基于域架構的縱橫向結合行人緊急避障系統研究

【摘要】針對行人橫穿場景，提出了一種基于域架構的縱橫向結合的緊急避障策略。首先，搭建基于域架構的行人緊急避障系統，通過最大減速度模型和多項式組，擬合縱橫向軌跡決策規劃方法，并基于采樣離散數值計算法，綜合考慮避障安全距離、動力學約束和平順性的成本函數，選取最優軌跡；然后，分別使用雙環比例-積分-微分（PID）、線性二次型調節器（LQR）控制方法，實現對縱橫向的運動控制；最后，通過PreScan、CarSim和Simulink聯合仿真及域架構系統延時分析，驗證了該避障系統的適用性，有效提升了道路安全性。

主題詞：電子電氣架構 行人避障 縱橫向控制 軌跡規劃 軌跡跟蹤

中圖分類號：U463.61；TP273" "文獻標志碼：A" "DOI： 10.19620/j.cnki.1000-3703.20240717

Research on Pedestrian Emergency Obstacle Avoidance System Based on Domain Architecture Combining Longitudinal and Transverse Directions

Nan Jinrui1，2， Shen Zheyu1， Zou Yuan1， Liu Zongshuo1

（1. School of Mechanical Engineering， Beijing Institute of Technology， Beijing 100081; 2. Shenzhen Automotive Research Institute， Beijing Institute of Technology， Shenzhen 518118）

【Abstract】An emergency obstacle avoidance strategy based on domain architecture combining longitudinal and transverse directions is proposed in the scenario of pedestrian crossing the street. Firstly， a pedestrian emergency obstacle avoidance system based on domain architecture is built， and the longitudinal and transverse trajectory decision planning method is fitted through the maximum deceleration model and polynomial group. Based on the sampling discrete numerical calculation method， the optimal trajectory solution is selected by the calculation and comparison of cost function that comprehensively considers the obstacle avoidance safety distance， dynamic constraint and smoothness. Then， the double-loop Proportion Integral Differential （PID） and Linear Quadratic Regulator （LQR） are used to control the longitudinal and transverse movements. Finally， the applicability of the obstacle avoidance system is verified through joint simulation of PreScan， CarSim and Simulink， as well as domain architecture system delay analysis. The obstacle avoidance system improves road safety effectively.

Key words： E/E Architectures， Pedestrian obstacle avoidance， Longitudinal and transverse control， Trajectory planning， Trajectory tracking

【引用格式】 南金瑞， 申哲宇， 鄒淵， 等. 基于域架構的縱橫向結合行人緊急避障系統研究[J]. 汽車技術， 2024（10）： 1-7.

NAN J R， SHEN Z Y， ZOU Y， et al. Research on Pedestrian Emergency Obstacle Avoidance System Based on Domain Architecture Combining Longitudinal and Transverse Directions[J]. Automobile Technology， 2024（10）： 1-7.

1 前言

車輛避障技術通過實時感知周圍環境，自動調控車輛制動與轉向系統，可有效降低碰撞風險，避免發生安全事故。自動緊急制動系統（Autonomous Emergency Braking，AEB）作為核心技術之一[1]，雖已廣泛應用，但僅憑AEB無法完全實現緊急避障功能，且該技術與橫向控制結合的避障策略尚未成熟[2]。因此，基于域控制器的集中式電子電氣架構[3]（域架構）行人緊急避障系統的研發，對于自動駕駛車輛安全性能的提升具有重要意義。

目前，行人緊急避障通過人工勢場、圖片搜索以及智能算法等方式協同優化。吳斌等[4]結合不同車速下的車輛避撞特征，提出了碰撞危險估計算法，以碰撞時間作為危險等級參數，判斷避障工況下車輛轉向緊急程度。Chen等[5]根據模型預測的行人路徑調整前輪轉向角，在緊急避障中效果良好，但忽略了行人與車輛交互對行人路徑預測的影響。Lin等[6]基于勢場的緊急避障路徑規劃擬合算法，通過二次函數計算對障礙物的排斥程度，完成緊急變道操作，但連續多次的緊急避障能力較弱。張家旭等[7]將汽車緊急換道的避障路徑規劃問題轉化為B樣條曲線控制點的非線性規劃問題，有效處理前輪轉向角和轉向角速度約束的汽車緊急換道避障路徑跟蹤[8]。

現有的分布式電子電氣架構無法實現縱橫向避障算法，缺乏軟、硬件一體化整合，針對上述問題，本文基于集中式域架構控制，建立數學模型，提出縱橫向結合的行人緊急避障系統，并通過聯合仿真試驗驗證該方案的有效性。

2 基于域架構的行人緊急避障系統

傳統分布式電子電氣架構中，由于各模塊控制系統管理策略不同，協同設計難度較大，且電子控制器單元算力不足，集成度較低[9]。為滿足行人緊急避障系統的技術要求，采用集中式域架構控制，如圖1所示。

功能域架構分為五大域：動力域、車身域、智駕域、智艙域和底盤域。其中，智艙域主要控制智能座艙中的各種電子信息系統功能，如駕駛員行為監測系統、導航系統等，因此，智駕域和智艙域需要進行圖像處理、自然語言處理等，對硬件算力要求較高。各功能域間通過高速總線或車載以太網相連，其內部仍使用傳統的串行通信網絡。

本文基于功能域架構設計的行人緊急避障系統，通過集成智駕域中的毫米波雷達等傳感器，獲取行人位置、速度等信息，利用計算單元完成避障軌跡規劃和控制信息處理，經中央網關輸入至底盤域，實現制動踏板開度和轉向盤轉角的協同控制。同時，將自車的位置、航向及速度信息實時反饋至計算單元，從而保證完整的控制閉環。

3 避障軌跡規劃

避障軌跡規劃的目標是在成功避讓行人的基礎上，盡可能提高避障過程中車輛的穩定性和乘坐舒適性[10]。由于行車環境復雜多變，周車行駛狀態、附近行人等運動軌跡的不確定性較大[11]。因此，車輛需根據周邊環境采取相應的緊急避障措施，避免交通事故發生。

3.1 最大減速度模型

為了避讓行人，防止非必要轉向，本文采用最大減速度模型判斷車輛是否應采用縱向與橫向協同避障。通過車輛傳感器獲得當前車速vcar、自車車頭與前方行人的距離srel。將行人視作質點，假設自車車速方向與行人速度vped方向相互垂直，則二者發生碰撞的臨界制動減速度為ac=vcar2/2srel。

設車輛實際最大減速度為alimit，則當|alimit|gt;|ac|時，采用AEB制動；反之，當|alimit|lt;|ac|，且目標車道后方來車與自車距離較大時，采用縱向制動和橫向轉向協同避障。如圖2所示，藍色為車輛避障開始位置，采用AEB制動時，車輛橫向坐標不變；采用縱向與橫向協同避障時，車輛進行變道。

3.2 基于多項式的避障軌跡規劃

行人橫穿場景的假設如下：

a.以車輛開始避障時刻的自車位置為坐標原點，縱向為x軸，橫向為y軸，建立平面直角坐標系，坐標系為右手系。

b.避障開始時刻為ts，結束時刻為te，自車開始避障前，做勻速直線運動，速度方向平行于自車道，且與行人橫穿方向垂直；避障結束時，自車停止，航向和初始航向一致。

c.避障過程中，行人速度的大小和方向均保持恒定。

3.2.1 橫向軌跡規劃

在避障模型中，汽車的橫向運動由縱向運動引起，將縱向位移設為x，則橫向位移為y=y（x）。由縱向位移得到橫向位移需滿足避障軌跡條件，如表1所示。其中，在軌跡的起點和終點，曲率K及其變化率均為0。

根據文獻[12]，變道操作產生的S型曲線作為避障路徑可由一元五次多項式擬合：

[y=i=05aixi] （1）

式中：x、y分別為變道車輛的縱、橫向坐標，ai為多項式擬合曲線參數。

將表1中各項避障軌跡條件代入式（1），計算ai，得到多項式擬合的避障路徑：

[y=ye10xxe3-15xxe4+6xxe5] （2）

式中：ye、xe分別為避障結束時刻車輛的橫、縱向坐標。

3.2.2 縱向軌跡規劃

縱向軌跡描述車輛的縱向制動過程，假設整個避障過程中，自車做縱向勻減速運動，其縱向軌跡為：

[x=i=02biti] （3）

式中：t為運動時間，bi為多項式參數。

同理，根據表1中條件4，得到車輛縱向軌跡方程：

[x=vst-v2s4xet2] （4）

式中：vs為開始避障時的車速。

3.3 基于采樣的避障軌跡最優規劃

3.3.1 解空間離散化

開始避障時，將自車前方一定縱向距離和自車左側一定橫向距離組成的二維空間作為解空間，則緊急避障軌跡規劃問題可視作在解空間內尋找（xi，yi）的最優解，即找到規劃軌跡對應成本函數的最小值。然而，由于解空間連續，遍歷過程會增加算法的復雜度。因此，本文提出的行人緊急避障系統，依托高算力的域控制器，能夠在有限的時間內計算出最優解，以滿足行人緊急避障系統對實時性的要求。

由自車避障初始速度vs和最大制動減速度ac，計算自車停車所需最小縱向位移xmin，對最大、最小縱向位移段進行線性插值，實現縱向位移的離散化，則最大縱向位移為xmax=kx·xmin（kx為常數）。根據城市道路工程設計規范規定[13]，車道寬度為3.5～3.75 m，則對避障的橫向位移段0～5.25 m線性插值，獲得橫向位移的離散化。

3.3.2 定義成本函數

由于二維解空間內包含若干離散點，各離散點均對應一條規劃軌跡（縱向軌跡和橫向軌跡），為了確定最優軌跡，引入成本函數，即解空間某個離散點（xi，yi，ti）對應軌跡Ti的成本函數值越低，表示軌跡越準確。

成本函數表示實際避障軌跡與預測避障軌跡的擬合程度，直接決定避障的成功率。通常，成本函數受到車輛加速度與加速度隨時間變化率影響，軌跡Ti的成本函數為：

[Cti=kaamaxac+kjjmaxjc+kyΔysafeΔy] （5）

式中：amax、jmax分別為軌跡Ti的最大加速度和加速度變化率，ac、jc分別為車輛動力學限制決定的最大減速度和最大加速度，Δy為軌跡Ti與行人縱向坐標重合時的橫向坐標差值，Δysafe為最小橫向安全距離，ka、kj、ky均為常數。

由式（5）可知，若amax、jmax越大，Δy越小，則成本函數值越大，即該軌跡越差。當Δy的值足夠大時，對軌跡的成本函數的影響可忽略不計，避免了橫向安全距離過大而導致自車轉向過度，影響行駛穩定性。

遍歷解空間所有離散點時，需按照停車時刻的縱向坐標xe、橫向坐標ye的順序進行采樣，計算各離散點的成本函數，將避障軌跡規劃最優解作為底盤域輸入，實現避障功能。

4 縱橫向控制器設計

行人緊急避障取決于規劃軌跡的合理性和控制系統的軌跡跟蹤性能，因此，本文分別采用雙環PID和線性二次型調節器（Linear Quadratic Regulator，LQR）對車輛的縱、橫向運動進行控制。

4.1 基于雙環PID控制的縱向控制器

單環PID控制以當前車速與目標車速差值為輸入，輸出控制量，通過調節油門踏板和制動踏板開度，實現車速控制。而在行人緊急避障系統中，軌跡規劃會影響該時刻車輛的位置和車速。因此，本文采用雙環PID控制，如圖3所示，通過車輛的縱向位置、縱向速度計算控制量。

4.2 基于LQR的橫向控制器

基于車輛動力學模型的路徑跟蹤偏差系統狀態方程為[14]：

[x=Ax+Bδ+Crdesx=ecop， ecop， eθ， eθ] （6）

式中：x為控制系統的狀態量，ecop為車輛橫向控制的橫向位移誤差，eθ為車輛航向角誤差，δ為前輪轉角，rdes為參考軌跡線的期望橫擺角速度，A、B、C為方程各項系數。

橫向控制器能夠令跟蹤偏差快速平穩地趨于0，同時減少前輪轉角的控制輸入。因此，優化目標函數J可表示為：

[J=0∞xTQx+δTRδdt] （7）

式中：x為控制系統的狀態量；δ為轉角的狀態量；Q、R分別為狀態權重矩陣和控制量權重矩陣，通常根據經驗確定初值，經過多次迭代不斷調整。

根據LQR最優控制理論[15]，對式（7）的目標函數優化求解，最優控制規律δ*為：

[δ*=-R+BTdPBd-1BTdPAd·x-P=ATdPA-1d-PB-1dBTdPA-1d+QA-1d] （8）

式中：Ad、Bd為離散化矩陣，矩陣P通過黎卡提（Riccati）方程求解[16]。

根據式（8）設計狀態反饋調節器，通過狀態反饋實現閉環最優控制，狀態反饋調節增益K=（R+[BTd]PBd）-1[BTd]PAd，因此，最優狀態反饋前輪轉角δfb=δ*=-Kx。

由于LQR狀態反饋控制的求解過程中未考慮路徑的動態變化，為了消除穩態誤差，需在前饋控制中增加路徑的曲率和車輛轉向不足特性，作為反饋控制輸入量δff：

[δff=LR+jvay+kess] （9）

式中：L為自車軸距，R為參考路徑中位置的轉向半徑，jv為不足轉向梯度，k為K矩陣中的角度偏差反饋控制增益，ess為穩態時角度跟蹤偏差。

因此，總前輪轉角輸入為δ=δff+δfb。

5 驗證與分析

5.1 聯合驗證框架

為驗證避障策略的有效性，開展PreScan、CarSim和Simulink聯合仿真，驗證模型由環境感知和定位模塊、規劃和控制模塊以及動力學模型模塊構成，如圖4所示。

環境感知和定位模塊通過PreScan的內置傳感器，收集環境信息和自車定位信息；規劃與控制模塊將自車定位信息、行人與障礙物的運動信息作為輸入，執行避障與控制算法，計算得到控制輸出，包括油門、制動踏板開度以及轉向盤轉角；動力學模型模塊根據CarSim定義模型，由控制輸出計算當前自車目標位置、車速等信息，并同步給PreScan，實現驗證閉環。

本文選用奧迪A8車型，車輛的動力學模型參數與實車一致，具體參數如表2所示。

5.2 試驗場景搭建

本文針對行人橫穿場景，驗證行人避障算法，在PreScan中建立驗證場景，如圖5所示，自車前方存在障礙，左側車道的橫向空間約5 m。

針對行人速度和車輛速度垂直的系統進行測試，依照測試規范[17]，測試場景包括CPFA-25、CPFA-50、CPNA-25、CPNA-75，如圖6所示。

遠端場景下，行人以6.5 km/h垂直于車輛行駛方向移動，自車以相應的試驗速度行駛，碰撞位置分別為圖6a中M、L點；近端場景下，行人以5 km/h垂直于車輛行駛方向移動，自車以相應的試驗速度行駛，碰撞位置分別為圖6b中M、K點。

本文行車場景主要為城市道路，限速80 km/h。按照文獻[17]中行人自動緊急制動系統測試規范，根據自車初始速度、避障系統開始時自車車頭與行人的距離以及預計碰撞位置，對試驗場景分類。考慮到行人橫穿場景情況緊急，選取自車與行人的距離分別為15 m、20 m和30 m。因此，試驗驗證分為3組，每組包含6個不同場景，共18個場景，如表3所示。依照GB/T 39901—2021《乘用車自動緊急制動系統（AEBS）性能要求及試驗方法》[18]，靜止目標條件下預警和啟動試驗中被試車輛限速為30 km/h，因此，選取試驗車輛初始速度分別為36 km/h、48 km/h和72 km/h。

5.3 聯合驗證算法

5.3.1 自車高速行駛遠距離避讓行人

自車以72 km/h的初速度高速行駛，距離行人30 m時，系統發現行人突入車道，且預期碰撞位置為25%，驗證結果如圖7所示。

圖7a為自車橫向位移隨縱向位移的變化情況，縱向位移小于50 m時，自車沿著當前車道直線行駛，橫向位移始終為0。之后，自車開始跟蹤避障系統輸出的規劃軌跡，最大橫向位移誤差為0.11 m，因此，控制模塊能夠較好地跟蹤目標路徑。

在考慮車身寬度條件下，自車與行人橫向坐標差隨時間的變化情況見圖7b，二者橫向坐標差最小值為2.6 m，因此，在避障過程中，自車與行人始終保持一定的橫向安全距離。

5.3.2 自車中低速行駛近距離避讓行人

自車以48 km/h的初始速度中低速行駛，距離行人15 m時，系統發現行人突入車道，且預期碰撞位置為25%，驗證結果如圖8所示。

圖8a為自車橫向位移隨縱向位移的變化情況，在縱向位移小于37.5 m時，自車沿著當前車道直線行駛，橫向位移始終為0。之后，自車開始跟蹤避障系統輸出的規劃軌跡，但因避障系統發現行人時，自車和行人距離較近，因此，避障過程中側向加速度較大，導致控制模塊跟蹤規劃路徑的能力下降。

在考慮車身寬度條件下，自車與行人橫向坐標差隨時間的變化情況見圖8b。盡管緊急情況下控制模塊的跟蹤效果降低，但二者橫向坐標差最小值為1.95 m，表明在避障過程中仍能保持橫向安全。

5.3.3 系統延時響應分析

為了確保仿真更接近實車驗證，需考慮傳感器、傳輸、機械等延時對避障系統的影響，因此，在控制模塊中引入Transport Delay模塊，通過固定延時模擬真實延時。

控制模塊分別設置250 ms、500 ms、1 000 ms延時，避障路徑的跟蹤曲線如圖9所示。在250 ms延時下，路徑跟蹤效果與零延時的理想情況相近，最大橫向位置誤差約為0.11 m；當延時為1 000 ms時，實際軌跡與規劃軌跡方向相反，隨著延時的增加，系統的路徑跟蹤準確性降低。因此，在域架構設計中，為保證良好的避障效果，系統延時控制應在300 ms以內。

6 結束語

針對行人橫穿場景，本文提出一種基于域架構、結合縱橫向控制的行人緊急避障系統。結果表明，在高速遠距離與低速近距離的工況中，均獲得較好的避障效果。因此在保證車輛側向穩定性和動力學約束的前提下，基于域架構的、綜合縱向制動和橫向轉向的行人緊急避障系統能夠在一定車速和反應距離下避讓行人，提升交通安全。

本文建立的域架構系統，道路場景依照我國法規建立，與我國實際路況相符，符合軟件設計集中算力、各模塊協同工作的發展趨勢。未來，可用于新型域架構汽車避障系統的設計。

參 考 文 獻

[1] YI J， ALVAREZ L， HOROWITZ R. Adaptive Emergency Braking Control with Underestimation of Friction Coefficient[J]. IEEE Transactions on Control Systems Technology， 2002， 10（3）： 381-392.

[2] SEEWALD A， CARSTEN H， KELLER M， et al. Emergency Steering Assist for Collision Avoidance[J]. ATZ Worldwide， 2015， 117（1）： 14-19.

[3] 王遠. 智能汽車橫向輔助避障控制策略及硬件在環研究[D]. 長春： 吉林大學， 2020.

WANG Y. Researches on the Control of Lateral Assistance for Intelligent Vehicle and Hardware-in-the-Loop[D]. Changchun： Jilin University， 2020.

[4] 吳斌， 朱西產， 沈劍平， 等. 基于自然駕駛數據的危險評估算法研究[J]. 汽車工程， 2017， 39（8）： 907-914.

WU B， ZHU X C， SHEN J P， et al. A Study on Risk Assessment Algorithm Based on Natural Driving Data[J]. Automotive Engineering， 2017， 39（8）： 907-914.

[5] CHEN H， ZHANG X. Path Planning for Intelligent Vehicle Collision Avoidance of Dynamic Pedestrian Using Att-LSTM， MSFM， and MPC at Unsignalized Crosswalk[J]. IEEE Transactions on Industrial Electronics， 2022， 69（4）： 4285-4295.

[6] LIN P， YANG J H， QUAN Y S， et al. Potential Field-Based Path Planning for Emergency Collision Avoidance with A Clothoid Curve in Waypoint Tracking[J]. Asian Journal of Control， 2022， 24（3）： 1074-1087.

[7] 張家旭， 楊雄， 施正堂， 等. 汽車緊急換道避障路徑規劃與跟蹤控制[J]. 華南理工大學學報（自然科學版）， 2020， 48（9）： 86-93+106.

ZHANG J X， YANG X， SHI Z T， et al. Path Planning and Tracking Control for Emergency Lane Change and Obstacle Avoidance of Vehicles[J]. Journal of South China University of Technology （Natural Science Edition）， 2020， 48（9）： 86-93+106.

[8] NAVALE V M， WILLIAMS K， LAGOSPIRIS A， et al. （R）evolution of E/E Architectures[J]. SAE International Journal of Passenger Cars-Electronic and Electrical Systems， 2015， 8（2）： 282-288.

[9] 劉佳熙， 丁鋒. 面向未來汽車電子電氣架構的域控制器平臺[J]. 中國集成電路， 2019， 28（9）： 82-87.

LIU J X， DING F. Domain Controller Platform for Next Generation Automotive E/E Architecture[J]. China Integrated Circuit， 2019， 28（9）： 82-87.

[10] 吳斌， 朱西產， 沈劍平， 等. 自然駕駛工況的駕駛員緊急轉向變道行為[J]. 同濟大學學報（自然科學版）， 2017， 45（4）： 554-561.

WU B， ZHU X C， SHEN J P， et al. Analysis of Driver Emergency Steering Lane Changing Behavior Based on Naturalistic Driving Data[J]. Journal of Tongji University （Natural Science）， 2017， 45（4）： 554-561.

[11] FU M， ZHANG K， YANG Y， et al. Collision-Free and Kinematically Feasible Path Planning along A Reference Path for Autonomous Vehicle[C]// Proceedings of the 2015 IEEE Intelligent Vehicles Symposium （IV）. Seoul， Korea （South）： IEEE， 2015.

[12] NELSON W. Continuous-Curvature Paths for Autonomous Vehicles[C]// 1989 International Conference on Robotics and Automation. Scottsdale， AZ， USA： IEEE， 1989.

[13] 中華人民共和國住房和城鄉建設部. 城市道路工程設計規范： CJJ 37—2012（2016年版）[S]. 北京： 中國建筑工業出版社， 2016.

Ministry of Housing and Urban Rural Development of the People’s Republic of China. Design Specification for Urban Road Engineering： CJJ 37—2012 （2016 Edition）[S]. Beijing： China Architecture and Building Press， 2016.

[14] BEVAN G P， GOLLEE H， O’REILLY J. Trajectory Generation for Road Vehicle Obstacle Avoidance Using Convex Optimization[J]. Journal of Automobile Engineering， 2010， 224（4）： 455-473.

[15] 陳亮， 秦兆博， 孔偉偉， 等. 基于最優前輪側偏力的智能汽車LQR橫向控制[J]. 清華大學學報（自然科學版）， 2021， 61（9）： 906-912.

CHEN L， QIN Z B， KONG W W， et al. Lateral Control Using LQR for Intelligent Vehicles Based on the Optimal Front-Tire Lateral Force[J]. Journal of Tsinghua University （Science and Technology）， 2021， 61（9）： 906-912.

[16] XU S B， PENG H. Design， Analysis， and Experiments of Preview Path Tracking Control for Autonomous Vehicles[J]. 2019， 21（1）： 48-58.

[17] 中國汽車技術研究中心. C-NCAP管理規則[S]. 天津： 中國汽車技術研究中心， 2021.

China Automotive Technology and Research Center. C-NCAP Management Rules[S]. Tianjin： China Automotive Technology and Research Center， 2021.

[18] 中國人民共和國工業和信息化部. 乘用車自動緊急制動系統（AEBS）性能要求及試驗方法： GB/T 39901—2021[S]. 北京： 中國標準出版社， 2021.

Ministry of Industry and Information Technology of the People’s Republic of China. Performance Requirements and Test Methods for Automatic Emergency Braking Systems （AEBS） for Passenger Cars： GB/T 39901—2021[S]. Beijing： Standards Press of China， 2021.

（責任編輯 瑞 秋）

修改稿收到日期為2024年8月16日。