高级车辆辅助系统中警示交付策略的设计
Stefano Valtolina1，Sara Vanzi意大利米兰米兰大学计算机科学与通信系1联系作者
Roberto Montanari，Luca Minin，Stefano Marzani人机交互小组（HMI小组）意大利雷焦艾米利亚
摘要：欧洲统计数据显示，摩托车道路交通事故极为严重，此类事故的减少是欧洲社会关注的主要问题之一。 高级驾驶员辅助系统是安全电子系统，用于在情况变得严重之前通过发出警告来帮助驾驶员避免风险和交通事故。由于骑行过程中需要考虑多中情况，所以在骑行过程中还没有使用这种系统。
本文介绍了为自行车辅助系统开发有效且适合骑车的接口和相互作用元件动力两轮车（PTW）安全性改进的创新研究。
特别是，本文介绍了两个先进的骑手辅助系统的舒适性和安全性方面的实验结果：正面碰撞警告（FCW）和车道变换支持（LCS）。 该研究首先分析在3D虚拟现实环境中进行的摩托车模拟器测试的结果，其目的是根据不同的多模式警告（视觉，听觉和触觉）在FCW和LCS情况下找到递归骑手的行为模式。 随后，本文提出了三种不同的机器学习模型，隐马尔可夫模型，支持向量机和人工神经网络，已被考虑用于模拟车手的行为模式需要反应时间避免前方碰撞。 这些模拟行为模型能够设计警告传递策略，以告知骑车者由于前方碰撞可能发生的危险情况。
最后，本文描述了如何在安装在摩托车上的HMI（人机界面）中实施此警告传递策略。 该HMI被认为是基于可理解的同时提供有效的FCW系统，但同时又是谨慎且不引人注目的骑行友好型解决方案。
关键词: 高级骑手辅助系统，3D和VR模拟，机器学习技术
介绍
欧洲统计数据显示，动力两轮车（PTW）的交通事故极为严重。在欧盟14个成员国中，摩托车事故死亡人数占2003年道路交通事故死亡总人数的17.8％[1]。显然，减少PTW事故是欧洲社会主要关注的问题。
出于这些原因，先进驾驶员辅助（ADA）系统和车载信息系统成为汽车行业的主要研究领域之一。 然而，这些技术在摩托车领域中的应用目还比较缺乏，应该进一步研究。
本文旨在描述一个名为SAFERIDER [2,3]的欧洲在研项目，该研究旨在研究ADA系统集成在摩托车上对于乘客舒适性和安全性的潜力。在下一节中，将介绍汽车行业背景下的ADA系统，后续部分描述了在两轮实地研究中应用这些安全策略的相关问题和挑战。
从解决ADA系统在汽车方案中的问题进行学习，该项目旨在定义创新预警方案，以协助车手避免可能发生的事故。这些方案的定义始于对研究摩托车驾驶者在特定危险情况下的行为所进行的实验的数据分析。
标题为“VR模拟器中的测试”的部分提供了一组实验，用于测试在法国国家运输和安全研究所（INRETS - Institut National de recherche sur les transports etleurseacute;curiteacute;）进行的道路交通状况中的车手行为。 它们是在虚拟现实环境中放置的3D模拟器中执行的。 特别是已经评估了两种危险情况：潜在的前方碰撞与前方障碍物以及由于车道变换操作而与进入的车辆发生潜在的侧面碰撞。 该部分详细描述了如何在前方碰撞情况下对测试数据进行分析，以找出骑手的典型行为，并根据这些行为来设计有效的警告传递方案。 该部分还讨论了如何模拟骑车者改变道路车道导致潜在的横向碰撞，并没有突出明显的结果，阻碍了有效警告方案的定义。
除了研究骑手的行为外，这些实验还被用于分析不同类型的警告。 例如，系统的人机界面（HMI）包括头盔上的触觉和声学反馈以及摩托车的数字仪表板上的视觉警告。
此外，还考虑了两种不同级别的警告：黄色和红色警告。 这两个级别之间的差异在发出警告时是相关的。在碰撞时间在3.5秒时发送黄色警告，碰撞时间在2秒时发出红色警告。
根据执行实验期间收集的结果，“警告传递方案”部分侧重前方碰撞环境中的警告传递方案的高级骑车者辅助系统的定义。该系统的设计不仅可以检测障碍物，还可以评估遭遇的严重程度。此功能通过警告方案实施，该方案能够根据与反应时间相比的安全距离进行调整。系统的动态性，即其对反应时间的警告进行调整的能力，是放置在摩托车上的创新的触觉人机界面中实现机器学习模型。如本节所述，机器学习模型设计研究三种机器学习技术：隐马尔可夫模型，支持向量机和人工神经网络。这些技术已被分析并用于构建学习模型，该模型能够根据他们在可能的前方碰撞情况下的反应时间来追踪骑车者的行为。
最后，本文描述了该模型怎样集成到SAFERIDER项目开发的人机界面中，以及一些结论和未来的工作，以解决车手信息提供和安全警告这一非常敏感的领域。 最后，本文报告了我们的结论和未来的工作。
先进驾驶辅助系统
ADAS，高级驾驶辅助系统，是一种电子系统，旨在使驾驶过程更安全。 与安全带和安全气囊不同，它减轻了车祸的危险程度，ADA系统具有先发制人的优势：他们的目标是在情况变得严峻之前警告驾员。
在汽车市场上生产的一些更常见的ADA系统是无正面碰撞警告的助手（或检测BSD），它通常包含在自适应巡航控制（ACC）和车道变换助手（LCA）中。
这些系统共同使用一些电子传感器（即用于检测附近物体的雷达）来创建周围环境的地图，包括静止或移动的元素，如行人，动物，汽车和摩托车。
一些ADA系统通过声学，视觉或触觉向驾驶员反馈关于危险情况的警告，而另一些则直接干预驾驶过程。 例如，自适应巡航控制应用程序监控车辆前方区域并自动调整速度，以便与前方车辆保持一定距离。 如果前方车辆突然制动而使该距离减小，则ACC系统减慢速度。 另一方面，盲点检测系统通常不会修改汽车动态。 BSD系统监控汽车旁边和后面的区域，警告驾驶员由汽车或摩托车从后面快速行驶而产生的危险或者改变车道产生的危险。 在这种情况下，通常的反馈可能是视觉的，例如在后视镜或汽车仪表板中打开的红色/黄色LED，以及声音，例如通过汽车扬声器给驾驶员发出某种声音警报。
从ADA系统在汽车行业应用的相关问题中学习，接下来的部分介绍了如何在安全摩托车环境中调整和实施所描述的先进辅助系统，以及如何定义用于协助骑车者的创新预警方案。
背景和问题解决
在过去十年中，ADA系统开发一直是汽车工业的主要研究领域之一，以提高乘用车的安全性和舒适性。
这些新技术已经在汽车市场上推出，它们的发展肯定是快速有效的。 然而，摩托车中的这种增加一个极其敏感的道路使用者群体的安全性和舒适性技术，目前是缺乏且落后的，无疑应该进一步研究。
PTW研究领域有几种道路情景，骑手可以从ADA系统的支持中受益。 例如，在处理车道变换操纵时由于车辆振动和后视镜尺寸减小以及由于头盔阻碍头部运动而导致的侧视限制引起的后视限制出现的问题。 总的来说，骑手可能很难意识到PTW的后部和侧面环境中发生了什么。 诸如LCS（车道变换支持）之类的ADA系统可以在处理车道变换操作时通过改善他们的状况意识来支持车手。 例如，在SAFERIDER项目[2,3]中开发的系统人机界面（HMI）包括监控PTW后部/侧面环境的雷达传感器以及头盔上的触觉和声学反馈，以及仪表板上的视觉警告复制在后视镜上。
已经采用了相同的通信通道来提供有关前方碰撞警告（FCW）系统显示的潜在后端碰撞信息。 后端事故是最常见的事故类型：全球交通管理部门认识到减少事故是保持足够进展的重要性，并且正在越来越多的国家实施。 这是FCW可以干预的典型场景：此功能可帮助骑车者避免与障碍物正面碰撞，扫描摩托车前方的区域。 基于扫描仪结果，该功能检测前方的哪些类型的障碍物，它们的尺寸和与摩托车参考系统相关的轨迹。 最后，它计算障碍物的位置和动态特性，以便了解它是否是骑车者的风险。
对于该系统，由触觉手柄，振动手套，智能头盔和数字仪表板上的视觉反馈以及HMI通过触觉，视觉和音频信号的适当组合提供警告[2,3]。
本文针对目前在PTW背景下进行的研究，与汽车领域相比，FCW和LCS已被继承，这是最新的：他们的HMI和相应的警告信息方案仍在调查中，负责驾驶员和驾驶员之间的差异。 车手，车手的身体和注意力资源，同时应对驾驶任务和车辆特征。
接下来的部分描述了在几个骑行模拟器研究中进行的调查，其中模拟器配备了先进的骑手辅助系统。
VR模拟器测试
为了定义有效的安全系统以支持骑车者，有必要研究哪些参数表征骑车者的行为，然后监控他们以定义适当的警告方式。
为了实现这些目标，在法国国家运输和安全研究所INRETS的一个名为SAFERIDER的欧盟项目中进行了一些测试。使用摩托车模拟器进行了测试，以研究和评估FCW和LCS系统。
摩托车模拟器使用ARCHISIM多因素交通仿真模型[4]来模拟交通状况下的驾驶。该架构的模块化提供了将每个骑手视为交通场景的机会。如图1所示，此场景与专用于3D成像和数据记录器的特定模块集成，允许骑车者使用安装在动态运动基座上的动力两轮车模型在虚拟世界中移动。使用用于360°可视化的屏幕实现视觉渲染。
两轮车模型基于一个真正的摩托车车架，具有全功能命令：油门，制动器和换档装置（见图1）。摩托车车架安装在运动基座上。运动基座具有允许滚动，俯仰（倾斜）和偏航（全部plusmn;15°）运动的执行器。附加的致动器允许把手在大约plusmn;15cm的范围内朝向或远离骑车者线性移动。这允许测试加速或制动的一些效果。最后，通过直接在转向柱上操作的电机可以在车把上施加力反馈。
图1 - ARCHISIM交通模拟环境：用于两个车轮的真正的摩托车车架
如前所述，正面碰撞警告旨在摩托车的近场中检测到障碍物碰撞的风险时警告骑车者。在这些情况下，为了评估骑车者的行为，有必要考虑安全距离，即制动距离和骑车者的反应时间之间的差异。相反，LCS系统旨在在潜在的横向碰撞的情况下及在车道变换操纵期间警告骑车者。在这种情况下，要考虑的参数是横向进入车辆的速度和位置。在这两种情况的模拟过程中，都会测试不同类型的警告。安装在摩托车面板上的导航仪显示器上的视觉闪烁信号，使用放置在头盔中的耳机发出的声音信号和通过振动头盔本身传输的触觉反馈。此外，这些类型的警告已根据碰撞时间的值在两个不同的交付时刻进行了测试。这两个时间点允许定义两个警告级别：当碰撞时间为3.5秒时为黄色，而当碰撞时间为2秒时为红色。例如，在图2中，描绘了FCW系统和LCS系统的红色和黄色级别的视觉警告。当这些系统在3.5秒内检测到碰撞时间时，数字仪表板上会出现黄色闪烁图标。如果碰撞时间在2秒时减少，则红色图标闪烁。
图2 - FCW和LCS系统中黄色或红色水平的视觉警告
结合这些警告发出方式，对20名具有有效骑行许可证（最少2年）的骑手进行了一系列模拟，平均年龄为33.3岁，过去12个月骑摩托车平均骑行11530公里。
用一条乡村道路的行程评估车友在处理FCW系统时的行为。 骑行场景的结构如下：乘坐直道，一辆车突然离开了骑车者前方的停车位。
另一方面，在高速公路上进行了使用LCS时车手行为的研究。 场景概述的设计如下：骑车者必须超越慢速车辆，当移动到左车道时，另一辆车以更高的速度从后面出来。 FCW和LCS的警告信息策略的效率已经通过比较骑车者在警告传递之后的时间段内的反应时间和机动时间来测量。
关于驾驶员的路上行为的模拟数据已经以30Hz的频率记录在日志文件中。 变量列表包括：PTW速度，车道上的位置，偏航，俯仰和侧倾角以及航向和横向车辆速度以及到车道标记的距离（参见图3）。
图3 - 测试期间收集的变量
首先对记录的数据进行分析，以找出反复出现的规避司机的动作; 特别是在碰撞和超车前停下来。同时为提交给骑车者的每个警告信息策略另外计算了骑手对警告事件的反应时间。
如图4所示，对这些数据进行的分析显示，最大程度的回避规避机动是在碰撞前制动。
图4 - 9个速度图示例FCW测试警告周期
图4报告了前9个测试的研究，而另一个分析基本上得出了类似的结论。这些数据突出了存在前碰撞警告时的常见行为，即骑车人刹车。此外，图5报告了当警告结合三种信号模式（视觉，听觉和触觉）发送时，这种行为如何更加明显。
图5 - FCW测试的行为仅使用一个信号（视觉，声音或HAPTIC），两个信号或三个信号的组合。三种被检测的行为是：骑手制动，加速或保持稳定的速度
最后，图6显示了当警告消息在3.5秒时传递碰撞，即在黄色级别而不是时间在2秒时碰撞，即红色级别，如何更好的报告确定行为。
图6 - 在碰撞时检测到FCW测试中的骑行者为3.5 S（红色等级）和碰撞时间5 S（黄色等级）
最后，对测试期间收集的数据进行更深入的调查发现，当骑车者感知黄色警告时执行的制动操作比红色警告短。这一结论强调了如何在黄色和红色两个不同的级别使用警告是无用的。需要定义的是何时发出警告以避免可能的碰撞。为了确定发出有效警告的时刻，有必要在障碍物前面的部分监视骑车者的行为（详见下面的部分），特别是观察制动类型。根据制动类型，骑车者的反应时间是可预测的，并且使用它可以选择是否在默认时间内提前发出警告。在这种情况下，警告仅传送一次，并且根据骑车者的反应时间，它在默认时间发送到碰撞或预期，以防止可
英语原文共 10 页
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。
