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
【技术领域】
[0001] 本发明涉及车辆安全技术，具体涉及一种对未来车辆驾驶员辅助系统安全效能预 测的方法。
【背景技术】
[0002] 近年来，随着电子控制技术的发展，汽车的驾驶辅助系统功能，例如自适应巡航系 统（Adaptive Cruise Control，简称 ACC)和车道偏离预警（Lane Departure Warning，简 称LDW)，被大量引入，这些系统的目的是试图通过介入来降低事故危害，在未来车辆中，这 些汽车驾驶员辅助系统将被广泛应用。
[0003] 被动安全技术，例如安全带和安全气囊，已经在全球不同的NCAP(New car assessment programme新车安全评鉴协会）的测试试验中展示出其性能。从Euro NCAP (欧 洲新车安全评鉴协会）设立开始至今，这些被动安全性能评价试验对道路安全的改善起到 了重要的作用。如果相关部门设立针对驾驶辅助系统功能的有效性试验，那么车辆使用者 也会逐渐意识到驾驶辅助系统的重要性，并且可在购买车辆时对比不同品牌之间安全性 能。但是相比于现有被动安全技术，目前还没有广泛认可的针对这类未来系统的安全效能 的有效预测方法。
[0004] 从企业技术开发的角度出发，各大汽车公司投入大量资金和研发人员对驾驶辅助 系统技术的开发，汽车公司不得不面对这样的一个事实，通常情况下，各种技术只用在产品 投入到市场一段时间后才能得到验证，而几乎每一个汽车公司都希望对安全技术效果在产 品进入市场之前进行验证，这样有助于公司投资及研发方向的确定，同时可以针对某些产 品在不同地区交通状况下的评价效果，对该技术针对当地市场进行改进。而目前还没有人 提出对未来车辆辅助系统安全效能的预测。
【发明内容】
[0005] 为了解决基于事故数据库中速度信息的驾驶辅助系统有效性预测失真的问题，本 发明提供一种基于车辆变形程度的对未来车辆汽车驾驶员辅助系统的安全效能预测方法。 该方法可以定量预测出未来某项驾驶辅助系统技术应用后带来的汽车安全性改善程度。
[0006] 为实现上述目的，本发明采取以下技术方案：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：
[0007] 1)基于车辆变形程度确定相似刚度的车辆组；
[0008] 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；
[0009] 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；
[0010] 4)确定每一 ASC的有代表性的事故场景；
[0011] 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。
[0012] 具体各步骤的实现方法为：
[0013] 1、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。
[0014] 2、确定相似刚度的车辆组中事故严重程度等级一一ASC及与之相关的函数的方法 是：
[0015] 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 ;
[0016] ii .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；
[0017] 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：
[0018]
,
[0019] 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] 的关系的方法是：
[0020] 对于每一 ASC，一个具有代表性的碰撞速度vk，可以由整车制造商确定；
[0021] 对于所有的ASC，vk和P[ASC]、P[MAISx+|ASC]这些参数，可以借助回归分析建立 vk和P [MAISx+1ASC]之间的关系。
[0022] 4、确定每一 ASC的有代表性的事故场景的方法是：
[0023] 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；
[0024] 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。
[0025] 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估的方法是：
[0026] 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，在这新的ASC下，又能确定P [ASC 有系统]和P [MAISx+1ASC有系统]，以及P [MAISx+有系统]，
[0028] 有系统下获得的函数和无系统下获得的函数，利用下式就可评价有辅助系统的车 辆的安全效能：
[0029]
[0030] 其中，P [MAISx+^^ ]表示有辅助系统下的各ASC损伤达到MAISx+级的风险概率 之和，P [ASC^sa ]表示无辅助系统下的各ASC损伤达到MAISx+级的风险概率之和，
[0031] 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。
[0032] 本发明提出的是一种基于车辆变形程度的对未来车辆驾驶员辅助系统安全性预 测方法，通过引入事故严重程度等级ASC (accident severity classes)概念，建立该等级 与损伤程度、碰撞速度的函数关系，来预测未来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。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。
【附图说明】
[0033] 图1为利用回归法建立的vk(Asc)和p [maisx+Iasc]的关系图。
【具体实施方式】
[0034] 下面结合附图和实施例对本发明进行详细的描述，其中附图与本发明的实施例一 起用于阐释本发明，但本领域的技术人员应该知道，以下实施例并不是对本发明技术方案 作的唯一限定，凡是在本发明技术方案精神实质下所做的任何等同变换或改动，均应视为 属于本发明的保护范围。
[0035] 我们知道，在过去几十年汽车由于欧洲NCAP测试的要求车身刚度增加。汽车的刚 度在一定的程度上可以由车辆变形指数（vehicle deformation index，VDI6)表征，即将车 辆的前端或后端划成5份，并使用此度量车辆的碰撞后的变形程度。所以，基于车辆变形指 数（VDI6)的汽车安全效能提升的评价方法，这不仅对于事故数据有利，更可提供可靠的有 效评价车辆安全效能的车辆变形指数的数据库。这意味着，刚度较大的车，到目前为止，也 是更安全的汽车。
[0036] 我们可以利用VDI6来评价事故严重性，但是VDI6本身不是事故严重程度的衡量 指标，因为它依赖于汽车的刚度。但对于近似刚度的汽车，它可认为是事故严重程度的函 数。
[0037] 只要事故不能完全避免，安全效能就可以通过某些事故的损伤或死亡的概率的减 少来评估。这可通过估计使用和不使用辅助系统下的MAIS(Maximum Abbreviated Injury Scale，最大简明损伤定级）概率得到。
[0038] 在下面，我们概述一种基于车辆变形程度的对未来车辆驾驶员辅助系统安全效能 预测方法。它将在没有速度信息的条件下实现估计驾驶员辅助系统的安全效能。这项研究 将根据如车辆变形指数（VDI6)的数据进行开展，该方法实施步骤包括如下：
[0039] 1.基于车辆变形程度确定相似刚度的车辆组
[0040] 2.确定事故严重程度等级--ASC (accident severity classes)及对应的函数
[0041] 3.确定每一 ASC的代表性碰撞速度vk与P [MAISx+1ASC]的关系
[0042] 4.确定每一 ASC的有代表性的事故场景
[0043] 5.辅助系统在有代表性事故场景中的安全效能估算
[0044] 下面--叙述：
[0045] 1.基于车辆变形程度确定相似刚度的车辆组
[0046] 该方法（基于VDI6的未来车辆驾驶员辅助系统的安全效能预测）的实施选择在 相似刚度下车辆组进行（也可称为同级别刚度车辆），这样将具有可比性。不同刚度级别的 车辆，可运用此方法分组进行讨论，在后续的步骤都是一样的。
[0047] 车辆刚度的级别影响了车辆的安全性，我们需要针对不同刚度的车辆的安全效能 进行综合的评价的话，就要区分开刚度的级别，这才可在不同刚度级别间进行有效评价，也 就是基于不同变形程度的安全效能有效评价。车辆变形程度可以从车辆的NCAP测试结果 得到，当获得了历史的车辆变形程度数据后，通过聚类分析，就可合理的划分车辆刚度级 另IJ。同一级别下，可包含多个车型。这就确定了相似刚度的车辆组。
[0048] 2.确定事故严重程度等级一一ASC以及对应的函数
[0049] 在基于车辆变形程度的数据确定了相似刚度车辆组后，我们接下来就要确定这一 类车辆组的事故严重程度等级一ASC以及两个函数。
[0050