一种对未来车辆汽车驾驶员辅助系统的安全效能预测方法
[0051] 为了实现评估驾驶员辅助系统这一目标，在确定ASC之后，我们还需要两个函数， 即发生每一 ASC等级的概率P [ASC]和在各ASC下的损伤风险概率P [MAISx+1ASC]。P [ASC] 表示每一 Asc等级在所有考虑的事故场景中占的份额（概率），p[maisx+|asc]表示在此 ASC等级事故中损伤达到MAISx+级（损伤达X级及以上级别）的风险，即在此ASC下的事 故损伤结果中MAISx+级损伤所占的份额。
[0052] 如果这两个概率函数存在，则在整个事故样本范围内MAISx+的风险概率可利用 数理统计的计算方法得到，如下式，即所有ASC级别损伤达到MAISx+级的风险概率之和。
[0053]
[0054] 3.确定每一 ASC具有代表性的碰撞速度vk (ASC)与P [MAISx+1ASC]的关系
[0055] 对于每一 ASC，要确定一个具有代表性的速度，这可以由整车制造商确定。其结果 是，每个ASC可以有对应的碰撞速度vk (ASC)。那么，对于所有的ASC，vk(ASC)和P [ASC]、 p [MAISx+Iasc]都成为已知量，所以可以借助回归分析建立vk (Asc)和p [MAISx+Iasc]之间 的关系，过程如图1，在图中每一个点都代表一个ASC下的Vk和对应的P [MAISx+1ASC]。
[0056] 4.确定每一 ASC其代表性的事故场景
[0057] 被碰撞的对象、碰撞的方式、碰撞的角度，都在第2步中已知，那么对于某一 ASC相 对应的事故场景，目前未知的参数就主要包括运动速度和制动距离了。由于事故数据库中 有事故的初始速度、制动距离，所以我们可以利用这个数据得到初始事故场景；然后我们利 用这些初始数据进行仿真，并通过逐步的修正，就能使得碰撞时刻的速度与逐渐第3步中 确定的vk (ASC)吻合。吻合至此，描述这个ASC更准确的事故场景就知道了。
[0058] 这种做法的优点是，这代表性事故可以先是一个假想事故（即我们上面定义的初 始事故场景），此代表性事故的速度可以依靠工程判断或制造商来确定。所以，假想事故可 以具有较高的可靠性，并且使得仿真的次数减少。由于要仿真的事故数量减少了，代表性事 故可以进行深入的仿真运算，本方法只需对每次事故组中的一个事故进行仿真，而不是像 以前的办法要对每一个事故仿真。
[0059] 5.辅助系统在有代表性事故场景中的安全效能估算
[0060] 在上述通过仿真确定的这个ASC对应的事故场景下，我们加上安全辅助系统，利 用这个事故场景，就能测得一个新的vk和对应的新的ASC，这个就是重新计算的在有安全 辅助系统下的事故场景的ASC。
[0061] 在确定好的所有ASC的事故场景下我们加上安全辅助系统，利用事故场景，测得 一个个新vk和对应的新的ASC，这个就是重新计算的在有安全辅助系统下的所有事故场景 的ASC。之后对所有场景下的ASC进行重新统计，与第2步描述的方法一样，相应的，在有安 全辅助系统下的两个函数一P[ASC有系统]和P[MAISx+|ASC有系统]都可确定，以及P[MAISx+有 系统]也可确走。
[0062] 当得到了未安装安全辅助系统的和有辅助系统干预后的碰撞之后，可以类比我们 在前面所利用的基于车辆变形程度的计算过程，其降低损伤的有效性评价可表述为：
[0063]
[0064] 通过这个有效性评价结果，就能知道辅助系统对提高汽车安全性是否有效，结果 为正说明辅助系统对提高汽车安全性有效，结果为负说明辅助系统对提高汽车安全性无良 好效果。
[0065] 结论
[0066] 本文概述了一种基于车辆变形程度的对未来车辆驾驶辅助系统的有效性预测方 法。通过引入以变形程度为因变量的事故严重程度等级ASC概念，和该等级与损伤程度、碰 撞速度的函数关系，来估计驾驶员辅助系统的应用对于汽车安全效能的整体改善程度。总 结本文可得出如下结论：
[0067] (1)车辆变形程度信息相比于事故数据库中的速度信息更适于作为评价事故严重 程度的指标。
[0068] (2)提出的方法由于不依赖于事故交通参与者的速度信息，可以有更多的事故数 据量进行统计计算，从而更加全面准确地评价驾驶辅助系统的安全效能。
[0069] (3)此方法中用到的数据都是垂首可得的，整车制造商可提供不同碰撞情况的速 度信息；NCAP检测可以提供汽车的检测结果，以便估计车辆的刚度；事故统计者可以提供 事故的数据，其中包括车辆变形指数。
【主权项】
1. 一种对未来车辆汽车驾驶员辅助系统的安全效能预测方法，其特征在于：这是一种 基于车辆变形程度的预测方法，所述方法的实施包括如下步骤： 1) 基于车辆变形程度确定相似刚度的车辆组； 2) 确定相似刚度的车辆组中事故严重程度等级一一ASC，及与之相关的函数； 3) 确定每一 ASC的代表性碰撞速度vk与该ASC下的损伤风险概率P [MAISx+1ASC]的 关系； 4) 确定每一 ASC的有代表性的事故场景； 5) 有辅助系统的车辆在有代表性事故场景中的安全效能评价，通过评价结果，得知辅 助系统对提高汽车安全性是否有效。2. 根据权利要求1所述的对未来车辆汽车驾驶员辅助系统的安全效能预测方法，其特 征在于：确定相似刚度的车辆组的方法是：从车辆的NCAP测试结果得到车辆变形程度，获 得了历史的车辆变形程度数据后，通过聚类分析，划分车辆刚度级别，同一级别下的车辆组 成相似刚度的车辆组。3. 根据权利要求1所述的对未来车辆汽车驾驶员辅助系统的安全效能预测方法，其 特征在于：确定相似刚度的车辆组中事故严重程度等级一一ASC及与之相关的函数的方法 是： i .根据车辆变形程度数据、碰撞对象的种类、碰撞方式、碰撞的角度，确定描述事故 场景的ASC ; ? .在确定了所有的ASC之后，进而确定发生每一级ASC的概率P [ASC]和在各ASC下 的损伤风险概率P[MAISx+|ASC]，MAISx+表示事故损伤结果中达到X级及以上的损伤； iii.在整个事故样本范围内，所有ASC下，损伤达到MAISx+级的风险概率之和为：4. 根据权利要求1或3所述的对未来车辆汽车驾驶员辅助系统的安全效能预测 方法，其特征在于：确定每一 ASC的代表性碰撞速度vk与该ASC下的损伤风险概率 p [MiSx+Iasc]的关系的方法是： 对于每一 ASC，一个具有代表性的碰撞速度vk，由整车制造商确定； 对于所有的ASC，vk和P[ASC]、P[MAISx+|ASC]这些参数，借助回归分析建立vk和 p [maisx+|asc]之间的关系。5. 根据权利要求1或3所述的对未来车辆汽车驾驶员辅助系统的安全效能预测方法， 其特征在于：确定每一 ASC的有代表性的事故场景的方法是： i .描述某一ASC相对应的事故场景，包括了被碰撞的对象、碰撞的方式、碰撞的角度、 以及事故初始的运动速度和制动距离，在数据库中可以得到，利用这些数据得到初始的事 故场景； ii .然后我们利用这些初始数据进行仿真，并通过逐步的修正，使得碰撞时刻的速度 逐渐与代表性的碰撞速度vk吻合，至此，描述这个ASC代表性的事故场景就知道了。6. 根据权利要求1或5所述的对未来车辆汽车驾驶员辅助系统的安全效能预测方法， 其特征在于：有辅助系统的车辆在有代表性事故场景中的安全效能评估的方法是： 将加上安全辅助系统的车辆应用到所确定的每一个代表性的事故场景中，这些代表 性事故场景中能测得一个个新的vk和对应的新的ASC，在新的ASC下，确定P [ASClf3Igi ]、 P[MAISx+|ASC有系统]以及P[MAISx+有系统]，P[ASC有系统]指有辅助系统下发生每一级ASC的 概率，P [MAISx+1ASC有系统]指有辅助系统下的各级ASC的损伤风险概率，P [MAISx+有系统]指 所有级ASC下，损伤达到MAISx+级的风险概率之和：无系统下的各级ASC的损伤风险概率按同样方法计算； 将有辅助系统下获得的概率函数和无系统下获得的概率函数，利用下式评价有辅助系 统的车辆的安全效能：其中，PtASCm^ ]表示无辅助系统下的各级ASC损伤达到MAISx+级的风险概率之和； 如果所述计算式的结果为正，说明辅助系统对提高汽车安全性有良好效果，结果为负 说明辅助系统对提高汽车安全性无良好效果。
【专利摘要】本发明公开一种对未来车辆汽车驾驶员辅助系统的安全效能预测方法，包括如下步骤：1)基于车辆变形程度确定相似刚度的车辆组；2)确定事故严重程度等级—ASC及相关函数；3)确定ASC的代表性碰撞速度与损伤风险概率的关系；4)确定ASC有代表性的事故场景；5)有辅助系统的车辆在有代表性事故场景中的安全效能评价；通过评价结果，得知辅助系统对提高汽车安全性是否有效。该预测方法仅依靠事故数据库中准确的变形程度信息，探讨和展望如何利用变形程度来预测驾驶辅助系统有效性，相比传统利用速度信息的方法，能够获得更多的事故数据支持，更全面的评价驾驶员辅助系统。
【IPC分类】G06Q10/04
【公开号】CN105160431
【申请号】CN201510573713
【发明人】李克强, 陈龙, 罗禹贡, 罗伯特·佐博, 王建强, 张书玮, 秦兆博, 解来卿, 连小珉, 杨殿阁, 郑四发
【申请人】清华大学
【公开日】2015年12月16日
【申请日】2015年9月10日
文档序号 :
【 8943511 】
技术研发人员：李克强,陈龙,罗禹贡,罗伯特·佐博,王建强,张书玮,秦兆博,解来卿,连小珉,杨殿阁,郑四发
技术所有人：清华大学
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除
技术研发人员：李克强,陈龙,罗禹贡,罗伯特·佐博,王建强,张书玮,秦兆博,解来卿,连小珉,杨殿阁,郑四发
技术所有人：清华大学
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除