基于人工智能算法的換道超車功能開發

關鍵詞：變速超車；換道功能；人工智能；輔助駕駛

0 前言

車輛在日常駕駛過程中，經常會遇到本車道前方有慢車行駛的場景，按照駕駛員習慣，在相鄰車道狀況良好且法規允許的情況下，通常會進行換道超車行駛。目前，車載輔助智能駕駛系統已包含自動換道功能［1］，其對于相鄰車道的檢測是基于對換道動作開始時相鄰車道車輛（以下簡稱“旁車”）行駛狀態的預測來進行條件判定的，然而很多現實情況下，該功能無法準確預判旁車駕駛員的反應。例如，在本車道車輛（以下簡稱“本車”）換道趨勢發生時（打轉向燈準備換道），目標旁車的駕駛員可能會加速進行阻攔，也可能會減速進行避讓，這些操作都會影響本車換道的狀態條件。

本文基于基本換道功能的狀態跳轉［2］，根據人工智能算法得出旁車反應趨勢來預測其動作，從而優化本車換道計算結果，獲得本車換道變速的最優解。

1 功能原理設計

在本車因為同車道的前方車輛（以下簡稱“前車”）行駛慢而考慮是否進行換道超車的決策中（假定換道超車不額外增加危險），駕駛員的常識是換道能保證本車按現有車速行駛，而繼續在本車道行駛需要減速行駛，由此可見，與前車的距離收益是判定是否進行換道的唯一評判指標。因此，對于本車是否進行換道超車，以及換道點最優解的計算是對距離收益函數的求解，而將跟車相對于換道在距離收益上的損失作為其中一個參數進行處理。同樣地，在基于人工智能判定的旁車行為邏輯中采用的也是距離收益函數的計算結果，目標旁車對待本車的換道趨勢采取激進阻擋動作或保守避讓動作在距離上的收益差值［3］作為旁車距離收益函數中的一個參數。

1. 1 基于距離的收益函數

本車基于距離的收益函數的評價指標包括：采取不同策略的距離收益、燃油損耗對應的距離收益、換道懲罰系數及兩車安全距離。距離收益函數中不能只考慮2 種不同策略取舍的收益，例如：目標旁車如果進行加速阻擋行為，其燃油損耗會對應轉化為所獲取的距離值；本車為了在單位時間內到達理論最優換道點需要進行變速，如果加速行駛其燃油損耗也對應為所獲取的距離值；而該值作為本車和目標旁車距離收益函數中的距離參數是負值，則說明本車可以進行減速以創造更好的換道點。

對于本車而言，在基本的換道功能中加入人工智能算法，本質上是需要其選擇更好的換道動作，所以本車距離收益函數引入了換道懲罰系數，即本車可以一直在預測區間中尋找最優換道點；但隨著單位換道時間的累加，本車距離前車越來越近，換道越晚，換道危險程度越高，因此本車在第k 個單位換道時間存在一個換道懲罰系數，該值也是負值。

兩車安全距離的計算是決定能否換道成功的基礎，該參數引入了目標旁車的人工智能計算過程，依據目標旁車不同邏輯選擇采取不同值，從而影響本車距離收益函數的計算，使得本車變速動作產生，這是目標旁車作用的結果。因此，兩車安全距離是分段函數，取決于目標旁車根據人工智能計算的距離收益函數的計算結果：如果目標旁車距離收益函數為正值，意味著目標旁車采用激進的阻擋動作對它更有利，此時兩車安全距離為0（或者可以設定為目標旁車1/2 車長的常數，因為有些場景目標旁車超出1/2 車長時本車無法換道）；如果目標旁車根據人工智能計算的距離收益函數為負值，意味著目標旁車會采取保守的避讓動作，此時兩車安全距離即為目標旁車計算的兩車安全距離（目標旁車跟隨本車行駛，安全距離由目標旁車計算）。

目標旁車距離收益函數的參數，除了上述提及的采取不同策略的距離收益及燃油損耗對應的距離收益外，還包含碰撞懲罰參數及兩車采取不同策略時的相對安全距離。碰撞懲罰參數是懲罰目標旁車采用不同策略需要預留的碰撞時間（TTC）2 s的行駛距離，該參數為負值。兩車相對安全距離是按照目標旁車作為主視角計算的跟車距離（等同于車輛定速巡航的跟車距離）。綜上所述，采取不同策略的距離收益、燃油損耗，其對應的距離收益、碰撞懲罰參數及兩車相對安全距離構成了目標旁車距離收益函數的人工智能計算過程。

1. 2 功能邏輯設計

變速換道功能的邏輯如圖1 所示。由圖1 可以看出的具體判定如下：① 本車道前方有一輛慢車行駛，本車觸發換道動作；② 本車基于模型預測控制算法在每個預測區間的控制范圍中計算距離收益函數；③ 如果距離收益函數為負值，表明本車會在該預測區間中繼續跟隨慢車行駛，該動作會隨著預測區間的遞進重復計算，直到最后失去換道環境或換道動作狀態機跳轉至取消狀態，車輛換道動作終止；④ 如果本車收益函數為正值，則按照當前預測區間中距離收益函數最大的換道點進行換道趨勢操作，同時該趨勢操作會影響目標旁車行駛路徑，即目標旁車進行距離收益函數計算；⑤ 如果目標旁車距離收益函數為負值，則假定目標旁車會采取保守的避讓動作，本車會根據該動作采取計算出的最優換道點開始換道動作，直至完成；⑥ 如果目標旁車距離收益函數為正值，意味著目標旁車會采取激進的阻擋動作，本車會根據該動作的計算結果重新計算距離收益函數；⑦ 本車依據收益函數計算進行變速，并重新計算換道點，直到得到最優解，如果目標旁車阻擋動作收益為負值，則本車重復上述判定邏輯，不斷進行換道計算直至完成換道過程。

1. 3 算法系數設計

本車與目標旁車的收益函數［4］分別為：

2 功能驗證與分析

通過本文中設計的人工智能變速換道超車算法完成了在仿真軟件上的設置，使用車輛模型［5］基于當前目標平臺傳感器和架構配置進行仿真計算。計算結果表明，車輛可以通過人工智能算法很好地對相鄰車道旁車的動作趨勢進行預測判定并計算出更優的換道結果。

3 結語

本文提出的基于人工智能的換道超車功能可以進行智能換道條件選擇，從而可以更好地完成換道動作。根據功能邏輯設計，本車將同時計算相鄰車道目標旁車的距離收益函數，這里需要假設目標旁車根據本車換道趨勢預先判斷獲取換道趨勢點。當本車發現目標車輛通過阻擋動作將獲得更多收益時，可知在此控制范圍內，收益函數不是最大的。因此，它迫使本車計算其他一些換道點（例如加速到前方位置），在這個換道點即使目標旁車加速也無法阻止本車實施換道動作，也即意味著目標旁車的距離收益函數為負值。其中，該功能的所有參數都可以通過從電子控制單元（ECU）采集到的車輛狀態值進行計算獲得。

目前，基于人工智能算法的換道超車功能開發項目進展順利，車輛已完成軟件在環仿真工作，后續將在對應平臺車型上進行功能集成及測試工作。