基于隨動式激光雷達的港區(qū)無人駕駛集卡控制算法研究

張翰林,李紫丹,徐 佳

(1.交通運輸部天津水運工程科學(xué)研究所，天津 300456；2.天津港國際物流發(fā)展有限公司，天津 300461；3.天津津港基礎(chǔ)設(shè)施養(yǎng)護運營工程管理有限公司，天津 300456)

隨著加快推進國家一流綠色智慧港口建設(shè)的實施，當前我國已有多個港口建設(shè)了智慧港口無人化碼頭，實現(xiàn)了車輛的自主調(diào)動，當前自動化碼頭建設(shè)的主流技術(shù)是以提前埋設(shè)磁釘或磁條作為車輛的導(dǎo)航感應(yīng)系統(tǒng)，這種方式定位精度高且技術(shù)相對成熟[1]，但適用于新建港口且成本相對較高，而對于生產(chǎn)作業(yè)繁忙的老舊港口并不適用，如何以更低成本實現(xiàn)老舊港口的無人化改造將成為重要的研究方向[2-3]。

當前無人駕駛技術(shù)主要通過安裝各類高性能傳感器(如激光雷達和攝像頭)來收集駕駛所需的信息[4]，并在環(huán)境感知、設(shè)備定位、路線規(guī)劃和應(yīng)急控制等多個環(huán)節(jié)進行數(shù)據(jù)反饋。其核心主要是由激光雷達、探頭和中控系統(tǒng)組成，其優(yōu)勢在于雷達可以對當前的環(huán)境進行掃描[5]，探頭可以清晰地感知路面情況，當出現(xiàn)緊急情況及時反饋中控系統(tǒng)[6]，以避免發(fā)生事故。但該方法需安裝多個探頭進行數(shù)據(jù)采集和反饋，也對中控系統(tǒng)的數(shù)據(jù)處理能力提出了更高的要求，在芯片緊缺的背景下會導(dǎo)致設(shè)備成本較高和產(chǎn)能不足等情況的發(fā)生。無人化港區(qū)相比于城市道路，其車輛工作環(huán)境相對“寬松”，因此在確保安全的前提下，以降低設(shè)備成本為目的，提出了服務(wù)于港區(qū)車輛的隨動式激光雷達控制系統(tǒng)[7]。

本文以港區(qū)無人駕駛集卡研究項目中的實際問題為研究對象[8]，通過對比隨動式激光雷達無人駕駛集卡與傳統(tǒng)車輛的行駛過程和工作效率的數(shù)據(jù)進行對比，研究無人駕駛集卡在傳統(tǒng)港口應(yīng)用的可行性，為無人化智慧港口建設(shè)提出新的解決方案。

1 港區(qū)無人駕駛集卡技術(shù)發(fā)展現(xiàn)狀

歐美國家對于無人駕駛技術(shù)研究較早，目前以特斯拉為代表的科技企業(yè)在無人駕駛技術(shù)相對領(lǐng)先，其無人駕駛卡車已經(jīng)開展了正式的路上測試。聚焦到無人集卡這一領(lǐng)域，2013年3月，日本新能源產(chǎn)業(yè)技術(shù)綜合開發(fā)機構(gòu)推出“卡車自動編隊技術(shù)”，在無人集卡領(lǐng)域進行了嘗試和探尋[9]。2015年10月，德國的量產(chǎn)版半自動無人駕駛卡車Actros首次在Autobahn8公路上進行了測試[10]。特斯拉、福特等多家汽車科技公司也在加利福尼亞、內(nèi)華達、密歇根等地開展了無人集卡的路測。

近年來，我國自適應(yīng)駕駛系統(tǒng)的研究得到了進一步發(fā)展[11]，自動駕駛車輛也已經(jīng)被開發(fā)，自適應(yīng)駕駛系統(tǒng)也開始應(yīng)用于社會化車輛，隨著硬件水平的不斷提升，AI也開始應(yīng)用于港口領(lǐng)域，中國重汽集團、東風(fēng)集團都推出了無人駕駛集卡[12]。2018年1月，珠海港運行了全球首輛港區(qū)作業(yè)無人集卡[13]。2018年2月，天津港無人駕駛港口集裝箱純電動牽引車研發(fā)與示范運營項目正式簽署。2018年4月，天津港無人集卡開展試運營[14]。

2 隨動式激光雷達控制系統(tǒng)

隨動式激光雷達控制系統(tǒng)是一個多輸入多輸出的復(fù)雜系統(tǒng)。它是由傳感器、電子控制系統(tǒng)和執(zhí)行器組成的自動控制系統(tǒng)，可隨著車輛行駛速度、方向和俯仰角的變化自動調(diào)整激光雷達探測角度，并通過設(shè)定的轉(zhuǎn)彎半徑和安全停車距離對行駛環(huán)境進行判別，通過對環(huán)境數(shù)據(jù)的采集反饋控制系統(tǒng)得到指令，并進行處理(圖1)。

圖1 雷達自適應(yīng)轉(zhuǎn)向控制系統(tǒng)

2.1 車輛旋轉(zhuǎn)角度控制系統(tǒng)

車輛轉(zhuǎn)角控制系統(tǒng)由兩個部分組成，即為水平轉(zhuǎn)角計算和垂直轉(zhuǎn)角計算。通過車輛的行駛速度和轉(zhuǎn)彎半徑，計算車隨動式雷達的旋轉(zhuǎn)角度，以避免出現(xiàn)雷達盲區(qū)。

2.1.1 水平轉(zhuǎn)角

激光雷達的掃測范圍為半圓形，通過計算車輛轉(zhuǎn)彎弧線與激光雷達掃測的弦長，即中心線與車輛前方雷達的預(yù)期軌跡交點之間的距離與中心線的角度偏移α，即可得出隨動式系統(tǒng)的偏移角度。由圖2可知，弦長S、轉(zhuǎn)彎半徑R和激光雷達轉(zhuǎn)彎角度α之間的關(guān)系可以表示為

圖2 車輛右轉(zhuǎn)時雷達隨動角度

S=2R×sinα

(1)

由圖可知，∠α與∠β均為激光雷達轉(zhuǎn)動切角，即∠α=∠β。因此，停車視距S′、轉(zhuǎn)彎半徑R和激光雷達轉(zhuǎn)角之間的關(guān)系可以表示為

(2)

2.1.2 垂直角度

當無人駕駛集卡行駛在坡面路段時(圖3)，通過自適應(yīng)駕駛系統(tǒng)采集兩個軸距之間的高度差，再除去軸距長度，計算出路面的坡度差值，求值sinα。其中α即為車身俯仰角度，隨動雷達隨之旋轉(zhuǎn)即可，在此不再贅述。

圖3 車輛上、下坡時雷達隨動角度

2.2 安全停車距離控制系統(tǒng)

安全停車距離包括兩部分，即為系統(tǒng)響應(yīng)距離和車輛制動距離。港區(qū)車輛在運輸過程中車速一般控制在30 km/h，本文通過數(shù)據(jù)分析計算車輛行駛的安全距離。

S安全=S響應(yīng)+S制動

(3)

2.2.1 系統(tǒng)響應(yīng)距離

主要由激光雷達和隨動式結(jié)構(gòu)兩部分的硬件設(shè)備和軟件算法決定，車輛的響應(yīng)距離即為激光雷達響應(yīng)距離和隨動式結(jié)構(gòu)響應(yīng)距離的和，而距離等于車輛速度與響應(yīng)時間的乘積。目前常規(guī)L2級別自動駕駛技術(shù)應(yīng)用于車輛駕駛的常規(guī)激光雷達檢測響應(yīng)時間為0.04 s，加之隨動式結(jié)構(gòu)的傳輸時間?？傮w時長約0.3 s，因此S響應(yīng)=0.3v，其中v表示車輛行駛速度。

2.2.2 車輛制動距離

車輛的制動距離主要與車輛的制動能力、重力加速度g和路面摩擦系數(shù)μ相關(guān)，求解摩擦力f公式為

f=μmg

(4)

其中：m代表車的質(zhì)量，車輛減速時加速度為

(5)

由于港區(qū)現(xiàn)場工作環(huán)境以及天氣因素等多種原因，在不考慮輪胎磨損的情況下，制動距離的公式為

(6)

2.2.3 車輛安全距離

取平均摩擦系數(shù)μ=0.6。根據(jù)式(3)及式(4)，求解可以獲得智能駕駛車輛的速度與其安全距離，如表1所示。

表1 不同速度下的安全距離

車輛行駛過程中速度是連續(xù)的，通過安全距離對應(yīng)的幾個離散數(shù)據(jù)點，在MATLAB中使用最小二乘法進行曲線擬合?？梢垣@得智能駕駛車輛的速度與其安全距離之間的連續(xù)函數(shù)關(guān)系。

v=10/3.6:20/3.6:30/3.6:40/3.6:50/3.6

S=[1.8,4.81,9.01,14.43,21.04]

根據(jù)曲線擬合和車輛行駛的安全距離，其中f為摩擦力

f=polyfit(v,S,2)f=0.078 0.432 0.002

(7)

車速與汽車安全剎車距離之間的公式為

S安全=0.078v2+0.432v+0.002

(8)

3 港區(qū)無人駕駛集卡集群控制算法

針對集卡集群調(diào)度的任務(wù)特點建立數(shù)學(xué)模型，選用遺傳算法配置求解，通過初始種群生成進行交叉解析，從提高車輛運輸效率的角度出發(fā)，以計劃期內(nèi)無人駕駛集卡不能超過等待上限為核心約束，以降低車輛完成單項任務(wù)時間為目標，構(gòu)建了無人集卡群調(diào)度優(yōu)化模型，再結(jié)合數(shù)據(jù)驗證，分析對比無人集卡作業(yè)效率的提升對策。

3.1 建立算法模型

模型假設(shè)：(1)任務(wù)開始前車輛明確對應(yīng)的任務(wù)區(qū)；(2)明確車輛行駛線路，且預(yù)留安全距離；(3)設(shè)定時間段內(nèi)最多配置3臺車輛進入等待區(qū)；(4)超過設(shè)定等待時長后車輛重新配置任務(wù)，進入其他作業(yè)區(qū)。

需要注意的是，對車輛進行編輯時車輛的數(shù)字編號上限不得超過作業(yè)區(qū)內(nèi)總體工作車輛總數(shù)，以避免出現(xiàn)某一車輛長時間等待，其他車輛出現(xiàn)重復(fù)性任務(wù)。

其中：設(shè)定時間段內(nèi)工作車輛編號為x；y為該時間內(nèi)配置的車輛總數(shù)；車輛任務(wù)編號為i；開始工作時間為t0；總體工作時間為A；T為單個計劃期時長；U為車輛等待時間上限。

上述參量中Min 、Kx是模型的決策變量。其中設(shè)定權(quán)重值為θ，具體根據(jù)港口實際作業(yè)情況(繁忙程度、設(shè)定行駛速度等)和車輛維護時長(清洗、保養(yǎng)等)相關(guān)因素設(shè)定，以相加的方式配比權(quán)重，為目標函數(shù)值。

建立模型

MinF=θ×(F1+F2)+(1-θ)×F3

(9)

該模型中，F(xiàn)1為單一車輛的等待時間，即為其總體完成任務(wù)時間減去工作時間；F2為車輛行駛時長，即單一車輛當前任務(wù)的時間匯總；F3為所有車輛等待時長，通過匯總所有車輛的工作時長，可判別車輛線路和合理性。

確定目標函數(shù)

(10)

(11)

(12)

其中，約束條件函數(shù)

T(Mix)≥H(Mix)+R(Mix)

(13)

T(Mix)=H(Mix)+max{T(M(i-1)x)+D(M(i-1)x,Mix),R(Mix)}

(14)

(15)

H(Mix)-R(Mix)-T(Mix)≤A

(16)

(17)

(18)

3.2 模型配置求解

對港區(qū)無人集卡進行編碼，根據(jù)遺傳算法，一個車輛的工作計劃對應(yīng)的染色體長度為(任務(wù)數(shù)+車輛數(shù)-1)，并設(shè)定任務(wù)編號，明確車輛等待時長上限。當港區(qū)內(nèi)存在多臺車輛同時作業(yè)時，需避免出現(xiàn)相互干擾的情況。

交叉解析即為樹形結(jié)構(gòu)解析。首先隨機選擇一個車輛，對其進行任意數(shù)字編輯，然后進行任意的任務(wù)分配，然后觀察車輛等待時長和行駛軌跡，車輛等待時長不超過設(shè)定值且不存在與其他車輛干擾的情況下，設(shè)定為正常，如出現(xiàn)等待時長超過設(shè)定值或路線干擾情況，需對其執(zhí)行交叉解析，分析原因后再明確設(shè)定新的任務(wù)。

(1)過程1。設(shè)定矛盾點位，即為超過等待時長或與其他車輛路線干擾，標記為Bi。

(2)過程2。隨機選擇一個車輛任務(wù)，對其進行標記。

(3)過程3。如當前選擇的任務(wù)不存在矛盾點位，則對其進行放行；如存在矛盾點位，則對其進行交叉解析，并記錄。

(4)過程4。對單位時間內(nèi)所有的任務(wù)進行標記，如完成任務(wù)循環(huán)，則重復(fù)過程1，并進入新的任務(wù)循環(huán)。

(19)

解決矛盾點位過程：針對等待超時的車輛進行標記為P，記錄等待時間和原因，根據(jù)此確定樹干結(jié)構(gòu)，并拆解到樹枝結(jié)構(gòu)繼續(xù)進行解析，例如任務(wù)計劃制定不合理、線路沖突、車速不適或車輛損壞等原因，分析得到數(shù)據(jù)P1及P2，根據(jù)其情況進一步延伸，最終明確原因，后去除其特征P，記錄為Pf。

同理再針對另一個交叉點Q進行上述操作，并最終得到Qf，并以此類推最終記錄所有的矛盾點位合集為Xf。然后針對所有的矛盾點位進行交叉解析，分析其過程是否存在沖突，如存在，則需要重復(fù)上一步解析過程，直到交叉點消失記錄為Bf，即矛盾點位為空，路徑設(shè)置完成。

4 實驗過程

4.1 雷達隨動角度驗證

在車輛形式過程中車輛的停車視距S′即為停車安全距離S安全，因此將式(8)代入式(3)，計算得出激光雷達的雷達水平轉(zhuǎn)角、轉(zhuǎn)彎半徑與車速的關(guān)系

(20)

結(jié)合港區(qū)車輛實際行駛過程中，車輛行駛速度一般為30 km/h，無人集卡的平均轉(zhuǎn)彎半徑為16～20 m，取轉(zhuǎn)彎半徑為平均值18 m。港口車輛轉(zhuǎn)彎一般為直角彎為90°，詳見表2和圖4。

表2 不同速度下的隨動式雷達的水平轉(zhuǎn)向角度

圖4 雷達水平角、轉(zhuǎn)彎半徑和速度之間的關(guān)系圖 圖5 停車安全距離對比驗證

4.2 停車安全距離驗證

結(jié)合上文，通過將10～50 km/h的數(shù)據(jù)代入式(5)，計算得出安全距離，對比實際剎車距離，如表3所示。

4.3 車輛工作等待時長驗證

對比北方某港口單位時間段內(nèi)人員駕駛的等待時長與上文調(diào)度算法的模擬時長，分別對10組車輛進行統(tǒng)計，結(jié)果詳見表4。

表4 等待時長對比

4.4 試驗結(jié)果

通過模型對比雷達角度隨動關(guān)系和停車安全距離，驗證了車輛改造的可行性。結(jié)果如下：

(1)在相同轉(zhuǎn)彎半徑下，車速越高則雷達轉(zhuǎn)角越大。隨著車速的增加，雷達的實際旋轉(zhuǎn)角度將線性增加。

(2)激光雷達自適應(yīng)駕駛系統(tǒng)的停車安全距離與人員駕駛的停車安全距離基本一致，結(jié)合實際數(shù)據(jù)對比，當車速小于8 km/h時，人員駕駛的車輛因反應(yīng)時間較快，所以剎車距離更短，當車速在15～35 km/h，剎車距離幾乎一致，當車輛行駛到45 km/h以上時，無人駕駛車輛的剎車距離更短，該數(shù)據(jù)可為車輛調(diào)度和實際駕駛提供參考，如圖5所示。

通過對比傳統(tǒng)集卡和無人駕駛集卡的工作效率，驗證了調(diào)度優(yōu)化的可行性。結(jié)果如下：對比傳統(tǒng)港口車輛和無人駕駛集卡的工作效率，本系統(tǒng)對等待時長超過10 min的車輛進行調(diào)整，提升了運行效率。

5 結(jié)論

針對當前推進智慧港口建設(shè)的需求，本文提出了以隨動式雷達應(yīng)用于港區(qū)無人駕駛集卡的控制算法研究，同時結(jié)合算法優(yōu)化，縮減了車輛工作等待時長，提升了港口運行效率。后期，隨著無人化碼頭的逐步普及，新能源設(shè)備將不斷涌入水運行業(yè)，隨著5G技術(shù)和傳感器技術(shù)的不斷發(fā)展，車輛實現(xiàn)自主定位、自主能源補給的能力會進一步提升，還需進一步加強無人車輛調(diào)度方案設(shè)計，提升港口運行效率。