交通擁堵輔助系統識別能力策略優化

甘堅南，歐陽銳濤，趙 輝，鄭望曉

（廣州汽車集團股份有限公司 汽車工程研究院，廣東 廣州 511434）

隨著汽車行業的快速發展，汽車已經變得越來越電子化和智能化，智能輔助駕駛，即自動駕駛是未來汽車發展的一個大趨勢[1]。現自動駕駛L2級別所包括的自適應巡航控制（Adaptive Cruise Control, ACC）、交通擁堵輔助（Traffic Jam Assist,TJA）/集成式巡航輔助（Integrated Cruise Assist,ICA）、前方碰撞預警（Forward Collision Warning,FCW）、自動緊急制動（Automatic Emergency Braking, AEB）、車道偏離報警（Lane Departure Warning, LDW）、保持車道協助（Lane Keeping Assist, LKA）、盲區監測預警（Blind Spot Detection,BSD）、自動泊車輔助（Auto Parking Assist, APA）等系統已廣泛裝配量產車型，L2處于自動駕駛初級階段，被稱為先進駕駛輔助系統（Advanced Driving Assistance System, ADAS）技術，更高等級的自動駕駛技術也進入了驗證階段，如表1所示。目前特斯拉的Autopilot智能駕駛系統已經初步具備自動駕駛能力，而且后續已有無人駕駛解決方案，國內大多數主機廠如廣汽、比亞迪、吉利、長城等主銷車型的自動駕駛也處在是 L2和L3階段。

表1 自動駕駛分級

TJA屬于智能駕駛輔助系統中的一種，在交通阻塞的情況下為駕駛員提供縱向及橫向輔助，如果車道線在速度區間（一般為0～60 km/h）存在，車輛會被維持在車道內行駛，否則車輛會跟隨前方車輛的側向移動行駛，即在速度區間（一般為60 km/h以上），車輛會被維持在車道中心附近行駛[2]。

該系統的基本原理是在車道線清晰的情況下，其基于攝像頭識別行駛車道的標識線，并檢測本車在車道內的位置，然后向轉向系統發出信號，自動調整轉向，將本車保持在車道內行駛來達到橫向控制的目的；基于車載前置毫米波雷達探測前方縱向移動目標，發出縱向加速度來達到縱向控制的目的。在車道線不清晰的情況下，其基于車載前置毫米波雷達探測前方目標的縱向和橫向移動，相對應發出縱向和橫向的加速度請求，來達到縱向及橫向的控制[3]，如圖1、圖2所示。

圖1 車道線清晰可見時TJA工作示意圖

圖2 車道線不清晰或遮擋時TJA工作示意圖

文章主要解決搭載交通擁堵輔助系統車輛，在匹配驗證該系統階段時存在跟隨前車過十字路口工況下，自車已進入車道后識別延遲造成轉向出現蛇形修正或者急打方向的情況，從要因分析、策略優化、實車驗證這三個方面出發，嘗試杜絕匹配過程中此類問題的發生。

1 問題回顧

1.1 問題背景

在對某車型進行交通擁堵輔助系統匹配驗收時，車輛開啟TJA功能，且以跟車模式經過十字路口工況，即使自車已經進入車道，路面有車道線標記，但是仍需要時間從跟車模式切換到跟線模式[4]。此種情形下如果跟隨前車進入車道后，前車方向稍微有偏離車道中心線，自車跟隨前車進入車道重新識別到車道線后，會造成轉向蛇形修正或者急打的情況。

1.2 問題分析

為驗證自車由跟車切換跟線的工況下，方向出現蛇形修正或者急打情況，在同一十字路口，前車同一縱向速度，不同的橫向偏移速率進行引導后車跟隨進入車道，前車與車道中心線偏移越大，后車跟隨進入車道與車道線偏離越大，方向會出現蛇形修正或者急打，造成系統不可靠性。

通過上述問題的多次復現，以及后期數據分析確認，即使自車已經進入車道，路面有車道線標記，但是仍需要時間從跟車模式切換到跟線模式，跟線問題在于video line信號源被抑制，車輛遲遲進入不了跟線模式，只能繼續保持跟車狀態，故引起以下問題：

1）車輛開啟TJA功能以跟車模式經過十字路口工況，進入車道與車道中心線存在偏差，轉向會出現蛇形修正或者急打；2）自車進入車道后，與車道中心線偏離越大，轉向出現蛇形修正或者急打幅度越大。

文章主要針對車輛開啟TJA功能，以跟車模式經過十字路口工況，進入車道與車道中心線存在偏差，方向出現蛇形修正或者急打這一問題進行原因分析探索，通過初步分析確定，車輛開啟TJA功能以跟車模式經過十字路口工況，即使自車已經進入車道，路面有車道線標記，但是仍需要時間從跟車模式切換到跟線模式。車道線識別過晚會造成轉向蛇形修正或者急打，故制定出通過解除相關的抑制條件，縮減識別切換到車道線的時間，改善轉向蛇形或者急打的情況，為最終系統通過驗收提供解決方案和依據。同時，也可以根據分析結果，為后續車型的交通擁堵輔助系統優化提供一定的參考意義。

2 驗證分析

2.1 驗證方案

通過前期數據分析，跟線問題在于video line信號源被抑制，車輛遲遲進入不了跟線模式，只能繼續保持跟車狀態，從數據來看，video line信號報抑制有以下四個：1）single line control單側車道線抑制條件控制；2）data max方向盤轉角速率最大閾值抑制條件；3）no ego line detected無目標車道線檢測抑制條件；4）Unreliable lane boundaries不可靠車道線抑制條件。

2.2 驗證方法

對不同的抑制條件進行優化，驗證在同一個場景工況下，采取對單個抑制條件延后抑制發生時間以及提前抑制條件解除時間的方法，從而改善車輛蛇形修正或者方向急打的情況，其中，目標車輛雷達和攝像頭的基本信息如表2所示。

3 方案驗證結果與討論

3.1 單側車道線抑制條件控制

1）改善方案一：單車車道線識別抑制條件single line control，為防止將人行道以及車道路修補地方識別為車道線，現設置延后抑制條件single line control發生；2）改善效果：功能進入慢的問題有改善，具體區別如表3所示；3）潛在風險：當相鄰車道有左轉彎待轉區域時，在車輛進入十字路口的短暫情況下，攝像頭會把待轉區域的一側車道線和一條人行道誤認為是本車道線，因為抑制激活滯后，會引起車輛向左偏移，有潛在風險。

表3 調整single line control抑制延后觸發區別

3.2 延后data max抑制發生時間以及提前抑制解除時間

1）改善方案二：data max抑制是為了防止車頭轉角過大而設置相應閾值，與方向盤轉角速率有關系的抑制條件，具體如圖3所示。現設置延后 data max抑制發生時間以及提前抑制解除時間，解除時間由4 s調整為2 s；2）改善效果：僅改善因車輛掉頭產生抑制導致功能進入慢問題，正常跟車過十字路口總體情況未改善，功能重新激活時間仍為 3 s；3）潛在風險：條件滿足后需等待4 s以解除抑制，基于大數據采集信息后定下來的邏輯策略，且解除抑制時間過早，容易出現行車轉向混亂，且改善效果不明顯。

圖3 方向盤轉角速率曲線示意圖

3.3 延后no ego line detected抑制發生時間

1）改善方案三：no ego line detected抑制是攝像頭沒有檢測到自車道線后0.5 s激活抑制，現設置延后該抑制發生的時間，調整至4 s后觸發該抑制；2）改善效果：可以解決因為道路顛簸或者較短距離內車道間隔引起車道丟失抑制的情況，對十字路口工況模式切換優化不大，功能重新激活時間仍為3 s；3）潛在風險：與方案一引起的問題類似，有潛在風險，為弱化風險現將抑制開始時間調整為4 s，情況穩定功能進入慢的總體問題解決效果有限。

3.4 延后Unreliable lane boundaries抑制發生時間及提前解除該抑制

1）改善方案四：Unreliable lane boundaries抑制是攝像頭沒有檢測到或認為自車道線不可靠，系統判定開始抑制，現設置延后 Unreliable lane boundaries抑制的開始時間，盡快解除Unreliable lane boundaries抑制，降低該抑制判斷閾值；2）改善效果：數據顯示，報出Unreliable lane boundaries抑制的次數明顯降低，對非過十字路口正常行駛中模糊車道線識別有改善，但是TJA跟線模式進入慢改善不大，前車偏離車道中心線較大時，仍會因為模式切換不及時而出現急打方向的情況；3）暫無潛在風險。

3.5 提高車道線的置信度，降低對車道線識別的閾值

1）改善方案五：線的置信度是一個可能性，是攝像頭對識別到的灰度、連續性等參考因素，集合所有采集到的信息來進行融合，然后判定是否是一條車道線，可能性介于0～1，其中0是百分百判定不是車道線，1是判定百分百是車道線。現設置提高車道線的置信度至0.1～0.2，降低車道線識別閾值；2）改善效果：從跟車模式可更快切換到跟線模式，明顯改善車輛蛇形修正后者方向急打情況，如表4所示；3）暫無潛在風險。

表4 調整置信度后區別

4 分析與改善

4.1 結論分析

通過前期的數據分析，以及后續的優化措施表明，可得出如下結論：

1）車輛開啟TJA功能以跟車模式經過十字路口工況，進入車道后若相對車道中心線有偏離，則出現整車蛇形修正或急打方向，其因跟車與跟線的模式切換沒有及時切換平緩過度造成；2）跟車與跟線模式切換沒有平緩過渡，是由于 video line等信號源被抑制，車輛遲遲不能切換至跟線模式，只能繼續保持跟車模式的狀態；3）通過延后no ego line detected抑制發生時間和延后Unreliable lane boundaries抑制時間抑制發生時間以及提前抑制解除時間有改善，但效果不明顯。通過調整車道線的置信度至0.1～0.2，降低車道線識別的閾值，使得系統可以更快地識別到車道線，從跟車模式可以更快切換到跟線模式，明顯改善車輛蛇形修正或者方向盤急打的情況。

4.2 改善方案

識別能力策略實現方法如下：1）現設置提高車道線的置信度至：0.1～0.2，降低車道線識別的閾值；2）延后no ego line detected抑制發生時間，延后Unreliable lane boundaries抑制開始時間，盡快解除Unreliable lane boundaries抑制，降低該抑制判斷閾值。

針對以上改進策略，以提高置信度為主其他抑制條件為輔的策略進行再次實車驗證，車輛跟車過十字路口，進入車道后可快速從跟車模式切換至跟線模式，有效杜絕車輛蛇形修正或者方向急打的情況，整車橫向控制表現平順，整體可接受。

5 結束語

通過一系列的分析驗證，在現有算法策略框架下，可通過置信度以及相關抑制條件提高跟車過十字路口工況的能力，改善車輛進車道后易出現蛇形修正或者方向急打的情況，為后續匹配該系統的車型提供一定的設計經驗，同時為后續無人駕駛解決方案提供一定的基礎，有利于產品品牌力的提升。