KR101214961B1

KR101214961B1 - Decision method of optimal lead time using vehicle model for analyzing crash probability

Info

Publication number: KR101214961B1
Application number: KR1020100044918A
Authority: KR
Inventors: 정현용; 김태웅
Original assignee: 서강대학교산학협력단
Priority date: 2010-05-13
Filing date: 2010-05-13
Publication date: 2012-12-24
Also published as: KR20110125410A

Abstract

본 발명은 충돌 가능성 분석을 위한 차량 모델을 이용한 최적의 리드 타임 결정 방법에 관한 것이다.
본 발명의 한 실시예에 따른 최적의 리드 타임 결정 방법은 확률 분석을 통해 운전자 모델, 초기 오버랩 양, 그리고 초기 충돌 각도 각각에 대하여 리드 타임에 따른 충돌 가능성을 파악하여 최적의 리드 타임을 결정할 수 있다.
본 발명에 의하면, 차량의 능동 안전 시스템 구축 시 필요한 최적의 리드 타임을 결정할 수 있다.The present invention relates to a method for determining an optimum lead time using a vehicle model for collision probability analysis.
In the method of determining an optimal lead time according to an exemplary embodiment of the present invention, an optimal lead time may be determined by determining a probability of collision according to lead time for each driver model, an initial overlap amount, and an initial collision angle through probability analysis. .
According to the present invention, it is possible to determine the optimum lead time required for building an active safety system for a vehicle.

Description

Decision method of optimal lead time using vehicle model for analyzing crash probability

본 발명은 충돌 가능성 분석을 위한 차량 모델을 이용한 최적의 리드 타임 결정 방법에 관한 것이다.The present invention relates to a method for determining an optimum lead time using a vehicle model for collision probability analysis.

능동 안전(active safety)은 자동차 산업에 있어서 가장 흥미로운 이슈 중 하나이고, 최근에 비전 시스템이나 레이더 시스템을 사용하는 몇몇 능동 안전 시스템들이 개발되었다. 능동 안전은 활성화 시간(activation time)이라는 측면에서 지난 수십 년 동안 자동차 안전과 관련하여 보급되어 왔던 수동 안전과 구분되는데, 수동 안전 시스템은 충돌 이후에 활성화 되는 반면에 능동 안전 시스템의 활성화는 충돌 이전에 활성화된다. 능동 안전 시스템은 수동 안전 시스템에서의 안전벨트 프리텐셔너(seat belt pretensioner)나 에어백과 같은 제한 요소(restraint component) 뿐만 아니라 충돌 경고 시스템, 능동 제동 시스템(active braking system), 그리고 능동 조향 시스템(active steering system)으로 이루어진다.Active safety is one of the most interesting issues in the automotive industry, and several active safety systems have recently been developed using vision systems or radar systems. Active safety is distinguished from passive safety, which has been prevalent in the past decades with regard to vehicle safety in terms of activation time, whereas passive safety systems are activated after a crash, while activation of an active safety system is possible before the crash. Is activated. Active safety systems include crash warning systems, active braking systems, and active steering systems, as well as restraint components such as seat belt pretensioners and airbags in passive safety systems. )

능동 안전 장치는 운전자의 행동에 직접적으로 영향을 미친다. 그래서 오경보율(false alarm rate)은 가장 중요한 이슈 중 하나이고, 특히 비가역 안전 시스템(irreversible safety system)의 경우 오보율은 없어야 한다. 능동 안전 시스템에는 두 가지 타입의 오차가 있다. 하나는 가양성 오차(false positive error), 즉 어떤 임박한 충돌도 없음에도 불구하고 능동 안전 장치가 활성화 되는 경우이다. 다른 하나는 임박한 충돌이 있음에도 불구하고 능동 안전 시스템이 조치를 취하지 못하도록 막는 가음성 오차(false negative error)이다. 이 두 오차는 짝을 이루므로 한 오차의 감소(또는 증가)는 다른 오차의 증가(또는 감소)를 가져온다.Active safety devices directly affect the driver's behavior. Therefore, false alarm rate is one of the most important issues, especially for irreversible safety systems. There are two types of errors in active safety systems. One is the case where active safety devices are activated despite false positive errors, ie no impending collisions. The other is a false negative error that prevents the active safety system from taking action despite an impending crash. Since these two errors are paired, a decrease (or increase) of one error results in an increase (or decrease) of the other error.

리드 타임의 증가는 운전자(또는 능동 안전 시스템)에게 충돌을 회피하기에 충분한 시간을 제공함으로써 시스템 적용 범위(system coverage)의 증가를 가져온다. 하지만 이는 운전자를 괴롭히는 오경보율도 증가시킨다. 반대로 리드 타임의 감소는 오경보율의 감소 뿐 아니라 시스템 적용 범위의 감소를 가져온다. 능동 안전 시스템을 위한 알고리즘의 성능은 두 오차율 사이의 차이에 의해 평가 되기도 한다. 기존의 대부분의 능동 안전 시스템은 오경보율을 감소시키기 위해 능동 안전 시스템의 적용 범위의 감소를 받아들여 왔다.An increase in lead time results in an increase in system coverage by giving the driver (or active safety system) enough time to avoid a collision. But this also increases the false alarm rate that bothers the driver. Conversely, a reduction in lead time results in a reduction in system coverage as well as a reduction in false alarm rates. The performance of an algorithm for an active safety system is often assessed by the difference between the two error rates. Most existing active safety systems have embraced the reduction of the range of active safety systems in order to reduce false alarm rates.

따라서 기존의 시스템에 있어서의 최적의 해결 방안은 주어진 상황에서 요구되는 시스템 적용 범위를 보증하는 한도 내에서 최단 시간의 리드 타임을 선택하는 것이다. 이는 리드 타임이 도로 상황에 따라 적응성 있게 조절되어야 함을 의미한다. 적응 리드 타임(adaptive lead time)을 알아내기 위해 많은 연구가 이루어져 왔음에도, 최적 리드 타임의 결정에 영향을 미치는 충돌 각도(heading angle) 및 차량 사이의 오버랩이 고려되지는 않았다.Therefore, the optimal solution for existing systems is to select the shortest lead time within the limits to guarantee the required system coverage in a given situation. This means that the lead time must be adaptively adjusted according to the road conditions. Although much research has been done to determine adaptive lead time, the heading angle and overlap between the vehicles that affect the determination of the optimal lead time have not been considered.

또한 후방 충돌에 대한 충돌 완화 시스템(collision mitigation system)은 잦은 발생과 충돌 모드의 단순함으로 인해 많은 연구가 있어 왔다. 하지만 정면충돌에 대한 충돌 완화 시스템은 위협 차량(threat vehicle)을 탐지하기 어려운 점, 높은 오경보율, 그리고 다양한 충돌 시나리오로 인해 많은 연구가 이루어지지 못했다.Collision mitigation systems for back collisions have also been studied for their frequent occurrence and simplicity of collision modes. However, the collision mitigation system for frontal collisions has not been studied due to the difficulty of detecting a threat vehicle, high false alarm rate, and various collision scenarios.

한편, 확률 분석을 통해 충돌 가능성을 조사하기 위해서는 정확한 차량 경로를 제공하는 단순한 차량 모델을 정립하는 것이 중요하다. 이러한 확률 분석에 있어서 ADAMS와 같은 상용 코드를 사용하여 구성된 복잡한 차량 모델이 다른 동적 차량 시뮬레이션에서와 같이 사용될 수는 있지만, 수천 번의 시뮬레이션이 수행되어야 하기 때문에 막대한 시간이 걸리는 문제가 있다.Meanwhile, in order to investigate the possibility of collision through probability analysis, it is important to establish a simple vehicle model that provides an accurate vehicle path. In this probability analysis, a complex vehicle model constructed using commercial code such as ADAMS can be used as in other dynamic vehicle simulations, but there is an enormous amount of time since thousands of simulations have to be performed.

본 발명은 전술한 바와 같은 문제점들을 해결하기 위해 창출된 것으로서, 본 발명이 해결하고자 하는 과제는 4륜으로 설계되어, 인보드 및 아웃보드 휠 사이의 하중 전이 뿐 아니라 제동(braking) 또는 가속(accelerating)으로 인한 두 차축 사이의 하중 전이(load transfer)도 고려되며, 기존의 자전거 모델과 같은 세 개의 자유도만으로 정확한 결과에 근접할 수 있도록 설계된 충돌 가능성 분석을 위한 차량 모델을 이용하여, 운전자 모델, 초기 오버랩(overlap) 양, 그리고 초기 충돌 각도(heading angle)에 대하여 리드 타임에 따른 충돌 가능성을 확률 분석을 통해 파악하고, 이를 통해 차량의 능동 안전 시스템 구축 시 필요한 최적의 리드 타임 결정 방법을 제공하는 것이다.The present invention was created to solve the above problems, and the problem to be solved by the present invention is designed to be four wheels, so that not only the load transfer between the inboard and outboard wheels, but also the braking or accelerating The load transfer between the two axles is also taken into account and the driver model, the initial model, using a vehicle model for collision probability analysis designed to approach accurate results with only three degrees of freedom as in the conventional bicycle model. Through probability analysis on the amount of overlap and the initial heading angle, the probability of collision according to the lead time is determined through probabilistic analysis, thereby providing the optimal lead time determination method for the active safety system of the vehicle. .

삭제delete

상기한 과제를 달성하기 위한 본 발명의 한 실시예에 따른 최적의 리드 타임 결정 방법은 세 개의 자유도를 갖고 차량의 종 방향 하중 전이 및 횡 방향 하중 전이의 고려가 포함되는 4륜 모델로 설계되는 충돌 가능성 분석을 위한 차량 모델을 이용한다.The method of determining an optimal lead time according to an embodiment of the present invention for achieving the above object is a collision designed as a four-wheel model having three degrees of freedom and including consideration of longitudinal load transition and lateral load transition of the vehicle. Use vehicle models for probability analysis.

삭제delete

본 발명의 한 실시예에 따른 최적의 리드 타임 결정 방법은 확률 분석을 통해 운전자 모델, 초기 오버랩 양, 그리고 초기 충돌 각도 각각에 대하여 리드 타임에 따른 충돌 가능성을 파악하여 최적의 리드 타임을 결정할 수 있다.In the method of determining an optimal lead time according to an exemplary embodiment of the present invention, an optimal lead time may be determined by determining a probability of collision according to lead time for each driver model, an initial overlap amount, and an initial collision angle through probability analysis. .

상기 운전자 모델은 일반 상황 운전자 모델, 긴급 상황 운전자 모델, 또는 충돌 회피 불가능 운전자 모델 중 어느 하나이고, 상황 별로 운전자의 브레이크 조작에 의한 제동 입력을 포함한 입력값을 사용할 수 있다.The driver model may be one of a general situation driver model, an emergency situation driver model, or a collision avoidance driver model, and may use an input value including a braking input by a driver's brake operation for each situation.

상기 일반 상황 운전자 모델은 제동(braking) 입력만을 사용하고, 상기 긴급 상황 운전자 모델은 제동 입력 및 조향 레이트(steering rate) 입력을 사용하며, 상기 충돌 회피 불가능 운전자 모델은 최대로 입력 가능한 제동 입력 및 조향 레이트 입력을 사용할 수 있다.The general situation driver model uses only a braking input, the emergency situation driver model uses a braking input and a steering rate input, and the non-collision avoidance driver model has a maximum inputable braking input and steering. Rate input can be used.

상기 초기 오버랩 양은 어떤 조향 조작도 없이 충돌이 일어났을 때 범퍼의 오버랩 된 길이를 범퍼의 전체 폭으로 나눈 값일 수 있다.The initial overlap amount may be a value obtained by dividing the overlapped length of the bumper by the total width of the bumper when a collision occurs without any steering operation.

상기 초기 충돌 각도는 어떤 조향 조작도 없이 충돌이 일어났을 때 주 차량과 위협 차량의 진행 방향이 이루는 각도일 수 있다.The initial collision angle may be an angle formed between the main vehicle and the threatening vehicle when the collision occurs without any steering operation.

본 발명에 의하면, 세 개의 자유도를 갖고 차량의 종 방향 하중 전이 및 횡 방향 하중 전이의 고려가 포함되는 4륜 모델로 설계함으로써, 기존의 자전거 모델과 같은 세 개의 자유도만으로 정확한 결과에 근접할 수 있는 충돌 가능성 분석을 위한 차량 모델을 이용하여, 운전자 모델, 초기 오버랩 양, 그리고 초기 충돌 각도에 대하여 리드 타임에 따른 충돌 가능성을 확률 분석을 통해 파악함으로써, 차량의 능동 안전 시스템 구축 시 필요한 최적의 리드 타임을 결정할 수 있다.According to the present invention, by designing a four-wheeled model having three degrees of freedom and including consideration of longitudinal and transverse load transfer of the vehicle, it is possible to approach accurate results with only three degrees of freedom as in the conventional bicycle model. Using the vehicle model for collision possibility analysis, the probability of collision according to lead time for driver model, initial overlap amount, and initial collision angle can be identified through probability analysis, so that the optimal lead time for building an active safety system for a vehicle Can be determined.

삭제delete

도 1은 실제 시험 차량과 ADAMS 모델로부터 얻은 횡가속도 값을 나타낸 그래프이다.
도 2는 실제 시험 차량과 ADAMS 모델로부터 얻은 요 레이트 값을 나타낸 그래프이다.
도 3은 자전거 모델과 4륜 모델에 사용된 모멘트 팔의 차이를 나타낸 개념도이다.
도 4는 종 방향 하중 전이를 나타낸 개념도이다.
도 5는 ADAMS 모델 및 4륜 모델로부터 구해지는 차량 경로에 관한 그래프이다.
도 6은 ADAMS 모델 및 4륜 모델로부터 구해지는 요 레이트에 관한 그래프이다.
도 7은 실제 시험 차량 및 4륜 모델로부터 구해진 차량 경로에 관한 그래프이다.
도 8은 운전자의 조향 레이트의 확률 분포를 나타낸 그래프이다.
도 9는 운전자의 제동 레이트의 확률 분포를 나타낸 그래프이다.
도 10은 시뮬레이션 조건의 결정을 보여주는 도면이다.
도 11은 하중 케이스에서의 충돌 각도 및 오버랩 양을 나타내는 도면이다.
도 12는 충돌 가능성을 결정하기 위한 충돌 발생의 체크를 나타낸 그래프이다.
도 13은 충돌 가능성에 관한 운전자의 행동의 분포의 효과를 나타낸 그래프이다.
도 14는 충돌 가능성에 관한 운전자 모델의 효과를 나타낸 그래프이다.
도 15는 180도의 초기 충돌 각도 및 100%의 초기 오버랩에 대한 충돌 가능성을 나타낸 그래프이다.
도 16은 150도의 초기 충돌 각도 및 100%의 오버랩에 대한 충돌 가능성을 나타낸 그래프이다.
도 17은 180도의 초기 충돌 각도 및 25%의 초기 오버랩에 대한 충돌 가능성을 나타낸 그래프이다.
도 18은 150도의 초기 충돌 각도 및 25%의 초기 오버랩에 대한 충돌 가능성을 나타낸 그래프이다.
도 19는 곡선 도로에서의 하중 케이스를 나타낸 개념도이다.
도 20은 각각의 하중 케이스에서의 리드 타임을 나타낸 그래프이다.
도 21은 각각 다른 표준 편차에 대한 가음성률을 나타낸 그래프이다.
도 22는 각각 다른 표준 편차에 대한 가양성률을 나타낸 그래프이다.1 is a graph showing the lateral acceleration values obtained from the actual test vehicle and the ADAMS model.
2 is a graph showing the yaw rate values obtained from the actual test vehicle and the ADAMS model.
3 is a conceptual diagram showing the difference between the moment arm used in the bicycle model and the four-wheel model.
4 is a conceptual diagram showing a longitudinal load transition.
5 is a graph of a vehicle route obtained from the ADAMS model and the four-wheel model.
6 is a graph of the yaw rate obtained from the ADAMS model and the four-wheel model.
7 is a graph of a vehicle route obtained from an actual test vehicle and a four wheel model.
8 is a graph showing a probability distribution of a driver's steering rate.
9 is a graph illustrating a probability distribution of a braking rate of a driver.
10 shows the determination of simulation conditions.
11 is a view showing the collision angle and the overlap amount in the load case.
12 is a graph showing a check of collision occurrence to determine a collision possibility.
13 is a graph showing the effect of the distribution of driver's behavior on the likelihood of a collision.
14 is a graph showing the effect of the driver model on the possibility of collision.
15 is a graph showing the collision potential for an initial collision angle of 180 degrees and an initial overlap of 100%.
16 is a graph showing the collision potential for an initial collision angle of 150 degrees and an overlap of 100%.
17 is a graph showing the collision potential for an initial collision angle of 180 degrees and an initial overlap of 25%.
18 is a graph showing the collision potential for an initial collision angle of 150 degrees and an initial overlap of 25%.
19 is a conceptual diagram showing a load case on a curved road.
20 is a graph showing the lead time in each load case.
21 is a graph showing false negative rates for different standard deviations.
22 is a graph showing false positive rates for different standard deviations.

이하에서 본 발명의 실시예를 첨부된 도면을 참조로 상세히 설명한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings.

도 1은 실제 시험 차량과 ADAMS 모델로부터 얻은 횡가속도 값을 나타낸 그래프이고, 도 2는 실제 시험 차량과 ADAMS 모델로부터 얻은 요 레이트(yaw rate) 값을 나타낸 그래프이다.FIG. 1 is a graph showing lateral acceleration values obtained from an actual test vehicle and an ADAMS model, and FIG. 2 is a graph showing yaw rate values obtained from an actual test vehicle and an ADAMS model.

확률 분석으로 충돌 가능성을 조사하기 위해서는 정확한 차량 경로를 제공하는 단순한 차량 모델을 정립하는 것이 중요하다. 확률 분석에 있어서 ADAMS와 같은 상용 코드를 사용하여 구성된 복잡한 차량 모델이 다른 동적 차량 시뮬레이션에서와 같이 사용될 수는 있지만, 수천 번의 시뮬레이션이 수행되어야 하기 때문에 막대한 시간이 걸린다. 단순 차량 모델을 정립하기 위하여, 우선 ADAMS 모델을 구성하여 정적 및 동적 시험에 대해 적용하였다. 예를 들어, 공격적인 턴에 있어서의 횡가속도(lateral acceleration)와 요 레이트(yaw rate)에 대한 실제 시험 및 시뮬레이션 결과는 각각 도 1, 도 2에 도시되었다. ADAMS 모델은 0.6 g 의 횡가속도를 갖는 실제 시험 차량과 훌륭한 연관성을 나타냈다. 다음으로 단순 차량 모델을 ADAMS 모델 및 실제 시험 데이터와 비교 평가하였다.In order to investigate the possibility of collision with probability analysis, it is important to establish a simple vehicle model that provides accurate vehicle paths. In the probabilistic analysis, complex vehicle models constructed using commercial code such as ADAMS can be used as in other dynamic vehicle simulations, but it takes enormous time because thousands of simulations have to be performed. To establish a simple vehicle model, the ADAMS model was first constructed and applied for static and dynamic tests. For example, actual test and simulation results for lateral acceleration and yaw rate during aggressive turns are shown in FIGS. 1 and 2, respectively. The ADAMS model showed a good correlation with the actual test vehicle with lateral acceleration of 0.6 g. Next, the simple vehicle model was compared and evaluated with the ADAMS model and the actual test data.

자전거 모델(bicycle model)은 모델링의 단순함으로 인해 급하게 가, 감속하지 않거나 회전하지 않은 경우에 대한 동적 차량 시뮬레이션에 자주 사용되어 왔다. 자전거 모델은 각 차축에 한 개씩 총 두 개의 차륜(wheel)을 가지고, 준(準)정적 상태(quasi-static state) 및 일정한 코너링 강성(constant cornering stiffness)이 요구된다. 두 개의 차륜만을 가짐에도 롤 센터(roll center) 주위의 롤 모션에 기인하는 무게 중심점의 높이 변화를 통해 횡방향의 하중 전이가 고려될 수 있다.Bicycle models have often been used for dynamic vehicle simulations in cases of rapid acceleration, non-deceleration or non-rotation due to the simplicity of modeling. Bicycle models have a total of two wheels, one for each axle, and require a quasi-static state and constant cornering stiffness. Even with only two wheels, transverse load transfer can be considered through the height change of the center of gravity due to the roll motion around the roll center.

하지만 사고 회피 시에 경우에 따라 조향 핸들 레이트(steering wheel rate)는 300 deg/sec가 넘는 것으로 알려져 있다. 급하게 회전하는 경우에는 슬립 각도(slip angle)가 너무 커져서 코너링 강성이 일정하지 않게 된다. 그래서 일정한 코너링 강성 대신, 넓은 슬립 각도 및 수직항력(normal force)의 범위에서 달라지는 코너링 강성을 정확하게 나타내는 매직 포뮬라 타이어 모델(magic formula tire model)을 자전거 모델에 접목하였다. 가장 일반적인 매직 포뮬라 타이어 모델 중 하나는 ADAMS에서 제공되는 PAC94 타이어 모델이며 이 모델이 사용되었다.However, in some cases, steering wheel rates are known to exceed 300 deg / sec. In the case of rapid rotation, the slip angle becomes so large that the cornering stiffness is not constant. So instead of the constant cornering stiffness, the bike model is a magic formula tire model that accurately represents the cornering stiffness that varies over a wide range of slip angles and normal forces. One of the most common Magic Formula tire models is the PAC94 tire model provided by ADAMS.

도 3은 자전거 모델과 4륜 모델에 사용된 모멘트 팔의 차이를 나타낸 개념도이고, 도 4는 종 방향 하중 전이를 나타낸 개념도이다.3 is a conceptual diagram showing the difference between the moment arm used in the bicycle model and the four-wheel model, Figure 4 is a conceptual diagram showing the longitudinal load transition.

도 3에 도시된 것처럼, 자전거 모델은 선회 모멘트(yaw moment)의 계산에 사용되는 부정확한 모멘트 팔로 인해 부정확한 요 레이트 응답을 보인다. 자전거 모델에서 각 차축에 하나의 휠만 있기 때문에 선회 모멘트가 하나의 모멘트 팔에 의해 좌측 및 우측 차륜의 횡 방향 작용력의 합을 곱함으로써 수학식 1과 같이 계산되므로, 수학식 2와 같이 계산되는 각 차축에 두 개의 휠이 있는 모델과 차이가 있다.As shown in FIG. 3, the bicycle model exhibits inaccurate yaw rate response due to the incorrect moment arm used in the calculation of the yaw moment. Since there is only one wheel in each axle in the bicycle model, the turning moment is calculated by Equation 1 by multiplying the sum of the lateral forces of the left and right wheels by one moment arm, so that each axle calculated by Equation 2 This is different from the model with two wheels.

이러한 문제를 해결하기 위하여, 롤 및 피치 모션으로 인한 길이 방향 및 횡 방향 하중이 고려되는 4륜 모델이 널리 사용되어 왔다. 4륜 모델은 본 연구에서도 사용되었고, 그 지배 방정식은 수학식 3에 나타난 바와 같다. 길이 방향 하중 전이는 도 4에 도시된 바와 같이, 단지 길이 방향 관성력을 고려하도록 하여 수학식 4와 같이 반영되었다. 수학식 4에서

는 피치 모션(pitch)에 의한 하중 전이를 반영한 것이다. 또한 횡 방향 하중 전이는 수학식 5에서와 같이 고려되었다.To solve this problem, four-wheel models have been widely used in which longitudinal and lateral loads due to roll and pitch motion are considered. The four-wheel model was also used in this study, and the governing equation is as shown in Equation 3. The longitudinal load transition was reflected as in Equation 4 by only considering the longitudinal inertia force, as shown in FIG. In equation (4)

Is a reflection of the load transfer due to the pitch motion. The transverse load transition was also considered as in equation (5).

(여기서 m 은 총 질량, t 는 차륜 트랙 폭(wheel track), δ 는 조향 각도(steer angle), I _ZZ 는 선회축에 대한 질량 관성 모멘트(mass moment of inertia about yaw axis), F _yfl 및 F _yfr 은 좌측 및 우측 전륜 횡 작용력(side force), F _yrl 및 F _yrr 은 좌측 및 우측 후륜 횡 작용력(side force), F _xfl 및 F _xfr 은 좌측 및 우측 전륜 견인력(traction), F _xrl 및 F _xrr 은 좌측 및 우측 후륜 견인력(traction))(Where m is total mass, t is wheel track width, δ is steer angle, I _ZZ Is the mass moment of inertia about yaw axis, F _yfl And F _yfr are the left and right front wheel side forces, F _yrl And F _yrr is the left and right rear wheel side force, F _xfl And F _xfr Is the left and right front wheel traction, F _xrl And F _xrr Is the left and right rear wheel traction)

(여기서 m 은 총 질량, g 는 중력 가속도, l ₁ 은 전륜 차축으로부터 차량 무게 중심까지의 종 방향 거리, l ₂ 는 후륜 차축으로부터 차량 무게 중심까지의 종 방향 거리, a _x 는 차량의 종 방향 가속도, h _cg 는 지면으로부터 무게 중심까지의 높이)(Where m is the total mass, g is the acceleration of gravity, l ₁ is the longitudinal distance from the front axle to the center of gravity of the vehicle, l ₂ is the longitudinal distance from the rear axle to the center of gravity of the vehicle, and a _x is the longitudinal acceleration of the vehicle) , h _cg is the height from the ground to the center of gravity

(여기서 t _f , t _r 은 전륜 및 후륜 트랙 폭(wheel track), c _φf , c _φr 은 전륜 및 후륜 차축의 회전 강성, h _f , h _r 은 전륜 및 후륜 차축의 회전 중심 높이, h' 는 회전축에서 무게중심까지의 거리, l ₁ 은 전륜 차축으로부터 차량 무게 중심까지의 종 방향 거리, l ₂ 는 후륜 차축으로부터 차량 무게 중심까지의 종 방향 거리)(Where t _f , t _r The front and rear track width _{(wheel track), c φf,} c φr is rotational stiffness, h _f, h _r are the rotational center height of the front wheel and the rear wheel axle of the front wheel and the rear wheel axle, h 'is the distance to the center of gravity from the axis of rotation l ₁ is the longitudinal distance from the front axle to the center of gravity of the vehicle, l ₂ is the longitudinal distance from the rear axle to the center of gravity of the vehicle)

즉, 본 발명의 한 실시예에 따른 충돌 가능성 분석을 위한 차량 모델은 세 개의 자유도를 갖는 4륜 모델로 설계되는 충돌 가능성 분석을 위한 차량 모델로서, 4륜 모델은 차량의 종 방향 하중 전이 및 횡 방향 하중 전이가 고려되도록 설계된다.That is, the vehicle model for collision probability analysis according to an embodiment of the present invention is a vehicle model for collision probability analysis, which is designed as a four-wheel model having three degrees of freedom, and the four-wheel model is a longitudinal load transfer and transverse of the vehicle. Directional load transfer is designed to be taken into account.

또한 종 방향 하중 전이는 제동 또는 가속으로 인한 두 차축 사이의 하중 전이를 포함하고, 횡 방향 하중 전이는 인보드 휠 및 아웃보드 휠 사이의 하중 전이를 포함할 수 있다.Longitudinal load transfer may also include load transfer between two axles due to braking or acceleration, and lateral load transfer may include load transfer between the inboard wheel and the outboard wheel.

또한 4륜 모델의 지배 방정식은 수학식 3과 같을 수 있고, 종 방향 하중 전이는 종 방향 관성력에 의한 전륜 및 후륜 연직 작용력(F _zf , F _zr )인 수학식 4를 통해 고려될 수 있으며, 횡 방향 하중 전이는 전륜 및 후륜 연직 작용력(Δ F _zf , Δ F _zr )인 수학식 5를 통해 고려될 수 있다.In addition, the governing equation of the four-wheel model may be as shown in Equation 3, and the longitudinal load transition may be considered through Equation 4, in which the front and rear vertical action forces ( F _zf and F _zr ) due to the longitudinal inertia force, The directional load transition can be considered through Equation 5, which is the front wheel and rear wheel vertical action forces Δ F _zf , Δ F _zr .

본 발명의 한 실시예에 따른 충돌 가능성 분석을 위한 차량 모델의 적용성, 즉 실제 시험 차량과 비슷한 경로 정보를 도출하는 차량 모델인지 평가(validation)하기 위해, 정적 및 동적 평가가 수행되었다. 정적 평가는 보통 기구학(kinematics) 및 컴플라이언스(comliance) 시험 데이터를 사용하여 수행되었다. 이는 타이어의 접촉부에 발생하는 횡 작용력(side force)이 서스펜션의 변형을 일으키고 추가적인 토(toe) 및 조향각을 유발하는 조향 시스템 때문에 필수적이다. 전륜의 조향각은 대부분의 기존 4륜 모델에서 입력되었지만, 조향 핸들 각도는 본 연구에서 입력되었다. 그러므로 서스펜션의 컴플라이언스와 조향 시스템은 분석적 차량 모델에서 수학식 6에서와 같이 고려되었다.In order to evaluate the applicability of the vehicle model for collision probability analysis according to an embodiment of the present invention, that is, whether the vehicle model derives route information similar to the actual test vehicle, static and dynamic evaluations were performed. Static evaluation was usually performed using kinematics and compliance test data. This is necessary because of the steering system in which the side forces occurring at the tire contacts cause deformation of the suspension and cause additional toe and steering angles. The steering angle of the front wheel was input in most existing four wheel models, but the steering wheel angle was input in this study. Therefore, the compliance and steering system of the suspension is considered as in Equation 6 in the analytical vehicle model.

(여기서 ψ _c 는 -F _y (e+t _p )/c _ψ , ψ _sf 는 c _sf F _y , e 는 캐스터 각(caster angle), t _p 는 뉴매틱 트레일(pneumatic trail), c _ψ 는 조향 강성(steering stiffness), c _sf 는 서스펜션 컴플라이언스)Where ψ _c is- F _y ( e + t _p ) / c _ψ , ψ _sf is c _sf F _y , e is the caster angle, t _p is the pneumatic trail, c _ψ is steering Steering stiffness, c _sf is suspension compliance)

도 5는 ADAMS 모델 및 4륜 모델로부터 구해지는 차량 경로에 관한 그래프이고, 도 6은 ADAMS 모델 및 4륜 모델로부터 구해지는 요 레이트에 관한 그래프이다. 도 7은 실제 시험 차량 및 4륜 모델로부터 구해진 차량 경로에 관한 그래프이다.FIG. 5 is a graph of a vehicle route obtained from the ADAMS model and the four-wheel model, and FIG. 6 is a graph of the yaw rate obtained from the ADAMS model and the four-wheel model. 7 is a graph of a vehicle route obtained from an actual test vehicle and a four wheel model.

정적 벨리데이션 후에 동적 벨리데이션이 수행되었다. 300 deg/sec의 조향 핸들 레이트, 100 km/h의 초기 속도, 그리고 0.3 g의 제동에 의한 감속 조건의 우회전이 ADAMS 모델과 4륜 모델에 의해 시뮬레이션 되었다. 시뮬레이션 결과로서 경로와 요 레이트는 각각 도 5 및 도 6에 도시된 바와 같다(다만 도 5는 가로축과 세로축의 스케일이 다름에 유의한다). 나아가, 4륜 모델은 공격적인 턴의 실제 시험을 시뮬레이션 해보기 위해 사용되었고, 경로에 관한 시뮬레이션 결과와 시험 데이터는 도 7에 도시된 바와 같다. 시험 차량의 경로는 요 레이트 센서에 의해 측정된 요 레이트와 옵티컬 센서에 의해 측정된 종 방향 및 횡 방향 속도 요소의 수치 적분을 통해 구해졌다. 옵티컬 센서에 의해 얻어진 종 방향 및 횡 방향 위치 데이터는 훼손되어 사용될 수 없었다. 4륜 차량 모델을 이용한 결과는 ADAMS 결과 및 차량 경로에 관한 시험 데이터와 좋은 연관성을 보여 주었다. 즉 4륜 모델은 확률 분석에 사용되기에 적정하다고 판단되었다.Dynamic validation was performed after static validation. Steering handle rates of 300 deg / sec, initial speed of 100 km / h, and right turn of deceleration conditions with 0.3 g of braking were simulated by the ADAMS model and the four-wheel model. As a result of the simulation, the path and yaw rate are as shown in Figs. 5 and 6, respectively (but note that the scales of the horizontal axis and the vertical axis are different). Furthermore, the four-wheel model was used to simulate the actual test of the aggressive turn, and the simulation results and test data about the path are shown in FIG. The path of the test vehicle was obtained through the numerical integration of the yaw rate measured by the yaw rate sensor and the longitudinal and transverse velocity components measured by the optical sensor. The longitudinal and transverse position data obtained by the optical sensor was corrupted and could not be used. The results using the four-wheeled vehicle model showed good correlation with the ADAMS results and the test data on the vehicle route. In other words, the four-wheel model was judged to be suitable for use in probability analysis.

따라서 본 발명에 의하면, 세 개의 자유도를 갖고 차량의 종 방향 하중 전이 및 횡 방향 하중 전이의 고려가 포함되는 4륜 모델로 설계함으로써, 기존의 자전거 모델과 같은 세 개의 자유도만으로 정확한 충돌 가능성 분석을 위한 차량 모델을 제공할 수 있다.Therefore, according to the present invention, by designing a four-wheel model having three degrees of freedom and including the consideration of the longitudinal and transverse load transfer of the vehicle, for accurate collision probability analysis with only three degrees of freedom like the conventional bicycle model A vehicle model can be provided.

다음으로, 정면충돌에 대한 충돌 가능성의 산정을 위한 확률 분석이 수행되었다. 많은 수치 시뮬레이션에 있어서 고정된 입력 값을 사용하고 고정된 출력 값을 얻는 것이 일반적이다. 하지만 현실에서는 입력 값이 일정한 경우는 거의 없다. 예를 들면 같은 크기의 인장 표본을 만들 때에도 실제 크기는 평균 및 표준 편차로 인한 변동이 있고, 따라서 인장 표본들로부터 얻어지는 항복 및 극한 인장 강도도 그러하다. 확률 분석에 있어서, 입력 변수들은 특정한 확률 분포(probability distribution)를 따르도록 정의되고, 그 확률 분포로부터 임의로 선택된 입력 세트가 각 시뮬레이션에 사용된다. 그래서 수많은 시뮬레이션이 수행되었을 때, 각 출력 변수 또한 평균 및 표준 편차를 갖는 변수로 출력되게 된다.Next, a probability analysis was performed to estimate the probability of collision for frontal collisions. In many numerical simulations, it is common to use a fixed input value and to obtain a fixed output value. In reality, however, input values are rarely constant. For example, even when making tensile specimens of the same size, the actual size varies due to mean and standard deviation, and so is the yield and ultimate tensile strength obtained from the tensile specimens. In probability analysis, input variables are defined to follow a particular probability distribution, and an input set randomly selected from the probability distribution is used for each simulation. Thus, when numerous simulations are performed, each output variable is also output as a variable with mean and standard deviation.

충돌 시에, 주어진 상대 속도, 초기 오버랩 양 및 충돌 각도에 대해서, 주 차량의 속도, 위협 차량의 속도, 그리고 운전자의 행동에 따라 수많은 조합이 가능하다. 따라서 충돌 가능성을 조사하기 위해서는 확률 분석을 수행하는 것이 가장 적절하며, 주 차량의 속도, 조향 핸들 레이트, 그리고 두 운전자의 제동 레이트를 입력 변수로 설정한다.In the event of a collision, for a given relative speed, initial overlap amount and collision angle, numerous combinations are possible depending on the speed of the main vehicle, the speed of the threatening vehicle and the behavior of the driver. Therefore, it is most appropriate to perform probability analysis to investigate the possibility of collision, and set the speed of the main vehicle, the steering wheel rate, and the braking rate of two drivers as input variables.

즉, 본 발명의 한 실시예에 따른 리드 타임 결정 방법은 앞서 살핀 세 개의 자유도를 갖고 차량의 종 방향 하중 전이 및 횡 방향 하중 전이의 고려가 포함되는 4륜 모델로 설계되는 충돌 가능성 분석을 위한 차량 모델을 이용한다.That is, the lead time determination method according to an embodiment of the present invention is a vehicle for collision possibility analysis, which is designed as a four-wheel model that has three degrees of freedom and includes consideration of longitudinal load transition and lateral load transition of the vehicle. Use a model.

또한, 확률 분석을 통해 운전자 모델, 초기 오버랩 양, 그리고 초기 충돌 각도 각각에 대하여 리드 타임에 따른 충돌 가능성을 파악하여 최적의 리드 타임을 결정할 수 있다.Probability analysis can also determine the optimal lead time by identifying the likelihood of collision with lead time for each driver model, initial overlap amount, and initial collision angle.

운전자의 행동 및 하중 케이스를 살피면, 운전자가 브레이크와 핸들 중 하나만 사용하든 둘 다 사용하든, 주된 입력 값 두 가지는 제동 입력 값과 조향 입력 값이다.Looking at the driver's behavior and load case, the two main inputs are the brake input and the steering input, whether the driver uses only one of the brake and the handle or both.

한편, 오경보에는 두 종류가 있다. 하나는 허용 가능한 오경보(acceptable false alarm)이고, 다른 하나는 해가 되는 경보(nuisance alarm)이다. 위험한 상황에서 충돌을 회피하는 것을 돕고자 경보가 활성화된다면, 사고가 발생하지 않을 것이므로 그 경보는 기술적으로는 오경보가 된다. 이러한 종류의 오경보는 운전자 또한 위험을 인지하기 때문에 허용될 수 있다. 하지만 보통의 핸들 및 브레이크 조작을 통해 쉽게 회피할 수 있는 경우에 활성화되는 경보는 오히려 해가 되어 운전자를 괴롭힐 수 있다. 이와 같이 해가 되는 경보는 충돌 경고 및 완화 시스템의 개발에 있어서 가장 중요한 이슈 중 하나이다.On the other hand, there are two kinds of false alarms. One is an acceptable false alarm, and the other is a nuisance alarm. If an alarm is activated to help avoid collisions in dangerous situations, the alarm is technically a false alarm because no accidents will occur. This kind of false alarm can be allowed because the driver is also aware of the danger. However, alarms that are activated when they can be easily avoided through normal handle and brake operation can be harmful and bother the driver. This harmful alarm is one of the most important issues in the development of collision warning and mitigation systems.

따라서 실행 가능한 전략은 운전자의 운전 능력을 뛰어 넘는 위험한 상황만을 탐지하는 것이다. 기존의 연구에서는 앞선 차량의 갑작스런 제동이 있었을 때를 제외하고는 운전자가 일반적으로 0.2 g 정도로 제동하도록 입력 값들을 사용하였다. 기존의 연구는 후방 출동 모드 하에서만 수행되었지만, 본 발명의 한 실시예에 따른 최적의 리드 타임 결정 방법에 있어서는 이 값이 정면충돌에 대해서도 사용될 수 있다고 가정하였다. 왜냐하면 이 값은 어떤 운전자에게든 거의 동일한 불편을 가져오는 가속 값이기 때문이다.Thus, a viable strategy is to detect only dangerous situations that go beyond the driver's ability to drive. Existing studies have used input values to normally allow the driver to brake at about 0.2 g, except when there was a sudden braking of the preceding vehicle. Although previous studies have been performed only under rear dispatch mode, it is assumed that this value can also be used for frontal collision in an optimal lead time determination method according to one embodiment of the present invention. This is because it is an acceleration value that brings about the same inconvenience for any driver.

도 8은 운전자의 조향 레이트의 확률 분포를 나타낸 그래프이고, 도 9는 운전자의 제동 레이트의 확률 분포를 나타낸 그래프이다.8 is a graph illustrating a probability distribution of a driver's steering rate, and FIG. 9 is a graph illustrating a probability distribution of a driver's braking rate.

본 발명의 한 실시예에 따른 최적의 리드 타임 결정 방법을 위해 사용된 세 가지 운전자 모델이 표 1에 도시되었다.Three driver models used for the optimal lead time determination method according to an embodiment of the present invention are shown in Table 1.

운전자 모델은 일반 상황 운전자 모델, 긴급 상황 운전자 모델, 또는 충돌 회피 불가능 운전자 모델 중 어느 하나일 수 있다. 즉 이 세 가지 운전자 모델 각각에 대하여 확률 분석이 수행될 수 있다.The driver model may be one of a general driver model, an emergency driver model, or a collision avoidance driver model. That is, probability analysis may be performed on each of these three driver models.

또한 일반 상황 운전자 모델은 제동(braking) 입력만을 사용하고, 긴급 상황 운전자 모델은 제동 입력 및 조향 레이트(steering rate) 입력을 사용하며, 충돌 회피 불가능 운전자 모델은 최대로 입력 가능한 제동 입력 및 조향 레이트 입력을 사용할 수 있다.In addition, the general driver model uses only a braking input, the emergency driver model uses a brake input and a steering rate input, and the non-collision avoidance driver model provides the maximum input of a braking input and a steering rate input. Can be used.

다시 말해, 첫 번째 및 두 번째 운전자 모델은 일반 상황 및 긴급 상황으로 구별하여 사용되었고, 세 번째 운전자는 임박한 충돌을 전혀 회피할 수 없게 되는, 비가역 지점을 탐지하기 위해 사용되었다. 첫 번째 운전자는 오직 제동 입력만을 사용하였지만, 두 번째 운전자는 제동 및 조향 레이트 입력을 모두 동시에 사용하였다. 첫 번째 운전자 모델은 운전자가 대부분 브레이크만을 사용하여 앞 차량과의 충돌을 피하려고 한다는 사실을 통해 정당화될 수 있고, 이는 이른 경고를 제공한다. 조향 레이트 입력은 충돌을 회피하는데 있어서 제동 입력보다 더 효과적인 방법이므로, 두 번째 운전자 모델은 보다 강한 경고를 제공하도록 사용되었다. 마지막으로, 세 번째 운전자 모델은 비가역 지점을 탐지하기 위해 사용되었고, 이 모델의 입력 값들의 평균과 표준 편차는 다른 문헌을 참고하여 결정하였다. 마지막 운전자 모델은 최대 제동 및 최대 조향 레이트의 입력을 적용받으므로, 이 운전자 모델에 의해 회피될 수 없는 충돌은 실제로도 회피 불가능하여 돌이킬 수 없는 결과를 가져온다. 세 번째 운전자 모델의 입력 값들의 확률 분포는 도 8 및 도 9에 나타나 있다.In other words, the first and second driver models were used to distinguish between general and emergency situations, and the third driver was used to detect irreversible points, which made it impossible to avoid impending collision at all. The first driver used only braking inputs, while the second driver used both braking and steering rate inputs simultaneously. The first driver model can be justified by the fact that the driver mostly tries to avoid collisions with the front vehicle using only the brakes, which gives an early warning. Since the steering rate input is a more effective method than the braking input in avoiding collisions, the second driver model was used to provide a stronger warning. Finally, a third driver model was used to detect irreversible points, and the mean and standard deviation of the input values of this model were determined by reference to other literature. The last driver model is subject to inputs of maximum braking and maximum steering rate, so collisions that cannot be avoided by this driver model are in fact unavoidable and irreversible. The probability distribution of the input values of the third driver model is shown in FIGS. 8 and 9.

도 10은 시뮬레이션 조건의 결정을 보여주는 도면이고, 도 11은 하중 케이스에서의 충돌 각도 및 오버랩 양을 나타내는 도면이다.FIG. 10 is a view showing determination of simulation conditions, and FIG. 11 is a view showing collision angle and overlap amount in a load case.

20, 40, 80, 120 그리고 160 km/h의 상대 속도를 갖는 충돌 시나리오가 고려되었고, 주 차량의 속도는 일정한 분포를 가진다고 가정되었다. 나아가 56.3 km/h NCAP 시험 조건을 반영한 케이스에는 112.6 km/h의 상대 속도가 고려되었다. 물론 위협 차량의 속도는 도 10에 나타난 것처럼 상대 속도에서 주 차량의 속도를 감함으로써 쉽게 결정될 수 있다. 또한 하중 케이스들의 초기 충돌 각도 및 초기 오버랩 양이 도 11에서와 같이 정의되었다.Collision scenarios with relative speeds of 20, 40, 80, 120 and 160 km / h were considered, and the speed of the main vehicle was assumed to have a constant distribution. Furthermore, a relative speed of 112.6 km / h was considered for the case reflecting the 56.3 km / h NCAP test conditions. Of course, the speed of the threatening vehicle can be easily determined by subtracting the speed of the main vehicle from the relative speed as shown in FIG. In addition, the initial collision angle and the initial overlap amount of the load cases were defined as in FIG.

다음으로 운전자의 행동에 따른 충돌 가능성과 관련한 효과를 살핀다.Next, look at the effects on the likelihood of a collision based on driver behavior.

도 12는 충돌 가능성을 결정하기 위한 충돌 발생의 체크를 나타낸 그래프이고, 도 13은 충돌 가능성에 관한 운전자의 행동의 분포의 효과를 나타낸 그래프이다. 도 14는 충돌 가능성에 관한 운전자 모델의 효과를 나타낸 그래프이다.Fig. 12 is a graph showing a check of collision occurrence for determining the likelihood of collision, and Fig. 13 is a graph showing the effect of the distribution of the driver's behavior on the likelihood of a collision. 14 is a graph showing the effect of the driver model on the possibility of collision.

운전자의 회피를 위한 행동 시간은 충돌 전 0.1초에서 3.0초까지 각 0.1초마다 세팅되었다. 운전자의 행동 시간은 운전자가 회피 행동을 시작했을 때의 시점을 의미한다. 각각의 주어진 상대 속도 및 행동 시간에 대하여 1000회의 시뮬레이션이 수행되었고, 도 12에 나타난 바와 같이 차량들이 충돌되었는지 체크함으로써 충돌 가능성이 결정되었다. 충돌 발생 퍼센티지를 충돌 가능성으로 간주하였고, 충돌 가능성은 도 13에 나타난 것처럼 행동 시간의 함수로서 각각의 상대 속도에 대해 도시된다. 운전자 모델간의 서로 다른 입력 변수 분포의 효과가 평가되었다. 하나는 정규 분포이고, 다른 하나는 Weibull 분포이며, 세 번째는 Inverse transformation 방법을 사용하여 도 8 및 도 9에 나타난 실제 시험 데이터로부터 결정되었다.The action time for the driver's avoidance was set every 0.1 seconds from 0.1 to 3.0 seconds before the crash. The driver's action time refers to the point in time when the driver started the avoidance action. 1000 simulations were performed for each given relative speed and action time, and the likelihood of collision was determined by checking whether vehicles collided as shown in FIG. 12. The collision occurrence percentage was considered as collision probability, and the collision probability is shown for each relative speed as a function of action time as shown in FIG. The effects of different input variable distributions between driver models were evaluated. One was a normal distribution, the other was a Weibull distribution, and the third was determined from the actual test data shown in FIGS. 8 and 9 using the Inverse transformation method.

도 13에 나타난 바와 같이, 정규 분포로부터 구해진 충돌 가능성과 실제 시험 데이터로부터 구해진 충돌 가능성 사이에 크게 불일치되는 부분이 없었기 때문에, 다른 운전자 모델들과의 일관성 유지를 위해 정규 분포로부터 운전자의 입력 변수들을 가져오는 것으로 결정하였다. 하지만 실제 시험 데이터의 왜곡으로 인해 정규 분포는 실제 시험 데이터보다 더 큰 조향 레이트를 보여주는 경향이 있음을 인식하고 있어야 한다. 예상대로 행동 시간이 늦어지거나 상대 속도가 증가할수록 충돌 가능성은 증가되었다. 20 km/h의 상대 속도에 있어서의 충돌 가능성은 정규 분포가 사용되었을 때 다소 더 낮게 나타난다. 정규 분포는 운전자의 조향 레이트를 다소 과대평가하므로, 도 13에 나타난 결과는 조향 레이트가 고속 충돌에서 보다 저속 충돌에서 더 효과적임을 의미하기도 한다.As shown in FIG. 13, since there was no significant discrepancy between the collision probability obtained from the normal distribution and the collision probability obtained from the actual test data, the driver's input variables were taken from the normal distribution to maintain consistency with other driver models. Decided to come. However, it should be recognized that due to the distortion of the actual test data, the normal distribution tends to show a higher steering rate than the actual test data. As expected, the probability of a collision increased as the action time was delayed or the relative speed increased. The probability of collision at a relative speed of 20 km / h appears somewhat lower when a normal distribution is used. Since the normal distribution slightly overestimates the steering rate of the driver, the results shown in FIG. 13 also mean that the steering rate is more effective in slow collisions than in fast collisions.

NCAP 정면(full frontal) 시험 모드에서와 같이 112.6 km/h의 상대 속도에 대한 충돌 가능성은 도 14에 나타난 바와 같다. 첫 번째 운전자 모델에 대한 충돌 가능성이 가장 먼저 증가되고, 두 번째와 세 번째 운전자 모델의 순으로 증가된다. 예를 들면, 첫 번째 운전자 모델에 대한 0.8의 충돌 가능성은 일반 상황 제동 입력을 사용함으로써 임박한 충돌을 회피할 수 있는 확률이 단지 20%임을 의미한다. 또한 세 번째 운전자 모델에 대한 1.0의 충돌 가능성은 임박한 충돌을 회피할 방도가 없음을 의미한다. 즉, 비가역 지점을 지난 후에는 어떤 능동 안전 장치도 운전자나 승객을 보호할 수 없게 된다.Like in the NCAP full frontal test mode, the likelihood of collision for a relative speed of 112.6 km / h is shown in FIG. 14. The probability of collision for the first driver model is increased first, followed by the second and third driver models. For example, a 0.8 probability of collision for the first driver model means that there is only a 20% chance of avoiding an impending collision by using normal situation braking inputs. Also, the potential crash of 1.0 for the third driver model means there is no way to avoid an impending crash. That is, after an irreversible point, no active safety device can protect the driver or passenger.

다음으로 충돌 각도 및 오버랩에 따른 충돌 가능성과 관련한 효과를 살핀다.Next, we examine the effects related to the collision angle and the possibility of collision due to overlap.

도 15는 180도의 초기 충돌 각도 및 100%의 초기 오버랩에 대한 충돌 가능성을 나타낸 그래프이고, 도 16은 150도의 초기 충돌 각도 및 100%의 오버랩에 대한 충돌 가능성을 나타낸 그래프이다.FIG. 15 is a graph showing collision potential for an initial collision angle of 180 degrees and an initial overlap of 100%, and FIG. 16 is a graph showing an collision probability for an initial collision angle of 150 degrees and an overlap of 100%.

여기서, 초기 오버랩 양은 어떤 조향 조작도 없이 충돌이 일어났을 때 범퍼의 오버랩 된 길이를 범퍼의 전체 폭으로 나눈 값일 수 있고, 초기 충돌 각도는 어떤 조향 조작도 없이 충돌이 일어났을 때 주 차량과 위협 차량의 진행 방향이 이루는 각도일 수 있다.Here, the initial overlap amount may be the overlapped length of the bumper divided by the total width of the bumper when the collision occurs without any steering operation, and the initial collision angle is the main vehicle and the threat vehicle when the collision occurs without any steering operation. It may be an angle formed by the advancing direction of.

또한 초기 충돌 각도는 180도 또는 150도인 경우에 대해서 각각 확률 분석이 수행될 수 있으며, 초기 오버랩 양은 백분율 단위로 100% 또는 25%인 경우에 대해서 각각 확률 분석이 수행될 수 있다.In addition, probability analysis may be performed for an initial collision angle of 180 degrees or 150 degrees, respectively, and probability analysis may be performed for an initial overlap amount of 100% or 25%, respectively.

우선 확률 분석은 180도의 초기 충돌 각도 및 100%의 초기 오버랩, 즉 완전 정면충돌 모드(full frontal crash mode)에 대하여 수행되었고, 충돌 가능성이 몇몇 초기 상대 속도들에 대하여 행동 시간의 함수로서 도 15에 도시되었다. 앞서 언급한 바와 같이, 충돌 가능성은 상대 속도가 증가될수록 또는 행동 시간이 늦어질수록 증가된다.First, probability analysis was performed for an initial collision angle of 180 degrees and an initial overlap of 100%, that is, full frontal crash mode, and the probability of collision is shown in FIG. 15 as a function of action time for some initial relative velocities. Has been shown. As mentioned above, the likelihood of collision increases as the relative speed increases or as the action time slows down.

비스듬한 충돌은 정면충돌보다 더 자주 일어난다. 그래서 150도의 초기 충돌 각도 및 100%의 초기 오버랩에 대해 다시 확률 분석이 수행되었고, 충돌 가능성은 도 16에 나타난 바와 같다. 충돌 가능성의 경향은 앞선 케이스의 경향과 비슷했지만, 높은 상대 속도에서는 곡선의 경사가 앞선 케이스에 비해 특히 많이 감소되었다. 즉 충돌 가능성은 비스듬한 충돌의 케이스에서 행동 시간에 대해 덜 민감하다고 할 수 있다.Oblique collisions occur more often than frontal collisions. Thus, probability analysis was performed again for the initial collision angle of 150 degrees and the initial overlap of 100%, and the collision probability is as shown in FIG. 16. The likelihood of collision was similar to that of the preceding case, but at higher relative speeds, the slope of the curve was particularly reduced compared to the preceding case. In other words, the possibility of collision is less sensitive to the time of action in the case of oblique collision.

또 다른 확률 분석은 180도의 초기 정면 충돌 각도 및 25%의 초기 오버랩에 대하여 수행되었고, 충돌 가능성은 도 17에 나타난 바와 같다. 초기 오버랩 양은 어떤 조향 조작도 없이 충돌이 일어났을 때의 범퍼의 오버랩 된 길이를 범퍼의 전체 폭으로 나눈 값으로 정의된다. 이 케이스에서는 작은 오버랩으로 인해 충돌을 회피할 수 있는 확률이 더 높았다. 100%의 초기 오버랩 케이스보다 더 늦은 행동이 허용되므로, 특히 높은 상대 속도에서 그러했다. 100%의 초기 오버랩의 케이스에서와는 다르게, 충돌 가능성이 고려된 모든 상대 속도에 대해 크게 다르지 않았다.Another probability analysis was performed for an initial frontal collision angle of 180 degrees and an initial overlap of 25%, with the likelihood of collision as shown in FIG. 17. The initial overlap amount is defined as the overlapped length of the bumper when the collision occurred without any steering operation divided by the total width of the bumper. In this case, there was a higher probability of avoiding collisions because of small overlaps. This was especially true at higher relative speeds, as it allowed for later behavior than the 100% initial overlap case. Unlike in the case of 100% initial overlap, the possibility of collision was not very different for all the relative speeds considered.

도 17은 180도의 초기 충돌 각도 및 25%의 초기 오버랩에 대한 충돌 가능성을 나타낸 그래프이고, 도 18은 150도의 초기 충돌 각도 및 25%의 초기 오버랩에 대한 충돌 가능성을 나타낸 그래프이다. 도 19는 곡선 도로에서의 하중 케이스를 나타낸 개념도이다.FIG. 17 is a graph showing the collision probability for an initial collision angle of 180 degrees and an initial overlap of 25%, and FIG. 18 is a graph showing the collision probability for an initial collision angle of 150 degrees and an initial overlap of 25%. 19 is a conceptual diagram showing a load case on a curved road.

도 15 또는 도 17에 도시된 바와 같이, 리드 타임은 충돌 가능성 정보에 기초하여 조절될 수 있다. 이러한 방법으로 조절된 리드 타임을 통해 능동 안전 시스템의 적용 범위를 유지하면서 오경보율을 낮출 수 있을 것이다.As shown in FIG. 15 or FIG. 17, the lead time may be adjusted based on the collision possibility information. Adjusted lead times in this way will lower false alarm rates while maintaining the coverage of active safety systems.

확률 분석은 150도의 초기 충돌 각도 및 25%의 초기 오버랩에 대해 한 차례 더 수행되었고, 충돌 가능성은 도 18에 나타난 바와 같다. 이 운전 케이스는 도 19에 나타난 바와 같이 곡선 도로에서 종종 일어난다. Probability analysis was performed once more for an initial collision angle of 150 degrees and an initial overlap of 25%, with the likelihood of collision as shown in FIG. 18. This driving case often occurs on curved roads as shown in FIG. 19.

이상에서 살핀 바를 바탕으로, 본 발명의 한 실시예에 따른 이제 최적의 리드 타임 결정 방법에 대해 논의해본다.Based on the salping bar above, a method of determining an optimal lead time according to an embodiment of the present invention will now be discussed.

충돌 경고에 반응하기 위해서 운전자는 약 1초의 시간을 필요로 한다고 알려져 있다. 또한 도 14에 나타난 시뮬레이션 결과를 토대로 하였을 때 세 번째 운전자 모델에 근거한 충돌 가능성이 0.99인 시각이 약 -0.7초이므로, 충돌을 완벽히 회피하기 위해서는 임박한 충돌을 앞두고 약 0.7초 전에는 회피 행동이 이루어져야 한다. 여기에 상술한 운전자의 반응 시간 1초를 더하면 약 1.7초 전에는 경고가 이루어져야 되며, 첫 번째 운전자 모델과 두 번째 운전자 모델의 충돌 가능성의 임계값을 0.8로 정하면 1.7초의 근방인 약 2초경에 경고가 이루어지는 것이 바람직할 수 있다. 그러므로 운전자가 임박한 충돌을 회피하기 위해서는 약 2초의 리드 타임이 요구된다. 이 정도의 리드 타임을 확보하기 위해서는, 첫 번째 리드 타임은 첫 번째 운전자 모델을 사용하여 충돌 가능성이 0.8이 되었을 때 결정되고, 두 번째 리드 타임은 두 번째 운전자 모델을 사용하여 충돌 가능성이 0.8이 되었을 때 결정되었다. 마지막으로 세 번째 운전자 모델을 사용하는 경우에는 충돌 가능성이 1.0이 되었을 때 비가역 능동 안전 시스템이 활성화될 수 있었다.It is known that a driver needs about 1 second to respond to a crash warning. In addition, based on the simulation result shown in FIG. 14, the time when the possibility of collision based on the third driver model is 0.99 is about -0.7 seconds. Therefore, in order to completely avoid the collision, an evasion action must be performed about 0.7 seconds before the impending collision. In addition to the above-mentioned driver's response time of 1 second, the warning should be issued about 1.7 seconds before. If the threshold of the potential collision between the first driver model and the second driver model is 0.8, the warning will be about 2 seconds around 1.7 seconds. It may be desirable to make. Therefore, a lead time of about 2 seconds is required to avoid an impending collision by the driver. To ensure this lead time, the first lead time is determined when the collision potential is 0.8 using the first driver model, and the second lead time is 0.8 when the collision potential is 0.8 using the second driver model. When it was decided. Finally, using the third driver model, an irreversible active safety system could be activated when the probability of collision reached 1.0.

도 20은 각각의 하중 케이스에서의 리드 타임을 나타낸 그래프이다.20 is a graph showing the lead time in each load case.

112.6 km/h (NCAP)의 상대 속도와 두 가지 충돌 각도 및 오버랩 양의 조합에 대한 리드 타임이 도 20에서 비교되었다. 레벨 1, 2 그리고 3은 첫 번째, 두 번째, 그리고 세 번째 운전자 모델을 각각 사용함으로써 구해지는 리드 타임을 의미한다. 리드 타임은 충돌 각도보다 오버랩 양에 의해 더 영향을 받는다. 또한 레벨 1에 대한 리드 타임은 첫 번째 운전자 모델이 오직 제동 입력만 사용하기 때문에 180도의 충돌 각도의 경우에서 오버랩 양에 의해 영향을 받지 않았다. 하지만 150도의 충돌 각도의 경우에서는 레벨 1에 대한 리드 타임은 오버랩 양에 따라 눈에 띄는 차이가 있었다. 이는 본 연구에서 사용된 차량 모델이 원형이 아니라 실제 차량과 유사한 사각형 모양이라서 충돌 각도에 따라 오버랩 양이 두 차량 사이의 가장 가까운 지점에 영향을 미치기 때문에 도출된 결과이다.The lead times for a combination of the relative velocity of 112.6 km / h (NCAP) and the two collision angles and the amount of overlap were compared in FIG. 20. Levels 1, 2 and 3 represent the lead times obtained by using the first, second and third driver models respectively. Lead time is more affected by the amount of overlap than the collision angle. In addition, the lead time for level 1 was not affected by the amount of overlap in the case of a 180 degree collision angle because the first driver model only used the braking input. However, in the case of a 150 degree collision angle, the lead time for level 1 was noticeable depending on the amount of overlap. This is because the vehicle model used in this study is not circular but rectangular in shape similar to the actual vehicle, so the amount of overlap affects the nearest point between two vehicles according to the collision angle.

물론 리드 타임에 대한 임계점(threshold)은 충돌 경고 및 완화 시스템의 설계자에 의해 변경될 수 있다. 하지만 임계점이 충돌 가능성을 기초로 하여 세팅된다면 리드 타임은 도로 상황에 따라 적응성 있게 결정될 수 있다는 점은 주목할 만하다. 도로 상황에 기초하여 리드 타임을 적응성 있게 조절하고자 하는 몇몇 연구가 있었지만, 충돌 각도 및 오버랩 양이 고려되지 않았었다. 신뢰성 있는 운전자 모델을 이용한다면, 최적의 리드 타임이 어떤 운전 케이스에 대해서도 결정될 수 있다. 하지만 세 번째 운전자 모델은 거의 최대 제동 및 조향 레이트을 사용하였고 충돌 가능성 임계점이 1.0이기 때문에, 세 번째 리드 타임은 변경된다 하더라도 미미하게 변경될 것이다.Of course, the threshold for lead time can be changed by the designer of the collision warning and mitigation system. It is noteworthy, however, that if the threshold is set based on the probability of collision, the lead time can be adaptively determined according to the road situation. There have been some studies trying to adaptively adjust the lead time based on road conditions, but the collision angle and the amount of overlap have not been taken into account. Using a reliable driver model, the optimal lead time can be determined for any driving case. However, because the third driver model used almost maximum braking and steering rates and the collision potential threshold was 1.0, the third lead time would change even if it changed.

이와 같이, 앞서 살핀 차량 모델을 이용하여, 운전자 모델, 초기 오버랩 양, 그리고 초기 충돌 각도에 대하여 리드 타임에 따른 충돌 가능성을 확률 분석을 통해 파악함으로써, 차량의 능동 안전 시스템 구축 시 필요한 최적의 리드 타임을 결정할 수 있다.In this way, using the previously modeled vehicle model, the probability of the collision according to the lead time for the driver model, the initial overlap amount, and the initial collision angle is determined through probability analysis, so that the optimal lead time required for the active safety system of the vehicle is established. Can be determined.

한편, 충돌 전 센서(pre-crash sensor)의 개발에 있어서 능동 안전 시스템의 가음성률(FNR, False Negative Rate) 및 가양성률(FPR, False Positive Rate)을 발생시키는 감지 오차의 허용범위를 명확히 하는 것은 필수적이다. 허용 감지 오차를 결정하기 위해, 충돌 시나리오 및 비 충돌 시나리오가 먼저 선택되었다. 감지 오차는 정규 분포를 만족시키도록 가정되었고, 그 평균 및 표준 편차는 표 2에 나타난 바와 같이 가정되었다. 방위각 감지 오차(azimuth sensing error)의 효과를 분석하기 위하여, 세 가지 다른 표준 편차가 확률 분석에 사용되었다. 또한 차량 경로가 마지막의 두 무게중심 점을 사용하는 선형 외삽법(linear extrapolation)에 의해 예측되었고, 도 12에 나타난 바와 같이, 두 차량이 오버랩이 생긴다면 충돌이 일어난 것으로 가정하였다. 경로 예측에 있어서 복잡한 필터링 알고리즘을 사용하는 것은 추후의 작업이 될 것이어서 본 논문의 범위를 벗어나는 것이다. 1000회의 시뮬레이션이 감지 오차를 사용하는 충돌 시나리오에 대해 수행되었고 가음성률이 구해졌다.On the other hand, in the development of pre-crash sensors, it is necessary to clarify the tolerance of detection errors that generate false negative rates (FNR) and false positive rates (FPR) of active safety systems. It is essential. To determine the tolerance detection error, collision scenarios and non-collision scenarios were first selected. The detection error was assumed to satisfy the normal distribution and the mean and standard deviation were assumed as shown in Table 2. In order to analyze the effect of azimuth sensing error, three different standard deviations were used for probability analysis. In addition, the vehicle path was predicted by linear extrapolation using the last two center of gravity points, and as shown in FIG. The use of complex filtering algorithms in path prediction will be a task in the future and is beyond the scope of this paper. 1000 simulations were performed for collision scenarios using detection error and false negative rates were obtained.

도 21은 각각 다른 표준 편차에 대한 가음성률을 나타낸 그래프이고, 도 22는 각각 다른 표준 편차에 대한 가양성률을 나타낸 그래프이다.21 is a graph showing false negative rates for different standard deviations, and FIG. 22 is a graph showing false positive rates for different standard deviations.

도 21에 나타난 바와 같이, 가음성률이 증가되고 나서 충돌 전 약 100 msec에서 0으로 감소되고, 최대 가음성률은 충돌 전 약 350 msec에서 3%보다 더 적었다. 두 차량이 서로를 향해 직진하였고 충돌이 거의 확실했기 때문에 가음성률은 첫 번째 단계에서 거의 0이었다. 시나리오의 중간에는, 운전자가 충돌을 회피하기 위해 차량의 조향을 조작했기 때문에, 가음성률이 다소간 증가되었다. 두 차량이 서로 접근하면서 충돌될 것이 확실해졌고, 가음성률은 결국 0으로 감소되었다. 하지만 방위각 오차에 관한 세 가지 다른 표준 편차 간에는 가음성률에 있어서 큰 차이가 있는 것은 아니었다. 감지 오차를 사용하는 비 충돌 시나리오에 대해 또 다른 1000회의 시뮬레이션이 수행되었다. 도 22에 나타난 바와 같이, 0.25θ 도 및 0.5θ 도의 표준 편차에 대해 약 200 msec에서 가양성률은 거의 0으로 급격히 감소되었다. 가양성 예측은 운전자가 충돌을 피할 수 있었음에도 불구하고 에어백이 작동하여 운전자의 시야를 가리기 때문에 매우 위험할 수 있다. 그러므로 방위각 탐지를 위한 센서는 적어도 1θ도보다는 작은 표준편차를 가져야 할 것이다.As shown in FIG. 21, the false negative rate was increased and then decreased from about 100 msec before the crash and the maximum false negative rate was less than 3% at about 350 msec before the crash. The false negative rate was almost zero in the first stage because the two cars went straight toward each other and the collision was almost certain. In the middle of the scenario, the false negative rate increased somewhat because the driver manipulated the steering of the vehicle to avoid a collision. It was clear that the two cars would collide as they approached each other, and the false negative rate eventually decreased to zero. However, there were no significant differences in false negative rates between the three different standard deviations of azimuth errors. Another 1000 simulations were performed for the non-collision scenario using the detection error. As shown in FIG. 22, the false positive rate was rapidly reduced to almost zero at about 200 msec for the standard deviation of 0.25θ degree and 0.5θ degree. False positive prediction can be very dangerous because the airbag acts to obscure the driver's vision, although the driver could have avoided a collision. Therefore, the sensor for azimuth detection should have a standard deviation less than at least 1θ degrees.

결론적으로, 3 자유도를 갖는 단순 분석적 차량 모델이 회피 동작 시의 경로 예측을 위해 구축되었다. 모델에서는 인보드 휠과 아웃보드 휠에 대한 두 가지 다른 모멘트 팔이 사용되었고, 인보드 휠과 아웃보드 휠 사이 뿐 아니라 브레이킹 또는 엑셀레이팅에 기인하는 두 차축 사이의 하중 전이도 고려되었다. 대부분의 4륜 모델과 달리 분석적 차량 모델에 고려되는 서스펜션 및 조향 시스템에 따라 조향 핸들 각도를 입력하였다. 분석적 차량 모델이 자전거 모델과 같이 단지 세 개의 자유도만을 가질지라도, 매우 정교한 ADAMS 모델 및 급격한 방향 전환 시험 데이터로부터 얻어지는 경로와 좋은 상호 관련성을 보여 주었다. 그러므로 이 모델은 충돌 가능성 및 충돌 전 센서 오차 평가를 위한 확률 분석에 효과적으로 사용될 수 있다는 결론에 이를 수 있다.In conclusion, a simple analytic vehicle model with three degrees of freedom has been constructed for the path prediction in avoidance operation. Two different moment arms for the inboard wheel and the outboard wheel were used in the model, as well as the load transfer between the inboard wheel and the outboard wheel as well as between the two axles due to braking or accelerating. Unlike most four-wheel models, steering wheel angles were entered according to the suspension and steering system considered in the analytical vehicle model. Although the analytical vehicle model has only three degrees of freedom like the bicycle model, it shows good correlation with the path obtained from the highly sophisticated ADAMS model and the rapid turnover test data. Therefore, it can be concluded that this model can be effectively used for probability analysis for evaluating probability of collision and sensor error before collision.

분석적 차량 모델을 사용하여, 충돌 가능성에 관한 운전자 모델, 초기 오버랩, 그리고 초기 충돌 각도의 효과를 조사하기 위해 몇 가지 확률 분석들이 수행되었다. 노말 분포와 Weibull 분포, 그리고 운전자의 행동의 시험 데이터로부터 얻어지는 실제 분포 사이에 충돌 가능성에는 큰 차이점이 없었다. 노말 분포가 더 일반적으로 사용되고 더 사용하기 쉽기 때문에 노말 분포가 운전자 모델을 대표하여 사용되었다. 초기 오버랩에 따른 충돌 가능성은 특히 높은 상대 속도에 대해 크게 감소되었고, 초기 충돌 각도에 따라서는 충돌 가능성이 동작 시간에 대해 덜 민감했다.Using an analytical vehicle model, several probabilistic analyzes were performed to investigate the effects of driver model, initial overlap, and initial collision angle on the likelihood of a collision. There was no significant difference in the probability of collision between the normal distribution, the Weibull distribution, and the actual distribution obtained from test data of the driver's behavior. The normal distribution was used on behalf of the driver model because the normal distribution is more common and easier to use. The probability of collision due to initial overlap was greatly reduced, especially for high relative speeds, and depending on the initial collision angle, the probability of collision was less sensitive to operating time.

적응 리드 시간은 확률 분석 및 세 가지 다른 운전자 모델로부터 얻어지는 충돌 가능성을 사용하는 것에 의해 제안되었고, 리드 시간은 상대 거리 및 상대 속도 뿐 아니라 충돌 각도 및 오버랩 양에 따라 달라졌다. 리드 시간이 오버랩 양에 의해 크게 영향을 받았기 때문에, 오버랩 양은 리드 시간을 결정하는데 있어서 정확하게 고려되어야 한다. 앞으로 센서 관련 기술이 충돌 각도, 타겟 차량의 크기 및 형태를 인지할 만큼 충분히 발전된다면, 호스트 차량과 타겟 차량 사이의 충돌 각도 및 오버랩 양이 더 정확하게 조사될 수 있고 결과적으로 적응 리드 시간이 상황에 따라 적절히 결정될 수 있다.Adaptive lead times have been proposed by using probability analysis and collision probabilities obtained from three different driver models, with lead times dependent on the collision angle and the amount of overlap as well as the relative distance and relative velocity. Since the read time was greatly influenced by the overlap amount, the overlap amount must be accurately considered in determining the read time. In the future, if the sensor-related technology is sufficiently developed to recognize the collision angle, the size and shape of the target vehicle, the collision angle and the amount of overlap between the host vehicle and the target vehicle can be investigated more accurately, and as a result, the adaptation lead time is dependent on the situation. Can be determined appropriately.

나아가, 충돌 전 감지 에러는 충돌 및 비충돌 시나리오에 대해 각각 확률 분석을 수행함으로써 가음성률 및 가양성률에 의해 평가되었다. 본 연구에서 고려된 방위각 감지 에러는 가음성률에 대해서는 받아들여질 수 있었지만, 1θ도의 방위각 감지 에러는 충돌 전 100 msec 정도에서도 0이 아닌 가양성률로 인해 받아들여질 수 없었다.Furthermore, the pre-collision detection error was evaluated by false negative and false positive rates by performing probability analysis for collision and non-collision scenarios, respectively. The azimuth detection error considered in this study could be accepted for false negative rate, but the azimuth detection error of 1θ degree could not be accepted due to non-zero false positive rate even at about 100 msec before collision.

이상에서 본 발명의 실시예를 설명하였으나, 본 발명의 권리범위는 이에 한정되지 아니하며 본 발명의 실시예로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 용이하게 변경되어 균등한 것으로 인정되는 범위의 모든 변경 및 수정을 포함한다.While the present invention has been particularly shown and described with reference to exemplary embodiments, it is to be understood that the invention is not limited to the disclosed exemplary embodiments, but, on the contrary, And all changes and modifications to the scope of the invention.

Claims

delete

Optimal lead time determination method using vehicle model for collision possibility analysis, which is designed as a four-wheel model with three degrees of freedom and includes consideration of longitudinal and transverse load transfer of the vehicle,
Probability analysis determines the optimal lead time by identifying the likelihood of collision according to lead time for each driver model, initial overlap amount, and initial collision angle.
The driver model may be any one of a general driver model, an emergency driver model, or a collision avoidance driver model, and uses an input value including a braking input by a driver's brake operation for each model.
The initial overlap amount is the overlapped length of the bumper divided by the total width of the bumper when a collision occurs without any steering operation,
The initial collision angle is an angle formed between the main vehicle and the threatening vehicle when the collision occurs without any steering operation,
The generic situation driver model uses only a braking input,
The emergency driver model uses a braking input and a steering rate input, and
And the collision avoidance non-collision driver model uses a maximum inputtable braking input and a steering rate input.

delete