1 导言
追尾磕碰是目前我国高速公路各类事端中较多的一类事端，占事端总数的33%左右。诱发的主要原因为：（1）驾驭员精力不会集，致使疏忽大意或办法不妥；（2）疲惫驾驭，在高速公路上长期高速行进，加之路途景象单一，驾驭员很简略疲惫，导致驾驭员判断才能和操作精确性下降；（3）反常气候（如雨、雪、雾），能见度低，行车的安全间隔不能确保，一起遭到其时路面条件的影响，制动效果难以确保；（4）车辆自身不能满意高速公路行进的性能需求。依据对沈大、合宁、广深、西临等高速公路交通事端的统计剖析，交通事端类型如表1所示。
有关研讨标明，若驾驭员可以提前1 秒意识到有事端风险并采纳相应的办法，则90%的追尾事端和60%的正面磕碰事端都可以防止。美、英、德、日的不少轿车公司（如德国的奔跑、日本的三菱、马自达、日产、本田及富土重工等公司）都展开了高速公路车载毫米波雷达防追尾磕碰预警体系的研讨。
我国主要有清华大学、浙江大学、上海交通大学、吉林大学等高校和部分研讨地点进行车辆自动防撞报警、辅佐驾驭体系等相关技术研讨。例如上海交通大学卓斌教授等研讨开发了“人—车—路归纳环境下自动安全性模仿体系”，完成了行车环境数据收集、通讯和驾驭软件仿真的编制。在现行的高速公路交通管理中，为确保行车安全，常依据公路工程技术标准中的行车视距要求，规则必定行进速度下的车辆有必要坚持相应的间隔。那么怎么精确盯梢车辆之间的间隔信息，就成了轿车毫米波雷达防追尾预警体系的要害。
把交互多模型（IMM）机动方针盯梢算法运用到轿车毫米波雷达防追尾预警体系傍边，当毫米波雷达存在必定丈量差错和噪声时，方针盯梢算法能使毫米波雷达可以精确地探知前方车辆的运动状况，如车间间隔、行进速度等，然后进步驾驭员在高速公路上行进安全性。
2 轿车防追尾预警体系作业原理
高速公路轿车防追尾预警体系由信息收集单元、信息处理单元和信息输出设备3 部分组成。信息收集单元一般由毫米波雷达、自车速度传感器、转向角传感器、制动传感器、加快踏板传感器和路面状况选择开关等组成；信息处理单元主要为中央处理器；信息输出设备包含液晶显现屏、报警蜂鸣器、报警指示灯等，图1 是车载雷达防追尾预警体系组成方框图。
信息收集单元不断地收集相关信息，运用车载毫米波雷达取得前方方针车辆的运动信息，如车间间隔、相对速度；运用自车传感体系取得自车运转状况信息，如自车速度、有无转向、有无制动等，并将此信息传送至信息处理单元。信息处理单元依据自车速度、相对速度以及所树立的安全间隔核算模型，核算出当时应坚持的安全间隔并与实测车间间隔比较较。若实测车间间隔大于提示报警间隔，则进入下一作业循环；若实测车间间隔小于提示报警间隔，则进行一次报警，提示驾驭员松油门并做好刹车预备；当实测车间间隔小于风险报警间隔，则进行二次报警，促进驾驭员当即制动，以防止追尾事端的发生。液晶显现屏用于显现两车间实践间隔及相对速度，报警蜂鸣器和报警指示灯用于供给声响报警和指示灯报警，及时的报警可以有用地提示驾驭员，促进其采纳适宜的应对办法。
轿车在路途上行进时，常常要进行加快、减速和转弯，其运动状况是不断改动的。行进中的轿车所在的路途环境是适当杂乱的，而装置车载毫米波雷达的轿车自身也是不时地处于机动状况之中，因而车载雷达所勘探的方针也是在不断的改变傍边，导致所测两轿车之间的间隔数据存在必定丈量差错和噪声，就会使轿车防追尾预警体系发生虚警或漏警。过高虚警率的雷达不光不能减轻驾驭者的作业担负，反而会形成驾驭者精力高度严重，起到相反的效果。因而，选用适宜的机动方针盯梢算法，精确地盯梢自车前面的车辆方针的状况、及时估量行车的风险程度是车载雷达测距体系的一项主要任务。
3 交互多模型机动车辆盯梢算法
交互多模算法是Blom和Bar-Shalom在多模型根底上提出的，是在广义伪贝叶斯算法根底上，以卡尔曼滤波为起点，提出的一种具有马尔可夫切换系数的交互式多模型算法，其间多种模型并行作业，方针状况估量是多个滤波器交互效果的成果。该算法不需求机动检测，一起达到了全面自适应才能。IMM算法的基本思想是在每一时间，假定某个模型在现在时间有用的条件下，经过混合前一时间一切滤波器的状况估量值来取得与这个特定模型匹配的滤波器的初始条件；然后对每个模型并行完成正规滤波（猜测与批改）过程；最终，以模型匹配似然函数为根底更新模型概率，并组合一切滤波器批改后的状况估量值（加权和）以得到状况估量。一个模型有用的概率在状况估值和协方差的加权归纳核算中有重要效果。IMM的规划参数为：不同匹配和结构的设置模型；不同模型的处理噪声密度（一般来讲，非机动模型具有低水平丈量噪声，机动模型具有较高水平的噪声）；模型之间的切换结构和搬运概率。与其他的机动方针的盯梢算法比较，比方辛格（Singer）算法、输入估量（IE）算法、变维滤波（VD）算法等，交互多模（IMM）算法的长处是它不需求机动检测器监督机动［10］，然后不会发生因模型在机动与非机动之间切换而带来的差错。其算法原理如下：
假定有r 个模型：
其间X（k）为方针状况向量，Aj为状况搬运矩阵，Gj为体系噪声效果矩阵，Wj（k）是均值为零，协方差矩阵为Qj的白噪声序列。
可用一个马尔可夫链来操控这些模型之间的转化，马尔可夫链的搬运概率矩阵为：
其间Z（k）为量测向量，H为观测矩阵，V（k）为量测噪声，已知其方差为R（k）。W（k）和V（k）是零均值且彼此独立。
IMM算法可归纳如下4 个过程。
过程1 输入交互：
依据两模型（k-l）时间的滤波值和模型概率，核算交互混合后的滤波初始值，包含模型1 的滤波初始值：滤波估量值X 01
（k – 1）和估量协方差μ1（k – 1）；模型2 的滤波初始值：滤波估量值X 02
（k – 1）和估量差错协方差P02
（k – 1）。设体系在（k-1）时间模型1 概率为μ1（k – 1），滤波值X1
（k – 1），估量差错协方差为P2（k – 1）。模型2 的概率为μ2（k – 1），滤波值为X 2
（k – 1），体系估量差错协方差为P2（k – 1）。则进一步推行到r 个模型，交互后r模型的滤波初始值为：
过程2 模型条件滤波：
对应于模型Mj（k），以X 0j
（k – 1|k – 1），P0j（k – 1|k – 1）及Z（k）作为输入进行卡尔曼滤波。
卡尔曼猜测方程：
i = 1rΛj（k）cj_，而Λj（k）为观测Z（k）的似然函数：
图2 为IMM算法结构原理图
4 车辆运动模型剖析与IMM算法盯梢仿真
实验规划：考虑两辆车在路途上同向行进，在0~10 s 时，两车均坚持匀速直线运动，由装置在后车上的车载毫米波雷达检测出与前车的间隔为100 m，相对速度为-3 m/s，方位角2°。
在10~15 s 时，前车向右偏转，与后车的相对角加快度为1° s2。
后车加快，与前车的纵向相对加快度为a = -1.8 m/s2。雷达的扫描周期为T=0.1 s，体系噪声为σα = 0.3 m/s，σβ = 0.3°/s。量测差错为σ1 = 1 mσ2 = 0.5 m/sσ3 = 0.2°/s。
车辆匀速直线运动模型：
选用蒙特卡洛办法对盯梢滤波器进行仿真剖析，仿真次数为400 次。以下运用Matlab7.0 仿真的成果。
由图3~图6 仿真成果标明，该算法可以有用地盯梢前方车辆的运动信息，而且差错较小，精度较高。
5 总结
要点研讨了交互多模型机动方针盯梢算法在车载毫米波雷达防追尾预警体系中的运用，介绍机动方针盯梢算法原理和过程，并以高速公路上行进的轿车为目标进行防真，成果标明算法具有结构简略、运算量小、精度较高的长处，可以进步车载雷达防追尾预警体系的运用功率，然后进步车辆驾驭的安全性，具有必定的运用价值。
