阿比拉涅，鄭 晟，劉曉輝

(清華大學(xué)汽車安全與節(jié)能國家重點實驗室，北京 100084)

1 引言

在現(xiàn)代社會，車輛幾乎成為每個家庭的基本必備出行工具，導(dǎo)致壓力過大，交通事故頻發(fā)。交通事故已經(jīng)是現(xiàn)當(dāng)代威脅著人身安全的最大隱患之一，酒駕、超載超速、無證無牌、以及不恰當(dāng)?shù)牟僮黢{駛等所引發(fā)的交通事故，時時刻刻都威脅著人們的生命安全[1]。隨著科學(xué)技術(shù)的發(fā)展，車輛互聯(lián)網(wǎng)時代已經(jīng)來臨，但是現(xiàn)有的技術(shù)并不能完全支撐無人自動駕駛，因此現(xiàn)階段的自動駕駛主要為人機共駕，即以輔助駕駛技術(shù)來幫助駕駛員在一定程度上控制車輛，完成行駛運動[2]。在輔助駕駛技術(shù)的應(yīng)用中，糾正車道偏離問題是其中一個關(guān)鍵問題。很多交通事故的發(fā)生都是因為車道偏離正常軌跡而導(dǎo)致的，因此如何有效的控制車輛一直保持在正常車道行駛范圍內(nèi)運動成為研究的重點。

關(guān)于車輛車道偏離控制的研究眾多學(xué)者做了大量研究，文獻[3]根據(jù)橫向預(yù)瞄距離，通過駕駛員決策評估系統(tǒng)對駕駛員輸入的轉(zhuǎn)角進行修正，從而實現(xiàn)車道偏離自動改正；張海林等提出基于EPS系統(tǒng)的車道保持控制模型，解決了EPS部件與車道保持執(zhí)行部件之間的協(xié)調(diào)問題。文獻[4]設(shè)計了基于視覺預(yù)瞄的車道保持嵌套PID轉(zhuǎn)向控制器，利用PID算法的智能性，自動得出車道偏離誤差，根據(jù)誤差不斷優(yōu)化控制策略，實現(xiàn)車道偏離輔助控制；文獻[5]提出了兩層駕駛員轉(zhuǎn)向預(yù)測模型，即通過一層的路徑跟蹤結(jié)果控制另一層駕駛員轉(zhuǎn)向操作，實現(xiàn)了車道偏離糾正。文獻[6]提出一種基于駕駛行為預(yù)測的車輛橫向輔助控制策略研究，即通過事先判定車道偏離，綜合駕駛行為預(yù)測結(jié)果以及駕駛員特性，實現(xiàn)主動轉(zhuǎn)向控制。

在前人研究的基礎(chǔ)上，人機共駕智能車輛車道偏離橫向輔助控制仿真研究。該研究分為兩部分，第一部分采集信息，判斷車輛是否發(fā)生軌道偏離問題，實現(xiàn)偏離預(yù)警；第二部分根據(jù)預(yù)測結(jié)果，觸發(fā)控制程序，實現(xiàn)車輛車道偏離橫向輔助控制。通過本研究以期提高車輛行駛安全性，減少交通事故的發(fā)生。

2 人機共駕智能車輛車道偏離橫向輔助控制方法

人機共駕是車輛發(fā)展的一個新階段，該階段處于人員駕駛和無人駕駛之間的過渡時期，其特點如表1所示。

表1 人機共駕與無人駕駛對比

無人駕駛以目前技術(shù)還無法實現(xiàn)，風(fēng)險性較高，因此輔助駕駛技術(shù)是智能車發(fā)展的重要組成部分。在現(xiàn)代駕駛安全調(diào)查中，車輛偏離正常的行駛車道是導(dǎo)致交通事故發(fā)生的主要原因之一，因此讓車輛一直保持在正常的車道是輔助駕駛技術(shù)的關(guān)鍵任務(wù)之一。為此，進行人機共駕智能車輛車道偏離橫向輔助控制方法研究。

2.1 智能車輛車道偏離判斷

車道偏離橫向輔助控制的前提和基礎(chǔ)是對車輛是否發(fā)生車道偏離進行判斷，即判斷車輛運動軌跡與期望軌道的誤差是否小于車輛安全行駛允許的閾值。車道偏離判斷過程主要分為兩個階段任務(wù)，即車道線識別與跟蹤，偏離判斷[7]。下面進行具體分析。

第一階段任務(wù)：車道線識別與跟蹤。

車道偏離是指車輛行駛不在車道線規(guī)定的范圍內(nèi)，因此車道線的識別與跟蹤至關(guān)重要。車道線識別與跟蹤具體流程如下：

步驟一：在車輛上布置攝像頭，采集序列圖像信息。

步驟二：對采集到序列圖像進行預(yù)處理，包括灰度化、圖像濾波、車道線邊緣點篩選。

步驟三：消失點檢測，即從車道線特征圖中檢測出車道線特征點。

步驟四：根據(jù)檢測出來的消失點，對圖像進行剪裁操作，獲取感興趣區(qū)域；

步驟五：在感興趣區(qū)域內(nèi)，采集車道邊緣線中的四點位置；

步驟六：進行置信度判斷和車道寬度信息補充存在模糊、陰影或車輛遮擋等情況下的車道線，實現(xiàn)車道線的檢測；

步驟七：車道線跟蹤。根據(jù)識別出來的車道線，在下一幀圖像中再次識別出車道線，即車道線跟蹤。在這一環(huán)節(jié)采用卡爾曼濾波跟蹤方法來實現(xiàn)車道線跟蹤操作[8]。

第二階段任務(wù)：偏離判斷。

在這一階段，選擇一種車道偏離算法進行車道偏離判斷，實現(xiàn)偏離預(yù)警。目前，車道偏離算法主要有以下幾種，如表2所示。

表2 車道偏離算法對比表

通過上述表2可知，每種車道偏離算法都存在一定的缺點，因此在這里將基于車輛當(dāng)前位置的算法和基于車輛跨越車道線時間的算法結(jié)合在一起，進行車道偏離判斷。原理公式如下

(1)

其中，

(2)

(3)

式中，SCCP代表基于車輛當(dāng)前位置的算法輸出結(jié)果；STLC代表基于車輛跨越車道線時間的算法輸出結(jié)果；dL代表車輛左輪到左側(cè)車道線的橫向距離；dR代表車輛右輪到右側(cè)車道線的橫向距離；TCCP代表距離閾值；tTLC代表橫越車道線的時間；TTLC代表時間閾值。

2.2 車輛車道偏離橫向糾正

基于上述章節(jié)研究，當(dāng)存在偏離趨向時，及時向控制系統(tǒng)發(fā)出預(yù)警信號，觸發(fā)車道保持橫向控制程序，將偏移及時糾正過來，使其回到安全范圍，保證車輛行駛安全，這是本章節(jié)研究的目標(biāo)和任務(wù)[9]。

2.2.1 智能車輛模型和駕駛員模型

在車輛車道偏離橫向輔助控制中，其算法依賴車輛系統(tǒng)模型和駕駛員模型，因此在控制算法實施前需要建立合適的車輛模型和駕駛員模型，前者的作用是確定期望的車輛運動狀態(tài)，后者的作用是獲取所需的最優(yōu)方向盤轉(zhuǎn)角[10]。車輛系統(tǒng)模型方程公式如下

(4)

其中

(5)

(6)

(7)

(8)

駕駛員模型

(9)

Lp=uTp

(10)

公式中，車輛系統(tǒng)模型和駕駛員模型各個參數(shù)如下表3所示。

表3 車輛系統(tǒng)模型和駕駛員模型參數(shù)說明

2.2.2 基于轉(zhuǎn)向和制動的可拓聯(lián)合橫向輔助控制

電動助力轉(zhuǎn)向控制和差動制動控制都是車輛車道偏離橫向輔助控制的重要算法。其中，前者控制思路是通過偏離檢測，判斷是否發(fā)生偏離問題。當(dāng)發(fā)生偏離時，進行預(yù)警并輸出控制信號，自動控制車輛方向盤轉(zhuǎn)動，使得車輛橫向位置偏差維持在規(guī)定的范圍內(nèi)，將車輛調(diào)回車道正軌[11]。在這一過程中，關(guān)鍵在于BP神經(jīng)網(wǎng)絡(luò) PID 控制器的作用。通過駕駛員模型得到最優(yōu)方向盤轉(zhuǎn)角，然后將其輸入到BP神經(jīng)網(wǎng)絡(luò)PID控制器當(dāng)中，經(jīng)過BP神經(jīng)網(wǎng)絡(luò)PID控制器運算，得到目標(biāo)輔助轉(zhuǎn)矩，最后結(jié)合駕駛員實際的操作轉(zhuǎn)矩和車輛相對于車道中心線的橫向位置偏差實現(xiàn)人機協(xié)調(diào)控制。后者控制思路是首先基于駕駛員模型確定期望的車輛運動狀態(tài)，也就是理想的橫擺角速度，然后同樣將理想的橫擺角速度作為BP神經(jīng)網(wǎng)絡(luò)PID控制器的輸入，經(jīng)過運算，得出理想的橫擺力矩，最后將這一參數(shù)合理分配給車輛的四個車輪，通過制動系統(tǒng)控制車輛回到正常車道[12]。

雖然以上兩種方法都能實現(xiàn)對車輛偏離的控制，但是這兩種方法都很難適應(yīng)多種工況下的控制要求，電動助力轉(zhuǎn)向控制更適用于直道時的偏離糾正，而差動制動控制更適用于彎道時的偏離糾正。為此，將二者結(jié)合在一起，提出一種可拓聯(lián)合橫向輔助控制方法。該方法是根據(jù)路面附著系數(shù)和方向盤初始轉(zhuǎn)角。將可拓集合分為四個區(qū)域，即經(jīng)典域、可拓域和非域。每個區(qū)域采用不同的控制策略如下表4所示。

表4 可拓聯(lián)合橫向輔助控制策略

搭建的基于車輛當(dāng)前位置和基于車輛跨越車道線時間的車道偏離聯(lián)合預(yù)警模型，如圖1所示，利用搭建的模型進行車輛偏離模擬判斷。

圖1 車道偏離預(yù)警模型

可拓聯(lián)合橫向輔助控制原理方程如下：

(11)

式中，u(t)代表控制器輸出；u(DBC)代表差動制動控制輸出；(1+K(S))u(DBC)-K(S)u(EPS)代表差動制動控制和電動助力轉(zhuǎn)向控制協(xié)同操作下的輸出；u(EPS)代表電動助力轉(zhuǎn)向控制輸出；K(S)代表特征狀態(tài)S所得的關(guān)聯(lián)函數(shù)值。

3 仿真分析

3.1 智能車輛偏離工況設(shè)置

以CarSim為工具，以采集到的信息為基礎(chǔ)，利用仿真軟件CarSim和Matlab搭建智能車輛系統(tǒng)模型和駕駛員模型。所需要的基礎(chǔ)數(shù)據(jù)具體如表5所示。

表5 智能車輛信息

3.2 橫向控制試驗環(huán)境搭建

使用基于 Car Sim-RT、Matlab/Simulink 以及實時仿真系統(tǒng) dSPACE 搭建橫向控制試驗環(huán)境，如圖2所示。

圖2 橫向控制試驗環(huán)境

3.3 實驗結(jié)果分析

本仿真設(shè)立的車輛偏離工況有兩種，即直道偏離仿真工況和彎道偏離工況。兩種工況下，車輛以30 m/s的車速，在路寬為3.5 m上行駛。行駛一段時間后，模擬車輛發(fā)生車道偏離。具體工況情況如圖3和圖4所示。

圖3 直道偏離仿真工況預(yù)設(shè)軌跡示意圖

圖4 彎道偏離工況預(yù)設(shè)軌跡示意圖

由圖3和圖4可知，本文方法在直道和彎道行駛時按照正常軌跡行駛，能夠?qū)囕v是否發(fā)生車道偏離進行精準判斷，判斷車輛運動軌跡與期望軌道的誤差是否小于車輛安全行駛允許的閾值。利用轉(zhuǎn)向反應(yīng)時間(SRT)、車道偏離持續(xù)時間(DLE)、最大轉(zhuǎn)向角速度(MSS)與最大橫向偏離量(MDLC)四個指標(biāo)進行控制效果評估，如圖5所示。

圖5 控制方法評價指標(biāo)示意圖

在相同仿真條件下，利用文獻[3]方法、文獻[4]方法、文獻[5]方法以及文獻[6]方法作為對比項，進行仿真控制，并與所研究方法控制效果進行對比，如表6所示。

表6 控制指標(biāo)統(tǒng)計結(jié)果

從上述四個控制指標(biāo)統(tǒng)計結(jié)果可以看出，與文獻[3]方法、文獻[4]方法、文獻[5]方法以及文獻[6]方法相比，所研究方法應(yīng)用下，表現(xiàn)更好，控制效果更佳。

4 結(jié)束語

隨著道路上車輛的增多，交通事故頻發(fā)，因此為減少事故發(fā)生率，提高駕駛安全，進行車道偏離輔助控制具有重要的現(xiàn)實意義。為此，針對人機共駕智能車輛，進行車道偏離橫向輔助控制仿真研究。該研究通過基于轉(zhuǎn)向和制動的可拓聯(lián)合控制改善了車輛偏移控制效果，但是本研究僅在仿真環(huán)境中進行了測試，實際駕駛環(huán)境要更為復(fù)雜，因此該方法有待進一步研究和分析。