車道偏離預警模糊控制算法研究

苗水雯，楊方宜，萬華森

（昆明理工大學交通工程學院，云南昆明 650500）

車道偏離預警模糊控制算法研究

苗水雯，楊方宜，萬華森

（昆明理工大學交通工程學院，云南昆明 650500）

車道偏離預警系統多采用固定的橫向偏移量或者預計跨越車道時間作為預警的閾值，在實際應用中不能很好的適應每個駕駛員個體。提出了一種車道偏離預警模型，該模型是對輪胎距車道線距離和預計跨越車道時間這兩個車輛狀態信息建立模糊控制規則，通過Simulink模糊控制模塊進行仿真，實現對車道偏離危險等級的確定。駕駛員只需選擇一個適合自己的車道偏離預警風險等級即可，此車道偏離預警模型能夠減少報警中虛報和漏報。

車道偏離預警；模糊控制；TLC算法

車道偏離造成的人員財產損失約占整個交通事故損失的三分之一之多，這類事故主要由于駕駛員注意力分散引起的，如使用手機、駕駛疲勞、瞌睡等等［1］。車道偏離預警系統（lane departure warning system，LDWS）的開發應用為駕駛員帶來了福音，當車輛發生車道偏離時，車道偏離預警系統能夠發出警報引起駕駛員的注意，從而減少或避免交通事故的發生。目前，車道偏離預警系統受到國內外汽車生產廠商和研究機構重視，已經成功研制出一些各具特色的車道偏離警告系統，如：美國研制的AURORA系統，德國研制的AutoVue系統及日本三菱公司開發的DSS系統等［2］。車道偏離預警系統一般分為3部分，1車道線檢測：通過視覺傳感器檢測車道線；2預警變量估計：一般選擇橫向偏移量和車輛越過車道線的時間作為預警變量；3預警：決策何時、何種方式提醒駕駛員。系統所采用的警告標準大致分為4種：基于當前車輛于車道中位置（car’s current positon，CCP）、基于未來車輛偏離量的不同（future offset difference，FOD）、基于車輛前輪跨越車道線邊界的時間TLC（time to lane crossing，TLC）、基于對道路場景的感知（knowledge based in?terpretation of road scenes，KBIRS）。4種警告標準中TLC應用最為廣泛［2］。這些警告標準算法中大都是利用時間或者距離其中之一作為預警閾值，沒有對汽車偏離車道危險程度進行有效劃分。大多數系統的性能受限于道路環境和某一固定類型的駕駛員群體，并且在LDWS使用過程中其誤報現象經常給駕駛員帶來困擾［3］。本文基于昆明理工大學自主研發三屏駕駛模擬系統平臺DSR-1000TS，計算車輛前輪輪胎相對車道線的距離和運用TLC算法估計出前輪越過車道線的時間，這些信息將作為本文建立模糊控制系統的內部參數，通過所建立的模糊規則，得到當前車輛在車道中行駛狀態的危險程度。

1 車道偏離預警系統信息采集

L A ZADEH在1964年提出了模糊集合的概念。其中模糊理論是以模糊集合為基礎，其基本精神是接受模糊性現象存在的事實，而以處理模糊不清的事物為主要研究目的。模糊不清的概念在時間、空間、條件上具有可變性［4-5］。對車道偏離危險程度的評價也是一個模糊的、不清晰的系統，一般以車輛前輪距車道線的距離和前輪預計越過車道線的時間為評價標準。

1.1 車道線檢測和建模

駛模擬器中呈現的道路由連續的路塊組成的，如圖1所示，車道線的識別根據路塊中車道線的不同屬性，確定其位置。

圖1中表示以4點Ali，Ari，Bri+1，Bli+1圍成的路塊，整個路塊寬度為B，該路塊對應的中樁坐標為（0，Yi），（0，Yi+1），左右車道線及路面中心線在路塊中的位置由路塊4個角點坐標決定，4個角點的縱坐標由中樁坐標確定，而橫坐標由左車道線距左路基的距離l確定，即l所占整個路塊寬度的比例決定。在彎道處，我們將路塊分割成極小的矩形單元后再確定車道線位置。

1.2 輪胎坐標及距車道線距離建模

判斷車輛是否發生偏離，輪胎距車道線距離是重要指標之一。對于直線路塊，車輛地面坐標系中質心O1坐標為（Sx,Sy），設車輛橫擺角度為θ；車輛寬為Wc；車輛軸距為Lc；（Xi,Yi），（Xi+1,Yi+1）表示道路路塊中樁坐標；B為道路寬度；d為左前輪輪胎邊沿距道路邊界的距離；直線lm表示道路中心線。車輛側偏狀態如圖2所示。

圖1 場景路塊模型示意圖Fig.1 Amodel of the scene road block

圖2 車輛在任一路塊位置示意圖Fig.2 The location of the vehicle at one road block

表1 四個輪胎坐標表Tab.1 Coordinates of four tyres

1.3 TLC評價算法

TLC是指從車輛當前位置開始到車輛與車道線開始接觸為止的運動時間為t［6］，若t小于設定的時間閾值，則認為車輛將發生車道偏離，此時系統報警。基于TLC評價算法模型示意圖如圖3所示。

圖3中，d為左前輪輪胎邊界距道路邊界的距離；V表示車速；Vl為汽車的側向速度；Vd表示前向速度。

預警系統觸發條件為預計車輛前輪越過車道線的時間小于TLC系統所設定的閾值Tth［7］：即t＜Tth。

圖3 TLC模型示意圖Fig.3 The diagram of TLC model

式中：d為輪胎距道路邊界的距離；Vl為汽車的側向速度，可通過對側向位移變化率得到；al為汽車的側向加速度，同樣可通過側向速度的變化率得到。本文選用的TLC算法考慮了車輛側向加速度，在實際應用中側向加速度的誤差可能會被放大，但另一方面該相對與假設車輛的側向速度在短時間內是個常值的算法來講，式（3）更能提現真實情況的車輛運動軌跡，提高了報警信號的可靠性，尤其是針對汽車朝道路邊界加速運動的情況。在本文中Vl及al值均來自于DSR-1000TS系統，該系統采用12自由度的車輛動力學模型，能夠很好的模擬出汽車的行駛狀況。

2 LDWS模糊控制器邏輯結構設計及實現

2.1 確定模糊輸入輸出變量

從理論上講，模糊控制器的維數越高，控制精度越高。但維數過高，模糊控制規則變得過于復雜，控制算法的實現相當困難，因此選擇二維模糊控制器［8］。由上文提到TLC評價模型可知，與判斷標準直接相關的是輪胎距道路邊界的距離d以及預計壓線時間t，故設定這兩個因素為輸入變量，輸出變量是車輛實時偏離狀態的危險等級。車道偏離預警模糊控制器的結構圖如下圖4所示。

2.2 模糊控制的實現

確定時間t值需要考慮駕駛員在駕駛過程中面對外界刺激的反應時間，包括神經滯后時間Td、操縱反應滯后時間Th以及預瞄時間Tp。在實際駕駛過程中，駕駛員熟練程度不同，各個參數值也會不同，一般取參數Td，Th，Tp的變化范圍分別為0.5～1.8 s，0.1～0.5 s，0.05～0.25 s［9-10］，本文綜合考慮這3個參數的取值范圍，將t論域設為0～1.5 s；根據實驗室道路模型單車道寬度為3.8 m，車輛模型輪距為1.668 m，將d論域為0～0.9 m，給定危險等級G論域為0～10 m。取輸入變量的模糊子集從安全到危險程度過渡均分為為4個集合，即：十分安全HS，一般安全LS，一般危險LH，十分危險HH；輸出變量的模糊子集分為6個集合，即：十分安全HS，較安全MS，一般安全LS，一般危險LH，較危險MH，十分危險HH。根據模糊邏輯理論，指標線形變化的形式有三角變化及梯度變化等，為了控制運算速度，本文各個變量只選取三角形隸屬度函數和梯形隸屬度函數組合［11］。

TLC算法中時間t子集隸屬度函數為（t為預計車輛跨越車道線的時間）：距離d子集隸屬度函數為（d為輪胎距道路邊界的距離）：

圖4 車道偏離預警系統模糊控制器結構圖Fig.4 The structure of fuzzy controller of lane departure warning system

根據車輛前輪距車道線距離的遠近和預測出的輪胎將要越過車道線的時間長短來建立危險等級模糊規則表2［1］。在規則建立是考慮由駕駛員不良駕駛習慣造成的車輛偏向道路一側行駛時，屬于危險情況。

表2 LDWS模糊控制規則表Tab.2 LDWS fuzzy control rule

由上文隸屬度函數和模糊控制規則表得到模糊輸出關系曲面，如圖5所示。

3 LDWS模糊控制Matlab仿真

通過所建立的模糊規則，利用Matlab中Simulink模塊進行模糊仿真。建立車道偏離如圖6所示的預警系統Simulink仿真結構。

圖5 輸入、輸出變量及危險等級隸屬度函數圖Fig.5 Input and output variables and risk grade membership function

圖6 車道偏離預警系統Simulink仿真結構圖Fig.6 The Simulink simulation diagram of LDWS

本文通過駕駛模擬平臺采集的參數包括：時間t，側向速度Vl，側向加速度al，車輛地面質心坐標（Sx，Sy）以及道路中樁坐標（Xi，Yi）等，在三維場景中建立駕駛一段有效長度為1.2 km的雙向兩車道直線路段，實驗要求駕駛員以40（±5）km·h-1速度運行，允許自由換道。本文選取了實驗中部分數據進行分析。試驗數據表（部分）如表3所示。

表3 車道偏離預警系統實驗數據表（部分）Tab.3 Experimental data of lane departure warning system

在所建立的車道偏離預警系統Simulink仿真系統中，離線分析d與t對危險等級G的影響。

實例1d=0.359m由（9）、（10）式判斷d屬于LH（一般危險子集），由公式（3）計算得到t=1.077s，由（6）（7）式判斷t屬于LS（一般安全子集），仿真后輸出危險等級G=4.893，由模糊規則表判斷G屬于LS（一般安全子集）；

實例2在試驗過程中，出現車輛緊貼車道一邊行駛，d值較小，為0.124 m。由（8）（9）式判斷d屬于HH（十分危險子集），由公式（3）計算得到t=0.429s，由（4）（5）式判斷t屬于LH（一般危險子集），仿真后輸出危險等級G=8.364，由模糊規則表判斷G屬于HH（十分危險子集）。

從所舉的兩個實例的仿真結果可知該模糊控制系統能夠根據不同危險程度的d和t值得到相應的危險等級；并能糾正駕駛員緊靠道路一側行駛的不良習慣。若駕駛員希望留給自己做出車輛回正反應時間較長，可以設置預警系統在危險等級較低時開始工作；反之可以設置較高的危險等級。針對不同的安全等級，車道偏離預警系統給予有差別的報警，使得報警更加人性化，并能夠提高報警的準確性。

4 結語

本文運用模糊控制原理，對LDWS評價標準中的兩個參數d和t相應的論域和隸屬度函數，運用Simu?link模塊進行離線仿真，得到車輛當前運行狀態的危險等級。該預警系統能夠滿足駕駛員的個性化需求，避免虛報和漏警，減少駕駛員心理負擔；并且模糊規則建立時考慮了駕駛員緊靠一側行駛的不良不習慣，將這一駕駛行為列為危險等級高水平，能夠時刻提醒駕駛員正確駕駛。

［1］SAMYONG K，SEYOUNG O.A driver adaptive lane departure warning system based on image processing and a fuzzy evolutionary technique［C］//Intelligent Vehicles Symposium，Columbus Ohio USA，2003：361-365.

［2］王榮本，余天洪，郭烈，等.基于機器視覺的車道偏離警告系統研究綜述［J］.汽車工程，2005，4（27）：463-466.

［3］ PARAG H，BATAVIA.Driver adaptive lane depart warning system［C］//Pennsylvania:Carnegie Mellon University，1999：9-10.

［4］陳守煜.可變模糊集理論與模型及其研究［M］.大連：大連理工出版社，2009：2-3.

［5］趙琳琳，李海瓊.道路速度一致性評價指標模糊化評價方法［J］.華東交通大學學報，2012，29（2）：63-67.

［6］ LEBLANC D J，JOHNSO G E.CAPC：an implementation of a road-departure warning system［C］//Control Applications，1996：590-595.

［7］吳沫.基于計算機視覺的車道跑偏告警系統方法研究［D］.長沙：國防科學技術大學，2005：18-19.

［8］吳超仲，王春燕，楊利，等.智能公路系統車道保持模糊控制研究［J］.公路交通科技，2002，19（2）：131-133.

［9］王慶賀.車道偏離預警系統決策算法及性能測試方法研究［D］.長春：吉林大學，2011：45-51.

［10］徐瑾.基于ADAMS的不同類型駕駛員模型參數的選擇［D］.南京：南京航空航天大學，2008：25-38.

［11］杜玲玲.混合超啟發式法求解大規模VRP的優化研究［J］.華東交通大學學報，2011，28（1）：62-67.

Research on Fuzzy ControlAlgorithm of Lane Departure Warning

Miao Shuiwen，Yang Fangyi，Wan Huasen
（School of Transportation Engineering，Kunming University of Science and Technology，Kunming 650500，China）

Lane departure warning system mostly adopts the fixed value of lateral offset and the time of lane crossing as the warning threshold value，but in practice it’s not well fit for every driver.This paper proposes a lane departure model，which puts forward fuzzy control rules based on the vehicle information of the distance between the lane tyres and the lane crossing time.Through fuzzy simulation with Simulink，an appropriate risk level is determined.It is concluded that the proposed system can reduce the false negatives.

lane departure warning system；fuzzy control；TLC algorithm

U471.15

A

1005-0523（2013）03-0076-06

2013-02-26

苗水雯（1988－），女，碩士研究生，研究方向為交通安全。