一种基于内轮差的汽车转弯行驶安全预警系统

张东霞　徐岩　潘翔

摘 要：根据车辆内轮差形成的原因设计了一种汽车高速行驶安全预警系统，该系统通过风险数据采集识别汽车转弯行驶过程中因内轮差引起的风险源因素特征，建立内轮差模型以及风险等级评估模型以对风险源因素进行总体风险等级评估，最后根据总体风险等级向驾驶员提供安全预警，以降低或消除行车安全风险，避免汽车在转弯行驶时因内轮差而引发交通事故，保证汽车转弯时的行驶安全。

关键词：内轮差 风险 车辆 行驶安全 预警

1 前言

近年来，随着世界经济的持续快速发展，机动车量保有量迅猛增加，截至2021年，全球机动车汽车保有量达15亿，中国汽车保有量约3.95亿辆。每年死于车祸有125万人，中国约6.3万人，道路安全形势十分严峻。在汽车行驶过程，危险的道路条件、变差的车辆技术性能和失控的驾驶都会造成车祸的意外发生，使机动车安全成为交通事故的第一“杀路”。因此随着汽车电动化、智能化的发展，全球汽车产业进行新的发展阶段，各国对机动车的安全都非常重视，并运用现代化手段着手解决汽车的行驶安全问题。

内轮差是导致车辆转弯行驶过程中发生交通事故的最主要因素之一，是汽车转弯行驶过程中不可消除的属性，在一定的危险道路和驾驶条件下，会造成人员伤亡和财产损失，是不可忽略的安全隐患。如何解决因内轮差造成的安全驾驶问题也是汽车新技术发展和汽车消费者关心的重要问题。

目前，国内外已有不少学者、汽车企业对如何减少内轮差造成的安全隐患开展研究设计，除通过机械设计减少行车安全问题外，也对预警系统进行了研发。例如杨云等人通过TruckSim彷真软件建立整车动力学模型对半挂牵引车在转弯过程中，内轮差对行驶安全的影响进行研究；周磊、刘有军等人以重卡为例，研发了以转向盘转动角度为控制依据的内轮差行驶安全警示装置；张三川团队研究设计了基于毫米波雷达的内轮差盲区监测系统。当前对内轮差监测和报警只涉及对于内轮差区域内障碍物距离等个别参数，并没有完整考虑内轮差相关的所有风险源因素，没有对汽车转弯行驶过程中内轮差相关的众多风险源进行全面识别，从而无法确定内轮差总体风险等级和主要致险因素。随着汽车智能化的普及发展，使用现代化手段进行汽车盲区监测解决内轮差盲区问题是热点研究方向。

本文根据内轮差的形成特点设计了一套能判断内轮差总体风险等级并能及时向驾驶员提供安全警报提示的系统，以控制因内轮差引起的行车风险，保证汽车转弯时的行驶安全。

2 内轮差风险模型建立

2.1 内轮差的形成及模型建立

关于内轮差的形成，国内上很多学者进行了分析，例如清华大学的李逸良、邱信明利用速度投影定理建立了单车、半挂车的最大内轮差的运动学理论分析模型，华中科技大学的周磊等人也对汽车内轮差的理论模型进行了计算，郑州大学的张三川、高桑田等人也对内轮差的形成进行了理论和区域特征彷真分析等。本文结合国内外先前的研究成果对内轮差的形成原因和特征进行综合分析，以为基于内轮差的汽车转弯行驶安全预警系统的研发提供全面准确的理论支持。

内轮差成为车辆转弯行驶危险源的原因主要是我国实行左方向盘靠右行驶的通行方式，在驾驶室左侧的驾驶员对右侧后视镜的可视范围有限，在汽车转弯过程中出现视觉盲区，驾驶员的视觉盲区主要是由车轴结构、道路状况、车辆控制指标等多种因素所造成的。

在车辆直行时，全盲D区与车身之间的区域是可以通过后视镜实现完全观察的，如图1[5]所示。

但在转弯时，由于车辆自身的机械结构因素，其前后轮的运动轨迹并不能相互重合，在车辆转弯时，会形成如图2[5]所示的阴影区域，构成一个无法消除的内轮差区域。如果车辆与障碍物距离小于内轮差，内前轮能够通过，而内后轮容易碰撞或碾压障碍物导致交通事故。

根据内轮差形成的原因建立一种理想行駛状态下的内轮差参数计算模型，假设汽车右转弯过程中，其右前轮与右后轮均绕同一点o做圆弧运动，且假设整个过程中汽车结构不发生变形，轮胎与地面不发生侧滑，右转弯运动轨迹如图3所示。根据内轮差形成的原因以及三角函数关系，最大内轮差如下公式所示。

公式中L为车辆轴距，α2为左前轮转向角，即最大转向角。

2.2 内轮差的风险源及其特性

根据内轮差的形成特点，内轮差的风险源主要有道路行驶条件、车辆技术条件和车辆控制指标三个因素。

道路行驶条件根据行驶路况分为急转弯路段、陡坡路段、侧险要路段及人口和车辆密集路段，本研究中根据道路交通安全隐患排查参考标准对道路行驶条件进行分类。在转弯路段中，将平曲线半径（R）小于一定半径的路段（二级公路R<125米，三级公路R<60米，四级公路R<30米）规定为急转弯；将平曲线半径（R）小于一定半径的路段（二级公路R≥125米，三级公路R≥60米，四级公路R≥30米）规定为缓和转弯。在陡坡路段中，将坡度（I%）大于一定坡度的路段（二级公路I>6，三级公路>7，四级公路I>8）规定为陡坡；将坡度（I%）大于一定坡度的路段（二级公路I≦6，三级公路≦7，四级公路I≦8）规定为缓坡。将临崖临水的道路规定为路侧险要路段。将道路转弯经过人口、车辆密集路口规定为人口车辆密集路段。

根据汽车结构特点，车辆技术条件的主要影响因素为车辆轴距、车辆轮距。在车辆轴距中，根据轴距大小分为4个等级：轴距L >7米定为特大型车辆距；5米

车辆控制指标风险源因素由前轮转向角、车辆行驶速度以及车辆与行人障碍物距离。前轮转向角将最大前轮转向角α2max作为临界点分为两级。车物、行人障碍物距离将最大内轮差△Rmax作为临界点分为两级。行驶速度分为三级：行驶速度大于车辆大行驶速度vmax定为一级，小于定为二级，停车定为三级。

3 基于内轮差的汽车安全高速行驶安全预警方法

根据内轮差产生的视觉盲区相关的影响因素，本文研发的基于内轮差的汽车高速行驶安全预警系统对内轮差所产生的视觉盲区进行较为全面的行驶安全风险管理，避免汽车在转弯行驶时因视觉盲区引发交通事故，保证车辆行驶安全，本预警方法的实施如图4所示，分四个步骤完成。

3.1 风险数据采集模块

本系统的风险数据采集模块是对道路环境、车辆运行数据、OBD数据以及车辆原始数据等进行详细数据采集以获取准确的风险数据参数。

在风险数据采集模块中，通过摄像机来获取道路环境信息，通过图像分析处理算法判断所行驶的路况是转弯路段、陡坡路段、侧险要路段还是人口以及车辆密集路口；通过毫米超声波波雷达、惯性测量传感器来测量车辆与行人障碍物间的距离以及前轮转向角，以掌握车辆部分控制技术特征；系统控制中心通过车联网读取车辆OBD里面的数据以获取车辆车辆行驶速度等控制指标信息；在系统控制中心可自由设置保存车辆轴距和汽车轮距等车辆原始数据作为车辆技术条件的风险源数据，此设计可将此系统应用于货车、轿车等不同的车辆上。

3.2 风险源识别模块

系统采集数据过程中同时持续对所采集到的风险源数据进行识别判断。为更好地判断风险数据对行驶安全的影响，本系统中对风险源数据进行了等级划分，并创建了较为严格的风险源数据库，该风险源数据库如表1所示。系统控制中心将数据采集模块所采集的实时数据与数据库的风险数字等级进行对比分析，识别出当前车辆转弯时各风险源所对应的车辆行驶风险等级。

3.3 风险源评估模型

系统控制中心对所采集的风险源因素进行风险等级识别后，进入到风险评估模块，为更客观地进行风险评估，本系统建立了风险等级评估模型。为更好展示及理解风险等级评估模型，对风险源数据库中的各风险源因素及等级进行命名：道路行驶条件风险源因素类型分别命名为急转弯路段A1、陡坡路段A2、侧险要路段A3、人口和车辆密集路口A4；车辆技术条件风险源因素分别命名为汽车轴距A5，汽车轮距A6、车辆和行人障碍物距离A7；车辆控制指标风险源数据分别命名为前轮转向角A8和行驶速度A9。

风险等级评估模型中根据每个风险源危害影响力大小进行了权重和分值分配，如表1所示。风险源数据库中道路行驶条件权重比值占30%，车辆技术条件权重比值占20%，车辆驾驶控制指标占50%。

本系统建立的风险等级评估模型如公式2所示，系统控制中心通过公式2计算F值以判断车辆在转弯行驶时因内轮差引起的视觉盲区总体安全风险等级。

系统将安全风险划分了4个等级，如表2所示。具体判断规则如下：F≥65或FA1=100或FA2=100或FA4=100或FA7=100被评定为重大风险源；55≦F＜65为较大风险源；45≦F＜55为一般风险源；35≦F＜45为较小风险源。

3.4 风险预警模块

在风险预警模块中，系统根据风险等级评估结果判定总体风险等级向驾驶员提供预警，提示需采取措施以降低或消除行驶安全风险。预警方法通过不同颜色的警示灯和语音对驾驶员进行安全提示，根据不同风险等级警示灯和语音提示及车辆控制应对策略如下：

红色预警代表重大风险，车辆控制采取危急行驶决策，控制车辆停车避让车辆行人通过；

黄色预警代表较大风险，语音提示采取紧急行驶决策，同时车辆控制前转向轮角度和车辆行驶速度在安全范围，低速避让车辆行人通过。

蓝色预警代表一般风险，语音提示采取防御行驶决策，同时控制车辆前转向轮角度和车辆行驶速度在安全范围，减速避让车辆行人通过绿色预警代表较小风险，语音提示采取正常行驶决策。

4 讨论

本文根据内轮差引起的视觉盲区影响因素，研发设计了一套汽车转弯行驶安全预警系统方案。此系统方案根据内轮差引起的视觉盲区形成特点建立了内轮差模型和风险等级评估模型，以更准确地判断汽车在转弯过程中所遇到的安全风险大小，减少在转弯过程中的安全交通事故。本系统的创新之处在于更为全面地考虑了内轮差引起的视觉盲区的风险影响因素，通过建立模型更全面、客观、准确地判断了在转弯过程中因视觉盲区造成的安全行驶风险等级，更为可靠地判断汽车行驶安全问题，给驾驶员及时提供安全预警。

本论文的不足之处在于目前仅进行了理论研究预警策略，尚未对系统所需要的摄像机、毫米超声波雷达、惯性测量传感器尚未进行型号选择及成本控制分析，因此本项目团队将对系统所需配件进行选理后，进行彷真模拟及开发。

参考文献：

[1]杨云，黄鹏飞，周懿等，基于TruckSim半挂牵引车内轮差危险区模型研究[J].自动化与仪器仪表，2019（10）：106-109.

[2]李逸良，邱信明等，车辆转弯时内轮差的运动学理论模型[J]．力学与实践，2017（1） ：94-99．

[3]邵金菊，张洪加等， 基于 TruckSim 的弯道安全车速模型研究[J]．广西大学学报： 自然科学版，2017（ 3） ： 961-969.

[4]周磊，胡沁如，龚书晨等， 基于汽车内轮差的警示装置设计研究[J]．浙江科技学院学报，2018（5）：429-434.

[5]高桑田，基于毫米波雷达的内轮差盲区监测系统设计研究[D]．郑州大学，2020.

[6]劉忠臣，基于毫米波雷达的汽车并线辅助系统研究[D].湖南大学，2017.