李亞勇，蔡英鳳，陳 龍，孫曉強(qiáng)，何友國，張云順

（1.江蘇大學(xué)汽車與交通工程學(xué)院，鎮(zhèn)江 212013； 2.江蘇大學(xué)汽車工程研究院，鎮(zhèn)江 212013）

前言

交通擁擠和堵塞現(xiàn)象成為許多國家大中城市所面臨的一個日趨嚴(yán)重、較難解決的問題，交通擁擠造成一系列問題，如能源的過多消耗、環(huán)境的污染和給人們的生活帶來不便等，而智能車的研究正是為了解決這些問題。隨著汽車工業(yè)和智能技術(shù)的快速發(fā)展，智能駕駛迅速發(fā)展，輔助駕駛甚至是無人駕駛將越來越普遍，這也符合了人們對交通工具高效、環(huán)保、安全的要求。

智能駕駛是在網(wǎng)絡(luò)環(huán)境下用計算機(jī)技術(shù)、信息技術(shù)和智能控制技術(shù)與執(zhí)行機(jī)構(gòu)結(jié)合起來的，旨在從轉(zhuǎn)向盤上解放人類雙手的駕駛系統(tǒng)。自適應(yīng)巡航系統(tǒng)（ACC）是目前發(fā)展比較成熟、應(yīng)用比較廣泛的輔助型智能駕駛系統(tǒng)，它能在一定程度上減少交通事故、交通堵塞等問題。對于自適應(yīng)巡航系統(tǒng)和人工勢場，已有很多學(xué)者做了深入研究，文獻(xiàn)［1］中詳細(xì)講解了自適應(yīng)巡航控制系統(tǒng)，Shladover等人給出了協(xié)同自適應(yīng)巡航控制的定義和操作概念［2］，Chamraz等人研究了巡航系統(tǒng)的PI和PID控制器和調(diào)節(jié)參數(shù)［3］，Milanés等人基于實驗數(shù)據(jù)，建立了協(xié)同和自主自適應(yīng)巡航控制動態(tài)響應(yīng)模型［4］，Luo研究了考慮人類駕駛心理的自適應(yīng)巡航控制的設(shè)計［5］，Ploeg等人對在交通流中 CACC和 ACC車輛混合場景相互轉(zhuǎn)化進(jìn)行了研究［6］，李肖含研究了汽車自適應(yīng)巡航控制系統(tǒng)模糊控制策略［7］，張德兆等人提出了一種用于加速度連續(xù)型自適應(yīng)巡航控制模式切換［8］，高振海等人提出了一種基于粒子群優(yōu)化算法的模糊自校正控制器參數(shù)優(yōu)化方法［9］，尤洋對汽車自適應(yīng)巡航系統(tǒng)自調(diào)整因子模糊控制器優(yōu)化［10］，詹軍對基于駕駛員特征的汽車自適應(yīng)巡航控制進(jìn)行研究［11］，朱敏和陳慧巖研究了考慮車間反應(yīng)時距的汽車自適應(yīng)巡航控制策略［12］，Chao等人將人工勢場運用于自主水下航行器路徑規(guī)劃［13］，Rasekhipour等人把勢場運用于車輛模型預(yù)測路徑規(guī)劃的控制器設(shè)計［14］，Li等人在研究中運用了人工勢場的路徑規(guī)劃模型［15］，Chen等人研究了更新的人工勢場用于路徑規(guī)劃［16］，來雷等人提出用人工勢場構(gòu)造出多車協(xié)同控制模型［17］。

上述自適應(yīng)巡航控制系統(tǒng)（ACC）都只考慮了前方車輛的行為信息，對防止追尾等交通事故沒有幫助，對于緩解交通擁擠取決于所設(shè)置的巡航距離，因此本文中提出考慮前后方車輛運動狀態(tài)來自主調(diào)節(jié)跟車距離的控制方法，而考慮速度這一因素的人工勢場法能很好地運用在本環(huán)境下，基于新型人工勢場方法，把前后車輛視為兩個勢場，構(gòu)建在全局勢場中混合受力函數(shù)，利用兩個勢場的引力的拉近和斥力的推遠(yuǎn)來控制中間車輛最終處于平衡的安全位置。并用實驗驗證了所提出的想法，進(jìn)而彌補(bǔ)了現(xiàn)有的自適應(yīng)巡航系統(tǒng)只考慮前方車輛的弊端，也彌補(bǔ)了將新型人工勢場運用到車輛自適應(yīng)巡航方面的空白。

1 人工勢場理論

人工勢場是Khatib為解決機(jī)械手避障問題提出的［18］，其方法是將移動的機(jī)器人所處的環(huán)境用勢場來定義，即構(gòu)造目標(biāo)位置引力場和障礙物斥力場共同作用的人工勢場，引力場對運動物體發(fā)出引力，吸引運動物體向目標(biāo)點位置運動，斥力場的斥力阻止運動物體向障礙物方向運動。

經(jīng)典的人工勢場法，引入以下勢場函數(shù)。

引力勢場函數(shù)：

運動物體所受的引力為

式中：Ka為位置增益系數(shù)；X為個體當(dāng)前位置；Xg為目標(biāo)點位置。

斥力勢場函數(shù)：

運動物體所受到的斥力：

式中：Kr為斥力勢場常量；ρ（X，Xg）為運動物體與障礙物之間的距離；ρ0為斥力勢場的影響距離。

由于傳統(tǒng)人工勢場對于靜態(tài)環(huán)境下效果較好，而在動態(tài)環(huán)境下，傳統(tǒng)勢場法對運動物體的控制效果較差，研究人員將傳統(tǒng)人工勢場進(jìn)行了改進(jìn)，將車速這一參量考慮其中［11］，得到改進(jìn)的人工勢場函數(shù)：

式中：Kav和Krv為增益常數(shù)；v和vg分別為個體和目標(biāo)體的運動速度。

2 車輛動力學(xué)模型和人工勢場模型

2.1 動力學(xué)模型

本文中采用3自由度動力學(xué)模型［20］，如圖1所示。ψ為車輛橫擺角；M為車輛整車質(zhì)量；Iz為車輛繞質(zhì)心（cg）z軸的轉(zhuǎn)動慣量；lf，lr分別為前后軸距離質(zhì)心的距離；vx和vy分別為車輛沿x軸和y軸的縱向速度和側(cè)向速度；β，r分別為質(zhì)心側(cè)偏角和橫擺角速度；Fyf，F(xiàn)yr分別為前軸和后軸輪胎受到的側(cè)向合力；δ為前輪轉(zhuǎn)角；Iz為繞質(zhì)心的轉(zhuǎn)動慣量。根據(jù)動力學(xué)模型示意圖得到：

圖1 3自由度動力學(xué)模型

不考慮路面?zhèn)葍A和俯仰角，即路面?zhèn)葍A角φ＝0，俯仰角θ＝0，車輛在側(cè)向和縱向沒有受到重力的影響；并假設(shè)車輛在橫向上不受到滾動阻力的影響，橫向上相對風(fēng)速為零，即忽略空氣阻力對橫向運動的影響；假設(shè) δ較小，cosδ≈1，sinδ≈0。設(shè)前后輪的附著率 kf，kr相等，前后輪受到的正壓力 Fzf，F(xiàn)zr之理可得

其中縱向加速度·vx和前輪轉(zhuǎn)角δ可作為控制輸入。

2.2 新型人工勢場控制器設(shè)計

目前，把人工勢場運用到車輛的避障控制和車道保持上已有不少學(xué)者研究頗深，而本文中從傳統(tǒng)勢場理論出發(fā)，在借鑒了添加速度變量的改進(jìn)基礎(chǔ)上，把前后兩輛車作為兩個勢場，基于新型人工勢場方法，構(gòu)建在全局勢力場中混合受力函數(shù)，利用兩個勢場的引力的拉近和斥力的推遠(yuǎn)來控制中間車輛最終處于平衡的安全位置。調(diào)整效果如圖2和圖3所示，圖2為車輛初始位置示意圖，圖3為車輛調(diào)節(jié)結(jié)束位置示意圖。

計算本車在兩個勢場中所受的力，假設(shè)本車能夠獲取前后方車輛的位置和速度信息，使受控車輛能在考慮前后車輛位置和速度信息的基礎(chǔ)上自動調(diào)節(jié)與前后車的跟車距離。構(gòu)造出本車在全局勢場中所受到的合力：

圖2 車輛初始位置示意圖

圖3 車輛調(diào)節(jié)結(jié)束位置示意圖

式中：Ka1，Ka2，Kr1，Kr2分別為前后車輛構(gòu)建的引力和斥力勢場位置增益系數(shù)；Kav1，Kav2，Krv1，Krv2分別為前后車輛構(gòu)建的引力和斥力勢場速度增益函數(shù)；X1，X2，v1，v2分別為前后車輛的位置和速度；ρ1（X，X1），ρ2（X，X2）分別為本車與前后車的距離。

在得到動力學(xué)模型之后還須與人工勢場模型結(jié)合起來，車輛控制系統(tǒng)如圖4所示。具體步驟是，將自動駕駛車輛通過傳感器獲得的前后方向車輛位置X和速度v作為特征量，在考慮前后車的基礎(chǔ)上根據(jù)新型人工勢場理論確定控制函數(shù)Fsd，并計算出Fsd的數(shù)值，控制函數(shù)Fsd作為負(fù)反饋與車輛當(dāng)前合力Fs形成對比誤差，若Fs＝Fsd，則本車所處位置無須調(diào)整，車輛繼續(xù)按當(dāng)前狀態(tài)前進(jìn)，若Fs≠Fsd，經(jīng)過PID調(diào)節(jié)修正誤差，形成反饋的閉合回路，進(jìn)而不斷修正車輛合力使其能夠按照函數(shù)Fsd控制前后車距，最后達(dá)到 Fs＝Fsd。

圖4 車輛控制系統(tǒng)圖

3 仿真分析

本文中基于MATLAB／Simulink仿真系統(tǒng)，搭建仿真系統(tǒng)模型，采用表1中的動力學(xué)模型數(shù)據(jù)，對設(shè)計出的人工勢場控制器進(jìn)行了兩種擁擠道路工況下的仿真。

表1 仿真整車參數(shù)表

搭建的由PID調(diào)節(jié)人工勢場模型來控制動力學(xué)模型的仿真系統(tǒng)如圖5所示。

3.1 第1種工況

第1種工況設(shè)置為：初始時，本車和前、后車輛都以10 m／s的速度勻速行駛，所以前后車間距不變，本車距離后車較近，導(dǎo)致前方有一大段道路空白，后方擁擠，降低了道路利用率。這時本車?yán)萌斯輬隹刂破?，使本車?0 m／s開始加速，主動調(diào)節(jié)本車位置到最佳位置。仿真時間為20 s，Ka1＝Ka2＝150，Kr1＝Kr2＝120，由于前后車輛速度不變，本車車速也相差不大，故取 Kav1＝Kav2＝1，Krv1＝Krv2＝1，前后車的初始位置X1＝-1，X2＝50，前后車的速度為v1＝v2＝10 m／s，斥力勢場影響距離 ρ0＝30 m。仿真結(jié)果如圖6～圖9所示。

圖6為本車與前后車距離ρ的時間歷程圖?？梢钥闯觯拒噺某跏嘉恢?，基本經(jīng)過兩次調(diào)整在仿真進(jìn)行到10 s時達(dá)到了平衡位置，調(diào)整效果比較理想，保證了調(diào)整效率和人員安全。由于設(shè)置的前后車間距離保持在51 m，最后的平衡位置落在與前后車距25 m左右的位置。圖7和圖8為本車的速度v和加速度a的時間歷程圖。可以清楚地看到，在調(diào)整位置過程中本車車速的變化是先加速，速度最高達(dá)到17.62 m／s，到靠近前車位置后減速，車速穩(wěn)定在與前后車速相同的10 m／s。圖9為本車所受勢場合力Fs的時間歷程圖?？梢钥闯?，在靠近后車或前車的地方受到的勢場力比較大，這也符合了人工駕駛的結(jié)果。

圖5 新型人工勢場控制系統(tǒng)仿真框架圖

圖6 本車與前后車距離ρ的時間歷程圖

圖7 本車速度v的時間歷程圖

圖8 本車加速度a的時間歷程圖

圖9 本車所受勢場合力F s的時間歷程圖

3.2 第2種工況

第2種工況設(shè)置為：本車距離后車較近，后車速度先是大于前車，后減速到與前車同速，本車通過調(diào)整，在不斷縮小的安全距離內(nèi)自適應(yīng)尋找最佳位置。以此來縮短整個擁擠交通流的車車間距，提高道路利用率，減輕擁擠。仿真時間為30 s，Ka1＝Ka2＝150，Kr1＝Kr2＝120，按本工況，將參數(shù)調(diào)整為 Kav1＝Kav2＝5，Krv1＝Krv2＝1，前后車的初始位置 X1＝-1，X2＝150，前車速度為 v1＝10 m／s，后車速度為 v2＝15 m／s，本車初始車速為v＝15 m／s，斥力勢場影響距離 ρ0＝30 m。仿真結(jié)果如圖10～圖13所示。

圖10 本車與前后車距離ρ的時間歷程圖

圖11 本車的速度v的時間歷程圖

從仿真結(jié)果來看，調(diào)整效果比較高效。圖10為本車與前后車距離ρ的時間歷程圖?？梢钥闯觯拒噺某跏嘉恢?，基本經(jīng)過兩次調(diào)整在仿真進(jìn)行到7.5 s時就達(dá)到了平衡位置，調(diào)整效果比較理想，保證了調(diào)整效率和人員安全。由于設(shè)置的前后車間距離是變化的，在7.5 s以后就看到本車與前后車距離以相同速率在下降，在20 s后車降速后，再次快速調(diào)整到平衡位置。圖11和圖12為本車的速度v和加速度a的時間歷程圖?？梢郧宄乜吹?，在調(diào)整位置過程中本車車速的變化是先加速，速度最高達(dá)到47.5 m／s，到靠近前車位置后減速調(diào)整，車速穩(wěn)定在與前后車速的中間值12.5 m／s，在20 s時由于后車減速，本車迅速做出調(diào)整最后把速度維持在10 m／s。圖13為本車所受勢場合力Fs的時間歷程圖。可以看出，在靠近后車或前車的地方受到的勢場力比較大，能看到在環(huán)境變化時做出的及時調(diào)整，最終處于受力為零的平衡狀態(tài)。

圖12 本車的加速度a的時間歷程圖

圖13 本車所受勢場合力F s的時間歷程圖

4 結(jié)論

本文中提出了利用新型人工勢場方法構(gòu)建一種考慮前后車輛行為信息自適應(yīng)調(diào)節(jié)與前后車輛間距的方法?；谛滦腿斯輬龇椒ǎ亚昂筌嚳醋鰞蓚€勢場，構(gòu)建在全局勢場中混合受力函數(shù)，利用兩個勢場引力的拉近和斥力的推遠(yuǎn)來控制中間車輛最終處于平衡的安全位置。并用實驗驗證了所提出的思路，進(jìn)而彌補(bǔ)了現(xiàn)有的自適應(yīng)巡航系統(tǒng)只考慮前方車輛的弊端。實驗工況1表明，使用本控制方法在一定程度上緩解了擁擠工況下的擁堵情況；實驗工況2則演示了通過本車的控制，解決后車追尾的安全問題，且從實驗的調(diào)整效果看，調(diào)整效果好，控制精度高，響應(yīng)快。但整個系統(tǒng)尚不完整，還有很多需要完善之處，比如：如果后車持續(xù)逼近，本車在調(diào)整到最后仍然無法避免追尾事故；系統(tǒng)的抗干擾能力還未進(jìn)行驗證；本控制系統(tǒng)還只是在初級層面，還須將理論進(jìn)一步深化研究，這些將會在下一步研究中逐步解決。