[论文解读] Development and Simulation-based Testing of a 5G-Connected Intersection AEB System

Michael Khayyat, Stefano Arrigoni+1 more|arXiv (Cornell University)|Feb 2, 2021

Vehicular Ad Hoc Networks (VANETs)参考文献 28被引用 21

一句话总结

本文提出了一种基于雷达和普利司通CyberTyre传感器的5G联网交叉路口AEB系统，以提升在盲区交叉口的碰撞规避能力。该系统引入了两种控制逻辑：一种是将联网功能与现有基于雷达的制动系统相结合的逻辑，另一种是利用实时附着系数估计的新型自适应指数制动方案。仿真结果表明，两种系统在低摩擦条件下均成功避免了碰撞，其中自适应系统通过利用5G支持的实时数据，实现了更平稳、更安全的制动，并提升了鲁棒性。

ABSTRACT

In Europe, 20% of road crashes occur at intersections. In recent years, evolving communication technologies are making V2V and V2I faster and more reliable; with such advancements, these crashes, as well as their economic cost, can be partially reduced. In this work, we concentrate on straight path intersection collisions. Connectivity-based algorithms relying on 5G technology and smart sensors are presented and compared to a commercial radar AEB logic in order to evaluate performances and effectiveness in collision avoidance or mitigation. The aforementioned novel safety systems are tested in a blind intersection and low adherence scenario. The first algorithm proposed is obtained by incorporating connectivity information to the original control scheme, while the second algorithm proposed is a novel control logic fully capable of utilizing also adherence estimation provided by smart sensors. Test results show an improvement in terms of safety for both the architecture and high prospects for future developments.

研究动机与目标

• 开发并测试一种5G联网交叉路口AEB系统，以提升在盲区交叉口的安全性。
• 评估基于5G和智能传感器数据的联网AEB系统与传统仅依赖雷达的AEB系统在性能上的差异。
• 研究实时地面摩擦系数估计对制动系统适应性与碰撞缓解效果的影响。
• 评估基于仿真的测试方法在未来的联网汽车安全系统中的可行性与有效性。

提出的方法

• 提出一种混合AEB架构，结合基于雷达的TTC逻辑与基于制动距离计算的附加触发机制。
• 引入一种新型自适应制动逻辑，采用指数减速度曲线，并根据普利司通CyberTyre传感器提供的实时附着系数估计进行调整。
• 使用CarMaker仿真软件模拟车辆动力学，包括执行器动态特性和路面摩擦影响。
• 采用改进的TTC阈值方程（TTCthreshold = Vego² / (2µg)）以在碰撞风险评估中考虑可变地面摩擦。
• 实现包含执行器动态特性的制动距离模型：dbrake = vx²/(2ax) + vx/(2Jact·ax) - 1/(24Jact²·a³x)。
• 在低摩擦和正常摩擦条件下，分别在具备和不具备精确摩擦数据的情况下，通过虚拟仿真测试两种系统。

实验结果

研究问题

• RQ1 与传统仅依赖雷达的系统相比，基于5G联网和智能传感器数据的AEB系统在盲区交叉口碰撞规避方面有何改进？
• RQ2 实时地面摩擦系数估计在低附着力条件下能在多大程度上提升AEB系统的鲁棒性与安全性？
• RQ3 与阶梯式制动逻辑相比，自适应指数制动曲线在驾乘舒适性与碰撞缓解效果方面表现如何？
• RQ4 主动地图提供的摩擦数据不准确时，对5G联网AEB系统的性能有何影响？

主要发现

• 采用自适应指数制动的升级系统（系统B）在低摩擦条件（µ = 0.4）下即使主动地图高估摩擦（µ = 0.6），也能成功避免碰撞，展现出强大的适应能力。
• 系统B的减速度曲线相比系统A的阶梯式制动更为平滑，提升了驾乘舒适性与控制性。
• 在低摩擦场景下，系统B使车辆停止位置比系统A更远离碰撞点，表明其具备更高的安全裕度。
• 当系统事先掌握低摩擦信息（µ = 0.4）时，实现了稳定有效的制动，即使车辆因牵引力不足而无法达到目标减速度，也能避免碰撞。
• 当地图低估摩擦（µ = 0.6 vs 实际µ = 0.4）时，系统延迟制动但迅速施加最大减速度，成功避免了碰撞。
• 仿真结果证实，将实时附着系数估计与5G联网相结合，可显著提升AEB系统在复杂路况下的性能与鲁棒性。