以下内容为吉林大学汽车学院副院长高振海教授关于“AEB研发的关键问题与人性化控制解决方案”的演讲实录：

今天我的演讲主题是自动紧急制动的研发以及我们目前解决关键问题时的人性化解决方案。

首先，我从研究背景的角度来讲。人有迟钝，注意力分散，包括紧急情况下驾驶员没有正确的反应。这是我们从国外拿到的数据，从调研分析角度讲，31% 的驾驶员碰到紧急情况没有踩刹车，有30%采取了，还有20%的司机是全力制动，但是操作时间太晚，不足以产生跟眼前障碍物保持安全车距。因此自动紧急刹车系统从这个世纪初开始，在80年代的时候，美国很多学者写ACC论文，但是AEB系统成熟以后大家才开始进行对它研究。包括现在利用视觉和雷达，也可以利用V2V的技术来检测路上的行人和车辆，同时帮助汽车来减速度规避交通事故发生。我从碰撞的角度来讲，辅助驾驶包括从预警到不同制动介入来讲，我们分成前方防碰撞制动，然后在实践过程中，实现了紧急制动辅助。如果你踩制动了，哪怕你踩压力到0.2兆帕，我也会帮你全力制动。这是我们采取美国的制动系统进行了总结，基本上现在国际上的AEB系统分为几个阶段：1.制动准备包括声音预警。2.体感预警。声音的预警可以听到，如果声音没有听到，可以给你一个短促的脉冲式的制动。如果这时候再没有反映，我们会分为两个阶段，一个阶段是分级式的紧急制动，如果驾驶员给制动，但是给的小，我们怎么帮助你。还有一种是如果驾驶员没有做出合理反应，我们来触发高强度制动。这是目前国际上主流的AEB实验方案，从FCW到前面说的紧急智能辅助再到全力制动辅助，沿着这样的思路，从我们建立团队以来我们一直定位于人车共驾的情况下面向中国路况和中国驾驶员的情景，像刚才朱西产教授讲的女性司机的反应就是慢一些，我们基于信息融合下的感知，因为人开车肯定是多目标的判断，所以叫多目标决策。最后我们是搞车的，我们更加关注的是侧向动力学的控制，我们团队关注的是智能驾驶和人车共驾下的控制。

然后，我们在2000年以后，我所在的工作单位是国内第一做性能驾驶模拟器，我们在模拟器上进行了碰撞行为测试。我们测试了100多名中国驾驶员在中国特有路况下的模拟器实验，测试了50位男性和50位女性的驾驶行为。我们模拟同车道前方车辆低速运动，包括自行车进入，包括行人插进来怎么反应，前方车辆高速运动怎么操作。我们第一代车是2000年，当时最老款的是自动挡的捷达，当时捷达没有ESP，我们加了机械手和机械角去做的。2014年我们跟长城合作，在它的H8上做的AEB测试，我们测试他们的评价效果。2015年我们跟一汽技术中心完成了第三代AEB测试，去年底我们跟江淮汽车今年刚刚上市的纯电动的SUV合作，我们现在在进一步打造智能电动车的开发。这样要我们对电机的驱动、制动来进行协调来做控制算法。我们在开发所有的平台车上的架构都没有加装任何的机械装置，我们利用原车的发动机电喷以及ESP，江淮的电动车上现在不是ESP，我们需要加装，加了单目摄像头和雷达，我们汽车状态信息和驾驶员操作信息进行了读取和控制。

我们团队这几年的重点工作，因为摄像头、雷达我们自己不会做，我们跟我们的合作伙伴利用他们的雷达和摄像头，今天上午我听到所有做摄像头和雷达厂家不知道车需要什么，但是我们做的是基于雷达、传感器感知信息的分析进行深度的提取。我们更加关注与对交通态势的预测，因为人开车是预判式的行为，我会预判感知，所以我们在做预期行驶轨测。这是我们重点在做的事情。

回到AEB，在研究架构中，我们把AEB研究分为几个环节，一个是感知环节。我们得到汽车本身的运动状态，包括速度、加速度，还有驾驶员事后踩油门踏板、制动等信息，然后基于信息融合做识别。我们如何从现在复杂的环境中找到一个有效目标，因为我的雷达可能探出去有若干个目标，但是哪个目标对我的 AEB是最优效果的?我们需要检测出来。这是我们做的雷达实测的结果，我们自己的检测算法来算，我们怎么做检测?如果从人性化的角度来讲，雷达探测到这么多的目标，我们根据相对速度，相对侧向偏移位置，如果左车车道要进入本车道的时候，这个时候是有影响的，所以我们要判断相对侧向偏移位置跟我们的相对关系。如果本车靠近同车道静止物体的时候，它的相对速度、距离、位置逻辑关系，实现了基于本车相对运动关系的信息融合级的目标特征的拾取。

第二，现在知道这个目标了，我们怎么判断这个目标的潜在威胁性。这个目标离我多远的时候才有威胁。我们重点做了两点，第一，我们前面利用模拟器测试了很多驾驶员的行为，我们把驾驶员制动反应时间在不同车速下进行了统计。第二，我们判断了本车和前车在未来一段时间一起走进去的状态，我们利用这种预测的机理建立本车与前方车辆预测方式的运动来衡量威胁性，我们用的是预判式的算法。解决的第三个问题，AEB的研究核心不在于怎么刹车或是什么时候不刹车。所以我们要准确判断驾驶员的操作意图，我们在模拟器上遇到了很多这种情况，我们分析了驾驶员面临紧急碰撞工况下的反映规律，包括他没有反应的时候是怎样的，包括他采取制动的时候是怎样的，是什么情况下他意识到要踩制动，还有怎么样采取了转向，同时我们还进一步的研究了驾驶员误踩油门是什么样的感觉。所以我采取了如下这些信息：是否踩下制动踏板、驾驶员是否踩下油门等(图示)，基于多状态机的AEB主控制逻辑切换逻辑(尽可能不干预驾驶员)。

我们现在怎么减到这个速度?我们现在做了四台车，不同的车的制动有不一样的制动动力学特性，我们标示出了在不同工况下所希望的减速度是怎样的来直接采取主动增压的功能。我们知道尽可能的利用电机的再生制动，但是再生制动产生过大，要产生一个1G的减速度，电机可能就不够了，所以要产生多大呢?一般测试电机到0.2至0.4G的时候已经到饱和区了。

我们怎么人性化分析AEB的性能。因为欧洲、美国有标准的测试工况，我们车上现在演示的AEB没有，只有毫米波雷达我们不可能测试得那么准。所以现在AEB行人的测试没有做。包括利用成年假人，我们想利用包括利用视觉来引入进来做AEB行人的检测。

因为前面这些方法，我自己的定义是属于质量认证级的标准，整车企业做不成性能调校。所以说，我们结合控制策略的开发，我们针对整车厂的需求，我们提出了性能测试评价，包括性能故障的诊断。我们中心联合在做AEB测试工况，AEB在智能辅助阶段有人车共驾，现在所有主机厂的主观评价是人工设计的表，它的科学性和完整性是大家拍脑袋想的。我们在2010年探索了人类实验心理学的理论，因为人类实验心理学在所有宇航飞行中的操控的东西都是基于人类实验心理学的方法建立评测体系，所以我们建立出来他的接受性，包括精神符合，他跟这个系统同时工作时，他的心理压力是怎样的，这是有标准的科学体系的，包括安全性和一定舒适型的考量建出来的评价体系，这是我们在评价中走的人性化的思路。

最后一个，这是我们正在做的事，我们觉得你要跑一万公里，一天跑一千公里，数据怎么处理?如果一条条来看视频，太不人性化了。那么我们用了这个软件，这是奥迪和宝马在开发ADAS的时候已经有了这个，所以我们在AEB中开发了一套测试长距离和短距离的系统，然后标示雷达预警的结果包括视觉输出的状态。所以说，我们现在建立了从整车总成部件、不同性能、不同级别的，包括建立出了产品的认证，主机厂应该干性能调校。如果一个企业给每一个企业都做了一套系统是不可能的，只有整车厂自己才可以做出具有自己DNA的系统。我们希望把我们的研究方法跟各位同仁进行一些分享。

总结来说，前期包括道路模型的建立、核心控制算法的开发、测试评价方法、平台开发，我们自己所整理的流程，我觉得现在所有的研究，我最近一段时间跟我的学生和同事交流，平台开发应该是导向级开发。我一直建议，我们应该跟车企紧密协作起来，使得车企拥有测试、调校、评价的平台，这是最核心要解决的事。