杜三淼

摘要：车辆侧翻预测需要高精度，本文提出了一种基于多观测变量的侧翻预测算法。该方法将不确定性概率法应用于重型车辆动态侧翻预测算法的设计，建立了基于多观测变量支持向量机（SVM）的重型车辆分类模型。

关键词：重型车辆;侧翻风险预测;SVM分类模型

中图分类号：U491.14                                    文献标识码：A                                文章编号：1674-957X（2021）16-0015-02

0  引言

根据国家公路交通安全管理局的数据，在涉及大型卡车的致命事故中，侧翻事故占13.9%[1]。重型车辆侧翻预测与控制研究一直在不断进展。Sellami等人[2]开发了一种基于可靠性的预警系统，在进入弯道前提醒司机可能发生侧翻。本文提出了一种适用于复杂场景的可靠性侧翻预测方法。该方法既可以降低原问题的复杂度，又保证算法的实时性。

1  重型车辆系统可靠性分析与抽样分析策略

1.1 人车路交互系统可靠性描述

人-车-路交互系统的可靠性不仅关系到人与车的可靠性，而且关系到人、车、路的适应性。人的可靠性是指人成功完成的活动对系统的可靠性的概率。汽车可靠性是评价汽车设计与制造的重要指标，是指在规定的使用时间和条件下，整车总成或零部件完成规定功能的概率。适应度是指路面作用下车辆行驶状态的预测结果与实际情况的符合程度。

1.2 车辆极限状态函数

车辆的行驶状态可分为安全状态、极限状态和侧翻状态。本文中，重型车辆的参数和状态变量X=（X1，X2……，Xn）建立车辆行驶极限状态函数g（X），对车辆行驶状态进行评价。车辆行驶极限状态是车辆行驶状态的阈值。