基于模擬駕駛員多目標決策的汽車自適應巡航控制算法*

高振海，嚴 偉，李紅建，胡振程

(1.吉林大學，汽車仿真與控制國家重點實驗室，長春 130022; 2.中國第一汽車集團公司技術中心，長春 130011)

?

2015118

基于模擬駕駛員多目標決策的汽車自適應巡航控制算法*

高振海1，嚴 偉1，李紅建2，胡振程1

(1.吉林大學，汽車仿真與控制國家重點實驗室，長春 130022; 2.中國第一汽車集團公司技術中心，長春 130011)

汽車自適應巡航控制系統(tǒng)根據(jù)本車與前車之間的相對距離和相對速度，綜合考慮車間行駛安全性、本車縱向動力學特性和駕乘人員的舒適性等多個相互關聯(lián)且存在一定矛盾的性能指標，實現(xiàn)本車與前車安全車間距的保持控制。針對這一多目標協(xié)調控制問題，本文在動態(tài)輸出反饋控制框架下，模擬真實駕駛員對車間距控制的行為特性，利用汽車行駛狀態(tài)和控制變量建立了安全性、輕便性、舒適性和工效性指標，進而基于不變集和二次有界性理論提出了以上多性能指標的動態(tài)協(xié)調控制機制，建立了一套自適應巡航控制系統(tǒng)的車間距控制算法。最終通過跟隨、駛離和切入3種典型工況的仿真，驗證了算法對安全車間距保持和協(xié)調多性能指標的可行性和有效性。

自適應巡航;車間距控制;多目標協(xié)調;控制約束;二次有界性

前言

汽車自適應巡航控制(adaptive cruise control, ACC)系統(tǒng)在傳統(tǒng)定速巡航控制基礎上，可以根據(jù)本車與前車之間相對運動關系，主動控制汽車縱向速度，以保持本車與前車的安全車間距[1]。伴隨著汽車安全技術的發(fā)展，ACC已成為國際汽車安全研究領域的焦點。

早期的ACC研究多為在汽車固有的加速和制動等縱向動力學性能基礎上確定一個合適的安全車間距，直接根據(jù)本車與前車之間的相對距離和相對速度等信息實施距離控制或速度控制[2]。隨著研究的深入，研究人員嘗試兼顧車與車之間的行駛安全性和駕乘人員舒適性等多個相互關聯(lián)且存在一定矛盾的性能指標，采用多目標決策技術解決本車與前車安全車間距的保持控制問題[2]。

近年來國際上ACC研究的最新發(fā)展趨勢和前沿技術是利用模型預測控制(model predictive control, MPC)對多性能指標的協(xié)調控制特點，將ACC系統(tǒng)的多目標決策問題轉化為多性能指標協(xié)調控制。如文獻[3]中應用MPC理論建立安全車間距的過渡操作，并設置控制約束和狀態(tài)約束以滿足舒適性和安全性要求。文獻[4]中將MPC理論應用于穩(wěn)態(tài)跟隨車間距控制算法的設計，協(xié)調了燃油經(jīng)濟性、跟蹤性能和駕駛員期望響應等性能。但由于MPC算法本身存在計算復雜等問題，每個采樣時刻的計算時間可能超過ACC系統(tǒng)的采樣時間，導致系統(tǒng)性能惡化；MPC算法也要求模型的外部干擾是可測的(車間相對運動學的外部干擾，即前車加速度一般不可測)。研究人員也提出了一些改進型MPC方法，如文獻[5]中在ACC系統(tǒng)決策算法設計中引入顯式MPC，通過離線求解優(yōu)化算法在線查表降低了在線計算時間。

ACC系統(tǒng)研究的出發(fā)點是輔助或替代真實駕駛員去實現(xiàn)安全車間距的保持。如何有效利用并模擬真實熟練駕駛員對兩車安全間距的控制行為特性，是實現(xiàn)ACC控制且保證控制算法能被乘員廣為接受的有效技術途徑。

為此，本文中在文獻[6]中關于駕駛員速度控制行為研究的基礎上，模擬真實駕駛員對汽車安全間距控制以及對行駛安全性、操控便利性、乘坐舒適性和駕駛任務完成的快捷性等多目標協(xié)調控制，在動態(tài)輸出反饋(dynamic output feedback, DOF)控制框架下，利用汽車行駛狀態(tài)和控制變量建立了安全性、輕便性、舒適性和工效性指標，并基于不變集和二次有界性理論建立了以上多性能指標的動態(tài)協(xié)調控制機制，將理想縱向加速度的決策轉化為帶有狀態(tài)約束和控制約束的系統(tǒng)的鎮(zhèn)定問題，實現(xiàn)了保持ACC系統(tǒng)安全車間距的理想控制目標的動態(tài)決策。最后通過跟隨、駛離和切入等ACC典型行駛工況的性能仿真，驗證了算法對安全車間距保持的有效性和協(xié)調多性能指標的可行性。

1 問題描述

ACC系統(tǒng)一般包括信息感知層、決策層和控制層，如圖1所示。信息感知層獲取本車行駛狀態(tài)信息和前方道路交通環(huán)境信息，并確定前方有效跟蹤目標車；決策層根據(jù)本車與前車的相對距離等信息，確定理想縱向加速度等縱向動力學控制指令；控制層考慮車輛縱向動力學特性(如發(fā)動機反拖與制動性能)實現(xiàn)對理想縱向加速度的精確跟蹤。本文中著重于解決ACC決策層的理想加速度決策問題。

如上所述，綜合考慮車與車之間的行駛安全性、本車縱向動力學特性和駕乘人員舒適性等多個相互關聯(lián)且存在一定矛盾的性能指標，實現(xiàn)本車與前車安全車間距的保持控制是當前ACC系統(tǒng)研究的核心問題。

針對這一多目標協(xié)調控制問題，本文中采用了控制技術中的二次有界性方法[7]，面向ACC多目標決策問題，建立了多性能指標的動態(tài)協(xié)調控制機制，將理想縱向加速度的決策轉化為帶有狀態(tài)約束和控制約束的系統(tǒng)的鎮(zhèn)定問題。

與MPC算法相比，二次有界性算法存在如下特點。

(1) 實時性更好。MPC算法在線優(yōu)化過程的計算較復雜，不適合直接應用于像ACC這種對實時性要求高的系統(tǒng)[8]。而二次有界性算法的核心是DOF控制器，其增益是離線設計的，減少了決策算法的在線計算時間，同時該算法也具有與MPC算法相似的協(xié)調多性能指標的功能；

(2) 魯棒性更好。在MPC算法的設計中，假設外部干擾(在ACC系統(tǒng)中外部干擾指前車加速度)是可測的。而在二次有界性算法的設計中，假設外部干擾是有界的，合理地設定外部干擾的界可保證算法較好的抗干擾能力。

鑒于二次有界性方法在處理外部干擾及狀態(tài)約束和控制約束方面的優(yōu)勢，本文中采用了二次有界性方法，實現(xiàn)ACC中理想縱向加速度決策這一多目標協(xié)調控制。

2 車間距控制算法的設計

參照文獻[7]，本文中首先建立了面向DOF控制器設計的模型—汽車跟隨Tanaka-Sugeno(T-S)模糊模型；然后利用汽車行駛狀態(tài)和控制變量量化多性能指標，將理想加速度的決策轉化為帶有狀態(tài)約束和控制約束的T-S模糊模型的鎮(zhèn)定問題；最后，利用二次有界性理論設計DOF控制器，將模型狀態(tài)鎮(zhèn)定到由公共Lyapunov矩陣確定的橢球不變集內(nèi)。

2.1 汽車跟隨T-S模糊模型

根據(jù)前車與本車的相對距離和相對速度關系及本車的縱向動力學特性，建立汽車跟隨模型：

(1)

其中：

x(t)=[ΔdΔvah]T；u(t)=ades；

B1=[0 0 1/T]T；E1=[0 1 0]T

由于式(1)是依賴于速度的非線性系統(tǒng)，不能直接利用現(xiàn)有的線性系統(tǒng)理論中的方法求解該系統(tǒng)的控制律。利用扇形非線性法局部線性化非線性系統(tǒng)可得到T-S模糊模型[11]。T-S模糊模型被認為是逼近非線性系統(tǒng)的萬能逼近器。利用線性系統(tǒng)理論中的方法可方便地研究T-S模糊模型。局部線性化式(1)得汽車跟隨T-S模糊模型：

(2)

考慮到u(k)=u(k-1)+Δu(k)，利用歐拉方法離散化式(2)得

(3)

2.2 多性能指標的量化

參照文獻[2]中駕駛員速度控制行為特性的研究，本文中分別建立了安全性、輕便性、舒適性和工效性4個評價指標。

Δd和Δv反映了安全性指標。前車后方理想車間距處是本車的理想跟蹤目標點，該點的速度等于前車速度，即Δv=0。Δd和Δv軌跡收斂到理想跟蹤目標點附近的鄰域內(nèi)能夠保證車輛的安全性。Δd<0且其絕對值越大，相對距離越小，安全性指標越低。因此，約束Δd的絕對值可以保證車輛間的安全性，亦可避免其它車輛頻繁切入。

ah和u反映了舒適性指標。ACC系統(tǒng)在保證車輛安全性的情況下主要是一個舒適性系統(tǒng)，因此，在決策算法設計中必須考慮舒適性指標以提高乘員接受性。利用理想加速度表征舒適性指標。較強的加/減速度一方面使乘員感覺不舒適導致系統(tǒng)被棄用，另一方面可能導致電控執(zhí)行機構飽和甚至損壞。

Δu反映了輕便性指標。Δu表征了加速度變化量或加速/制動踏板的變化量。就通常的汽車駕駛來說，一方面汽車行駛速度等狀態(tài)量不可能急劇突變；另一方面頻繁加/減速給汽車零部件帶來機械磨損，縮短了零部件的使用壽命?？刂屏孔兓眲∫矔е鲁俗孢m性的下降。從駕駛員角度考慮，油門/制動的變化量越小，汽車行駛速度等狀態(tài)量的改變也越小，輕便性指標越好。

為了協(xié)調以上性能指標以綜合保證ACC系統(tǒng)性能，本文中首先利用狀態(tài)約束和控制約束描述了各性能指標的合理取值范圍。

其中：

Zi=[0 1 -2v2vhi+v10]；

2.3 DOF控制器

如前所述，利用狀態(tài)和控制變量量化了多性能指標，并以狀態(tài)約束和控制約束描述了多性能指標的取值范圍，將理想加速度的決策問題轉化為帶有狀態(tài)約束和控制約束的T-S模糊模型鎮(zhèn)定問題。

針對帶有狀態(tài)約束和控制約束的T-S模糊模型的鎮(zhèn)定問題，本文中在DOF控制框架下，利用二次有界性理論將狀態(tài)鎮(zhèn)定到由公共Lyapunov矩陣確定的橢球不變集內(nèi)。

利用并行分布補償(PDC)技術[11]，給出DOF控制器模型為

(4)

(5)

其中：

如圖2所示，狀態(tài)約束定義了車輛正常駕駛集R。由車輛正常駕駛集內(nèi)出發(fā)的初始狀態(tài)，取遍控制約束集內(nèi)所有控制量，在某一時刻能夠到達的所有狀態(tài)的集合，稱為車輛可達集。

本文中采用的DOF控制器設計的主要思想是：針對在R內(nèi)的初始狀態(tài)，在存在有界外部干擾(前車加速度)情形下，尋找控制律最小化可達集。

通過推導得到了DOF控制器存在的線性矩陣不等式條件及狀態(tài)約束和控制約束滿足的線性矩陣不等式條件。求解線性矩陣不等式組得到DOF控制器模型為

u(k)=Δu(k)+u(k-1),u(0)=0

Δu(k)=10-3×[0.27960.109-0.0024-0.1405]xc(k)+[0.25450.7617-0.324-0.7822]y(k);

3 仿真實驗

利用跟隨、駛離和切入等ACC系統(tǒng)典型工況的仿真，進一步驗證本文中設計的二次有界性算法對安全車間距保持和多性能指標協(xié)調的可行性和有效性。仿真中，利用汽車動力學仿真軟件CarSim，建立了國內(nèi)某款乘用車的整車動力學模型及包括雷達傳感和有效目標識別等的ACC系統(tǒng)測試仿真平臺，并采用Matlab/Simulink軟件搭建了ACC系統(tǒng)的車間距控制算法模塊和逆縱向動力學模型[13]。

3.1 跟隨工況

跟隨工況指當同車道前方有行駛車輛，本車退出傳統(tǒng)巡航控制，根據(jù)本車與前車的相對速度等信息，自動調整本車行駛速度以和前車保持安全車間距的跟隨前車行駛工況。為了實現(xiàn)巡航功能，虛擬一輛前車，其速度vc=110km/h。具體工況設為：本車開始以巡航速度行駛，與前車的初始相對距離為150m，前車以90km/h速度勻速行駛，在40s時加速至100km/h，并以此速度勻速行駛。跟隨工況仿真結果如圖3所示。

由圖3(a)和圖3(b)可見，在0～10s，本車跟蹤虛擬前車，處于巡航模式，10～30s為過渡過程，即建立理想車間距的過程，30～60s為穩(wěn)態(tài)跟隨過程?？梢钥闯?，在巡航模式中，本車無誤差地跟蹤巡航速度。本車檢測到前車后，進入過渡過程，當車間距達到設定的安全距離時本車松開油門，發(fā)動機怠速運轉，汽車利用慣性滑行，以降低本車速度，但汽車滑行運動提供的減速度有限，可能減小車間距，對車輛安全性造成威脅，因此須施加一定程度的制動以保證車間安全性，同時也不會對乘員舒適性造成大的影響(見圖3(c))。在穩(wěn)態(tài)跟隨模式中，本車穩(wěn)定跟隨前車，距離誤差和相對速度都約束在設定的范圍內(nèi)，保證了車輛的安全性。

由圖3(c)可見，本車加速度在給定的舒適性約束界內(nèi)。由油門開度和制動壓力曲線看出，執(zhí)行器信號平滑，說明ACC系統(tǒng)滿足駕駛輕便性要求。

3.2 駛離工況

駛離工況指本車在跟隨前車過程中，在某時刻前車切出或加速離去，本車進入巡航模式的工況。具體工況設為：前車以80km/h速度勻速行駛，在20-30s，前車加速至120km/h，本車初始速度為79km/h，處于穩(wěn)態(tài)跟隨模式。駛離工況仿真結果如圖4所示。

由圖4(a)和圖4(b)可見，0～27.5s，本車穩(wěn)定跟隨前車，在27.5s，本車加速到110km/h，進入巡航模式，前車繼續(xù)加速至120km/h?？梢钥闯觯拒囉煞€(wěn)態(tài)跟隨模式切換為巡航模式，其速度無超調，而且在跟隨過程中距離誤差和相對速度均在設定的安全性約束界內(nèi)。圖4(b)中，在54s左右，前車速度突變?yōu)?10km/h，這是由于前車駛出雷達測量范圍，雷達所測相對速度恢復為默認值0。

由圖4(c)可見，本車加速度在給定的約束界內(nèi)，而且油門曲線無頻繁震蕩，說明了所設計ACC系統(tǒng)滿足舒適性和輕便性要求。

3.3 切入工況

切入工況指本車前方有車輛從相鄰車道并入同車道的工況。具體工況設為：本車開始處于巡航模式，速度為110km/h，相鄰車道前方300m處一輛以80km/h速度行駛的車輛，在15s時開始向本車所在車道換道，在18s時本車檢測到相鄰車道的車輛，并且兩車間的側向距離小于設定的閾值，滿足所檢測到的車輛作為前車的條件，因此本車施加制動，以避免發(fā)生碰撞。切入工況仿真結果如圖5所示。

由圖5(a)和圖5(b)可見，0～18s，本車處于巡航模式，在18s時，本車施加制動以建立理想車間距跟隨前車，以避免與前車發(fā)生碰撞。因此，本車快速減速到80km/h，而且車間距無超調地趨于理想車間距，說明所設計系統(tǒng)對工效性和安全性進行了協(xié)調。

在切入工況中，安全性應是評價系統(tǒng)優(yōu)劣的首要指標。由圖5(c)可以看出，本車產(chǎn)生較大的減速度，犧牲了一定程度的乘員舒適性，但是保證了車輛的安全性。

4 結論

本文中模擬真實駕駛員對安全車間距的多目標決策行為，在DOF控制框架下，建立了一個綜合協(xié)調行駛安全性、操控便利性、乘坐舒適性、駕駛任務完成快捷性等多性能指標的ACC系統(tǒng)理想縱向加速度的二次有界性算法，并進行了跟隨、駛離和切入等典型工況仿真分析，研究結論如下。

(1) 利用車間相對運動學模型的狀態(tài)和控制輸入量化了多性能指標，并以狀態(tài)約束和控制約束描述了多性能指標的界，其中多性能指標的約束界通過分析真實駕駛數(shù)據(jù)得到，從而體現(xiàn)了真實駕駛員的跟隨行為特性。

(2) 利用二次有界性理論能夠處理狀態(tài)約束和控制約束的特點，設計了DOF控制框架下的二次有界性算法，將車間相對運動學模型的狀態(tài)鎮(zhèn)定到包含多性能指標約束確定的集合的橢球不變集內(nèi)，從理論上保證了安全車間距保持并協(xié)調了多性能指標，仿真結果表明了多性能指標在各種典型工況中均處于設定的約束界內(nèi)，所設計算法有效改善了駕駛員接受性和ACC系統(tǒng)的使用率。

[1] Swaroop D, Rajagopal K R. Intelligent Cruise Control Systems and Traffic Flow Stability[C]. California PATH Research Report. UCB-ITS-PRR-98-36. Dec.1998:1-21.

[2] 管欣,王景武,高振海,等.基于駕駛員行為模擬的ACC控制算法[J].汽車工程,2004,26(2):205-209.

[3] Vibhor L, Bageshwar W L, Rajamani R. Model Predictive Control of Transitional Maneuversfor Adaptive Cruise Control Vehicles[J]. IEEE Trans. Veh. Tech.,2004,53(5):1573-1585.

[4] Li S E, Li K, Wang J. Economy-oriented Vehicle Adaptive Cruise Control with Coordinating Multiple Objectives Function[J]. Vehicle System Dynamics,2013,51(1):1-17.

[5] Naus G J L, Ploeg J, Molengraft V D, et al. Design and Implementation of Parameterized AdaptiveCruise Control: An Explicit Model Predictive Control[J]. Control Engineering Practice,2010,18:882-892.

[6] 王景武.汽車自適應巡航的最優(yōu)預瞄加速度控制算法研究[D].長春:吉林大學,2004.

[7] Ding B. Quadratic Boundedness via Dynamic Output Feedback forConstrained Nonlinear Systems in Takagi-Sugeno’s Form[J]. Automatica,2009,45(9):2093-2098.

[8] 席裕庚,李德偉,林姝.模型預測控制-現(xiàn)狀與挑戰(zhàn)[J].自動化學報,2013,39(3):222-236.

[9] Fancher P, Bareket Z, Peng H, et al. Research on Desirable Adaptive Cruise Control Behavior in Traffic Streams[C]. Ann Arbor,MI: University of Michigan Transportation Research Institute (UMTRI),2002, UMTRI-2002-16.

[10] Rajamani R, Shladover S E. An Experimental Comparative Study of Autonomous and Co-operative Vehicle-follower Control Systems[J]. Transportation Research,2001,9C(1):15-31.

[11] Tanaka K, WangH O. Fuzzy Control Systems Design and Analysis[M]. Wiley Inc,New York,2001.

[12] Alessandri A, BagliettoM, Battistelli G. On Estimation Error Boundsfor Receding-horizon Filters Using Quadratic Boundedness[J]. IEEE Trans. Auto. Control,2004,49:1350-1355.

[13] 李朋,魏民祥,侯曉利.自適應巡航控制系統(tǒng)的建模與聯(lián)合仿真[J].汽車工程,2012,34(7):622-626.

A Vehicle Adaptive Cruise Control Algorithm Based onSimulating Driver’s Multi-objective Decision Making

Gao Zhenhai1, Yan Wei1, Li Hongjian2& Hu Zhencheng1

1.JilinUniversity,StateKeyLaboratoryofAutomobileSimulationandControl,Changchun130022;2.ChinaFAWGroupCorporationR&DCenter,Changchun130011

According to the distance and relative velocity between host vehicle and preceding vehicle, the adaptive cruise control (ACC) system concurrently considers three correlated and contradictory performance indicators of driving safety between vehicles, longitudinal dynamics characteristics and the comfort performance of driver and occupants to achieve the control for maintaining safe inter-vehicle distance. Aiming at this multi-objective coordinated control problem, the behavior characteristics of real driver in inter-vehicle distance control are simulated under the framework of dynamic output feedback control and four indicators of safety, handiness, comfort and efficiency are set up based on the driving state and control variables of vehicle. Then a dynamic coordinated control mechanism for above-mentioned performance indicators is proposed based on invariant set and quadratic boundedness theory and a set of inter-vehicle distance control algorithms for ACC system are worked out. Finally simulations on three typical operation conditions (following and the cut-out and cut-in of preceding vehicle) are conducted to verify the feasibility and effectiveness of the proposed algorithms in safe inter-vehicle distance maintenance and multi-performance indicators coordination.

ACC; inter-vehicle distance control; multi-objective coordination; control constraint; quadratic boundedness

*國家自然科學基金(50975120)、973計劃前期研究專項(2012CB723802)和長江學者和創(chuàng)新團隊發(fā)展計劃(IRT1017)資助。

原稿收到日期為2013年7月18日，修改稿收到日期為2013年10月4日。