劉建國，柳思健，付 恒

（1.武漢理工大學(xué)現(xiàn)代汽車零部件技術(shù)湖北省重點(diǎn)實(shí)驗(yàn)室，湖北武漢430070；2.武漢理工大學(xué)汽車零部件技術(shù)湖北省協(xié)同創(chuàng)新中心，湖北武漢430070）

基于汽車導(dǎo)航電子地圖的汽車AFS分析

劉建國1，2，柳思健1，2，付 恒1，2

（1.武漢理工大學(xué)現(xiàn)代汽車零部件技術(shù)湖北省重點(diǎn)實(shí)驗(yàn)室，湖北武漢430070；2.武漢理工大學(xué)汽車零部件技術(shù)湖北省協(xié)同創(chuàng)新中心，湖北武漢430070）

針對現(xiàn)有的自適應(yīng)前照燈系統(tǒng)（AFS）算法對彎道前、S型路面或過渡曲線上存在的滯后且不精確的問題，提出一種新的P-AFS算法，該算法可以有效利用汽車導(dǎo)航電子地圖信息，通過車速和道路曲率來控制前大燈的偏轉(zhuǎn)角度，再結(jié)合燈泡的5lx等照度包絡(luò)線確定AFS啟動時刻.采用改進(jìn)的遺傳算法對PID參數(shù)進(jìn)行整定，通過Carsim與Simulink建立整個系統(tǒng)的聯(lián)合仿真模型，對簡單道路模型和實(shí)際道路模型進(jìn)行了仿真驗(yàn)證，并與傳統(tǒng)的算法結(jié)果進(jìn)行對比.結(jié)果表明：該P(yáng)-AFS算法可以有效解決傳統(tǒng)AFS算法的滯后性，并提高控制的精確度.

自適應(yīng)前照燈；改進(jìn)遺傳算法；電子地圖；AFS啟動條件；仿真

自適應(yīng)前照燈系統(tǒng)（adaptive front lighting sys tem，AFS）是一種能夠根據(jù)路況環(huán)境的變化和汽車的行駛狀態(tài)對汽車前照燈進(jìn)行水平和垂直方向進(jìn)行調(diào)整的燈光隨動系統(tǒng)［1］.AFS系統(tǒng)水平和垂直方向的調(diào)整，可以使燈光照射方向與汽車的前進(jìn)方向保持同步，提供更好的燈光照射范圍，使駕駛員能夠及時了解彎道路況，從而顯著提高汽車的夜間行車安全性.目前的AFS系統(tǒng)［2－3］基本都是依靠車速、轉(zhuǎn)向盤轉(zhuǎn)角或者車輪轉(zhuǎn)角來控制彎道行駛時前大燈的轉(zhuǎn)動，當(dāng)汽車行駛在圓曲線上時，此種控制算法非常有效.但在汽車位于彎道前、S型路面或過渡曲線上時，此種算法有些滯后且不精確.

筆者提出一種基于汽車導(dǎo)航電子地圖的P-AFS（predictive adaptive front lighting system）彎道算法，此種算法具有良好的穩(wěn)定性、精確度、移植性與適應(yīng)性，可以將汽車導(dǎo)航電子地圖信息應(yīng)用到前大燈控制系統(tǒng)中，使控制算法更加精確，有效解決傳統(tǒng)AFS系統(tǒng)的滯后性問題.

1 停車視距

夜間車輛在彎道上行駛時，前大燈應(yīng)該能照亮前方處于停車視距以內(nèi)的路面，停車視距主要包括汽車制動距離和汽車車距（一般為5～10 m）2部分.采用JTG D20—2006《公路路線設(shè)計規(guī)范》［4］中的停車視距數(shù)據(jù)進(jìn)行分析，車速和停車視距之間的關(guān)系如表1所示.

表1 車速和停車視距之間的關(guān)系

由表1中數(shù)據(jù)經(jīng)過擬合后可得

式中：s為停車視距；v為車速.

文獻(xiàn)［5］研究了駕駛員的前視行為后，定義以行駛車速計算未來2～5s內(nèi)車輛可以行駛到的位置為駕駛員實(shí)際的觀察范圍.這樣假設(shè)可以減少運(yùn)算量，車輛行駛具有較高的安全性.停車視距與5s內(nèi)汽車行駛距離之間的關(guān)系如圖1所示.

圖1 停車視距與汽車5s內(nèi)行駛距離的比較

從圖1可以看出汽車停車視距與5s汽車行駛的距離相當(dāng)接近.可以認(rèn)為，汽車前大燈能夠照亮5s后汽車行駛到的位置，就可以保證安全制動.所以，汽車安全停車視距為

2 P-AFS算法

在汽車導(dǎo)航領(lǐng)域，最重要的是交通矢量圖，可以認(rèn)為矢量地圖數(shù)據(jù)是一種向量，該向量用平面直角坐標(biāo)系的坐標(biāo)（x，y）來表示，基于這個特征，矢量庫定義了地圖的位置、形狀和結(jié)構(gòu)信息.與道路信息相關(guān)的定義如下：節(jié)點(diǎn)是道路交叉點(diǎn)、道路形狀改變點(diǎn)或者道路屬性改變點(diǎn)、道路盡頭以及其他可以定義道路屬性與拓?fù)潢P(guān)系的點(diǎn)；形狀點(diǎn)是一些除了節(jié)點(diǎn)之外，為了比較精密描述道路幾何形狀的點(diǎn).因?yàn)榈缆饭?jié)點(diǎn)與形狀點(diǎn)在地圖中的數(shù)據(jù)組織形式為向量，因此可以使用這些數(shù)據(jù)進(jìn)行導(dǎo)航，也可以應(yīng)用于文中的算法.當(dāng)汽車獲取導(dǎo)航信號，并將信號與電子地圖進(jìn)行匹配后，汽車在電子地圖中的位置便已經(jīng)獲得.導(dǎo)航信號的獲取、地圖信息的匹配，文中不再涉及，當(dāng)?shù)貓D信息匹配完成后再運(yùn)行文中的算法［6］.

圖2 等效曲率示意圖

3）由1），2）可得l≥j；若l＝j(luò)，A，B點(diǎn)的坐標(biāo)可能相等，此種情況可能為道路曲率非常小，接近直線，因此相應(yīng)的形狀點(diǎn)非常稀疏，也可能是車速非常??；若A，B點(diǎn)坐標(biāo)相等，均為集中點(diǎn)ak＝（xk，yk），k＝0，1，…，此時只有2個點(diǎn)，無法確定一個圓，則直接取A點(diǎn)坐標(biāo)為ak＝（xk，yk），取B點(diǎn)坐標(biāo)為ak＋1＝（xk＋1，yk＋1）.

4）根據(jù)當(dāng)前汽車運(yùn)動參數(shù)和道路坐標(biāo)點(diǎn)，確定汽車未來行駛方向是左轉(zhuǎn)向還是右轉(zhuǎn)向，算法結(jié)束.

算法中所取的點(diǎn)，并非極其精確地按照汽車當(dāng)前速度計算未來3，5s將要抵達(dá)的點(diǎn)，而是與這2個點(diǎn)非常接近的2個點(diǎn)，實(shí)際上，電子地圖中的道路軌跡原本就是離散點(diǎn)給出的折線，根本無法取得未來行駛道路的精確點(diǎn).

在獲取參數(shù)R之后，可得出前大燈在道路上不同位置的偏轉(zhuǎn)角：

AFS算法公式［7］為

3 P-AFS啟動條件

依據(jù)CJJ 45—2015《城市道路照明設(shè)計標(biāo)準(zhǔn)》［8］對城市路面照明的規(guī)定，照度5lx以內(nèi)是駕駛員的可見范圍.因此，駕駛員的有效視野應(yīng)在5lx等照度曲線包絡(luò)范圍內(nèi).從Lucidshape自帶的H7燈泡的等照度包絡(luò)線中得到5lx等照度曲線，如圖3所示.

圖3 未來5s汽車行駛軌跡與5lx等照度包絡(luò)線關(guān)系

圖3中，O點(diǎn)為車輛當(dāng)下重心位置，汽車前進(jìn)方向?yàn)閤軸正方向，駕駛員左手側(cè)為y軸正方向，A點(diǎn)為汽車未來5s后所抵達(dá)的位置（假設(shè)車輛速度大小不變），φ為轉(zhuǎn)彎制動角，R為轉(zhuǎn)彎半徑，包絡(luò)線為汽車前大燈5lx等照度曲線，OA為汽車未來的行駛軌跡，P-AFS要確保汽車未來5s行駛過的路線在等照度包絡(luò)線的范圍內(nèi).

以汽車左轉(zhuǎn)為例來說明，當(dāng)A點(diǎn)（圖3中A點(diǎn)）在等照度曲線包絡(luò)線內(nèi)時，說明當(dāng)前車燈能夠照亮汽車未來5s后所到達(dá)的位置，車燈不需發(fā)生偏轉(zhuǎn)；當(dāng)A點(diǎn)（圖3中A′點(diǎn)）在等照度曲線包絡(luò)線外時，說明當(dāng)前車燈不能夠照亮汽車未來5s后所到達(dá)的位置，故前大燈需要進(jìn)行水平方向轉(zhuǎn)動，照亮汽車未來5s后所到達(dá)的位置；所以當(dāng)A點(diǎn)在5lx等照度曲線包絡(luò)線上時，即是汽車AFS的啟動時刻的臨界值.

從5lx等照度曲線上找出20個點(diǎn)，并進(jìn)行曲線擬合，其決定系數(shù)為0.970 1，可見擬合精度較高，所得到的擬合方程為

式中：a1＝－3.725×10－10；a2＝1.771×10－7；a3＝－3.262×10－5；a4＝3.000×10－3；a5＝－0.132；a6＝2.767；b＝－10.148.

將A點(diǎn)坐標(biāo)代入式（5），即可得到不同車速和不同轉(zhuǎn)向盤轉(zhuǎn)角條件下的汽車P-AFS啟動條件，如圖4所示.

圖4 汽車AFS啟動條件

4 控制算法分析及步進(jìn)電動機(jī)建模

PID算法是工業(yè)上最常用的控制算法，能滿足大多數(shù)使用要求［9］.遺傳算法主要采用生成基因、檢測適應(yīng)度來進(jìn)行運(yùn)算，其主要步驟：① 生成編碼；②產(chǎn)生一組初始種群；③對染色體進(jìn)行所選算法的計算，直至滿足預(yù)設(shè)條件；④算法結(jié)束，輸出結(jié)果.

用改進(jìn)的遺傳算法進(jìn)行PID參數(shù)整定［10］，分別用10位二進(jìn)制數(shù)編碼串起來表示3個需要決策的變量KP，KI，KD，則基因的長度為30位.初始種群大小為m＝50，迭代次數(shù)為300次.選擇算法為適應(yīng)度比例法，變異率、交叉率計算公式分別為

目標(biāo)函數(shù)為

式中：e（t）為系統(tǒng)誤差；u（t）為控制器輸出量；to為上升時間；w1，w2，w3，w4為加權(quán)系數(shù)；y（t）為被控對象的輸出值.

對汽車前大燈偏轉(zhuǎn)角度的控制，實(shí)際是對步進(jìn)電動機(jī)的控制.涉及的P-AFS大燈中，為了實(shí)現(xiàn)大燈的水平偏轉(zhuǎn)，左右大燈皆需要一個步進(jìn)電動機(jī).此處選擇某車型的二相混合式步進(jìn)電動機(jī)，其基本參數(shù)：額定電壓為12 V，額定電流i＝0.8 A，電感L＝1.2× 10－5H，步距角為7.5°，電動機(jī)齒數(shù)Nr＝48齒，黏滯阻尼系數(shù)為B＝0.005，工作溫度為－30～80℃.

設(shè)輸入期望轉(zhuǎn)角為θ1，步進(jìn)電動機(jī)在接收電信號后實(shí)際轉(zhuǎn)角為θ2，則步進(jìn)電動機(jī)的運(yùn)動方程為

對式（8）進(jìn)行拉氏變換，化簡代入步進(jìn)電動機(jī)參數(shù)后得到傳遞函數(shù)為

5 建模仿真分析

用Carsim和Simulink搭建聯(lián)合仿真平臺，對整個模型進(jìn)行驗(yàn)證.Carsim中設(shè)置仿真條件，選擇車型為兩廂B級車，汽車總質(zhì)量為1 395 kg，質(zhì)心至前軸距離為1.04 m，質(zhì)心至后軸距離為1.42 m，輪胎側(cè)偏剛度為－56 000 N·rad－1，前驅(qū)動，4個輪胎皆選擇185／65R15，前后皆為獨(dú)立懸架，選擇駕駛控制為速度控制，設(shè)置均勻目標(biāo)車速為36 km·h－1，無制動，無偏移，預(yù)瞄準(zhǔn)時間為1.5s.并設(shè)置Carsim解算步長為0.01 s，輸出步長為0.02 s.

先以一種簡單的道路模型來進(jìn)行仿真，如圖5所示.

圖5 簡單道路模型

道路設(shè)置：直線60 m，然后與半徑為100 m的圓弧相切，圓弧中心角為90°，圓弧線后端再連接約140 m的直線，總的道路長度約為350 m.主要驗(yàn)證的是汽車在進(jìn)入、駛出圓弧線、以及汽車在圓弧線上行駛時，2種模型的前大燈偏轉(zhuǎn)模型所得的角度.此處的簡單道路模型設(shè)置是按照國家標(biāo)準(zhǔn)［4，11］設(shè)置，可以體現(xiàn)實(shí)際行駛道路.用80個坐標(biāo)點(diǎn)來形成該路段，則平均每隔4.45 m就有一個坐標(biāo)點(diǎn)，所描述的道路比較精確.

Carsim和Simulink聯(lián)合仿真時建立的仿真模型如圖6所示，設(shè)置仿真時間為28 s，仿真結(jié)果如圖7所示.

圖6 Carsim與Simulink的聯(lián)合仿真模型

圖7 簡單道路模型仿真結(jié)果

從圖7可以看出：約2.2 s時，汽車行駛在直線上，P-AFS控制的前大燈開始偏轉(zhuǎn)，到約6.0 s時，也就是汽車入彎時，該模型的汽車大燈偏轉(zhuǎn)角已經(jīng)到達(dá)最大值；而AFS模型的前大燈開始偏轉(zhuǎn)的時刻約5.5s時，此時汽車即將入彎，駕駛員已經(jīng)對轉(zhuǎn)向盤已經(jīng)有一定的輸入，待AFS模型的前大燈偏轉(zhuǎn)角到達(dá)最大時，約7.0 s，汽車已經(jīng)在彎道內(nèi)行駛了約10 m.在18.0 s左右，也就是汽車尚未出彎的時候，汽車前大燈已經(jīng)開始減小偏轉(zhuǎn)角度，約22.0 s時，前大燈偏轉(zhuǎn)角已經(jīng)基本為0°，此時汽車剛剛行駛到直線路段.而AFS算法的前大燈偏轉(zhuǎn)角度自汽車出彎左進(jìn)時開始減小，一直到約23.0 s時，才基本變?yōu)?°，此時，汽車已經(jīng)在直線路段上行駛了約13 m.

從圖7可知，提出的P-AFS算法完全滿足預(yù)測型要求，解決了滯后問題，并且很好地控制了AFS系統(tǒng)的的啟動時刻，避免了頻繁啟動，比傳統(tǒng)算法更加優(yōu)越.此外，P-AFS算法所得的大燈轉(zhuǎn)角最大值約為15.0°，而AFS算法所得車燈轉(zhuǎn)角最大值約為17.5°，2種算法的公式形式一樣，存在差異的原因就是AFS算法是以前輪轉(zhuǎn)角為輸入，道路實(shí)際彎道半徑為100 m，當(dāng)汽車行駛在彎道上時，AFS算法的約為85 m，P-AFS算法所得的約為97 m.AFS算法所得結(jié)果誤差較大的原因在于輪胎側(cè)偏角對前輪轉(zhuǎn)角的巨大修正.在仿真過程中發(fā)現(xiàn)，當(dāng)汽車行駛在彎道上時，其前輪轉(zhuǎn)角約為1.7°，同時左前輪側(cè)偏角約為－0.2°，這個輪胎側(cè)偏角對轉(zhuǎn)彎半徑的修正量非常大.

為了更進(jìn)一步驗(yàn)證提出算法的效果，再設(shè)置一種更貼近實(shí)際情況的仿真工況.從電子地圖底層數(shù)據(jù)導(dǎo)出一部分?jǐn)?shù)據(jù)，得到國道217上一段路線的數(shù)據(jù).這段路線非常具有代表性，具有圓曲線、過渡曲線、直線等各種線型，且還有一個S形彎道.路線長約1.9 km，共有120個坐標(biāo)點(diǎn).將這段道路的經(jīng)緯度經(jīng)過坐標(biāo)變換，導(dǎo)入到Carsim中，得到一段路線如圖8所示，其余仿真條件設(shè)置不變，仿真時間設(shè)置為60 s，仿真結(jié)果如圖9所示.

圖8 Carsim中還原的仿真道路

圖9 電子地圖導(dǎo)出數(shù)據(jù)仿真結(jié)果

從圖9可以看出：P-AFS算法所得的大燈轉(zhuǎn)角總是提前于AFS算法所得的大燈轉(zhuǎn)角，可以有效提高駕駛員夜間行駛的視野范圍，提高安全性.P-AFS所得的曲線并不平滑，會有尖峰，有時與傳統(tǒng)AFS算法所得的結(jié)果有較大的不同，出現(xiàn)這些現(xiàn)象的原因在于道路曲線上坐標(biāo)點(diǎn)并不很密集，因此數(shù)據(jù)階躍性變化，而且由于電子地圖底層數(shù)據(jù)與實(shí)際道路情況有一定差異，這些差異在道路數(shù)據(jù)采集過程中就無法避免，此外，汽車行駛的實(shí)際軌跡與設(shè)置的道路依然有一定差異，在某些時候，實(shí)際軌跡與仿真道路曲線有數(shù)米的偏差.

仿真結(jié)果表明：本控制算法控制效果較好，未產(chǎn)生超調(diào)現(xiàn)象，且算法結(jié)構(gòu)簡單，容易操作，可靠性高，同時擴(kuò)大了搜索范圍，不但避免了陷入局部搜索，還加快了搜索速度，提高了算法的性能.

6 結(jié) 論

提出一種直接用汽車導(dǎo)航電子地圖信息的P-AFS算法，給出等效半徑的概念和求法.同時，對AFS啟動條件進(jìn)行了深入分析，使AFS啟動條件設(shè)定更加合理.建立仿真模型，驗(yàn)證了控制算法的有效性，解決了傳統(tǒng)AFS算法的遲滯性，提高了控制精確度.同時，驗(yàn)證了傳統(tǒng)AFS算法，以車速和前輪轉(zhuǎn)角作為控制器輸入并不精確.

高精度的電子地圖和汽車P-AFS的匹配算法，是保證此算法有效性和準(zhǔn)確性的前提，在今后的研究中，將繼續(xù)深入此方面研究.

（References）

［1］ 崔惠中，關(guān)志偉.智能前照燈系統(tǒng)（AFS）研究現(xiàn)狀綜述［J］.天津工程師范學(xué)院學(xué)報，2008，18（1）：47－50.CUIH Z，GUAN Z W.Current research of advanced front light system［J］.Journal of Tianjin University of Technology and Education，2008，18（1）：47－50.（in Chinese）

［2］ 李禮夫，鄧前.汽車自適應(yīng)前照燈轉(zhuǎn)彎模式的數(shù)學(xué)模型研究［J］.汽車技術(shù)，2010（10）：43－46.LIL F，DENG Q.Research on themathematicalmodel of bendingmode of vehicle adaptive front lighting system［J］.Automotive Technology，2010（10）：43－46.（in Chinese）

［3］ 左萃.汽車智能前大燈系統(tǒng)（AFS）控制策略及仿真研究［D］.長沙：長沙理工大學(xué)，2012.

［4］ 中交第一公路勘察設(shè)計研究院.公路路線設(shè)計規(guī)范：JTG D20—2006［S］.北京：人民交通出版社，2006.

［5］ SALVUCCID D，LIU A.The time course of a lane change：driver control and eye movement behavior［J］.Transportation Research Part F，2002，5：123－133.

［6］ 楊森森.基于GPS／INS／激光雷達(dá)的無人車組合導(dǎo)航［D］.上海：上海交通大學(xué)，2013.

［7］ 陳建林.基于駕駛模擬器的汽車AFS系統(tǒng)控制策略研究［D］.武漢：武漢理工大學(xué)，2009.

［8］ 中華人民共和國住房和城鄉(xiāng)建設(shè)部.城市道路照明設(shè)計標(biāo)準(zhǔn)：CJJ 45—2015［S］.北京：中國建筑工業(yè)出版社，2015.

［9］ 劉金餛.先進(jìn)PID控制及其MATLAB仿真［M］.北京：電子工業(yè)出版社，2003.

［10］ 何芝強(qiáng).PID控制器參數(shù)整定方法及其應(yīng)用研究［D］.杭州：浙江大學(xué)，2005.

［11］ 交通部公路司，中國工程建設(shè)標(biāo)準(zhǔn)化協(xié)會公路工程委員會.公路工程技術(shù)標(biāo)準(zhǔn)：JTG B01—2003［S］.北京：人民交通出版社，2004.

Analysis of AFS based on car navigation electronic map

LIU Jianguo1，2，LIU Sijian1，2，F(xiàn)U Heng1，2
（1.Hubei Key Laboratory of Advanced Technology for Automotive Components，Wuhan University of Technology，Wuhan，Hubei430070，China；2.HubeiCollaborative Innovation Center for Automotive Components Technology，Wuhan University of Technology，Wuhan，Hubei 430070，China）

To solve the problems of lagging and imprecise in AFS system algorithm during facing the curve，the Stype road or transition curve，a new PAFS algorithm was proposed.The car navigation electronic map information was effectively used to control the deflection angle of headlights by vehicle speed and road curvature.Combining the bulb 5lx isolux enveloping line，the starting time of AFSwas determined.Adopting the improved genetic algorithm，the PID parameters were set，and a joint simulation model of the whole system was established by Carsim and Simulink software.The simple road model and the actual road modelwere simulated and compared with the traditional algorithm results.The results show that the PAFS algorithm can effectively solve the lagging question in traditional AFS algorithm with improved control accuracy.

adaptive front lighting；improved genetic algorithm；electronicmap；AFSstarting condition；simulation

10.3969/j.issn.1671－7775.2018.01.001

U463.65

A

1671－7775（2018）01－0001－06

2016－12－27

湖北省科技支撐計劃項目（2014BHE019）

劉建國（1970—），男，湖北宜昌人，副教授（455798245＠qq.com），主要從事汽車電子的研究.

柳思?。?992—），男，湖北孝感人，碩士研究生（244284465＠qq.com），主要從事汽車電子的研究.

劉建國，柳思健，付 恒.基于汽車導(dǎo)航電子地圖的汽車AFS分析［J］.江蘇大學(xué)學(xué)報（自然科學(xué)版），2018，39（1）：1－6.

（責(zé)任編輯 賈國方）