人機共駕智能車輛車道偏離橫向輔助控制仿真

阿比拉涅，鄭 晟，劉曉輝

(清華大學汽車安全與節能國家重點實驗室，北京 100084)

1 引言

在現代社會，車輛幾乎成為每個家庭的基本必備出行工具，導致壓力過大，交通事故頻發。交通事故已經是現當代威脅著人身安全的最大隱患之一，酒駕、超載超速、無證無牌、以及不恰當的操作駕駛等所引發的交通事故，時時刻刻都威脅著人們的生命安全[1]。隨著科學技術的發展，車輛互聯網時代已經來臨，但是現有的技術并不能完全支撐無人自動駕駛，因此現階段的自動駕駛主要為人機共駕，即以輔助駕駛技術來幫助駕駛員在一定程度上控制車輛，完成行駛運動[2]。在輔助駕駛技術的應用中，糾正車道偏離問題是其中一個關鍵問題。很多交通事故的發生都是因為車道偏離正常軌跡而導致的，因此如何有效的控制車輛一直保持在正常車道行駛范圍內運動成為研究的重點。

關于車輛車道偏離控制的研究眾多學者做了大量研究，文獻[3]根據橫向預瞄距離，通過駕駛員決策評估系統對駕駛員輸入的轉角進行修正，從而實現車道偏離自動改正；張海林等提出基于EPS系統的車道保持控制模型，解決了EPS部件與車道保持執行部件之間的協調問題。文獻[4]設計了基于視覺預瞄的車道保持嵌套PID轉向控制器，利用PID算法的智能性，自動得出車道偏離誤差，根據誤差不斷優化控制策略，實現車道偏離輔助控制；文獻[5]提出了兩層駕駛員轉向預測模型，即通過一層的路徑跟蹤結果控制另一層駕駛員轉向操作，實現了車道偏離糾正。文獻[6]提出一種基于駕駛行為預測的車輛橫向輔助控制策略研究，即通過事先判定車道偏離，綜合駕駛行為預測結果以及駕駛員特性，實現主動轉向控制。

在前人研究的基礎上，人機共駕智能車輛車道偏離橫向輔助控制仿真研究。該研究分為兩部分，第一部分采集信息，判斷車輛是否發生軌道偏離問題，實現偏離預警；第二部分根據預測結果，觸發控制程序，實現車輛車道偏離橫向輔助控制。通過本研究以期提高車輛行駛安全性，減少交通事故的發生。

2 人機共駕智能車輛車道偏離橫向輔助控制方法

人機共駕是車輛發展的一個新階段，該階段處于人員駕駛和無人駕駛之間的過渡時期，其特點如表1所示。

表1 人機共駕與無人駕駛對比

無人駕駛以目前技術還無法實現，風險性較高，因此輔助駕駛技術是智能車發展的重要組成部分。在現代駕駛安全調查中，車輛偏離正常的行駛車道是導致交通事故發生的主要原因之一，因此讓車輛一直保持在正常的車道是輔助駕駛技術的關鍵任務之一。為此，進行人機共駕智能車輛車道偏離橫向輔助控制方法研究。

2.1 智能車輛車道偏離判斷

車道偏離橫向輔助控制的前提和基礎是對車輛是否發生車道偏離進行判斷，即判斷車輛運動軌跡與期望軌道的誤差是否小于車輛安全行駛允許的閾值。車道偏離判斷過程主要分為兩個階段任務，即車道線識別與跟蹤，偏離判斷[7]。下面進行具體分析。

第一階段任務：車道線識別與跟蹤。

車道偏離是指車輛行駛不在車道線規定的范圍內，因此車道線的識別與跟蹤至關重要。車道線識別與跟蹤具體流程如下：

步驟一：在車輛上布置攝像頭，采集序列圖像信息。

步驟二：對采集到序列圖像進行預處理，包括灰度化、圖像濾波、車道線邊緣點篩選。

步驟三：消失點檢測，即從車道線特征圖中檢測出車道線特征點。

步驟四：根據檢測出來的消失點，對圖像進行剪裁操作，獲取感興趣區域；

步驟五：在感興趣區域內，采集車道邊緣線中的四點位置；

步驟六：進行置信度判斷和車道寬度信息補充存在模糊、陰影或車輛遮擋等情況下的車道線，實現車道線的檢測；

步驟七：車道線跟蹤。根據識別出來的車道線，在下一幀圖像中再次識別出車道線，即車道線跟蹤。在這一環節采用卡爾曼濾波跟蹤方法來實現車道線跟蹤操作[8]。

第二階段任務：偏離判斷。

在這一階段，選擇一種車道偏離算法進行車道偏離判斷，實現偏離預警。目前，車道偏離算法主要有以下幾種，如表2所示。

表2 車道偏離算法對比表

通過上述表2可知，每種車道偏離算法都存在一定的缺點，因此在這里將基于車輛當前位置的算法和基于車輛跨越車道線時間的算法結合在一起，進行車道偏離判斷。原理公式如下

(1)

其中，

(2)

(3)

式中，SCCP代表基于車輛當前位置的算法輸出結果；STLC代表基于車輛跨越車道線時間的算法輸出結果；dL代表車輛左輪到左側車道線的橫向距離；dR代表車輛右輪到右側車道線的橫向距離；TCCP代表距離閾值；tTLC代表橫越車道線的時間；TTLC代表時間閾值。

2.2 車輛車道偏離橫向糾正

基于上述章節研究，當存在偏離趨向時，及時向控制系統發出預警信號，觸發車道保持橫向控制程序，將偏移及時糾正過來，使其回到安全范圍，保證車輛行駛安全，這是本章節研究的目標和任務[9]。

2.2.1 智能車輛模型和駕駛員模型

在車輛車道偏離橫向輔助控制中，其算法依賴車輛系統模型和駕駛員模型，因此在控制算法實施前需要建立合適的車輛模型和駕駛員模型，前者的作用是確定期望的車輛運動狀態，后者的作用是獲取所需的最優方向盤轉角[10]。車輛系統模型方程公式如下

(4)

其中

(5)

(6)

(7)

(8)

駕駛員模型

(9)

Lp=uTp

(10)

公式中，車輛系統模型和駕駛員模型各個參數如下表3所示。

表3 車輛系統模型和駕駛員模型參數說明

2.2.2 基于轉向和制動的可拓聯合橫向輔助控制

電動助力轉向控制和差動制動控制都是車輛車道偏離橫向輔助控制的重要算法。其中，前者控制思路是通過偏離檢測，判斷是否發生偏離問題。當發生偏離時，進行預警并輸出控制信號，自動控制車輛方向盤轉動，使得車輛橫向位置偏差維持在規定的范圍內，將車輛調回車道正軌[11]。在這一過程中，關鍵在于BP神經網絡 PID 控制器的作用。通過駕駛員模型得到最優方向盤轉角，然后將其輸入到BP神經網絡PID控制器當中，經過BP神經網絡PID控制器運算，得到目標輔助轉矩，最后結合駕駛員實際的操作轉矩和車輛相對于車道中心線的橫向位置偏差實現人機協調控制。后者控制思路是首先基于駕駛員模型確定期望的車輛運動狀態，也就是理想的橫擺角速度，然后同樣將理想的橫擺角速度作為BP神經網絡PID控制器的輸入，經過運算，得出理想的橫擺力矩，最后將這一參數合理分配給車輛的四個車輪，通過制動系統控制車輛回到正常車道[12]。

雖然以上兩種方法都能實現對車輛偏離的控制，但是這兩種方法都很難適應多種工況下的控制要求，電動助力轉向控制更適用于直道時的偏離糾正，而差動制動控制更適用于彎道時的偏離糾正。為此，將二者結合在一起，提出一種可拓聯合橫向輔助控制方法。該方法是根據路面附著系數和方向盤初始轉角。將可拓集合分為四個區域，即經典域、可拓域和非域。每個區域采用不同的控制策略如下表4所示。

表4 可拓聯合橫向輔助控制策略

搭建的基于車輛當前位置和基于車輛跨越車道線時間的車道偏離聯合預警模型，如圖1所示，利用搭建的模型進行車輛偏離模擬判斷。

圖1 車道偏離預警模型

可拓聯合橫向輔助控制原理方程如下：

(11)

式中，u(t)代表控制器輸出；u(DBC)代表差動制動控制輸出；(1+K(S))u(DBC)-K(S)u(EPS)代表差動制動控制和電動助力轉向控制協同操作下的輸出；u(EPS)代表電動助力轉向控制輸出；K(S)代表特征狀態S所得的關聯函數值。

3 仿真分析

3.1 智能車輛偏離工況設置

以CarSim為工具，以采集到的信息為基礎，利用仿真軟件CarSim和Matlab搭建智能車輛系統模型和駕駛員模型。所需要的基礎數據具體如表5所示。

表5 智能車輛信息

3.2 橫向控制試驗環境搭建

使用基于 Car Sim-RT、Matlab/Simulink 以及實時仿真系統 dSPACE 搭建橫向控制試驗環境，如圖2所示。

圖2 橫向控制試驗環境

3.3 實驗結果分析

本仿真設立的車輛偏離工況有兩種，即直道偏離仿真工況和彎道偏離工況。兩種工況下，車輛以30 m/s的車速，在路寬為3.5 m上行駛。行駛一段時間后，模擬車輛發生車道偏離。具體工況情況如圖3和圖4所示。

圖3 直道偏離仿真工況預設軌跡示意圖

圖4 彎道偏離工況預設軌跡示意圖

由圖3和圖4可知，本文方法在直道和彎道行駛時按照正常軌跡行駛，能夠對車輛是否發生車道偏離進行精準判斷，判斷車輛運動軌跡與期望軌道的誤差是否小于車輛安全行駛允許的閾值。利用轉向反應時間(SRT)、車道偏離持續時間(DLE)、最大轉向角速度(MSS)與最大橫向偏離量(MDLC)四個指標進行控制效果評估，如圖5所示。

圖5 控制方法評價指標示意圖

在相同仿真條件下，利用文獻[3]方法、文獻[4]方法、文獻[5]方法以及文獻[6]方法作為對比項，進行仿真控制，并與所研究方法控制效果進行對比，如表6所示。

表6 控制指標統計結果

從上述四個控制指標統計結果可以看出，與文獻[3]方法、文獻[4]方法、文獻[5]方法以及文獻[6]方法相比，所研究方法應用下，表現更好，控制效果更佳。

4 結束語

隨著道路上車輛的增多，交通事故頻發，因此為減少事故發生率，提高駕駛安全，進行車道偏離輔助控制具有重要的現實意義。為此，針對人機共駕智能車輛，進行車道偏離橫向輔助控制仿真研究。該研究通過基于轉向和制動的可拓聯合控制改善了車輛偏移控制效果，但是本研究僅在仿真環境中進行了測試，實際駕駛環境要更為復雜，因此該方法有待進一步研究和分析。