王銳松，吳曉東

（上海交通大學(xué)機械與動力工程學(xué)院，上海 200240）

0 引 言

隨著網(wǎng)絡(luò)通信技術(shù)的發(fā)展與5G 基站的普及，帶寬的增加與網(wǎng)絡(luò)穩(wěn)定性的提升使得遠程駕駛漸漸走入大眾的視野并服務(wù)于千家萬戶［1］。以Phantom Auto 為代表的公司已經(jīng)提供專門的純?nèi)斯みh程駕駛服務(wù)并商用化［2］。日產(chǎn)與美國國家航空航天局（NASA）合作研發(fā)的“無縫自動出行”系統(tǒng)通過將自動駕駛和遠程駕駛結(jié)合的方式，為駕駛員不適宜駕駛等場景提供了新的解決方案。

在遠程駕駛汽車中，由于信息傳輸時延的存在，駕駛員對車輛實時位置的估計往往是個非常棘手的問題，同時也極易因此發(fā)生交通事故。針對此類問題，預(yù)測顯示技術(shù)可以同時提高系統(tǒng)的穩(wěn)定性和透明性，被認(rèn)為是目前解決遠程操作時延問題最具潛力的方法［3］。魏青等人［4］提出了一種基于時延的預(yù)測線式算法，通過把控制信號當(dāng)作系統(tǒng)擾動，利用實驗在線預(yù)測結(jié)果對該擾動進行前饋補償?shù)姆绞浇鉀Q操作的預(yù)測顯示問題。為平衡帶寬與視野范圍的關(guān)系，Bec′irba?ic′D等人［5］針對5G 網(wǎng)絡(luò)環(huán)境提出了一種根據(jù)網(wǎng)絡(luò)環(huán)境調(diào)整視頻傳輸方式的多攝像頭畫面?zhèn)鬏敺桨浮Ａ_石等人則對車載攝像頭采集到的圖像進行相關(guān)優(yōu)化［6］。汪知宇等人［7］則通過改進最小二乘支持向量機（LS-SVM）算法，提高了對通信網(wǎng)絡(luò)時延預(yù)測的速率與準(zhǔn)確性。黃可望等人［8］針對網(wǎng)絡(luò)控制系統(tǒng)中隨機雙向通道時延引起的不確定性問題，提出一種基于時延在線預(yù)測模型改進的補償控制方法。Zuo T 等人通過粒子群優(yōu)化的LS-SVM 實時預(yù)測網(wǎng)絡(luò)引起的延遲［9］?？紫殛柕热颂岢鲆环N新的條帶分離方法，較好保留遙感圖像結(jié)構(gòu)和細節(jié)信息的同時，去除了高濃度條帶噪聲［10］。

本文提出一種基于實時遠程駕駛時延的回旋曲線軌跡預(yù)測法，通過在車輛采集的視頻圖像上疊加顯示預(yù)測的車輛位置，幫助駕駛員預(yù)測實時的車輛行駛狀態(tài)，提升了駕駛感受，同時大大提高了行駛安全性。

1 遠程駕駛系統(tǒng)時延分析與測試

1.1 系統(tǒng)架構(gòu)與傳輸時延

遠程駕駛系統(tǒng)實現(xiàn)了遠程實時監(jiān)視車輛狀態(tài)并操控車輛行駛。其系統(tǒng)架構(gòu)主要包括三部分：受控車輛、云平臺以及遠程駕駛艙。駕駛員在操作駕駛模擬設(shè)備控制時，相應(yīng)控制信息被讀取后轉(zhuǎn)化為控制報文，經(jīng)由云服務(wù)器發(fā)送至車端控制器上。車端控制器收到此條報文后將其中控制信息轉(zhuǎn)化為控制器局域網(wǎng)（controller area network，CAN）信息并發(fā)送至總線上實現(xiàn)控車。系統(tǒng)整體架構(gòu)如圖1所示。

遠程駕駛員可通過攝像頭時刻觀察車輛的響應(yīng)動作，但受網(wǎng)絡(luò)信息傳輸和視頻流編解碼的時延影響，駕駛員觀測到的車輛會略遲于實際行駛中的車輛。與此同時，車輛響應(yīng)控制指令同樣受到控制信息時延的影響。由此可見，控車指令從發(fā)出到駕駛員觀察到車輛響應(yīng)的遠程駕駛時延tr，主要由車輛響應(yīng)控制指令時間以及視頻傳輸時延組成。當(dāng)車速為v0時，由于時延導(dǎo)致的延遲觀測距離ld如式（1）所示

可見，當(dāng)車速為40 km／h時，每增加100 ms的延遲都會使觀察到的車輛實際位置與視頻中觀測的距離差擴大1.1 m以上。

1.2 系統(tǒng)時延測試

為獲得真實的遠程駕駛時延數(shù)值，搭建遠程駕駛實物模型并測試5 000條控制信息以及在該段時間內(nèi)視頻傳輸時延。其中，控制信息的測試方案為：首先，將車端控制器與遠程駕駛艙中控制器通過網(wǎng)絡(luò)時間協(xié)議（network time protocol，NTP）實現(xiàn)時間同步；其次，通過在控制信息報文中添加時間戳的方式，收發(fā)報文時刻的時間戳數(shù)值差即為該條報文的時延值。

李慶偉等人提出多種方案測試并比較視頻傳輸?shù)臅r延［11］?？紤]到本文系統(tǒng)視頻傳輸特性，視頻時延的測試方案為：在遠程駕駛艙內(nèi)顯示器中開啟一個精確到毫秒的計時器。將與車端控制器相連的車載攝像頭對準(zhǔn)顯示器，并通過實時消息傳送協(xié)議（real-time messaging protocol，RTMP）推拉流的方式，在遠程駕駛艙內(nèi)拉取視頻并播放。此時，顯示屏內(nèi)存在2 個實時播放的計時器。通過截屏的方式即可獲得視頻傳輸時延（即2個計時器數(shù)值差）。時延測試統(tǒng)計結(jié)果如表1所示，其中控制信息的發(fā)送周期為20 ms；視頻流編解碼方式為H.264／AVC，分辨率為720 p，30 fps。

表1 遠程駕駛時延測試統(tǒng)計

2 回旋曲線預(yù)測法

回旋曲線一般是曲率連續(xù)變化的樣條曲線，它使整條曲線中不同半徑的弧線之間得以平滑過渡，因此經(jīng)常被用于高速公路線路設(shè)計中。在基于回旋曲線法的車輛軌跡預(yù)測方面，首先假設(shè)車輛將保持當(dāng)前速度移動，其次假設(shè)當(dāng)前車輛行駛軌跡的曲率C0將維持當(dāng)前曲率變化率C1，最后通過數(shù)學(xué)積分的方式預(yù)測車輛軌跡。

考慮到對于一般情況，控制車輛轉(zhuǎn)彎時，為防止車輛出現(xiàn)輪胎滑移的現(xiàn)象，駕駛員會相對柔和操控轉(zhuǎn)向盤。因此車輛行駛軌跡的曲率也會無級變化。當(dāng)車輛直線行駛時，時延導(dǎo)致的視頻傳輸顯示誤差主要跟當(dāng)前車速有關(guān)。同時，基于現(xiàn)有的車輛轉(zhuǎn)向結(jié)構(gòu)，車輛行駛軌跡的曲率變化率取決于駕駛員轉(zhuǎn)動轉(zhuǎn)向盤的速率。因此，回旋曲線基本滿足預(yù)測車輛的運動的需求。

其中，航向角φ、世界坐標(biāo)系下回旋曲線中x與y軸坐標(biāo)值隨行駛距離l的變化如式（3）與式（4）所示

式中x0與y0為車輛當(dāng)前的經(jīng)度與緯度，φ0為車輛當(dāng)前的航向角，v為當(dāng)前車輛車速。

將式（5）代入至式（3）和式（4）中，即可得到航向角φ、x與y軸坐標(biāo)值隨時間t的變化關(guān)系

根據(jù)式（2）易得，當(dāng)前車輛行駛軌跡的曲率C0，c和曲率變化率C1，c可通過航向角的變化率˙φc和車輛當(dāng)前速度vc獲得，即

其中，下標(biāo)c和c-1 分別對應(yīng)于車輛在tc和tc-1時刻的車輛狀態(tài)。

式（6）與式（7）中預(yù)測的信息需要依賴車輛在世界坐標(biāo)系中的經(jīng)緯度信息x0與y0以及航向角φ0。但通過回旋線預(yù)測的車輛位置用于顯示在視頻圖像上，而采集視頻信息的攝像頭相對于車輛處于固定位置。因此，初始位置x0與y0以及航向角φ0可以設(shè)置為0。

對式（7）以步長Δt＝0.01 s進行離散化處理。預(yù)測的時間跨度td為視頻傳輸時延。時間tp＝tc+td是車端視頻到達顯示屏的預(yù)測時間點。因此，車輛在tp時刻的航向角φp以及經(jīng)緯度信息xp與yp如式（10）和式（11）所示

3 回旋曲線模型建立

3.1 構(gòu)建車輛運動學(xué)模型

首先對車輛進行運動學(xué)建模。描述車輛運動通常涉及2個坐標(biāo)：世界坐標(biāo)系XOY和車身坐標(biāo)系xoy。假設(shè)車輛在任意時刻作直線運動或者繞某個點做圓周運動，忽略懸架的作用，就可以得到車輛的轉(zhuǎn)向運動模型。車輛運動學(xué)模型如圖2所示。其中，（Xf，Yf）與（Xr，Yr）分別為車輛前軸中心和后軸中心在慣性坐標(biāo)系下的坐標(biāo)，vr為車輛在后軸中心處的速度（m／s），l為軸距（m），R為后軸中心瞬時轉(zhuǎn)彎半徑（m），δf為前輪偏角（rad），φ為車輛航向角（rad）。

圖2 車輛運動學(xué)模型

在后軸行駛軸心（Xr，Yr）處，速度vr為

橫擺角速度ω為

結(jié)合式（12）～式（14）可得到車輛運動學(xué)模型為

3.2 回旋曲線模型預(yù)測實驗

根據(jù)第一章的相關(guān)實驗結(jié)果，可以假設(shè)控制信息時延tc為50 ms，視頻信息控制時延tv為250 ms，車輛反饋時延tb為50 ms。因此，式（10）中的預(yù)測時間跨度td為250 ms。信息傳遞流程如圖3所示。

圖3 信息傳遞流程

通過Python對回旋曲線預(yù)測法建模并進行相關(guān)測試。模型中，駕駛員操控轉(zhuǎn)向盤沿固定振幅與頻率的正弦曲線變化，如圖4（a）所示。其中，控制車輛速度維持在40 km／h，仿真結(jié)果如圖4（b）與圖4（c）所示。

圖4 仿真結(jié)果

根據(jù)圖4不難看出，在勻速直線行駛時，車輛軌跡中的曲率C0，c和曲率變化率C1，c均為0，因此預(yù)測結(jié)果與實際差距不大。當(dāng)轉(zhuǎn)向盤從中置切換至呈正弦曲線變化時，由于回旋曲線法僅通過車輛狀態(tài)信息預(yù)測位置，因此，預(yù)測軌跡與實際軌跡在水平方向上偏差較大，最大偏差距離達到138.6 mm，而沿行進方向的偏差最大值僅有31.1 mm。

根據(jù)仿真計算出的結(jié)果，在車輛采集的視頻圖像上的相應(yīng)位置疊加顯示預(yù)測的車輛位置，疊加后的圖像效果如圖5所示。

圖5 攝像頭采集視頻與預(yù)測車輛位置疊加

4 利用控制信息修正回旋曲線模型

由圖4（c）可以看出，由于遠程傳輸時延的存在，車輛從直行狀態(tài)轉(zhuǎn)動轉(zhuǎn)向盤后，車輛水平方向的預(yù)測軌跡與實際行駛軌跡將產(chǎn)生較大差異。與此同時，目前系統(tǒng)輸入僅有車端狀態(tài)數(shù)據(jù)。為了彌補該部分影響，在仿真模擬的參數(shù)中，加入控制轉(zhuǎn)向盤的轉(zhuǎn)角信息。信息傳遞流程如圖6所示。

圖6 考慮駕駛員輸入的信息傳遞流程

根據(jù)圖6，在式（11）的輸入?yún)?shù)中加入tm＝tc+td-tk時刻的駕駛員控制信息參數(shù)進行預(yù)測修正，修正后的回旋線預(yù)測如式（16）所示

式中tk為遠程控制器與車輛之間的報文傳輸時延，λ為修正系數(shù)，vm為車輛在tm時刻的車速，φm為轉(zhuǎn)向盤轉(zhuǎn)角，k為受控車輛轉(zhuǎn)向系統(tǒng)角傳動比。

為評估修正過的回旋曲線預(yù)測方法準(zhǔn)確性，采用3.2節(jié)中描述的測試方式，以車輛速度（20，30，40，50 km／h）、方向盤角度（180°，270°和450°）和修正系數(shù)（0.3 和0.7）為模型輸入?yún)?shù)進行測試。兩種預(yù)測模型的預(yù)測位置與實際行進路徑的最大偏差值與其輸入?yún)?shù)變化對比如表2所示。

表2 修正的回旋曲線模型與原模型偏差對比

由表2中數(shù)據(jù)結(jié)果可知，回旋曲線預(yù)測結(jié)果偏差隨著車速與轉(zhuǎn)向盤幅值的增加而線性增加。在車速為50 km／h時，轉(zhuǎn)向盤幅值為450°的最大偏差為172.9 mm，而當(dāng)轉(zhuǎn)向盤幅值降至270°時，最大偏差僅為103.8 mm。

與此同時，預(yù)測模型輸入?yún)?shù)加入控制信息后，偏差值大幅下降，修正系數(shù)為0.7，40 km／h 的車速下，相對于未修正的回旋線預(yù)測結(jié)果，最大偏差值降低了81.933 mm，預(yù)測軌跡如圖7 所示。可見，修正后的回旋曲線預(yù)測模型能較大程度地降低預(yù)測偏差。

圖7 修正后回旋曲線軌跡預(yù)測對比

5 結(jié) 論

本文通過回旋曲線法對遠程駕駛車輛的行進軌跡進行預(yù)測，以削弱由于視頻時延導(dǎo)致駕駛員對車輛實際位置估計不準(zhǔn)確問題的影響。同時，為了提高回旋曲線法的預(yù)測精度，在模型輸入?yún)?shù)中加入了駕駛員控制信息，并通過引入修正系數(shù)的方式，較大程度上提高了回旋曲線法的預(yù)測精度。最后，將數(shù)值結(jié)果轉(zhuǎn)化為相對車輛的位置距離，通過在回傳視頻圖像上疊加虛擬車輛的方式，將預(yù)測結(jié)果直觀動態(tài)地展示在駕駛員的眼前。修正后的模型最大預(yù)測偏差在所測試工況下均低于10 cm，該精度幾乎可以滿足日常遠程駕駛的全部需求，保障了遠程駕駛行車安全。