面向智能駕駛感知盲區(qū)補(bǔ)充的傳感器共享策略

羅明懿，陳 倩，曹賽男，李春海，李曉歡，周勝源

(1.桂林電子科技大學(xué) 信息與通信學(xué)院，廣西 桂林 541004;2.柳州五菱汽車(chē)工業(yè)有限公司，廣西 柳州 545007)

近年來(lái)，交通事故日益高發(fā)，事故傷害嚴(yán)重[1]，智能駕駛技術(shù)已被證明是有效提高交通安全的關(guān)鍵技術(shù)之一[2]。智能駕駛的安全保障來(lái)自通過(guò)多種傳感器對(duì)車(chē)輛周?chē)煌▓?chǎng)景的全面感知，但傳感器具有其局限性，特別是感知區(qū)域被其他物體遮擋時(shí)會(huì)出現(xiàn)傳感器感知盲區(qū)?；赩2X(Vehicle to everything)的傳感器共享方案是彌補(bǔ)盲區(qū)的有效途徑[3]，高效合理地選擇合適的車(chē)輛節(jié)點(diǎn)進(jìn)行傳感器共享以實(shí)現(xiàn)盲區(qū)補(bǔ)充是關(guān)鍵。目前在傳感器共享領(lǐng)域的節(jié)點(diǎn)選擇策略主要有3種：1)選擇簇頭作為共享目標(biāo)，即簇頭車(chē)輛向后方簇內(nèi)節(jié)點(diǎn)共享自身信息[4-6]；2)車(chē)輛節(jié)點(diǎn)將傳感器數(shù)據(jù)上傳到云服務(wù)中心，供他車(chē)取用[7-8]；3)選擇前車(chē)作為共享目標(biāo)進(jìn)行協(xié)同感知[9-12]。但當(dāng)因動(dòng)態(tài)交通流中存在大量節(jié)點(diǎn)而造成相互遮擋時(shí)，這3種策略都無(wú)法滿(mǎn)足智能駕駛汽車(chē)對(duì)彌補(bǔ)盲區(qū)的需求。如何量化動(dòng)態(tài)交通流中的傳感器盲區(qū)，并據(jù)此進(jìn)行共享節(jié)點(diǎn)的選擇，成為亟待解決的問(wèn)題。

鑒于此，在動(dòng)態(tài)交通流中的智能駕駛汽車(chē)發(fā)起傳感器共享時(shí)，首先分析車(chē)載傳感器的感知盲區(qū)，提出了一種動(dòng)態(tài)交通流中傳感器感知盲區(qū)模型，隨后，考慮補(bǔ)充車(chē)輛自身感知盲區(qū)的實(shí)際需求指標(biāo)，基于感知盲區(qū)模型對(duì)候選車(chē)輛節(jié)點(diǎn)進(jìn)行綜合考量，提出了一種基于熵權(quán)法的傳感器共享節(jié)點(diǎn)選擇策略。

1 動(dòng)態(tài)交通流感知盲區(qū)模型

在動(dòng)態(tài)交通流中，不同的車(chē)輛密度決定了車(chē)輛在道路中的分布情況，即車(chē)輛之間的相對(duì)位置已經(jīng)確定。如圖1所示的單向路段，車(chē)輛向東行駛。設(shè)長(zhǎng)度為L(zhǎng)的路段上的車(chē)輛總數(shù)為n，路段上的車(chē)輛依次編號(hào)為1,2,…,n。令Xi表示第i輛車(chē)到第i+1輛車(chē)之間的距離，其中，i=1,2,…,n-1。對(duì)于足夠大的n和L，道路寬度可以忽略，且該路口單位時(shí)間內(nèi)車(chē)輛通過(guò)的次數(shù)服從參數(shù)為λ的泊松分布[13]，其概率密度函數(shù)為

(1)

其中：k為單位時(shí)間內(nèi)車(chē)輛通過(guò)某路口的次數(shù)；λ=n/L為單位長(zhǎng)度路段中的車(chē)輛平均通過(guò)次數(shù)，簡(jiǎn)稱(chēng)車(chē)輛密度。式(1)表示單位時(shí)間內(nèi)某路口通過(guò)的車(chē)輛數(shù)為k的概率。因此，車(chē)輛到達(dá)某路口的時(shí)間間隔服從參數(shù)為λ的指數(shù)分布，假設(shè)所有車(chē)輛車(chē)速相等，則車(chē)輛間距同樣服從參數(shù)為λ的指數(shù)分布，其分布函數(shù)為

(2)

為保證安全，第i輛車(chē)行駛時(shí)應(yīng)感知到安全距離dsafe內(nèi)的道路環(huán)境[14]，但因受前車(chē)即第i+1輛車(chē)遮擋，導(dǎo)致出現(xiàn)感知盲區(qū)。感知盲區(qū)定義為沿道路從遮擋位置到dsafe的矩形范圍，即圖1中實(shí)線框范圍為感知盲區(qū)范圍Ai，實(shí)線框面積為感知盲區(qū)面積。

圖1 感知盲區(qū)面積示意圖

(3)

其中WR為道路寬度。令Y=(dsafe-X)WR，結(jié)合式(2)，可得感知盲區(qū)面積的分布函數(shù)：

(4)

進(jìn)而可得感知盲區(qū)面積的數(shù)學(xué)期望：

(5)

進(jìn)一步地，如圖2所示的單向車(chē)道中，當(dāng)?shù)趇輛車(chē)存在感知盲區(qū)時(shí)，若有其他車(chē)輛處在第i輛車(chē)周?chē)?，則共享其傳感器數(shù)據(jù)可對(duì)盲區(qū)Ai實(shí)現(xiàn)補(bǔ)充，定義第j輛車(chē)對(duì)第i輛車(chē)的盲區(qū)補(bǔ)充范圍為Sij,即第j輛車(chē)感知范圍與盲區(qū)Ai的交叉范圍，如圖2中點(diǎn)線框所示。應(yīng)考慮到，第j輛車(chē)同樣可能會(huì)受到第j+1輛車(chē)遮擋。

圖2 盲區(qū)補(bǔ)充面積示意圖

(6)

2 基于熵權(quán)法的傳感器共享節(jié)點(diǎn)選擇策略

建立了感知盲區(qū)模型，即可研究面向盲區(qū)補(bǔ)充的傳感器共享節(jié)點(diǎn)選擇策略。圖3為傳感器共享場(chǎng)景示意圖，車(chē)輛行駛在含有其他車(chē)輛的交通流場(chǎng)景中，為保證安全，當(dāng)前車(chē)輛需感知到前方安全距離內(nèi)交通參與者的實(shí)時(shí)動(dòng)態(tài)，安全距離大小與當(dāng)前車(chē)輛速度正相關(guān)[14]。因前車(chē)遮擋導(dǎo)致產(chǎn)生感知盲區(qū)(圖3陰影部分)，導(dǎo)致當(dāng)前車(chē)輛無(wú)法完全感知到安全距離內(nèi)的交通情況，此時(shí)可以共享周?chē)?chē)輛的傳感器數(shù)據(jù)以對(duì)當(dāng)前車(chē)輛感知盲區(qū)進(jìn)行補(bǔ)充。從周?chē)?chē)輛中選擇出共享收益最高的車(chē)輛節(jié)點(diǎn)發(fā)起傳感器共享，可以擴(kuò)大當(dāng)前車(chē)輛的感知范圍，彌補(bǔ)感知盲區(qū)，同時(shí)提高感知魯棒性。

圖3 傳感器共享場(chǎng)景

共享周?chē)?chē)輛傳感器數(shù)據(jù)對(duì)當(dāng)前車(chē)輛帶來(lái)的收益程度受多種因素影響，包括周?chē)?chē)輛位置、傳感器感知范圍等，需量化各影響因素并尋找合適的評(píng)分模型進(jìn)行對(duì)比。由于熵權(quán)法的評(píng)價(jià)結(jié)果主要依據(jù)客觀因素，幾乎不受主觀因素的影響，避免了人為因素的干擾，可用于任何需要確定權(quán)重的過(guò)程。因此，在與周?chē)?chē)輛進(jìn)行傳感器共享達(dá)到的收益效果完全不同時(shí)，可使用熵權(quán)法客觀地確定各影響因素的權(quán)重，得到最能體現(xiàn)周?chē)?chē)輛差異程度的評(píng)分，據(jù)此選擇出合適的共享節(jié)點(diǎn)。圖4為策略流程圖。

圖4 策略流程

策略步驟為：

1)當(dāng)前車(chē)輛通過(guò)自身傳感模塊讀取自身傳感器數(shù)據(jù)，通過(guò)車(chē)聯(lián)網(wǎng)模塊收集周?chē)?chē)輛的傳感器數(shù)據(jù)，其中自身傳感器數(shù)據(jù)包括自身全球定位信息和航向、遮擋物的邊界坐標(biāo)信息，周?chē)?chē)輛的傳感器數(shù)據(jù)包括周?chē)?chē)輛定位信息、傳感器性能和傳輸性能等指標(biāo)；

2)量化圖5所示的周?chē)?chē)輛對(duì)當(dāng)前車(chē)輛感知盲區(qū)補(bǔ)充范圍數(shù)值；

圖5 盲區(qū)補(bǔ)充范圍示意圖

3)采用熵權(quán)法計(jì)算感知盲區(qū)補(bǔ)充面積、傳感器性能和傳輸性能等指標(biāo)所占權(quán)重，得出周?chē)?chē)輛最終評(píng)分；

4)選擇評(píng)分最高的車(chē)輛節(jié)點(diǎn)作為共享目標(biāo)。

3 驗(yàn)證與分析

3.1 動(dòng)態(tài)交通流感知盲區(qū)模型驗(yàn)證

首先生成大量服從指數(shù)分布的車(chē)輛間距隨機(jī)數(shù)，由連續(xù)生成的車(chē)輛間距隨機(jī)數(shù)可唯一確定各車(chē)位置，然后，基于此位置計(jì)算各車(chē)的感知盲區(qū)面積的統(tǒng)計(jì)均值，最后，與感知盲區(qū)模型的數(shù)學(xué)期望進(jìn)行對(duì)比，驗(yàn)證該模型的有效性。中國(guó)一級(jí)道路設(shè)計(jì)車(chē)速為120 km/h，機(jī)動(dòng)車(chē)道寬度為3.75 m[15]，根據(jù)文獻(xiàn)[14]中的安全距離模型進(jìn)行換算后，將驗(yàn)證默認(rèn)參數(shù)設(shè)置為道路寬度4 m、安全距離50 m和車(chē)輛密度0.03輛/m。由圖6、7可見(jiàn)，在不同的車(chē)輛密度與不同的安全距離下，實(shí)際盲區(qū)面積統(tǒng)計(jì)均值與模型中盲區(qū)面積期望值之間的誤差低于0.05 m2，因此，模型對(duì)車(chē)輛間距和感知盲區(qū)面積進(jìn)行了良好表征。

圖6 不同車(chē)輛密度下盲區(qū)面積統(tǒng)計(jì)均值與期望

圖7 不同安全距離下盲區(qū)面積統(tǒng)計(jì)均值與期望

3.2 節(jié)點(diǎn)選擇策略性能驗(yàn)證

采用蒙特卡洛數(shù)值模擬方法對(duì)該策略進(jìn)行驗(yàn)證，驗(yàn)證流程如圖8所示。具體步驟為：

圖8 策略驗(yàn)證流程

1)生成服從指數(shù)分布的n個(gè)車(chē)距，通過(guò)盲區(qū)補(bǔ)充面積量化求出各車(chē)輛對(duì)應(yīng)其余n-1輛車(chē)的各個(gè)盲區(qū)補(bǔ)充面積，將其作為熵權(quán)法的輸入數(shù)據(jù)；

2)通過(guò)熵權(quán)法計(jì)算出各車(chē)的評(píng)分，評(píng)分最高者即為最合適的節(jié)點(diǎn)；

3)將各車(chē)從所選節(jié)點(diǎn)處能獲得的盲區(qū)補(bǔ)充面積計(jì)入累加和，循環(huán)N次后取平均值，即可求出所選節(jié)點(diǎn)盲區(qū)補(bǔ)充面積的統(tǒng)計(jì)均值；

4)將該統(tǒng)計(jì)均值與計(jì)算得出的盲區(qū)面積期望進(jìn)行對(duì)比，可得當(dāng)前車(chē)輛與本策略選出的節(jié)點(diǎn)共享能得到的盲區(qū)補(bǔ)充比例，盲區(qū)補(bǔ)充比例越高說(shuō)明策略性能越好。

如圖9所示，WR=4 m，dsafe=50 m時(shí)，實(shí)線為對(duì)應(yīng)不同車(chē)輛密度的感知盲區(qū)面積理論期望值，虛線為對(duì)應(yīng)不同車(chē)輛密度下當(dāng)前車(chē)輛與該策略選擇節(jié)點(diǎn)共享能收益的盲區(qū)補(bǔ)充面積。圖10為對(duì)應(yīng)圖9在不同車(chē)輛密度下的盲區(qū)補(bǔ)充比例。從圖10可看出，隨著車(chē)輛密度增大，盲區(qū)補(bǔ)充比例逐漸下降，這是因?yàn)檐?chē)輛密度增大時(shí)，所選節(jié)點(diǎn)受到遮擋的概率同樣增大，導(dǎo)致節(jié)點(diǎn)感知范圍變小，最終影響了盲區(qū)補(bǔ)充比例。但在車(chē)輛密度λ≤0.03輛/m時(shí)，該策略選出的節(jié)點(diǎn)可以實(shí)現(xiàn)大于70%的盲區(qū)補(bǔ)充，在車(chē)輛密度λ≤0.09輛/m時(shí)，該策略選出的節(jié)點(diǎn)依舊可以保持大于50%的盲區(qū)補(bǔ)充。

圖9 不同車(chē)輛密度下的盲區(qū)補(bǔ)充面積

圖10 不同車(chē)輛密度下的盲區(qū)補(bǔ)充比例

如圖11所示，WR=4 m，λ=0.03輛/m時(shí)，實(shí)線為對(duì)應(yīng)不同安全距離的感知盲區(qū)面積理論期望，虛線為對(duì)應(yīng)不同的安全距離下當(dāng)前車(chē)輛與該策略選擇節(jié)點(diǎn)共享收益的盲區(qū)補(bǔ)充面積統(tǒng)計(jì)均值。圖12為對(duì)應(yīng)圖11在不同安全距離下收益的盲區(qū)補(bǔ)充統(tǒng)計(jì)均值與感知盲區(qū)面積理論期望的比值。從圖12 可看出，在固定車(chē)輛密度時(shí)，本策略選出的節(jié)點(diǎn)可以實(shí)現(xiàn)的盲區(qū)補(bǔ)充逐步減少，這是因?yàn)楫?dāng)車(chē)輛密度固定，安全距離較低時(shí)，周?chē)?chē)輛出現(xiàn)在感知盲區(qū)范圍內(nèi)的概率較小，此時(shí)所選節(jié)點(diǎn)為遮擋車(chē)輛的概率較大且無(wú)其他車(chē)輛對(duì)遮擋車(chē)輛造成遮擋，與遮擋車(chē)輛共享可達(dá)到較大的盲區(qū)補(bǔ)充比例，在dsafe<70 m時(shí)，本策略所選節(jié)點(diǎn)能實(shí)現(xiàn)70%以上盲區(qū)補(bǔ)充。隨著安全距離的增大，而車(chē)輛密度不變時(shí)，安全距離內(nèi)的車(chē)輛增多，所選節(jié)點(diǎn)受遮擋的概率增大，導(dǎo)致盲區(qū)補(bǔ)充面積統(tǒng)計(jì)均值較低，但在dsafe<100 m時(shí)，本策略所選節(jié)點(diǎn)依舊能實(shí)現(xiàn)50%以上盲區(qū)補(bǔ)充。

圖11 不同安全距離下的盲區(qū)補(bǔ)充面積

圖12 不同安全距離下的盲區(qū)補(bǔ)充比例

4 結(jié)束語(yǔ)

構(gòu)建了一個(gè)動(dòng)態(tài)交通流感知盲區(qū)理論模型，分析了感知盲區(qū)面積與車(chē)輛密度和安全距離之間的映射關(guān)系，提出了一種基于熵權(quán)法的傳感器共享節(jié)點(diǎn)選擇策略，該策略主要參考了盲區(qū)補(bǔ)充面積保證共享收益。驗(yàn)證了盲區(qū)模型對(duì)實(shí)際交通場(chǎng)景的良好表征，基于此模型驗(yàn)證了節(jié)點(diǎn)選擇策略的有效性。在車(chē)輛密度小于0.09輛/m或安全距離小于100 m時(shí)，該策略可以實(shí)現(xiàn)50%以上的盲區(qū)補(bǔ)充；在車(chē)輛密度小于0.03輛/m或安全距離小于70 m時(shí)，該策略可以實(shí)現(xiàn)70%以上的盲區(qū)補(bǔ)充。