基于道路試驗(yàn)的跟車場(chǎng)景挖掘系統(tǒng)設(shè)計(jì)

黃昆 劉興亮 武一民 朱世豪 張曉坤

（1.河北工業(yè)大學(xué)，天津 300401；2.中國(guó)汽車技術(shù)研究中心有限公司，天津 300300）

主題詞：跟車 場(chǎng)景挖掘 道路試驗(yàn) 智能網(wǎng)聯(lián)汽車

1 前言

目前，智能駕駛汽車的研發(fā)與驗(yàn)證方法主要分為4類，即實(shí)車路試、場(chǎng)地測(cè)試、臺(tái)架測(cè)試和仿真模擬。通過(guò)技術(shù)的不斷提升和道路試驗(yàn)的積累，可以實(shí)現(xiàn)人、車、環(huán)境等要素的數(shù)據(jù)化，隨著要素虛擬程度的提高，智能車輛研發(fā)與驗(yàn)證的速度也不斷加快。

根據(jù)部分知名廠商智能車輛研發(fā)與驗(yàn)證的經(jīng)驗(yàn)，從實(shí)車路試到仿真模擬的發(fā)展需要經(jīng)歷3個(gè)步驟：道路數(shù)據(jù)信息化、場(chǎng)景提取與挖掘、場(chǎng)景生成與重構(gòu)。其中，道路數(shù)據(jù)信息化為要素的數(shù)據(jù)化提供原始數(shù)據(jù)，需要進(jìn)行大量的道路試驗(yàn)。場(chǎng)景提取與挖掘?yàn)檐囕v研發(fā)驗(yàn)證過(guò)程中的虛擬仿真提供豐富的素材，如歐洲大型實(shí)車路試（European Field Operational Test，EuroFOT）項(xiàng)目[1]和中國(guó)大型實(shí)車路試（China Field Operational Test，China-FOT）項(xiàng)目[2]。場(chǎng)景生成與重構(gòu)是要素虛擬化成熟的標(biāo)志，可以極大地提高智能駕駛汽車研發(fā)與驗(yàn)證的速度。

本文設(shè)計(jì)跟車場(chǎng)景動(dòng)態(tài)要素的挖掘系統(tǒng)，依托VECTOR 公司的CANape 軟件對(duì)跟車場(chǎng)景的本車速度、相對(duì)速度、車頭間距、橫向距離、轉(zhuǎn)向盤轉(zhuǎn)角、車頭時(shí)距（Time Head Way，THW）、即時(shí)碰撞時(shí)間（Time to Collision，TTC）等進(jìn)行挖掘，并留有并聯(lián)接口，可以通過(guò)輸入信號(hào)及時(shí)間處理器增加工程應(yīng)用中所需要的信號(hào)，既可以實(shí)現(xiàn)離線跟車場(chǎng)景挖掘，又可以實(shí)現(xiàn)在線數(shù)據(jù)挖掘，以期完成跟車場(chǎng)景數(shù)據(jù)庫(kù)的搭建，為自適應(yīng)巡航控制（Adaptive Cruise Control，ACC）系統(tǒng)跟車部分的數(shù)學(xué)模型搭建提供數(shù)據(jù)支持。

2 跟車場(chǎng)景挖掘的控制策略

2.1 場(chǎng)景挖掘的系統(tǒng)架構(gòu)

如圖1所示，跟車場(chǎng)景挖掘的系統(tǒng)架構(gòu)由數(shù)據(jù)采集層、數(shù)據(jù)接收層和數(shù)據(jù)后處理層組成。其中，Mobileye ME630 用于檢測(cè)本車的跟隨目標(biāo)和判斷目標(biāo)物的車道位置信息，攝像頭用于記錄本車前向、左向和右向的視頻數(shù)據(jù)信息，作為人工評(píng)判的依據(jù)。存儲(chǔ)在數(shù)據(jù)接收層的信號(hào)及視頻數(shù)據(jù)通過(guò)CANape 的I/O 口實(shí)現(xiàn)CANape到Simulink間的信息傳遞，通過(guò)主程序?qū)Σ杉降男盘?hào)進(jìn)行跟車場(chǎng)景挖掘和輸出。

圖1 跟車場(chǎng)景挖掘系統(tǒng)構(gòu)架

該跟車場(chǎng)景挖掘系統(tǒng)在離線狀態(tài)下可通過(guò)CANape和Simulink 聯(lián)合仿真挖掘提取跟車場(chǎng)景的動(dòng)態(tài)要素信息，在道路試驗(yàn)中，將程序嵌入與總線連接的VECTOR工控機(jī)，能夠?qū)崟r(shí)進(jìn)行跟車場(chǎng)景挖掘的工作。

數(shù)據(jù)后處理層由車輛空間位置模塊、跟車目標(biāo)選擇模塊、跟車約束模塊、信號(hào)及時(shí)間片斷處理模塊組成。其中，空間位置模塊和跟車目標(biāo)選擇模塊通過(guò)目標(biāo)與本車的空間位置篩選出跟車目標(biāo)，并通過(guò)跟車約束模塊對(duì)跟車場(chǎng)景進(jìn)行實(shí)時(shí)的跟車中斷判定，得到跟車的時(shí)間片段，信號(hào)及時(shí)間片斷處理模塊通過(guò)對(duì)輸入信號(hào)進(jìn)行時(shí)間片段處理，保留跟車場(chǎng)景數(shù)據(jù)，刪除非跟車場(chǎng)景數(shù)據(jù)。

2.2 車輛空間位置模塊

本文設(shè)計(jì)的跟車場(chǎng)景挖掘程序?qū)⒛繕?biāo)車輛與本車的空間位置作為主要的車輛跟馳判定參數(shù)，包括車頭間距和相對(duì)橫向距離，可通過(guò)毫米波雷達(dá)采集的數(shù)據(jù)計(jì)算獲得。定義空間位置輔助系數(shù)r，當(dāng)目標(biāo)滿足跟車的空間位置條件時(shí)，取r=1，否則取r=0。車輛空間位置模塊如圖2所示。

圖2 車輛空間位置模塊

車輛空間位置模塊的輸入?yún)?shù)為本車與目標(biāo)物的相對(duì)距離R和偏航角α，可通過(guò)毫米波雷達(dá)和角毫米波雷達(dá)進(jìn)行數(shù)據(jù)采集，模塊的輸出量為本車與目標(biāo)的車頭間距Ry、相對(duì)橫向距離Rx以及空間位置輔助系數(shù)r，計(jì)算如下：

當(dāng)Rx和Ry同時(shí)滿足跟車的空間位置約束時(shí)，即目標(biāo)車輛位于本車所在車道前方0～150 m的范圍內(nèi)[3]，r的輸出值為1，否則為0。

2.3 跟車目標(biāo)選擇模塊

跟車目標(biāo)選擇模塊對(duì)滿足跟車空間位置要求的所有目標(biāo)車輛的車頭間距進(jìn)行比較，選擇車頭間距最小的目標(biāo)車輛作為跟車目標(biāo)，確保所選的跟車目標(biāo)為同一車道內(nèi)的相鄰前車。

跟車目標(biāo)的選擇判斷流程為：輸入目標(biāo)i（i=1,2,3,…,64，毫米波雷達(dá)可以探測(cè)目標(biāo)的最大數(shù)量為64）的空間位置輔助系數(shù)r，若r=1，則輸出目標(biāo)與本車的車頭間距，否則進(jìn)行下一目標(biāo)的判斷，篩選輸出所有滿足空間位置要求的目標(biāo)后，通過(guò)比較獲得具有最小車頭間距的目標(biāo)i，即為最終選擇的跟車目標(biāo)。

2.4 跟車約束模塊

跟車場(chǎng)景挖掘系統(tǒng)利用跟車約束模塊對(duì)車輛的行駛狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)控，通過(guò)位置、速度、車頭時(shí)距等跟車參數(shù)對(duì)跟車是否中斷進(jìn)行實(shí)時(shí)判定。定義跟車約束輔助系數(shù)k，作為模塊對(duì)跟車判定的輸出變量，當(dāng)且僅當(dāng)場(chǎng)景滿足所有跟車約束條件時(shí)，k的輸出值為1，否則輸出0。跟車約束模塊如圖3 所示，輸入量包括本車速度v、目標(biāo)車速度vobj、目標(biāo)與本車的車頭間距Ry、橫向距離Rx、相對(duì)速度vr、車頭時(shí)距th、車道位置l，模塊的輸出量為跟車約束輔助系數(shù)k。

圖3 跟車約束模塊

跟車約束的判定條件如下：

a.為了避免本車或目標(biāo)車在擁堵路段或信號(hào)燈路口處于靜止?fàn)顟B(tài)，對(duì)本車和目標(biāo)車的速度進(jìn)行判定：

b.為了確保滿足縱向的空間位置約束條件，對(duì)目標(biāo)車與本車的車頭間距進(jìn)行判定：

式中，y=150 m為跟車的車頭間距閾值[3-5]。

c.為了確保本車與目標(biāo)車處于穩(wěn)定跟車狀態(tài)，對(duì)目標(biāo)與本車的車頭時(shí)距進(jìn)行判定：

式中，thmax=5 s為跟車場(chǎng)景車頭時(shí)距的閾值[6-11]。

d.為了確保本車與目標(biāo)車處于穩(wěn)定的跟車狀態(tài)，對(duì)目標(biāo)車與本車的相對(duì)速度進(jìn)行判定：

式中，vrmax=4 m/s為前車與本車的相對(duì)速度閾值。

e.在結(jié)構(gòu)化道路，即有車道線的道路上，通過(guò)判定目標(biāo)的橫向位置是否在左、右車道線之間[12-16]對(duì)目標(biāo)車是否變道進(jìn)行判定：

式中，ll、lr分別為左、右側(cè)車道線的位置。

f.在非結(jié)構(gòu)化道路，即無(wú)車道線道路上，通過(guò)目標(biāo)與本車的橫向距離判斷目標(biāo)車是否變道：

式中，x=1.2 m 為跟車狀態(tài)下目標(biāo)車與本車的最大橫向距離[17-18]。

2.5 信號(hào)及時(shí)間片斷處理模塊

信號(hào)及時(shí)間片斷處理模塊用于記錄跟車的時(shí)間片段和輸出場(chǎng)景動(dòng)態(tài)信息。定義跟車場(chǎng)景挖掘系數(shù)a，用以判斷當(dāng)前時(shí)刻是否屬于跟車場(chǎng)景，當(dāng)且僅當(dāng)目標(biāo)i的空間位置輔助系數(shù)r和跟車約束輔助系數(shù)k的值均為1時(shí)，取a=1，否則取a=0。

如圖4所示，場(chǎng)景的動(dòng)態(tài)信息（如本車速度、本車加速度、轉(zhuǎn)向盤轉(zhuǎn)角、橫擺角速度、縱/橫向距離、縱/橫向加速度等）以場(chǎng)景挖掘系數(shù)a為依據(jù)進(jìn)行篩選，保留屬于跟車場(chǎng)景（a=1）的片段信息，去除非跟車場(chǎng)景（a=0）的片段信息并將信息數(shù)據(jù)置0。

3 場(chǎng)景挖掘結(jié)果

3.1 離線跟車場(chǎng)景挖掘

許多道路試驗(yàn)過(guò)程中并未進(jìn)行跟車場(chǎng)景挖掘，為了提取和挖掘這些行程的跟車場(chǎng)景數(shù)據(jù)，將離線信號(hào)輸入跟車場(chǎng)景挖掘系統(tǒng)進(jìn)行處理，離線跟車場(chǎng)景挖掘?qū)崿F(xiàn)流程如圖5所示。

圖4 信號(hào)及時(shí)間片斷處理模塊

圖5 離線場(chǎng)景跟車景挖掘流程

如圖6 所示，樣本1 為一段行程的部分原始數(shù)據(jù)（由于一段數(shù)據(jù)時(shí)間較長(zhǎng)，此處僅截取一部分片段），在第1 408 s時(shí)，目標(biāo)34和目標(biāo)14同時(shí)滿足跟車的空間位置要求，通過(guò)跟車目標(biāo)選擇模塊確定本車的跟車目標(biāo)為目標(biāo)34，在第1 520 s 時(shí)，目標(biāo)34 進(jìn)行變道，跟車中斷，目標(biāo)34 在該時(shí)間段內(nèi)空間位置輔助系數(shù)r和跟車約束輔助系數(shù)k的值均為1，因此，場(chǎng)景挖掘系數(shù)a的值為1，如圖7所示。

圖6 樣本1的原始數(shù)據(jù)

圖7 樣本1的場(chǎng)景挖掘系數(shù)

樣本1 的跟車場(chǎng)景挖掘結(jié)果如圖8 所示，場(chǎng)景時(shí)間為第1 408～1 520 s，輸出的動(dòng)態(tài)要素信息包括本車速度、車頭間距、相對(duì)速度和車頭時(shí)距（在工程應(yīng)用中可以根據(jù)實(shí)際需求增加或減少參數(shù)的數(shù)量）。

3.2 在線跟車場(chǎng)景挖掘

道路試驗(yàn)有效時(shí)間為6 天，行駛里程為1 633 km，測(cè)試地為天津。試驗(yàn)車為一款B 級(jí)車，如圖9 所示，數(shù)據(jù)采集設(shè)備包括：激光雷達(dá)、毫米波雷達(dá)，用于監(jiān)測(cè)車輛位置、姿態(tài)等信息；Mobileye ME630，用于識(shí)別靜態(tài)場(chǎng)景要素和動(dòng)態(tài)目標(biāo)車輛信息；攝像頭，用于記錄行程的視頻信息；VECTOR 工控機(jī)，用于連接車輛總線、雷達(dá)、攝像頭等設(shè)備。

圖8 樣本1的跟車場(chǎng)景挖掘結(jié)果

圖9 道路試驗(yàn)設(shè)備及場(chǎng)景

限于篇幅，在跟車場(chǎng)景挖掘系統(tǒng)的在線場(chǎng)景挖掘結(jié)果中選取3段自然駕駛行程，行程的靜態(tài)要素信息如表1所示。

表1 行程靜態(tài)要素信息

如圖10 所示，行程1 的總時(shí)長(zhǎng)為16 min，輸出的參數(shù)為目標(biāo)與本車的縱向相對(duì)距離Ry，共挖掘出14 個(gè)跟車場(chǎng)景的信息，其中系統(tǒng)漏判定1 次（毫米波雷達(dá)未檢測(cè)到目標(biāo)），誤判定0次。

如圖11 所示，行程2 的總時(shí)長(zhǎng)為35 min，輸出的參數(shù)為目標(biāo)與本車的車頭時(shí)距th，共挖掘出13個(gè)跟車場(chǎng)景的信息，其中系統(tǒng)漏判定0次，誤判定0次。

如圖12 所示，行程3 的總時(shí)長(zhǎng)為28 min，輸出的參數(shù)為目標(biāo)與本車的相對(duì)速度vr，共挖掘出10個(gè)跟車場(chǎng)景的信息，其中系統(tǒng)漏判定0次，誤判定0次。

圖10 行程1跟車場(chǎng)景挖掘結(jié)果

圖11 行程2跟車場(chǎng)景挖掘結(jié)果

圖12 行程3跟車場(chǎng)景挖掘結(jié)果

4 結(jié)束語(yǔ)

本文通過(guò)研究跟車場(chǎng)景中目標(biāo)的空間位置特征和跟車的約束條件，并結(jié)合國(guó)內(nèi)外的研究成果，設(shè)計(jì)了能夠提取所需動(dòng)態(tài)信息的跟車場(chǎng)景挖掘系統(tǒng)。經(jīng)離線仿真和道路測(cè)試驗(yàn)證，該系統(tǒng)能高效、準(zhǔn)確地完成離線和在線跟車場(chǎng)景挖掘工作。其中，在線場(chǎng)景挖掘通過(guò)工控機(jī)將道路試驗(yàn)與跟車場(chǎng)景的挖掘良好地集成在一起，提高了跟車場(chǎng)景挖掘的效率。