基于交通風(fēng)險評估的個性化換道觸發(fā)研究*

朱乃宣，高振海，胡宏宇，呂 穎，趙偉光

（1.吉林大學(xué)，汽車仿真與控制國家重點實驗室，長春100025；2.中國第一汽車集團有限公司智能網(wǎng)聯(lián)開發(fā)院，長春130011）

前言

道路環(huán)境的交通態(tài)勢建模是智能車用來保障其在道路區(qū)域內(nèi)安全行駛、防止側(cè)翻和碰撞等危險狀況發(fā)生的關(guān)鍵技術(shù)手段，已受到了廣泛關(guān)注和研究。交通風(fēng)險評估主要用于處理原始的傳感器數(shù)據(jù)，通常包括來自立體視覺［1］、雷達［2］和激光雷達［3］的最低級別的原始數(shù)據(jù)，模型借助上述傳感器數(shù)據(jù)，對當(dāng)前車輛周圍環(huán)境進行合理而簡捷的表達，其主要信息有邊界的位置信息（車道線、路沿、路口）和道路內(nèi)的障礙物信息等。當(dāng)前常見的態(tài)勢評估方法是通過柵格地圖或者人工勢場法建立風(fēng)險場模型。

柵格地圖模型是貝葉斯占用過濾器［4］的變體，在智能車輛領(lǐng)域，基于貝葉斯占用濾波理論的占用網(wǎng)格已經(jīng)被廣泛地應(yīng)用于各種研究中［5-9］；至于采用人工勢力場法建立風(fēng)險場模型，是由Khatib提出的［10］。核心思想是障礙物產(chǎn)生斥力場，目標(biāo)點產(chǎn)生引力場，機器人在合勢場下沿著勢場下降最快的方向移動。當(dāng)前在決策規(guī)劃領(lǐng)域中常用的方法為：建立道路、車道線和障礙車的斥力場以及目標(biāo)點的引力場，根據(jù)車輛行駛軌跡求解勢場參數(shù)［11-17］。

在換道決策方面，學(xué)者們致力于研究換道行為觸發(fā)機理。其方法有基于規(guī)則［1］、隨機效用理論［19］、跟馳模型［20］和最小安全距離模型［21］等。

近年來，為了使得駕駛輔助系統(tǒng)越來越人性化，與駕駛員特性相結(jié)合的個性化換道輔助系統(tǒng)的研究也正廣泛進行。研究者通過傳統(tǒng)聚類方法［22-23］、神經(jīng)網(wǎng)絡(luò)［24］、隱馬爾可夫模型［25］、隨機森林法［26］和支持向量機［27-28］等方法對駕駛員數(shù)據(jù)進行處理，對駕駛員的風(fēng)格和能力進行分類，進而獲得模型中不同的參數(shù)。

然而，現(xiàn)有的個性化換道觸發(fā)研究大部分基于大量駕駛數(shù)據(jù)的采集，通過機器或者深度學(xué)習(xí)的方法獲得駕駛員的特性參數(shù)。該方法受場景和數(shù)據(jù)質(zhì)量影響較大，且可解釋性差，無法正確分析駕駛員對交通風(fēng)險的評估方式。

針對上述問題，為直觀、合理地構(gòu)建個性化的換道觸發(fā)，本文中提取駕駛員日常駕駛的真實數(shù)據(jù)，從中提取出其換道數(shù)據(jù)，并基于人工勢場理論搭建風(fēng)險評估模型，通過對駕駛員實際換道中的風(fēng)險分析，實現(xiàn)個性化的換道觸發(fā)，最終通過實車試驗進行了功能驗證。

1 行駛風(fēng)險場設(shè)計

本文中為了快速量化車輛在環(huán)境中的行駛風(fēng)險水平，建立了障礙物的行駛風(fēng)險場，該行駛風(fēng)險場綜合考慮了障礙物的外形尺寸和障礙物與自主車輛的相對運動。其中，靜態(tài)風(fēng)險場僅由障礙物本身屬性以及外形決定；動態(tài)風(fēng)險場則由障礙物的運動和自主車輛的運動所決定。此外，根據(jù)不同駕駛員對行駛風(fēng)險容忍能力的不同，分析出各自在行駛過程中所能忍受的風(fēng)險水平，為后續(xù)換道觸發(fā)算法的開發(fā)奠定基礎(chǔ)。

1.1 靜態(tài)風(fēng)險場

靜態(tài)風(fēng)險場主要考慮障礙物的屬性和外形，其場強大小受兩個因素的影響：一是自主車輛與障礙物的相對距離；二是自主車輛接近障礙物的方向。自主車輛與障礙物之間的相對距離越小，發(fā)生交通事故的可能性就越大，因而靜態(tài)風(fēng)險場的場強越大。對于機動車而言，其行駛方向受到限制，即機動車的側(cè)向速度通常遠小于縱向速度。因而，在障礙物的縱向方向上，靜態(tài)風(fēng)險場有較大的影響范圍；而在障礙車的側(cè)向方向上，靜態(tài)風(fēng)險場的影響范圍較小。因此，對于障礙物的靜態(tài)風(fēng)險場可采用二維高斯函數(shù)。同時考慮到機動車的外形尺寸較大，機動車邊緣與中心點的場強差值較大，故采用1階中心距的二維高斯函數(shù)不太合適。為此，采用高階中心距的二維高斯函數(shù)作為障礙物的風(fēng)險危險場。高階中心距展平了函數(shù)的峰頂，使得整個障礙物表面都有相近的風(fēng)險場場強。靜態(tài)風(fēng)險場的公式為

式中：(x，y)為交通環(huán)境內(nèi)某一點的橫縱坐標(biāo)；(xobs，yobs)為障礙物中心點的橫縱坐標(biāo)；A為場強系數(shù)；β為高階系數(shù)；σx和σy為障礙物的外形函數(shù)；Lobs為障礙物縱向方向的長度；Wobs為側(cè)向方向的長度；kx和ky為障礙物橫縱向尺寸系數(shù)。

以圖1所構(gòu)建的交通場景為例，規(guī)定行駛方向為X軸正向，車輛以id為索引，每輛車的位置和車速等數(shù)據(jù)如表1所示，其中車輛的橫縱坐標(biāo)為車輛質(zhì)心的坐標(biāo)，L、D和v分別為車輛的長度、寬度和速度。本文中均以自車id=0構(gòu)建交通環(huán)境中的行駛風(fēng)險場，靜態(tài)及動態(tài)風(fēng)險場中的參數(shù)取值如表2所示。

圖1 交通場景示意圖

表1 車輛相關(guān)數(shù)據(jù)

表2 行駛風(fēng)險場參數(shù)取值

圖1所示的交通場景中形成的靜態(tài)風(fēng)險場如圖2和圖3所示。從圖2可以看出，靜態(tài)風(fēng)險場在障礙物的縱向方向上有較大的影響范圍，而且隨著障礙物縱向長度的增加，影響范圍也越大。從圖3可以看出，靜態(tài)風(fēng)險場的場強隨著相對距離的減小而增大，對于接近障礙物邊緣的點，場強接近峰值，整個障礙物表面的場強大小相近。因此，使用高階中心距二維高斯函數(shù)建立的靜態(tài)風(fēng)險場基本滿足要求。

圖2 靜態(tài)風(fēng)險場等勢線

圖3 靜態(tài)風(fēng)險場場強

1.2 動態(tài)風(fēng)險場

動態(tài)風(fēng)險場的構(gòu)建需要綜合考慮障礙物和自主車輛的運動。動態(tài)風(fēng)險場的場強大小主要受到4個因素的影響，分別是相對距離、相對速度的絕對值、相對速度的方向和自主車輛的接近方向。當(dāng)相對速度方向和接近方向相同時，相對距離越小，相對速度的絕對值越大，則引發(fā)交通事故的可能性就越大，因而動態(tài)風(fēng)險場的場強越大。當(dāng)其他3項相同時，相對速度的絕對值越大，則引發(fā)交通事故的可能性也越大，因而動態(tài)風(fēng)險場的場強越大。

為了滿足以上要求，本文中以二維高斯函數(shù)為基礎(chǔ)建立了動態(tài)風(fēng)險場。動態(tài)風(fēng)險場的公式為

式中：σv為障礙物的速度與自主駕駛車輛速度的函數(shù)；vobs為障礙物在縱向方向上的速度；v為自主駕駛車輛的縱向速度；kv為速度系數(shù)；relv為描述障礙物與自主駕駛車輛相對運動方向的函數(shù)；α為相對速度系數(shù)，其余定義與靜態(tài)風(fēng)險場相同。kv和α具體取值見表2。

上述被視為障礙物的車輛的動態(tài)風(fēng)險場等勢線和場強如圖4和圖5所示。由圖可見：動態(tài)風(fēng)險場的場強隨著相對距離減小而逐漸增大；當(dāng)相對距離相等時，場強隨著相對速度絕對值的增大而增大。動態(tài)風(fēng)險場的峰值小于場強參數(shù)A，且與相對速度的絕對值大小有關(guān)，相對速度的絕對值越大，動態(tài)風(fēng)險場的峰值越大。此外，動態(tài)風(fēng)險場的峰值并不在車輛邊緣處，它隨著兩車相對速度關(guān)系、相對距離和障礙車尺寸等參數(shù)進行動態(tài)調(diào)整。綜上所述，構(gòu)建的動態(tài)風(fēng)險場基本滿足要求。

圖4 動態(tài)風(fēng)險場等勢線

圖5 動態(tài)風(fēng)險場場強

1.3 總行駛風(fēng)險場

車輛的總行駛風(fēng)險場為靜態(tài)風(fēng)險場與動態(tài)風(fēng)險場的疊加即

行駛風(fēng)險場等勢線如圖6所示。由圖可見，障礙物車輛1的車速小于自車，因此自車的前車（車1）相當(dāng)于逐漸“接近”自車。如車4繼續(xù)保持在當(dāng)前車道行駛，隨著自車與車1的相對距離的減小，自車受到的行駛風(fēng)險場的場強越大。自車為了將受到的行駛風(fēng)險場的場強維持在一定范圍內(nèi)，需要減速行駛。自車如果想要維持當(dāng)前車速行駛，則必須換道。自車的左側(cè)車道上，由于車2和車3都產(chǎn)生了較大的場強，而在右側(cè)車道上，車4相當(dāng)于“遠離”自車，因此在右車道上的場強較低，故自車向右側(cè)換道更為安全。綜上所述，構(gòu)建的行駛風(fēng)險場能夠識別車輛向右換道的趨勢，同時計算出換道時的場強，以此評判駕駛員對風(fēng)險的接受程度。

圖6 行駛風(fēng)險場等勢線

2 個性化換道觸發(fā)設(shè)計

2.1 駕駛員數(shù)據(jù)采集

為了辨識駕駛員的特性，在自由駕駛工況下進行大量試驗，以收集各類駕駛員的駕駛數(shù)據(jù)。按圖7所示的流程，構(gòu)建了駕駛員行為數(shù)據(jù)采集系統(tǒng)，它使用了一輛真實車輛，輔以慣性導(dǎo)航、角毫米波雷達和VECTOR VN1630A CAN采集設(shè)備。整個系統(tǒng)用來存儲駕駛習(xí)慣并收集駕駛數(shù)據(jù)。

圖7 駕駛員數(shù)據(jù)采集流程圖

在采集系統(tǒng)中，駕駛員通過操縱車輛轉(zhuǎn)向盤、油門踏板和制動踏板使車輛行駛。車輛的狀態(tài)參數(shù)可從車輛OBD中通過CAN信號獲得；真實的駕駛場景的經(jīng)緯度和車輛加速度等信息可從慣性導(dǎo)航通過CAN信號獲得；周圍車輛與障礙物的相對位置、速度和加速度等信息通過車輛四角的毫米波雷達獲得，每個角雷達可檢測150°范圍內(nèi)的障礙物，最遠可檢測80 m，通過CAN信號傳輸，使用VECTOR VN1630A采集CAN信號。整個過程中總計錄制了以下數(shù)據(jù)以便后續(xù)分析：車速、轉(zhuǎn)向盤轉(zhuǎn)角、轉(zhuǎn)向盤轉(zhuǎn)速、橫縱向加速度、橫擺角速度、制動主缸壓力、油門踏板開度、經(jīng)緯度以及周圍障礙物的位置、速度、加速度。

試驗地點在中國長春，選定了一段路線作為駕駛場景，選取的路段涵蓋了常見的場景，如直行、連續(xù)彎道、環(huán)島、換道、高架和擁堵等，全程約12 km，單次駕駛時長約25 min。

選擇了30名駕駛員作為測試樣本。正式測試前，駕駛員先對試驗車輛進行一段時間的試駕，以熟悉車輛和試驗步驟，除了設(shè)備外車上無其他配件。試驗后對其駕駛員信息進行統(tǒng)計，如表3所示。

表3 駕駛員信息

2.2 換道數(shù)據(jù)提取

考慮到后續(xù)要分析駕駛員的換道觸發(fā)，本文中將對自由駕駛數(shù)據(jù)進行了提取和分段，從中剝離出換道數(shù)據(jù)段進行分析。因此，本文中設(shè)定的轉(zhuǎn)向行駛的條件是：

（1）車速v＞2 m∕s2；

（2）轉(zhuǎn)向盤轉(zhuǎn)角δsw＞5°；

（3）轉(zhuǎn)向盤轉(zhuǎn)速δ˙sw＞5°∕s。

當(dāng)汽車脫離穩(wěn)定直線行駛時，開啟數(shù)據(jù)的提??；當(dāng)汽車重新進入直線行駛或者超過設(shè)定的工況持續(xù)時間Tcon（本文設(shè)置Tcon=7 s），則完成一段數(shù)據(jù)的提取，得到一組駕駛員轉(zhuǎn)向的時序數(shù)據(jù)。

上述通過提取得到的均是由駕駛員操縱轉(zhuǎn)向的時序數(shù)據(jù)，但是其中一部分是由于道路曲率的變化而使得駕駛員進行轉(zhuǎn)彎操作。為了得到換道的數(shù)據(jù)，本文中對時序數(shù)據(jù)進行了航向角估算以排除非換道數(shù)據(jù)。

考慮到航向估計模型的簡單易用且能真實反映車輛特性，本文中基于單車模型進行計算，使用單車模型需做如下假設(shè)：

（1）不考慮車輛在Z軸方向的運動，只考慮XY水平面的運動；

（2）左右側(cè)車輪轉(zhuǎn)角一致，這樣可將左右側(cè)輪胎合并為一個輪胎，以便于搭建單車模型，如圖8所示；

圖8 單車模型

（3）車輛行駛速度變化緩慢，忽略前后軸載荷的轉(zhuǎn)移；

（4）車身和懸架系統(tǒng)是剛性的。

具體符號定義見表4。

表4 單車模型參數(shù)定義

根據(jù)車輛動力學(xué)模型可得

同時假設(shè)車輛的方向變化率等于車輛的角速度，則車輛的角速度為

聯(lián)立式（9）和式（10）可得

質(zhì)心側(cè)偏角可由式（12）獲得

對˙在時間上積分可獲得航向角的歷程。

圖9為兩段提取的轉(zhuǎn)向工況下轉(zhuǎn)向盤轉(zhuǎn)角和經(jīng)過估算的航向角的時間歷程，其中圖9（a）反映了在該工況下車輛航向角整個時間段前后變化很小，由此可知該段數(shù)據(jù)為換道數(shù)據(jù)；圖9（b）則表示了典型的轉(zhuǎn)彎段數(shù)據(jù)的特征。由此，便可以將非典型的換道的數(shù)據(jù)從訓(xùn)練集中剔除。

圖9 典型換道工況和調(diào)頭工況的轉(zhuǎn)向盤轉(zhuǎn)角和航向角

2.3 駕駛員換道風(fēng)險機制分析

在完成了換道風(fēng)險場計算后，本文中定義了兩個閾值，分別為規(guī)劃閾值Qp和安全閾值Qs。其中規(guī)劃閾值Qp為駕駛員所能接受的自車車道前方風(fēng)險場強度，安全閾值Qs則為整個換道過程中駕駛員所能接受的最大風(fēng)險場強度。以圖1的場景為例，Qp為換道開始時刻車1形成的行駛風(fēng)險場；Qs為換道整個過程中所有車輛形成的行駛風(fēng)險場的最大值。

當(dāng)自車以當(dāng)前車速或者期望車速在當(dāng)前道路上行駛時，如果前方車輛速度過低或存在障礙物時，不同駕駛員會采取不同的操作以降低前方行駛風(fēng)險。比較保守的駕駛員往往傾向于減速繼續(xù)保持車道，從而有較大的Qp；激進的駕駛員則會立刻變換車道，繼而Qp較小。然而，Qs正相反，激進駕駛員往往接受能力強，Qs較大，后方和周圍車輛對其換道的影響較??；保守駕駛員則相反。

圖10示出了某次換道過程中行駛風(fēng)險的變化。自車在開始換道時刻前方的行駛風(fēng)險為0.124 3，總行駛風(fēng)險為0.174 6。隨著車輛始駛向相鄰車道，車輛的行駛風(fēng)險也繼續(xù)增加。在3.3 s時，車輛的行駛風(fēng)險達到最大值0.608 1。隨后車輛換到相鄰車道，前方行駛風(fēng)險變成0，總行駛風(fēng)險也逐漸下降。當(dāng)車輛換道完成時，車輛的行駛風(fēng)險為0.005 6。本文中將換道起始時的前方行駛風(fēng)險作為引發(fā)換道的行駛風(fēng)險，換道過程行駛風(fēng)險的最大值作為該駕駛員所能接受的行駛風(fēng)險。即本次換道中，該名駕駛員的Qp=0.124 3，Qs=0.608 1。

圖10 換道過程中的風(fēng)險

2.4 個性化換道觸發(fā)方法

圖11為采集駕駛員中的3名駕駛員的某段換道工況的Qp和Qs盒形圖。明顯看出，不同駕駛員可接受的行駛風(fēng)險有顯著差別。從整體分布來看，駕駛員1可忍受的前方風(fēng)險最低，能接受的行駛風(fēng)險最高，而駕駛員3則趨于保守，能夠忍受前方車輛的風(fēng)險盡量減少換道，同時對周圍環(huán)境風(fēng)險接受程度較低。

圖11 3位駕駛員換道Qp和Qs的對比

因此，本文中選取每位駕駛員在線統(tǒng)計得到的Qp和Qs的中位數(shù)作為該名駕駛員的最終閾值，并且該值隨換道工況次數(shù)的增加而逐漸獲得動態(tài)更新。車輛能夠觸發(fā)換道軌跡規(guī)劃系統(tǒng)的條件為

式中：Qfn為自車當(dāng)前車道前方風(fēng)險場；Qn為周圍環(huán)境的總風(fēng)險場；Qp和Qs為前n-1次換道工況規(guī)劃和安全閾值的中位數(shù)。

3 實車測試結(jié)果

本文中選取了15名駕駛員進行了實車驗證，本節(jié)將選取其中3名駕駛員進行說明。試驗開始前，駕駛員對試驗車輛先進行一段時間的試駕，以熟悉車輛和試驗流程。

將基于交通風(fēng)險評估的個性化換道觸發(fā)程序?qū)隡atlab∕Simulink中，通過VECTOR VN1630A實時獲取駕駛員的車輛操控數(shù)據(jù)和角雷達信息，通過程序進行換道工況提取。駕駛員每完成一次換道，就根據(jù)雷達信息計算出該次的Qpi和Qsi，在線統(tǒng)計Qp和Qs的中位數(shù)，并更新閾值。

在完成自由駕駛后，令每名駕駛員分別完成如圖12所示的換道工況。自車以40 km∕h行駛，前車以30 km∕h行駛，兩車初始間距為100 m，駕駛員正常駕駛，自由選擇時機進行換道。該工況以驗證Qp對換道觸發(fā)的影響（考慮到實車場景的安全性，Qs暫不測試）。

圖12 實車驗證場景

圖13示出基于前方風(fēng)險場場強曲線和3位駕駛員對應(yīng)的Qp閾值。從圖中可以看出，該試驗工況下1-3號駕駛員理論換道時刻分別為11.97、7.24和3.91 s，具有明顯的區(qū)別。圖14為1-3號駕駛員的實際換道過程橫向位移的時間歷程曲線，從圖中橫向位移的第1個拐點可以看出，實際1-3號駕駛員的換道觸發(fā)時刻分別為12.05、6.57和4.31 s，它們很好地符合駕駛員對于風(fēng)險的接受程度。

圖13 基于前方風(fēng)險的換道觸發(fā)

圖14 駕駛員的實際換道軌跡

4 結(jié)論

為實現(xiàn)個性化的換道觸發(fā)功能，本文中提出了一種基于人工勢場的交通風(fēng)險評估模型。本文的主要內(nèi)容和成果如下。

（1）行駛風(fēng)險場設(shè)計

基于人工勢場理論，對交通環(huán)境中的障礙物，建立了靜態(tài)和動態(tài)風(fēng)險場，綜合考慮了其物理屬性和狀態(tài)參數(shù)，實現(xiàn)了自車對環(huán)境的風(fēng)險評估，為換道觸發(fā)設(shè)計的開發(fā)提供理論基礎(chǔ)。

（2）換道觸發(fā)設(shè)計

數(shù)據(jù)采集與處理：采集駕駛員日常駕駛的數(shù)據(jù)，通過車輛的單車模型進行航向估算，從中提取出駕駛員的換道數(shù)據(jù)工況。

駕駛員換道風(fēng)險機制分析：定義了駕駛員換道的規(guī)劃閾值Qp和安全閾值Qs，并據(jù)此分析了駕駛員換道過程中的風(fēng)險變化過程。

個性化換道觸發(fā)方法：通過對采集的駕駛員換道數(shù)據(jù)進行統(tǒng)計分析，確定不同駕駛員換道過程中的風(fēng)險接受程度，從而得出個性化的換擋觸發(fā)時刻。

（3）實車測試驗證

選取典型工況進行了個性化換道觸發(fā)的實車驗證，結(jié)果表明：基于交通風(fēng)險評估的個性化換道觸發(fā)算法可針對不同駕駛員實現(xiàn)個性化換道觸發(fā)。

本文中研究了基于交通風(fēng)險評估的個性化換道觸發(fā)機理，并完成了實車驗證。但仍存在一些有待進一步深入研究和探討的內(nèi)容，如：

（1）根據(jù)變化無常的環(huán)境車輛狀態(tài)在交通風(fēng)險建模中融入障礙物意圖識別與軌跡預(yù)測；

（2）完成個性化的換道軌跡規(guī)劃設(shè)計。