危险驾驶预警暨适应性巡航控制系统研究.docVIP

國立台灣大學土木工程學系碩士班 民國96年（碩士）學位論文摘要 危險駕駛預警暨適應性巡航控制系統研究 研 究 生：王　介 指導教授：張堂賢 一、前言 本研究之目為建立一個先進安全車(Advanced Safety Vehicle, ASV)之車載系統架構。本架構主要利用暨有影像處理系統作為資料取得之基礎，並針對取得之資料加以運算、分析及處理，進一步發展危險駕駛警與適應性巡航控制之警示與控制邏輯，並開發系統軟體實作。此架構包含危險駕駛警系統(Inattentive Driving Warning System, IDWS)以及適應性巡航控制系統(Adaptive Cruise Control System, ACCS)。危險駕駛警系統）） 圖一、系統架構示意圖 ADLINK工業電腦： 本研究之軟體程式開發主要使用C++語言撰寫，系統界面使用Borland C++ Builder開發。系統的限制方面，本研究所開發之系統主要應用於高速公路或快速道路上之自由車流狀態。 三、危險駕駛預警系統（IDWS）））） 要建立預警模式之前，首要先來觀察在何種情況時，車輛有車道偏移之可能。數十年來，有兩種方式能夠協助作為系統判別車輛是否有車道偏離之可能，一是側向偏移法（lateral offset, lo），另一個是跨越車道時間（time to lane crossing, TLC）。本研究參考相關文獻，並配合道路與車輛之相對幾何與時間關係，使用此二種方法作為系統啟動之相關門檻依據，說明如下： 當或TLC0.8秒時，代表車輛中心在車道中心附近，離跨越車道之時間還長，為安全之情況，因此此時系統處於安全模式），預警系統之機制不啟動。 當或0.4TLC0.8秒時，代表車輛中心已經偏離車道中心有些許距離，跨越車道之時間也較短，此時系統為注意模式），預警系統待命。 當m或TLC0.4秒時，車輛中心離車道中心已一段距離，此時車輛已開始要跨越車道，離跨越車道的時間非常短，因此此時系統危險模式），系統需啟動並判斷車輛是否為偏離車道或是正常變換車道，若為有偏離車道之危險時，應適時發布警告。 (1) (2) 如圖二所示，機率類神經網路，比對某一輸入向量與每一個訓練層向量之數據，並利用公式(1)計算該輸入向量與比對訓練層向量之相關係數，最後於加總層，將該輸入向量與同一類別比較之係數相加，最高係數加總的類別即為該輸入向量（矩陣）之輸出類別，也就是機率類神經網路輸出的結果。 圖二、機率類神經網路概念示意圖 本系統利用十六個預先錄好的影片，分成向右變換（RLC），向右偏離（URLD），向左變換（LLC），以及向左偏離（ULLD）四種類別，每種類別各四個影片。這十六個影片，每個影片取跨越車道50筆（每秒十筆，共5秒）數據，作為本研究所應用之機率類神經網路的訓練層（pattern layer）。 在建構完車道偏離預警系統之機率類神經網路之後，本研究針對此類神經網路作了離線的測試，共用了48支預錄的影片（每種類別各12個影片）加以測試，其結果如表一所示。共有48個測試影片，其中有46個正確預警，2個錯誤，準確率為95.83%。其中兩個錯誤，皆是車道變換誤判為車道偏離而發出警告，此種錯誤可藉由考量是否使用方向燈來避免。若駕駛人有使用方向燈，則即使其類神經網路之分類結果為車道偏離，因有使用方向燈，系統依然不啟動任何的警告。因此，若修正過方向燈使用與否之因素後，本研究之車道偏離預警系統（LDWS）之離線測試準確率，可達到100%。 表一、車道偏離預警系統離線測試結果 模式類別 數量 正確 錯誤 正確率 RLC 12 11 1 91.67% URLD 12 12 0 100% LLC 12 11 1 91.67% ULLD 12 10 0 100% 總計 48 46 2 95.83% （二）前車追撞預警子系統（RCWS） ） 基本上，駕駛人從發現事件到作出反應，可以分為三個階段：1.看見事件發生/ 聽見警告音；2.認知所發生的事件為何；3.作出適當反應。本研究將此三階段的反應步驟分為兩段反應時間，第一段是「認知時間」，即從駕駛看見或聽見事件發生，到清楚事件內容止，為認知時間（perception time）） 第二個要探討的是可能碰撞前車的危險程度，也就是碰撞前車可能剩餘的時間或是距離。在固定減速度，並知道當兩車相對速度的條件下，我們可以得知最短的煞車距離（braking distance） 　(3) 另外參考ISO 15623之煞車減速度之分布圖（參圖三），本研究設定車輛之減速度為7m/s2，而公式(3)中的Tc，在本研究中，即當作駕駛煞車反應時間（0.85 sec））） 前項