[论文解读] Critical ride comfort detection for automated vehicles

Alexander Genser, Roland Spielhofer+2 more|arXiv (Cornell University)|Jun 1, 2021

Vehicle Dynamics and Control Systems参考文献 34被引用 2

一句话总结

本文提出了一种基于车辆动力学建模、蒙特卡洛模拟和路面表征的仿真框架，用于在自动驾驶车辆中实现大规模、低成本的乘坐舒适性评估。该研究对比了基于阈值的方法、ISO 2631 标准以及国际粗糙度指数（IRI），发现 ISO 2631 与实测 IRI 分类结果最为吻合，而基于阈值的方法则存在高估或低估关键舒适性事件的风险。

ABSTRACT

In a future connected vehicle environment, an optimized route and motion planning should not only fulfill efficiency and safety constraints but also minimize vehicle motions and oscillations, causing poor ride comfort perceived by passengers. This work provides a framework for a large-scale and cost-efficient evaluation to address AV's ride comfort and allow the comparison of different comfort assessment strategies. The proposed tool also gives insights to comfort data, allowing for the development of novel algorithms, guidelines, or motion planning systems incorporating passenger comfort. A vehicle-road simulation framework utilizable to assess the most common ride comfort determination strategies based on vehicle dynamics data is presented. The developed methodology encompasses a road surface model, a non-linear vehicle model optimization, and Monte Carlo simulations to allow for an accurate and cost-efficient generation of virtual chassis acceleration data. Ride comfort is determined by applying a commonly used threshold method and an analysis based on ISO 2631. The two methods are compared against comfort classifications based on empirical measurements of the International Roughness Index (IRI). A case study with three road sites in Austria demonstrates the framework's practical application with real data and achieves high-resolution ride comfort classifications. The results highlight that ISO 2631 comfort estimates are most similar to IRI classifications and that the thresholding procedure detects preventable situations but also over- or underestimates ride comfort. Hence, the work shows the potential risk of negative ride comfort of AVs using simple threshold values and stresses the importance of a robust comfort evaluation method for enhancing AVs' path and motion planning with maximal ride comfort.

研究动机与目标

• 开发一种可扩展、成本效益高的方法，用于在多样化道路条件下评估自动驾驶车辆（AVs）的乘坐舒适性。
• 对比三种乘坐舒适性评估策略的性能：基于阈值的方法、ISO 2631 指南以及国际粗糙度指数（IRI）。
• 使用奥地利真实道路数据验证该框架，并评估其识别关键舒适性路段的能力。
• 为将乘坐舒适性整合到自动驾驶车辆路径与运动规划系统中提供可操作的见解。
• 揭示简单加速度阈值法的局限性，并倡导在自动驾驶车辆开发中采用标准化方法如 ISO 2631。

提出的方法

• 构建一个亚微观尺度的车辆-路面仿真框架，采用非线性物理车辆模型和自适应巡航控制（ACC）。
• 通过优化过程利用真实世界动力学数据校准车辆模型，以最小化建模误差。
• 在蒙特卡洛模拟中应用拉丁超立方采样（LHS），生成涵盖速度、横向位置和路面附着力等多种输入场景。
• 生成虚拟悬架加速度数据，以在多种驾驶条件下进行全面的乘坐舒适性评估。
• 采用三种方法评估乘坐舒适性：(1) 加速度阈值法（ax, ay, az），(2) 人体振动暴露的 ISO 2631 标准，以及 (3) 基于 IRI 的分类方法。
• 将结果与奥地利三个测试地点的实测 IRI 数据进行对比，以评估方法的准确性和一致性。

实验结果

研究问题

• RQ1 在真实道路路段上，基于阈值、ISO 2631 和 IRI 的不同乘坐舒适性估计方法在舒适性等级分类方面如何比较？
• RQ2 与实测 IRI 数据相比，基于阈值的方法在多大程度上高估或低估了关键乘坐舒适性事件？
• RQ3 在真实道路条件下，ISO 2631 方法与基于 IRI 的分类结果在多大程度上一致？
• RQ4 所提出的仿真框架能否利用虚拟数据在高分辨率下准确识别关键舒适性路段？
• RQ5 方法选择对自动驾驶车辆运动与路径规划在乘客舒适性方面的意义是什么？

主要发现

• ISO 2631 的舒适性估计结果与实测 IRI 分类结果具有最高的一致性，表明其在乘坐舒适性评估中的可靠性。
• 基于阈值的方法虽能检测到关键舒适性事件，但存在高估或低估的情况，尤其在纵向（ax）和横向（ay）加速度方面。
• 在 Ts1 中，az 阈值法将 32.07% 的测试路段分类为关键路段，凸显其对路面粗糙度的敏感性。
• 在 Ts2 中，ISO 2631 方法检测到 21 个纵向振动（LU）关键路段和 8 个垂直振动（VU）关键路段，检测率高于 IRI。
• IRI 方法将 Ts1 的 95.04% 分类为‘良好’（G），Ts3 的 98.83% 分类为‘良好’，表明整体粗糙度较低，但仍能识别出关键路段。
• 该框架成功识别出与关键舒适性事件对应的峰值加速度，验证了其检测真实世界不适感触发因素的能力。