道路障礙物對行車安全影響研究

第第頁道路障礙物對行車安全影響研究摘要：人-車-路-環(huán)境的多種因素共同影響著車輛行駛安全，現(xiàn)有的行車安全研究對于駕駛員特性及道路運行車輛影響方面分析較多，而對障礙物對于安全影響研究較少。針對在城市道路中路邊突然停下的車輛、施工占道或者道路上的靜止物體等將會對行車安全產(chǎn)生潛在威脅，提出影響行車安全的另一因素――道路障礙物，建立路面障礙物行車影響模型，評估該因素對行駛車輛造成的危險程度，為在復雜交通環(huán)境下的駕駛行為及行車安全預警提供理論支持。

關鍵詞：交通工程；道路障礙物；行車安全；危險程度

0引言

隨著我國經(jīng)濟發(fā)展，機動車保有量逐漸增加，行車安全技術(shù)也得到了長足的發(fā)展，已經(jīng)逐步由被動安全過渡到主動安全的階段。主動安全技術(shù)，則是通過預先的防范措施，比如說碰撞、預警保護來避免事故發(fā)生[1]。研究發(fā)現(xiàn)，若駕駛員能夠早1s意識到事故危險而采取相應措施，則可以避免大部分的交通事故[2]。目前，提高智能車的道路交通安全性，環(huán)境感知傳感器的應用是最具前景的技術(shù)之一[3]。文獻提出基于駕駛行為及意圖的主動安全技術(shù)，利用車輛運行狀態(tài)和環(huán)境信息，分析識別和預測駕駛行為及意圖，并根據(jù)判斷結(jié)果，進行相應的預警。文獻建立了車間縱向相對距離控制模型的二維模型。

實際交通運行環(huán)境下，駕駛員自身特性、道路上運行的車輛以及時刻變化的道路、天氣條件共同影響著車輛的行車安全。在城市道路中，前方的占道施工、路面的大型障礙物、突然減速慢性或者隨意靠邊停放的車輛都會構(gòu)成一個危險而復雜的交通環(huán)境，造成的交通影響較大，給正常駕駛帶來威脅，容易誘發(fā)交通事故和交通擁堵，成為城市道路的瓶頸路段。通過研究道路上靜止障礙物給行車安全帶來的影響，計算行車風險，為智能車輛安全控制技術(shù)提供理論參考。

1行車安全區(qū)域的概念

車輛行駛到道路上，人-車-路構(gòu)成的交通環(huán)境共同復雜作用，影響著駕駛員的行車安全。駕駛員特性與其他車輛的特性時刻變動，難以定量測量，而道路條件及周邊環(huán)境可以通過路面附著度率、坡度等參數(shù)表達，環(huán)境因素則包括可視度和天氣條件。

行車安全領域是指在諸多交通因素影響的前提下，以車輛為中心形成的一塊區(qū)域，用以衡量各類交通因素綜合作用對行車安全造成的影響。當車輛行駛在道路環(huán)境條件不佳，或者周圍有高速變道、超車、突然停車車輛，此時已經(jīng)已經(jīng)存在的威脅程度超過了行車安全區(qū)域的邊界值，即可能會對行車安全造成危險，可發(fā)出預警信號，促使駕駛員改變駕駛行為，保證行車。行車安全區(qū)域隨著時間和空間發(fā)生變化，本文著重研究路面出現(xiàn)的靜止障礙物及道路條件對行車安全的影響區(qū)域。

路面靜止障礙物包括突然路邊?？康能囕v、占道施工、路面廢棄物等，屬于潛在的行車安全隱患，當駕駛員視野習慣駕駛條件時，突然出現(xiàn)的路面障礙物會對駕駛員造成驚嚇，不同的駕駛員感知-決策-處理能力不同，反應時間也有所差異，因此存在不同程度的危險。當駕駛員處于跟馳狀態(tài)時，前方車輛的突然減速，使得兩車相對速度迅速減少，此時可將前車視為靜止障礙物，當兩車距離小于行車安全區(qū)域邊界值時，車內(nèi)智能安全輔助系統(tǒng)立刻做出預警提示，提示駕駛員改變操作行為，通過減速或者變道行駛，有效避免追尾或擦掛情況，保證行車安全。

2行車安全影響模型

2.1基本概念與假設

路面靜止的障礙物可以視為交通環(huán)境的一部分，但是其在道路上不移動的狀態(tài)給行車安全帶來了潛在的危險，當運行車輛與靜止對象發(fā)生碰撞時，靜止對象的質(zhì)量、角度等因素決定著危險程度?，F(xiàn)做出幾點假設如下：

1）碰撞嚴重程度與靜止對象的質(zhì)量、形狀相關聯(lián)，“計算質(zhì)量”越大在，造成的碰撞損傷越厲害?！坝嬎阗|(zhì)量”并非單指對象的物理重量，而是由速度、重量、路面附著度、坡度等因素共同影響形成的虛擬質(zhì)量。

2）行駛車輛與靜止對象的距離越小，發(fā)生碰撞的可能性越大，危險程度也越高。然而危險程度與距離并非線性相關，隨著距離減小，危險程度迅速增加，因此，在本文假設危險程度隨距離的減小呈指數(shù)增長。

3）在危險程度隨距離減少而呈指數(shù)增長的過程中，不考慮行駛車輛靠近靜止對象的方向?qū)ξｋU程度的影響作用。

路面條件同樣與行車風險度相關聯(lián)，道路條件越惡劣，行車的危險程度越高。然而，道路上靜止的障礙物造成的行車威脅主要源于環(huán)境的可視性，可視性越差，越不容易察覺到道路上的靜止障礙物，難以做出及時反應，行車風險隨之增加。

2.2模型的建立

根據(jù)上述分析，建立直角坐標系用以表示行駛車輛與靜止對象的位置、距離等，設靜止對象在道路上位置為，則道路靜止障礙物對行車安全影響模型如下：

（1）

其中，為對象在所處道路環(huán)境下對周邊環(huán)境造成的潛在危害程度；

軸表示道路方向，軸表示垂直于道路方向；

靜止對象的質(zhì)心坐標為；

為車輛與障礙物之間的距離；

，為大于0的常數(shù)；

為對象的虛擬質(zhì)量；

為點處的道路環(huán)境參數(shù)；

的值越大，說明對靜止對象對周邊造成的潛在威脅越大，的方向和的方向一致。

例如一輛停放在路面的車輛，其對周邊造成的潛在危險程度逐漸增大，潛在危險區(qū)域的中心即車輛的停放位置，傷害程度趨于無窮大，則表明當車輛接近中心點時，必然會發(fā)生碰撞，產(chǎn)生危險；隨著兩者距離的增加，區(qū)域內(nèi)的危險強度逐漸降低，距離越遠，危險越小。當距離增加到一定大時，即車輛與靜止對象相隔較遠時，此時靜止的對象對車輛不存在威脅。

2.3虛擬質(zhì)量的確定

不管是移動還是靜止的車輛，都會對道路上正常行駛的車輛產(chǎn)生潛在的威脅，而這些對象的重量、位置、速度等因素決定潛在威脅程度的大小，本文將所有這些影響因素綜合考慮，提出“虛擬質(zhì)量”的定義，其公式表達如下：（2）

其中，為運動或靜止對象的虛擬質(zhì)量；

為對象的真實物理質(zhì)量；

表示對象的車輛類型；

、為常量；

為對象的速度；

因此，對象可以表示靜止或者運動的車輛。虛擬質(zhì)量可用于衡量對象對行駛車輛造成的潛在威脅程度，即行駛車輛與對象之間發(fā)生碰撞的時造成的損失程度，由真實的物理質(zhì)量、車輛類型、以及速度共同決定，越大，損失程度越大。同種車型的車輛，物理質(zhì)量越大、速度越快，虛擬質(zhì)量則越大，造成的潛在危險程度越高，碰撞時損失程度也越高。因此，同等物理質(zhì)量與速度的情況下，可能碰撞的危險程度取決于對象的類型，車輛與行人之間的碰撞損害程度遠大于車輛與車輛之間的碰撞。

2.4道路條件影響因素

道路交通影響著行車安全，惡劣的道路及天氣條件更容易引發(fā)交通事故。道路環(huán)境包括道路線性、曲率、坡度、可視性等，這些因素共同影響行車安全，用表示，對象所處的位置的環(huán)境影響因素可表示為：

（3）

其中，表示可視度；

表示道路附著度；

表示道路曲率，表示道路坡度；

、為小于0的常數(shù)；

、為大于0的常數(shù)；分別表示可視度、道路附著度、曲率、坡度的平均值。

當對象時靜止不動時，其道路環(huán)境影響因素可表示為：。

3模型示例

假設在某一車道上，后一輛車跟隨前一輛車行駛，行至某一點處，前車突然減速行駛，并打算靠路邊停車，此時后車駕駛員需要立刻做出判斷，在減速的同時觀察周邊情況，進行變道行駛，運用上述模型對該情況如圖1所示進行分析。

圖1跟車模型示意圖

跟隨車輛1的車速為，減速后的前車2車速為，兩車之間距離為，車輛2對車輛1形成行車安全影響區(qū)域，影響區(qū)的中心為車輛2所處位置，即越靠近車輛2越危險，兩車發(fā)生碰撞時造成的危險程度最高。

隨著距離的減少和相對速度的增加，影響程度迅速增大，表明危險程度增加，得出的結(jié)果滿足于實際情況和本文的模型設計。

4結(jié)論

本文就路面靜止障礙物對駕駛員行車安全的影響機制進行探討，在此基礎上構(gòu)建行車安全影響模型，相比于現(xiàn)有的行車安全評價模型，該模型可需更少的參數(shù)即可確定行車安全的影響范圍，可運用在跟車行駛情況下，為完善智能駕駛的安全輔助功能提供了新的思路。

未來的工作將會集中在以下幾個方面：1）研究更多例如交通標志、車道標志等因素對行車安全的影響；2）研究該模型中參數(shù)的確定，減少計算誤差；3）利用不同的位置場景證明本模型的有效性。

參考文獻（References）

[1]世界衛(wèi)生組織.道路交通傷害世界報告[R].日內(nèi)瓦：世界衛(wèi)生組織，2004.

[2]周智.基于激光雷達的智能車主動安全算法與模型研究[D].湖南：中南大學，2012：8-9.

[3]張建輝，黃茂三.汽車防撞雷達概述[J].汽車世界，2000，（6）：16-18.

[4]HerpelT，LauerC，GermanR，etal.Multi-sensordatafusioninautomotiveapplications[C].Proceedingsof3rdInternationalConferenceonSensingTechnology.Tainan，Taiwan，2008：206-211.

[5]儲穎，肖獻強，朱家誠.基于駕駛行為及意圖的汽車主