基于智能輔助駕駛的車速引導(dǎo)方法

基金項目：廣西高校中青年教師科研基礎(chǔ)能力提升項目“基于5G和北斗的城市路況交通路口安全車速引導(dǎo)系統(tǒng)”（編號：2021KY1124）

作者簡介：陳杰威（1991—），碩士，講師，研究方向：通信技術(shù)、智慧交通。

摘要：針對現(xiàn)有車速引導(dǎo)方法沒有考慮多車道、多車輛互相干擾的情況，文章基于智能輔助駕駛技術(shù)應(yīng)用的環(huán)境，介紹了一種具備智能輔助變道功能的車速引導(dǎo)方法，并使用MATLAB軟件構(gòu)建了一個雙車道、多車輛道路環(huán)境模型，對該方法進行仿真分析。結(jié)果表明，相比普通的車速引導(dǎo)方法，采用該智能輔助駕駛技術(shù)的車速引導(dǎo)方法，在多車道、多車輛的道路環(huán)境下，依舊擁有較高的成功率，魯棒性更強，可以進一步提高交通路口的通行效率，減少車輛的平均停等時間，優(yōu)化交通環(huán)境。

關(guān)鍵詞：車速引導(dǎo)；智能輔助駕駛；車聯(lián)網(wǎng)；通行效率；MATLAB

中圖分類號：U491.2⁺5

0 引言

交通路口是城市交通的關(guān)鍵節(jié)點，也是導(dǎo)致城市交通擁堵的癥結(jié)之一^［1］。其原因在于，車輛的駕駛者往往難以超越視覺的生理極限提前感知前方交通路口的紅綠燈狀態(tài)。因此，車輛是否能在行駛至路口時剛好碰上綠燈成了一個隨機事件。智能輔助駕駛技術(shù)，又稱為高級駕駛輔助系統(tǒng)（Advanced Driver Assistance System，ADAS），是利用安裝在車輛上的各類傳感器，幫助車輛感知周邊環(huán)境信息，并結(jié)合通信技術(shù)實現(xiàn)車聯(lián)網(wǎng)（Vehicle to Everything，V2X），進而實現(xiàn)自適應(yīng)巡航、高精地圖導(dǎo)航、自動輔助變道、自動輔助超車等較高級的自動駕駛功能的技術(shù)。

隨著新能源汽車行業(yè)發(fā)展，市場上出現(xiàn)了包括特斯拉的Autopilot、小鵬汽車的NGP、理想汽車的NOA等智能輔助駕駛技術(shù)。這為利用智能輔助駕駛技術(shù)進行交通路口的車速引導(dǎo)，幫助駕駛者提前感知路口紅綠燈的狀態(tài)，實現(xiàn)交通路口安全、高效通行提供了技術(shù)基礎(chǔ)。

本文將對智能輔助駕駛技術(shù)在交通路口車速引導(dǎo)方面的應(yīng)用做簡單介紹，并利用MATLAB軟件建模仿真進行效果分析，以期說明智能輔助駕駛技術(shù)的應(yīng)用可以有效、可靠地改善交通路口的通行效率。

1 車速引導(dǎo)

1.1 V2X道路環(huán)境

如圖1所示為本文研究的具備V2X車聯(lián)網(wǎng)條件的道路環(huán)境。該環(huán)境下的車輛具備5G通信、“北斗”衛(wèi)星導(dǎo)航定位等功能；交通路口的紅綠燈為智能紅綠燈，也具備通信和定位功能。在V2X車聯(lián)網(wǎng)環(huán)境下，可以實現(xiàn)車輛與道路基礎(chǔ)設(shè)施之間的通信，幫助車輛駕駛員“超視距”提前感知前方交通路口的紅綠燈狀態(tài)，以便提前調(diào)整優(yōu)化車輛行駛狀態(tài)。

1.2 智能輔助駕駛系統(tǒng)

如圖2所示為本文研究的智能輔助駕駛系統(tǒng)，包括5G通信模塊、“北斗”導(dǎo)航定位模塊、傳感器模塊、中央處理芯片以及與之協(xié)同的車輛自動控制系統(tǒng)。該智能輔助駕駛系統(tǒng)通過毫米波雷達、激光雷達、視覺攝像頭等多種傳感器，結(jié)合“北斗”衛(wèi)星導(dǎo)航定位技術(shù)，可以幫助車輛有效獲取自身狀態(tài)信息，包括位置、速度、加速度以及附近其他車輛的同類信息。此外，系統(tǒng)通過5G通信技術(shù)，可以提前獲取前方路口紅綠燈的狀態(tài)信息。最終借助高算力的車規(guī)級中央處理芯片，完成相關(guān)智能決策，協(xié)助駕駛員實現(xiàn)車輛定速續(xù)航、跟車行駛、自動變換車道、自動超車等智能輔助駕駛功能^［2-3］。

1.3 車速引導(dǎo)方法

本文所述的車速引導(dǎo)方法，旨在利用V2X技術(shù)幫助駕駛員提前獲知前方路口紅綠燈信息，并計算獲得一個優(yōu)化的引導(dǎo)車速。如駕駛員按照該引導(dǎo)車速行駛，即可使車輛在到達路口時剛好遇上綠燈順利通過，避免不必要的紅燈等待。同時，在多車道、多車輛的環(huán)境下，其他車輛必然會對車速引導(dǎo)的成功率造成負面影響，故本文還將利用智能輔助駕駛技術(shù)，實現(xiàn)車輛的智能輔助車道變換，以降低其他車輛對車速引導(dǎo)的負面影響，提高車速引導(dǎo)的成功率。

1.3.1 引導(dǎo)車速的獲取

如圖3所示為車速引導(dǎo)系統(tǒng)的基本工作流程。其中，引導(dǎo)區(qū)指車輛獲取前方路口紅綠燈信息，并開始計算引導(dǎo)車速、執(zhí)行車速優(yōu)化的道路區(qū)間，通常為距離前方交通路口一定距離的路段。本文采用文獻^［4］中提出的引導(dǎo)車速計算方法。該方法利用“北斗”衛(wèi)星導(dǎo)航定位技術(shù)實現(xiàn)車輛的定位、測速，并通過車聯(lián)網(wǎng)通信獲取前方紅綠燈信息，計算獲得一個基于單車道、單車輛道路模型的引導(dǎo)車速，可以有效實現(xiàn)車速引導(dǎo)的目標。本文采用該方法用于計算車輛初入引導(dǎo)區(qū)時的初始引導(dǎo)車速以及變道后的引導(dǎo)車速修正。

1.3.2 智能輔助車道變換

受限于道路中其他車輛的影響，特別是同車道前方慢速車輛的阻礙，現(xiàn)實條件下駕駛員很難全程都按照初始的引導(dǎo)車速行駛。故還需利用智能輔助駕駛技術(shù)，協(xié)助駕駛員在遇到前方車輛阻擋時，在確保行車安全的情況下，實現(xiàn)智能輔助變道，從而進一步提高車速引導(dǎo)的成功率。

如圖4所示為智能輔助駕駛系統(tǒng)的狀態(tài)機。當車輛剛剛進入引導(dǎo)區(qū)時，將按照初始引導(dǎo)車速行駛。此時如果遇到前方慢車阻擋，首先判斷跟隨前車行駛是否也能遇到綠燈通過路口。如果可以則跟車行駛；如果不可以，則啟動變道決策流程，判斷是否滿足變道條件。如果滿足則變換車道，并修正引導(dǎo)車速后繼續(xù)按引導(dǎo)車速行駛；如不滿足，則暫時跟隨前車行駛，等待一段時間后，再次進行變道決策流程。

1.3.3 變道決策

如圖5所示為本文研究的變道決策流程。該決策方法借鑒了人工駕駛時的駕駛習(xí)慣，可以保障駕駛安全性和平順性。出于安全考慮，應(yīng)設(shè)置一個車距的安全閾值D^［5］。當旁車道前方D₁距離內(nèi)存在其他車輛時，應(yīng)通過速度傳感器測量其車速并與本車對比，當對方車速低于本車時無法安全變道。同理，當旁車道后方D₂距離內(nèi)存在其他車輛時，如其車速大于本車，也不能實現(xiàn)安全變道。只有滿足旁車道前、后方一定距離內(nèi)均無其他車輛，或有車輛但與本車的相對車速滿足安全約束條件時，方可執(zhí)行變道操作。

2 仿真測試

2.1 基本假設(shè)

為簡化研究問題，本文仿真建模基于以下基本假設(shè)：

（1）僅考慮單一路段、單一紅綠燈，即兩個交通路口之間的一段道路。

（2）道路為雙車道直行道路，即不考慮車輛轉(zhuǎn)彎和轉(zhuǎn)彎車輛干擾的情況。

（3）不受非機動車、行人影響；不考慮氣候條件對智能輔助駕駛系統(tǒng)的影響。

2.2 仿真流程

如圖6所示為仿真流程。仿真全過程分類為3個實驗組進行對照實驗，分別為無車速引導(dǎo)（對照1組）、有車速引導(dǎo)無智能輔助變道（對照2組）、有車速引導(dǎo)且有智能輔助變道（實驗組）。通過統(tǒng)計“一次通過率”“平均等待時長”等數(shù)據(jù)，對3個實驗組進行對比，即可以得出實驗結(jié)論。

為了保證對照實驗的有效性，控制變量，故設(shè)置固定的全局參數(shù)，如下頁表1所示。全局參數(shù)中除了“其他車輛數(shù)量”外均為固定值，模擬一段道路及路口紅綠燈的基本狀況。通過調(diào)整“其他車輛數(shù)量”可以模擬道路繁忙情況。在不同繁忙情況下進行對比實驗，進而得出車速引導(dǎo)方法的成功率變化趨勢，這是本文研究的重點方向。

在采用同一組全局參數(shù)的情況下，進行多次獨立重復(fù)實驗，模擬車輛在不同隨機狀態(tài)下參與道路交通的情況，進而完成統(tǒng)計分析。故設(shè)計每次隨機實驗的參數(shù)取值范圍，如表2所示。

2.3 結(jié)果與分析

本文通過改變“其他車輛數(shù)量”進行多輪實驗。隨著道路中其他車輛的數(shù)量增加，通過對比無車速引導(dǎo)、有引導(dǎo)無輔助變道、有引導(dǎo)有輔助變道3個對照實驗組的“一次通過率”“平均等待時長”等主要參數(shù)指標的變化趨勢，可以得出相關(guān)結(jié)論。參數(shù)指標的定義如式（1）：

一次通過率=到達路口時剛好綠燈的車輛數(shù)總車輛數(shù)平均等待時長=∑車輛等紅燈的時長總車輛數(shù)（1）

2.3.1 實驗一

實驗參數(shù)：其他車輛數(shù)量為0。

如表3所示，在車速引導(dǎo)的幫助下，可以有效地提高一次通過率，降低平均等待時長。顯然，在無其他車輛干擾的情況下，有、無輔助變道技術(shù)介入，對實驗結(jié)果不造成影響。

2.3.2 實驗二

實驗參數(shù)：其他車輛數(shù)量為5。

對比表3、表4可見，當?shù)缆分杏衅渌囕v行駛時，車速引導(dǎo)的成功率會受到其他車輛的影響。特別是當前方有慢速車輛阻擋時，無輔助變道技術(shù)的普通車速引導(dǎo)的成功率的下降幅度較大。

2.3.3 實驗三

實驗參數(shù)：其他車輛數(shù)量為10。

如表5所示，當?shù)缆分械钠渌囕v增長到較多數(shù)量后，相比于無其他車輛干擾的情況，無輔助變道技術(shù)的普通車速引導(dǎo)成功率已經(jīng)大幅降低，效果不佳。而具備輔助變道技術(shù)的車速引導(dǎo)，仍然有較高的成功率，效果良好。

2.3.4 魯棒性分析

如圖7所示為3個實驗組對照的結(jié)果。無車速引導(dǎo)的條件下，一次通過率在50%左右浮動，即約等于綠燈時長占紅綠燈總時長的占比，符合數(shù)理統(tǒng)計規(guī)律。在有車速引導(dǎo)的情況下，一次通過率均相比無車速引導(dǎo)有較大提高。但隨著車道中其他車輛的數(shù)量增加，無輔助變道的普通車速引導(dǎo)的成功率出現(xiàn)明顯下降。相比之下，有輔助變道的車速引導(dǎo)方法成功率下降幅度較低，魯棒性更強。

3 結(jié)語

本文采用MATLAB建模仿真的實驗方法，實驗并分析了基于智能輔助駕駛的車速引導(dǎo)方法。實驗結(jié)果證明，在雙車道、多車輛的道路模型下，智能輔助駕駛技術(shù)的應(yīng)用，可以有效提高車速引導(dǎo)的成功率和魯棒性，可以有效、可靠地提高交通路口的通行效率。本文還存在一些不足，比如道路建模有一定的簡化，對實際路況中的一些干擾因素沒有過多考慮，這也是未來的研究方向。

參考文獻

［1］郭 蓬，王夢丹，楊建森，等.車路協(xié)同下的基于S函數(shù)的交叉口平滑車速引導(dǎo)方法［J］.汽車電器，2022（7）：4-6.

［2］王 雷，王傳磊.車聯(lián)網(wǎng)及關(guān)鍵技術(shù)的應(yīng)用分析［J］.物聯(lián)網(wǎng)技術(shù)，2018，8（7）：63-65，68.

［3］汪明磊，陳無畏，王家恩.智能車輛車道保持系統(tǒng)中避障路徑規(guī)劃［J］.合肥工業(yè)大學(xué)學(xué)報（自然科學(xué)版），2014，37（2）：129-133.

［4］陳杰威，鄭欣悅，劉 丹，等.北斗系統(tǒng)應(yīng)用環(huán)境下的車速引導(dǎo)效能分析［J］.西部交通科技，2022（9）：146-148，205.

［5］于立勇. 基于車路協(xié)同安全距離模型的車速引導(dǎo)系統(tǒng)研究［D］.北京：北京交通大學(xué)，2014.

收稿日期：2023-03-30