英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料
考虑L7e车辆碰撞缓解系统的碰撞严重程度的前瞻性评估
摘 要
SEV（小型电动车）是未来城市交通解决方案之一，因为这些车辆由于其轻量化设计，优化范围，显示出小的环境足迹。 由于在实际事故中SEV的数量少，因此难以判断这些车辆的碰撞严重性，特别是如果这种车辆配备有ADAS（高级驾驶员辅助系统）以避免事故或减轻伤害严重性。
本研究的目的是分析实际事故中SEV的碰撞严重程度，以评估乘客的受伤严重程度。此外，评估旨在降低碰撞速度或者如果可能避免乘用车碰撞的碰撞缓解系统（CMS）的有效性。
本研究中使用的方法是指虚拟预碰撞模拟。在第一模拟（称为基线模拟）中，原始车辆被L7e相继替换，使得考虑原车和L7e车辆之间的碰撞。在第二模拟（系统模拟）中，假设L7e车辆虚拟地配备有CMS。 CMS的某些特征，例如传感器范围或开度角和各种响应策略是变化的。 调查中的反应策略有：
a）在2.6秒TTC（碰撞时间）时向驾驶员发出警告并在0.8秒的反应时间后完全制动，
b）使用50％制动力在1.6秒TTC时制动，在0.8秒时完全制动TTC，
c）在1.6秒TTC时用50％制动力制动，最后
d）在0.8 s TTC时完全制动。
关键词 先进驾驶员辅助系统; 碰撞缓解系统; L7e; 轻量级 小型电动车
命名
SEV小型电动车
ADAS高级驾驶员辅助系统
CMS碰撞减轻系统
TTC碰撞时间
高级驾驶员辅助系统的X-Rate扩展有效性等级
CEDATU中央数据库的深入事故研究
GIDAS德国深入事故研究
- 介绍
在接下来的十到十五年内，SEV（和替代传动系统）的数量将增加。 汽车景观研究的最新结果表明，到2025年，“小型车辆将在全球增长最快”（图1）（Kalmbach et al。，2011）。 该图示出了不同车辆段的生长速率。 A / B段表示较小的汽车。 在2020年SEV销售预计从3％高达6％（Pike等2011），这意味着大约0.36至72万车辆，根据2012年欧洲整车销量1200万（ACEA，2013）。 预期SEV的未来更高的市场份额。 在奥地利的市场份额甚至更低。 目前，在2006年至2014年期间，小型车辆的平均份额为0.25％（奥地利统计局）。由于重量，发动机功率等的小型车辆在EC规则2007/46 / EG（欧洲议会和理事会，2007）中考虑，其定义车辆类别“L”。 根据第2002/24 / EG号条例（欧洲议会和理事会，2007年），“L”级车辆进一步分为例如。 “L7e”。 L7e车辆的重量不超过450公斤，不包括电池组。 在发生事故的情况下，L7e车辆的乘客通常比M1车辆遭受更高的受伤风险。 一个原因是SEV的紧凑设计仅允许不太坚固的结构，从而提供较少的能量吸收潜力，即较小的挤压区域。 此外，SEV和典型的M1车辆之间的重量差通常可以大于50％，这导致轻型车辆在碰撞期间比重型车辆更多地受到冲击力的影响。
由于L7e车辆在交通中所占的份额相对较小，因此只有很少的涉及这类车辆的真实事故的数据，因此对其安全性进行回顾性统计评估很困难。 特别是在深度事故数据库中，如CEDATU（深入事故研究中央数据库）（Tomasch和Steffan，2006; Tomasch等人（2008））或GIDAS（德国深入事故研究） 详细信息，但小样本量与国家统计数据相比，具有高数量的案例，但其详细程度相当低。 因此，对L7e车辆的性能的评估是非常困难的。
在德国合作研究项目Visio.M中进行了一项研究，重点是开发Visionary Mobility概念车以满足未来的电动移动需求。 该分析使用市场上对应于可能的电动车辆在其尺寸方面的常规车辆。 一般来说，这些是高尔夫类别或以下的车辆（SafeEV D1.2，2013）。 与M1类车辆相比，Visio.M车辆更多地参与城市地区和交叉路口。 碰撞速度似乎没有不同。 Visio.M车辆的能量当量速度（EES）倾向于高于M1车辆的EES。 然而，没有评价速度的变化（delta-v）。
图。 1.到2025年的汽车销售指数（纵轴表示百分比，2005年为100％，横轴为五年中的年份）（Kalmbach et al。，2011）。
在欧盟资助的项目MATISSE（用于改进替代动力车辆中关键复合结构的安全性的建模和测试）中，使用随机方法来评估SEV中乘员的损伤严重性（MATISSE交付D1.1，2013）。 SEV的重量限制为500kg。 假设SEV装备有通用碰撞减轻系统（CMS） - 没有实现真正的算法。 通常使用CMS减少碰撞速度，但与M1车辆相比速度的变化增加。
- 目标
本研究的第一个目标是评估小型车辆即L7e车辆中乘客的受伤严重程度。 第二个目标是在装备有CMS的L7e车辆中的损伤严重性评估。
- 材料
深入数据库CEDATU（深入事故研究中央数据库）是真实事故的基本数据的来源，然后进行分析（Tomasch和Steffan，2006; Tomasch等人（2008））。每个个别交通事故都使用交通事故重建程序PC Crash重建，并保存在CEDATU上，包含所有事故相关数据。基于事故报告计算初始速度，越野道路或碰撞速度，越野角度，反应时间，行驶时间和车辆轨迹等信息，报告包括警报和医疗报告等报告照片和事故现场的摄影测量分析。
CEDATU的数据字段基础是在具有相同名称的欧盟项目的过程中开发的STAIRS协议（事故和损伤登记系统的标准化）（Vallet G.等人，1999）。在STAIRS协议的基础上，使用来自欧盟项目PENDANT（Pan-欧洲协调事故和损伤数据库）（Thomas P等人2006），RISER（更安全的欧洲道路的路边基础设施）（RISER 2006）和ROLLOVER（改进客车翻倒安全）（Gugler和Steffan 2005）。此外，统计了国家统计数据领域，以便与后者建立直接联系（奥地利统计局，2007年）。
- 方法
许多旨在降低碰撞速度或甚至避免即将发生的碰撞的主动安全系统已经在现代汽车中使用。 它们被称为“前碰撞缓解”（Mitsubishi Outlander），“碰撞缓解制动系统”（本田思域）或“城市安全”（沃尔沃XC60）等。 这些系统中的每一个被设计成在特定的冲突情况下工作。 在本文中，这种系统将简称为“碰撞减轻系统”（CMS）。
-
- 预崩溃阶段的虚拟模拟
由于L7e车辆缺乏足够的事故编号，使用了一个两步骤的虚拟模拟预碰撞阶段（Zauner 2014）。在虚拟前向模拟中重建和模拟至少两次CEDATU数据库的真实世界事故。作为第一步，假设重量为550kg（最大允许重量为450kg加上电池组和一个乘员），在重建的情景中涉及的M1车辆中的一个被替换为L7e车辆。模拟情景，计算改变的碰撞参数，如碰撞速度和delta-v。这些模拟应称为“基线”模拟。在第二步中，L7e车辆几乎配备有CMS系统，这被称为“系统”模拟。同样，如在基线模拟中那样计算相同的一组碰撞参数。通过比较基线和系统模拟，可以评估CMS的有效性。
对于预碰撞阶段的虚拟模拟，使用内部工具X-Rate（高级驾驶员辅助系统的扩展有效性等级）（车辆安全协会，TU Graz）。 X-Rate使用PC-Crash（DSD）作为模拟驾驶动态的解算器，因此可以计算与事故分析相关的参数。由于PC-Crash模拟车辆行驶动态的能力，还可以评估预碰撞阶段。
-
- 碰撞缓解干预策略
对CMS系统进行了四种不同的干预策略。触发动作的基础是碰撞时间（TTC）。考虑了以下策略（）：
a）TTC = 2.6 s：驱动器以0.8 s的反应时间对警告信号做出反应。完全制动性能没有延迟时间，是可用的，并由驾驶员使用减速车辆，直到静止或碰撞。
b）TTC = 1.6 s：系统以50％的可用制动力开始减速车辆。驾驶员对系统的警告制动的反应时间为0.8 s。驾驶员使用剩余的0.8秒直到碰撞，使车辆以完全制动力减速直至停止或碰撞。
c）TTC = 1.6 s：系统以50％的可用制动力减速，但驱动器不反应。系统继续以50％的可用制动力减速。
d）TTC lt;1.6 s：驾驶员无反应。当达到TTC = 0.8秒时，系统启动完全自主的紧急制动，直到静止或碰撞。
-
- 传感器集成
车辆实际配备了LiDAR传感器，以检测碰撞对手。 为此，使用了两个最近的LiDAR传感器模型的规格（Winner，2015）。第一个模拟传感器（系统1）是欧姆龙的“gen3”，水平打开角度为30°，范围为100 m 图3）。 第二传感器（系统2）是Ibeo的“ScaLa”，其具有145°的水平打开角度，角分辨率1°，最大范围为150 m。
在模拟中，由传感器（其中可以检测到其他物体的区域）可见的区域由锥体表示，其原点在传感器的安装位置以及给定的打开角度和范围。 传感器可以定位在汽车内的任何位置。 对于在研究中的模拟，选择在后视镜附近的挡风玻璃的顶部的位置。4.4。 评估功能
评价是通过比较基准与基于事故缓解可能减少的 delta; v 的系统仿真。在碰撞时一辆装有一个 CMS，评价做使用 MAIS3 损伤风险函数。Delta; v 是在许多情况下遭受的伤害，在这种情况下 MAIS3 的伤害的风险指标。也随着增加 delta; v，MAIS3 损伤的风险上升（Augenstein et al.，2003 年，Gabauer 和 Gabler 2006 年，唯雅诺和 Parenteau，2010年）。这种损伤风险曲线，供各种可能的碰撞情况和人类身体的部位。
图3。传感器视觉，鸟瞰图。传感器安装在蓝色的汽车里。
-
- 评估功能
通过将基线与基于delta-v的事故减轻潜在减少的系统仿真进行比较来进行评估。 在车辆配备有CMS的碰撞的情况下，使用MAIS3 伤害风险函数进行评估。 Delta-v在许多情况下是受到损伤的风险的指标，在这种情况下是MAIS3 损伤。 随着delta-v的增加，MAIS3 损伤的风险也增加（Augenstein等人，2003，Gabauer和Gabler 2006，Viano和Parenteau，2010）。 这种伤害风险曲线可用于人体的各种碰撞情况和区域。
- 限制
对于基线模拟，假定即使驾驶L7e车辆，驾驶员仍保持他的驾驶行为。
在L7e和CMS的评估中，仅考虑交叉点处的事故。
在虚拟仿真中没有障碍物。 房屋，灌木，花园栅栏等。 假设传感器能够在全传感器角度和范围内工作。
原先的M1车辆被L7e车辆相继替代，而没有考虑有效载荷和乘客人数。
CMS在锥体内检测对方车辆和适当的等待时间。 不考虑真实的检测算法。
为了检测可能的碰撞，假定每个物体以与在检测到的最后时刻以恒定速度相同的方向继续移动。
通过考虑导致事故的交通情况来研究CMS的有效性。
- 结果
在调查的交叉情景中，选择在国家统计中最常见的那些（图4）。 最常见的是交叉事故，其中涉及事故的双方尝试以直线（32％）穿过交叉点。 其中一个参与者左转而另一个参与者来自该方向的事故占了28％，是第二个最常见的事故。 此外，一个参与者打算左转而另一个来自相邻方向的事故的相对份额为22％。
图4。调查事故情景假设至少有一个碰撞的车辆是L7e车下。
关于可避免事故或delta;-v变化（图5）的策略a），b）和d）之间的差异相当小（在避免中只有大约1％或者在delta-v的变化中只有1km / h） 而战略c）一般来说效果较差。 显然，与重建的实际事故中的车辆相比，基准车辆L7e具有更高的delta-v。 平均来说，原始事故中的车辆的delta-v被计算为35km / h，而对于基准车辆（L7e），delta-v为约46km / h。 在平均值的计算中，避免的事故包括在delta-v为零。
图。 5.与基线相比，四种不同干预策略和两种不同传感器系统的delta-v的平均变化。 对于避免的事故，delta-v设置为零。
图。 6.配备两种不同CMS的基准和L7e车辆的事故累积相对份额。
使用传感器系统1（范围为100 m，开度角为30°）和66.5％的传感器系统2（范围为150 m，开度角为145°）（图6）可以避免约47％ 。 对于CMS不能避免的情况，进行了对模拟的深入研究。 所有这些非避免的事故被称为“降低的基线”。 图。 图6清楚地示出了CMS的总体有效性，以及传感器系统2的较高范围和较大开度角的优势。
图。 7.对于每个配置（传感器系统结合特定策略），计算不可避免事故中的平均delta-v（蓝条）。 红色条显示减少的基线（无特定配置可避免的意外基线）的平均delta-v。
图。 8. M1车辆，L7e车辆无CMS和L7e车辆与CMS（两个不同的传感器系统）遭受MAIS3 损伤的风险。
如图7
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[485627]，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。
