实施加权主动-被动碰撞模式分类的车辆安全系统和方法与流程

实施加权主动
‑
被动碰撞模式分类的车辆安全系统和方法
技术领域
1.本发明涉及一种用于在正面冲撞的情况下帮助保护车辆乘员的方法。此外，本发明还涉及一种车辆安全系统及包括该系统的车辆。


背景技术：

2.现代车辆包括用于帮助实现乘员安全的各种系统。这些车辆安全系统可以包括被动安全系统和/或主动安全系统。一般来说，被动安全系统是响应于检测到需要保护乘员的事件(诸如车辆碰撞)的发生而提供乘员保护的反应系统。另一方面，主动安全系统会努力预测需要保护乘员的事件的发生，并采取主动回避措施。
3.被动安全系统包括一个或多个被动约束装置，诸如安全气囊和安全带卷收器，这些被动约束装置可致动以用于帮助保护车辆乘员。这些车辆安全系统利用可操作地连接到安全气囊和诸如加速度计和压力传感器等各种碰撞传感器的安全气囊控制单元。响应于基于由碰撞传感器提供的信息来确定碰撞情形，安全气囊控制单元可操作以通过激活将充气流体引导到安全气囊中的充气机来展开安全气囊。当被充气时，驾驶员安全气囊和副驾驶安全气囊帮助保护乘员免于诸如车辆的仪表板和/或方向盘等车辆零件的撞击。
4.主动安全系统利用诸如相机、雷达、激光雷达和超声换能器等感测装置来确定车辆周围的状况。响应于感测到的状况，车辆告警系统可以向驾驶员提供视觉、听觉和触觉警告。例如，在盲点检测、车道偏离、前/后物体检测、路口交通检测、行人检测中就是这种情况。主动安全系统还可以使用感测到的状况来主动致动车辆控制，诸如主动巡航控制、主动制动、响应于车道偏离检测的主动转向等。主动安全系统中利用的感测装置各自具有特定优势。
5.相机在物体检测方面非常有效。当被布置成从若干角度查看时，相机会向车辆提供信息，车辆安全系统的人工智能算法可以使用这些信息来检测沿道路侧边的外部物体，诸如其他车辆、行人或物体(诸如树木或垃圾桶)。相机可以精确地测量角度，这使得车辆安全系统可以及早识别正在接近的物体是否会进入车辆的路径。将长程变焦和短程变焦与不同程度的宽视野和窄视野结合使用，相机会成为诸如冲撞避免、自适应巡航控制、自动制动系统以及车道保持辅助功能等安全特征的重要工具。
6.雷达传感器使用回波系统来检测物体，这在相机的有效性降低的可见度较差的情况下是有益的。雷达传感器发射电磁波并接收从周围物体反射回来的“回声”。雷达传感器在确定诸如车辆和行人等物体相对于车辆的距离和速度方面特别有效。无论天气、光线或可见度条件如何雷达传感器都能发挥作用，因而其是保持距离、发出冲撞警告、盲点检测、紧急制动等的理想之选。
7.激光雷达传感器也采用回波原理，使用激光脉冲代替无线电波。激光雷达传感器以与雷达相当的准确性记录距离和相对速度。另外地，激光雷达传感器还能够以更高水平的准确性来识别物体类型和物体之间的角度。因此，可以利用激光雷达传感器很好地识别更复杂的交通情况，即使在黑暗中也是如此。与相机和雷达传感器不同，对于激光雷达传感
器而言视角不是关键的，因为激光雷达传感器可以记录车辆的360度环境。高分辨率3d固态激光雷达传感器甚至可以三维地呈现行人和较小的物体。


技术实现要素：

8.本发明涉及包括主动部件和被动部件两者的车辆安全系统。在本说明书中，“主动安全”用于指代有助于预防碰撞(即“碰撞避免”)的技术，并且“被动安全”用于指代有助于响应于检测到碰撞的发生而保护乘员的车辆部件(诸如安全气囊、安全带以及车辆的物理结构(例如，防撞缓冲区))。
9.被动安全系统包括一个或多个传感器(诸如加速度计和/或压力传感器)，这些传感器被配置成感测碰撞事件的发生。控制器被配置成接收来自传感器的信号，基于这些信号确定或判别冲撞的发生，并且响应于感测到的冲撞而部署一个或多个可致动的约束装置(诸如安全气囊和/或安全带预紧器/卷收器)。
10.主动安全系统被设计成通过使用雷达(全天候)、激光器(lidar)、相机(采用图像识别)或其组合检测即将发生的碰撞来预防或减小车辆碰撞的严重程度。响应于检测到即将发生的碰撞，主动安全系统提供碰撞避免特征(诸如操作员警告(视觉、听觉、触觉))以及主动安全措施(诸如自动紧急制动和/或自动紧急转向)，以帮助避免或减轻碰撞。
11.主动安全系统可以是独立系统，也可以是利用另一系统的部件的子系统，该另一系统诸如是驾驶员辅助系统(das)，该das利用相机、雷达、lidar数据提供诸如主动巡航控制、车道偏离、盲点监测、驻车辅助等驾驶员辅助功能。这些部件甚至可以用于提供自动驾驶功能。
12.根据本发明，将从主动安全系统获得的信息与从被动安全系统获得的信息组合，以通过确定加权碰撞模式分类来改善正面碰撞的分类。
13.根据一个方面，一种用于在正面冲撞的情况下帮助保护车辆乘员的方法包括响应于碰撞信号而确定被动安全碰撞模式分类，所述碰撞信号是响应于碰撞事件的发生而接收到的。所述方法还包括响应于在所述碰撞事件发生之前接收的主动安全信号而确定主动安全碰撞模式分类。所述方法还包括确定所述主动安全碰撞模式分类的主动安全置信度因子。所述方法还包括响应于所述主动安全置信度因子超过预定置信度值而将加权碰撞模式分类确定为是所述主动安全碰撞模式分类。所述方法进一步包括响应于所述主动安全置信度因子不超过所述预定置信度值而将所述加权碰撞模式分类确定为是所述被动安全碰撞模式分类。
14.根据另一个方面，单独或与任意其他方面组合，所述方法还可以包括：响应于所述碰撞信号而确定正面冲撞的发生；以及根据所述加权碰撞模式分类来致动车辆乘员保护装置。
15.根据另一个方面，单独或与任意其他方面组合，确定所述主动安全碰撞模式分类可以包括响应于所述主动安全信号而估计冲撞特性。
16.根据另一个方面，单独或与任意其他方面组合，估计所述冲撞特性可以包括识别主动安全传感器的视野中的物体，并且针对该物体：确定所述车辆与所述物体的冲撞时间；确定所述车辆与所述物体之间的相对速度；以及确定所述车辆与所述物体之间的重叠率。
17.根据另一个方面，单独或与任意其他方面组合，识别所述主动安全传感器的视野
中的物体可以包括确定最接近所述车辆的物体。
18.根据另一个方面，单独或与任意其他方面组合，确定所述冲撞时间可以包括使用所述车辆的预定加速度和目标的减速度值来估计最小冲撞时间和最大冲撞时间。
19.根据另一个方面，单独或与任意其他方面组合，确定所述相对速度可以包括使用所述车辆的预定加速度和目标的减速度值来估计最小相对速度和最大相对速度。
20.根据另一个方面，单独或与任意其他方面组合，其中，确定所述重叠率可以包括：确定所述车辆的宽度和所述物体的宽度；确定所述车辆和所述物体的纵向中心线之间的横向距离；将所述重叠确定为所述车辆宽度的一半、所述物体宽度的一半与所述车辆和所述物体的纵向中心线之间的横向距离之和。
21.根据另一个方面，单独或与任意其他方面组合，确定所述车辆和所述物体的纵向中心线之间的横向距离可以包括估计所述车辆和所述物体的所述纵向中心线之间的最小横向距离和最大横向距离。
22.根据另一个方面，单独或与任意其他方面组合，估计所述车辆和所述物体的纵向中心线之间的最小横向距离和最大横向距离可以包括根据所述车辆的速度、转向角度和横摆速率来估计横向距离的变化。
23.根据另一个方面，单独或与任意其他方面组合，确定所述重叠率可以包括将所述车辆的撞击侧确定为所述车辆的左侧/驾驶员侧或右侧/副驾驶侧。
24.根据另一个方面，单独或与任意其他方面组合，所述方法还可以包括响应于所述冲撞时间小于阈值而确定是否即将发生冲撞。
25.根据另一个方面，单独或与任意其他方面组合，所述方法还可以包括响应于确定即将发生冲撞、所述车辆的撞击侧、重叠分类和速度分类而确定所述主动安全碰撞模式分类。
26.根据另一个方面，单独或与任意其他方面组合，所述重叠分类可以包括非对称分类、对称(完全重叠)分类、偏置可变形障碍物(odb)分类和小重叠分类之一。
27.根据另一个方面，单独或与任意其他方面组合，所述速度分类可以包括高速分类和低速分类之一。
28.根据另一个方面，单独或与任意其他方面组合，确定所述主动安全碰撞模式分类可以包括响应于主动安全信号而确定以下各项中的至少一项：所述车辆与所述物体之间的纵向距离、所述车辆和所述物体的中心线之间的横向距离、所述车辆与所述物体之间的行程、所述车辆与所述物体之间的接近角以及所述车辆相对于所述物体的速度。
29.根据另一个方面，单独或与任意其他方面组合，一种用于在正面冲撞的情况下帮助保护车辆乘员的车辆安全系统可以包括可致动安全装置和用于根据前述方法控制所述安全装置的致动的控制器。
30.根据另一个方面，单独或与任意其他方面组合，所述车辆安全系统可以包括：用于向所述控制器提供所述碰撞信号的一个或多个被动传感器和一个或多个主动传感器，所述一个或多个主动传感器用于感测所述车辆路径中的物体并且向所述控制器提供所述主动安全信号。
31.根据另一个方面，单独或与任意其他方面组合，所述一个或多个主动传感器可以包括相机、雷达传感器以及激光雷达(lidar)传感器中的至少一者。
32.根据另一个方面，单独或与任意其他方面组合，所述控制器可以包括安全气囊控制器单元(acu)。
33.根据另一个方面，单独或与任意其他方面组合，车辆可以包括所述车辆安全系统。
附图说明
34.图1是根据一种示例配置的包括车辆安全系统的车辆的示意性图示。
35.图2是车辆相对于物体的示意性图示，并且示出了可以经由车辆安全系统的主动安全系统部分感测到的各种参数。
36.图3至图15是展示了在车辆安全系统中实施的控制算法的示意图。
具体实施方式
37.在本说明书中，有时会提及车辆的左侧和右侧。这些提及应当被理解为是参考车辆行进的前向方向。因此，对车辆的“左”侧的提及是指与车辆的驾驶员侧(“ds”)相对应。对车辆的“右”侧的提及是指与车辆的副驾驶侧(“ps”)相对应。
38.同样地，在本说明书中，关于车辆轴线、具体地为车辆的x轴、y轴和z轴进行了某些描述。x轴是车辆的纵向延伸的中心轴线。y轴是车辆的与x轴垂直的横向延伸的轴线。z轴是车辆的与x轴和y轴两者垂直的竖直延伸的轴线。x轴、y轴和z轴相交于或接近车辆的重心(“cog”)。车辆安全系统
39.参考图1，举例来说，车辆12包括车辆安全系统10，该车辆安全系统包括被动安全系统20和主动安全系统100。被动安全系统20包括可致动的车辆乘员保护装置，这些车辆乘员保护装置以14示意性地展示。保护装置14可以包括任何可致动的车辆乘员保护装置，诸如正面安全气囊、侧面安全气囊、帘式安全气囊、护膝垫安全气囊、以及可致动安全带预紧器和/或卷收器。被动安全系统20还包括可操作地连接到保护装置14的安全气囊电子控制单元(在本文中称为安全气囊控制器单元或“acu”)50。acu 50可操作以响应于经由与acu可操作地连接的一个或多个传感器感测到的车辆状况来控制保护装置14的致动。
40.被动安全系统20包括用于测量车辆12的某些状况的若干传感器(诸如加速度计和/或压力传感器)，基于这些状况确定是否致动车辆乘员保护装置14。这些传感器可以安装在整个车辆12的各个位置，这些位置被选择成允许对传感器旨在作用的特定车辆状况进行感测。在本说明书中，车辆安全系统10被描述为包括车辆12中的若干不同类型和位置的碰撞传感器。本文所描述的碰撞传感器不一定是包括在车辆安全系统10中的传感器的完整列表；这些传感器仅是本发明用来检测正面撞击的发生的那些传感器。因此，本领域技术人员将理解，车辆安全系统10可以包括车辆12中的任何类型、任何数量、任何位置的一个或多个其他碰撞传感器。
41.被动安全系统20被配置成利用左挤压区传感器60和右挤压区传感器62来检测正面车辆撞击的发生。左挤压区传感器60和右挤压区传感器62是加速度计，这些加速度计被配置成感测车辆加速度并将指示那些加速度的信号传输到acu 50。acu 50被配置成确定感测到的加速度的大小是否满足或超过足以指示正面碰撞事件已经发生的阈值，并且响应于该确定而致动保护装置14。
42.在图1中，挤压区传感器60、62是单轴加速度计，这些单轴加速度计被配置成检测在平行于纵向轴线x
veh
的方向上的加速度，这些加速度由在传感器的示意性表示中分别示出的箭头lt_czs和rt_czs大体指示。左挤压区传感器60和右挤压区传感器62分别位于车辆12的左驾驶员侧(ds)前角落和右副驾驶侧(ps)前角落处或附近。左挤压区传感器60和右挤压区传感器62例如可以在这些前角落位置处安装在车辆的前保险杠16的后方。acu 50包括集成的2轴加速度计52，用于感测沿x轴和y轴的车辆加速度。这些加速度分别以ccu_1x和ccu_1y示出。
43.车辆安全系统10被实施并配置成与其他车辆系统协作。例如，acu 50可以经由车辆控制器局域网(can)总线可操作地连接到车身控制模块(bcm)30。bcm 30可以经由can总线与其他车辆系统通信，这些车辆系统为诸如底盘控制、稳定性控制系统、牵引/防滑控制系统、防抱死制动(abs)系统、轮胎压力监测(tpms)系统、导航系统、仪表(速度、油门位置、制动踏板位置等)、信息和娱乐(“信息娱乐”)系统以及其他系统。通过这些接口，acu 50可以与这些外部系统中的任何系统通信以提供和/或接收数据。
44.仍参考图1，主动安全系统100可以具有已知配置，包括被配置成以已知方式提供主动安全功能的一个或多个主动安全系统部件。主动安全系统100可以利用驾驶员辅助系统(das)的部件，顾名思义，这些部件在驾驶时为车辆操作员提供辅助。这些部件可以帮助提供das功能，诸如所述的主动巡航控制、车道偏离、盲点监测、驻车辅助等。这些部件甚至可以是用于提供自动驾驶功能的部件，并且因此可以使用人工智能(ai)和其他机器学习技术来提供关于车辆周围环境的大量信息。对于碰撞避免功能，主动安全系统可以提供碰撞警告(听觉、视觉、触觉)、自动紧急制动和自动紧急转向。
45.主动安全系统100可以包括不同部件。在图1的示例配置中，主动安全系统100包括相机传感器、雷达传感器和激光雷达(lidar)传感器。相机传感器110以面向前方的方式安装在挡风玻璃18上的较高处，例如在后视镜的后面或区域中。(多个)雷达传感器120可以安装在前方、在保险杠16的区域中，例如在车辆格栅中。激光雷达(lidar)传感器130可以安装在车辆车顶22上或附近。
46.相机传感器110在提供较宽的视野时是有效的，并且具有以高准确度识别各种物体/障碍物的能力。相机还可以确定物体/障碍物是否在车辆12的路径中。然而，相机还需要较好的可见度，并且会在黑暗状况、雾、雨、雪等情况下变差。雷达传感器120在较差的可见度状况下不会变差，并且确实能提供冲撞时间(ttc)的准确指示。然而，就辨别不同类型的物体/障碍物而言，雷达传感器120的能力较弱，并且在确定物体/障碍物是否在车辆12的路径中方面不如相机擅长。lidar传感器130提供用于ttc和车辆路径确定的3
‑
d感测能力，提供良好的物体/障碍物识别，并且在良好和较差的可见度情况下都较稳健。
47.相机110、雷达传感器120和lidar传感器130可以连接到单独的控制器，诸如das控制器140，并且该控制器可以经由can总线与acu 50通信。可替代地，主动安全功能和被动安全功能都可以由单个控制器处理，该控制器诸如acu 50，在这种情况下，相机110、雷达传感器120和lidar传感器130可以直接连接到acu 50。这些传感器监测车辆12前方在车辆的预定视野和行程内的区域。
48.主动安全系统传感器提供信息(信号、数据等)，控制器(诸如acu 50、das控制器140或其他控制器)可以使用该信息来检测车辆路径中是否存在物体。实施已知的方法(诸
如人工智能(ai)和其他算法)，控制器可以确定与检测到的物体有关的信息，诸如物体类型、距车辆的距离、在车辆路径中的横向位置、与车辆的冲撞时间、与车辆的相对速度、物体的状态(例如，面向前方、面向后方、面向侧方、移动、静止等)以及发生冲撞的概率。主动安全系统感测的参数
49.图2展示了可以经由主动安全系统100感测的参数中的一些参数。图2中展示的参数是与物体24和该物体相对于车辆12的位置相关联的参数。这些参数是相对于原点进行感测的，原点位于车辆12的前部并且以车辆的纵向轴线为中心。主动传感器可以不位于原点处。例如，在主动传感器是安装在后视镜上的相机的情况下，可能是这种情况。
50.主动传感器提供相对于车辆的视野。在该视野内，主动传感器可以检测到物体的存在并提供与该物体相关联的参数。这些参数包括物体与车辆原点之间的纵向距离、以及物体与车辆纵向轴线之间的横向距离。物体的行程(range)是从车辆原点到物体的物体中心线处的直线距离。当物体偏离车辆纵向轴线时，该行程相对于车辆纵向轴线成一定角度延伸。沿该行程测量车辆与物体之间的相对速度。
51.图3至图15展示了在与车辆12发生正面撞击(在本文中称为正面碰撞)的情况下由车辆安全系统10实施的帮助保护车辆乘员的控制算法。这些算法在车辆控制器(诸如acu 50)中实施，该车辆控制器可操作地连接到安全装置14，并且被配置成响应于检测到正面碰撞的发生而致动安全装置。根据本发明，在车辆安全系统10中实施的控制算法被配置成使得被动安全系统20基于从主动安全系统100获得的信息来调整或调节其对正面碰撞的响应。控制算法概述
52.图3展示了由车辆安全系统10实施的响应于检测到正面碰撞的发生而帮助保护车辆乘员的控制算法150的概述。控制算法150实施用于对检测到的正面碰撞进行分类的新颖方法。控制算法150被配置成响应于检测到正面车辆碰撞而确定加权碰撞模式分类标志376。加权碰撞模式分类标志376是利用从主动安全系统100和被动安全系统20两者获得的信息的正面碰撞模式确定(即，对称、非对称、偏置可变形障碍物(odb)、小重叠等)。如本文中所讨论的，控制算法150实施独特的加权算法，通过该加权算法将主动碰撞模式确定和被动碰撞模式确定混合以确定加权碰撞模式分类。
53.如图3所示，控制算法150利用来自主动安全系统100的主动安全信号152。控制算法150还利用被动安全系统碰撞判别信号160，具体是正面冲撞指示标志162和碰撞模式分类标志164。预设算法160包括冲撞估计和分类算法200以及加权碰撞模式决策算法390，这些算法产生加权碰撞模式分类标志396。加权碰撞模式分类标志396被提供给正面算法400，该正面算法也可以由侧面算法420提供信息。正面算法400使用加权碰撞模式分类标志396来确定阈值、误用框和延迟，实施这些阈值、误用框和延迟以用于响应于分类后的碰撞事件而确定是否部署安全装置14。冲撞估计和分类算法概述
54.图4展示了由车辆安全系统10实施的控制算法150的冲撞估计和分类算法200部分的概述。如图4所示，主动安全信号152被提供给主动安全系统信号转换器210。经转换的主动安全信号被提供给目标跟踪算法230，该目标跟踪算法跟踪目标24相对于车辆12的位置并产生用于冲撞估计算法250的输出。本车辆信号154被提供给本车辆信号转换器220。经转
换的本车辆信号被提供给冲撞估计算法250。正面冲撞指示标志162被提供给正面冲撞检测算法240，该正面冲撞检测算法的输出也被提供给冲撞估计算法。
55.正面冲撞指示标志162可以从由车辆安全系统10实施的(多个)正面碰撞判别算法获得。由车辆安全系统10实施的正面碰撞判别算法可以例如是在foo等人的美国专利号9,650,006b2中公开的算法中的一个或多个算法，该美国专利的公开内容通过援引以其全文并入本文。因此，应理解的是，车辆安全系统10可以包括在前述foo等人的美国专利号9,650,006b2中公开的部件或其部分。
56.冲撞估计算法250基于从目标跟踪算法230、本车辆信号转换器220和正面冲撞检测算法240获得的信息来估计碰撞的特性。冲撞估计算法250将这些估计的特性提供给主动安全碰撞模式分类算法360，该主动安全碰撞模式分类算法对正面冲撞进行分类，并提供指示所确定的碰撞模式分类的主动安全碰撞模式分类标志366。主动安全信号转换器
57.图5中展示了主动安全信号转换器200。主动安全信号转换器200转换特定于车辆或平台的主动安全信号152，使得可以使用规范化的值执行冲撞估计和碰撞模式分类功能。这可以包括将车辆坐标系转换为算法坐标系、缩放、标记( /
‑
)、信号范围、单位等。例如，一些主动安全系统使用正值和负值( /
‑
)来指示驾驶员侧/副驾驶侧的值。例如，对于横向值，诸如距离、速度、加速度、角度等，可能是这种情况。然而，根据车辆平台的不同，哪一侧为正( )而哪一侧为负(
‑
)可能不同。主动安全信号转换器200转换这些值，使得这些值被规范化并一致遵循相同的规则，以确保控制算法150的准确性。
58.另外，一些车辆平台可能未直接提供实施控制算法150所需的所有主动安全系统信号152。在这个实例中，主动安全系统转换器200可以用于计算缺失的信号/值。
59.图5展示了可以由主动安全信号转换器210转换的主动安全信号152中的一些。这些信号可以包括：物体数量、物体id、物体分类、物体纵向距离、物体横向距离、物体相对速度、物体角度、物体角速率、物体宽度以及主动安全系统100的状态。而且，如图5所示，主动安全信号转换器210转换主动安全信号152，从而提供经调制、规范化、标准化等的对应信号，以遵循控制算法150所期望的规则。目标跟踪
60.图6中展示了目标跟踪算法230。如图6所示，目标跟踪算法230从主动安全信号转换器200接收经转换的主动安全信号。如所示出的，这些主动安全信号可以包括：物体数量、物体id、物体分类、物体纵向距离、物体横向距离、物体相对速度、物体角度、物体角速率、物体宽度以及主动安全系统100的状态。
61.当车辆路径中有多于一个物体时，目标跟踪算法230使用该信息来执行最近物体计算232，以识别车辆路径中的最近物体。对于被识别为最近的物体，如图6的右侧所示，目标跟踪算法230可以确定在236处大体标识出的以下特性：纵向加速度、纵向距离、横向距离、相对速度、角度、角速率以及物体宽度。目标跟踪算法230还可以监测并提供主动安全系统状态，以确保用于跟踪所识别物体的数据是最新且准确的。
62.目标跟踪算法230还包括推算触发器234，该推算触发器被配置成在来自本车辆信号的前述特性236中的一个或多个不能直接经由主动安全传感器获得的情况下，触发推算算法以计算这些特性。例如，在物体位于主动安全系统的视野之外且距车辆/传感器少于最
小距离的情况下，可能是这种情况。换言之，当确定物体离车辆非常近以至于它在或可能在主动传感器的范围之外时，推算触发器234将触发对特性236的推算。在该实例中，推算触发器234可以基于本车辆信号来触发对物体相对于车辆的特性236的计算。本车辆信号转换器
63.图7中展示了本车辆信号转换器220。本车辆信号转换器220转换特定于车辆或平台的本车辆信号154，使得可以使用规范化的值执行冲撞估计和碰撞模式分类功能。这可以包括将车辆坐标系转换为算法坐标系、缩放值、标记( /
‑
)、信号范围、单位等。例如，一些主动安全系统使用正值和负值( /
‑
)来指示驾驶员侧/副驾驶侧的值。例如，对于横向值，诸如距离、速度、加速度、角度等，可能是这种情况。然而，根据车辆平台的不同，哪一侧为正( )而哪一侧为负(
‑
)可能不同。本车辆信号转换器220转换本车辆信号154，使得这些信号被规范化并一致遵循相同的规则，以确保控制算法150的准确性。
64.另外，一些车辆平台可能未直接提供实施控制算法150所需的所有本车辆信号154。在这个实例中，本车辆系统转换器220可以用于计算缺失的信号/值。
65.图7展示了可以由本车辆信号转换器220转换的本车辆信号154中的一些。这些信号可以包括：车辆纵向速度、车辆横向速度、车辆纵向加速度、车辆侧向加速度、横摆速率以及转向角度。而且，如图7所示，本车辆信号转换器220转换本车辆信号154，从而提供经调制、规范化、标准化等的对应的经转换的本车辆信号222，以遵循控制算法150所期望的规则。正面冲撞检测算法
66.图8中展示了正面冲撞检测算法240。正面冲撞检测算法240被配置成响应于从被动安全系统20接收的碰撞模式分类标志164和正面冲撞指示标志162来提供正面碰撞感测信号242。因此，正面冲撞感测信号242是从被动安全系统20得到的指示：1)已经发生正面碰撞，以及2)已经由被动安全系统确定的正面碰撞的类型。
67.如上所述，被动安全碰撞模式分类的确定可以与前述foo等人的美国专利号9,650,006b2相似或相同。碰撞模式分类标志164的分类可以包括以下分类中的任何一个或多个，每个分类可以具有可单独配置和/或可调整的阈值。分类可以例如包括完全重叠对称、左/右(l/r)非对称、l/r小重叠、l/r低速角度/倾斜、l/r高速角度/倾斜、l/r低速偏置可变形障碍物(odb)、l/r高速odb以及l/r偏置移动可变形障碍物(omdb)。正面冲撞指示标志162是指示正面碰撞的发生的传感器信号，诸如左挤压区传感器和/或右挤压区传感器。这些信号例如可以是来自lt_czs 60的czs_3x信号，或者是来自rt_czs 62的czs_4x信号(参见图1)。冲撞估计算法
68.图9中展示了冲撞估计算法250。如图9所示，冲撞估计算法250包括冲撞时间(ttc)估计算法260、相对速度估计算法270、重叠率估计算法300和冲撞数据鉴定算法340。以252统一指代的算法基于主动安全信号212、推算触发器238、本车辆信号222和正面冲撞感测指示242执行计算。算法252产生ttc
min 274、ttc
max 276、相对速度
min 278、相对速度
max 280、重叠率
min 312、重叠率
max 314、撞击侧308、冲撞即将发生346和鉴定后的冲撞数据350的计算值。在以下段落中详细讨论了冲撞估计算法252。ttc和相对速度估计算法
69.图10中示出了ttc估计算法260和相对速度估计算法270。如图10所示，ttc估计算法260在262处基于检测到的物体24与车辆12之间的相对速度(参见图2)以及检测到的物体与车辆之间的纵向距离执行计算。从主动安全信号212获得相对速度和纵向距离值。如所示出的，通过将纵向距离除以相对速度来获得ttc计算结果。
70.针对ttc和相对速度两者，获得最小值和最大值(min/max)。当物体在主动安全系统的视野中(推算触发器238＝关闭)时，最小值和最大值(ttc
min/max
、v
min/max
)相同。当物体在视野之外(推算触发器238＝打开)时，使用可校准的最小/最大目标减速度水平(目标_减速度
min
和目标_减速度
max
)和(来自本车辆信号222的)本机纵向加速度值来估计最小相对速度和最大相对速度。这在相对速度估计算法270中，具体地在框272处示出，其中：v
min
＝v
min
‑
(目标_减速度
max
本机_纵向_加速度)*δt；以及v
max
＝v
max
(目标_减速度
min
本机_纵向_加速度)*δt
71.而且，当物体在视野之外时，使用推算相对速度来估计ttc
min
和ttc
max
。这也在框272中示出，其中：ttc
min
＝(纵向_距离
‑
v
max
*δt)/v
max
；以及ttc
max
＝(纵向_距离
‑
v
min
*δt)/v
min
如图10所示，ttc估计算法260和相对速度估计算法270产生ttc
min 274、ttc
max 276、(相对)v
min 278以及(相对)v
max 280的值。重叠率估计算法
72.图11中示出了重叠率估计算法300。如图11所示，重叠率估计算法300基于主动安全信号212以及本车辆信号222执行计算，主动安全信号包括：目标(物体)宽度、本车辆宽度和横向距离，本车辆信号包括：本车辆速度、本车辆横摆速率以及本车辆转向角度。还利用了推算触发器238。
73.在框302处，确定本车辆12与目标物体24之间的横向距离的最小值和最大值(min/max)。当目标物体在主动安全系统100的视野中时，即，推算触发器238＝关闭，则横向_距离的最小值/最大值相同并且等于由主动安全系统100(从主动安全信号212)确定的横向距离。当物体在视野之外时(推算触发器238＝打开)，如下估计最小横向距离和最大横向距离：横向_距离
min
＝横向_距离
‑
δ横向_距离；以及横向_距离
max
＝横向_距离 δ横向_距离；其中，在框304处计算δ横向_距离。δ横向_距离是由于转向引起的本车辆与目标物体之间的横向距离的变化，并且根据本车辆信号222(即转向角度、横摆速率和速度)进行计算：δ横向_距离＝f(转向角度，横摆速率，速度)。
74.在框306处，计算本车辆与目标物体之间的重叠。更具体地，使用在框302处计算的横向距离最小值和最大值来计算左重叠和右重叠的最小值和最大值，如下所示：左_重叠
min
＝0.5*(hw tw)
‑
横向_距离
min
；右_重叠
min
＝0.5*(hw tw) 横向_距离
min
；左_重叠
max
＝0.5*(hw tw)
‑
横向_距离
max
；以及右_重叠
max
＝0.5*(hw tw) 横向_距离
max
；
其中，hw＝本机宽度，并且tw＝来自主动安全信号212的目标宽度。
75.根据在框306处执行的计算，基于重叠的标记来确定撞击侧308，其中，正重叠值指示左侧/驾驶员侧重叠，并且负重叠值指示右侧/副驾驶侧重叠。当然，这种 /
‑
规则可以颠倒。这是包括主动安全信号转换器(图5)和本车辆信号转换器(图7)可能很重要的原因的示例，因为它们有助于保持这一和其他类似规则的保真度。
76.在框310处，最小重叠值和最大重叠值用于计算最小重叠率312和最大重叠率314，如下所示：重叠_率
min
＝100*重叠
min
/hw；重叠_率
max
＝100*重叠
max
/hw。冲撞数据鉴定检查
77.图12中示出了冲撞估计算法252的冲撞数据鉴定算法340。冲撞数据鉴定算法340使用正面冲撞感测标志242来鉴定撞击时的主动安全信号。在框342处，执行检查以确定冲撞是否即将发生。如果冲撞时间(ttc)在预定行程内，则冲撞即将发生。如所示出的，如果ttc
max 276小于ttc阈值(该阈值可配置/可调整)并且ttc
min
等于零，则确定冲撞即将发生(框346)。在框344处，冲撞即将发生指示346可以被时间锁存。在与框348处，如果冲撞即将发生“与”正面冲撞感测标志242被触发，则冲撞数据合格(框350)。主动碰撞模式分类
78.参考图13，主动安全碰撞模式分类算法360使用从主动安全系统100获得的信息对碰撞进行分类。主动碰撞模式分类算法360的使用是在冲撞数据合格(参见图12)的基础上进行的。如图13所示，主动碰撞模式分类算法360利用撞击侧308(参见图11)、最大重叠率314(参见图11)和最大相对速度280(参见图10)来对冲撞进行分类。
79.主动碰撞模式分类算法360实施重叠率阈值度量362，该重叠率阈值度量评估最大重叠率314以将碰撞分类为对称、偏置可变形障碍物(odb)或小重叠，并提供指示分类后的重叠类型的输出。度量362中实施的重叠阈值可以是可配置的或可调整的，以在重叠方面定义不同的碰撞类型。主动碰撞模式分类算法360还实施相对速度阈值度量364，该相对速度阈值度量评估最大相对速度280以将碰撞分类为高速或低速。度量364中实施的速度阈值可以是可配置的或可调整的，以在速度方面定义不同的碰撞类型。
80.如图13所示，主动碰撞模式分类算法360实施布尔逻辑，以使用从主动安全信号获得的信息以及通过度量362、364进行的确定来对碰撞进行分类。以下表格阐述了这些分类：
81.如上表所示，在重叠率阈值度量362指示对称冲撞，但是未指示撞击侧，且与车辆速度无关的情况下，指示完全重叠对称冲撞。在撞击侧分别指示为左或右，但是未对重叠类型进行分类，且与车辆速度无关的情况下，指示左非对称冲撞或右非对称冲撞。在撞击侧分别为左或右，重叠度量指示odb，并且速度度量指示低速的情况下，指示左低速odb冲撞或右低速odb冲撞。在撞击侧分别为左或右，重叠度量指示odb，并且速度度量指示高速的情况下，指示左高速odb冲撞或右高速odb冲撞。在撞击侧分别为左或右，并且重叠度量指示小重叠的情况下，指示左小重叠冲撞或右小重叠冲撞。主动安全置信度因子
82.参考图14，主动安全置信度因子确定算法370确定主动安全置信度因子(ascf)382。主动安全置信度因子380是可以基于在导致碰撞事件之前从主动安全系统100获得的信息对主动安全碰撞模式分类标志366进行的置信度的度量。因为主动安全碰撞模式分类标志366是基于估计的分类，所以主动安全置信度因子380提供了对该估计正确分类碰撞模式的可能性的指示。
83.如图14所示，主动安全置信度因子确定算法370包括重叠不确定性函数框372，该重叠不确定性函数框根据由图11的重叠估计算法300确定的最小值/最大值——重叠_率_min 312和重叠_率_max 314来确定重叠率不确定性因子374。重叠率不确定性因子374可以例如是在零到一(0
‑
1)范围内的值，其中，零指示最小不确定性，并且一指示最大不确定性。
84.在框372处实施的重叠不确定性函数372可以以各种方式来实施。例如，重叠不确定性函数框372可以根据最小重叠率值312/最大重叠率值314之间的范围或增量来确定重叠率不确定性因子374。在该示例中，重叠不确定性因子374可能与最小值312/最大值314之间的范围/增量成比例地增加(即，不确定性可能增加)。因此，在最小/最大范围较小的情况下，不确定性较低，并且重叠不确定性因子374对应地较低。相反，在最小/最大范围较大的情况下，不确定性较高，并且重叠不确定性因子374对应地较高。
85.而且如图14所示，主动安全置信度因子确定算法370还包括相对速度不确定性函
数框376，该相对速度不确定性函数框根据由图10的相对速度估计算法270确定的最小值/最大值——相对_速度_min 278和相对_速度_max 280来确定相对速度不确定性因子378。相对速度不确定性因子378可以例如是在零到一(0
‑
1)范围内的值，其中，零指示最小不确定性，并且一指示最大不确定性。
86.在框376处实施的相对速度不确定性函数可以以各种方式来实施。例如，相对速度不确定性函数框376可以根据最小相对速度值278/最大相对速度值280之间的范围或增量来确定相对速度不确定性因子378。在该示例中，相对速度不确定性因子378可能与最小值278/最大值280之间的范围/增量成比例地增加(即，不确定性可能增加)。因此，在最小/最大范围较小的情况下，不确定性较低，并且相对速度不确定性因子378对应地较低。相反，在最小/最大范围较大的情况下，不确定性较高，并且重叠不确定性因子378对应地较高。
87.主动安全置信度因子确定算法370还包括主动安全置信度因子函数框380，该主动安全置信度因子函数框确定主动安全置信度因子382。如图14所示，主动安全置信度因子函数380基于重叠率不确定性因子374、相对速度不确定性因子378和主动安全碰撞模式分类标志366。在本文所描述的示例实施方式中，相对速度不确定性因子378可以是在零到一(0
‑
1)范围内的值，其中，零指示主动安全碰撞模式分类标志366的准确性的最小置信度，并且一指示主动安全碰撞模式分类标志的准确性的最大置信度。
88.主动安全置信度因子函数380可以以各种方式实施。例如，主动安全置信度因子函数380可以基于主动安全碰撞模式分类标志366，根据不确定性因子374、378确定主动安全置信度因子382。例如，这可以是多个查找表，其中要使用的表格由分类标志366确定，并且基于不确定性因子374、378的组合在表格中查找置信度因子382。可以通过实施了车辆安全系统10的特定车辆平台上执行的测试来确定与不确定性因子的各种组合相关联的置信度因子。加权碰撞模式分类
89.参考图15，加权碰撞模式决策算法390基于主动安全置信度因子(ascf)382来确定加权碰撞模式分类标志396。如果主动安全置信度因子382达到或超过阈值置信度值，则将主动安全碰撞模式分类标志366实施为加权碰撞模式分类标志396。如果主动安全置信度因子382没有超过阈值置信度值，则将被动安全碰撞模式分类标志164实施为加权碰撞模式分类标志396。
90.加权碰撞模式决策算法390包括主动安全置信度阈值矩阵392，该主动安全置信度阈值矩阵实施有针对主动安全碰撞模式分类标志366和被动安全碰撞模式分类标志164指示的碰撞模式分类的各种组合的阈值置信度值。阈值置信度值指示主动安全碰撞模式分类366正确的置信度或概率，并且是在零到一(0
‑
1)的范围上赋值的，其中一为最高置信度，并且零为最低置信度。在矩阵392中，可以由主动安全碰撞分类标志366和被动安全碰撞分类标志164指示的多个碰撞模式组合中的每一个都被分配了置信度值。
91.图15的示例配置中的矩阵392包括三个不同碰撞模式的阈值置信度值，这些碰撞模式可以通过主动安全系统和被动安全系统来分类：偏置可变形障碍物(odb)、小偏置(so)和对称(sym)。矩阵392中实施的碰撞模式可以变化。针对每个碰撞模式组合，矩阵392包括都阈值置信度值，主动安全碰撞分类必须超过该阈值置信度值才能被算法390作为加权碰撞模式分类标志396输出。这些阈值中的每一个是可配置且可调整的，使得可以针对特定的
车辆平台和制造商的要求来定制该系统。应当注意的是，在主动分类标志366和被动分类标志164一致的情况下(如在矩阵单元中沿对角线向右上方延伸所展示的)，不需要做出决策并且阈值分类为零。
92.各种因素都可能影响在矩阵392中实施的阈值置信度值。在任何给定的车辆平台上，被动安全系统20在对某些碰撞模式进行分类方面可能优于主动安全系统100，并且在对其他碰撞模式进行分类方面可能差于主动安全系统。矩阵392中的阈值置信度值是通过碰撞测试和其他研究来设置的。
93.加权碰撞模式决策算法390将主动安全置信度因子382同矩阵392中与由碰撞事件产生的主动/被动碰撞模式分类标志366、164的组合相对应的值进行比较。如框394处所示，如果主动安全置信度因子382小于来自矩阵392的置信度阈值，则将被动安全碰撞模式分类标志164实施为加权碰撞模式分类标志396。否则，即，如果主动安全置信度因子382大于或等于来自矩阵392的置信度阈值，则将主动安全碰撞模式分类标志366实施为加权碰撞模式分类标志396。
94.例如，考虑以下碰撞事件：主动安全碰撞模式分类标志366指示对称(sym)碰撞事件，并且被动安全碰撞模式分类标志164指示偏置可变形障碍物(odb)碰撞事件。在这种场景中，如果主动安全置信度因子(ascf)382<0.6，则批准被动安全碰撞模式分类标志164(即，odb)作为加权碰撞模式分类标志396。否则，即，如果主动安全置信度因子382≥0.6，则批准主动安全碰撞模式分类标志366(即，sym)作为加权碰撞模式分类标志396。
95.作为另一示例，考虑以下碰撞事件：主动安全碰撞模式分类标志366指示小偏置(so)或偏置可变形障碍物(odb)碰撞事件，并且被动安全碰撞模式分类标志164指示对称(sym)碰撞事件。在这两个场景中的任一场景中，如果主动安全置信度因子(ascf)382>0，则批准主动安全碰撞模式分类标志366(即，so或odb)作为加权碰撞模式分类标志396。
96.作为另一示例，考虑以下碰撞事件：主动安全碰撞模式分类标志366指示odb碰撞事件，并且被动安全碰撞模式分类标志164指示so碰撞事件。在这种场景中，如果主动安全置信度因子(ascf)382<0.8，则批准被动安全碰撞模式分类标志164(即，so)作为加权碰撞模式分类标志396。否则，即，如果主动安全置信度因子382≥0.8，则批准主动安全碰撞模式分类标志366(即，odb)加权碰撞模式分类标志396传递。
97.有利地，控制算法150允许利用主动安全系统100来可靠且准确地对碰撞模式进行分类。由此实现的一个优点是，主动安全系统100在碰撞事件发生之前基于感知到的状况来估计/预测碰撞模式。因此，利用主动安全系统100来实施控制算法150的车辆安全系统10可以比单独利用被动安全系统20的情况下更早地对碰撞模式进行分类。一旦被确定，加权碰撞模式分类标志396就可以用于选择由被动安全系统20实施的各个的误用框和延迟，以响应于正面冲撞而控制车辆安全装置14的触发。
98.从本发明的以上描述，本领域技术人员将意识到改进、改变和修改。所附权利要求旨在涵盖在本领域技术范围内的这种改进、变化和/或修改。