鐘 欣

（重慶車輛檢測研究院有限公司，重慶 401122）

前言

機動化車輛的增長在為人們出行提供了便利，與此同時也日益凸顯了由駕駛?cè)瞬倏v、疲勞、分心引起的交通事故問題。車輛橫向輔助系統(tǒng)可以提前預(yù)知車輛行駛風(fēng)險、輔助駕駛?cè)藳Q策，必要時能夠接替駕駛?cè)俗龀稣_的操縱，有效降低行車事故風(fēng)險，受到了各大廠商廣泛關(guān)注，其研究內(nèi)容主要分為道路環(huán)境感知、車道偏離態(tài)勢決策和橫向控制三方面。

1 車道線識別技術(shù)發(fā)展現(xiàn)狀

車道標(biāo)線識別易受光、天氣等因素限制，且行駛過程中車輛具備高速特性，故車道標(biāo)線識別速度及魯棒性是決定車輛輔助系統(tǒng)性能的關(guān)鍵所在。視覺傳感器是現(xiàn)有車道識別技術(shù)的重要手段。Kittler[1]等利用Hough 等邊緣檢測算法處理圖像，結(jié)合閾值生成候選點，但此類手段易受噪聲干擾且耗時過長。王寶峰[2]等對車道線實行動態(tài)區(qū)域劃分，并在車道線重構(gòu)過程中加入樣條曲線，優(yōu)化了車道幾何特征提取。CHOI 等[3]在車道線檢測方法基礎(chǔ)上結(jié)合前視車輛信息，提升了檢測車道線被前方車輛遮擋時的魯棒性。上述車道標(biāo)識線算法皆由人工設(shè)計步驟組成，難以實現(xiàn)對道路圖像的整體優(yōu)化。

2 車道偏離預(yù)警技術(shù)發(fā)展現(xiàn)狀

車道偏離預(yù)警能夠根據(jù)車輛行駛狀態(tài)提前預(yù)知車輛偏離情況并發(fā)出相應(yīng)警報，進而為駕駛?cè)藳Q策-操縱提供更多的反應(yīng)時間，其系統(tǒng)整體性能受車輛自身狀態(tài)、駕駛?cè)藸顟B(tài)、道路環(huán)境多個因素共同決定，主要分為車輛偏離預(yù)警指標(biāo)確立和駕駛?cè)艘鈭D識別兩方面。

初期階段，車道偏離預(yù)警系統(tǒng)常用車道偏離距離 ( Dista-nce to Lane Crossing，DLC ) 作為其預(yù)警判斷指標(biāo)，即當(dāng)檢測到車輛距離車道邊界值低于某閾值時，車輛發(fā)出警報，但此類方法并未考慮車輛各時刻的運動狀態(tài)，進而導(dǎo)致預(yù)警觸發(fā)閾值難以確定。為解決上述問題，部分學(xué)者開展了基于車道偏離時間(Time to Lane Crossing，TLC)的車道偏離預(yù)警系統(tǒng)研究。Mammar[4]等通過結(jié)合車輛運動軌跡、行駛姿態(tài)參數(shù)及道路特征參數(shù)，對不同道路環(huán)境復(fù)雜度TLC 進行了分析。相較于DLC，TLC 盡管擴寬了預(yù)警適用場景，但也增大了誤報警的概率，對駕駛?cè)嗽斐闪瞬槐匾母蓴_，降低了系統(tǒng)整體使用頻率。為降低系統(tǒng)誤報警概率，Zhou 等[5]基于TLC指標(biāo)，采用模糊控制規(guī)則設(shè)計了車輛多工況下的車輛虛擬邊界報警閾值，實現(xiàn)了虛擬車道寬度動態(tài)調(diào)整，進而提升了系統(tǒng)報警魯棒性。

此外，駕駛?cè)笋{駛意圖誤判是導(dǎo)致車輛預(yù)警系統(tǒng)誤報的關(guān)鍵因素。LEE[6]等通過轉(zhuǎn)向盤傳感器、車速等信號實現(xiàn)了對駕駛?cè)藫Q道意圖的預(yù)測。ANGKITITRAKUL[7]等建立了基于車輛軌跡序列變化的駕駛?cè)四Ｐ?，實現(xiàn)了對駕駛?cè)塑嚨辣３趾蛙嚨罁Q道行為的區(qū)分。此外，也有部分學(xué)者[8-10]也通過隨機森林或貝葉斯網(wǎng)絡(luò)手段對駕駛?cè)笋{駛意圖進行了預(yù)測，雖然一定程度上能夠體現(xiàn)車輛預(yù)警系統(tǒng)性能，但由于離散類別少，忽略了車輛動力學(xué)模型，故對車輛偏離的風(fēng)險定量造成了極大的困難。

3 車輛橫向控制技術(shù)發(fā)展現(xiàn)狀

現(xiàn)有車輛橫向控制技術(shù)主要分為兩類：其一為通過剖析車輛行駛過程中駕駛?cè)瞬倏v行為特征，建立駕駛?cè)烁兄?決策-操縱反應(yīng)機制，進而實現(xiàn)對行駛車輛的安全控制；其二為利用自動控制原理，通過自動控制自身算法特性最小化車輛實際行駛軌跡與期望軌跡偏差來保障行車安全。

單點預(yù)瞄模型是經(jīng)典的駕駛?cè)四Ｊ剑涑浞挚紤]了駕駛?cè)饲耙曅畔?，對駕駛?cè)笋{駛意圖具有較好的表征和穩(wěn)定性，故在早期駕駛?cè)四Ｐ脱芯恐惺艿搅藦V泛的應(yīng)用。MACADAM[11]等在此基礎(chǔ)上提出了最優(yōu)預(yù)瞄模型，郭孔輝[12]等提出了預(yù)瞄-跟隨理論。隨后研究中，為提高駕駛?cè)四Ｐ湍M精度，部分學(xué)者針對不同駕駛風(fēng)格、車輛動力性能引入了不同邊界約束，進一步完善了駕駛?cè)四Ｐ?。近年來，現(xiàn)代控制理論的發(fā)展再次推動駕駛?cè)四Ｐ偷耐晟疲琈PC 模型預(yù)測控制理論使駕駛?cè)藛吸c預(yù)瞄模型逐步向多點預(yù)瞄模型過渡，在駕駛?cè)四M上取得了不錯的效果，但需要實時優(yōu)化目標(biāo)權(quán)重函數(shù)，對于處理器計算能力要求較高，故在車輛應(yīng)用中難以推廣[13]。Bojarski 等[14]利用前視道路圖像信息，設(shè)計了一種基于深度卷積網(wǎng)絡(luò)的端到端自動駕駛系統(tǒng)。

而對于車輛橫向控制器，常用控制方法有PID 控制、模糊控制、自適應(yīng)控制、H∞魯棒性控制等。由于控制器設(shè)計過程中追求車輛行駛安全性的同時還需兼顧舒適性及經(jīng)濟性，故其復(fù)雜程度較高。根據(jù)執(zhí)行機構(gòu)的不同，可以分為基于轉(zhuǎn)向控制或基于差動制動控制兩類。差動制動通過兩側(cè)車輪制動力產(chǎn)生的力矩差來糾正車輛行駛誤差，但頻繁制動會影響ESP 系統(tǒng)壽命，降低駕駛?cè)顺俗w驗。而轉(zhuǎn)向控制主要分為線控轉(zhuǎn)向和電動助力轉(zhuǎn)向。Alirezaei[15]在線控轉(zhuǎn)向基礎(chǔ)上，設(shè)計了基于駕駛?cè)祟A(yù)瞄信息和駕駛意圖修正車輛轉(zhuǎn)向角的橫向控制器，利用控制器求解的方向盤控制量代替駕駛?cè)藢嶋H輸入，實現(xiàn)車輛行駛穩(wěn)定，但此類控制器會給與駕駛?cè)笋{駛錯覺。Enache[16]利用車輛狀態(tài)參數(shù)和駕駛?cè)宿D(zhuǎn)向力矩，提出了適用于車道偏離預(yù)警的轉(zhuǎn)矩疊加算法，當(dāng)車輛出現(xiàn)偏離時能夠?qū)崿F(xiàn)駕駛?cè)诵拚较虮P轉(zhuǎn)角，能夠兼顧車輛舒適性和安全性。

4 未來發(fā)展前景

針對車輛橫向輔助系統(tǒng)關(guān)鍵技術(shù)發(fā)展趨勢，本文從車道線識別技術(shù)、車輛偏離預(yù)警技術(shù)、車輛橫向控制技術(shù)進行了總結(jié)，其各技術(shù)還存在以下難點：

（1）傳統(tǒng)車道檢測算法中間步驟繁瑣、計算量大，進而導(dǎo)致算法遷移能力較弱，需設(shè)計一種新的端到端感知結(jié)構(gòu)來強化系統(tǒng)適應(yīng)性。

（2）傳統(tǒng)車道偏離預(yù)警系統(tǒng)算法大多基于運動學(xué)模型，存在一定局限性。為保證系統(tǒng)可靠性，還需適當(dāng)提高車輛模型精度并開展實車試驗來完善相關(guān)閾值參數(shù)標(biāo)定。

（3）現(xiàn)有駕駛?cè)四Ｐ痛蠖嘁钥刂破髟O(shè)計，駕駛行為是道路信息輸入的具體表現(xiàn)，故駕駛?cè)四Ｐ偷耐晟七€需對道路圖像與駕駛操縱之間的傳遞機制進行深入研究。