周 莉， 文健峰， 楊杰君， 王 全

(1.中車時(shí)代電動(dòng)汽車股份有限公司，湖南 株洲 412007; 2.長沙中車智馭新能源科技有限公司，長沙 410000)

輔助駕駛系統(tǒng)(ADAS)可提升汽車行駛時(shí)的安全性，是當(dāng)前的研究熱點(diǎn)。實(shí)現(xiàn)輔助駕駛功能的前提是有效感知車輛周圍交通環(huán)境信息。為滿足駕駛場景多樣化的需求， 往往通過增配傳感器來提高特定功能的感知效果，但這樣會(huì)造成系統(tǒng)傳感器配置冗余和資源浪費(fèi)。

對汽車多功能ADAS的傳感器優(yōu)選配置，實(shí)現(xiàn)高效的系統(tǒng)集成是未來智能汽車的發(fā)展方向。本文提出一種ADAS傳感器配置優(yōu)選方法，通過設(shè)計(jì)傳感器優(yōu)化目標(biāo)函數(shù)及其約束條件，采用帶精英策略的非支配排序的遺傳算法(NSGA-II)對傳感器配置方案進(jìn)行綜合尋優(yōu)，最后通過PreScan軟件對優(yōu)化配置進(jìn)行案例分析，驗(yàn)證方法的可行性。

1 傳感器配置優(yōu)選方法

傳感器配置的優(yōu)化需要導(dǎo)入整車信息與傳感器信息：整車信息包含整車的長度、寬度信息；傳感器信息包括探測距離、視角、距離精度、成本、可靠性(MTTF)信息。

1.1 優(yōu)化目標(biāo)函數(shù)及其約束條件設(shè)計(jì)

為優(yōu)化傳感器配置，需要建立傳感器優(yōu)選的評價(jià)指標(biāo)與體系，對其方案優(yōu)劣性進(jìn)行量化。本文建立的傳感器優(yōu)化目標(biāo)函數(shù)及約束條件如下：

1) 探測區(qū)域覆蓋率優(yōu)化目標(biāo)函數(shù)()。探測覆蓋率越高，傳感器盲區(qū)越小。

(1)

式中：為所配置的個(gè)傳感器集合，其中每一個(gè)元素值代表傳感器的編號(hào);為所需要探測的目標(biāo)區(qū)域面積；()是該傳感器集合配置探測的有效面積;為第個(gè)傳感器探測面積；為個(gè)傳感器探測面積的交叉部分的總和。

第個(gè)傳感器探測的面積通常通過該傳感器的探測距離和視角求得，需要建立傳感器探測距離和視角的約束條件，見式(2)。

≥，≥∈1,2…,

(2)

式中：為配置傳感器集合后的有效探測距離；為編號(hào)處傳感器的最小探測距離要求；為配置傳感器集合后的有效視角；為編號(hào)處傳感器的最小視角要求;為車輛配置傳感器的編號(hào)總數(shù)。

2) 探測距離精度優(yōu)化目標(biāo)函數(shù)()，見式(3)。在滿足測量精度要求的前提下，傳感器的探測精度越高，ADAS的控制精度越好。

(3)

式中：為所配置傳感器集合后的測距精度誤差，其約束條件見式(4)。

≤

(4)

式中：為編號(hào)傳感器的最小探測距離要求的最小精度。

3) 成本優(yōu)化目標(biāo)函數(shù)()及約束條件見式(5)。在滿足性能要求的前提下考慮傳感器的購置成本。

(5)

式中：為傳感器集合中編號(hào)的傳感器的購置成本；為傳感器配置集合成本的最高限價(jià)。

4) 可靠性無優(yōu)化目標(biāo)函數(shù)，只要滿足約束條件即可。采用傳感器的平均使用壽命建立其約束條件，見式(6)。

min[MTTF()]≥

(6)

式中： MTTF為傳感器集合的平均使用壽命；為系統(tǒng)所要求的最小使用壽命。

1.2 基于NSGA-II的配置方案綜合尋優(yōu)

配置方案綜合尋優(yōu)是根據(jù)整車及傳感器信息和上述目標(biāo)函數(shù)與約束條件，采用多目標(biāo)全局尋優(yōu)算法對傳感器參數(shù)及其安裝位置進(jìn)行多目標(biāo)尋優(yōu)計(jì)算，給出優(yōu)化后的傳感器配置方案(含安裝位置)。

采用NSGA-II進(jìn)行求解，以加快搜索過程中的收斂速度，根據(jù)排擠機(jī)制，對秩相同的個(gè)體進(jìn)行保留，有效地保護(hù)最優(yōu)解的多樣性。傳感器配置方案的NSGA-II優(yōu)選步驟如下:

1) 導(dǎo)入傳感器優(yōu)選配置的目標(biāo)函數(shù)與約束函數(shù)，種群大小，迭代步驟。

2) 在約束函數(shù)中隨機(jī)產(chǎn)生一個(gè)種群大小為的初始化種群，計(jì)算種群內(nèi)每個(gè)個(gè)體的目標(biāo)函數(shù)值并進(jìn)行排序，計(jì)算其擁擠程度。

3) 通過錦標(biāo)賽法選擇精英個(gè)體，通過交叉、變異操作生成一個(gè)種群大小同樣為的子代種群。

4) 將子代種群和父代種群進(jìn)行合并，得到一個(gè)種群為2的新種群。

5) 對采用擁擠比較算子排序，一次選取排序最優(yōu)的個(gè)體復(fù)制到新種群+1中，直到新種群規(guī)模為，此時(shí)為一次循環(huán)，循環(huán)代數(shù)+1。

6) 判斷是否達(dá)到最大迭代次數(shù)或滿足設(shè)定條件。若不滿足，則重復(fù)步驟3)至6)，直到滿足條件，計(jì)算停止并給出綜合尋優(yōu)后的傳感器配置方案。

2 案例分析

選擇ADAS中常見的自適應(yīng)巡航與換道輔助功能為應(yīng)用場景，應(yīng)用PreScan軟件進(jìn)行仿真驗(yàn)證，考核配置的傳感器集合的有效性。

2.1 整車與傳感器信息導(dǎo)入

整車信息導(dǎo)入：車輛長度5 m，寬度2.4 m；傳感器信息導(dǎo)入：部分傳感器的參數(shù)信息見表1，其中序號(hào)19為激光雷達(dá)。

表1 備選傳感器參數(shù)

2.2 配置方案的綜合尋優(yōu)

NSGA-II綜合尋優(yōu)算法在Windows10操作系統(tǒng)和Matlab2016環(huán)境中運(yùn)行。在NSGA-II算法中迭代次數(shù)和種群規(guī)模的設(shè)置將影響算法的成功率和計(jì)算的時(shí)間；種群多樣性，速度權(quán)重上下限也會(huì)影響計(jì)算時(shí)間。通過嘗試不同的參數(shù)設(shè)置，最終優(yōu)選一組參數(shù)進(jìn)行綜合尋優(yōu)，其中迭代次數(shù)設(shè)為200，種群規(guī)模設(shè)為100，種群多樣性設(shè)置為0.8，速度權(quán)重上下限分別設(shè)置為0.9和0.2。

通過上述優(yōu)化目標(biāo)函數(shù)及其約束條件，采用 NSGA-II 綜合尋優(yōu)方法求解出的優(yōu)選配置方案如圖1所示。

圖1 優(yōu)選配置后的傳感器配置方案

2.3 場景驗(yàn)證設(shè)計(jì)

2.3.1 場景搭建

為了驗(yàn)證傳感器優(yōu)選方案的有效性，采用PreScan 虛擬仿真軟件，首先創(chuàng)建一個(gè)典型的自適應(yīng)巡航和換道輔助場景(跟隨-換道-超車-保持)，如圖2所示。自車從左邊超過1號(hào)車再與2號(hào)車跟車，場景參數(shù)如下：自車初始速度為60 km/h，自車最大加速度4 m/s，1號(hào)車速度為40 km/h，2號(hào)車速度為120 km/h，3號(hào)車速度為50 km/h，4號(hào)車速度為80 km/h，車道寬度為3.6 m，駕駛員反應(yīng)時(shí)間0.8 s，安全距離為自車距前車后保險(xiǎn)杠2 m。

圖2 自適應(yīng)巡航和交通擁堵輔助場景示意

2.3.2 驗(yàn)證結(jié)果分析

通過PreScan仿真車輛的跟車巡航-換道超車過程，自車各傳感器所探測到的目標(biāo)距離信息如圖3所示。圖中傳感器編號(hào)位置如圖1所示。

(a) 自車傳感器1、5探測到1號(hào)車的目標(biāo)距離

通過仿真分析可以看出，各傳感器均能有效探測該傳感器正前方和側(cè)方的目標(biāo)車輛；換道過程中，傳感器隨著車輛的轉(zhuǎn)向與橫擺，探測到的目標(biāo)在傳感器探測范圍中的方位發(fā)生改變，但探測距離保持了連續(xù)性。該結(jié)果證明本文所提出的傳感器優(yōu)選配置方案可以有效覆蓋自適應(yīng)巡航和換道輔助功能的跟車、換道場景。

3 結(jié)束語

本文針對工程實(shí)踐中的ADAS傳感器配置冗余問題，提出了一種環(huán)境感知傳感器配置優(yōu)選方法。但仍有不足之處，未考慮到因?qū)嶋H道路的多樣性不設(shè)計(jì)冗余傳感器會(huì)造成的失效情況。后續(xù)將結(jié)合實(shí)際道路工況，在樣車上對本文提出的ADAS傳感器配置優(yōu)化方法開展更深入的研究。