Сборник статей

Каталог публикаций Интернет-изданий

переводы публикаций из социальной сети для учёных ResearchGate и из других открытых источников Интернета

Автономные системы экстренного торможения, адаптированные к заснеженным дорожным условиям


Во всем мире до 50 миллионов человек получают травмы и более 1,2 миллиона человек ежегодно умирают от дорожно-транспортных происшествий (Всемирная организация здравоохранения, 2015 г.). В Соединенных Штатах неблагоприятная погода ежегодно ассоциировалась с более чем 1,5 миллионами ДТП, в результате которых около 800 000 человек получили травмы и 7 000 человек погибли (National Research Council 2004). Статистический анализ данных о реальных авариях показывает, что снегопад способствует повышению частоты несчастных случаев (Andrey et al. 2003; Eisenberg and Warner 2005; Khattak and Knapp 2001; Shankar et al. 1995). Зимние осадки независимо от их типа (например, снег, ледяной дождь, ледяные шарики или мокрый снег) были связаны с увеличением дорожно-транспортных происшествий на 19% и увеличением травматизма на 13% по сравнению с засушливыми условиями (Black and Mote 2015).

Дорожные условия с уменьшенным трением (например, мокрые, снежные, обледенелые поверхности) способствуют более высокому уровню аварийности, хотя серьезность этих аварий варьируется в зависимости от пола и возрастных групп (Black and Mote 2015; Morgan and Mannering 2011; Myers et al. 2011 Ulfarsson and Mannering 2004). В неблагоприятную погоду пожилые водители демонстрировали повышенную вероятность причастности только к несчастным случаям, связанным с повреждением имущества, но не к тем, кто получил травмы. Причиной этого может быть их большой опыт работы в качестве водителей (Black and Mote 2015). Статистические данные показывают, что женщины реже участвуют в дорожно-транспортных происшествиях, чем мужчины (Statistisches Bundesamt (Федеральное статистическое управление Германии), 2016 год; Oltedal и Rundmo, 2006 год; Pulido и др., 2016 год; Родос и Пивик, 2011 год; Скотт-Паркер и Овьедо-Треспаласиос, 2017 год). ; Tavris et al. 2001). Исследования также показывают возрастные и гендерные различия в поведении при торможении, которые могут объяснить различия в показателях несчастных случаев (Kusano et al. 2015; Li et al. 2016; Montgomery et al. 2014). В эксперименте по натуралистическому вождению Montgomery et al. (2014) обнаружили, что женщины применяют тормоза в среднем на 1,3 с раньше, чем мужчины, а водители младше 30 лет - на 1,7 с позже, чем водители старше 30 лет. Тем не менее, есть также исследования тормозного поведения, которые не показывают половых различий (Hancock et al. 2002). Исследования показывают, что водители могут приспосабливаться к снегу, снижая скорость и поддерживая более продолжительный ход на заснеженных дорогах по сравнению с сухими дорогами (Kilpeläinen and Summala 2007). Водители могут использовать визуальные сигналы, чтобы предвидеть снижение уровня трения и адаптировать стиль вождения, прежде чем кинестетические сигналы сигнализируют о снижении трения (Öberg 1978; Wallman 1997).

Роль автоматизации в предотвращении возникновения и снижении тяжести аварий

Развертывание автоматизированных систем вождения (например, системы адаптации к дорожным условиям Ленд Ровер Дискавери) считается ключевой мерой для сокращения числа аварий и повышения безопасности дорожного движения (Европейская комиссия 2011; Европейский консультативный совет по исследованиям автомобильного транспорта 2015; Министерство транспорта США 2016; Всемирная организация здравоохранения 2015). Системы автономного экстренного торможения (AEB) были впервые представлены на рынке начиная с 2006 года. Аварийное вмешательство AEB (autonomous emergency braking) сочетается с визуальным / акустическим / тактильным предупреждением, когда риск столкновения превышает определенный уровень, определяемый временем до столкновения (евро NCAP 2015). Все производимые системы AEB сводят к минимуму риск ложных срабатываний (например, торможение в неправильных ситуациях). Надежное, надежное и точное измерение дорожного трения в настоящее время недоступно (Lex 2015). Таким образом, инженеры разрабатывают системы с высоким коэффициентом трения. Там, где обнаружен риск столкновения, используются низкие времена столкновения (TTC). Предупреждения обычно выдаются между 1,5 и 2,5 с TTC, а включение тормоза обычно между 0,8 и 1,2 с TTC.

Исследования показали, что AEB может избежать сбоев или уменьшить их серьезность. AEB является одной из 5 систем с самым высоким рейтингом, которая может предотвратить 22% несчастных случаев со смертельным исходом (Eichberger et al. 2010). Анализ реальных данных о столкновениях показал, что на автомобилях, оснащенных AEB, на 38% меньше задних аварий, чем на аналогичных автомобилях без AEB (Fildes et al. 2015). Было показано, что AEB эффективно снижал 40% смертельно раненых и 27% тяжело раненных пешеходов при лобовых столкновениях с автомобилями с углом обзора 40 ° (Rosén et al. 2010). Тем не менее, исследования также показывают потенциально негативные последствия автоматизации для безопасности дорожного движения, такие как чрезмерное доверие водителей к автоматизации, самодовольство и неспособность взять на себя контроль, когда это необходимо, которые способствуют несчастным случаям (Shen and Neyens 2014). Доверие к автоматизации - это отношение, при котором автоматизация поможет достичь цели в условиях уязвимости и неопределенности (Lee and See 2004). Соответствующий уровень доверия зависит от истинных возможностей автоматизации (Kidd et al. 2017). Доверие влияет на использование автоматизации или ее отсутствие (Parasuraman and Riley 1997). Если драйверы имеют низкое доверие к автоматизации, как в случае, когда автоматизация выдает много ложных сигналов тревоги, они могут не использовать ее.

Автоматизированные функции вождения уровня 1 или 2 SAE (SAE International 2014), доступные в автомобилях серийного производства, не требуют адаптации трения между шиной и дорогой, поскольку водитель несет юридическую ответственность за постоянный мониторинг условий вождения и адаптацию стиля вождения. соответственно. Для уровня SAE 3 и выше, автоматическая функция должна будет адаптироваться к состоянию дороги. При разработке таких адаптивных функций необходимо учитывать как физические, так и человеческие факторы, такие как несовершенная сенсорная информация и восприятие человеком безопасности и доверия к автоматизированным функциям в различных дорожных условиях (Lex et al. 2017). В этом исследовании было показано, что водители в основном полагаются на визуальные сигналы, а также реакцию транспортного средства при оценке дорожных условий, согласно их собственным утверждениям. Отвечая на вопрос о категориях, которые они использовали для разграничения дорожных условий, 24% водителей указали, что они сухие, 22% - мокрые, 19% - ледяные и 13% - снежные, что показывает одинаковое распределение в разных возрастных и гендерных группах (Lex et al. 2017).

Для дальнейшего понимания человеческого фактора в стратегиях адаптивного вождения по шине и дороге в качестве примера применения используется обычная система AEB City. AEB City обычно работает на более низких скоростях (10–50 км / ч) и предназначен для городского применения (Euro NCAP 2015). Тормозные вмешательства AEB активируются при определенном TTC, который рассчитывается по уравнению (1).

TTC = s/v (1)

где Δs - относительное расстояние, а Δv - относительная скорость между эго и целевой машиной. Значения TTC, используемые в настоящее время традиционными системами AEB на уровне 1 SAE (SAE International 2014), могут избежать аварий на сухих дорогах с высоким коэффициентом трения. Это уместно, потому что AEB должен реагировать в самое позднее возможное время, если водитель не реагирует. Для интервалов автономного торможения на дорогах с низким коэффициентом трения на уровне SAE 3 и выше (SAE International 2014) значения TTC должны быть выше; например, TTC / μ в случае торможения.

Если проект автоматизации направлен на то, чтобы компенсировать человеческие ограничения в управлении автомобилем, особенно в условиях пониженного трения, то необходимо четко учитывать возрастные и гендерные различия. Воспринимаемая полезность, принятие и соответствующий уровень доверия к автоматизированным системам помощи водителями являются необходимыми предпосылками для их покупки и использования. Приемка зависит от отказоустойчивых характеристик автоматизированных систем и от комфорта водителя (Brookhuis et al. 2001). Исследования показывают, что усовершенствованные системы помощи водителю можно было бы улучшить, если бы алгоритмы управления включали индивидуальные предпочтения и условия окружающей среды (Koglbauer et al. 2017; Xiong and Boyle 2012). Теоретически, наибольший потенциал систем помощи водителю в снижении количества аварий может быть в условиях ограниченного дорожного движения (Lex et al. 2013; Niederkofler et al. 2011). Было обнаружено, что увеличение сходства между автоматическим поведением и поведением вождения человека улучшает восприятие автоматизации (Van Driel et al. 2007). Таким образом, автоматизированные системы должны иметь стратегию управления, адаптированную к дорожным условиям, аналогичным человеческим водителям. Кроме того, автоматизированные системы должны быть в состоянии помочь водителям в более раннем восприятии, лучшем понимании и более адекватном реагировании для предотвращения аварий и уменьшения серьезности аварий, которых невозможно избежать. Водители должны быть в состоянии доверять системе автоматизации и чувствовать себя в безопасности с ней.

Целью данного исследования является оценка адаптивных и обычных (неадаптивных) стратегий управления транспортным средством AEB с участием женщин и мужчин из разных возрастных групп в симуляторе вождения (имитируемое высокое и уменьшенное трение и летние и зимние пейзажи). Протестированные системы - это обычная система AEB, которая игнорирует дорожное трение, и новый адаптивный AEB с общим алгоритмом, который включает дорожное трение и адаптирует время вмешательства в торможение таким образом, чтобы избежать столкновения.

Использованные источники

  1. Andrey J, Mills B, Leahy M, Suggett J. Weather as a chronic hazard for road transportation in Canadian cities. Na Hazards. 2003;28:319–343.
  2. Black AW, Mote TL. Effects of winter precipitation on automobile collisions, injuries and fatalities in the United States. J Transp Geogr. 2015;48:165–175.
  3. Brookhuis KA, De Waard D, Janssen WH. Behavioural impacts of advanced driver assistance systems—an overview. European Journal of Transport and Infrastructure Research. 2001;1(3):245–253.
  4. Eichberger A, Tomasch E, Rohm R, Steffan H, Hirschberg W. Detailed analysis of the benefit of different traffic safety systems in fatal accidents. Paper presented at: 19th Annual EVU Congress; 2010.
  5. Eisenberg D, Warner KE. Effects of snowfalls on motor vehicle collisions, injuries, and fatalities. Am J Public Health. 2005;95:120–124.
  6. Euro NCAP. Assessment Protocol—Safety Assist. Version 7.0. 2015. Available at: euroncap.com/en/for-engineers/protocols/safety-assist/. Accessed November 28, 2016. 
  7. European Commission. Roadmap to a Single European Transport Area—Towards a Competitive and Resource Efficient Transport System. Brussels, Belgium: Office for Official Publications of the European Commission; 2011. White Paper COM. 
  8. European Road Transport Research Advisory Council. Automated Driving Roadmap. 2015. Available at: ertrac.org/uploads/documentsearch/id38/ERTRAC_Automated-Driving-2015.pdf. Accessed October 3, 2016. 
  9. Fildes B, Keall M, Bos N, et al. Effectiveness of low speed autonomous emergency braking in real-world rear-end crashes. Accid Anal Prev. 2015;81:24–29.
  10. Gustafsson F. Slip-based tire–road friction estimation. Automatica. 1997;33:1087–1099.

Autonomous emergency braking systems adaptedto snowy road conditions improve drivers'perceived safety and trust
Ioana Koglbauer, Jürgen Holzinger, Arno Eichberger, Cornelia Lex

Авторизация
Забыли свой пароль?