紀(jì)明君 陳新

北京汽車研究總院 北京市 101300

1 引言

近些年的通信、新能源和傳感器技術(shù)的快速發(fā)展，專業(yè)工作人員已將這些技術(shù)吸收到汽車行業(yè)，為汽車的發(fā)展形勢帶來了革新。如在產(chǎn)品形態(tài)和汽車產(chǎn)業(yè)的變革方向，未來的發(fā)展方向更加趨向于清潔能源和智能化，汽車已不僅僅是交通工具，還有一些智能終端和處理單元的作用，個性化更加明顯[1]。產(chǎn)業(yè)格局的發(fā)展和生態(tài)化方向的發(fā)展，用戶體驗(yàn)也已成為汽車消費(fèi)的多元化方向之一，加快汽車產(chǎn)業(yè)和各種先進(jìn)的技術(shù)進(jìn)行融合也是未來的發(fā)展方向之一，如當(dāng)今最炙手可熱的人工智能技術(shù)，重塑當(dāng)今汽車行業(yè)發(fā)展的新格局[2]。

汽車智能化是未來最重要的發(fā)展方向之一，其中的自動駕駛技術(shù)就是未來汽車產(chǎn)業(yè)的最主要目標(biāo)，所帶來的優(yōu)勢將會是交通安全、消除擁堵，提升效率都具有舉足輕重的作用效果。結(jié)合當(dāng)前的深度學(xué)習(xí)技術(shù)和機(jī)器視覺技術(shù)，都為智能汽車的成果應(yīng)用提供了技術(shù)支撐。本系統(tǒng)在智能決策規(guī)劃的基礎(chǔ)上對車輛的速度和方向控制進(jìn)行了研究分析。構(gòu)建基于AI的自動駕駛架構(gòu)，構(gòu)建車速和方向控制策略，并梳理汽車智能化發(fā)展的關(guān)鍵技術(shù)和發(fā)展趨勢[3]。

2 自動駕駛技術(shù)的發(fā)展和AI應(yīng)用現(xiàn)狀研究

2.1 自動駕駛技術(shù)的發(fā)展現(xiàn)狀

汽車產(chǎn)業(yè)鏈的發(fā)展中，自動駕駛汽車將會是主要發(fā)展對象，這個作為機(jī)電一體化和高度集成的汽車系統(tǒng)將會是替代人類的最有效設(shè)備，所組成的復(fù)雜融合系統(tǒng)將會包含感知和獨(dú)立的決策能力，集成了多個傳感器的系統(tǒng)將會具有數(shù)據(jù)關(guān)聯(lián)能力，同時在車輛坐標(biāo)系下進(jìn)行元數(shù)據(jù)的融合，目前自動駕駛技術(shù)主要有兩個發(fā)展方向，為自動駕駛的決策規(guī)劃服務(wù)，在自動駕駛的潮流下，車速控制和方向控制已成為自動駕駛的瓶頸，本文將主要針對車速和方向控制進(jìn)行研究[4]。

漸進(jìn)式發(fā)展，為了提高自動駕駛汽車的智能化水平，在研究的不同階段分別不同形式的駕駛選擇，如輔助式駕駛階段，進(jìn)行輔助式駕駛，依據(jù)駕駛員的指令為主，系統(tǒng)只是起到輔助性的作用；同時還具有全自動駕駛和部分自動駕駛階段。顛覆式發(fā)展，在不考慮循序漸進(jìn)的駕駛思路情況下，完全依照技術(shù)實(shí)現(xiàn)車輛的全自動駕駛，這種方法的難道最大，目前情況下，美國在這個方面取得了不錯的成就，如美國國防部所提出了一系列項(xiàng)目ALV項(xiàng)目、DEMOII計(jì)劃等。

2.2 自動駕駛技術(shù)的應(yīng)用現(xiàn)狀和挑戰(zhàn)

隨著科學(xué)技術(shù)的發(fā)展，目前所具有的代表性的技術(shù)如人工智能技術(shù)和機(jī)器視覺等，都在一定程度上證明了技術(shù)的開拓性，在此將AI技術(shù)和MV技術(shù)引入到車輛的自動駕駛中來，實(shí)現(xiàn)車輛的環(huán)境感知，獲取環(huán)境信息實(shí)現(xiàn)決策和執(zhí)行器的處理。在車輛的駕駛?cè)^程中，傳感器和執(zhí)行器的大規(guī)模使用都需要大量的數(shù)據(jù)計(jì)算和算法的邏輯推導(dǎo)，同時在發(fā)展中還面臨一系列的挑戰(zhàn)：（1）自動駕駛的全生命周期中，信息的實(shí)時更新所導(dǎo)致數(shù)據(jù)量的冗余，這些都對計(jì)算能力提出了考驗(yàn)；（2）部件小型化的產(chǎn)業(yè)化需求使目前系統(tǒng)龐大的硬件尺寸面臨挑戰(zhàn)，不滿足車規(guī)級部件需求。自動駕駛方向控制的目標(biāo)就是通過控制轉(zhuǎn)向角度的實(shí)際參數(shù)和期望參數(shù)的偏差來衡量；車速的自動控制就是一車速偏差量最小為控制目標(biāo)，將實(shí)際速度與期望速度的偏差值控制在最小范圍。

所面臨的挑戰(zhàn)也恰恰說明了自動駕駛汽車技術(shù)所面臨的不足之處，根據(jù)這些挑戰(zhàn)，大幅度的提高車輛的數(shù)據(jù)記錄能力和計(jì)算能力，再實(shí)時環(huán)境下的自適應(yīng)能力和選擇性能力也都將面臨挑戰(zhàn)。為解決這些難題和挑戰(zhàn)，將AI技術(shù)和車載的集成化應(yīng)用，構(gòu)建基于大數(shù)據(jù)環(huán)境下的云協(xié)同駕駛，為智能駕駛提高技術(shù)上的保障。根據(jù)云計(jì)算和大數(shù)據(jù)技術(shù)的發(fā)展，提出車云協(xié)同自動駕駛系統(tǒng)架構(gòu)。為子系統(tǒng)提供可靠的數(shù)據(jù)存儲能力，對數(shù)據(jù)的傳輸和共享提供分享平臺，同時還有具有一定的自主學(xué)習(xí)能力，通過自主學(xué)習(xí)來不斷提供處理問題的能力和可適應(yīng)性。硬件環(huán)境通用不可或缺，通過軟件技術(shù)的提高在一定程度上解放硬件的能力，降低智能汽車的總體成本。

3 基于AI的自動駕駛系統(tǒng)架構(gòu)和關(guān)鍵技術(shù)

基于AI的車云協(xié)同自動駕駛系統(tǒng)架構(gòu)方案主要包含數(shù)據(jù)的獲取、數(shù)據(jù)的計(jì)算和邏輯性的推導(dǎo)，面向輔復(fù)雜的行車環(huán)境，硬件和軟件的協(xié)同架構(gòu)具有重要意義，如下所示：

圖1所示架構(gòu)方案，主要由幾個子系統(tǒng)組成：嵌入式應(yīng)用終端設(shè)計(jì)、云系統(tǒng)AI集成就似乎、信息加護(hù)平臺構(gòu)建和大數(shù)據(jù)云處理系統(tǒng)等，這些構(gòu)成了對輔助環(huán)境的精確感知和當(dāng)前環(huán)境的決策。

3.1 自動駕駛AI終端硬件架構(gòu)

作為基于AI的車云協(xié)同自動駕駛系統(tǒng)架構(gòu)方案的子系統(tǒng)，自動駕駛硬件終端具有傳感器感知、路線決策規(guī)劃和執(zhí)行器控制等能力，這是一個集成化的智能習(xí)題，根據(jù)現(xiàn)有的駕駛環(huán)境感知外部環(huán)境的變化，主動生產(chǎn)規(guī)劃決策，對不同任務(wù)和工作狀況實(shí)現(xiàn)協(xié)同化的控制，其中的CPU和MCU結(jié)構(gòu)構(gòu)成了大數(shù)據(jù)環(huán)境下的高速網(wǎng)絡(luò)處理能力。

圖1 基于AI的車云協(xié)同自動駕駛系統(tǒng)架構(gòu)方案示意圖

3.2 自動駕駛AI終端軟件架構(gòu)

作為基于AI的車云協(xié)同自動駕駛系統(tǒng)架構(gòu)方案終端軟件子系統(tǒng)，其具有的執(zhí)行控制和信號檢測等能力，所具有的執(zhí)行器單元包括計(jì)算、控制和傳感器陣列等，通過軟件的模塊化設(shè)計(jì)將智能駕駛的感知和規(guī)劃能力集成在一起，確保合理有效的分配和調(diào)度，有效的使用系統(tǒng)所具有的的模塊化資源和計(jì)算能力，優(yōu)先執(zhí)行最新計(jì)算結(jié)果，并具有后續(xù)的半自動修復(fù)功能。

圖2 自動駕駛路徑模型

4 自動駕駛策略研究

自動駕駛方向控制的目標(biāo)是通過自動控制實(shí)現(xiàn)工作過程中實(shí)際方向和期望方向的偏差最小化，為此本文提出了一種以側(cè)向位置和偏角的控制方法。為了達(dá)到有效的控制，需要在智能汽車中預(yù)置方向控制器，預(yù)置的方向控制器將車輛的感知、決策和執(zhí)行能力通過當(dāng)前形成環(huán)境進(jìn)行動態(tài)調(diào)整，根據(jù)車速調(diào)整方向輸入信息實(shí)現(xiàn)軌跡校正。根據(jù)車輛運(yùn)行過程中的軌跡識別獲得轉(zhuǎn)向角度的所需值，構(gòu)建如下的轉(zhuǎn)向增益：

式中：R是角速度值，β為轉(zhuǎn)角，L1軸距值，W1為車輛穩(wěn)定性值。

圖2所示為自動駕駛路徑模型，其中0XY為相對坐標(biāo)系，為外部環(huán)境坐標(biāo)，0X01Y01為車輛動態(tài)行駛坐標(biāo)系，汽車行駛過程中的兩個位置分別為（X1，Y1），（XN，YN），擺角為θ，車輛前進(jìn)預(yù)留距離為L，運(yùn)行軌跡與坐標(biāo)軸的切線坐標(biāo)為（X01，Y01），（X0N，Y0N）。

自動駕駛的本質(zhì)就是通過各個執(zhí)行器實(shí)現(xiàn)在無人狀態(tài)下的車輛控制，因?yàn)榇诉^程是一個高度復(fù)雜的系統(tǒng)，參數(shù)的變化具有非線性關(guān)系，難以準(zhǔn)確的衡量。系統(tǒng)的智能決策規(guī)劃模塊通過基于人工智能的決策以及基于A*算法的路徑規(guī)劃模塊得到車輛行駛的實(shí)時局部路徑規(guī)劃，在此基礎(chǔ)上得到車輛在橫縱向運(yùn)動中的偏差值，輸出給控制模塊?；谌斯ぶ悄艿臎Q策規(guī)劃模塊在實(shí)際道路使用過程中，可能會遇到?jīng)]有在訓(xùn)練中覆蓋到的場景，在這種情況下，決策規(guī)劃模塊的輸出就會違反常理，做出影響駕駛安全的控制策略，這個時候就需要在控制執(zhí)行前加上安全分析的功能，例如在高速的情況下轉(zhuǎn)彎角度過大就需要立即糾正并報(bào)警?？刂颇K所用的PID控制器再增加3個參數(shù)對其進(jìn)行修正，利用角度偏差、位置偏差和角速度得到目標(biāo)值。如下圖所示的控制方案圖所示，車速偏差表達(dá)的為所期望得到的車速和實(shí)際行駛過程中的車速差值，車速控制器所要實(shí)現(xiàn)的目標(biāo)就是將車速差值控制在盡量小的數(shù)值，本文采用的是PID控制單元實(shí)現(xiàn)車速增減變化控制，控制器將增益調(diào)度值和穩(wěn)態(tài)轉(zhuǎn)向的函數(shù)相乘，計(jì)算得到反饋角度和位置偏差的反饋量。

人工智能決策不同于傳統(tǒng)的決策支持系統(tǒng)（DSS），傳統(tǒng)的決策主要是對結(jié)構(gòu)化和半結(jié)構(gòu)化決策問題的支持，采用人機(jī)對話手段對決策模型的分析，并不能滿足本文的復(fù)雜模型，在此提出了人工智能決策支持系統(tǒng)（IDSS），利用人工智能和特有的專家系統(tǒng)分析定性的問題和不確定性的推理，為解決上述問題提供了新的途徑，如上述流程圖3所示，在實(shí)現(xiàn)車速控制之前添加智能決策規(guī)劃，實(shí)現(xiàn)系統(tǒng)的監(jiān)控和撞見檢測，最終在判斷環(huán)節(jié)再次對智能決策規(guī)劃的結(jié)果進(jìn)行分析處理，無疑會大大提高決策的支持能力。

IDSS實(shí)現(xiàn)的關(guān)鍵技術(shù)是智能化模型的建立、系統(tǒng)體系構(gòu)建和知識處理技術(shù)等，但是知識管理在其中無疑是核心技術(shù)，因?yàn)闆Q策系統(tǒng)的決策能力很大程度上取決于知識系統(tǒng)。對于模型建立中所需要的數(shù)據(jù)、方法和模型信息要進(jìn)行結(jié)構(gòu)化和半結(jié)構(gòu)化的處理并存儲在知識庫中，無論是事實(shí)、規(guī)則還是經(jīng)驗(yàn)都需要實(shí)現(xiàn)統(tǒng)一化的知識管理。車速和油門以及制動踏板具有重要的控制輸入關(guān)系，控制關(guān)系如下式所示：

式中表示的為車速偏差，E為車輛當(dāng)前位置的側(cè)向偏差或速度偏差。車速偏差定義為期望值與實(shí)際值的偏差，采用PID控制執(zhí)行單元的控制實(shí)現(xiàn)車速的增減控制，在油門和制動踏板的使用方面，得到以下控制量US。

在油門和離合的頻繁切換過程中，對油門和制動器需要設(shè)置合理的切換策略，首先保證不能同時將制動器和油門同時踩下，在某一特定車速的時候保證油門和制動器不會頻繁的進(jìn)行切換，當(dāng)為了降低車速的時候，不會踩下制動器，單一的利用油門就可以實(shí)現(xiàn)車速的下降?；谶@些基本原理設(shè)置期望方程如下：

式中Apk為車輛切換參數(shù)，在車輛切換控制參數(shù)時分為以下三個區(qū)間：當(dāng)處于Apk＞As時，處于加速區(qū)間；當(dāng)-As＜Apk＜As時，處于車速保持區(qū)間；當(dāng)Apk＜-As時，為減速區(qū)間，得到下圖3所示的油門和制動切換流程圖。

對于自動駕駛實(shí)際運(yùn)行中的軌跡控制，驗(yàn)證該方法的合理性和有效性。在切換過程中，需要遵守以下的三個原則：（1）針對當(dāng)前的油門和制動器狀態(tài)進(jìn)行判定，用參數(shù)進(jìn)行表示，但油門踏板處于工作狀態(tài)，其它兩個參數(shù)Th_out=Th_in 且Br_out=0，可避免工作狀態(tài)下的雜亂現(xiàn)象進(jìn)行有效的車輛減速。（2）若當(dāng)前的油門和制動器參數(shù)為零，表示的是不工作狀態(tài)，輸出值參數(shù)為Th_out=0，另外的輸出值參數(shù)與輸入值參數(shù)關(guān)系為Br_out=Br_in，表示制動踏板工作來實(shí)現(xiàn)車輛減速。

由上圖的油門和制動切換流程圖可得，油門和制動器踏板工作狀態(tài)分別有Th_a和Br_a進(jìn)行表示，參數(shù)值零表示都不工作狀態(tài)；油門踏板和制動器踏板的輸出分別用Th_out和Br_out參數(shù)進(jìn)行表示，油門踏板和制動器踏板的輸入分別用Th_in和Br_in進(jìn)行表示。舉例當(dāng)控制量參數(shù)u（k）大于零時，可表示為Th_in=u（k）且Br_in=0。

圖3 車速控制策略

圖3 車速控制策略

5 結(jié)語

本文針對基于人工智能的汽車車速和方向控制分析中所面臨的挑戰(zhàn)和困難，在現(xiàn)有的自動駕駛技術(shù)發(fā)展的基礎(chǔ)上進(jìn)行了大量的研究，闡述了人工智能決策規(guī)劃下的汽車車速和方向控制分析方法，首先采用了適用于各種行車環(huán)境的于AI的車云協(xié)同自動駕駛系統(tǒng)架構(gòu)方案，為了實(shí)現(xiàn)車速和方向的控制，引入位置偏差和偏角兩個參數(shù)，在調(diào)度方面引入穩(wěn)態(tài)轉(zhuǎn)向增益方法，同時利用PID控制器實(shí)現(xiàn)良好的控制，所得結(jié)果在各種路況下均能保持較小的路徑跟隨偏差。在多種目標(biāo)路徑及目標(biāo)車速下均能比較準(zhǔn)確接近期望軌跡和目標(biāo)車速，說明該自動駕駛算法是合理、有效的。