車(chē)載雷達防追尾預警系統中的目標跟蹤研究

1 引言

追尾碰撞是目前我國高速公路各類(lèi)事故中較多的一類(lèi)事故，占事故總數的33%左右。誘發(fā)的主要原因為：（1）駕駛員精力不集中，致使疏忽大意或措施不當；（2）疲勞駕駛，在高速公路上長(cháng)時(shí)間高速行駛，加之道路景觀(guān)單一，駕駛員很容易疲勞，導致駕駛員判斷能力和操作準確性下降；（3）異常天氣（如雨、雪、霧），能見(jiàn)度低，行車(chē)的安全距離不能保證，同時(shí)受到當時(shí)路面條件的影響，制動(dòng)效果難以保障；（4）車(chē)輛本身不能滿(mǎn)足高速公路行駛的性能需求。根據對沈大、合寧、廣深、西臨等高速公路交通事故的統計分析，交通事故類(lèi)型如表1所示。

有關(guān)研究表明，若駕駛員能夠提早1 秒意識到有事故危險并采取相應的措施，則90%的追尾事故和60%的正面碰撞事故都可以避免。美、英、德、日的不少汽車(chē)公司（如德國的奔馳、日本的三菱、馬自達、日產(chǎn)、本田及富土重工等公司）都開(kāi)展了高速公路車(chē)載毫米波雷達防追尾碰撞預警系統的研究。

我國主要有清華大學(xué)、浙江大學(xué)、上海交通大學(xué)、吉林大學(xué)等高校和部分研究所在進(jìn)行車(chē)輛主動(dòng)防撞報警、輔助駕駛系統等相關(guān)技術(shù)研究。例如上海交通大學(xué)卓斌教授等研究開(kāi)發(fā)了“人—車(chē)—路綜合環(huán)境下主動(dòng)安全性模擬系統”，實(shí)現了行車(chē)環(huán)境數據采集、通訊和駕駛軟件仿真的編制。在現行的高速公路交通管理中，為保證行車(chē)安全，常依據公路工程技術(shù)標準中的行車(chē)視距要求，規定一定行駛速度下的車(chē)輛必須保持相應的間距。那么如何準確跟蹤車(chē)輛之間的距離信息，就成了汽車(chē)毫米波雷達防追尾預警系統的關(guān)鍵。

把交互多模型（IMM）機動(dòng)目標跟蹤算法運用到汽車(chē)毫米波雷達防追尾預警系統當中，當毫米波雷達存在一定測量誤差和噪聲時(shí)，目標跟蹤算法能使毫米波雷達能夠準確地探知前方車(chē)輛的運動(dòng)狀態(tài)，如車(chē)間距離、行駛速度等，從而提高駕駛員在高速公路上行駛安全性。

2 汽車(chē)防追尾預警系統工作原理

高速公路汽車(chē)防追尾預警系統由信息采集單元、信息處理單元和信息輸出裝置3 部分組成。信息采集單元通常由毫米波雷達、自車(chē)速度傳感器、轉向角傳感器、制動(dòng)傳感器、加速踏板傳感器和路面情況選擇開(kāi)關(guān)等組成；信息處理單元主要為中央處理器；信息輸出裝置包括液晶顯示屏、報警蜂鳴器、報警指示燈等，圖1 是車(chē)載雷達防追尾預警系統組成方框圖。

信息采集單元不斷地采集相關(guān)信息，利用車(chē)載毫米波雷達獲得前方目標車(chē)輛的運動(dòng)信息，如車(chē)間距離、相對速度；利用自車(chē)傳感系統獲得自車(chē)運行狀態(tài)信息，如自車(chē)速度、有無(wú)轉向、有無(wú)制動(dòng)等，并將此信息傳送至信息處理單元。信息處理單元根據自車(chē)速度、相對速度以及所建立的安全距離計算模型，計算出當前應保持的安全距離并與實(shí)測車(chē)間距離相比較。若實(shí)測車(chē)間距離大于提醒報警距離，則進(jìn)入下一工作循環(huán)；若實(shí)測車(chē)間距離小于提醒報警距離，則進(jìn)行一次報警，提醒駕駛員松油門(mén)并做好剎車(chē)準備；當實(shí)測車(chē)間距離小于危險報警距離，則進(jìn)行二次報警，促使駕駛員立即制動(dòng)，以避免追尾事故的發(fā)生。液晶顯示屏用于顯示兩車(chē)間實(shí)際距離及相對速度，報警蜂鳴器和報警指示燈用于提供聲音報警和指示燈報警，及時(shí)的報警可以有效地提醒駕駛員，促使其采取合適的應對措施。

汽車(chē)在道路上行駛時(shí)，經(jīng)常要進(jìn)行加速、減速和轉彎，其運動(dòng)狀態(tài)是不斷改變的。行駛中的汽車(chē)所處的道路環(huán)境是相當復雜的，而安裝車(chē)載毫米波雷達的汽車(chē)本身也是不時(shí)地處于機動(dòng)狀態(tài)之中，因此車(chē)載雷達所探測的目標也是在不停的變化當中，導致所測兩汽車(chē)之間的距離數據存在一定測量誤差和噪聲，就會(huì )使汽車(chē)防追尾預警系統產(chǎn)生虛警或漏警。過(guò)高虛警率的雷達不但不能減輕駕駛者的工作負擔，反而會(huì )造成駕駛者精神高度緊張，起到相反的效果。因此，采用合適的機動(dòng)目標跟蹤算法，準確地跟蹤自車(chē)前面的車(chē)輛目標的狀態(tài)、及時(shí)估計行車(chē)的危險程度是車(chē)載雷達測距系統的一項主要任務(wù)。

3 交互多模型機動(dòng)車(chē)輛跟蹤算法

交互多模算法是Blom和Bar-Shalom在多模型基礎上提出的，是在廣義偽貝葉斯算法基礎上，以卡爾曼濾波為出發(fā)點(diǎn)，提出的一種具有馬爾可夫切換系數的交互式多模型算法，其中多種模型并行工作，目標狀態(tài)估計是多個(gè)濾波器交互作用的結果。該算法不需要機動(dòng)檢測，同時(shí)達到了全面自適應能力。IMM算法的基本思想是在每一時(shí)刻，假設某個(gè)模型在現在時(shí)刻有效的條件下，通過(guò)混合前一時(shí)刻所有濾波器的狀態(tài)估計值來(lái)獲得與這個(gè)特定模型匹配的濾波器的初始條件；然后對每個(gè)模型并行實(shí)現正規濾波（預測與修正）步驟；最后，以模型匹配似然函數為基礎更新模型概率，并組合所有濾波器修正后的狀態(tài)估計值（加權和）以得到狀態(tài)估計。一個(gè)模型有效的概率在狀態(tài)估值和協(xié)方差的加權綜合計算中有重要作用。IMM的設計參數為：不同匹配和結構的設置模型；不同模型的處理噪聲密度（一般來(lái)講，非機動(dòng)模型具有低水平測量噪聲，機動(dòng)模型具有較高水平的噪聲）；模型之間的切換結構和轉移概率。與其他的機動(dòng)目標的跟蹤算法相比，比如辛格（Singer）算法、輸入估計（IE）算法、變維濾波（VD）算法等，交互多模（IMM）算法的優(yōu)點(diǎn)是它不需要機動(dòng)檢測器監視機動(dòng)[10]，從而不會(huì )產(chǎn)生因模型在機動(dòng)與非機動(dòng)之間切換而帶來(lái)的誤差。其算法原理如下：

假定有r 個(gè)模型：

其中X（k）為目標狀態(tài)向量，Aj為狀態(tài)轉移矩陣，Gj為系統噪聲作用矩陣，Wj（k）是均值為零，協(xié)方差矩陣為Qj的白噪聲序列。

可用一個(gè)馬爾可夫鏈來(lái)控制這些模型之間的轉換，馬爾可夫鏈的轉移概率矩陣為：

其中Z（k）為量測向量，H為觀(guān)測矩陣，V（k）為量測噪聲，已知其方差為R（k）。W（k）和V（k）是零均值且相互獨立。

IMM算法可歸納如下4 個(gè)步驟。

步驟1 輸入交互：

根據兩模型（k-l）時(shí)刻的濾波值和模型概率，計算交互混合后的濾波初始值，包括模型1 的濾波初始值：濾波估計值X 01

（k - 1）和估計協(xié)方差μ1（k - 1）；模型2 的濾波初始值：濾波估計值X 02

（k - 1）和估計誤差協(xié)方差P02

（k - 1）。設系統在（k-1）時(shí)刻模型1 概率為μ1（k - 1），濾波值X1

（k - 1），估計誤差協(xié)方差為P2（k - 1）。模型2 的概率為μ2（k - 1），濾波值為X 2

（k - 1），系統估計誤差協(xié)方差為P2（k - 1）。則進(jìn)一步推廣到r 個(gè)模型，交互后r模型的濾波初始值為：

步驟2 模型條件濾波：

對應于模型Mj（k），以X 0j

（k - 1|k - 1），P0j（k - 1|k - 1）及Z（k）作為輸入進(jìn)行卡爾曼濾波。

卡爾曼預測方程：

i = 1rΛj（k）cj_，而Λj（k）為觀(guān)測Z（k）的似然函數：

圖2 為IMM算法結構原理圖


4 車(chē)輛運動(dòng)模型分析與IMM算法跟蹤仿真

試驗設計：考慮兩輛車(chē)在道路上同向行駛，在0~10 s 時(shí)，兩車(chē)均保持勻速直線(xiàn)運動(dòng)，由安裝在后車(chē)上的車(chē)載毫米波雷達檢測出與前車(chē)的距離為100 m，相對速度為-3 m/s，方位角2°。

在10~15 s 時(shí)，前車(chē)向右偏轉，與后車(chē)的相對角加速度為1° s2。

后車(chē)加速，與前車(chē)的縱向相對加速度為a = -1.8 m/s2。雷達的掃描周期為T(mén)=0.1 s，系統噪聲為σα = 0.3 m/s，σβ = 0.3°/s。量測誤差為σ1 = 1 mσ2 = 0.5 m/sσ3 = 0.2°/s。

車(chē)輛勻速直線(xiàn)運動(dòng)模型：

采用蒙特卡洛方法對跟蹤濾波器進(jìn)行仿真分析，仿真次數為400 次。以下運用Matlab7.0 仿真的結果。

由圖3~圖6 仿真結果表明，該算法能夠有效地跟蹤前方車(chē)輛的運動(dòng)信息，并且誤差較小，精度較高。


5 總結

重點(diǎn)研究了交互多模型機動(dòng)目標跟蹤算法在車(chē)載毫米波雷達防追尾預警系統中的應用，介紹機動(dòng)目標跟蹤算法原理和步驟，并以高速公路上行駛的汽車(chē)為對象進(jìn)行防真，結果表明算法具有結構簡(jiǎn)單、運算量小、精度較高的優(yōu)點(diǎn)，能夠提高車(chē)載雷達防追尾預警系統的使用效率，從而提高車(chē)輛駕駛的安全性，具有一定的應用價(jià)值。