黃海洋 劉秋錚

（中國(guó)第一汽車集團(tuán)有限公司 智能網(wǎng)聯(lián)開(kāi)發(fā)院 智能駕駛研究所，長(zhǎng)春 130000）

主題詞：路徑跟蹤 控制 自動(dòng)駕駛 網(wǎng)聯(lián)汽車 編隊(duì)行駛

1 前言

近年來(lái)隨著傳感器、計(jì)算平臺(tái)、線控執(zhí)行等技術(shù)的快速發(fā)展，自動(dòng)駕駛車輛逐漸成為汽車行業(yè)的研究熱點(diǎn)。自動(dòng)駕駛車輛軟件通?？煞譃槿龑樱涵h(huán)境感知層、規(guī)劃決策層、執(zhí)行控制層。路徑跟蹤控制技術(shù)作為執(zhí)行控制層的核心內(nèi)容，主要通過(guò)結(jié)合控制理論及車輛動(dòng)力學(xué)特性，控制方向盤轉(zhuǎn)角使得車輛沿著規(guī)劃決策層所規(guī)劃的路徑行駛，其控制的精度、平滑程度等影響著自動(dòng)駕駛車輛的行駛安全性、平順性等諸多性能，一直占據(jù)著車輛控制領(lǐng)域的研究熱點(diǎn)。

常規(guī)工況下的路徑跟蹤控制技術(shù)已有了較為成熟的應(yīng)用，按照使用模型不同可分為基于幾何/運(yùn)動(dòng)學(xué)模型的方法和基于動(dòng)力學(xué)模型的方法[1]，其中基于幾何/運(yùn)動(dòng)學(xué)模型的方法，通常將車輛簡(jiǎn)化為四輪機(jī)器人剛性結(jié)構(gòu)，由于相對(duì)簡(jiǎn)單計(jì)算量小，已有較多實(shí)車應(yīng)用，如在DAPRA挑戰(zhàn)賽中首次使用的Stanly方法，名古屋大學(xué)的自動(dòng)駕駛開(kāi)源項(xiàng)目Autoware中使用的純跟蹤方法等?；趧?dòng)力學(xué)模型的方法考慮車輛輪胎側(cè)偏等動(dòng)力學(xué)特性，常結(jié)合線性二次型調(diào)節(jié)器、模型預(yù)測(cè)控制等最優(yōu)控制理論，實(shí)現(xiàn)預(yù)瞄窗口內(nèi)綜合控制偏差及控制調(diào)節(jié)量代價(jià)最小的目標(biāo)，如百度阿波羅的自動(dòng)駕駛開(kāi)源項(xiàng)目中所使用的橫向控制器即為L(zhǎng)QR和MPC。

此類路徑跟蹤控制技術(shù)已經(jīng)能夠基本滿足常規(guī)自動(dòng)駕駛車輛在常規(guī)工況（如附著良好、轉(zhuǎn)彎平緩）的使用需求，通過(guò)2018世界先進(jìn)車輛控制大會(huì)的相關(guān)路徑跟蹤控制研究報(bào)告，我們不難發(fā)現(xiàn)車輛控制領(lǐng)域近年來(lái)的研究熱點(diǎn)，已經(jīng)逐漸從常規(guī)簡(jiǎn)單工況的路徑跟蹤向考慮更多影響因素、覆蓋場(chǎng)景更為全面的路徑跟蹤控制偏移，包括極限工況下的路徑跟蹤控制、網(wǎng)聯(lián)車輛協(xié)同路徑跟蹤控制、特種車輛的路徑跟蹤控制等，研究覆蓋更為全面，使得未來(lái)智能車輛的應(yīng)用場(chǎng)景更為豐富。

2 極限工況下的路徑跟蹤控制

極限工況主要指輪胎力達(dá)到地面附著極限的工況。比較典型的研究方向?yàn)橥ㄟ^(guò)控制后輪先達(dá)到輪胎力飽和，使得車輛后軸側(cè)滑并穩(wěn)定沿目標(biāo)軌跡形式的漂移路徑跟蹤控制，這類研究旨在實(shí)現(xiàn)后軸側(cè)滑情況下穩(wěn)定控制車輛沿既定軌跡行駛，提高未來(lái)自動(dòng)駕駛車輛特殊極限工況下的安全性。

韓國(guó)首爾大學(xué)的Eunhyek Joa等人[2]，通過(guò)將車輛總體橫擺角速度分解為自身轉(zhuǎn)動(dòng)和繞瞬時(shí)旋轉(zhuǎn)中心的轉(zhuǎn)動(dòng)，設(shè)計(jì)上層控制器計(jì)算目標(biāo)前后軸的側(cè)向力，然后由下層控制器通過(guò)控制方向盤轉(zhuǎn)角實(shí)現(xiàn)前軸側(cè)向力，通過(guò)驅(qū)動(dòng)力控制后軸滑移率,改變縱向力大小從而間接控制飽和的后軸側(cè)向力，實(shí)現(xiàn)漂移路徑跟蹤控制。

圖1 漂移目標(biāo)路徑[3]

斯坦福大學(xué)的Jonathan等人[3]通過(guò)單軌車輛動(dòng)力學(xué)模型構(gòu)建了路徑跟蹤控制器，通過(guò)控制車輛速度矢量的旋轉(zhuǎn)在曲線坐標(biāo)系下跟蹤橫向偏差，控制車輛相對(duì)于速度矢量的橫擺速度來(lái)調(diào)節(jié)車輛側(cè)偏，然后利用非線性逆模型及輪速閉環(huán)控制得出最終的方向盤轉(zhuǎn)角和驅(qū)動(dòng)力矩控制量。實(shí)車試驗(yàn)結(jié)果顯示在如圖1所示的軌跡，轉(zhuǎn)彎半徑約7 m和20 m，車速范圍在25-45 km/h，側(cè)偏角最大達(dá)到40°的情況下，其依然可達(dá)到良好的橫向偏差和側(cè)偏角跟蹤精度。

對(duì)于傳統(tǒng)車輛而言通常具有不足轉(zhuǎn)向特性，因此在極限狀況下多數(shù)情況為前軸先于后軸達(dá)到輪胎極限，由此通常會(huì)導(dǎo)致通過(guò)方向盤的轉(zhuǎn)向控制無(wú)法有效控制車輛跟隨期望路徑。針對(duì)這種極限情況，Victor等人[4]利用最優(yōu)控制理論，通過(guò)在控制回路中的比例反饋實(shí)現(xiàn)極限輪胎力控制，具有較小的硬件計(jì)算資源消耗。

而Vincent等人[5]人提出了一種新型控制方法，其通過(guò)控制縱向速度來(lái)進(jìn)行路徑跟蹤，而轉(zhuǎn)向控制用來(lái)使前輪在轉(zhuǎn)彎過(guò)程中接近最大側(cè)偏角，通過(guò)實(shí)驗(yàn)對(duì)比發(fā)現(xiàn)，在路面附著估計(jì)不準(zhǔn)確的情況下，該方法相對(duì)傳統(tǒng)通過(guò)轉(zhuǎn)向控制跟蹤路徑的方式，更能夠充分利用輪胎附著力并且有效跟蹤路徑。

Vivian等人[6]則針對(duì)模型預(yù)測(cè)控制（MPC）中采用的輪胎模型通常難以實(shí)現(xiàn)在全輪胎力范圍內(nèi)一致的跟蹤性能問(wèn)題，提出了一種新型的刷子輪胎模型線性化方法，可以有效應(yīng)對(duì)從車輛靜止起步到極限轉(zhuǎn)彎的全部應(yīng)用場(chǎng)景，基于MPC控制框架的Golf GTI實(shí)車試驗(yàn)顯示，在車速過(guò)高過(guò)彎的工況下由于輪胎縱向力過(guò)大，導(dǎo)致可用的轉(zhuǎn)向橫向力減少的情況下，控制器通過(guò)輪胎模型可準(zhǔn)確預(yù)測(cè)到側(cè)向力的飽和狀態(tài)，從而避免了飽和狀態(tài)下因過(guò)大的方向盤轉(zhuǎn)角控制量，反而使得車輛轉(zhuǎn)向不足特性更加嚴(yán)重的現(xiàn)象。

由此可見(jiàn)不管是利用后軸側(cè)滑，還是基于控制縱向速度減小車輛轉(zhuǎn)向不足的方法跟蹤目標(biāo)路徑，均較為依賴對(duì)于輪胎力的建模與控制，是保證極限應(yīng)用場(chǎng)景下自動(dòng)駕駛安全性的基礎(chǔ)，此類研究對(duì)于自動(dòng)駕駛技術(shù)從L4限定場(chǎng)景升級(jí)為L(zhǎng)5全場(chǎng)景的自動(dòng)駕駛具有重要的意義。

3 網(wǎng)聯(lián)車輛協(xié)同路徑跟蹤控制

網(wǎng)聯(lián)車輛協(xié)同控制的目標(biāo)在于提升整體安全性、通行效率等優(yōu)點(diǎn)，其研究?jī)?nèi)容主要集中在兩方面，針對(duì)編隊(duì)行駛車輛的路徑跟蹤控制和網(wǎng)聯(lián)自動(dòng)駕駛車輛的協(xié)同換道控制。

高速公路的貨車自動(dòng)編隊(duì)行駛可有效減少貨運(yùn)司機(jī)人力成本，提升燃油經(jīng)濟(jì)性，增加道路通行效率。隊(duì)列行駛的貨車由于后車的目標(biāo)軌跡是由前車的實(shí)際行駛軌跡決定，如果在橫向控制中出現(xiàn)后車橫向超出前車行駛軌跡的情況，則很有可能引發(fā)后車陸續(xù)橫向更加發(fā)散的駛出車道，危及行駛安全性。Omar等人[7]針對(duì)這種穩(wěn)定性問(wèn)題進(jìn)行了橫向控制研究，其在保證路徑跟蹤的總體控制目標(biāo)的同時(shí)，將橫向隊(duì)列穩(wěn)定性建模為控制目標(biāo)，設(shè)計(jì)了H∞控制器，并通過(guò)仿真及實(shí)車實(shí)驗(yàn)驗(yàn)證了其變道工況下的橫向隊(duì)列穩(wěn)定性。

多車輛同時(shí)變道是較為常見(jiàn)且容易發(fā)生事故的駕駛場(chǎng)景，而隨著車載網(wǎng)聯(lián)通信技術(shù)的發(fā)展，多車協(xié)同自動(dòng)控制將有效提高駕駛安全性和通行效率。Ji?ang等人[8]設(shè)計(jì)了兩層控制器，上層控制器考慮車輛動(dòng)力學(xué)特性及多車輛換道軌跡，提出“最大風(fēng)險(xiǎn)位置”的概念，利用博弈論建模計(jì)算調(diào)整本車的期望橫向、縱向加速度控制目標(biāo)，下層控制器則根據(jù)當(dāng)前車輛狀態(tài)及特性控制執(zhí)行器實(shí)現(xiàn)期望加速度，通過(guò)與其他兩種模型的仿真控制結(jié)果對(duì)比，該策略能夠更有效的在較多車輛場(chǎng)景下實(shí)現(xiàn)協(xié)同換道控制，在多于3輛車同時(shí)換道的場(chǎng)景下完成了接近98%的換道成功率（其他兩種僅為8%和30%左右，見(jiàn)圖2），在保證安全的前提下提升通行效率。

圖2 多車輛協(xié)同換道成功率[8]

4 特種車輛的路徑跟蹤控制

特種車輛通常具有多轉(zhuǎn)向軸、鉸鏈連接、履帶等結(jié)構(gòu)特點(diǎn)，其自動(dòng)駕駛路徑跟蹤控制減少了運(yùn)營(yíng)公司對(duì)于經(jīng)驗(yàn)豐富駕駛員的依賴，在危險(xiǎn)品運(yùn)輸?shù)雀呶?chǎng)景作業(yè)能夠減少事故傷害，具有良好的應(yīng)用場(chǎng)景。

Wang等[9]針對(duì)如圖3所示的大型集裝箱運(yùn)輸車輛的路徑跟蹤控制進(jìn)行了研究，該類型車輛軸距較長(zhǎng)，且裝載貨物質(zhì)量不定導(dǎo)致車輛質(zhì)心高度經(jīng)常變化，車輛轉(zhuǎn)向時(shí)如果側(cè)向加速度過(guò)大有側(cè)傾危險(xiǎn)，因此其首先采用遞歸最小二乘法估計(jì)車輛質(zhì)量，結(jié)合考慮側(cè)傾特性的車輛三自由度模型及LQR最優(yōu)控制方法，實(shí)現(xiàn)了有效穩(wěn)定的自動(dòng)路徑跟蹤控制。

圖3 智能集裝箱運(yùn)輸車[9]

Kang等[10]針對(duì)履帶車輛的路徑跟蹤控制，創(chuàng)建了如圖4所示的運(yùn)動(dòng)學(xué)跟蹤模型，采用新型RBF神經(jīng)網(wǎng)絡(luò)的控制方式，以橫向偏差和角度偏差作為網(wǎng)絡(luò)輸入，輸出左右兩側(cè)履帶旋轉(zhuǎn)目標(biāo)角速度，以產(chǎn)生不同滑移率控制車輛轉(zhuǎn)向?qū)崿F(xiàn)目標(biāo)路徑的跟蹤，并證明了對(duì)地形具有良好的適應(yīng)性，可應(yīng)用于復(fù)雜的工作場(chǎng)景下。

Yutaka[11]等則對(duì)鉸鏈?zhǔn)桨霋燔囕v（圖5）的自動(dòng)泊車控制進(jìn)行了研究，通過(guò)純跟蹤控制和鉸鏈角的反饋補(bǔ)償控制，實(shí)現(xiàn)了倒車過(guò)程中的路徑跟蹤，減少了泊車過(guò)程中對(duì)駕駛員高級(jí)駕駛技巧的依賴。

圖4 履帶車輛路徑跟蹤運(yùn)動(dòng)學(xué)模型[10]

圖5 鉸鏈?zhǔn)桨霋燔囕v[11]

由此可以看出，在對(duì)特種車輛進(jìn)行路徑跟蹤控制時(shí)，需要在車輛建模及控制目標(biāo)中考慮車輛結(jié)構(gòu)及行駛特點(diǎn)，保證路徑跟蹤精度及車輛穩(wěn)定性。

5 結(jié)束語(yǔ)

簡(jiǎn)單場(chǎng)景下的自動(dòng)駕駛路徑跟蹤控制技術(shù)已經(jīng)發(fā)展成熟，當(dāng)前研究熱點(diǎn)主要在于提升控制效果和覆蓋更多應(yīng)用場(chǎng)景。

極限工況下的路徑跟蹤控制研究，促使自動(dòng)駕駛覆蓋場(chǎng)景越來(lái)越豐富，促進(jìn)著自動(dòng)駕駛技術(shù)逐步向L5等級(jí)進(jìn)步。

網(wǎng)聯(lián)技術(shù)使得自動(dòng)駕駛車輛協(xié)同工作，可節(jié)約人力成本，提升整體安全性和道路通行效率。

特種車輛的自動(dòng)駕駛可減少對(duì)于具有高級(jí)駕駛經(jīng)驗(yàn)駕駛員的依賴，同時(shí)可減小高危場(chǎng)景下的事故人身傷害。