打开文本图片集

摘要：近年来，中国经济社会的快速发展，令世界瞩目，而公路的建设，对经济社会的发展起到了一定的推动作用。本文主要研究雾天行驶智能制动系统，着重研究雾天状态下通过测速雷达和红外成像技术计算车与车、车与人之间的距离以及二者之间可能发生事故的时间，做到提前预警及智能制动从而降低公路行驶汽车的事故率。

关键词：雾天行驶;智能制动系统;研究

引言：交通是兴国之要、强国之基。2019年9月19日，中共中央、国务院印发《交通强国建设纲要》可见交通的重要性。根据公安交管部门公布的数据显示，近几年交通事故数量急剧增长。雾天作为道路交通事故多发的环境之一，雾天驾驶行为已逐步成为道路交通安全领域的新的关注点。

一、研究背景

从全国雾天交通事故多发的10条高速公路路段中选取交通气象观测条件较好的4条路段作为研究对象，与晴天发生的交通事故相比，雾天交通事故后果更为严重，伤亡率明显增加。事故类型以撞击固定物和刮擦为主。雾天事故中，肇事车辆为重型货车、中型货车和大型客车的比例比晴天增加。雾天事故的原因主要有在同车道行驶未按规定与前车保持安全距离、操作不当、低能见度下不按规定行驶。统计表明，雾天交通事故主要发生在秋冬季节的凌晨至早上时段，事故高峰期为早上7∶00左右，这与大雾日数的时间分布具有较高的一致性。70%～90%的雾天交通事故发生在能见度低于1km的情况下，其中能见度低于100m的区间内的比例最高，25%～50%。能见度低于1km时，交通事故发生的概率密度随能见度增加而减小，尤其当能见度低于300m时，交通事故发生的概率出现突发性增长，当能见度低于100m，交通事故发生的概率密度增长到30%左右。雾天环境下一次道路交通事故的平均死亡人数约为正常环境下死亡人数的1.86倍。

据青岛理工大学机械与汽车工程学院实验表明，雾天环境下驾驶员跟车能力存在明显的差异性，行车速度对驾驶行为影响显著。试验选择雾天和驾驶速度为干预条件，根据可见度的不同分为晴天（能见度500m）、雾天1（能见度100m）和雾天2（能见度50m）3种情况，道路场景包括直角弯道和S型弯道2种主要的线形。结果表明，指定速度为40km/h时，3种环境下的驾驶行为无差异;指定速度为80km/h时，驾驶行为存在差异性.能见度100、50m时驾驶员的滞后率比晴天分别增加了41。17%和42。86%，跟车间距相对于晴天分别减小了23。74%和56。63%。

二、项目内容

系统组成：根据一切物体都可以辐射红外线的特点，按照红外线成像原理和制造技术，利用红外夜视的夜视技术，在驾驶汽车上安装红外热成像夜视仪，集成可见光、热像仪、激光测距机，构成一个成熟可靠的智能感知成像，信息传输系统。

系统优势：相对于传统灯光穿透迷雾，进行信息沟通的理论，该系统运用红外线代替传统黄色雾灯，既延续了很好的穿透能力，又提高了车辆对行人的智能识别能力，降低了由光的强度偏差，光强大小影响行人视觉带来的交通事故率，同时能有效降低雾天天气光污染现象。采用红外技术，更好的完善交通安全智能综合系统的研究。

雾天环境下车与人主要的两种碰撞形式：1.行驶车辆与横向移动行人，2.行驶车辆与纵向移动行人。智能化的体现：雾天天气对驾驶员视觉的影响主要体现在车距的估计和目标的识别，本系统旨在实现雾天车辆与行人之间高安全性、高智能化，高效率性的交流。结合智能识别，智能感知，智能分析，智能计算技术，将信息数据更直观，更简单，更形象的反馈给驾驶员。精准感知行人位置，行人移动方向，行人速度，从而为驾驶者提供更安全的驾驶方式。

三、项目内容及创新

本项目在对秋冬两季雾天天气事故发生率进行数据大统计分析的基础上，将测速雷达，红外热成像系统与汽车显示屏结合，实时模拟雾天天气汽车在行驶中智能侦测路面的实验方法。为了确保项目可实施性，项目进行阶段，通过引入多名实验者，多种不同设置参数的系统装置在雾天进行实验验证。分别计算实验过程中的碰撞风险率，自动制动准确性，以及对车与人间的信息匹配成功率。从而修正数学算法，做到收集计算到的信息对驾驶者呈递的高度准确性。

（一）雾天条件下，交通道路分析着注重于考虑驾驶者、行人安全问题，构建车-人-环境的道路行驶安全系统，突出了客观环境的影响，同时强调了驾驶者主体地位的重要性。

（二）红外热成像技术在汽车驾驶领域的应用，秋冬季节大雾天气更易精确捕获行人向外辐射的热量，代替灯光装置，提高对行人信息追踪的准确性，克服天气环境对行车的影响。

（三）以驾驶者和行车制动安全特性为依据，基于一种模糊的数学理论，引入特定风险指标参数，结合特定数学算法，构建一套雾天天气直观化的行驶中车辆智能安全系统。

流程图如图3所示：

四、雾天行车分析

（一）大雾天气对路面能见度的影响

雾以其能见度的变化进而影响公路上车辆的行驶安全性。能见度是标度人眼视程的一个物理量，它不仅与大气的光学特性有关，而且与人眼的视觉生理有关，气象上规定：标准视力的人眼在当时天气条件下，能够从天空背景中看到和辨认出（视角为0.5°～5°）黑体目标物的最大水平距离称为气象能见度。

雾引起能见度衰减的物理过程主要表现在两个层面：

一是雾对光的衰减，雾天环境下，雾滴粒子散射一部分入射的可见光而消弱其原有光通量。二是雾天目标物与背景亮度对比的减弱，驾驶员识别前方一个目标物是从该目标物的亮度与其背景亮度的对比中分辨出来的。相对亮度对比是描述人类识别视觉信号的重要物理量，人的大脑通过它来获得诸如物体的轮廓、构造及距离等信息。在雾天，光线被雾滴粒子散射，模糊了这种目标与背景的差异和亮度对比，消弱了引导驾驶员安全行车所必需的视觉信息。

当高速公路上有雾存在时，光的散射作用消弱了光通量，减弱了目标物与背景之间的亮度对比，导致能见度下降，从而改变了驾驶员的视觉信息。可见雾对光的散射作用是影响能见度的重要指标。这个指标可以用雾的散射消光系数来衡量。散射消光系数的表达式为：

Kex=∫_0^00▒〖（r^2）Qex（r，λ，m）n（r）dr〗

式中：

n（r）——雾滴数密度，个/cm3

r—-—雾滴的半径，μm;

Qex（r，λ，m）——雾滴散射消光因子，是雾滴尺度数α的函数，α=2πr/（λ），其中：

入——光的波长，μm;

m——粒子折射指数。

由此可见，雾中能见度主要由雾滴半径、雾滴数密度和光的波长决定。资料表明，当温度高于-18℃时，雾多半是由水滴组成的;当温度低于-20℃时，冰晶雾占多数;气温在0℃以上时，雾滴半径大多落在7～～15um之间，气温在0℃以下时，在2～5m之间。

根据雾中能见度的不同，可以把雾的强度划分为以下等级。

重雾：能见度小于50m;

浓雾：能见度在50～200m之间;

中雾：能见度在200～500m之间;

轻雾：能见度在500～1000m之间;

其中，能见度小于200m的浓雾和重雾对道路行车安全的影响较为明显。

五、雾天车辆驾驶信息支持分析

雾天条件下，驾驶员获取足够的车辆、环境信息并进行合理的处理是保障道路交通安全的关键因素。驾驶员对信息的处理，是在一定的时间下进行，并在一定时间内完成的，及时准确地对信息进行处理是安全驾驶的关键。驾驶过程可以简化为驾驶员的感知、判断及操作过程。根据对人行为的S-O-R（刺激-中间变量-动作）经典模式拓展，将驾驶机动车过程中驾驶员的行为分为感知阶段、判断阶段和操作阶段。驾驶过程的简化模型见图3-1。

驾驶员通过眼、耳等器官感知环境信息和车辆信息，形成所谓的“深度知觉”和“速度知觉”，如目测距离和估计车速等。中枢神经系统对信息进行处理判断，称为判断阶段，在该阶段实现对信息的反应判断，如速度的反应判断及信息注意等。驾驶员的运动系统依据中枢神经传来的指令，做出相应的动作，这一阶段主要由运动器官完成，称为操作阶段，主要体现在驾驶员的作业准确性及动作稳定性方面。

驾驶员差错事故是驾驶员在驾驶过程中发生感知、判断或操作差错造成的，驾驶员及时准确地对各种信息进行感知和处理是安全驾驶地关键，而在雾天条件下，驾驶员的感知、判断和操作能力都会受到影响。

雾天能见度的降低对驾驶员的感知能力如视觉、空间知觉和速度知觉造成直接影响。视觉影响表现为驾驶员对周边车辆的车速、车距、标志标线信息的获取能力降低;空间知觉的影响表现为驾驶员获取本车在车道中的位置信息、前方道路线形信息的准确性下降;速度知觉的影响表现为对本车车速的感知能力出现偏差。同时雾天条件下驾驶员的判断能力和操作能力也会收到影响。根据调查知道有70%左右的驾驶员在进入雾区时心理过度紧张，85%左右的驾驶员在雾天开车感到疲劳，反应能力下降，87.5%的驾驶员驾驶姿势会发生变化，容易出现操作失误。因此，一有意外，驾驶员容易惊慌失措从而引发交通事故。

通过对雾天车辆驾驶信息支持分析可知，要提高雾天行车安全性，提高驾驶员的感知能力是一种有效的方法。该方法以驾驶员最重要的感知能力-——视觉为切入点，结合雾对能见度影响的机理，通过技术手段改善雾天能见度，将清晰化的实时前方视景图像以视觉的形式提供给驾驶员，辅助驾驶员做出合理的判断，从而正确操作车辆行驶，实现保障雾天行车安全的要求。

六、自动紧急制动系统的仿真实验

（一）车辆工况

本次研究根据中国新汽车评价规程（CVFA）基于E级前置前驱SUV车型进行仿真实验，所使用的仿真程序为CarSim，结合车辆轮胎、悬架、制动系、传动系、转身系、车身等结构建立动力学模型，具体参数如表3所示。

（二）行人工况

本次研究所分析的行人工况具体包括两大类，分别为行人远端横向穿行和行人近端横向穿行，在此基础上依照碰撞位置的不同将远端穿行分别为CVFA-25和CVFA-50，依照碰撞位置的不同将近端穿行分别为CVNA-25和CVNA-75，具体工况如图7和图8所示。

在图7中，行人的运动轨迹为线段AA，行人的加速距离为G，车辆的行驶轨迹为线段BB，碰撞位置偏移量为C。近端场景25%碰撞位置为M，近端场景50%碰撞位置为K。

在图8中，25%远端场景碰撞位置为M，50%远端场景碰撞位置为L，25%远端场景碰撞位置偏移量为C。

本次研究共计设定5组工况参数，车速分别为20km/h、30km/h、40km/h、50km/h、6Okm/h。测试场景分别为CVFA-50、CVFA-25、CVNA-25、CVNA-75。其中CVFA和CVNA场景下的行人速度分别为6。5km/h和5。0km/h。

总结：由于本项目处于研究初期阶段，可能一些部分还需要通过实际情况来检验并且反复修正，我们会不断健全研发团队，初步计划与一些相关的科研机构合作，从而在实践中提供持续的创新能力，针对市场新需求，保障我们创新产品的持续优化更新能力及研发其他类结合性新兴产品的能力，进一步增加我公司团队的科研及理论力量。

参考文献

[1]严新平，吴超仲。智能运输系统-—原理、方法及应用。武汉：武汉理工大学出版社。

[2]黄朝迎。雾对公路运输影响的初步研究。

[3]王学堂。我国公路交通伤亡现状分析。中国安全生产科学技术。

[4]郝静涛，陈先桥，初秀民。低能见度驾驶员视觉主动增强系统设计。交通与计算机。

[5]郝静。雾大条件下驾驶员前方环境的信息采集系统研究：[学位论文]。武汉：武汉理工大学人学。

[6]周其焕。前视探测和多传感器综合视景系统在民机上的应用，航空电子技术。

[7]王斌，刘昭度，何玮等。车用测距雷达研究进展。传感器与微系统。

[8]朱珂。汽车防撞系统与毫米波雷达。轻型汽车技术。

[9]刘群。视景增强雷达系统的发展与展望。现代雷达。