考虑前后方车辆行驶状态的ACC系统控制方法*

李亚勇，蔡英凤，陈 龙，孙晓强，何友国，张云顺

（1.江苏大学汽车与交通工程学院，镇江 212013； 2.江苏大学汽车工程研究院，镇江 212013）

前言

交通拥挤和堵塞现象成为许多国家大中城市所面临的一个日趋严重、较难解决的问题，交通拥挤造成一系列问题，如能源的过多消耗、环境的污染和给人们的生活带来不便等，而智能车的研究正是为了解决这些问题。随着汽车工业和智能技术的快速发展，智能驾驶迅速发展，辅助驾驶甚至是无人驾驶将越来越普遍，这也符合了人们对交通工具高效、环保、安全的要求。

智能驾驶是在网络环境下用计算机技术、信息技术和智能控制技术与执行机构结合起来的，旨在从转向盘上解放人类双手的驾驶系统。自适应巡航系统（ACC）是目前发展比较成熟、应用比较广泛的辅助型智能驾驶系统，它能在一定程度上减少交通事故、交通堵塞等问题。对于自适应巡航系统和人工势场，已有很多学者做了深入研究，文献［1］中详细讲解了自适应巡航控制系统，Shladover等人给出了协同自适应巡航控制的定义和操作概念［2］，Chamraz等人研究了巡航系统的PI和PID控制器和调节参数［3］，Milanés等人基于实验数据，建立了协同和自主自适应巡航控制动态响应模型［4］，Luo研究了考虑人类驾驶心理的自适应巡航控制的设计［5］，Ploeg等人对在交通流中 CACC和 ACC车辆混合场景相互转化进行了研究［6］，李肖含研究了汽车自适应巡航控制系统模糊控制策略［7］，张德兆等人提出了一种用于加速度连续型自适应巡航控制模式切换［8］，高振海等人提出了一种基于粒子群优化算法的模糊自校正控制器参数优化方法［9］，尤洋对汽车自适应巡航系统自调整因子模糊控制器优化［10］，詹军对基于驾驶员特征的汽车自适应巡航控制进行研究［11］，朱敏和陈慧岩研究了考虑车间反应时距的汽车自适应巡航控制策略［12］，Chao等人将人工势场运用于自主水下航行器路径规划［13］，Rasekhipour等人把势场运用于车辆模型预测路径规划的控制器设计［14］，Li等人在研究中运用了人工势场的路径规划模型［15］，Chen等人研究了更新的人工势场用于路径规划［16］，来雷等人提出用人工势场构造出多车协同控制模型［17］。

上述自适应巡航控制系统（ACC）都只考虑了前方车辆的行为信息，对防止追尾等交通事故没有帮助，对于缓解交通拥挤取决于所设置的巡航距离，因此本文中提出考虑前后方车辆运动状态来自主调节跟车距离的控制方法，而考虑速度这一因素的人工势场法能很好地运用在本环境下，基于新型人工势场方法，把前后车辆视为两个势场，构建在全局势场中混合受力函数，利用两个势场的引力的拉近和斥力的推远来控制中间车辆最终处于平衡的安全位置。并用实验验证了所提出的想法，进而弥补了现有的自适应巡航系统只考虑前方车辆的弊端，也弥补了将新型人工势场运用到车辆自适应巡航方面的空白。

1 人工势场理论

人工势场是Khatib为解决机械手避障问题提出的［18］，其方法是将移动的机器人所处的环境用势场来定义，即构造目标位置引力场和障碍物斥力场共同作用的人工势场，引力场对运动物体发出引力，吸引运动物体向目标点位置运动，斥力场的斥力阻止运动物体向障碍物方向运动。

经典的人工势场法，引入以下势场函数。

引力势场函数：

运动物体所受的引力为

式中：Ka为位置增益系数；X为个体当前位置；Xg为目标点位置。

斥力势场函数：

运动物体所受到的斥力：

式中：Kr为斥力势场常量；ρ（X，Xg）为运动物体与障碍物之间的距离；ρ0为斥力势场的影响距离。

由于传统人工势场对于静态环境下效果较好，而在动态环境下，传统势场法对运动物体的控制效果较差，研究人员将传统人工势场进行了改进，将车速这一参量考虑其中［11］，得到改进的人工势场函数：

式中：Kav和Krv为增益常数；v和vg分别为个体和目标体的运动速度。

2 车辆动力学模型和人工势场模型

2.1 动力学模型

本文中采用3自由度动力学模型［20］，如图1所示。ψ为车辆横摆角；M为车辆整车质量；Iz为车辆绕质心（cg）z轴的转动惯量；lf，lr分别为前后轴距离质心的距离；vx和vy分别为车辆沿x轴和y轴的纵向速度和侧向速度；β，r分别为质心侧偏角和横摆角速度；Fyf，Fyr分别为前轴和后轴轮胎受到的侧向合力；δ为前轮转角；Iz为绕质心的转动惯量。根据动力学模型示意图得到：

图1 3自由度动力学模型

不考虑路面侧倾和俯仰角，即路面侧倾角φ＝0，俯仰角θ＝0，车辆在侧向和纵向没有受到重力的影响；并假设车辆在横向上不受到滚动阻力的影响，横向上相对风速为零，即忽略空气阻力对横向运动的影响；假设 δ较小，cosδ≈1，sinδ≈0。设前后轮的附着率 kf，kr相等，前后轮受到的正压力 Fzf，Fzr之理可得

其中纵向加速度·vx和前轮转角δ可作为控制输入。

2.2 新型人工势场控制器设计

目前，把人工势场运用到车辆的避障控制和车道保持上已有不少学者研究颇深，而本文中从传统势场理论出发，在借鉴了添加速度变量的改进基础上，把前后两辆车作为两个势场，基于新型人工势场方法，构建在全局势力场中混合受力函数，利用两个势场的引力的拉近和斥力的推远来控制中间车辆最终处于平衡的安全位置。调整效果如图2和图3所示，图2为车辆初始位置示意图，图3为车辆调节结束位置示意图。

计算本车在两个势场中所受的力，假设本车能够获取前后方车辆的位置和速度信息，使受控车辆能在考虑前后车辆位置和速度信息的基础上自动调节与前后车的跟车距离。构造出本车在全局势场中所受到的合力：

图2 车辆初始位置示意图

图3 车辆调节结束位置示意图

式中：Ka1，Ka2，Kr1，Kr2分别为前后车辆构建的引力和斥力势场位置增益系数；Kav1，Kav2，Krv1，Krv2分别为前后车辆构建的引力和斥力势场速度增益函数；X1，X2，v1，v2分别为前后车辆的位置和速度；ρ1（X，X1），ρ2（X，X2）分别为本车与前后车的距离。

在得到动力学模型之后还须与人工势场模型结合起来，车辆控制系统如图4所示。具体步骤是，将自动驾驶车辆通过传感器获得的前后方向车辆位置X和速度v作为特征量，在考虑前后车的基础上根据新型人工势场理论确定控制函数Fsd，并计算出Fsd的数值，控制函数Fsd作为负反馈与车辆当前合力Fs形成对比误差，若Fs＝Fsd，则本车所处位置无须调整，车辆继续按当前状态前进，若Fs≠Fsd，经过PID调节修正误差，形成反馈的闭合回路，进而不断修正车辆合力使其能够按照函数Fsd控制前后车距，最后达到 Fs＝Fsd。

图4 车辆控制系统图

3 仿真分析

本文中基于MATLAB／Simulink仿真系统，搭建仿真系统模型，采用表1中的动力学模型数据，对设计出的人工势场控制器进行了两种拥挤道路工况下的仿真。

表1 仿真整车参数表

搭建的由PID调节人工势场模型来控制动力学模型的仿真系统如图5所示。

3.1 第1种工况

第1种工况设置为：初始时，本车和前、后车辆都以10 m／s的速度匀速行驶，所以前后车间距不变，本车距离后车较近，导致前方有一大段道路空白，后方拥挤，降低了道路利用率。这时本车利用人工势场控制器，使本车从10 m／s开始加速，主动调节本车位置到最佳位置。仿真时间为20 s，Ka1＝Ka2＝150，Kr1＝Kr2＝120，由于前后车辆速度不变，本车车速也相差不大，故取 Kav1＝Kav2＝1，Krv1＝Krv2＝1，前后车的初始位置X1＝-1，X2＝50，前后车的速度为v1＝v2＝10 m／s，斥力势场影响距离 ρ0＝30 m。仿真结果如图6～图9所示。

图6为本车与前后车距离ρ的时间历程图。可以看出，本车从初始位置，基本经过两次调整在仿真进行到10 s时达到了平衡位置，调整效果比较理想，保证了调整效率和人员安全。由于设置的前后车间距离保持在51 m，最后的平衡位置落在与前后车距25 m左右的位置。图7和图8为本车的速度v和加速度a的时间历程图。可以清楚地看到，在调整位置过程中本车车速的变化是先加速，速度最高达到17.62 m／s，到靠近前车位置后减速，车速稳定在与前后车速相同的10 m／s。图9为本车所受势场合力Fs的时间历程图。可以看出，在靠近后车或前车的地方受到的势场力比较大，这也符合了人工驾驶的结果。

图5 新型人工势场控制系统仿真框架图

图6 本车与前后车距离ρ的时间历程图

图7 本车速度v的时间历程图

图8 本车加速度a的时间历程图

图9 本车所受势场合力F s的时间历程图

3.2 第2种工况

第2种工况设置为：本车距离后车较近，后车速度先是大于前车，后减速到与前车同速，本车通过调整，在不断缩小的安全距离内自适应寻找最佳位置。以此来缩短整个拥挤交通流的车车间距，提高道路利用率，减轻拥挤。仿真时间为30 s，Ka1＝Ka2＝150，Kr1＝Kr2＝120，按本工况，将参数调整为 Kav1＝Kav2＝5，Krv1＝Krv2＝1，前后车的初始位置 X1＝-1，X2＝150，前车速度为 v1＝10 m／s，后车速度为 v2＝15 m／s，本车初始车速为v＝15 m／s，斥力势场影响距离 ρ0＝30 m。仿真结果如图10～图13所示。

图10 本车与前后车距离ρ的时间历程图

图11 本车的速度v的时间历程图

从仿真结果来看，调整效果比较高效。图10为本车与前后车距离ρ的时间历程图。可以看出，本车从初始位置，基本经过两次调整在仿真进行到7.5 s时就达到了平衡位置，调整效果比较理想，保证了调整效率和人员安全。由于设置的前后车间距离是变化的，在7.5 s以后就看到本车与前后车距离以相同速率在下降，在20 s后车降速后，再次快速调整到平衡位置。图11和图12为本车的速度v和加速度a的时间历程图。可以清楚地看到，在调整位置过程中本车车速的变化是先加速，速度最高达到47.5 m／s，到靠近前车位置后减速调整，车速稳定在与前后车速的中间值12.5 m／s，在20 s时由于后车减速，本车迅速做出调整最后把速度维持在10 m／s。图13为本车所受势场合力Fs的时间历程图。可以看出，在靠近后车或前车的地方受到的势场力比较大，能看到在环境变化时做出的及时调整，最终处于受力为零的平衡状态。

图12 本车的加速度a的时间历程图

图13 本车所受势场合力F s的时间历程图

4 结论

本文中提出了利用新型人工势场方法构建一种考虑前后车辆行为信息自适应调节与前后车辆间距的方法。基于新型人工势场方法，把前后车看做两个势场，构建在全局势场中混合受力函数，利用两个势场引力的拉近和斥力的推远来控制中间车辆最终处于平衡的安全位置。并用实验验证了所提出的思路，进而弥补了现有的自适应巡航系统只考虑前方车辆的弊端。实验工况1表明，使用本控制方法在一定程度上缓解了拥挤工况下的拥堵情况；实验工况2则演示了通过本车的控制，解决后车追尾的安全问题，且从实验的调整效果看，调整效果好，控制精度高，响应快。但整个系统尚不完整，还有很多需要完善之处，比如：如果后车持续逼近，本车在调整到最后仍然无法避免追尾事故；系统的抗干扰能力还未进行验证；本控制系统还只是在初级层面，还须将理论进一步深化研究，这些将会在下一步研究中逐步解决。