摘 要

AEB系统是汽车主动安全的重要组成部分，能够有效减少高速路上的追尾事故，保护驾驶人员安全，是目前国内外智能汽车领域的一个重要研究方向。本论文以SCOUT线控底盘车为研究对象，通过分析AEB系统架构及应用，设计了一种基于Apollo平台的AEB系统框架总体方案，包括环境感知部分、决策部分、执行部分以及自动紧急制动控制策略等方面，详细研究内容为：

（1）设计了一种基于Apollo平台的AEB系统框架总体方案，采用毫米波雷达为距离测量传感器，通过Apollo平台开发相应的控制策略，实现对SCOUT线控底盘车的自动紧急制动控制。

（2）在当前最小安全车距算法基础上，提出了一种优化的避免碰撞模型，基于汽车制动过程的动力学相关理论，分解制动距离并分别推导出制动协调阶段距离模型、减速度增长阶段距离模型、持续制动阶段距离模型、前车制动距离模型。

（3）模型中考虑了路面附着系数、人体舒适性对最大制动减速度的影响，并设计了相应的信号数据滤波算法，减少最小安全车距计算误差，提高了模型计算的准确性。

（4）在Apollo控制策略开发平台上，设计了直路行驶和交叉路行驶两种场景，并按照设计的控制算法进行了仿真运行。通过仿真证明，车辆按照该最小安全车距模型能够有效进行制动，以保证行驶安全。

关键词：AEB系统架构；Apollo应用开发；毫米波雷达；最小安全车距

Abstract

AEB system is an important part of active vehicle safety, which can effectively reduce rear-end accidents on the highway and protect the safety of drivers. It is an important research direction in the field of intelligent vehicles at home and abroad. This paper takes SCOUT linear control chassis as the research object. By analyzing AEB system architecture and application, it designs a general scheme of AEB system framework based on Apollo platform, including environmental perception part, decision-making part, execution part and automatic emergency braking control strategy. The detailed research contents are as follows:

(1) A general scheme of AEB system framework based on Apollo platform was designed. Millimeter wave radar was adopted as the range measurement sensor, and corresponding control strategy was developed through Apollo platform to realize automatic emergency braking control of SCOUT line-controlled chassis.

(2) on the basis of the current minimum safety distance algorithm, an optimization to avoid collision model is put forward, based on the dynamics of automobile brake process related theory, decompose the braking distance and braking coordination phase distance model is deduced respectively, reduce speed growth, continuous braking distance model phase distance model, vehicle braking distance model.

(3) The influence of road adhesion coefficient and human comfort on the maximum braking deceleration is considered in the model, and the corresponding signal data filtering algorithm is designed to reduce the minimum safety distance calculation error and improve the accuracy of the model calculation.

(4) On the Apollo control strategy development platform, two scenarios of straight road driving and cross road driving were designed, and the simulation operation was carried out according to the designed control algorithm. The simulation results show that the vehicle can brake effectively according to the minimum safe distance model to ensure driving safety.

Key Words：AEB system architecture；Apollo application development；Millimeter wave radar；minimum safety distance

目 录

摘 要 I

Abstract II

目 录 III

第1章 绪论 1

1.1 研究背景及意义 1

1.2 国内外研究现状 1

1.2.1 自动紧急制动系统环境感知技术 1

1.2.2 自动紧急制动系统控制策略 3

1.2.3 自动紧急制动系统拓展研究现状 4

1.3 研究目的与研究内容 5

1.3.1 研究目的 5

1.3.2 研究内容 5

第2章 AEB系统架构设计 6

2.1 毫米波雷达传感器 6

2.1.1 ARS-408毫米波雷达 6

2.1.2 工作原理 7

2.1.3 数据通讯协议 9

2.2 Apollo控制策略开发平台 11

2.2.1 平台结构 11

2.2.2 平台运行原理 12

2.3 SCOUT线控底盘车 16

2.3.1 底盘车性能 16

2.3.2 CAN控制指令 17

2.3.3 CAN通讯协议 23

2.4 小结 25

第3章 AEB系统控制建模 26

3.1 车辆追尾碰撞过程分析 26

3.2 安全车距模型 26

3.2.1 制动协调阶段行驶距离模型 27

3.2.2 减速度增长阶段行驶距离模型 28

3.2.3 持续制动阶段行驶距离模型 29

3.2.4 前车制动行驶距离模型 29

3.2.5 最小安全车距模型 29

3.3 制动控制模型 30

3.4 小结 31

第4章 AEB系统仿真验证 32

4.1 仿真条件 32

4.2 仿真过程 32

4.3 仿真结果与分析 37

4.4 小结 39

第5章 总结展望 40

5.1 工作总结 40

5.2 研究展望 40

参考文献 42

致 谢 44

第1章 绪论

1.1 研究背景及意义

根据公安部交通事故年报的数据显示，2018全国交通事故发生总数为244937，死亡人数为63194，受伤人数为258532，直接财产损失为138456万元^[1]。在这些事故发生成因中，驾驶员因素占有极大的比重^[2]。研究分析表明，假如驾驶员能提早0.5秒得到预警并采取相应措施，可以避免50%的交通事故，若能提前1秒，则可以避免绝大多数交通事故^[3]。在此基础上，很多研究机构针对能够主动辅助驾驶员的主动安全技术展开了各类研究，其中自动紧急制动系统是很有应用价值的一部分。根据Euro-NCAP研究数据显示，AEB系统可以避免27%的碰撞事故^[4]。AEB能够很大程度上避免追尾事故的发生或减轻事故的严重程度，保护驾乘人员的安全，同时AEB作为新兴的无人驾驶等关键技术的重要组成部分，已经成为国内外智能汽车领域重点研究方向^[5]。

近年来，各大汽车厂商和研究机构也越来越重视AEB系统的研究，一些主要的汽车厂商相继开发了各自的AEB产品，主要代表有沃尔沃的City Safety系统、大众的Front Assistant系统、奔驰的PRE-SAFE Brake System、本田的Collision Mitigation Brake System 系统等等，尽管名称各不相同，但是系统的工作原理都是能够在紧急状况下进行车辆主动制动来保证安全。随着全球主要厂商都开始投入开发各自的AEB产品，一些汽车测评机构如Euro NCAP、NHTSA、J-NCAP、C-NCAP等更加关注AEB系统在汽车上的应用，并相继将AEB系统纳入新车主动安全评价规程，推动着AEB的发展^[6]。

1.2 国内外研究现状

1.2.1 自动紧急制动系统环境感知技术

（1）毫米波雷达

毫米波雷达的目标检测距离范围较大，对天气的敏感性低，在车辆高速行驶时的纵向防碰撞系统场景中应用广泛。高镇海等在大地、车辆、毫米波雷达三者的相对运动基础上，设计基于雷达坐标系的前方目标车辆的运动状态模型^[7]。利用自适应卡尔曼滤波算法来准确估计目标的运动特性，并利用实车实验来检测算法的精度和准确度，实验效果良好。肖雨琳利用毫米波雷达传感器，依据同车道车辆距离最近原则进行有效目标车辆初选^[8]。利用四阶卡尔曼滤波算法精准检测目标，在进行目标的选择时，根据目标的生命周期算法，从而能够实时准确地辨别目标轨迹，再利用建模跟踪的方式估计目标运动特性。在相关的研究中，应用较多的类型有24GHz和77GHz毫米波雷达，生产厂家主要有BOSCH、杭州智波、深圳卓泰等。

（2）单目和双目摄像头

摄像头在进行图像识别时，能够检测到图片的具体信息，并且结构不太复杂，制造成本相对较低，能够提供更多目标车辆信息，摄像头越来越成为道路环境检测中不可缺少的一部分。摄像头利用感光组件将采集的图像进行处理，再将信号转化为数字信号输出。Wang等利用摄像头图像识别技术，提出了一种基于角的优化方法来优化人脸区域^[9]。针对人脸状态的识别，在基于肤色的前提下，利用KNN算法，创建能够准确识别驾驶员脸部的疲劳状况的模型。许宇能等在构建6自由度车载单目摄像头测距模型的基础上，在摄像头任意方位转变下，能够三维重建车辆前方道路信息^[10]。选用基于地平线位置的方式对摄像头进行基准定义，并提出利用道路轨迹的消失点预估路面及车辆的相关信息，实验检测效果很好。单目、双目摄像头检测环境时能够获得更多的细节，并且能辨别行人、小孩、动物等多类目标，是行人AEB系统的重要组成部分^[11]。由于摄像头的技术比较成熟，价格相对便宜，能够有效辅助驾驶员，已经成为智能驾驶中必备的环境感知传感器，市场上主要的产品有DELPHI、Mobileye、中科慧眼、Maxi Eye等。

（3）激光雷达

激光雷达同样也是利用发射接收激光波来检测目标，相比较摄像头，具备探测精度较高、工作稳定性强、环境适应性好的优点。通过发射机、接收机来进行激光的发送、接收，比较收发的时间差，就能计算出要检测的目标与主车的相对间距，同时通过扫描或多股光线同步测量来获取角度信息，从而实现对目标的准确测量。将测量的轮廓信息组成图层点云，并依据点云绘制感知环境的三维地图，这样的测量精度较高，在车辆低速行驶时表现出良好的适应性^[12][13]。激光雷达由于技术还存在一些短板，造价较高，所以没有摄像头应用广，市场上较高精度的激光雷达产品主要有Velodyne、Ibeo、速腾聚创、北科天绘等。

（4）多传感器融合技术

毫米波雷达只能实时检测主车前方目标环境；摄像头在光线较弱时，对路面感知能力急剧下降；激光雷达由于其检测原理的局限，无法检测红绿灯及交通标识等图像信息，并且受极端天气影响较大。车辆在实际道路行进时，道路环境千变万化，由于单一传感器的原理性缺陷，不能适应各种道路环境，使得车辆不能准确识别道路环境。因此，为了保证AEB系统对环境感知的可靠性，一些汽车厂商开始考虑安装多个不同种类的传感器，综合各传感器的优势条件，将环境感知数据进行有效融合，实现车辆对环境的更加可靠的感知。但是由于车辆需要安装多个传感器，AEB系统整体费用也会随之增加很多。随着传感器及其加工制造领域技术的发展，将会大大减少生产成本。“激光雷达 摄像头 毫米波雷达”的多传感器融合技术在将来会成为AEB系统对环境感知的主要解决方案^[3]。

1.2.2 自动紧急制动系统控制策略

（1）基于车辆行驶安全距离的控制策略

基于车辆行驶安全距离的避免碰撞控制策略主要针对主车和同向车道前方车辆，控制两车间距能够保证车辆在遇到紧急情况制动时不发生碰撞，这个距离的最小值表示为最小安全距离。张辉宜等提出在建立前后两车的运动模型的基础上，设计了最小安全距离的计算公式^[14]。这种计算方法充分考虑车辆动力学分析，考虑两车相应制动阶段的制动距离，能够更加准确地计算最小安全距离，在高速公路场景中能够有效避免车辆碰撞，从而提高高速公路的使用效率。Lee D. H.等在研究汽车的期望减速度、液压制动机构的特性的基础上，提出安全距离计算模型^[15]。在此基础上，设计主动制动的控制算法模型，在汽车上的适应性很好。SeungwukMoon基于轮胎路面附着因数估计模型对路面附着系数进行估计，提出了一种安全距离碰撞策略，可以精确计算安全距离^[16]。项楚勇等考虑车辆的安全特性和最优化换道的轨迹，设计了基于模糊推理的危险评估模型^[17]。在对车辆制动特性和转向功用的研究基础上，计算出避免碰撞的纵向临界距离，并利用PreScan和MATLAB进行联合仿真实验，结果显示该模型具有很强的实用性。

（2）基于驾驶员反应特性的控制策略

基于驾驶员反应特性的避免碰撞控制策略，主要考虑驾驶员在发现突发危险后的反应时间，以及做出制动行为后车辆的迟滞反应时间，在此基础上计算出制动总反应时间。李霖等基于驾驶员的紧急制动行为来创建危险估计模型，并提出了两级预警、两级制动的避免碰撞控制策略^[18]。进行危险估计模型设计，利用模型计算出的危险等级来选择对应的控制方式，并介入制动系统的控制，实验结果显示该策略有很好的适应性。Han等使用combined-slip轮胎模型来估计路面峰值系数，并将路面附着系数联系到总的防碰撞时间^[19]。将计算出的考虑驾驶员反应特性的TTC阈值作为判断车辆紧急制动的标志，在不同的路面附着情况下的制动时间也是变化的，这样更加适应真实情况，提升了AEB系统的工作性能。Zhang通过分析CCRb情景下的AEB避免碰撞控制策略，提出一种通过路试间接测量AEB系统避免碰撞响应时间的方法，具有较高精度和可行性^[20]。裴晓飞等以碰撞时间的倒数（TTC-1）建立行车危险估计算法^[21]。基于毫米波雷达目标检测算法，考虑道路危险系数及其分布等级，结合驾驶员反应特性，采用分步报警和制动控制，使得控制精度很大提高，很有实际意义。

（3）基于道路状况的控制策略

基于道路状况的避免碰撞控制策略主要考虑结合道路的情况，比如前方车辆、道路附着系数、弯道、坡度等，再来制定相应的控制策略。黄慧玲等利用单目视觉识别前方车辆，提出基于车辆行为识别的前向碰撞预警方法^[2]。该方法利用卡尔曼滤波和隐马尔代夫模型对车辆运动进行分析建模，结合划分的危险因子来评定风险等级，实验表明该方法能够提高预警的准确性。赵富强等采用计算机视觉方法，实现对前车碰撞时间、并线和对非机动车等进行预警^[22]。系统利用相关传感器进行环境检测，采用跟踪循迹算法，及时准确地获取目标车辆的运动信息，再结合主车信息，判断风险程度并进行安全预警。冯海鹏在对车辆性能、路面条件、前车信息分析的基础上，建立了基于车辆逆纵向动力学模型的期望制动减速度控制模型^[23]。该模型考虑到制动系统的功用原理，结合路面的附着信息，在准确感知前车的基础上，设计能够更加适应道路条件的自动紧急制动策略。蓝天等根据最优预瞄加速模型，建立了汽车弯道防撞控制算法^[24]。该算法基于车辆运动控制模型原理研究，通过角度预估分析车道前方障碍物，考虑道路实际行驶环境条件，从而可以准确辨别前方弯道车辆。

1.2.3 自动紧急制动系统拓展研究现状

由于AEB系统具有很大应用价值，国内外很多学者和研究机构在AEB系统的结构基础上，进行了很多扩展性研究，结合车辆实际行驶的各种场景环境，设计开发了不同应用场景下的AEB系统。