本专题旨在探讨如何利用仿真软件开发自动紧急制动系统 AEB，主要通过整理开发流程，实现从需求到验证的全流程掌握，为后续开发提供支持；同时，研究了如何在汽车自动驾驶仿真工具中开发自己的算法，并解决了从 ISO、E-CNAP、GB/T 以及交通法规等提炼出功能需求的问题，以快速实现原型模型的开发。本专题重点讲解了 AEB 的工作原理、系统/软件架构和需求、算法模型及实现、CCRs/CCRb/CCRm 建模与仿真、VRU-AEB-B/P/M 建模与仿真，同时还提供了测试用例，期待最终将 AEB 算法成功地产品化。

1、概述

1.1 快速原型模型 RPM

快速原型模型（Rapid Prototyping Model，RPM），是一种快速且有效地进行软件开发的模型。它可以帮助开发者能快速创建原型，并在创建的过程中进行测试、评估和反馈，以加速迭代和改进。

使用 RPM 模型开发 AEB 算法的步骤：

1. 确定需求和功能规格：定义 AEB 要求和目标，研究可用的传感器和算法，确定 AEB 的实现方法。

2. 创建原型：为系统创建一个初始版本，包括必要的硬件和软件。该原型应该能够实现 AEB 基本功能，例如检测前方障碍物和自动制动。在创建原型的过程中，可以使用各种开源软件和库来加速开发。

3. 迭代和测试：在原型的基础上，迭代地进行开发和测试。每次迭代可以加入新功能或修复现有问题。尽可能进行自动化测试，以加快开发速度并降低错误率。

4. 确定可行性和性能范围：在完成 AEB 功能的开发后，进行全面测试并确定其可行性和性能范围。将测试实际道路上的原型，并评估各方面的性能如制动距离和反应时间。

5. 验证和确认：在确定 AEB 功能达到要求后，进行最终确认，并准备发布系统。

总之，RPM 模型是一种快速且有效的软件开发模型，它可以帮助团队加速原型的创建、测试和改进。通过使用 RPM 模型，开发团队可以更快地交付高质量的成品，同时保持高效率和高可靠性。

1.2 自动紧急制动 AEB

自动紧急制动系统（Autonomous Emergency Brake，AEB）是一种由传感器模块、判断决策中心、制动模块和车辆人机交互模块共同构成的汽车主动安全技术。其通过雷达或/和摄像头等目标检测手段实时监测车辆前方机动车、电动车、有人骑行的自行车/摩托车及行人情况，判断出现潜在风险时系统将自动采取预警与制动措施，为安全出行保驾护航。

AEB 系统具有很大的安全潜力。Euro-NCAP 的研究表明，AEB 可以避免 27% 的交通事故，同时能大幅降低碰撞事故中人员受伤害的程度。因此，AEB 受到了各国政府和评价机构的高度重视，Euro-NCAP 从 2014 年开始把 AEB 场地测试结果纳入整车安全性评价体系，ECE 也发布了 AEB  法规。在中国，交通部于 2020 年发布《营运车辆自动紧急制动系统性能要求和测试规程》，要求商用车自 2021 年开始强制安装 AEB 系统；另一方面，乘用车 AEB 安装规范还迟迟没有落地。在此之前，C-NCAP、iVista 等国内测评规范对于 AEB 都有了明确的要求和评估机制。

1.3 AEB 系统主要作用

AEB 系统的主要作用是在行驶过程中及时发布碰撞危险预警，自动实施制动来避免碰撞事故的发生或减轻事故造成的损害。具体而言，AEB 系统在城市和高速工况下，通过以下几方面实现安全保障：

1. 碰撞预警：通过传感器和计算机对前方路况进行分析，及时发现可能发生碰撞的危险。

2. 自动制动：在碰撞危险发生时，自动触发制动系统，以便更快地减缓车速或完全停车，从而避免或减少碰撞事故的发生。

3. 提高安全性：AEB 技术可以提高车辆的安全性能，降低交通事故的发生率。

AEB系统可以在以下几种情况下能有效降低交通事故的发生率：

1. 前方车辆急停：AEB 系统可以确保车辆及时停下来，避免与前车发生追尾事故。

2. 行人出现：AEB 系统可以感知到 0.5m 高的行人进入车辆前方的区域，并表明是否会与行人相撞，从而尽可能减少事故伤害。

3. 不安全的车道变更：AEB 系统可以依靠车载传感器和决策系统，感测到驾驶员意图的不良驾驶行为，并触发自动紧急制动。

从追尾事故的统计数据表明，在现实世界中，31% 的驾驶员在发生物理碰撞之前无任何刹车动作；49% 的驾驶员尽管进行了刹车，但刹车力不足，没能避免追尾；最后 20% 的驾驶员实施了全力刹车，但为时已晚。

因此对应的，对于进行了全力刹车但刹车太晚的驾驶员，AEB 系统提供了 FCW 前碰撞预警功能以提醒驾驶员及早进行刹车；对于踩了部分刹车的驾驶员，AEB 系统提供了 EBA 紧急刹车辅助功能，帮助驾驶员放大其所施加的刹车力，保证有效刹车；而最后，对于根本没有刹车的驾驶员，AEB 系统将提供最后的保护屏障，代替驾驶员进行刹车。

实际上，AEB 功能在危险发生前期还提供了 Pre-fill 预填充功能，即其预先要求 ESC 建压，缩小刹车盘与刹车片之间的距离，使得在危险发生时，刹车力能够更加快速有效的施加在车轮上。另外，除了通过声音报警以及显示在仪表盘上的报警信息外，还可以通过座椅震动、安全带收紧，或通过无需额外成本的点刹进行驾驶员提醒。

类似空战中空空/地空导弹的“不可逃逸区”，追尾事故也存在类似的“碰撞不可避免区”。根据统计，大约在进入此区域前 0.9-1.5s 内，可进行“点刹”提醒，而在进入此区域前 1.5-2.5s 内，可进行前碰撞的声光报警。

2. AEB 运行设计域 ODD

2.1 环境备件

白天

夜间

清晨

黄昏

2.2 天气条件

系统和传感器限制条件

雨天

雪天

雾天

冰雹

温度过高 -40 - 85

天气造成系统故障

       摄像头故障，下雨天雨刮刚好刮过，雨滴到摄像头上；阳光正射

       雷达故障

2.3 道路

道路类型

城市道路

城郊

道路条件

路面

半径

2.4 目标

类型

车辆

摩托车

行人

自行车

状态

静止

横穿

追尾

2.5 速度范围

8-120kph

2.6 驾驶员操作

制动

转向

油门

开关

挡位

2.7 车辆状态

车辆模式

充电

可以正常行驶

运输状态

展厅状态

休眠状态

底盘

ESC 状态

EPB 状态

Ibooster

SAS 状态

EPS 状态

传感器状态

       轮速传感器-车速

       方向盘转角传感器

制动踏板深度传感器

加速度深度

制动前温度

IMU 三个方向的线性加速度和旋转角速率

感知状态

       正常

       不正常

              传感器故障

              未标定

              被遮挡

3. AEB 算法原理

3.1 AEB 算法实现原理

自动紧急制动（AEB）算法基于车辆感知和刹车系统控制，可以帮助避免或减轻碰撞。下面是 AEB 算法的原理。

1.AEB 算法的第一步是进行环境感知，通过使用雷达和摄像头等传感器检测车辆周围的环境。这些传感器可以捕捉到障碍物及其距离、速度和方向。然后，AEB 算法使用高级信号处理算法，如机器学习、人工智能等技术，对传感器数据进行识别和分析。

2. 接下来，AEB 算法决策机制根据传感器数据和预定义的规则，判断是否需要触发制动，以避免或减轻碰撞。如果检测到与前方车辆或障碍物的距离足够近或速度差异足够大，AEB 算法将触发紧急刹车，这时驾驶员应立即采取行动。如果驾驶员未采取行动，AEB 系统将自动施加制动。

3. 在制动操作阶段，AEB 算法将使用预制动和最大制动力两种操作方式。在预制动阶段，AEB 算法会施加轻微制动，以确保驾驶员的注意力被吸引。如果警告后的一段时间内仍未有反应，AEB 系统将使用最大制动力，以避免发生碰撞。

需要注意的是，AEB 算法并不对所有情况都有效。例如，在极端的案例下，即使进行最大制动力操作，也可能无法避免碰撞。但是 AEB 系统可以减少事故的严重程度，甚至在某些情况下完全避免碰撞。

总的来说，AEB 算法是一种可靠而有效的技术，可以减少意外损害和死亡。此外，AEB 算法的不断改进和优化，使得 AEB 系统成为新车型标配，带来更大的安全保障。

3.2 经典 AEB 算法

经典的 AEB 算法可以分为以下几种类型：

1.基于时间-距离的 TTC AEB 算法：该算法根据车辆与前方障碍物的距离和相对速度，计算出需要的制动时间，从而实现逐渐缩小与障碍物的距离，直至停止的效果。该算法简单易实现，但对于动态环境下的复杂交通情况可能不够准确。

2.基于车辆运动动力学的 AEB 算法：该算法考虑了车辆的质量、惯性等因素，结合障碍物的位置、速度和曲率等参数，计算出需要的制动力，从而更加准确地控制车辆的制动情况。但该算法需要对车辆动力学参数进行精细建模，计算逻辑复杂。

3.基于机器学习的 AEB 算法：该算法使用监督学习的方法，通过训练模型来预测在不同情况下需要施加的制动力。该算法受制于训练数据的质量和数量，要求对样本数据的选择和标注具有一定的经验。

4.基于传感器融合的 AEB 算法：该算法利用多个传感器（如摄像机、雷达、激光雷达等）采集的数据，进行相互验证和补充，从而提高对障碍物的准确感知，进而实现更加准确的制动控制。但该算法需要处理传感器融合和数据对齐的问题。

以上算法各有特点，不同的应用场景可以选择不同的 AEB 算法。

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！