基于校園不確定性道路場景的AEB與ACC聯合控制研究

高源，王昌龍，唐曉峰，翁佳昊，高安，宋彥琳

基于校園不確定性道路場景的AEB與ACC聯合控制研究

高源，王昌龍，唐曉峰，翁佳昊，高安，宋彥琳

（揚州大學機械工程學院，江蘇 揚州 225127）

為實現自動駕駛車輛在非結構化道路場景中的安全行駛，側重于校園道路的不確定性環境研究了車輛緊急制動（AEB）與自適應巡航（ACC）的聯合控制方法。文章設計了PID控制器，進行了基于校園道路的實車實驗，實驗結果表明該控制器響應迅速，能夠在車輛巡航時根據前方路況緊急制動，保證了在不確定性道路場景中自動駕駛的安全性。

自動駕駛車輛；緊急制動；自適應巡航；PID

前言

近年來國內外興起了對于自動駕駛技術的研究熱潮，一套完整的自動駕駛系統主要包括以下四個主要工作階段：感知、決策、控制、執行。自動駕駛任務對于整套系統提出了很高的安全性要求，每個工作階段必須同時高效穩定地運行才能讓整車具有最優的表現[1]。基于標準公路設計的自動駕駛系統具有局限性，不適用于校園道路。校園的道路屬于非結構化道路，與標準公路相比，其環境差異在于：缺乏道路交通標線、缺乏道路交通標識牌和紅綠燈、道路的規范程度明顯不同、道路的對空情況可能有大的不同、車輛運行速度不同帶來的差別[2]。由于以上的差異，自動駕駛車輛的感知和決策算法需要進行調整。同時校園道路中行人大規模的無規律行走，各類車輛的無序停放以及跨道行駛等情況，都對現有的自動駕駛車輛的運動控制帶來極大挑戰，控制層算法也需要大幅度的調整，才能符合在非結構化道路安全行駛的要求。

為解決上述問題，本文針對自動駕駛汽車的決策層與控制層，對校園場景內的低速行駛的自動駕駛汽車開展了ACC與AEB聯合控制的研究，為決策層設計了行為準則系統框架，基于該框架在控制層設計了PID控制器，進行了實車實驗，為非結構化道路自動駕駛汽車的安全行駛技術的進一步研究與應用提供技術和理論參考。

1 決策邏輯

本文根據校園道路場景下，行人無規律行走，車輛前方路具有不確定性的特點，為自動駕駛車輛的定速巡航、自適應跟車與緊急制動三種行為設計了決策邏輯，其決策框架如圖1所示。

圖1 行為準則系統框架圖

在決策層中，緊急制動行為具有最高優先級，車輛在自動駕駛過程中，一旦車前方有障礙物且障礙物與本車距離小于安全距離，車輛立即停止。在ACC工況下，前車與本車距離大于安全距離后本車重新切換至自適應跟車模式，車輛的跟據前車的車速和距離完成跟車行為。在AEB工況下，車前方的行人離開道路區域后，本車切換至定速巡航或者自適應跟車模式。這樣的決策邏輯安全性冗余很充足，只要車輛前方一定距離內出現障礙物，車輛就立即停止，直到路面凈空后才繼續前進。

2 控制器設計

實際車輛的控制問題分為車輛的縱向控制和橫向控制。縱向控制是指在車輛行駛方向上的控制，通過控制實際車輛的加速踏板和制動踏板實現對車輛速度與相對距離的控制。橫向控制是指對于車輛跟蹤道路軌跡的控制，實質上也就是對于車輛轉向系統的控制[3]。

本文設計控制器的主要目標為：

（1）設計橫向控制器使車輛緊急制動時車身保持在車道線內，不發生橫向偏移。

（2）設計縱向控制器，實現車輛遇行人緊急制動；同時，在自適應跟車時保持車距，控制車速。

AEB系統啟動后，正在行駛的車輛如果方向盤未回正會導致車輛的橫向偏移甚至車身偏離車道線，不滿足安全性要求。與此同時，ACC系統也需要滿足車輛始終保持在車道內行駛。現有的車輛ACC與AEB技術都是基于縱向動力學模型實現，本文建立橫向動力學模型，對車輛行駛軌跡加以控制，防止AEB與ACC系統運行時車輛偏離車道線行駛。

2.1 運動學模型

本文的縱向運動學模型，考慮車輛前方突遇行人的制動控制與自適應跟車情況下的制動控制，建立縱向運動學模型如圖2所示。

圖2 縱向跟車模型[4]

應用最廣泛的安全車距控制策略主要有固定時距與可變時距這兩類，為使控制器結構簡單，提高實車代碼運行速度，本文選取固定時距策略，固定時距的原理如下[5]：

=0(v?v1)+tv1+0（1）

式中：0為最小安全車距；為期望車距；v，v+1為前車與本車的車速。

假設前車與本車的車速相同，可將式化（1）簡得：

=tv1+0（2）

緊急制動區別于常規制動，在緊急制動的控制中，只考慮安全性，不考慮乘客的舒適性，當滿足AEB觸發條件時，將在極短時間內完成制動。但自動駕駛車輛的上位機控制指令傳遞到下位機執行機構有延遲，需要在最小安全距離0的基礎上需增加由于信號傳輸遲滯形成的制動距離，可得AEB系統的觸發條件：

D=0+τv1（3）

式中：D為AEB觸發設定距離；為傳輸信號遲滯時間。

本文實車實驗平臺實測的信號傳輸遲滯時間最大值為0.5，包括了從感知層發現前方行人到線控底盤開始執行剎車指令的全過程，考慮到車輛安全性需要冗余，實際的實車實驗將設定為1 s。

2.2 動力學模型

在二自由度運動學模型的基礎上，建立車輛動力學模型，如圖3所示。

車輛動力學模型表示為[6]：

式中：m為車輛質量；vx、vy表示車輛質心處的縱向速度和橫向速度，其中，vy=vxβ；β為質心側偏角；ωr為車輛質心的橫擺角速度；lf、lr分別表示前后軸到質心的距離；Ff、Fr分別表示前后輪所受的側向力，該值為前/后軸單側輪胎所受側向力的兩倍；Iz為橫擺運動的慣性力矩。

對模型的線性化主要是在假設車輛運動過程中部分角度參數較小的情況下進行[7]。考慮輪胎側偏力、路面的附著系數，進行線性化后的車輛模型為[3]：

2.3 控制器

ACC與AEB的聯合控制采用同一臺實驗車，控制器的主程序包括車道保持、自適應巡航與緊急制動的子程序。車輛的感知層時刻保持對前方路面情況的監控，作用是采集前車相對距離和前車車速。在自適應跟車情況下，若車距在10 m以上，則本車保持恒定車速10 km/h行駛，當前方車速降低，車距小于10 m后，本車進行制動減速，控制本車與前車的車速一致。在跟車行為中，一旦前車與本車距離過近，小于AEB程序設定的安全距離時，會立即觸發AEB子程序；在車輛行駛的全過程中，當前方安全距離范圍內出現行人時也會立即觸發AEB程序，從而緊急制動。至此，本文對AEB與ACC實現了聯合控制，AEB與ACC不是獨立的兩套系統，而是在同一個車輛控制器中相互關聯的系統。車輛的自動駕駛模式下，AEB系統能夠隨時中斷ACC系統的運行，停止車輛，AEB運行結束后又立即切換為ACC進程。

本文采用單目視覺方案進行自動駕駛導航，該系統的硬件主要為工業攝像頭、工控機、監視器、執行器等部件。攝像頭負責行駛路徑圖像的采集來感知周圍環境；工控機用于道路圖像處理與發出控制指令；執行器為執行控制指令以完成預定動作的機構，如車輛的轉向、制動與驅動機構[3]。監視器可以用來觀測實時的跟蹤效果，并且便于研究調試，設計的控制器框架圖如圖4所示。

圖4 控制器框架圖

縱向控制器的設計，為AEB系統設置安全距離D，攝像頭實時采集的本車與前車距離為1，本車與前方行人的距離2，一旦有障礙物進入安全距離范圍，1＜b或者2＜b任意滿足一項，即發送緊急剎車指令，此時線控剎車執行動作為將剎車踩到底。至此，縱向控制器完成本車遇行人的緊急制動或自適應跟車時的制動。

橫向控制器采用PID控制算法，其原理是：

PID控制算法適合單輸入單輸出的問題求解，本文的橫向控制器的輸入即為前一級感知層的車道線識別的輸出，該輸出信號為橫向誤差與航向角誤差的耦合量，橫向誤差是指車輛與道路中心線的橫向距離的誤差，航向角誤差是指車身航向角的誤差，由圖4可知，控制器的輸入均為反饋量，表示本采樣時刻的控制指令值與實際測量值之差，橫向控制器與縱向控制器都是閉環的反饋控制系統。

3 實車實驗

3.1 實驗過程

實驗路段為江蘇省揚州市津東路，該路段的彎道邊緣非平滑圓弧，曲率變化大，為典型的非結構化道路，實驗路線圖如圖5所示。本次實驗的路線圖從起點至終點包含兩條直道與一條彎道，并且在起點前方50 m處有行人等待穿越道路，目的是模擬校園道路的不確定性場景，測試車輛的緊急制動性能。本文中所使用的自動駕駛試驗平臺以起亞KX5汽車為主體，如圖6所示，配備有大恒工業相機、線控底盤系統、高性能工控機等硬件設備。線控底盤集成的下位機，通過CAN總線與上位機通信，可快速響應上位機的指令信號，對油門、剎車、轉向盤等底盤的執行機構施加控制力。

圖5 實驗路線圖

圖6 起亞KX5自動駕駛試驗平臺

上位機即為自動駕駛實驗平臺中的高性能工控機，能夠運行本次實驗感知層、決策層與控制層的實車代碼，視覺傳感器為工業攝像頭，攝像頭實時采集的信號經過感知層的計算后得到車速、偏航角、橫向偏差等數據作為決策層與控制層的輸入。

3.2 實驗結果

實車實驗結果如下，拍攝了實車實驗過程中實驗車內駕駛員視角的照片，如圖7、圖8所示。

圖7 ACC自動駕駛實車實驗

實驗結果表明，本文的橫向控制器能夠控制車輛完成車道保持功能，并在道路曲率變化時方向盤能夠快速響應，及時完成轉向動作；縱向控制器能保持車距進行自適應跟車，并且在遇到行人突然出現在汽車正前方時能夠緊急制動，本文設計的決策邏輯簡單有效，PID控制算法能夠滿足本次自動駕駛實車試驗的要求，實現了基于校園道路場景的自動駕駛車輛ACC與AEB的聯合控制。

圖8 AEB自動駕駛實車實驗

4 結論

本文提出了一種適用于校園道路的自動駕駛汽車的緊急制動和自適應巡航聯合控制方法，采用基于工業攝像頭的感知層視覺識別方案，運用線控底盤技術，進行了實車實驗，完成自動駕駛車輛在直道內的緊急制動與自適應跟車，以及在彎道曲率變化的情況下能夠通過PID控制算法進行車輛的橫向控制，本實僅采用單目攝像頭方案已經初步達到實驗要求，本實驗平臺在未來還會采用雙目攝像頭與毫米波雷達的多傳感器的方案，進行數據融合以及采魯棒控制、模型預測控制等控制算法來提高控制算法的穩定性，以適應非結構化道路中自動駕駛車輛面臨的各類復雜場景。

[1] J.Giacalone,L.Bourgeois,A. Ancora.Challenges in aggregation of heterogeneous sensors for Autonomous Driving Systems[C]//2019 IEEE Sensors Applications Symposium,2019:1-5.

[2] 余貴珍,周彬,王陽,等.自動駕駛系統設計及應用[M].北京:清華大學出版社,2019.

[3] 張超.視覺導航智能車輛的路徑跟蹤控制研究[D].哈爾濱:哈爾濱工業大學,2011.

[4]張會琪.基于多約束MPC的車輛避撞路徑規劃與跟蹤控制[D].南京:南京航空航天大學,2019.

[5] 張揚.基于前視攝像頭的自適應巡航控制跟隨模式研究[D].南京:南京理工大學,2018.

[6] 龔建偉,姜巖,徐威.無人駕駛車輛模型預測控制[M].北京:北京理工大學出版社,2014.

[7] Razvan Solea, Urbano Nunes. Trajectory Planning and Sliding-Mode Control Based Trajectory-Tracking for Cybercars[J].Integrated Computer-Aided Engineering,2007(14):33-47.

Research of Emergency Braking and Adaptive Cruise Combined Control Based on Campus Uncertain Road Scene

GAO Yuan, WANG Changlong, TANG Xiaofeng, WENG Jiahao, GAO An, SONG Yanlin

( College of Mechanical Engineering,Yangzhou University, Jiangsu Yangzhou 225127 )

In order to achieve autonomous vehicle safety when driving in unstructured road, emergency braking and adaptive cruise combined control method which focuses on uncertain environment of campus road was studied. PID controller is designed in this paper, real vehicle experiment is carried out based on campus road and the results indicate that controller response quickly and can brake imminently according to situation of the load ahead, which ensure safety of automatic driving in uncertain road scene.

Autonomous driving vehicle; Emergency braking; Adaptive cruise control; PID

U495

B

1671-7988(2021)20-45-04

U495

B

1671-7988(2021)20-45-04

10.16638/j.cnki.1671-7988.2021.020.012

高源（1994.01—），男，碩士，揚州大學機械工程學院，研究方向為自動駕駛車輛運動控制。