车路协同下大型车辆侧翻预警方法研究

由于环境感知能力不足，大型车辆的侧翻预警系统往往会出现漏报或误报等情况，因而利用车路协同将车外环境信息引入到大型车辆的侧翻机理分析中，研究其侧翻预警方法具有重要的理论和现实意义。本项目基于传统上利用车辆动力学特性来进行侧翻预警的研究工作，综合考虑车外环境与行车状态等信息，提取表征侧翻事故机理的特征向量，定义侧翻预警信息的数据类型；利用卡尔曼滤波与滑模观测算法在线处理从车路通信网络或传感器获取的各类数据，并运用D-S证据理论、神经网络等方法融合关联信息；考虑车外环境信息，建立大型车辆的侧翻预测模型，结合室内驾驶模拟仿真与车辆动力学仿真验证该模型。本项目试图在车路一体化环境下提出大型车辆侧翻预警的一种新方法，在理论和实践上为汽车安全辅助驾驶的研究提供新思路，同时也可促进车路协同的应用和推广。

车辆侧翻是一个复杂的过程，该事故致因涉及人、车、路和环境等多方面的综合因素。其中，行车环境又是侧翻事故发生的主要诱因之一，而现有的侧翻预警系统较少关注车外环境对侧翻事故的影响。特别地，车外环境较为复杂、多变，具有一定的不确定性。目前，国内外有关车辆侧翻预警系统的研究主要从车辆动力学分析出发，建立确定性的侧翻预测模型，缺乏研究车外环境对车辆侧翻的影响机理。.本项目提出将车辆侧翻事件看作一类随机过程，利用随机过程中的理论方法对车辆侧翻概率进行预测。针对复杂环境下车辆运行状态，在剖析道路环境因素和行车状态对侧翻影响机理的基础之上，研究车辆侧翻稳定性机理。随后，分析道路附着条件与侧风对车辆侧翻稳定性的影响。建立考虑侧向风、弯道线形、道路横坡角等因素的车辆动力学模型，基于此提出侧翻极限模型；引入不确定性理论的Haofer-Lind指标来建立侧翻概率预测模型，并采用FORM和SORM方法对模型同时进行求解；提出将车辆的当前侧向加速度与实时侧向极限加速度的比值这一相对量作为侧翻评价指标，替代传统上依靠侧倾角或侧向加速度的绝对量来进行侧翻预测。根据当前车辆运动状态来计算未来发生侧翻时的TTR值，从而得到改进TTR侧翻预警方法，以此判断车辆发生侧翻的危险程度；针对车辆在弯道的侧翻、侧滑等侧向失稳事件，引入车路协同思想，假设车辆与道路之间可进行信息交互，从而将车辆结构参数、驾驶人行为特性等引入到传统上基于道路环境信息的弯道安全车速计算模型中，建立一种综合考虑人、车、路等多因素的弯道安全车速计算改进模型。与传统的弯道安全车速计算模型相比，改进型模型一方面充分考虑驾驶人行为特性，引入驾驶人影响因子，另一方面不仅针对弯道侧滑事故，还特别考虑重型车辆在弯道的侧翻事故；最后，在大型车辆侧翻预警与弯道行车安全的研究基础上，以智能手机为平台，开发了一套大型车辆弯道侧翻预警系统。