鄒 淵，魏守洋，馬國成，劉昭度，張 棟

(1.北京理工大學，北京電動車輛協(xié)同創(chuàng)新中心，北京 100081； 2.北京汽車銷售有限公司，北京 100028)

2016052

自適應巡航控制系統(tǒng)中旁車道車輛并線控制的研究*

鄒 淵1，魏守洋1，馬國成1，劉昭度1，張 棟2

(1.北京理工大學，北京電動車輛協(xié)同創(chuàng)新中心，北京 100081； 2.北京汽車銷售有限公司，北京 100028)

為解決自適應巡航控制對旁車道并線車輛的控制滯后問題并充分利用原有控制功能，設計了基于分層結(jié)構(gòu)的旁車并線控制器。由模糊支持向量機對實際交通環(huán)境下的旁車并線數(shù)據(jù)進行機器學習而產(chǎn)生一個旁車并線意圖識別器，用以檢測旁車的并線行為。旁車并線控制器以主車與旁車的縱向相對車距和碰撞剩余時間為輸入，利用模糊控制產(chǎn)生期望加速度以調(diào)節(jié)主車的期望運動狀態(tài)，并由自適應巡航控制完成主車的動力學控制。仿真和實車試驗結(jié)果表明，旁車并線控制器可與其它自適應巡航控制功能協(xié)調(diào)工作，在旁車并線工況下有效改善主車的行駛安全性。

駕駛員輔助系統(tǒng)；旁車并線控制；并線意圖檢測；自適應巡航控制

前言

先進駕駛員輔助系統(tǒng)(advanced driver assistance system, ADAS)可通過車載傳感器獲知環(huán)境車輛信息并輔助駕駛員對主車行駛進行控制，因此ADAS可有效減輕駕駛員操作負擔并減小由于人為失誤而引發(fā)交通事故的概率[1-2]。自適應巡航控制(adaptive cruise control, ACC)作為ADAS的典型應用之一，由車載雷達獲取前方車輛的運動信息，并根據(jù)不同的前向交通情況完成對主車縱向自動行駛的控制[3]。由于傳統(tǒng)ACC大多只能對主車道內(nèi)的車輛進行識別與控制[4]，而在旁車道車輛并線時只有當旁車完全進入主車道后才會引起ACC控制目標的改變，因此傳統(tǒng)ACC的目標更新及控制相對滯后。特別是在旁車強行并線工況下，主車如不能及時做出反應則會給行駛安全帶來嚴重威脅，由此在ACC中針對旁車并線工況展開相應控制就顯得尤為必要。

為描述車輛的并線行為，文獻[5]中建立了基于多車交互的并線模型，但其輸出只能說明有并線需求的駕駛員在何種交通條件下會采取并線操作而不能檢測車輛的并線意圖和動作。文獻[6]中利用旁車與主車的側(cè)向相對車距和相對車速判斷旁車的并線行為并據(jù)此進行相應控制，但其判斷結(jié)果的主觀性較大，不能客觀反映旁車的并線意圖。文獻[7]中則利用仿真平臺驗證了由于傳統(tǒng)ACC不能對正在并線的旁車做出及時響應、約有一半的駕駛員為確保安全會主動采取制動操作以中斷ACC的自動控制。因此，本文中由實際交通環(huán)境中采集的旁車并線數(shù)據(jù)利用模糊支持向量機訓練旁車并線意圖識別器，并利用旁車與主車的行駛關(guān)系采用模糊控制進行旁車并線控制，以期使主車在并線車輛尚處于旁車道時即可提前適應其行駛情況，從而使ACC控制更加符合駕駛員的決策過程并提高主車的行駛安全性。

1 旁車并線控制器的結(jié)構(gòu)

ACC由中央?yún)f(xié)調(diào)器根據(jù)環(huán)境車輛與主車的運動關(guān)系決定主車的控制模式，以使主車進入前車跟隨行駛或定速巡航狀態(tài)。當滿足旁車并線控制條件時，主車啟動旁車并線控制。為保證控制的魯棒性并充分利用已有的ACC控制功能，旁車并線控制器采用分層設計，其結(jié)構(gòu)如圖1所示。

圖1 旁車并線控制器結(jié)構(gòu)

圖1中，主車運動參數(shù)控制器依據(jù)主車與旁車的縱向相對車距dx與縱向相對車速vx求取主車期望達到的加速度ad，主車加速度控制器根據(jù)ad由動力學模型計算主車期望的節(jié)氣門開度αd與期望制動壓力pd，而節(jié)氣門開度控制器和制動壓力控制器(執(zhí)行機構(gòu)控制器)分別由αd和pd控制實車的節(jié)氣門開度αa和制動壓力pa，從而使主車的實際加速度aa跟隨ad的變化并調(diào)節(jié)車速vh以使主車提前適應即將并入主車道行駛的旁車道車輛。在旁車并線控制中，主車加速度控制器和執(zhí)行機構(gòu)控制器處理所有涉及具體車輛動力學的求解問題，而主車運動參數(shù)控制器只進行車輛運動的計算，因此有利于主車運動參數(shù)控制器在不同車輛中的應用。此外主車加速度控制器和執(zhí)行機構(gòu)控制器的結(jié)構(gòu)與ACC已有控制功能中的相應部分相同且可以共用，因此基于分層的旁車并線控制器可使主車的控制過程進一步簡化。由于主車加速度控制器和執(zhí)行機構(gòu)控制器已在先前的研究中進行了討論[8-9]，因此本文中主要研究旁車并線控制條件和主車運動參數(shù)控制器的設計。

2 旁車道車輛并線意圖識別

旁車道車輛是否存在并線行為是進行旁車并線控制的首要判定條件，因此本文中采用機器學習算法，基于模糊支持向量機利用由實際道路環(huán)境下采集的旁車并線數(shù)據(jù)訓練并線意圖識別器，以期能夠客觀反映旁車駕駛員的并線行為。并線意圖識別器的工作過程如圖2所示。

圖2 并線意圖識別器工作過程

圖2中，描述旁車行駛的數(shù)據(jù)樣本分為訓練樣本和待識別樣本，分別由基于車載雷達和自車傳感器經(jīng)Kalman濾波預估得到的主車與旁車縱向相對車距dx、側(cè)向相對車距dy、縱向相對車速vx、側(cè)向相對車速vy、縱向相對加速度ax、側(cè)向相對加速度ay和主車車速vh組成。因此在時刻i得到的訓練樣本或待識別樣本xi可記為

xi=[dxdyvxvyaxayvh]T

(1)

待識別樣本為主車在正常ACC控制下得到的描述旁車與主車運動關(guān)系的數(shù)據(jù)，經(jīng)并線意圖識別器判別和識別結(jié)果后處理后可判斷旁車是否存在并線行為。訓練樣本由實際道路交通環(huán)境中獲得，經(jīng)人工分類標記后用于并線意圖識別器的訓練。由于并線意圖識別器解決二分類問題，故xi的分類標記yi可用1表示正訓練樣本(并線樣本)、-1表示負訓練樣本(非并線樣本)。由此利用支持向量機對并線意圖識別器訓練時期望得到分類超平面：

ω·x+b=0

(2)

使得所有正、負訓練樣本分別在此超平面的兩側(cè)，同時使訓練樣本至少與超平面保持單位間距，即所有訓練樣本點xi均滿足：

yi(ω·xi+b)≥1

(3)

為了使得到的分類超平面在未知待識別樣本上有最佳的推廣能力，要求使距離超平面最近的正、負訓練樣本間有最大的幾何間隔κ。由于式(3)的約束，κ可表示為

κ=2/‖ω‖

(4)

由式(4)可知，最大化κ與最小化‖ω‖等價，由此支持向量機的訓練可轉(zhuǎn)化為一個帶約束的最小化優(yōu)化問題：

(5)

然而在由訓練樣本xi構(gòu)成的7維空間中，正、負樣本間往往存在線性不可分的情況，即并不是所有訓練樣本都滿足式(3)。此時需要通過映射zi=φ(xi)使訓練樣本向更高維空間轉(zhuǎn)換，以在高維空間中提高zi的線性可分度，同時引入核函數(shù)K(xi,xj)來直接計算xi和xj變換至高維空間后的向量點積zi·zj以提高計算效率。此外還可利用大于0的松弛變量εi來容許對部分訓練樣本點的錯分，同時在式(5)中加入懲罰項Cεi來權(quán)衡錯分點對最優(yōu)分類超平面的影響，以此來放寬正、負樣本線性可分的條件。此外在上述問題的求解中，對所有訓練樣本點都作等權(quán)重考慮，而在旁車開始并線的初始時刻，正、負樣本間的差異不大并不能準確反映旁車的并線行為特征，因此其對分類超平面的影響程度也不同。為此引入正樣本模糊隸屬度系數(shù)si，以0～1間的取值描述訓練樣本xi屬于正樣本的程度。由此考慮訓練樣本不等權(quán)重的模糊支持向量機的求解問題可描述為

(6)

其對應的凸二次規(guī)劃尋優(yōu)對偶問題為

(7)式中αi為Lagrange系數(shù)。由所有訓練樣本對式(7)求解后即可得到最優(yōu)解αi*，并可由式(3)的約束條件求解b*，此時得到并線意圖識別器的分類判別函數(shù)為

(8)

式中：xi為對應αi*不為0的訓練樣本，即支持向量；x為待識別樣本。因此模糊支持向量機在進行分類判別時僅需使用數(shù)量較少的已知分類標簽的支持向量xi及其對應的αi*，利于在實車嵌入式控制中應用。

對得到的并線意圖識別器在實際道路交通環(huán)境中進行了檢驗，其中的1組旁車道車輛并線識別結(jié)果如圖3所示。

圖3 旁車道車輛并線識別結(jié)果

在圖3中旁車初始時處于左車道內(nèi)，在18.5s時開始向主車道方向移動，并于24.9s時完全進入主車道行駛。并線意圖識別器的初識結(jié)果Rr雖能大致反映旁車的并線行為，但是受限于有限訓練樣本對旁車實際行駛中所有并線與非并線行為的代表能力，其識別結(jié)果中仍存在很多誤識別現(xiàn)象。因此對并線意圖識別器的初識結(jié)果做如下后處理：在初識結(jié)果為-1(沒有檢測到并線)時，如果并線意圖識別器在最近4個周期中有3個檢測到并線發(fā)生，則將終識結(jié)果置1(檢測到并線)，否則將終識結(jié)果置為-1；而當初識結(jié)果為1時也做類似處理。由終識結(jié)果Rf可以看出，識別結(jié)果后處理使并線意圖識別的準確率進一步提高。雖然Rf的識別過程相比Rr約有150ms的滯后，但與整體并線過程用時4～6s相比，滯后所占的時間基本可以忽略，因此并不影響在識別到旁車并線行為后對主車的控制。

3 旁車道車輛并線控制策略

由于縱向相對車距dx和碰撞剩余時間Tt(dx/vx)可分別有效反映主車與旁車的相對位置和發(fā)生碰撞的危險程度，因此將dx和Tt作為旁車并線控制的輸入變量?？紤]到模糊控制與人類的推理決策過程較為相似且在控制中不需要使用控制對象的精確模型，因此采用其作為主車運動參數(shù)控制器求解ad。

在模糊控制中，模糊推理通過模糊控制規(guī)則由經(jīng)模糊化后的輸入變量求解模糊輸出，模糊輸出經(jīng)解模糊后可得到數(shù)值化的輸出變量。在輸入變量的模糊化中，考慮到不同dx和Tt對主車行駛安全的影響程度不同，設定其論域分別為[10,70]和[-10.5,-2.5]，并用7個語言變量進行描述：負大(NB)、負中(NM)、負小(NS)、中位(M)、正小(PS)、正中(PM)和正大(PB)，同時將論域外的輸入值保持在論域的邊界上。在解模糊時，考慮到旁車并線控制的應用范圍及主車駕乘人員的舒適性，設定輸出變量ad的論域為[-2.5,0]，并用負極大(NVB)、負大(NB)、負中(NM)、負小(NS)和中位(M)5個語言變量進行描述。輸入變量與輸出變量對各語言變量的隸屬度函數(shù)μ(·)根據(jù)文獻[10]中提出的重疊魯棒性和重疊率進行調(diào)節(jié)，以使隸屬度函數(shù)間的重疊魯棒性在0.3～0.7之間，重疊率在0.2～0.6之間。經(jīng)調(diào)節(jié)后的輸入輸出變量隸屬度函數(shù)如圖4和圖5所示。

模糊控制規(guī)則主要參考駕駛經(jīng)驗確定，采用if A and B then C的邏輯結(jié)構(gòu)形式(其中A和B為輸入，C為輸出)，經(jīng)調(diào)試后的模糊控制規(guī)則如表1所示。

表1 模糊控制規(guī)則

圖4 輸入變量隸屬度函數(shù)

圖5 輸出變量隸屬度函數(shù)

在模糊控制中，模糊推理的模糊蘊含關(guān)系采用Mamdani法則，輸出變量解模糊采用質(zhì)心法，得到不同dx和Tt輸入下ad的輸出曲面，如圖6所示。由此可將模糊控制的輸入輸出關(guān)系離散為一個二維查詢表，以避免車載嵌入式控制器進行復雜的運算，提高實時控制的效率。

圖6 模糊控制輸出曲面

在旁車并線控制器檢測到旁車的并線意圖后，主車進入旁車并線控制還須滿足以下條件。

(1) 主車與旁車的縱向相對車速vx小于0且碰撞剩余時間Tt的絕對值小于11s

當vx<0時旁車車速小于主車車速，旁車在并線過程中才有可能與主車發(fā)生碰撞。如果此時Tt的絕對值小于11s則說明發(fā)生碰撞的風險較大，需要進入旁車并線控制。而當Tt的絕對值大于或等于11s時，雖然dx不斷縮小，但主車在旁車完全進入主車道后仍有足夠的時間采取控制措施，因此為了保證駕乘人員的舒適性，并不進行旁車并線控制。

(2) 主車與旁車的縱向相對車距dx小于主車與主目標車輛的縱向相對車距dp

在主車道內(nèi)存在主目標車輛的情況下，只有當dx

(3) 旁車并線控制中的期望加速度ad小于前車跟隨控制中的期望加速度ap

如果前車跟隨控制輸出的ap小于旁車并線控制輸出的ad，則說明主目標車輛相比旁車對主車的行駛安全威脅更大，因此主車需要首先響應對主目標車輛的控制需求。反之則旁車對主車安全行駛的威脅更大，主車需要進行旁車并線控制。

4 仿真對比研究

利用在先前研究中建立的執(zhí)行機構(gòu)在環(huán)仿真系統(tǒng)[11]針對旁車并線行為進行了未啟用與啟用旁車并線控制的仿真對比研究，結(jié)果如圖7和圖8所示。圖中dp，dd，dx和dy分別為主車與主目標車輛的縱向相對車距、主車的理想車距、主車與旁車的縱向相對車距和側(cè)向相對車距；vh，vs和vp分別為主車車速、旁車車速和主目標車輛車速；aa和ad為主車的實際加速度和期望加速度(其中ap也由ad表示)；αa和αd為主車的實際節(jié)氣門開度和期望節(jié)氣門開度；pd，pal和par分別為主車的期望制動壓力以及左、右側(cè)車輪的實際制動壓力；M為主車所處的控制狀態(tài)，其中0，1，…，6分別代表ACC控制功能關(guān)閉、定速巡航控制、前車跟隨控制、強減速控制、強加速控制、旁車并線控制和緊急避撞控制。

圖7 未啟用旁車并線控制仿真結(jié)果

圖8 啟用旁車并線控制仿真結(jié)果

在圖7與圖8的仿真對比中，主車在初始時刻均以80km/h保持定速巡航行駛，而旁車均位于主車前方123m的左車道內(nèi)以60km/h勻速行駛。旁車在第15s時開始逐漸減速并向主車道內(nèi)并線，最終減速至51km/h于主車道內(nèi)勻速行駛。當未啟用旁車并線控制時，主車在旁車完全進入主車道后(18.7s)才更新主目標車輛以對主車進行控制，因此主車處于強減速模式的時間為3.8s且dx最小時僅為1.9m，此時主車與旁車具有較高的碰撞風險。而當啟用旁車并線控制時，主車在16.7s時即發(fā)現(xiàn)旁車的并線行為并進行減速控制以使主車提前適應旁車的行駛狀態(tài)，由此在旁車進入主車道成為主目標車輛后，主車處于強減速模式的時間減少至2s且dx的最小值增加至11.5m。因此由以上仿真對比可以看出，啟用旁車并線控制可在減小對主車駕乘人員舒適性影響的同時有效提高主車的行駛安全性。

5 實車試驗與結(jié)論

為驗證旁車并線控制在實車應用中的有效性，在平直路面上進行了有環(huán)境車輛參與的實車試驗，試驗場景和試驗結(jié)果分別如圖9和圖10所示，圖中各參數(shù)的意義同圖7和圖8。

圖9 旁車并線控制實車試驗場景

圖10 旁車并線控制實車試驗結(jié)果

在圖9中，主車雷達在試驗初始時刻檢測到距離主車74.5m處以69.8km/h勻速行駛的主目標車輛并在稍后進入前車跟隨控制。在74.8s時主車雷達發(fā)現(xiàn)了處于右側(cè)車道距離主車29.7m以49.6km/h行駛的旁車，此時旁車已開始向主車道并線行駛。主車在76.4s檢測到旁車的并線意圖并進入旁車并線控制。此時由于主車與旁車有潛在的碰撞風險，因此旁車并線控制器產(chǎn)生了絕對值較大的減速度以使主車車速迅速降低。在79.6s旁車完全進入主車道并成為新的主目標車輛，此后主車轉(zhuǎn)入前車跟隨控制并跟隨主目標車輛行駛。

由此可以看出，與只能對主車道目標做出識別和控制的傳統(tǒng)ACC相比，旁車并線控制可在準確判斷旁車并線行為的同時對主車做出適當?shù)奶崆翱刂?，從而增加了主車行駛的安全裕量。此外旁車并線控制與傳統(tǒng)ACC的其它控制功能間可根據(jù)主車行駛工況不同做出及時切換，以保障主車在不同交通環(huán)境下的行駛安全。

[1] LOUWERSE W J R, HOOGENDOORN S P. ADAS Safety Impacts on Rural and Urban Highways[C]. 2004 IEEE Intelligent Vehicles Symposium,14th-17th June 2004:887-890.

[2] LU Meng, WEVERS K, VANDER HEIJDEN R, et al. ADAS Applications for Improving Traffic Safety[C]. 2004 IEEE International Conference on Systems Man and Cybernetics,10th-13th Oct.2004:3995-4002.

[3] XIAO Lingyun, GAO Feng. A Comprehensive Review of the Development of Adaptive Cruise Control Systems[J]. Vehicle System Dynamics,2010,48(10):1167-1192.

[4] MARTINEZ John Jairo, CANUDAS-dE-WIT Carlos. A Safe Longitudinal Control for Adaptive Cruise Control and Stop-and-Go Scenarios[J]. IEEE Transactions on Control Systems Technology,2007,15(2):246-258.

[5] HIDAS Peter. Modelling Vehicle Interactions in Microscopic Simulation of Merging and Weaving[J]. Transportation Research Part C: Emerging Technologies,2005,13(1):37-62.

[6] MOON Seungwuk, KANG Hyoungjin, YI Kyongsu. Multi Vehicle Target Selection for Adaptive Cruise Control[J]. Vehicle System Dynamics,2010,48(11):1325-1343.

[7] RAJAONAH Bako, ANCEAUX Francoise, VIENNE Fabrice. Trust and the Use of Adaptive Cruise Control: A Study of a Cut-in Situation[J]. Cognition Technology and Work,2006,8(2):146-155.

[8] MA Guocheng, LIU Zhaodu, PEI Xiaofei, et al. Design of the Pressure Regulation Algorithm for Active Braking in Vehicle ACC System[J]. Journal of Beijing Institute of Technology,2011,19(4):483-489.

[9] 馬國成,劉昭度,裴曉飛,等.汽車自適應巡航控制主動制動實現(xiàn)方法[J].北京理工大學學報,2012,32(2):120-124.

[10] KESHMIRI Roozbeh, SHAHRI Alireza Mohamad. Intelligent ABS Fuzzy Controller for Diverse Road Surfaces[J]. International Journal of Mechanical Industrial Science and Engineering,2007,1(5):48-53.

[11] 馬國成,劉昭度,裴曉飛,等.汽車自適應巡航中執(zhí)行機構(gòu)在環(huán)仿真與前車跟隨控制器設計[J].北京理工大學學報,2013,33(7):675-679.

A Research on the Side-lane Vehicle Cut-inControl in Adaptive Cruise Control System

Zou Yuan1, Wei Shouyang1, Ma Guocheng1, Liu Zhaodu1& Zhang Dong2

1.BeijingInstituteofTechnology,CollaborativeInnovationCenterforElectricVehicles,Beijing100081 2.BAICMotorSalesCo.,Ltd.,Beijing100028

To remedy the defect of adaptive cruise control (ACC) regarding the time-lag in controlling side-lane vehicle cut-in maneuver and fully utilize its original functions, a side-lane vehicle cut-in controller based on hierarchy structure is designed. The controller is then trained by fuzzy support vector machine with side-lane vehicle cut-in data acquired under real traffic environment, with a cut-in intent identifier generated for detecting the cut-in maneuver of side-lane vehicle. With the longitudinal relative distance between host vehicle and side-lane vehicle and impact remaining time as inputs, and utilizing the desired acceleration generated by fuzzy control to adjust the desired movement state of host vehicle, the dynamics control of host vehicle is fulfilled by ACC system. The results of simulation and real vehicle test show that the side-lane vehicle cut-in controller designed can work coordinately with other functions of ACC system, effectively improving the driving safety of host vehicle under the condition of cut-in maneuver of side-lane vehicle.

driver assistance system; side-lane vehicle cut-in control; cut-in intent detection; adaptive cruise control

*國家自然科學基金(51375044)和國防基礎科研項目(B20132010)資助。

原稿收到日期為2014年5月8日，修改稿收到日期為2015年4月29日。