- 前言
随着汽车发展的快速增长,道路交通安全问题已经成为世界都较为关注的重要问题。美国国家高速公路安全委员会(NHTSA)的调研表明,在道路交通致死事故中,因驾驶员过失造成的约占90%,而因车辆故障造成的仅占约3%[1]。尽管如安全气囊、安全带和行人保护等一定程度上减轻了事故的伤害程度,但控制甚至减少交通事故产生的根本原因却一直未得到解决[2]。
自动刹车技术（Autonomous Emergency Braking，AEB）是专门用于机动车避免或减缓碰撞的系统。目前汽车的此技术已经越来越成熟，并且这项技术已经成为国内外机构的研究热点。2016年3月17日在美国国家公路交通安全管理局(NHTSA)和美国公路安全保险协会(IIHS)的推动下大众、通用、丰田等二十家车企在美国签订了一份协议：到2022年将自动紧急刹车系统（Automatic Emergency Braking Systems，AEB） 作为标准配置。包括自动紧急刹车系统在内的主动安全技术受重视程度提升并非空穴来风，而是有权威机构的研究报告作为支撑。
EuroNCAP和ANCAP通过研究发现：AEB技术能在现实世界中减少38%的追尾碰撞，且无论是在城市道路（限速60km/h）还是郊区道路行驶的情况下，效果并无显著差别[3]虽然在2013年日本的一次马自达CX-5的自动刹车系统体验会上，车辆故障导致车上人员受伤。尽管之后的调查表明，试驾者全踩油门致使车辆速度超过了自动刹车系统30km/h的工作界限。虽然设计没有任何责任，但是人们还是不得不重新审视这原本作为安全装置的系统会不会成为新的不安全因子。但是我相信即使人们有所质疑，伴随着技术的不断提高人们会更加相信这项技术并且更加的依靠这项技术。
- 国内外研究概况
随着自动紧急刹车技术的关注度的提升，越来越多的人去探索研究了这项技术的可能性。宋雪松、曹建永、董小飞[4]他们运用一种针对不同自动驾驶等级实验测试的六层功能分解的方法对AEB失效场景进行分类研究，总结AEB在各种场景下的工作状况非常重要。他们通过对一些的大分类比如1.假阳性和假阴性分类2.功能分解方法分类3.失效场景分类等来对AEB在各种场景的表现作出研究。江丽君等人的研究表明，32%的危险工况为车辆与跟随的前方车辆发生的冲突，另外也有11%的危险工况为前方车辆紧急变道切入车道与后方车辆发生的冲突[5]。王戡、张仪栋、徐建勋[6]他们在研究AEB系统的性能或者对其评价时，他们提出要将驾驶模式（前车静止或慢速移动、前车急刹、前车切入）、道路类型（直道、弯道、交叉路口，合流道）、环境（道路状况、白天/夜晚、目标对象）、AEB系统元素（传感器、决策及人际交互、执行器）都纳入考虑之中。他们对于三个方面：直道上前方车辆急刹、直道上前方车辆切入、弯道上前方车辆静止进行了具体的阐述。
自动紧急刹车系统目前主要是一些豪华车的选择设施[7]﹐但是在 2022 年 9 月 1 日或之前开始，几乎每辆小轿车及 8500 磅或以下的小货车都会装设自动自动紧急刹车系统作为标准设施；而重量在 8501 至 10000 磅的小货车则在 2025 年 9 月 1 日或以前实施。
胡雄、任玥、郑玲、黎予生、熊周兵[7]他们提出一种新型安全距离模型，通过模糊逻辑方法对当前碰撞风险进行评估，并依据得到的风险系数设计具有两级预警和二级制动强度的控制策略，实现风险评估，碰撞预警，制动干预的功能。通过对汽车的受力分析建立运动方程，在Prescan软件中设置数据就可以生成模型。此外，他们还测试了紧急自动刹车的策略，这种策略包括在什么时间自动刹车系统会给出什么样的反应以及系统干预刹车的程度。如果不设置这种策略，主动制动会频繁介入，同时引起车辆频繁点头，为了避免这种情况发生就要在主动制动一旦介入的时候，希望能保证车辆能匀减速直到停止[8]。因此就会对危险分为几个等级：安全阶段、一级预警阶段、二级预警阶段、50%主动制动阶段、全负荷制动阶段。这样就可以针对在每个阶段有对应的系统可以做出的一系列干预和措施。他们的研究表明他们所提出来的风险判定指标能够准确地评估当前工况的危险程度，为主动刹车的干预程度有一个准确的判定。同时他们所研究的主动刹车策略还考虑了车内人员的主观感受。
顾李伟、孙涛[9]他们基于Prescan这款软件研究不同控制策略AEB系统在不同场景下的性能及评价。首先，他们选取了两个主要的AEB系统分别是：碰撞时间模型、安全距离模型。场景根据Euro NCAP 测试法规主要有三个即前方静止车辆、前方匀速行驶车辆以及前方减速行驶车辆的追尾测试[10]。他们的成果是当车速较低时，两种系统都可以较好的制动。但是基于碰撞时间倒数模型的 AEB 系统所提供的分级制动力较小，使汽车制动趋于平缓，意味着制动会更加舒适。当车速较高时（大于60千米/小时）安全距离模型的AEB系统会更加有效，更加可靠。
AEB系统的关键是避撞运算，避撞算法决定了预警的时机。胡远志、吕章洁、刘西[11]研究了避撞算法。如果时机比较晚驾驶员看到提醒会反应不过来，如果时机过早驾驶员会放松警惕。他们利用了Prescan软件进行了避撞算法的模型建立与分析。在纵向避撞的算法中，在AEB不干预驾驶员的正常行驶时，TTC的效果最好，其次是Seungwuk Moon算法。Honda、Berkeley 算法均表现激进，Mazda 算法表现过于保守。
根据中国交通事故[12]深入研究（China In-Depth Acci⁃dent Study，CIDAS）的统计结果，2011~2017 年，乘用车与两轮车事故占所有交通事故数量的57.6%，成为我国数量最高的交通事故形态。张立存[13]进行了乘用车与两轮车的事故特征分析。AEB系统对于电动自行车的识别结果的主要因素是电动自行车相对于乘用车的行驶方向，同向和反向行驶的电动自行车更容易被识别为摩托车，而横穿行驶的电动自行车容易漏检或被分类为行人。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
