基于自適應(yīng)權(quán)重MPC的AEB-P控制策略研究

摘要：為進(jìn)一步優(yōu)化面向行人的汽車自動(dòng)緊急制動(dòng)系統(tǒng)（AEB-P）控制算法，提出了一種綜合考慮駕駛舒適性和行人損傷風(fēng)險(xiǎn)的AEB-P分層控制策略。針對(duì)C-NCAP的AEB-P評(píng)價(jià)標(biāo)準(zhǔn)，設(shè)計(jì)了考慮制動(dòng)時(shí)駕駛員舒適感的制動(dòng)安全距離模型；通過(guò)引入模糊規(guī)則綜合考慮行人損傷風(fēng)險(xiǎn)和場(chǎng)景工況得到權(quán)重系數(shù)調(diào)整策略，并基于此設(shè)計(jì)自適應(yīng)權(quán)重系數(shù)MPC上層控制器，采用PID下層控制器對(duì)自車實(shí)際減速度進(jìn)行修正；建立車輛縱向動(dòng)力學(xué)模型并通過(guò)CarSim與Matlab/Simulink搭建測(cè)試場(chǎng)景和控制算法，通過(guò)硬件在環(huán)實(shí)驗(yàn)對(duì)本文方法和固定TTC閾值算法進(jìn)行對(duì)比。結(jié)果表明，所提控制算法能夠在93.75%的測(cè)試工況中有效避撞，而固定TTC閾值算法避障成功率僅有43.75%。相較于傳統(tǒng)控制策略，該方法能使自車和前方行人保持較穩(wěn)定的最小間距，魯棒性更好，可為AEB-P控制理論提供參考依據(jù)。

關(guān)鍵詞：車輛工程；自動(dòng)緊急制動(dòng)；模型預(yù)測(cè)控制；行人損傷；行人避撞；硬件在環(huán)

中圖分類號(hào)：U461.91

文獻(xiàn)標(biāo)識(shí)碼：A

DOI：10.7535/hbkd.2024yx04001

ResearchonAEB-Pcontrolstrategybasedon"adaptiveweightMPC

LUYing1，CHENYe1，YANGPeng1，SHUAibing2，BAIJun1

（1.SchoolofAutomotiveandTrafficEngineering，JiangsuUniversity，Zhenjiang，Jiangsu212013，China;

2.InstituteofTrafficManagementScience，MinistryofPublicSecurity，Wuxi，Jiangsu214151，China）

Abstract：

TofurtheroptimizetheautomotiveAEB-P（autonomousemergencybrakingforpedestrian）controlalgorithm，anAEB-Phierarchicalcontrolstrategythatintegratesdrivingcomfortandpedestrianinjuryriskwasproposed.Abrakingsafetydistancemodelconsideringthedriver′scomfortduringbrakingwasdesignedfortheAEB-PevaluationstandardofC-NCAP.Theweightcoefficientadjustmentstrategywasobtainedbyintroducingfuzzyrulestocomprehensivelyconsidertheriskofpedestrianinjuryandscenarioworkingconditions.Basedonthis，theadaptiveweightcoefficientMPC（modelpredictivecontrol）uppercontrollerwasdesigned，andthePID（proportionintegrationdifferentiation）lowercontrollerwasusedtocorrecttheactualdecelerationoftheauto-vehicle.ThevehiclelongitudinaldynamicsmodelwasestablishedandthetestscenarioandcontrolalgorithmwereconstructedthroughCarSimandMatlab/Simulink，thentheproposedmethodandthefixedTTC（timetocollision）thresholdalgorithmwerecomparedthroughhardware-in-the-loopexperiments.Theresultsshowthattheproposedcontrolalgorithmcaneffectivelyavoidcollisionin93.4%ofthetestconditions，whilethefixedTTCthresholdalgorithmhasasuccessfulrateofonly43.75%inobstacleavoidance.Comparedwiththetraditionalcontrolstrategy，theproposedmethodcanmaintainamorestableminimumdistancebetweenthevehicleandthepedestrianinfrontofit，withbetterrobustness，whichprovidesareferencebasisfortheAEB-Pcontroltheory.

Keywords：

vehicleengineering;automaticemergencybraking；modelpredicativecontrol;pedestrianinjury;pedestriancollisionavoidance;hardware-in-the-loop（HIL）

世界衛(wèi)生組織的數(shù)據(jù)顯示，全球每年交通事故奪去大約135萬(wàn)人的生命[1]，其中弱勢(shì)道路使用者（vulnerableroadusers，VRU）占50%以上，包括行人和騎行者等。中國(guó)作為交通事故死亡率高發(fā)國(guó)[2]，汽車安全技術(shù)的研發(fā)尤其關(guān)注如何減少這類悲劇的發(fā)生，特別是自動(dòng)緊急制動(dòng)系統(tǒng)（autonomousemergencybrakingforpedestrian，AEB-P）針對(duì)行人的應(yīng)用[3]。這項(xiàng)技術(shù)旨在顯著降低交通事故中VRU的死亡風(fēng)險(xiǎn)[4]，國(guó)際和國(guó)內(nèi)的安全部門(mén)已制定相應(yīng)的功能安全評(píng)估標(biāo)準(zhǔn)。

當(dāng)前，AEB-P系統(tǒng)的探索主要聚焦于2個(gè)核心領(lǐng)域：一是行人識(shí)別與追蹤的高效精準(zhǔn)技術(shù)[5-6]；二是構(gòu)建嚴(yán)謹(jǐn)?shù)陌踩u(píng)估和決策機(jī)制?，F(xiàn)有的AEB策略通常依賴于安全距離模型[7]或時(shí)間碰撞（timetocollision，TTC）模型[8-9]計(jì)算安全參數(shù)，然后通過(guò)與預(yù)設(shè)閾值的比較判斷車輛的即時(shí)安全性[10]。隨著對(duì)AEB（autonomousemergencybraking）研究的深入，研究人員將駕駛員的特性納入安全控制策略[11]，在部分制動(dòng)時(shí)設(shè)計(jì)了制動(dòng)恢復(fù)區(qū)和釋放區(qū)。塵帥等[12]強(qiáng)調(diào)了識(shí)別駕駛員制動(dòng)意圖的關(guān)鍵特征，并認(rèn)為選擇合適的特征參數(shù)、設(shè)定輸出目標(biāo)及建立多元評(píng)價(jià)體系是研究的重點(diǎn)。林國(guó)慶等[13]運(yùn)用層次分析法構(gòu)建了AEB-P的多層次模型，并通過(guò)PreScan模擬驗(yàn)證了其實(shí)用的測(cè)試和評(píng)價(jià)方法。ZULKIFLI等[14]提出了VC-APF運(yùn)動(dòng)方法，通過(guò)跟蹤車輛的減速，使PI控制器經(jīng)調(diào)整提供最佳制動(dòng)力。YANG等[15]提出的基于模糊神經(jīng)網(wǎng)絡(luò)和遺傳算法理論的AEB-P行人防撞控制模型，優(yōu)化后車輛距離、速度和減速的輸出曲線更平滑，誤差從0.51m/s2降到0.26m/s2。盡管已有顯著成果，但AEB-P系統(tǒng)在確保制動(dòng)過(guò)程中駕駛舒適度以及在潛在故障情況下的決策策略仍有待提升[16]。

隨著汽車主被動(dòng)融合理念的日益深入，以減少乘員傷害為著眼點(diǎn)來(lái)優(yōu)化控制策略的研究逐漸受到重視。BANCE等[17]利用汽車碰撞數(shù)據(jù)庫(kù)和乘員損傷數(shù)據(jù)庫(kù)建立了損傷風(fēng)險(xiǎn)預(yù)測(cè)模型。WANG等[18]提出基于車內(nèi)乘員損傷的智能車輛決策模型，車輛在發(fā)生不可避免碰撞時(shí)通過(guò)優(yōu)化自動(dòng)剎車等行為來(lái)減輕車內(nèi)人員損傷。模型預(yù)測(cè)控制（modelpredicativecontrol，MPC）作為一種先進(jìn)的控制技術(shù)，因其對(duì)未來(lái)動(dòng)態(tài)的預(yù)測(cè)和多目標(biāo)優(yōu)化能力，在AEB系統(tǒng)中也發(fā)揮了重要作用。CHENG等[19]提出了一種基于MPC控制緊急制動(dòng)時(shí)自車橫向穩(wěn)定性的方法。劉永濤等[20]采用模糊規(guī)則和MPC控制相結(jié)合的方法，建立了一種改進(jìn)的AEB控制系統(tǒng)。

考慮到主被動(dòng)融合控制策略的多目標(biāo)性以及MPC在處理多控制目標(biāo)方面的優(yōu)勢(shì)，本文提出一種考慮駕駛舒適性和行人損傷風(fēng)險(xiǎn)的AEB-P控制策略。針對(duì)C-NCAP的AEB-P評(píng)價(jià)標(biāo)準(zhǔn)，設(shè)計(jì)考慮舒適感的制動(dòng)安全距離模型，并基于分層理論重新設(shè)計(jì)AEB-P系統(tǒng)，上層控制器根據(jù)工況信息、控制目標(biāo)和約束條件計(jì)算出期望制動(dòng)加速度傳遞給下層控制器，下層控制器向車輛的制動(dòng)系統(tǒng)發(fā)出控制指令。

1AEB-P安全距離模型的建立

為了提高安全性，保證駕駛員有充足的反應(yīng)時(shí)間，整個(gè)AEB-P預(yù)警系統(tǒng)分為3級(jí)：1級(jí)為安全行車無(wú)預(yù)警級(jí)，2級(jí)為潛在碰撞預(yù)警級(jí)，3級(jí)為主動(dòng)制動(dòng)介入級(jí)。1級(jí)表示當(dāng)前行車安全，人車相對(duì)距離大于危險(xiǎn)降臨距離閾值dwa，無(wú)前碰撞危險(xiǎn)，預(yù)警系統(tǒng)發(fā)出信號(hào)值為0；2級(jí)表示當(dāng)前行駛狀態(tài)與前方行人有潛在碰撞危險(xiǎn)，人車相對(duì)距離小于等于危險(xiǎn)降臨距離閾值dwa，需要駕駛員采取措施，預(yù)警系統(tǒng)發(fā)出信號(hào)為1，AEB-P系統(tǒng)采用圖像和聲音信號(hào)提醒駕駛員；3級(jí)表示當(dāng)前行駛狀態(tài)即將與前方行人發(fā)生碰撞，人車相對(duì)距離小于等于緊急制動(dòng)安全距離閾值de，預(yù)警系統(tǒng)發(fā)出信號(hào)為2，若駕駛員還未執(zhí)行轉(zhuǎn)向避障操作或接管車輛制動(dòng)操作，此時(shí)AEB-P將會(huì)激活制動(dòng)器以避免碰撞。預(yù)警制動(dòng)模式如圖1所示，D2和D3分別表示2級(jí)和3級(jí)過(guò)程自車前進(jìn)距離。

因此危險(xiǎn)降臨距離閾值為

dwa=de+vrel（t）tw，（1）

式中：de為緊急制動(dòng)安全距離閾值；d0為車輛停止時(shí)與行人的距離；vrel（t）為人車相對(duì)速度；tw為駕駛員反應(yīng)時(shí)間。據(jù)統(tǒng)計(jì)tw通常為1.14～1.38s[21]，本文取平均值tw=1.25s。

駕駛員在進(jìn)行車輛制動(dòng)操作時(shí)通常需要經(jīng)歷幾個(gè)不同的階段才能使車輛完全停止，車輛的主動(dòng)制動(dòng)過(guò)程主要分為以下6個(gè)階段：駕駛員反應(yīng)階段0～t1；駕駛員從反應(yīng)到觸碰制動(dòng)踏板控制階段t1～t2；制動(dòng)系統(tǒng)協(xié)調(diào)延遲階段t2～t3；制動(dòng)減速度增加階段t3～t4；制動(dòng)持續(xù)階段t4～t5；制動(dòng)結(jié)束階段t5～t6。Δt1、Δt2、Δt3、Δt4、Δt5、Δt6表示制動(dòng)過(guò)程各階段持續(xù)時(shí)長(zhǎng)。車輛制動(dòng)過(guò)程速度曲線如圖2所示。

針對(duì)C-NCAP規(guī)定的典型的AEB-P測(cè)試場(chǎng)景，對(duì)行人和自車相對(duì)運(yùn)動(dòng)關(guān)系進(jìn)行分析得到制動(dòng)安全距離模型。AEB-P系統(tǒng)在激活主動(dòng)制動(dòng)控制時(shí)其制動(dòng)過(guò)程與駕駛員控制的制動(dòng)過(guò)程類似，但是對(duì)于AEB-P系統(tǒng)不存在0～t2階段。結(jié)合設(shè)計(jì)的制動(dòng)過(guò)程速度曲線對(duì)人車相對(duì)運(yùn)動(dòng)關(guān)系進(jìn)行具體分析，建立新的制動(dòng)安全距離模型。

jerk（t）=a（t）-a（t-Δt）Δt，（2）

式中：jerk（t）為加速度變化率，m/s3；a（t）為當(dāng)前的加速度；a（t-Δt）為上一時(shí)刻的加速度；Δt為2個(gè)加速度信號(hào)之間的時(shí)間間隔。為使制動(dòng)減速度不發(fā)生突變，本文在制動(dòng)初期和末尾階段分別設(shè)置一個(gè)減速度變化緩沖區(qū)，使最大加速度變化率jerkmax（正值）和最小加速度變化率jerkmin（負(fù)值）的絕對(duì)值相等。

根據(jù)上面的設(shè)定，緩沖區(qū)時(shí)長(zhǎng)有Δt4=Δt6，因此車輛在AEB-P系統(tǒng)觸發(fā)后的理想制動(dòng)減速度為

ades（t）=0，t∈（0，t3］，

jerkmin（t-t3），t∈（t3，t4］，

ad，max，t∈（t4，t5］，

ad，max+jerkmax（t-t5），t∈（t5，t6］，（3）

式中：ad，max表示最大制動(dòng)減速度；t表示時(shí)刻；t3、t4、t5、t6表示制動(dòng)開(kāi)始后的4個(gè)不同階段的開(kāi)始和結(jié)束時(shí)刻。

自車和行人之間的縱向相對(duì)速度為

vrel（t）=v2（t）-v1（t），（4）

式中：v2（t）為自車t時(shí)刻行駛縱向速度；v1（t）為目標(biāo)行人t時(shí)刻縱向速度。

由此可以推導(dǎo)出理想的極限制動(dòng)距離閾值為

de=vrel（t）Δt3+∫t6t3vrel（t）dt+d0=（v2-v1）（Δt3+Δt4+0.5Δt5）+d0=（v2-v1）te+d0，（5）

式中：v2為緊急制動(dòng)前車輛縱向速度；v1為行人縱向速度；Δt3、Δt4、Δt5分別為開(kāi)始制動(dòng)后3個(gè)不同階段的相應(yīng)時(shí)長(zhǎng)；te為極限制動(dòng)時(shí)間閾值；d0表示車輛停止時(shí)與行人的最小安全距離。

為了避免對(duì)駕駛?cè)苏Ｐ旭偳闆r的干擾，《營(yíng)運(yùn)車輛自動(dòng)緊急制動(dòng)系統(tǒng)性能要求和測(cè)試規(guī)范》JT/T1242—2019中規(guī)定，AEB-P系統(tǒng)緊急制動(dòng)階段不應(yīng)在tTTC≥3s前開(kāi)始，又有研究提出當(dāng)tTTC≥2s時(shí)AEB-P系統(tǒng)不應(yīng)該制動(dòng)[22]。因此，本文方法中規(guī)定tTTC=2s。

de=（v2-v1）te+d0，te≤tTTC，

（v2-v1）tTTC+d0，[DW]tegt;tTTC。（6）

2基于MPC的AEB-P上層控制系統(tǒng)

因建立的運(yùn)動(dòng)學(xué)模型只需反映出人-車縱向運(yùn)動(dòng)學(xué)特性即可，故對(duì)模型作一定簡(jiǎn)化。在保證安全性的前提下，兼顧本車的加速度和加速度變化率。

2.1縱向動(dòng)力學(xué)模型

通過(guò)分析人-車間運(yùn)動(dòng)學(xué)關(guān)系，選取人車間距、車輛速度、人車相對(duì)速度、車輛加速度和車輛加速度變化率為控制系統(tǒng)的狀態(tài)量，

即x（k）=［drel（k），v2（k），vrel（k），a2（k），jerk（k）］T，選取y（k）=［drel（k），v2（k），a2（k）］T作為待優(yōu)化目標(biāo)，得到縱向運(yùn)動(dòng)學(xué)狀態(tài)方程模型：

x（k+1）=Adx（k）+Bdu（k），

y（k）=Cdx（k），（7）

式中：Ad=

10-Ts-12T2s0

010Ts0

001Ts0

0001-Tsτd0

000-1τd0；

Bd=000Tsτd1τd；

Cd=10000

01000

00010；Ts為系統(tǒng)采樣時(shí)間；u（k）為系統(tǒng)控制量；τd為描述本車期望加速度u（k）與實(shí)際加速度a2（k）的傳遞特性的1階慣性環(huán)節(jié)時(shí)間常數(shù)。

2.2AEB-P系統(tǒng)性能要求與約束條件

對(duì)于自動(dòng)緊急制動(dòng)系統(tǒng)，安全性能是AEB-P系統(tǒng)最基本的功能。在保障安全性的同時(shí)兼顧駕駛舒適性，因此定義人車之間的約束條件為

drel≥d0，

ad，max≤a（k）≤amax，

jerkmin≤jerk（k）≤jerkmax，

umin≤u（k）≤umax，（8）

式中：ad，max和amax分別表示最大制動(dòng)減速度和最大自車加速度；umin和umax表示期望加速度的最小值與最大值。

因?yàn)樾腥说目v向速度較小，所以和AEB不同的是，AEB-P應(yīng)盡快制動(dòng)以保證車輛速度能夠降為0，并與行人保持安全的車間距（此處d0取2m），同時(shí)兼顧一定的舒適性，將優(yōu)化目標(biāo)表述如下：

v2（k）→0，

drel→d0，

min|a2（k）|。（9）

2.3MPC控制器求解

根據(jù)式（7），可建立預(yù)測(cè)時(shí)域內(nèi)的預(yù)測(cè)方程，定義e（k）為實(shí)際狀態(tài)量與預(yù)測(cè)值之間的誤差，建立如下模型：

X=Apx（k）+BpU（k）+Fpe（k），

Y=Cpx（k）+DpU（k）+Hpe（k），（10）

式中：X為預(yù)測(cè)時(shí)域Np內(nèi)預(yù)測(cè)狀態(tài)變量合集；Y為預(yù)測(cè)時(shí)域Np內(nèi)預(yù)測(cè)輸出變量；U（k）為控制時(shí)域Nc期望加速度輸出變量序列。在預(yù)測(cè)模型中涉及到各預(yù)測(cè)矩陣Ap，Bp，F(xiàn)p，Cp，

Dp，Hp，其定義如下：

Ap=

AdA2dANpd，

Bp=

Bd0…0

AdBdBd…0

ANp-1dANp-1dB…

ANp-Nc-1dB，

Fp=FF2FNp，

Cp=CdAdCdA2d

CdANpd，

Dp=CdBd0…0

CdAdBdCdBd…0

CdANp-1dBdCdANp-1dBd…

CdANp-Nc-1dBd，

Hp=CdFCdF2CdFNp。

綜合對(duì)AEB-P系統(tǒng)控制性能要求的分析，設(shè)計(jì)優(yōu)化的目標(biāo)函數(shù)定義為

Jr=∑Npi=1

‖yp（k+i|k）-yref（k+i|k）‖2Q+∑Nci=1‖u（k+i）‖2R+ρε2，（11）

式中：yp（k+i|k）為在k時(shí)刻系統(tǒng)對(duì)（k+i）時(shí)刻控制輸出量的預(yù)測(cè)值；yref（k+i|k）表示控制輸出對(duì)應(yīng)的參考值；u（k+i）為（k+i）時(shí)刻的控制輸入；Q為輸出量權(quán)重系數(shù)矩陣；R為控制量增量權(quán)重矩陣；Q=diag（qd，qv，qar），Q中每個(gè)子矩陣代表每個(gè)狀態(tài)量的權(quán)重因子，其值越大代表系統(tǒng)越趨向于減小其對(duì)應(yīng)的狀態(tài)量與參考量之間偏差；R=diag（

qu），R越大則代表系統(tǒng)更傾向于使控制量盡可能?。沪排cρ分別為松弛因子與相應(yīng)的權(quán)重系數(shù)。

通?？梢詫⒃搩?yōu)化問(wèn)題轉(zhuǎn)化為標(biāo)準(zhǔn)二次規(guī)劃問(wèn)題，通過(guò)Matlab優(yōu)化工具箱的quadprog函數(shù)來(lái)求解，得到每一個(gè)采樣時(shí)刻對(duì)應(yīng)控制時(shí)域內(nèi)的一系列最優(yōu)控制量：

U*（k）=u*（k），u*（k+1），…，u*（k+Nc-1）T。（12）

2.4基于運(yùn)動(dòng)狀態(tài)和行人損傷風(fēng)險(xiǎn)的權(quán)重調(diào)整策略

傳統(tǒng)的MPC算法中，目標(biāo)函數(shù)中的權(quán)重系數(shù)通常是根據(jù)設(shè)計(jì)者追求部分性能設(shè)計(jì)的定值，當(dāng)權(quán)重系數(shù)qd、qv設(shè)置得比較大時(shí)，系統(tǒng)更注重安全性；如果權(quán)重系數(shù)qar設(shè)置得比較大，則系統(tǒng)更注重經(jīng)濟(jì)性和舒適性。CHENG等[23]對(duì)影響行人頭部損傷的因素進(jìn)行正交實(shí)驗(yàn)，研究了碰撞速度與行人傷亡風(fēng)險(xiǎn)之間的關(guān)系，并建立了碰撞速度與簡(jiǎn)明損傷定級(jí)標(biāo)準(zhǔn)（abbreviatedinjuryscale，AIS）大于3，表示為AIS3+傷害風(fēng)險(xiǎn)的數(shù)學(xué)公式。本文在設(shè)置權(quán)重系數(shù)時(shí)在安全距離閾值的基礎(chǔ)上引入了當(dāng)前速度下與行人發(fā)生碰撞時(shí)行人損傷到達(dá)AIS3+的概率，如式（13）所示。

PAIS3+（v）=［1+exp（5.261-0.104v撞）］-1，（13）

式中PAIS3+（v）是汽車與行人碰撞時(shí)自車速度（v撞）下的行人損傷到達(dá)AIS3+的概率，關(guān)系如圖3所示。

因?yàn)槭剑?2）是雙射函數(shù)，即碰撞速度和行人損傷概率一一對(duì)應(yīng)，因此本文在設(shè)置權(quán)重系數(shù)時(shí)引入了行人的損傷概率PAIS3+（v），也引入了當(dāng)前的行駛速度。選取間距誤差和當(dāng)前速度下行人損傷概率作為模糊控制器的輸入，drel的論域?yàn)閇0，50]，用7個(gè)語(yǔ)言變量描述：Z0，P1，P2，P3，P4，P5，P6；PAIS3+（v）的論域?yàn)閇0，1]，用7個(gè)語(yǔ)言變量描述：S，S1，S2，S3，S4，S5，S6；輸出量qd，qv的論域均為[0.5，1.0]，用6個(gè)語(yǔ)言變量描述：V5，V6，V7，V8，V9，V10;輸出量qar的論域?yàn)閇0，0.5]，用6個(gè)語(yǔ)言變量描述：V，V1，V2，V3，V4，V5。模糊關(guān)系法則為Mamdani，解模糊采用重心法。輸入變量和輸出變量采用三角形隸屬度函數(shù)，函數(shù)圖和輸入、輸出變量曲面如圖4和圖5所示。

在保證行車安全的前提下，模糊規(guī)則的制定盡可能考慮車上乘員的乘坐舒適性。部分規(guī)則如表1所示。

3車輛模型和下層PID控制系統(tǒng)

3.1車輛模型搭建

以某款D級(jí)車為研究對(duì)象，通過(guò)Carsim軟件建立準(zhǔn)確的自車動(dòng)力學(xué)模型。整車主要參數(shù)如表2所示。

3.2下層控制器

AEB-P的下層控制器的主要功能是對(duì)上述車輛動(dòng)力學(xué)模型進(jìn)行控制和執(zhí)行，實(shí)現(xiàn)制動(dòng)與驅(qū)動(dòng)模式切換并將相應(yīng)的控制信號(hào)轉(zhuǎn)化為節(jié)氣門(mén)開(kāi)度與制動(dòng)壓力值以進(jìn)行實(shí)時(shí)控制。由于汽車縱向動(dòng)力學(xué)的非線性特性，車輛的實(shí)際加速度與期望值存在誤差，采用PID控制策略對(duì)加速度誤差進(jìn)行控制，將上層MPC控制器輸出的期望狀態(tài)與實(shí)際狀態(tài)差值作為控制誤差e（t），即：

e（t）=a2（t）-ades（t），（14）

式中：a2（t）為實(shí)際加速度；ades（t）為期望加速度。

PID的控制規(guī)律為

pb（t）=Kp[JB（［]e（t）+1Ti∫t0e（t）dt+Tdde（t）dt[JB）］]，（15）

式中：Kp、Ti、Td分別為PID控制器的比例增益、積分時(shí)間常數(shù)和微分時(shí)間常數(shù)；pb（t）為輸出的制動(dòng)壓力值。通過(guò)試湊法，設(shè)定PID下層控制器的控制參數(shù)：Kp=2，Ti=12，Td=0.01。

為驗(yàn)證所設(shè)計(jì)的AEB-P控制策略的有效性，本文使用硬件在環(huán)試驗(yàn)（hardwareinloop，HIL）對(duì)其進(jìn)行仿真驗(yàn)證。圖6給出了硬件在環(huán)試驗(yàn)總體方案，其中Carsim軟件提供仿真場(chǎng)景、感知模塊和車輛動(dòng)力學(xué)模型，將前方行人距離信息等傳遞給Simulink中AEB-P控制策略，AEB-P上層決策模塊結(jié)合車輛當(dāng)前狀態(tài)與所處環(huán)境信息作出決策，下層控制器完成車輛控制?？刂扑惴ū痪幾g并燒錄至真實(shí)的控制器上，模型被編譯并通過(guò)上位機(jī)傳輸給實(shí)時(shí)仿真機(jī)。實(shí)時(shí)仿真機(jī)和控制器之間通過(guò)板卡進(jìn)行信息交互。

測(cè)試AEB-P系統(tǒng)的性能需要在人車碰撞的經(jīng)典場(chǎng)景下進(jìn)行，本文參考了Euro-NCAP和C-NCAP中的經(jīng)典AEB-P測(cè)試場(chǎng)景，主要以C-NCAP于2021年最新發(fā)布的版本為標(biāo)準(zhǔn)，使用Carsim軟件建立前方遠(yuǎn)端行人橫穿（car-to-pedestrianfarsideadult，CPFA）和前方縱向行人（car-to-pedestrianlongitudinaladult，CPLA）這2個(gè)最容易發(fā)生人車碰撞事故的場(chǎng)景，在這2個(gè)場(chǎng)景中對(duì)車輛搭載的AEB-P系統(tǒng)進(jìn)行功能測(cè)試。為測(cè)試所設(shè)計(jì)的AEB-P策略（策略1）在不同工況下的性能，測(cè)試工況共有8組，拓展車速范圍到20～90km/h，以10km/h遞增，并與采用固定TTC閾值的AEB-P策略（策略2）進(jìn)行對(duì)比，策略2的TTC閾值設(shè)置為1s，制動(dòng)延遲時(shí)間為0.2s。同時(shí)，因?yàn)槭敲嫦蛐腥说腁EB控制策略，通常行人的運(yùn)動(dòng)速度較低，運(yùn)動(dòng)隨機(jī)性較大，因此當(dāng)檢測(cè)到行駛危險(xiǎn)情況時(shí)AEB-P會(huì)開(kāi)始制動(dòng)，使自車停止。測(cè)試場(chǎng)景為CPFA-25、CPFA-50、CPLA-25、CPLA-50。CPFA-50指的是車輛行駛方向前方存在同一車道行走的行人，在未施加任何制動(dòng)作用的情況下車輛將與行人發(fā)生碰撞，且碰撞點(diǎn)位于車輛寬度的50%處，其他測(cè)試場(chǎng)景同理。

4.1CPFA場(chǎng)景

CPFA場(chǎng)景下的行人速度為6.5km/h橫穿，自車以不同車速均勻前行。具體的CPFA-25和CPFA-50場(chǎng)景下仿真測(cè)試結(jié)果如表3所示。結(jié)合表3的統(tǒng)計(jì)數(shù)據(jù)，分析仿真測(cè)試結(jié)果可得：策略1情況下，車輛完成緊急制動(dòng)后，與行人的最小間距保持在2.31～2.98m，該距離可以減少車輛緊急制動(dòng)給行人帶來(lái)的恐慌，避免更多不必要的傷害；各測(cè)試工況中，減速度大小可依據(jù)當(dāng)前危險(xiǎn)狀況做出調(diào)整。策略2情況下，車輛完成緊急制動(dòng)后，與行人的最小縱向相對(duì)距離保持在2.21～4.16m，最大制動(dòng)加速度范圍為7.60～7.75m/s2，其中當(dāng)車輛行駛速度超過(guò)50km/h時(shí)，不能避免碰撞。

當(dāng)車速為80km/h，碰撞點(diǎn)位于車輛寬度的50%的CPFA工況制動(dòng)過(guò)程如圖7所示。在圖7中，仿真開(kāi)始時(shí)行人和自車相距50m，策略1情況下在0.4s左右觸發(fā)制動(dòng)策略，制動(dòng)加速度經(jīng)過(guò)0.85s后達(dá)到最大；策略2情況下在1.35s左右觸發(fā)制動(dòng)策略，制動(dòng)加速度經(jīng)過(guò)0.1s達(dá)到最大，但是由于制動(dòng)觸發(fā)時(shí)機(jī)較晚，因此未能避免與行人發(fā)生碰撞。并且該場(chǎng)景下8組實(shí)驗(yàn)中策略1成功避撞了7組，成功率高達(dá)87.5%，而策略2成功避撞3組，成功率僅37.5%。

4.2CPLA場(chǎng)景

CPLA場(chǎng)景下的行人速度為5km/h縱向前進(jìn)，自車以不同車速均勻前行。具體的CPLA-25和CPLA-50場(chǎng)景下仿真測(cè)試結(jié)果如表4所示。結(jié)合表4的統(tǒng)計(jì)數(shù)據(jù)，分析仿真測(cè)試結(jié)果可得：本文AEB-P控制策略下，車輛完成緊急制動(dòng)后，與行人的最小間距保持在1.14～3.76m，最大制動(dòng)加速度控制在-6.18～-8.91m/s2，其中當(dāng)車速為90km/h時(shí)，最小縱向距離1.14m小于最小安全距離d0，但是避免了與行人的碰撞。傳統(tǒng)控制策略下，車輛完成緊急制動(dòng)后，與行人的縱向相對(duì)距離保持在2.18～5.13m，最大制動(dòng)加速度范圍為-7.60～-7.75m/s2，其中當(dāng)車輛行駛速度超過(guò)60km/h時(shí)，不能避免碰撞。

當(dāng)車速為60km/h，碰撞點(diǎn)位于車輛寬度的25%的CPLA工況制動(dòng)過(guò)程如圖8所示。在圖8中，仿真開(kāi)始時(shí)人車相距50m，本文AEB-P控制策略在1.7s左右觸發(fā)制動(dòng)策略，制動(dòng)加速度經(jīng)過(guò)0.8s后達(dá)到最大，人車最小間距為3.54m，傳統(tǒng)的AEB-P控制策略在2.25s左右觸發(fā)制動(dòng)策略，由于制動(dòng)觸發(fā)時(shí)機(jī)較晚，最終在3.9s與行人發(fā)生碰撞。并且該場(chǎng)景下8組實(shí)驗(yàn)中本文控制策略全部成功避撞，成功率高達(dá)100%，而傳統(tǒng)控制策略僅成功避撞4組，成功率僅50%。

5結(jié)語(yǔ)

提出了一種基于MPC的面向行人的自動(dòng)緊急制動(dòng)系統(tǒng)控制算法，通過(guò)對(duì)目標(biāo)函數(shù)的優(yōu)化，使車輛更加有效地適應(yīng)不同工況下的緊急制動(dòng)。所提控制方法在各測(cè)試工況下共計(jì)16組實(shí)驗(yàn)安全制動(dòng)停車15組，成功率高達(dá)93.75%，且在保證安全的情況下，避免了AEB-P介入與退出制動(dòng)時(shí)因制動(dòng)減速度突變而帶來(lái)的不適感，在一定程度上考慮了駕駛舒適性。在都成功避免碰撞的情況下，相較于傳統(tǒng)控制策略，所提方法能使自車和前方行人保持較穩(wěn)定的最小間距，魯棒性更好，在保證行車制動(dòng)安全性的同時(shí)，在整個(gè)制動(dòng)過(guò)程中制動(dòng)減速度變化更為平緩。

本文測(cè)試場(chǎng)景只考慮了平直路面行駛工況，駕駛場(chǎng)景較為簡(jiǎn)單。未來(lái)擬對(duì)彎道等復(fù)雜測(cè)試場(chǎng)景以及雨天濕滑等道路附著不良情況進(jìn)行測(cè)試。

參考文獻(xiàn)/References：

[1]ORGANIZATIONWH.GlobalStatusReportonRoadSafety2018：Summary[R].Geneva：WorldHealthOrganization，2018.

[2]TIANJie，ZHANGChuntao，WANGQun.Analysisofcraniocerebralinjuryinfacialcollisionaccidents[J].PloSOne，2020.DOI：10.1371/journal.pone.0240359.

[3]楊帥，張金換，錢(qián)占偉，等.汽車安全多領(lǐng)域融合的研究與展望[J].汽車安全與節(jié)能學(xué)報(bào)，2022，13（1）：29-47.

YANGShuai，ZHANGJinhuan，QIANZhanwei，etal.Researchandprospectofmultidomainintegrationofautomobilesafety[J].JournalofAutomotiveSafetyandEngergy，2022，13（1）：29-47.

[4]FILDESB，KEALLM，BOSN，etal.Effectivenessoflowspeedautonomousemergencybrakinginreal-worldrear-endcrashes[J].AccidentAnalysisandPrevention，2015，81：24-29.

[5]GALVAOLG，ABBODM，KALGANOVAT，etal.Pedestrianandvehicledetectioninautonomousvehicleperceptionsystems：Areview[J].Sensors，2021.DOI：10.3390/S21217267.

[6]韓玲，朱長(zhǎng)盛，遲瑞豐，等.面向智能汽車測(cè)試的弱勢(shì)群體服飾色彩研究[J].中國(guó)公路學(xué)報(bào)，2023，36（1）：240-252.

HANLing，ZHUChangsheng，CHIRuifeng，etal.Clothingcolorofvulnerablegroupsforintelligentvehicletesting[J].ChinaJournalofHighwayandTransport，2023，36（1）：240-252.

[7]黃城，冀杰，陳瓊紅，等.考慮舒適性的AEB避撞算法及仿真驗(yàn)證[J].重慶理工大學(xué)學(xué)報(bào)（自然科學(xué)），2021，35（4）：39-48.

HUANGCheng，JIJie，CHENQionghong，etal.SimulationverificationofAEBcollisionavoidancealgorithminconsiderationofcomfort[J].JournalofChongqingUniversityofTechnology（NaturalScience），2021，35（4）：39-48.

[8]蘭鳳崇，余蒙，李詩(shī)成，等.考慮預(yù)碰撞時(shí)間的自動(dòng)緊急制動(dòng)系統(tǒng)分層控制策略研究[J].汽車工程，2020，42（2）：206-214.

LANFengchong，YUMeng，LIShicheng，etal.Researchonhierarchicalcontrolstrategyforautomaticemergencybrakingsystemwithconsiderationoftime-to-collision[J].AutomotiveEngineering，2020，42（2）：206-214.

[9]楊賀博，張小俊，羅耿耿，等.基于動(dòng)態(tài)碰撞時(shí)間的自動(dòng)緊急制動(dòng)策略設(shè)計(jì)[J].汽車技術(shù)，2024（2）：17-24.

YANGHebo，ZHANGXiaojun，LUOGenggeng，etal.Designofautomaticemergencybrakingstrategybasedondynamictimetocollision[J].AutomobileTechnology，2024（2）：17-24.

[10]王祎男，王迪，關(guān)瀛洲.智能網(wǎng)聯(lián)汽車主動(dòng)避撞系統(tǒng)發(fā)展綜述[J].汽車技術(shù)，2023（3）：1-9.

WANGYinan，WANGDi，GUANYingzhou.Developmentoverviewofactivecollisionavoidancesystemforintelligentandconnectedvehicles[J].AutomobileTechnology，2023（3）：1-9.

[11]BAEJJ，LEEMS，KANGN.PartialandfullbrakingalgorithmaccordingtoTime-to-Collisionforbothsafetyandridecomfortinanautonomousvehicle[J].InternationalJournalofAutomotiveTechnology，2020，21（2）：351-360.

[12]塵帥，王吉忠，張西龍，等.面向車輛縱向動(dòng)力學(xué)控制的制動(dòng)意圖識(shí)別綜述[J].河北科技大學(xué)學(xué)報(bào)，2019，40（2）：105-111.

CHENShuai，WANGJizhong，ZHANGXilong，etal.Overviewofbrakingintentionrecognitionforlongitudinaldynamiccontrolofvehicles[J].JournalofHebeiUniversityofScienceandTechnology，2019，40（2）：105-111.

[13]林國(guó)慶，逯超，韓龍飛，等.汽車自動(dòng)緊急制動(dòng)系統(tǒng)行人測(cè)試與評(píng)價(jià)方法[J].汽車安全與節(jié)能學(xué)報(bào)，2020，11（3）：296-304.

LINGuoqing，LUChao，HANLongfei，etal.Testandevaluationmethodofpedestrianautomaticemergencybrakingsystem[J].JournalofAutomotiveSafetyandEngergy，2020，11（3）：296-304.

[14]ZULKIFLIA，PEEIEMH，ZAKARIAMA，etal.Motionplanningandtrackingtrajectoryofanautonomousemergencybrakingpedestrian（AEB-P）systembasedondifferentbrakepadfrictioncoefficientsondryroadsurface[J].InternationalJournalofAutomotiveandMechanicalEngineering，2022，19（3）：10002-10013.

[15]YANGWei，ZHANGZhen，JIANGKongming，etal.Optimizationofemergencybrakingpedestriancollisionavoidanceforautonomousvehiclefusingthefuzzyneuralnetworkwiththegeneticalgorithm[J].InternationalJournalofControl，AutomationandSystems，2022，20（7）：2379-2390.

[16]鄒鐵方，劉前程，魏亮.加裝傳統(tǒng)AEB后的未避免事故典型碰撞場(chǎng)景與事故特征[J].汽車工程，2023，45（6）：1062-1072.

ZOUTiefang，LIUQiancheng，WEILiang.TypicalcollisionscenariosandaccidentcharacteristicsofaccidentsnotavoidedafterinstallingtraditionalAEB[J].AutomotiveEngineering，2023，45（6）：1062-1072.

[17]BANCEI，YANGSaichao，ZHOUQing，etal.Aframeworkforrapidon-boarddeterministicestimationofoccupantinjuryriskinmotorvehiclecrasheswithquantitativeuncertaintyevaluation[J].ScienceChinaTechnologicalSciences，2021，64（3）：521-534.

[18]WANGQingfan，ZHOUQing，LINMiao，etal.Humaninjury-basedsafetydecisionofautomatedvehicles[J].iScience，2022.DOI：10.1016/J.ISCI.2022.104703.

[19]CHENGShuo，LILiang，GUOHongqiang，etal.LongitudinalcollisionavoidanceandlateralstabilityadaptivecontrolsystembasedonMPCofautonomousvehicles[J].IEEETransactionsonIntelligentTransportationSystems，2020，21（6）：2376-2385.

[20]劉永濤，劉傳攀，劉湘安，等.基于自適應(yīng)采樣時(shí)間MPC的自動(dòng)緊急制動(dòng)系統(tǒng)[J].汽車工程，2023，45（1）：32-41.

LIUYongtao，LIUChuanpan，LIUXiangan，etal.Automaticemergencybrakingsystembasedonmodelpredictivecontrolwithadaptivesamplingtime[J].AutomotiveEngineering，2023，45（1）：32-41.

[21]袁守利，郭錚.考慮駕駛員反應(yīng)時(shí)間的車輛碰撞預(yù)警模型[J].安全與環(huán)境學(xué)報(bào)，2021，21（1）：270-276.

YUANShouli，GUOZheng.Awarningmodelforvehiclecollisiononaccountofthereactiontimeofthedriver[J].JournalofSafetyandEnvironment，2021，21（1）：270-276.

[22]ITOHM，INAGAKIT，HORIKOMET.Designandevaluationofsituation-adaptivepedestrian-vehiclecollisionavoidancesystem[C]//2011IEEEInternationalConferenceonSystems，Man，andCybernetics.Anchorage：IEEE，2011：1063-1068.

[23]CHENGRui，PANYe，XIELian.Analysisofvehicle-pedestrianaccidentriskbasedonsimulationexperiments[J].MathematicalProblemsinEngineering，2022.DOI：10.1155/2022/7891232.

收稿日期：2023-12-10；修回日期：2024-04-01；責(zé)任編輯：馮民

基金項(xiàng)目：

國(guó)家自然科學(xué)基金（51605197）；國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（2019YFB1600503）；江蘇省自然科學(xué)基金（BK20160524）；鎮(zhèn)江市重點(diǎn)研發(fā)計(jì)劃（社會(huì)發(fā)展）項(xiàng)目（SH2019054）

第一作者簡(jiǎn)介：

陸穎（1981—），男，江蘇鎮(zhèn)江人，副教授，博士，主要從事汽車被動(dòng)安全方面的研究。

E-mail：luying@ujs.edu.cn

陸穎，陳燁，楊鵬，等.基于自適應(yīng)權(quán)重MPC的AEB-P控制策略研究［J］.河北科技大學(xué)學(xué)報(bào)，2024，45（4）：341-350.

LUYing，CHENYe，YANGPeng，etal.ResearchonAEB-PcontrolstrategybasedonadaptiveweightMPC［J］.JournalofHebeiUniversityofScienceandTechnology，2024，45（4）：341-350.