智能汽車執(zhí)行控制技術研究

劉爽爽　于欣策　鄒廣奕

摘 要：為了提升智能駕駛汽車行駛性能，該文針對傳統(tǒng)運動控制和新型運動控制分別進行了論述，其中，傳統(tǒng)運動控制將運動解析為縱向運動、橫向運動和橫縱向協(xié)同，采用PID、模型預測控制、模糊控制等多種控制策略實現(xiàn);新型運動控制包括引入人工智能和借助車聯(lián)網(wǎng)通信。針對其存在問題和發(fā)展趨勢得出，未來智能車輛運動控制的主要發(fā)展方向為多種控制策略和智能算法相結合、橫縱向綜合控制、協(xié)同式多車隊列控制。

關鍵詞：智能駕駛 運動控制 橫縱向控制

Research on Executive Control Technology for Intelligent Vehicles

Liu Shuangshuang Yu Xince Zou Guangyi

Abstract：To improve the driving performance of intelligent vehicles， this paper separately discussed traditional motion control and new type of motion control. The traditional motion control divided motion into vertical motion， horizontal motion and coordinated control， using PID， MPC， fuzzy control and other control strategies. New types of motion control included the introduction of artificial intelligence and communication via the internet of vehicles. Based on its existing problems and development trends， the article concludes that the main development directions of intelligent vehicle motion control are the combination of multiple control strategies and intelligent algorithms， the horizontal and vertical integrated control， and the cooperative multi-vehicle queue control.

Key words：intelligent driving， motion control， horizontal and vertical control

1 引言

控制系統(tǒng)任務是將行為決策的宏觀指令解釋為帶有時間信息的軌跡曲線，從而控制車輛的速度與行駛方向，使其跟蹤規(guī)劃速度曲線與路徑。具體而言，控制執(zhí)行技術是解決在一定的約束條件下優(yōu)化某個范圍內的時空路徑問題，包括：1）車輛在一定時間段行駛軌跡（位置信息）2）整條軌跡的時間信息和車輛姿態(tài)（到達每個位置的時間、速度、加速度等）。

目前，智能網(wǎng)聯(lián)汽車的控制執(zhí)行技術的研究熱點包括：面向驅動/制動的縱向運動控制，面向轉向的橫向運動控制，基于驅動/制動/轉向/懸架的底盤一體化控制，融合車聯(lián)網(wǎng)（V2X）通信及車載傳感器的多車隊列協(xié)同和車路協(xié)同控制等。

2 運動控制技術現(xiàn)狀

2.1 傳統(tǒng)運動控制技術

現(xiàn)有自動駕駛汽車多數(shù)針對常規(guī)工況，因而較多采用傳統(tǒng)控制方法，如比例-積分-微分（PID）控制、最優(yōu)控制、滑?？刂?、模型預測控制、模糊控制等。這些控制方法性能可靠、計算效率高，已在主動安全系統(tǒng)中得到應用。

PID控制方案簡單易行，但缺乏對復雜行駛工況的適應性，難以實現(xiàn)精確控制。最優(yōu)控制一般都把被控對象簡化為線性時不變系統(tǒng)，在控制模型精確和無干擾的情況下，最優(yōu)控制有較高精度，但是對外部干擾的魯棒性較差?；？刂频淖畲髢?yōu)點是滑動模態(tài)對加在系統(tǒng)上的干擾和系統(tǒng)的攝動具有完全的自適應性，而且系統(tǒng)狀態(tài)一旦進入滑模運動，便快速收斂到控制目標，為時滯系統(tǒng)、不確定性系統(tǒng)的魯棒性設計提供了一種有效途徑，但其仍存在抖振。模型預測控制不依賴于精確的模型建立，能控制各種復雜過程，但由于其計算量大，系統(tǒng)設計復雜，不適用于不穩(wěn)定對象等原因，暫未得到廣泛應用。模糊控制方法能夠模擬駕駛員行為特征對車輛進行操縱，不需要建立精確的被控對象模型，可克服車輛系統(tǒng)的非線性特性與參數(shù)不確定性，但隸屬度函數(shù)與控制規(guī)則需要依靠專家經(jīng)驗和知識庫確定。

2.1.1 縱向運動控制技術

縱向運動控制指通過某種控制策略調節(jié)車輛的縱向運動狀態(tài)，實現(xiàn)車輛縱向距離保持和加減速的功能。按照實現(xiàn)方式可分為直接式和分層式。直接式縱向控制器的輸入為期望距離或速度，輸出為期望制動壓力和節(jié)氣門開度;分層式縱向控制器的輸入為期望距離或速度，通過上位控制器轉化為期望加速度，繼而通過下位控制器得出期望制動壓力和節(jié)氣門開度。

進一步地，受行駛經(jīng)濟性影響，車輛縱向速度控制還需考慮節(jié)能性。福特公司推出的Ford EcoMode 系統(tǒng)可根據(jù)擋位、車速、油門和剎車踏板位置、發(fā)動機轉速等車輛狀態(tài)信息評價司機駕駛行為，并對司機操作做出提示。東風本田思域系列車型均配置ECON智能化綠色節(jié)能輔助系統(tǒng)，功能開啟后，變速箱擋位自動調節(jié)為低油耗狀態(tài)，空調能耗也會自動進行節(jié)能調整。在行駛過程中，電腦會自動修正油門幅度，避免駕駛者深踩油門帶來的高能耗，以達到降低油耗的目的。

2.1.2 橫向運動控制技術

橫向運動控制是指按照設定的控制邏輯，沿期望路徑自主行駛，通常需要預瞄一定距離，考慮車輛系統(tǒng)的非線性和不確定性設計控制策略。有兩種基本設計方法，一種是模仿駕駛員，比如通過簡易動力學模型和駕駛員操縱規(guī)則設計控制器，或者通過駕駛員操縱數(shù)據(jù)訓練駕駛員模型;另一種是借助精確的橫向動力學模型實現(xiàn)控制?？紤]車輛橫擺穩(wěn)定性，部分學者研究了特殊道路、冰雪等極限工況下的車輛穩(wěn)定性控制。重慶交通大學的鄭小冬[1]通過vehiclesim建立了由坡道和不同圓曲線組成的特殊道路，并設計了基于模型預測控制的橫向控制器和基于模糊控制的縱向控制器，實現(xiàn)了特殊道路下的仿真驗證。

2.1.3 橫縱向協(xié)同控制

智能車輛橫縱向動力學存在耦合關聯(lián)特性，控制器的設計可綜合考慮橫縱向協(xié)同控制?，F(xiàn)有的橫縱向協(xié)同控制多為先解耦分別設計橫縱向控制規(guī)律，再設計協(xié)調橫縱向運動的控制規(guī)律。百度Apollo分離橫向控制和縱向控制，將復雜問題簡單化;再通過模型預測控制考慮橫向和縱向之間的耦合關系，更能適應復雜路況。北京理工大學的王博洋等人[2]針對履帶車輛提出了基于雙層駕駛員模型的橫縱向協(xié)同跟蹤控制方法，第一層基于Gauss和隱式Markov混合模型實現(xiàn)對轉向模式序列的預測輸出及切換控制，第二層以模糊邏輯來表征縱向與橫向控制配合規(guī)律，依據(jù)航向偏差生成橫縱向控制量。巴黎文理研究大學的Guillaume Devineau[3]在ITSC 2018會議上探討了深度神經(jīng)網(wǎng)絡捕捉車輛動力學關鍵特性的能力以及它們對車輛進行縱向和橫向耦合控制的能力。

2.2 新型運動控制技術

2.2.1 人工智能的引入

人工智能的不斷發(fā)展，使其在智能網(wǎng)聯(lián)汽車上得以應用，AI算法與汽車結合，自主研制的智能車控制單元能夠做到與汽車廠商適配并實現(xiàn)量產(chǎn)。比如，智行者自主開發(fā)的AVCU整車控制器應用于“星驥”系列，可實現(xiàn)有條件的自動駕駛（L3級別），適用于機場、校園、封閉區(qū)貨運等場景。英偉達陸續(xù)推出系列產(chǎn)品，如Jetson TX2和 AGX Xavier等，具備整套AI 工具和工作流程，可幫助開發(fā)者快速訓練和部署神經(jīng)網(wǎng)絡。

另外，在自適應巡航應用上，現(xiàn)代汽車將推出基于機器學習的智能巡航控制，通過機器學習來分析駕駛員的駕駛行為，并通過自動巡航功能進行復制。該系統(tǒng)要學習三方面知識，分別為：保持與前車的距離、加速度變化和駕駛員對于速度變化的響應速度。江蘇大學的梁軍教授[4]提出了基于深度強化學習的協(xié)同式自適應巡航控制，提出了雙經(jīng)驗池和優(yōu)化評價的深度確定性策略梯度算法，結果表明該控制策略可以提升控制的準確性和系統(tǒng)緊急反應能力。

2.2.2 車聯(lián)網(wǎng)的輔助

利用智能信息交互系統(tǒng)，智能駕駛車輛可通過與其他車輛、基礎設施通信，獲取周圍車輛運動信息、道路信息，考慮車輛縱向跟蹤性、系統(tǒng)經(jīng)濟性與駕駛舒適性等控制目標，進一步綜合協(xié)調車輛的橫縱向控制。進一步地，車車通信、車路通信降低了車輛編隊行駛、復雜交叉路口通行等應用的技術難度。

2019年8月，由齊魯交通發(fā)展集團投資、齊魯交通信息集團承建的智能網(wǎng)聯(lián)高速公路測試基地項目正式封閉測試運營。其將原址保留的26公里高速路段進行智能化、網(wǎng)絡化、數(shù)字化改造，打造為國內首個面向車路協(xié)同的真實場景智能網(wǎng)聯(lián)高速公路測試基地。2019年10月，上汽通用五菱新寶駿RM-5在上海國際汽車城智能網(wǎng)聯(lián)汽車測試開放道路，通過了包括限速預警、弱勢交通參與者提醒等4類V2I場景，前向碰撞預警等3類V2V場景和偽造限速預警防御等4個安全機制驗證場景。

2.3 現(xiàn)有車輛ADAS系統(tǒng)

現(xiàn)有的車輛多加裝ADAS系統(tǒng)，包括車道保持系統(tǒng)、自適應巡航控制系統(tǒng)、緊急制動系統(tǒng)和自動泊車系統(tǒng)等。以上系統(tǒng)多涉及車輛的橫縱向控制。

乘用車方面，2019年2月，上汽MAXUS G50搭載的ADAS系統(tǒng)主要包含自適應巡航控制系統(tǒng)、車道保持輔助系統(tǒng)、車道偏離警示系統(tǒng)以及自動制動系統(tǒng)，能在不同場景中保障行車安全。2019年，一汽大眾邁騰的280TSI DSG搭載自適應巡航系統(tǒng)、自動泊車、后方交通預警、車道輔助、預碰撞保護系統(tǒng)和盲區(qū)監(jiān)測系統(tǒng)。

商用車方面，2017年3月，交通運輸部發(fā)布的《營運客車安全技術條件》中明確要求：2018年4月起，車長超過9米的營運客車都需加裝符合JT/T883要求的車道偏離預警系統(tǒng)（LDW）和前車碰撞預警系統(tǒng)（FCW），以增強主動安全性能。同時要求，符合規(guī)范要求的營運客車，在2019年4月1日將正式強制安裝AEB系統(tǒng)。2019年5月，宇通新7系ZK6907H配備了包括制動防抱死系統(tǒng)、汽車驅動防滑控制系統(tǒng)、汽車電子穩(wěn)定控制系統(tǒng)的電子控制安全系統(tǒng)。清智科技也于2019年力推商用車ADAS產(chǎn)品，包括自動緊急制動系統(tǒng)、電子穩(wěn)定系統(tǒng)、智能安全防控系統(tǒng)和智能終端系統(tǒng)。ADAS系統(tǒng)已經(jīng)逐漸成為商用車的必選裝配。

3 存在問題及發(fā)展趨勢

3.1 存在問題

由于智能駕駛車輛其橫縱向動力學機理復雜，存在多目標耦合控制，V2X等新興車輛技術產(chǎn)生，運動控制技術面臨重重挑戰(zhàn)。

智能汽車相比人類駕駛員有著更高地發(fā)展車輛節(jié)能和環(huán)保的潛力。車輛的運動控制除重點考慮行車安全和舒適性之外，還需進一步考慮行駛經(jīng)濟性和排放性。至此，車輛控制問題將轉化為多目標的全局優(yōu)化問題。

車聯(lián)網(wǎng)環(huán)境下的車輛協(xié)作控制。V2X的發(fā)展對智能網(wǎng)聯(lián)汽車的發(fā)展起到了極大的促進作用。多車智能可進一步提高車輛行駛性能，如何完成對現(xiàn)有道路基礎設施的通信改造、通過無線通信技術實現(xiàn)“人-車-路-云”系統(tǒng)的互聯(lián)互通將是重要研究課題。

線控執(zhí)行機構的底層核心技術多掌握在一級供應商，國內汽車供應商體系相較國外仍有較大實力差距，技術的深入研發(fā)必將成為不可繞過的門檻。線控執(zhí)行機構需要重點考慮傳統(tǒng)執(zhí)行機構與智能網(wǎng)聯(lián)技術的兼容性、系統(tǒng)的冗余性。

3.2 發(fā)展趨勢

對于無人駕駛控制策略來說，縮小實際應用與理想控制策略之間的差距是當務之急，可以重點從三個方向進行探索：

橫縱向綜合控制：目前無人車的設計主要集中在獨立設計橫向和縱向控制，且橫縱向綜合控制大多局限于控制理論分析，實現(xiàn)無人駕駛車輛的橫縱向綜合控制的動態(tài)協(xié)調，是至關重要的一部分。同時，可進一步考慮人工智能算法的引入，彌補傳統(tǒng)算法的不足。

多目標優(yōu)化控制：在保證安全、舒適的前提下，引入節(jié)能和環(huán)保的控制理念，探索多目標多工況優(yōu)化問題的求解。

協(xié)同式車輛控制：單車智能對車輛的技術方案成熟程度要求很高，現(xiàn)行市場環(huán)境下，考慮單車智能與車聯(lián)網(wǎng)通信相結合，在復雜路段借助與道路基礎設施共享通行信息，提高技術方案可行性。多車隊列也可借助車聯(lián)網(wǎng)實現(xiàn)多車互動和道路基礎設施通信，更好地提高通行效率和加強安全保障。車聯(lián)網(wǎng)協(xié)同是現(xiàn)行條件下智能汽車實現(xiàn)落地的突破口。

參考文獻：

[1]鄭小冬. 特殊道路下智能汽車自動駕駛控制策略的研究[D]. 重慶交通大學，2018.

[2]王博洋，龔建偉，高天云，等.基于雙層駕駛員模型的履帶車輛縱向與橫向協(xié)同跟蹤控制方法[J]. 兵工學報，2018，v.39;No.258（09）：14-21.

[3]Devineau G，Polack P，F(xiàn) Altché，et al.Coupled Longitudinal and Lateral Control of a Vehicle using Deep Learning[C]// International Conference on Intelligent Transportation Systems.0.

[4]王文颯，梁軍，陳龍，等.基于深度強化學習的協(xié)同式自適應巡航控制[J]. 交通信息與安全，2019，037（003）：93-100.