【摘要】針對(duì)行人橫穿場(chǎng)景，提出了一種基于域架構(gòu)的縱橫向結(jié)合的緊急避障策略。首先，搭建基于域架構(gòu)的行人緊急避障系統(tǒng)，通過(guò)最大減速度模型和多項(xiàng)式組，擬合縱橫向軌跡決策規(guī)劃方法，并基于采樣離散數(shù)值計(jì)算法，綜合考慮避障安全距離、動(dòng)力學(xué)約束和平順性的成本函數(shù)，選取最優(yōu)軌跡；然后，分別使用雙環(huán)比例-積分-微分（PID）、線性二次型調(diào)節(jié)器（LQR）控制方法，實(shí)現(xiàn)對(duì)縱橫向的運(yùn)動(dòng)控制；最后，通過(guò)PreScan、CarSim和Simulink聯(lián)合仿真及域架構(gòu)系統(tǒng)延時(shí)分析，驗(yàn)證了該避障系統(tǒng)的適用性，有效提升了道路安全性。

主題詞：電子電氣架構(gòu) 行人避障 縱橫向控制 軌跡規(guī)劃 軌跡跟蹤

中圖分類號(hào)：U463.61；TP273" "文獻(xiàn)標(biāo)志碼：A" "DOI： 10.19620/j.cnki.1000-3703.20240717

Research on Pedestrian Emergency Obstacle Avoidance System Based on Domain Architecture Combining Longitudinal and Transverse Directions

Nan Jinrui1，2， Shen Zheyu1， Zou Yuan1， Liu Zongshuo1

（1. School of Mechanical Engineering， Beijing Institute of Technology， Beijing 100081; 2. Shenzhen Automotive Research Institute， Beijing Institute of Technology， Shenzhen 518118）

【Abstract】An emergency obstacle avoidance strategy based on domain architecture combining longitudinal and transverse directions is proposed in the scenario of pedestrian crossing the street. Firstly， a pedestrian emergency obstacle avoidance system based on domain architecture is built， and the longitudinal and transverse trajectory decision planning method is fitted through the maximum deceleration model and polynomial group. Based on the sampling discrete numerical calculation method， the optimal trajectory solution is selected by the calculation and comparison of cost function that comprehensively considers the obstacle avoidance safety distance， dynamic constraint and smoothness. Then， the double-loop Proportion Integral Differential （PID） and Linear Quadratic Regulator （LQR） are used to control the longitudinal and transverse movements. Finally， the applicability of the obstacle avoidance system is verified through joint simulation of PreScan， CarSim and Simulink， as well as domain architecture system delay analysis. The obstacle avoidance system improves road safety effectively.

Key words： E/E Architectures， Pedestrian obstacle avoidance， Longitudinal and transverse control， Trajectory planning， Trajectory tracking

【引用格式】 南金瑞， 申哲宇， 鄒淵， 等. 基于域架構(gòu)的縱橫向結(jié)合行人緊急避障系統(tǒng)研究[J]. 汽車技術(shù)， 2024（10）： 1-7.

NAN J R， SHEN Z Y， ZOU Y， et al. Research on Pedestrian Emergency Obstacle Avoidance System Based on Domain Architecture Combining Longitudinal and Transverse Directions[J]. Automobile Technology， 2024（10）： 1-7.

1 前言

車輛避障技術(shù)通過(guò)實(shí)時(shí)感知周圍環(huán)境，自動(dòng)調(diào)控車輛制動(dòng)與轉(zhuǎn)向系統(tǒng)，可有效降低碰撞風(fēng)險(xiǎn)，避免發(fā)生安全事故。自動(dòng)緊急制動(dòng)系統(tǒng)（Autonomous Emergency Braking，AEB）作為核心技術(shù)之一[1]，雖已廣泛應(yīng)用，但僅憑AEB無(wú)法完全實(shí)現(xiàn)緊急避障功能，且該技術(shù)與橫向控制結(jié)合的避障策略尚未成熟[2]。因此，基于域控制器的集中式電子電氣架構(gòu)[3]（域架構(gòu)）行人緊急避障系統(tǒng)的研發(fā)，對(duì)于自動(dòng)駕駛車輛安全性能的提升具有重要意義。

目前，行人緊急避障通過(guò)人工勢(shì)場(chǎng)、圖片搜索以及智能算法等方式協(xié)同優(yōu)化。吳斌等[4]結(jié)合不同車速下的車輛避撞特征，提出了碰撞危險(xiǎn)估計(jì)算法，以碰撞時(shí)間作為危險(xiǎn)等級(jí)參數(shù)，判斷避障工況下車輛轉(zhuǎn)向緊急程度。Chen等[5]根據(jù)模型預(yù)測(cè)的行人路徑調(diào)整前輪轉(zhuǎn)向角，在緊急避障中效果良好，但忽略了行人與車輛交互對(duì)行人路徑預(yù)測(cè)的影響。Lin等[6]基于勢(shì)場(chǎng)的緊急避障路徑規(guī)劃擬合算法，通過(guò)二次函數(shù)計(jì)算對(duì)障礙物的排斥程度，完成緊急變道操作，但連續(xù)多次的緊急避障能力較弱。張家旭等[7]將汽車緊急換道的避障路徑規(guī)劃問(wèn)題轉(zhuǎn)化為B樣條曲線控制點(diǎn)的非線性規(guī)劃問(wèn)題，有效處理前輪轉(zhuǎn)向角和轉(zhuǎn)向角速度約束的汽車緊急換道避障路徑跟蹤[8]。

現(xiàn)有的分布式電子電氣架構(gòu)無(wú)法實(shí)現(xiàn)縱橫向避障算法，缺乏軟、硬件一體化整合，針對(duì)上述問(wèn)題，本文基于集中式域架構(gòu)控制，建立數(shù)學(xué)模型，提出縱橫向結(jié)合的行人緊急避障系統(tǒng)，并通過(guò)聯(lián)合仿真試驗(yàn)驗(yàn)證該方案的有效性。

2 基于域架構(gòu)的行人緊急避障系統(tǒng)

傳統(tǒng)分布式電子電氣架構(gòu)中，由于各模塊控制系統(tǒng)管理策略不同，協(xié)同設(shè)計(jì)難度較大，且電子控制器單元算力不足，集成度較低[9]。為滿足行人緊急避障系統(tǒng)的技術(shù)要求，采用集中式域架構(gòu)控制，如圖1所示。

功能域架構(gòu)分為五大域：動(dòng)力域、車身域、智駕域、智艙域和底盤(pán)域。其中，智艙域主要控制智能座艙中的各種電子信息系統(tǒng)功能，如駕駛員行為監(jiān)測(cè)系統(tǒng)、導(dǎo)航系統(tǒng)等，因此，智駕域和智艙域需要進(jìn)行圖像處理、自然語(yǔ)言處理等，對(duì)硬件算力要求較高。各功能域間通過(guò)高速總線或車載以太網(wǎng)相連，其內(nèi)部仍使用傳統(tǒng)的串行通信網(wǎng)絡(luò)。

本文基于功能域架構(gòu)設(shè)計(jì)的行人緊急避障系統(tǒng)，通過(guò)集成智駕域中的毫米波雷達(dá)等傳感器，獲取行人位置、速度等信息，利用計(jì)算單元完成避障軌跡規(guī)劃和控制信息處理，經(jīng)中央網(wǎng)關(guān)輸入至底盤(pán)域，實(shí)現(xiàn)制動(dòng)踏板開(kāi)度和轉(zhuǎn)向盤(pán)轉(zhuǎn)角的協(xié)同控制。同時(shí)，將自車的位置、航向及速度信息實(shí)時(shí)反饋至計(jì)算單元，從而保證完整的控制閉環(huán)。

3 避障軌跡規(guī)劃

避障軌跡規(guī)劃的目標(biāo)是在成功避讓行人的基礎(chǔ)上，盡可能提高避障過(guò)程中車輛的穩(wěn)定性和乘坐舒適性[10]。由于行車環(huán)境復(fù)雜多變，周車行駛狀態(tài)、附近行人等運(yùn)動(dòng)軌跡的不確定性較大[11]。因此，車輛需根據(jù)周邊環(huán)境采取相應(yīng)的緊急避障措施，避免交通事故發(fā)生。

3.1 最大減速度模型

為了避讓行人，防止非必要轉(zhuǎn)向，本文采用最大減速度模型判斷車輛是否應(yīng)采用縱向與橫向協(xié)同避障。通過(guò)車輛傳感器獲得當(dāng)前車速vcar、自車車頭與前方行人的距離srel。將行人視作質(zhì)點(diǎn)，假設(shè)自車車速方向與行人速度vped方向相互垂直，則二者發(fā)生碰撞的臨界制動(dòng)減速度為ac=vcar2/2srel。

設(shè)車輛實(shí)際最大減速度為alimit，則當(dāng)|alimit|gt;|ac|時(shí)，采用AEB制動(dòng)；反之，當(dāng)|alimit|lt;|ac|，且目標(biāo)車道后方來(lái)車與自車距離較大時(shí)，采用縱向制動(dòng)和橫向轉(zhuǎn)向協(xié)同避障。如圖2所示，藍(lán)色為車輛避障開(kāi)始位置，采用AEB制動(dòng)時(shí)，車輛橫向坐標(biāo)不變；采用縱向與橫向協(xié)同避障時(shí)，車輛進(jìn)行變道。

3.2 基于多項(xiàng)式的避障軌跡規(guī)劃

行人橫穿場(chǎng)景的假設(shè)如下：

a.以車輛開(kāi)始避障時(shí)刻的自車位置為坐標(biāo)原點(diǎn)，縱向?yàn)閤軸，橫向?yàn)閥軸，建立平面直角坐標(biāo)系，坐標(biāo)系為右手系。

b.避障開(kāi)始時(shí)刻為ts，結(jié)束時(shí)刻為te，自車開(kāi)始避障前，做勻速直線運(yùn)動(dòng)，速度方向平行于自車道，且與行人橫穿方向垂直；避障結(jié)束時(shí)，自車停止，航向和初始航向一致。

c.避障過(guò)程中，行人速度的大小和方向均保持恒定。

3.2.1 橫向軌跡規(guī)劃

在避障模型中，汽車的橫向運(yùn)動(dòng)由縱向運(yùn)動(dòng)引起，將縱向位移設(shè)為x，則橫向位移為y=y（x）。由縱向位移得到橫向位移需滿足避障軌跡條件，如表1所示。其中，在軌跡的起點(diǎn)和終點(diǎn)，曲率K及其變化率均為0。

根據(jù)文獻(xiàn)[12]，變道操作產(chǎn)生的S型曲線作為避障路徑可由一元五次多項(xiàng)式擬合：

[y=i=05aixi] （1）

式中：x、y分別為變道車輛的縱、橫向坐標(biāo)，ai為多項(xiàng)式擬合曲線參數(shù)。

將表1中各項(xiàng)避障軌跡條件代入式（1），計(jì)算ai，得到多項(xiàng)式擬合的避障路徑：

[y=ye10xxe3-15xxe4+6xxe5] （2）

式中：ye、xe分別為避障結(jié)束時(shí)刻車輛的橫、縱向坐標(biāo)。

3.2.2 縱向軌跡規(guī)劃

縱向軌跡描述車輛的縱向制動(dòng)過(guò)程，假設(shè)整個(gè)避障過(guò)程中，自車做縱向勻減速運(yùn)動(dòng)，其縱向軌跡為：

[x=i=02biti] （3）

式中：t為運(yùn)動(dòng)時(shí)間，bi為多項(xiàng)式參數(shù)。

同理，根據(jù)表1中條件4，得到車輛縱向軌跡方程：

[x=vst-v2s4xet2] （4）

式中：vs為開(kāi)始避障時(shí)的車速。

3.3 基于采樣的避障軌跡最優(yōu)規(guī)劃

3.3.1 解空間離散化

開(kāi)始避障時(shí)，將自車前方一定縱向距離和自車左側(cè)一定橫向距離組成的二維空間作為解空間，則緊急避障軌跡規(guī)劃問(wèn)題可視作在解空間內(nèi)尋找（xi，yi）的最優(yōu)解，即找到規(guī)劃軌跡對(duì)應(yīng)成本函數(shù)的最小值。然而，由于解空間連續(xù)，遍歷過(guò)程會(huì)增加算法的復(fù)雜度。因此，本文提出的行人緊急避障系統(tǒng)，依托高算力的域控制器，能夠在有限的時(shí)間內(nèi)計(jì)算出最優(yōu)解，以滿足行人緊急避障系統(tǒng)對(duì)實(shí)時(shí)性的要求。

由自車避障初始速度vs和最大制動(dòng)減速度ac，計(jì)算自車停車所需最小縱向位移xmin，對(duì)最大、最小縱向位移段進(jìn)行線性插值，實(shí)現(xiàn)縱向位移的離散化，則最大縱向位移為xmax=kx·xmin（kx為常數(shù)）。根據(jù)城市道路工程設(shè)計(jì)規(guī)范規(guī)定[13]，車道寬度為3.5～3.75 m，則對(duì)避障的橫向位移段0～5.25 m線性插值，獲得橫向位移的離散化。

3.3.2 定義成本函數(shù)

由于二維解空間內(nèi)包含若干離散點(diǎn)，各離散點(diǎn)均對(duì)應(yīng)一條規(guī)劃軌跡（縱向軌跡和橫向軌跡），為了確定最優(yōu)軌跡，引入成本函數(shù)，即解空間某個(gè)離散點(diǎn)（xi，yi，ti）對(duì)應(yīng)軌跡Ti的成本函數(shù)值越低，表示軌跡越準(zhǔn)確。

成本函數(shù)表示實(shí)際避障軌跡與預(yù)測(cè)避障軌跡的擬合程度，直接決定避障的成功率。通常，成本函數(shù)受到車輛加速度與加速度隨時(shí)間變化率影響，軌跡Ti的成本函數(shù)為：

[Cti=kaamaxac+kjjmaxjc+kyΔysafeΔy] （5）

式中：amax、jmax分別為軌跡Ti的最大加速度和加速度變化率，ac、jc分別為車輛動(dòng)力學(xué)限制決定的最大減速度和最大加速度，Δy為軌跡Ti與行人縱向坐標(biāo)重合時(shí)的橫向坐標(biāo)差值，Δysafe為最小橫向安全距離，ka、kj、ky均為常數(shù)。

由式（5）可知，若amax、jmax越大，Δy越小，則成本函數(shù)值越大，即該軌跡越差。當(dāng)Δy的值足夠大時(shí)，對(duì)軌跡的成本函數(shù)的影響可忽略不計(jì)，避免了橫向安全距離過(guò)大而導(dǎo)致自車轉(zhuǎn)向過(guò)度，影響行駛穩(wěn)定性。

遍歷解空間所有離散點(diǎn)時(shí)，需按照停車時(shí)刻的縱向坐標(biāo)xe、橫向坐標(biāo)ye的順序進(jìn)行采樣，計(jì)算各離散點(diǎn)的成本函數(shù)，將避障軌跡規(guī)劃最優(yōu)解作為底盤(pán)域輸入，實(shí)現(xiàn)避障功能。

4 縱橫向控制器設(shè)計(jì)

行人緊急避障取決于規(guī)劃軌跡的合理性和控制系統(tǒng)的軌跡跟蹤性能，因此，本文分別采用雙環(huán)PID和線性二次型調(diào)節(jié)器（Linear Quadratic Regulator，LQR）對(duì)車輛的縱、橫向運(yùn)動(dòng)進(jìn)行控制。

4.1 基于雙環(huán)PID控制的縱向控制器

單環(huán)PID控制以當(dāng)前車速與目標(biāo)車速差值為輸入，輸出控制量，通過(guò)調(diào)節(jié)油門(mén)踏板和制動(dòng)踏板開(kāi)度，實(shí)現(xiàn)車速控制。而在行人緊急避障系統(tǒng)中，軌跡規(guī)劃會(huì)影響該時(shí)刻車輛的位置和車速。因此，本文采用雙環(huán)PID控制，如圖3所示，通過(guò)車輛的縱向位置、縱向速度計(jì)算控制量。

4.2 基于LQR的橫向控制器

基于車輛動(dòng)力學(xué)模型的路徑跟蹤偏差系統(tǒng)狀態(tài)方程為[14]：

[x=Ax+Bδ+Crdesx=ecop， ecop， eθ， eθ] （6）

式中：x為控制系統(tǒng)的狀態(tài)量，ecop為車輛橫向控制的橫向位移誤差，eθ為車輛航向角誤差，δ為前輪轉(zhuǎn)角，rdes為參考軌跡線的期望橫擺角速度，A、B、C為方程各項(xiàng)系數(shù)。

橫向控制器能夠令跟蹤偏差快速平穩(wěn)地趨于0，同時(shí)減少前輪轉(zhuǎn)角的控制輸入。因此，優(yōu)化目標(biāo)函數(shù)J可表示為：

[J=0∞xTQx+δTRδdt] （7）

式中：x為控制系統(tǒng)的狀態(tài)量；δ為轉(zhuǎn)角的狀態(tài)量；Q、R分別為狀態(tài)權(quán)重矩陣和控制量權(quán)重矩陣，通常根據(jù)經(jīng)驗(yàn)確定初值，經(jīng)過(guò)多次迭代不斷調(diào)整。

根據(jù)LQR最優(yōu)控制理論[15]，對(duì)式（7）的目標(biāo)函數(shù)優(yōu)化求解，最優(yōu)控制規(guī)律δ*為：

[δ*=-R+BTdPBd-1BTdPAd·x-P=ATdPA-1d-PB-1dBTdPA-1d+QA-1d] （8）

式中：Ad、Bd為離散化矩陣，矩陣P通過(guò)黎卡提（Riccati）方程求解[16]。

根據(jù)式（8）設(shè)計(jì)狀態(tài)反饋調(diào)節(jié)器，通過(guò)狀態(tài)反饋實(shí)現(xiàn)閉環(huán)最優(yōu)控制，狀態(tài)反饋調(diào)節(jié)增益K=（R+[BTd]PBd）-1[BTd]PAd，因此，最優(yōu)狀態(tài)反饋前輪轉(zhuǎn)角δfb=δ*=-Kx。

由于LQR狀態(tài)反饋控制的求解過(guò)程中未考慮路徑的動(dòng)態(tài)變化，為了消除穩(wěn)態(tài)誤差，需在前饋控制中增加路徑的曲率和車輛轉(zhuǎn)向不足特性，作為反饋控制輸入量δff：

[δff=LR+jvay+kess] （9）

式中：L為自車軸距，R為參考路徑中位置的轉(zhuǎn)向半徑，jv為不足轉(zhuǎn)向梯度，k為K矩陣中的角度偏差反饋控制增益，ess為穩(wěn)態(tài)時(shí)角度跟蹤偏差。

因此，總前輪轉(zhuǎn)角輸入為δ=δff+δfb。

5 驗(yàn)證與分析

5.1 聯(lián)合驗(yàn)證框架

為驗(yàn)證避障策略的有效性，開(kāi)展PreScan、CarSim和Simulink聯(lián)合仿真，驗(yàn)證模型由環(huán)境感知和定位模塊、規(guī)劃和控制模塊以及動(dòng)力學(xué)模型模塊構(gòu)成，如圖4所示。

環(huán)境感知和定位模塊通過(guò)PreScan的內(nèi)置傳感器，收集環(huán)境信息和自車定位信息；規(guī)劃與控制模塊將自車定位信息、行人與障礙物的運(yùn)動(dòng)信息作為輸入，執(zhí)行避障與控制算法，計(jì)算得到控制輸出，包括油門(mén)、制動(dòng)踏板開(kāi)度以及轉(zhuǎn)向盤(pán)轉(zhuǎn)角；動(dòng)力學(xué)模型模塊根據(jù)CarSim定義模型，由控制輸出計(jì)算當(dāng)前自車目標(biāo)位置、車速等信息，并同步給PreScan，實(shí)現(xiàn)驗(yàn)證閉環(huán)。

本文選用奧迪A8車型，車輛的動(dòng)力學(xué)模型參數(shù)與實(shí)車一致，具體參數(shù)如表2所示。

5.2 試驗(yàn)場(chǎng)景搭建

本文針對(duì)行人橫穿場(chǎng)景，驗(yàn)證行人避障算法，在PreScan中建立驗(yàn)證場(chǎng)景，如圖5所示，自車前方存在障礙，左側(cè)車道的橫向空間約5 m。

針對(duì)行人速度和車輛速度垂直的系統(tǒng)進(jìn)行測(cè)試，依照測(cè)試規(guī)范[17]，測(cè)試場(chǎng)景包括CPFA-25、CPFA-50、CPNA-25、CPNA-75，如圖6所示。

遠(yuǎn)端場(chǎng)景下，行人以6.5 km/h垂直于車輛行駛方向移動(dòng)，自車以相應(yīng)的試驗(yàn)速度行駛，碰撞位置分別為圖6a中M、L點(diǎn)；近端場(chǎng)景下，行人以5 km/h垂直于車輛行駛方向移動(dòng)，自車以相應(yīng)的試驗(yàn)速度行駛，碰撞位置分別為圖6b中M、K點(diǎn)。

本文行車場(chǎng)景主要為城市道路，限速80 km/h。按照文獻(xiàn)[17]中行人自動(dòng)緊急制動(dòng)系統(tǒng)測(cè)試規(guī)范，根據(jù)自車初始速度、避障系統(tǒng)開(kāi)始時(shí)自車車頭與行人的距離以及預(yù)計(jì)碰撞位置，對(duì)試驗(yàn)場(chǎng)景分類。考慮到行人橫穿場(chǎng)景情況緊急，選取自車與行人的距離分別為15 m、20 m和30 m。因此，試驗(yàn)驗(yàn)證分為3組，每組包含6個(gè)不同場(chǎng)景，共18個(gè)場(chǎng)景，如表3所示。依照GB/T 39901—2021《乘用車自動(dòng)緊急制動(dòng)系統(tǒng)（AEBS）性能要求及試驗(yàn)方法》[18]，靜止目標(biāo)條件下預(yù)警和啟動(dòng)試驗(yàn)中被試車輛限速為30 km/h，因此，選取試驗(yàn)車輛初始速度分別為36 km/h、48 km/h和72 km/h。

5.3 聯(lián)合驗(yàn)證算法

5.3.1 自車高速行駛遠(yuǎn)距離避讓行人

自車以72 km/h的初速度高速行駛，距離行人30 m時(shí)，系統(tǒng)發(fā)現(xiàn)行人突入車道，且預(yù)期碰撞位置為25%，驗(yàn)證結(jié)果如圖7所示。

圖7a為自車橫向位移隨縱向位移的變化情況，縱向位移小于50 m時(shí)，自車沿著當(dāng)前車道直線行駛，橫向位移始終為0。之后，自車開(kāi)始跟蹤避障系統(tǒng)輸出的規(guī)劃軌跡，最大橫向位移誤差為0.11 m，因此，控制模塊能夠較好地跟蹤目標(biāo)路徑。

在考慮車身寬度條件下，自車與行人橫向坐標(biāo)差隨時(shí)間的變化情況見(jiàn)圖7b，二者橫向坐標(biāo)差最小值為2.6 m，因此，在避障過(guò)程中，自車與行人始終保持一定的橫向安全距離。

5.3.2 自車中低速行駛近距離避讓行人

自車以48 km/h的初始速度中低速行駛，距離行人15 m時(shí)，系統(tǒng)發(fā)現(xiàn)行人突入車道，且預(yù)期碰撞位置為25%，驗(yàn)證結(jié)果如圖8所示。

圖8a為自車橫向位移隨縱向位移的變化情況，在縱向位移小于37.5 m時(shí)，自車沿著當(dāng)前車道直線行駛，橫向位移始終為0。之后，自車開(kāi)始跟蹤避障系統(tǒng)輸出的規(guī)劃軌跡，但因避障系統(tǒng)發(fā)現(xiàn)行人時(shí)，自車和行人距離較近，因此，避障過(guò)程中側(cè)向加速度較大，導(dǎo)致控制模塊跟蹤規(guī)劃路徑的能力下降。

在考慮車身寬度條件下，自車與行人橫向坐標(biāo)差隨時(shí)間的變化情況見(jiàn)圖8b。盡管緊急情況下控制模塊的跟蹤效果降低，但二者橫向坐標(biāo)差最小值為1.95 m，表明在避障過(guò)程中仍能保持橫向安全。

5.3.3 系統(tǒng)延時(shí)響應(yīng)分析

為了確保仿真更接近實(shí)車驗(yàn)證，需考慮傳感器、傳輸、機(jī)械等延時(shí)對(duì)避障系統(tǒng)的影響，因此，在控制模塊中引入Transport Delay模塊，通過(guò)固定延時(shí)模擬真實(shí)延時(shí)。

控制模塊分別設(shè)置250 ms、500 ms、1 000 ms延時(shí)，避障路徑的跟蹤曲線如圖9所示。在250 ms延時(shí)下，路徑跟蹤效果與零延時(shí)的理想情況相近，最大橫向位置誤差約為0.11 m；當(dāng)延時(shí)為1 000 ms時(shí)，實(shí)際軌跡與規(guī)劃軌跡方向相反，隨著延時(shí)的增加，系統(tǒng)的路徑跟蹤準(zhǔn)確性降低。因此，在域架構(gòu)設(shè)計(jì)中，為保證良好的避障效果，系統(tǒng)延時(shí)控制應(yīng)在300 ms以內(nèi)。

6 結(jié)束語(yǔ)

針對(duì)行人橫穿場(chǎng)景，本文提出一種基于域架構(gòu)、結(jié)合縱橫向控制的行人緊急避障系統(tǒng)。結(jié)果表明，在高速遠(yuǎn)距離與低速近距離的工況中，均獲得較好的避障效果。因此在保證車輛側(cè)向穩(wěn)定性和動(dòng)力學(xué)約束的前提下，基于域架構(gòu)的、綜合縱向制動(dòng)和橫向轉(zhuǎn)向的行人緊急避障系統(tǒng)能夠在一定車速和反應(yīng)距離下避讓行人，提升交通安全。

本文建立的域架構(gòu)系統(tǒng)，道路場(chǎng)景依照我國(guó)法規(guī)建立，與我國(guó)實(shí)際路況相符，符合軟件設(shè)計(jì)集中算力、各模塊協(xié)同工作的發(fā)展趨勢(shì)。未來(lái)，可用于新型域架構(gòu)汽車避障系統(tǒng)的設(shè)計(jì)。

參 考 文 獻(xiàn)

[1] YI J， ALVAREZ L， HOROWITZ R. Adaptive Emergency Braking Control with Underestimation of Friction Coefficient[J]. IEEE Transactions on Control Systems Technology， 2002， 10（3）： 381-392.

[2] SEEWALD A， CARSTEN H， KELLER M， et al. Emergency Steering Assist for Collision Avoidance[J]. ATZ Worldwide， 2015， 117（1）： 14-19.

[3] 王遠(yuǎn). 智能汽車橫向輔助避障控制策略及硬件在環(huán)研究[D]. 長(zhǎng)春： 吉林大學(xué)， 2020.

WANG Y. Researches on the Control of Lateral Assistance for Intelligent Vehicle and Hardware-in-the-Loop[D]. Changchun： Jilin University， 2020.

[4] 吳斌， 朱西產(chǎn)， 沈劍平， 等. 基于自然駕駛數(shù)據(jù)的危險(xiǎn)評(píng)估算法研究[J]. 汽車工程， 2017， 39（8）： 907-914.

WU B， ZHU X C， SHEN J P， et al. A Study on Risk Assessment Algorithm Based on Natural Driving Data[J]. Automotive Engineering， 2017， 39（8）： 907-914.

[5] CHEN H， ZHANG X. Path Planning for Intelligent Vehicle Collision Avoidance of Dynamic Pedestrian Using Att-LSTM， MSFM， and MPC at Unsignalized Crosswalk[J]. IEEE Transactions on Industrial Electronics， 2022， 69（4）： 4285-4295.

[6] LIN P， YANG J H， QUAN Y S， et al. Potential Field-Based Path Planning for Emergency Collision Avoidance with A Clothoid Curve in Waypoint Tracking[J]. Asian Journal of Control， 2022， 24（3）： 1074-1087.

[7] 張家旭， 楊雄， 施正堂， 等. 汽車緊急換道避障路徑規(guī)劃與跟蹤控制[J]. 華南理工大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2020， 48（9）： 86-93+106.

ZHANG J X， YANG X， SHI Z T， et al. Path Planning and Tracking Control for Emergency Lane Change and Obstacle Avoidance of Vehicles[J]. Journal of South China University of Technology （Natural Science Edition）， 2020， 48（9）： 86-93+106.

[8] NAVALE V M， WILLIAMS K， LAGOSPIRIS A， et al. （R）evolution of E/E Architectures[J]. SAE International Journal of Passenger Cars-Electronic and Electrical Systems， 2015， 8（2）： 282-288.

[9] 劉佳熙， 丁鋒. 面向未來(lái)汽車電子電氣架構(gòu)的域控制器平臺(tái)[J]. 中國(guó)集成電路， 2019， 28（9）： 82-87.

LIU J X， DING F. Domain Controller Platform for Next Generation Automotive E/E Architecture[J]. China Integrated Circuit， 2019， 28（9）： 82-87.

[10] 吳斌， 朱西產(chǎn)， 沈劍平， 等. 自然駕駛工況的駕駛員緊急轉(zhuǎn)向變道行為[J]. 同濟(jì)大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2017， 45（4）： 554-561.

WU B， ZHU X C， SHEN J P， et al. Analysis of Driver Emergency Steering Lane Changing Behavior Based on Naturalistic Driving Data[J]. Journal of Tongji University （Natural Science）， 2017， 45（4）： 554-561.

[11] FU M， ZHANG K， YANG Y， et al. Collision-Free and Kinematically Feasible Path Planning along A Reference Path for Autonomous Vehicle[C]// Proceedings of the 2015 IEEE Intelligent Vehicles Symposium （IV）. Seoul， Korea （South）： IEEE， 2015.

[12] NELSON W. Continuous-Curvature Paths for Autonomous Vehicles[C]// 1989 International Conference on Robotics and Automation. Scottsdale， AZ， USA： IEEE， 1989.

[13] 中華人民共和國(guó)住房和城鄉(xiāng)建設(shè)部. 城市道路工程設(shè)計(jì)規(guī)范： CJJ 37—2012（2016年版）[S]. 北京： 中國(guó)建筑工業(yè)出版社， 2016.

Ministry of Housing and Urban Rural Development of the People’s Republic of China. Design Specification for Urban Road Engineering： CJJ 37—2012 （2016 Edition）[S]. Beijing： China Architecture and Building Press， 2016.

[14] BEVAN G P， GOLLEE H， O’REILLY J. Trajectory Generation for Road Vehicle Obstacle Avoidance Using Convex Optimization[J]. Journal of Automobile Engineering， 2010， 224（4）： 455-473.

[15] 陳亮， 秦兆博， 孔偉偉， 等. 基于最優(yōu)前輪側(cè)偏力的智能汽車LQR橫向控制[J]. 清華大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2021， 61（9）： 906-912.

CHEN L， QIN Z B， KONG W W， et al. Lateral Control Using LQR for Intelligent Vehicles Based on the Optimal Front-Tire Lateral Force[J]. Journal of Tsinghua University （Science and Technology）， 2021， 61（9）： 906-912.

[16] XU S B， PENG H. Design， Analysis， and Experiments of Preview Path Tracking Control for Autonomous Vehicles[J]. 2019， 21（1）： 48-58.

[17] 中國(guó)汽車技術(shù)研究中心. C-NCAP管理規(guī)則[S]. 天津： 中國(guó)汽車技術(shù)研究中心， 2021.

China Automotive Technology and Research Center. C-NCAP Management Rules[S]. Tianjin： China Automotive Technology and Research Center， 2021.

[18] 中國(guó)人民共和國(guó)工業(yè)和信息化部. 乘用車自動(dòng)緊急制動(dòng)系統(tǒng)（AEBS）性能要求及試驗(yàn)方法： GB/T 39901—2021[S]. 北京： 中國(guó)標(biāo)準(zhǔn)出版社， 2021.

Ministry of Industry and Information Technology of the People’s Republic of China. Performance Requirements and Test Methods for Automatic Emergency Braking Systems （AEBS） for Passenger Cars： GB/T 39901—2021[S]. Beijing： Standards Press of China， 2021.

（責(zé)任編輯 瑞 秋）

修改稿收到日期為2024年8月16日。