典型交通場(chǎng)景下智能車(chē)的定位與協(xié)作

彭新榮，王冰，謝強(qiáng)德

0 引言

智能車(chē)的分布式協(xié)作是指多個(gè)智能車(chē)為保證高效運(yùn)行且安全，通過(guò)分布式的行為協(xié)作實(shí)現(xiàn)車(chē)隊(duì)、路口及超車(chē)等典型的車(chē)輛協(xié)作，提高了交通系統(tǒng)的安全和運(yùn)行效率，有助于解決交通事故、道路阻塞和能源環(huán)保等實(shí)際問(wèn)題。從上世紀(jì)80年代，國(guó)內(nèi)外研究機(jī)構(gòu)已開(kāi)始對(duì)典型交通場(chǎng)景，如高速公路和城市道路下的多車(chē)協(xié)作系統(tǒng)開(kāi)展相關(guān)的研究，如美國(guó)加州 PATH[1]，歐洲 CyberCars2[2]，日本 DEMO2000[3]項(xiàng)目等，研究?jī)?nèi)容包括智能車(chē)的定位導(dǎo)航與多智能車(chē)的通信與協(xié)作。

由于多車(chē)協(xié)作相關(guān)研究側(cè)重與軟件算法仿真，無(wú)法直接應(yīng)用于實(shí)際智能車(chē)系統(tǒng)中，目前研究機(jī)構(gòu)開(kāi)始采用實(shí)際智能車(chē)為平臺(tái)研究多車(chē)協(xié)作，但是采用實(shí)際車(chē)輛在人力、時(shí)間與資源方面成本很高，研究進(jìn)展較緩慢。針對(duì)此問(wèn)題，本文設(shè)計(jì)了基于嵌入式系統(tǒng)的智能小車(chē)CyberSmart，該智能車(chē)與實(shí)際智能車(chē)有相似的動(dòng)力學(xué)模型、導(dǎo)航與定位方法。針對(duì)典型交通場(chǎng)景，本系統(tǒng)采用視覺(jué)與里程計(jì)結(jié)合的方法，實(shí)現(xiàn)了在兩層結(jié)構(gòu)的地圖模型下的全局的準(zhǔn)確定位。在此基礎(chǔ)上，設(shè)計(jì)基于沖突表的路口協(xié)調(diào)算法、車(chē)隊(duì)跟隨算法，使多智能車(chē)在路口、車(chē)隊(duì)和超車(chē)的場(chǎng)景下安全且高效地協(xié)作。

本文首先介紹多智能車(chē)協(xié)作系統(tǒng)架構(gòu)，然后針對(duì)智能車(chē)在典型城市交通場(chǎng)景下的定位，建立了兩層結(jié)構(gòu)的地圖模型，并實(shí)現(xiàn)了智能車(chē)在該地圖中的全局定位。本文還設(shè)計(jì)了路口協(xié)調(diào)算法與車(chē)隊(duì)跟隨算法，最后在CyberSmart智能車(chē)平臺(tái)上對(duì)路口、車(chē)隊(duì)、超車(chē)的協(xié)作與控制算法進(jìn)行了多次實(shí)驗(yàn)，通過(guò)實(shí)驗(yàn)驗(yàn)證多車(chē)協(xié)作系統(tǒng)定位與協(xié)作的可靠性與準(zhǔn)確性。

1 多智能車(chē)的系統(tǒng)結(jié)構(gòu)

典型交通場(chǎng)景下，如城市道路中的十字路口，多個(gè)智能車(chē)有不同的目標(biāo)路線(xiàn)，在可靠的通信基礎(chǔ)上獲得附近其他車(chē)輛的定位和意圖，并采取相應(yīng)的措施滿(mǎn)足安全與效率的要求。本文針對(duì)典型交通場(chǎng)景下的多智能車(chē)協(xié)作，設(shè)計(jì)了多智能體的協(xié)作系統(tǒng)。該系統(tǒng)中CyberSmart智能車(chē)作為一個(gè)集感知、計(jì)算和執(zhí)行為一體的智能體，由控制與計(jì)算中心、感知系統(tǒng)、通信系統(tǒng)和執(zhí)行機(jī)構(gòu)組成，如圖1所示?？刂婆c計(jì)算中心為智能車(chē)的決策與控制核心，可通過(guò)感知系統(tǒng)和通信系統(tǒng)，獲得其他車(chē)輛的運(yùn)行狀態(tài)和周?chē)h(huán)境信息，對(duì)所獲信息進(jìn)行處理，并根據(jù)知識(shí)庫(kù)和協(xié)作的目標(biāo)通過(guò)計(jì)算與決策獲得控制指令，由執(zhí)行機(jī)構(gòu)實(shí)現(xiàn)機(jī)器人的橫向與縱向控制，同時(shí)通過(guò)通信系統(tǒng)與周?chē)闹悄苘?chē)共享信息。

圖1 智能車(chē)CyberSmart結(jié)構(gòu)示意圖

1.1 智能車(chē)硬件系統(tǒng)的結(jié)構(gòu)

智能車(chē)的任務(wù)包括視覺(jué)導(dǎo)航、定位、速度控制與通信，其控制系統(tǒng)具有多任務(wù)和實(shí)時(shí)性要求高的特點(diǎn)，本系統(tǒng)采用帶有XGATE協(xié)處理器的MC9S12XDP512作為主控制器，硬件結(jié)構(gòu)如圖2所示。使用CMOS模擬攝像頭采集道路信息并實(shí)現(xiàn)視覺(jué)導(dǎo)航，采用光電編碼器的里程計(jì)功能結(jié)合視覺(jué)檢測(cè)人工路標(biāo)的方法實(shí)現(xiàn)定位。

圖2 CyberSmart硬件系統(tǒng)結(jié)構(gòu)

1.2 通信協(xié)議的結(jié)構(gòu)

多智能車(chē)協(xié)作系統(tǒng)采用的車(chē)與車(chē)之間的無(wú)線(xiàn)通信系統(tǒng)，由于其特殊的應(yīng)用環(huán)境和需求，相比普通移動(dòng)自組織網(wǎng)絡(luò)，主要的區(qū)別包括它是無(wú)中心的分布式網(wǎng)絡(luò)，對(duì)通信系統(tǒng)的實(shí)時(shí)性、時(shí)延等要求高，且需要支持高效的廣播機(jī)制。

本文介紹的系統(tǒng)的通信架構(gòu)，主要包括物理層與介質(zhì)訪(fǎng)問(wèn)層(MAC)，針對(duì)該系統(tǒng)的特殊性，物理層采用基于IEEE802.15.4的無(wú)線(xiàn)通信模塊XBEE[4]，該模塊不僅具有低延時(shí)、支持同步的特點(diǎn)，而且對(duì)上層的MAC協(xié)議開(kāi)發(fā)提供了很好的接口。

介質(zhì)訪(fǎng)問(wèn)層采用基于時(shí)分復(fù)用的信道接入?yún)f(xié)議RR-ALOHA，不僅具有更高的可靠性和實(shí)時(shí)性，能很好地支持本系統(tǒng)中應(yīng)用最多的單跳范圍內(nèi)的廣播功能，而且該協(xié)議可以獨(dú)立于物理層之上進(jìn)行設(shè)計(jì)，

1.3 多車(chē)協(xié)作系統(tǒng)的軟件結(jié)構(gòu)

多車(chē)協(xié)作系統(tǒng)的軟件結(jié)構(gòu)如圖3所示，從底層單個(gè)智能車(chē)的軟件系統(tǒng)到上層協(xié)作任務(wù)可分為4層結(jié)構(gòu)。智能車(chē)在典型交通場(chǎng)景下的定位，是指在視覺(jué)導(dǎo)航與里程定位的基礎(chǔ)上得到智能車(chē)在已知地圖中的定位。典型交通場(chǎng)景包括路口、車(chē)隊(duì)和超車(chē)情形，系統(tǒng)實(shí)現(xiàn)了這幾種典型場(chǎng)景下的多車(chē)協(xié)作。

圖3 多智能車(chē)協(xié)作系統(tǒng)軟件結(jié)構(gòu)

2 典型交通場(chǎng)景下智能車(chē)的定位

智能車(chē)準(zhǔn)確的定位是多個(gè)智能車(chē)能夠安全地進(jìn)行協(xié)作的必要條件，在室外實(shí)際車(chē)輛運(yùn)行的環(huán)境中，可利用 GPS進(jìn)行定位。本系統(tǒng)智能車(chē)CyberSmart是運(yùn)行于室內(nèi)的智能車(chē)模擬平臺(tái)，主要依靠視覺(jué)和里程計(jì)進(jìn)行定位。

多個(gè)智能車(chē)運(yùn)行在已知的地圖中，首先需要建立共同的地圖數(shù)據(jù)庫(kù)，對(duì)已知地圖進(jìn)行建模。在地圖建模的基礎(chǔ)上，通過(guò)傳感器獲取準(zhǔn)確的定位信息，通過(guò)通信協(xié)議數(shù)據(jù)幀與其他車(chē)輛交互定位和意圖，為多車(chē)的協(xié)作提供可靠的數(shù)據(jù)和信息。

2.1 地圖的建模

針對(duì)城市中的典型交通場(chǎng)景，本文建立兩層結(jié)構(gòu)的地圖模型。上層為地圖的有向圖拓?fù)浣Y(jié)構(gòu)，節(jié)點(diǎn)表示十字路口，連接相鄰兩個(gè)節(jié)點(diǎn)的有向線(xiàn)段表示有方向的車(chē)道；下層為具體的地理信息，對(duì)應(yīng)于路口節(jié)點(diǎn)的是車(chē)輛在路口區(qū)域的行駛路線(xiàn)，對(duì)應(yīng)于車(chē)道的是道路長(zhǎng)度及限速等信息。

圖4 典型交通場(chǎng)景的地圖建模

本系統(tǒng)在圖4所示的室內(nèi)模擬地圖內(nèi)運(yùn)行，該地圖由9個(gè)路口節(jié)點(diǎn)和24條單向車(chē)道組成，每個(gè)智能車(chē)將該地圖信息存儲(chǔ)在節(jié)點(diǎn)Node、車(chē)道Road、節(jié)點(diǎn)內(nèi)線(xiàn)路Path三個(gè)表中，圖5為地圖關(guān)系數(shù)據(jù)庫(kù)模型。

圖5 地圖數(shù)據(jù)庫(kù)模型

2.2 智能車(chē)的定位

CyberSmart智能車(chē)主要采用基于視覺(jué)的導(dǎo)航和定位方法，使用攝像頭獲取圖像信息，提取車(chē)道導(dǎo)引線(xiàn)并計(jì)算其與車(chē)體的相對(duì)位置，得到車(chē)體的相對(duì)位姿信息，傳送給控制運(yùn)算中心的運(yùn)動(dòng)規(guī)劃模塊，采用P控制算法控制舵機(jī)轉(zhuǎn)向完成對(duì)車(chē)道導(dǎo)引線(xiàn)的跟蹤和導(dǎo)航。智能車(chē)的縱向定位依據(jù)里程計(jì)，CyberSmart采用光電編碼器實(shí)現(xiàn)里程計(jì)的功能，能夠初步實(shí)現(xiàn)智能車(chē)在車(chē)道上的定位。

在典型交通場(chǎng)景下，智能車(chē)需要實(shí)現(xiàn)全局定位，即智能車(chē)根據(jù)已知地圖信息數(shù)據(jù)庫(kù)得到的定位信息，該定位信息和智能車(chē)的速度狀態(tài)信息，構(gòu)成通信協(xié)議數(shù)據(jù)幀的有效載荷，是實(shí)現(xiàn)多車(chē)協(xié)作的必要信息。智能車(chē)的全局定位結(jié)構(gòu)體包括與兩層地圖結(jié)構(gòu)相對(duì)應(yīng)的定位信息，如表1所示。

表1 智能車(chē)定位信息結(jié)構(gòu)體

為準(zhǔn)確獲得智能車(chē)的全局定位信息，在已有里程計(jì)定位的基礎(chǔ)上，增加路標(biāo)檢測(cè)功能，不僅實(shí)現(xiàn)對(duì)里程計(jì)的誤差校正，而且可以準(zhǔn)確的獲得車(chē)輛的全局定位信息。路標(biāo)放置在路口與車(chē)道相隔的區(qū)域，如一定寬度的橫線(xiàn)，智能車(chē)通過(guò)視覺(jué)檢測(cè)該路標(biāo)，對(duì)里程計(jì)通過(guò)數(shù)據(jù)關(guān)聯(lián)進(jìn)行標(biāo)定，可以提高智能車(chē)定位的精確性；同時(shí)通過(guò)檢測(cè)路標(biāo)完成了全局定位中路口區(qū)域和車(chē)道區(qū)域的切換。

3 典型交通場(chǎng)景下智能車(chē)的協(xié)作

CyberSmart智能車(chē)的控制由橫向控制與縱向控制兩部分構(gòu)成，有自動(dòng)巡航、隊(duì)列跟隨和換道3種基本行駛方式，通過(guò)橫向和縱向控制的組合可實(shí)現(xiàn)路口、隊(duì)列和超車(chē)等場(chǎng)景下的協(xié)作。機(jī)器人尺寸25cm×15cm×25cm（長(zhǎng)×寬×高），如圖6實(shí)物所示。實(shí)驗(yàn)環(huán)境是結(jié)構(gòu)化道路，道路上有黑色引導(dǎo)線(xiàn)作為路徑識(shí)別的特征。

圖6 CyberSmart智能車(chē)

3.1 路口的協(xié)作

智能車(chē)在十字路口的通行問(wèn)題，實(shí)際上是不同車(chē)輛進(jìn)入沖突區(qū)對(duì)行車(chē)線(xiàn)路的競(jìng)爭(zhēng)(圖 7)。本文設(shè)計(jì)的算法是基于沖突表的路口協(xié)作算法，沖突表以矩陣形式存儲(chǔ)在智能車(chē)的內(nèi)存中，表示十字路口區(qū)域內(nèi)12條行車(chē)路線(xiàn)的沖突關(guān)系。

圖7 十字路口沖突區(qū)行車(chē)路線(xiàn)

基于沖突表的路口協(xié)作算法需要為每個(gè)路口節(jié)點(diǎn)建立資源鎖表，每個(gè)資源鎖對(duì)應(yīng)路口內(nèi)的一條行車(chē)路線(xiàn)，若對(duì)應(yīng)的行車(chē)路線(xiàn)被某智能車(chē)占用，則其對(duì)應(yīng)資源鎖賦值為1，若空閑則賦值為0。智能車(chē)在進(jìn)入路口沖突區(qū)域時(shí)的協(xié)作算法流程圖如圖8所示，通過(guò)該算法，多智能車(chē)能夠在十字路口區(qū)域分布式地進(jìn)行協(xié)作，不僅保證車(chē)輛的安全通行，而且避免了基于紅綠燈信號(hào)控制的低效率的“空等現(xiàn)象”，提高了道路的通行效率。

圖8 沖突表算法流程圖

3.2 車(chē)隊(duì)與超車(chē)的協(xié)作

車(chē)隊(duì)在多車(chē)協(xié)作中至關(guān)重要，車(chē)輛需要保持安全車(chē)距并高效地進(jìn)行跟車(chē)。跟車(chē)的控制首先需要獲取在前方行駛的智能車(chē)的狀態(tài)信息，并保持與前者的安全距離。縱向速度控制采用線(xiàn)性二次型調(diào)節(jié)器LQR算法[5]，節(jié)點(diǎn)i跟隨著節(jié)點(diǎn)i-1形成隊(duì)列，并保持著安全距離Ld，相應(yīng)的跟隨模型可描述為

3.3 實(shí)驗(yàn)結(jié)果與分析

為測(cè)試多車(chē)協(xié)作系統(tǒng)協(xié)作控制算法，本文在CyberSmart平臺(tái)上進(jìn)行了多次實(shí)驗(yàn)，其中包括路口、車(chē)隊(duì)和超車(chē)3種情形。

隊(duì)列跟隨實(shí)驗(yàn)中的兩輛智能車(chē)初始位置相距2m，前者的速度在0m/s，1m/s，1.5m/s 3檔變化，跟車(chē)速度隨著前者的速度變化，保持與前者T=1s的時(shí)距行駛。間距曲線(xiàn)與速度曲線(xiàn)如圖9所示，由圖可看出跟車(chē)的速度對(duì)前者的速度變化響應(yīng)及時(shí)，并且保持安全距離，提高了隊(duì)列運(yùn)行的效率和安全性。

超越實(shí)驗(yàn)中前車(chē)以 0.5m/s慢速行駛，快速的智能車(chē)以1m/s速度行駛，超越過(guò)程如圖10所示?？燔?chē)在33s處發(fā)現(xiàn)前車(chē)，跟隨該車(chē)且保持安全距離，隨后進(jìn)行換道超越，超越的最高速度為1.5m/s，在超越了一定安全距離后，快車(chē)換道返回原車(chē)道以1m/s速度行駛。本系統(tǒng)進(jìn)行了大量超車(chē)實(shí)驗(yàn)，實(shí)現(xiàn)了多車(chē)協(xié)作的安全超車(chē)功能。

圖9 隊(duì)列跟隨

圖10 超車(chē)

4 結(jié)論

本文提出并設(shè)計(jì)了一個(gè)基于多智能體結(jié)構(gòu)的多車(chē)協(xié)作平臺(tái)，該平臺(tái)可作為多車(chē)協(xié)作控制算法的仿真實(shí)驗(yàn)平臺(tái)。針對(duì)典型的交通場(chǎng)景，建立了結(jié)構(gòu)化的地圖模型，并實(shí)現(xiàn)了智能車(chē)在地圖中的準(zhǔn)確定位。在此基礎(chǔ)上設(shè)計(jì)基于沖突表的路口協(xié)作算法、車(chē)隊(duì)跟隨算法，并進(jìn)行了大量路口、隊(duì)列和超車(chē)的協(xié)作實(shí)驗(yàn)，結(jié)果與分析表明了多車(chē)分布式協(xié)作系統(tǒng)和算法的實(shí)時(shí)性與可靠性，以及智能車(chē)定位的準(zhǔn)確性。

[1] Shladover S E. PATH at 20-history and major milestones.IEEE Transactions on Intelligent Transportation Systems.8(4), 584-592 (2007).

[2] Parent M. Advanced urban transport: automation is on the way[J] . IEEE Intelligent Systems, 2007, 22(2): 9-11.

[3] Tsugawa S. An introduction to Demo 2000: the cooperative driving scenario. Intelligent Transportation Systems. 15(4), 78-79 (2000)

[4] Digi International. XBee-PRO 802.15.4 OEM RF Modules.http://www.digi.com/products/wireless/point-multipoint/x bee-series1-module.jsp.

[5] Fenghui Wang, Ming Yang, Ruqing Yang. The intelligent vehicle coordination of the cybernetic transportation system[J] . International Journal of Advanced Robotic Systems, 2009, 6(1): 53-58.