彭新榮，王冰，謝強德

0 引言

智能車的分布式協(xié)作是指多個智能車為保證高效運行且安全，通過分布式的行為協(xié)作實現(xiàn)車隊、路口及超車等典型的車輛協(xié)作，提高了交通系統(tǒng)的安全和運行效率，有助于解決交通事故、道路阻塞和能源環(huán)保等實際問題。從上世紀80年代，國內外研究機構已開始對典型交通場景，如高速公路和城市道路下的多車協(xié)作系統(tǒng)開展相關的研究，如美國加州 PATH[1]，歐洲 CyberCars2[2]，日本 DEMO2000[3]項目等，研究內容包括智能車的定位導航與多智能車的通信與協(xié)作。

由于多車協(xié)作相關研究側重與軟件算法仿真，無法直接應用于實際智能車系統(tǒng)中，目前研究機構開始采用實際智能車為平臺研究多車協(xié)作，但是采用實際車輛在人力、時間與資源方面成本很高，研究進展較緩慢。針對此問題，本文設計了基于嵌入式系統(tǒng)的智能小車CyberSmart，該智能車與實際智能車有相似的動力學模型、導航與定位方法。針對典型交通場景，本系統(tǒng)采用視覺與里程計結合的方法，實現(xiàn)了在兩層結構的地圖模型下的全局的準確定位。在此基礎上，設計基于沖突表的路口協(xié)調算法、車隊跟隨算法，使多智能車在路口、車隊和超車的場景下安全且高效地協(xié)作。

本文首先介紹多智能車協(xié)作系統(tǒng)架構，然后針對智能車在典型城市交通場景下的定位，建立了兩層結構的地圖模型，并實現(xiàn)了智能車在該地圖中的全局定位。本文還設計了路口協(xié)調算法與車隊跟隨算法，最后在CyberSmart智能車平臺上對路口、車隊、超車的協(xié)作與控制算法進行了多次實驗，通過實驗驗證多車協(xié)作系統(tǒng)定位與協(xié)作的可靠性與準確性。

1 多智能車的系統(tǒng)結構

典型交通場景下，如城市道路中的十字路口，多個智能車有不同的目標路線，在可靠的通信基礎上獲得附近其他車輛的定位和意圖，并采取相應的措施滿足安全與效率的要求。本文針對典型交通場景下的多智能車協(xié)作，設計了多智能體的協(xié)作系統(tǒng)。該系統(tǒng)中CyberSmart智能車作為一個集感知、計算和執(zhí)行為一體的智能體，由控制與計算中心、感知系統(tǒng)、通信系統(tǒng)和執(zhí)行機構組成，如圖1所示。控制與計算中心為智能車的決策與控制核心，可通過感知系統(tǒng)和通信系統(tǒng)，獲得其他車輛的運行狀態(tài)和周圍環(huán)境信息，對所獲信息進行處理，并根據(jù)知識庫和協(xié)作的目標通過計算與決策獲得控制指令，由執(zhí)行機構實現(xiàn)機器人的橫向與縱向控制，同時通過通信系統(tǒng)與周圍的智能車共享信息。

圖1 智能車CyberSmart結構示意圖

1.1 智能車硬件系統(tǒng)的結構

智能車的任務包括視覺導航、定位、速度控制與通信，其控制系統(tǒng)具有多任務和實時性要求高的特點，本系統(tǒng)采用帶有XGATE協(xié)處理器的MC9S12XDP512作為主控制器，硬件結構如圖2所示。使用CMOS模擬攝像頭采集道路信息并實現(xiàn)視覺導航，采用光電編碼器的里程計功能結合視覺檢測人工路標的方法實現(xiàn)定位。

圖2 CyberSmart硬件系統(tǒng)結構

1.2 通信協(xié)議的結構

多智能車協(xié)作系統(tǒng)采用的車與車之間的無線通信系統(tǒng)，由于其特殊的應用環(huán)境和需求，相比普通移動自組織網(wǎng)絡，主要的區(qū)別包括它是無中心的分布式網(wǎng)絡，對通信系統(tǒng)的實時性、時延等要求高，且需要支持高效的廣播機制。

本文介紹的系統(tǒng)的通信架構，主要包括物理層與介質訪問層(MAC)，針對該系統(tǒng)的特殊性，物理層采用基于IEEE802.15.4的無線通信模塊XBEE[4]，該模塊不僅具有低延時、支持同步的特點，而且對上層的MAC協(xié)議開發(fā)提供了很好的接口。

介質訪問層采用基于時分復用的信道接入?yún)f(xié)議RR-ALOHA，不僅具有更高的可靠性和實時性，能很好地支持本系統(tǒng)中應用最多的單跳范圍內的廣播功能，而且該協(xié)議可以獨立于物理層之上進行設計，

1.3 多車協(xié)作系統(tǒng)的軟件結構

多車協(xié)作系統(tǒng)的軟件結構如圖3所示，從底層單個智能車的軟件系統(tǒng)到上層協(xié)作任務可分為4層結構。智能車在典型交通場景下的定位，是指在視覺導航與里程定位的基礎上得到智能車在已知地圖中的定位。典型交通場景包括路口、車隊和超車情形，系統(tǒng)實現(xiàn)了這幾種典型場景下的多車協(xié)作。

圖3 多智能車協(xié)作系統(tǒng)軟件結構

2 典型交通場景下智能車的定位

智能車準確的定位是多個智能車能夠安全地進行協(xié)作的必要條件，在室外實際車輛運行的環(huán)境中，可利用 GPS進行定位。本系統(tǒng)智能車CyberSmart是運行于室內的智能車模擬平臺，主要依靠視覺和里程計進行定位。

多個智能車運行在已知的地圖中，首先需要建立共同的地圖數(shù)據(jù)庫，對已知地圖進行建模。在地圖建模的基礎上，通過傳感器獲取準確的定位信息，通過通信協(xié)議數(shù)據(jù)幀與其他車輛交互定位和意圖，為多車的協(xié)作提供可靠的數(shù)據(jù)和信息。

2.1 地圖的建模

針對城市中的典型交通場景，本文建立兩層結構的地圖模型。上層為地圖的有向圖拓撲結構，節(jié)點表示十字路口，連接相鄰兩個節(jié)點的有向線段表示有方向的車道；下層為具體的地理信息，對應于路口節(jié)點的是車輛在路口區(qū)域的行駛路線，對應于車道的是道路長度及限速等信息。

圖4 典型交通場景的地圖建模

本系統(tǒng)在圖4所示的室內模擬地圖內運行，該地圖由9個路口節(jié)點和24條單向車道組成，每個智能車將該地圖信息存儲在節(jié)點Node、車道Road、節(jié)點內線路Path三個表中，圖5為地圖關系數(shù)據(jù)庫模型。

圖5 地圖數(shù)據(jù)庫模型

2.2 智能車的定位

CyberSmart智能車主要采用基于視覺的導航和定位方法，使用攝像頭獲取圖像信息，提取車道導引線并計算其與車體的相對位置，得到車體的相對位姿信息，傳送給控制運算中心的運動規(guī)劃模塊，采用P控制算法控制舵機轉向完成對車道導引線的跟蹤和導航。智能車的縱向定位依據(jù)里程計，CyberSmart采用光電編碼器實現(xiàn)里程計的功能，能夠初步實現(xiàn)智能車在車道上的定位。

在典型交通場景下，智能車需要實現(xiàn)全局定位，即智能車根據(jù)已知地圖信息數(shù)據(jù)庫得到的定位信息，該定位信息和智能車的速度狀態(tài)信息，構成通信協(xié)議數(shù)據(jù)幀的有效載荷，是實現(xiàn)多車協(xié)作的必要信息。智能車的全局定位結構體包括與兩層地圖結構相對應的定位信息，如表1所示。

表1 智能車定位信息結構體

為準確獲得智能車的全局定位信息，在已有里程計定位的基礎上，增加路標檢測功能，不僅實現(xiàn)對里程計的誤差校正，而且可以準確的獲得車輛的全局定位信息。路標放置在路口與車道相隔的區(qū)域，如一定寬度的橫線，智能車通過視覺檢測該路標，對里程計通過數(shù)據(jù)關聯(lián)進行標定，可以提高智能車定位的精確性；同時通過檢測路標完成了全局定位中路口區(qū)域和車道區(qū)域的切換。

3 典型交通場景下智能車的協(xié)作

CyberSmart智能車的控制由橫向控制與縱向控制兩部分構成，有自動巡航、隊列跟隨和換道3種基本行駛方式，通過橫向和縱向控制的組合可實現(xiàn)路口、隊列和超車等場景下的協(xié)作。機器人尺寸25cm×15cm×25cm（長×寬×高），如圖6實物所示。實驗環(huán)境是結構化道路，道路上有黑色引導線作為路徑識別的特征。

圖6 CyberSmart智能車

3.1 路口的協(xié)作

智能車在十字路口的通行問題，實際上是不同車輛進入沖突區(qū)對行車線路的競爭(圖 7)。本文設計的算法是基于沖突表的路口協(xié)作算法，沖突表以矩陣形式存儲在智能車的內存中，表示十字路口區(qū)域內12條行車路線的沖突關系。

圖7 十字路口沖突區(qū)行車路線

基于沖突表的路口協(xié)作算法需要為每個路口節(jié)點建立資源鎖表，每個資源鎖對應路口內的一條行車路線，若對應的行車路線被某智能車占用，則其對應資源鎖賦值為1，若空閑則賦值為0。智能車在進入路口沖突區(qū)域時的協(xié)作算法流程圖如圖8所示，通過該算法，多智能車能夠在十字路口區(qū)域分布式地進行協(xié)作，不僅保證車輛的安全通行，而且避免了基于紅綠燈信號控制的低效率的“空等現(xiàn)象”，提高了道路的通行效率。

圖8 沖突表算法流程圖

3.2 車隊與超車的協(xié)作

車隊在多車協(xié)作中至關重要，車輛需要保持安全車距并高效地進行跟車。跟車的控制首先需要獲取在前方行駛的智能車的狀態(tài)信息，并保持與前者的安全距離?？v向速度控制采用線性二次型調節(jié)器LQR算法[5]，節(jié)點i跟隨著節(jié)點i-1形成隊列，并保持著安全距離Ld，相應的跟隨模型可描述為

3.3 實驗結果與分析

為測試多車協(xié)作系統(tǒng)協(xié)作控制算法，本文在CyberSmart平臺上進行了多次實驗，其中包括路口、車隊和超車3種情形。

隊列跟隨實驗中的兩輛智能車初始位置相距2m，前者的速度在0m/s，1m/s，1.5m/s 3檔變化，跟車速度隨著前者的速度變化，保持與前者T=1s的時距行駛。間距曲線與速度曲線如圖9所示，由圖可看出跟車的速度對前者的速度變化響應及時，并且保持安全距離，提高了隊列運行的效率和安全性。

超越實驗中前車以 0.5m/s慢速行駛，快速的智能車以1m/s速度行駛，超越過程如圖10所示。快車在33s處發(fā)現(xiàn)前車，跟隨該車且保持安全距離，隨后進行換道超越，超越的最高速度為1.5m/s，在超越了一定安全距離后，快車換道返回原車道以1m/s速度行駛。本系統(tǒng)進行了大量超車實驗，實現(xiàn)了多車協(xié)作的安全超車功能。

圖9 隊列跟隨

圖10 超車

4 結論

本文提出并設計了一個基于多智能體結構的多車協(xié)作平臺，該平臺可作為多車協(xié)作控制算法的仿真實驗平臺。針對典型的交通場景，建立了結構化的地圖模型，并實現(xiàn)了智能車在地圖中的準確定位。在此基礎上設計基于沖突表的路口協(xié)作算法、車隊跟隨算法，并進行了大量路口、隊列和超車的協(xié)作實驗，結果與分析表明了多車分布式協(xié)作系統(tǒng)和算法的實時性與可靠性，以及智能車定位的準確性。

[1] Shladover S E. PATH at 20-history and major milestones.IEEE Transactions on Intelligent Transportation Systems.8(4), 584-592 (2007).

[2] Parent M. Advanced urban transport: automation is on the way[J] . IEEE Intelligent Systems, 2007, 22(2): 9-11.

[3] Tsugawa S. An introduction to Demo 2000: the cooperative driving scenario. Intelligent Transportation Systems. 15(4), 78-79 (2000)

[4] Digi International. XBee-PRO 802.15.4 OEM RF Modules.http://www.digi.com/products/wireless/point-multipoint/x bee-series1-module.jsp.

[5] Fenghui Wang, Ming Yang, Ruqing Yang. The intelligent vehicle coordination of the cybernetic transportation system[J] . International Journal of Advanced Robotic Systems, 2009, 6(1): 53-58.