安全区，以解决安全旅行领域的后果。当驾驶员离其他道路使用者太近时，他们会感到不舒服。传感器信息的不准确性和系统延迟会导致预测轨迹的不确定性，从而导致碰撞发生的准确预测。车辆周围的安全区可解决此问题，并可以在较高的系统效率与较少的不必要激活之间取得平衡。因此，使用安全区作为涉及冲突车辆外部尺寸的替代物。在模拟中使用了两个不同的安全区域：0.2 m的安全区域（每辆车的外部尺寸偏移0.2 m，导致长度和宽度增加0.4 m）和零的安全区域（安全区域）对应于外部尺寸）。
2.2数据和权重
GIDAS为德国汉诺威和德累斯顿的两个地点提供了深入的事故数据收集（Otte等人，2003年）。碰撞必须在数据收集区域的特定时间偏移中发生，至少有一名与坠机有关的人受伤，这样一案才有资格记录在GIDAS数据库中。建议对数据进行加权分析，使其具有联邦统计局提供的国家事故数据Destatis的代表性（Hautzinger等，2004）。GIDAS数据的子样本是PCM，它提供了特定车辆参数的详细信息，例如重心位置和惯性，碰撞前长达5s的车辆碰撞前轨迹以及有关环境的信息，例如挡住视线，道路的不可移动物体边缘和车道标记（Schubert et al.2013）。
从1999年到2017年底，GIDAS数据中总共存在661个完全编码的车对车LTAP/OD撞车事故。在这些撞车事故中，有372起撞车记录在相应的PCM数据库中，并用于撞车前模拟。
使用2阶段加权过程得出代表德国的PCM案例的分析结果（Sander 2017）。在第一阶段，对PCM中的LTAP/OD案例进行加权，以代表GIDAS中的LTAP/OD案例。第二步，对GIDAS中的LTAP/OD案例进行加权，以代表Destatis。然后将两个权重相乘并归一化，这意味着权重之和代表原始样本大小。
2.3碰撞前模拟
PRAEDICO的事故前模拟过程通过将转向，油门和制动踏板输入调整为12自由度车辆动力学模型，按照给定的路径以给定的速度曲线为每个涉及冲突的车辆使用驾驶员模型（Sander 2018）。根据车辆的模拟设备模式，启用或禁用AEB系统。如果AEB处于停用状态，则车辆会遵循相应实际事故的碰撞前轨迹，直到到达碰撞点。使用激活的AEB，可能会由于AEB干预而改变轨迹，从而避免撞车或降低撞击速度并改变撞击面积。
2.4碰撞计算
如果无法避免碰撞，则结合Kudlich-Slibar刚体冲激模型（Kudlich 1966）使用即时的碰撞前信息，例如碰撞的大小和方向，速度，车辆质量和刚度以及碰撞位置（Kudlich 1966）如Sander和Lubbe（2018）所述，它包括速度，和力的主要方向。
2.5伤害风险模型
为了根据《 2005年简化伤害量表》（2008年更新）（《最大缩写伤量表[MAIS]2 F； Gennarelli和Wodzin》，2008年）估算至少中度伤害的风险，使用了基于GIDAS数据的二元logistic回归模型。该模型是在Sander和Lubbe（2018）中开发的，具有预测变量delta-V（连续），乘员年龄（连续），撞击类型（类别：前，近侧舱室撞击，近侧无舱室撞击，远侧），车辆登记年份（类别：lt;2003年，gt; 2003年），事故地点（类别：城市，农村）以及三角洲-V型与碰撞类型之间的相互作用，以估计发生MAIS2 F伤害的可能性（类别：是，否）。在模型中仅考虑13岁及以上的安全带乘员。对于该模型的应用，假定所有乘员都使用较新的车辆登记年份类别内的车辆。
2.6市场渗透的统计模型
在每种市场渗透率下，每种碰撞事故车辆都有在交叉路口配备自动包围自动曝光系统的特定可能性。考虑了两种不同的实施策略：
实施策略A：AEB功能仅适用于转弯车辆。考虑了两种设备模式：未配备车辆，已配备转弯车辆。
实施策略B：AEB功能可用于转弯和直行车辆。考虑了四种设备模式：未配备车辆，未配备转弯车，未配备直进式车辆以及均配备了两种车辆。
基于两个假设得出一个简单的概率模型：
（1）带有和不带有AEB系统的车辆发生冲突的可能性相同；
（2）冲突情况是罕见的事件，因此即使在一次事故发生后不对车辆进行维修市场上有和没有AEB的车辆之间的比率不会改变（Boran等，2012）。
3.结果
结果仅针对转弯车辆或转弯车辆和直行车辆都配备了交叉口AEB的情况单独显示。碰撞类型的正面，左侧和右侧是指车辆的损坏区域；例如，正面碰撞将显示为2次正面碰撞。 372个LTAP/OD碰撞（744个LTAP/OD冲击）的初始数据样本表示在AEB的市场渗透率为0％时发生100％的碰撞。剩余影响是指AEB无法避免的那些影响；我们通过影响类型，变化量V和伤害后果来描述其余影响。异常值定义为大于上四分位数和下四分位数以下四分位数间距的1.5倍的值，未在附录的方框图中显示（请参阅在线补充）。附录中方框图中的菱形代表均值-V。
3.1实施策略A：只有转向车辆配备AEB
3.1.1安全区0.2 m
避免的事故百分比呈线性下降，并且在100％的市场渗透率下，避免了接近60％的事故。剩余正面影响的相对份额从80％略增至83％（图1）。仅在较高的市场渗透率下，其余正面影响的中值和均值增量V才大幅度下降：从0％市场渗透率的约28km/h到50％市场渗透率的26km/h到完全市场渗透率的20km/h（图A1，请参阅在线补充）。对于
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[235584]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
