無人駕駛車輛路徑跟蹤控制研究現(xiàn)狀

孫啟東

摘要：隨著科技的飛速發(fā)展，無人駕駛車逐漸進(jìn)入了大眾視野。無人駕駛車在給人們出行帶來便利的同時，其安全性問題亦不容忽視。為了保證道路安全行駛，無人駕駛車通常配有主動避撞控制系統(tǒng)，目前的避撞方式則主要通過縱向制動來實現(xiàn)。有研究表明，在高速、低附著路面等極限工況下基于主動轉(zhuǎn)向的側(cè)向避撞控制系統(tǒng)的避撞效果更好。因此本文主要針對無人駕駛車輛在避障過程中的局部路徑規(guī)劃以及路徑跟蹤控制的相關(guān)算法進(jìn)行深入研究。

關(guān)鍵詞：無人駕駛車輛;避障路徑規(guī)劃;跟蹤控制

1、無人駕駛車輛國內(nèi)外概況

無人駕駛車也被稱之為輪式機(jī)器人，依賴于車內(nèi)各種計算機(jī)軟件及控制系統(tǒng)的協(xié)同配合實現(xiàn)自動駕駛，是智能汽車的一種。無人駕駛技術(shù)由于在提高汽車安全和性能方面具備的潛力，從而在近些年逐漸引起人們的關(guān)注。從上世紀(jì)中后期，西方各個發(fā)達(dá)國家便對無人駕駛汽車開展了深入研究，且取得了重大突破。美國在二十世紀(jì)八十年代開始對自主地面車輛進(jìn)行研究，并且于2004-2007年共舉辦了3屆DARPA無人駕駛挑戰(zhàn)賽。2009年，由豐田普銳斯（Toyota Prius）改裝而成無人車成功成為谷歌第一代無人駕駛車。2015年10月，特斯拉推出了半自動駕駛系統(tǒng)Autopilot，Autopilot是第一個投入商用的自動駕駛技術(shù)。2016年，通用車收購了自動駕駛技術(shù)創(chuàng)業(yè)公司Cruise Automation，正式進(jìn)入無人駕駛領(lǐng)域。

中國從20世紀(jì)80年代開始進(jìn)行無人駕駛車的研究，清華大學(xué)于1988年便對智能汽車的研究實現(xiàn)了突破，并在國家與相關(guān)項目的資助下開發(fā)了能夠?qū)崿F(xiàn)車道線自動跟蹤的THMR系列智能車。2005年，上海交通大學(xué)與歐盟科學(xué)家合作的CyberC3項目取得了階段性成果，并成功研制出了城市無人駕駛車，這標(biāo)志著我國的第一臺城市無人駕駛汽車成功問世。2011年7月，一汽集團(tuán)與國防科技大學(xué)共同研制了紅旗HQ3無人駕駛汽車，并完成了286km的全程高速公路無人駕駛試驗。2016年4月，阿里巴巴和上汽集團(tuán)緊密合作，聯(lián)合推出了阿里第一輛互聯(lián)網(wǎng)無人駕駛車輛，正式進(jìn)軍無人駕駛車領(lǐng)域。2018年7月，百度公司與金龍客車合作開發(fā)了無人駕駛客車“阿波龍”號，該車實現(xiàn)了L4無人駕駛級別，是目前國內(nèi)自動駕駛等級最高的無人駕駛車輛。

2、路路徑規(guī)劃及跟蹤控制研究現(xiàn)狀

2.1、控制架構(gòu)分析

路徑規(guī)劃及跟蹤控制從框架上大致可分為分層式和一體式兩種控制框架。在分層式控制架構(gòu)中，上層一般采用較為簡單的車輛模型（如質(zhì)點模型）進(jìn)行路徑規(guī)劃，并設(shè)置較長的預(yù)測時域，下層則采用高精度的車輛模型和較短的預(yù)測時域進(jìn)行路徑跟蹤。美國加利福尼亞大學(xué)的YiqiGao設(shè)計了一種分層式避撞控制架構(gòu)，其中上層基于質(zhì)點模型對參考路徑進(jìn)行了再規(guī)劃，而后下層控制器對上層再規(guī)劃的參考路徑進(jìn)行跟蹤。AmirK等人提出了一種分層式路徑規(guī)劃與跟蹤框架，利用三維虛擬危險勢場生成理想的避碰軌跡，并采用多約束模型預(yù)測控制（MMPC）問題實現(xiàn)路徑跟蹤。合肥工業(yè)大學(xué)的孫磊等依據(jù)等速偏移軌跡和正弦函數(shù)疊加對汽車側(cè)向換道路徑進(jìn)行規(guī)劃，并通過模糊控制算法對參考路徑進(jìn)行跟蹤控制。江蘇大學(xué)的劉志強采用五次多項式對避撞路徑進(jìn)行規(guī)劃，并基于前饋控制實現(xiàn)直車道場景追尾避撞控制。大連海事大學(xué)的張冠哲等通過正反梯形軌跡進(jìn)行換道路徑規(guī)劃，并基于終端滑?？刂圃O(shè)計了轉(zhuǎn)向控制系統(tǒng)對規(guī)劃的參考軌跡進(jìn)行跟蹤。南京航空航天大學(xué)的黃麗瓊針對高速行駛車輛縱向制動避撞的不足，提出了一種基于MPC的車輛轉(zhuǎn)向換道控制策略。通過基于五階多項式換道安全距離模型生成參考路徑，并設(shè)計了轉(zhuǎn)向換道控制器，通過控制前輪轉(zhuǎn)角來控制車輛完成路徑跟蹤。可以看出，國內(nèi)外在采用分層式避撞控制架構(gòu)方面已有較多的應(yīng)用研究，但由于上層的路徑規(guī)劃方法忽略了車輛動力學(xué)的非線性特性及道路參數(shù)（路面附著系數(shù)等）的變化等因素，可能導(dǎo)致緊急工況下的避撞效果不理想。

2.2、控制方法概況

目前，國內(nèi)外學(xué)者對避撞路徑規(guī)劃及跟蹤控制已有較多的研究成果。常用的方法有強化學(xué)習(xí)、人工勢場、A*算法、PID控制、線性二次型調(diào)節(jié)（Linear Quadratic Regulator，LQR）等。Kahn與Lucas利用強化學(xué)習(xí)方法（Reinforcement Learning，RL）實現(xiàn)了自動駕駛車輛的軌跡規(guī)劃與避撞，該方法通過車輛在訓(xùn)練期間經(jīng)歷失敗后，掌握完整的狀態(tài)和環(huán)境知識來確保安全，但該方法通常需要獲取大量的測試數(shù)據(jù)，且訓(xùn)練過程復(fù)雜。泰國國立法政大學(xué)的Sangyam設(shè)計了一種PID路徑跟蹤控制系統(tǒng)，并對傳統(tǒng)的PID控制器和基于模糊邏輯的自整定PID進(jìn)行了比較和分析。巴西坎皮納斯大學(xué)的Cordeiro設(shè)計了基于LQR路徑跟蹤控制器，并采用線性化二自由度車輛模型對參考路徑進(jìn)行跟蹤控制。國內(nèi)研究學(xué)者也采用了一些方法進(jìn)行了深入研究，重慶理工大學(xué)的汪波提出了一種改進(jìn)人工勢場算法進(jìn)行路徑規(guī)劃，避免了小車在優(yōu)化過程中陷入局部極小值的情況。同濟(jì)大學(xué)的修彩靖設(shè)計一種由預(yù)瞄控制和補償控制兩部分構(gòu)成的路徑跟蹤控制器，保證無人駕駛汽車能夠準(zhǔn)確跟蹤各種參考路徑，且具有較好的魯棒性。西安工業(yè)大學(xué)的譚寶成提出一種新型增量式PID控制算法，并通過分析車輛當(dāng)前位置及航向信息與目標(biāo)路徑的偏差實現(xiàn)路徑跟蹤。大連理工大學(xué)的李兵設(shè)計了橫向滑?？刂破?，以前輪轉(zhuǎn)角作為控制輸出，實現(xiàn)智能車路徑跟蹤。華南理工大學(xué)的趙克剛采用線性二次型最優(yōu)控制方法，實現(xiàn)了速度自適應(yīng)的車輛軌跡跟蹤最優(yōu)控制。

上述用于避撞控制的研究方法均取得了不錯的效果，但大部分方法沒有考慮執(zhí)行器物理約束等影響，在極限工況下，車輛容易發(fā)生失穩(wěn)。模型預(yù)測控制（Model Predictive Control）是一種基于簡單模型進(jìn)行滾動優(yōu)化控制的算法，由于其魯棒性較強，已被廣泛應(yīng)用于各種車輛動力學(xué)控制技術(shù)及自動駕駛領(lǐng)域，而且能預(yù)測車輛動力學(xué)狀態(tài)并在各種約束下優(yōu)化多種控制目標(biāo)。美國加利福尼亞的LiaoYW設(shè)計了一種分層式MPC避撞控制器，其中在控制器上層使用了一個簡化的質(zhì)點模型來解決路徑規(guī)劃問題，并在下層采用非線性自行車模型實現(xiàn)路徑跟蹤。加拿大安大略理工大學(xué)的Abbas利用非線性模型預(yù)測控制（NMPC），在離線軌跡生成的情況下，對檢測到障礙物時進(jìn)行軌跡再規(guī)劃及跟蹤控制。瑞典皇家理工學(xué)院的Turri設(shè)計了一種線性MPC控制結(jié)構(gòu)，解決了客車在低曲率路面車道保持時的軌跡規(guī)劃和避障問題。長安大學(xué)的白成盼提出了一種基于微分平坦理論與MPC算法相結(jié)合的智能車換道軌跡規(guī)劃與跟蹤算法，實現(xiàn)對車輛路徑-速度分解式的軌跡規(guī)劃與跟蹤控制。南京航空航天大學(xué)的張會琪設(shè)計了一個考慮動力學(xué)約束的模型預(yù)測控制器，通過五次多項式擬合的方式優(yōu)化局部軌跡，并通過轉(zhuǎn)向操作實現(xiàn)局部參考軌跡的追蹤。江蘇大學(xué)的楊陽陽基于模型預(yù)測控制原理及視覺預(yù)瞄理論，提出了一種基于轉(zhuǎn)角補償?shù)念A(yù)瞄式MPC路徑跟蹤控制方法。

結(jié)束語

總而言之，隨著人工智能和計算機(jī)實時算力的迅猛發(fā)展，無人駕駛技術(shù)正在快速提升和逐步應(yīng)用，其中車輛的局部路徑規(guī)劃與避障跟蹤兩個方面是無人駕駛實際運用中涉及穩(wěn)定性和安全性的關(guān)鍵問題，還需要相關(guān)學(xué)者在現(xiàn)有的基礎(chǔ)上加大對此方面的研究。

參考文獻(xiàn)：

[1]張夢巍. 智能無人駕駛車輛路徑跟蹤及底層控制方法研究[D].沈陽理工大學(xué)，2018.

[2]譚寶成，王賓.無人駕駛車輛路徑跟蹤的增量式PID控制[J].西安工業(yè)大學(xué)學(xué)報，2016，36（12）：996-1001.