基于状态流的自动驾驶超车控制

10.16638/ki.1671-7988.2021.08.008
基于状态流的自动驾驶超车控制
李秋晨，孙鹏飞*
（北京新能源汽车技术创新中心有限公司，北京100176）
摘要：在自动驾驶中，交通规则是安全和避免事故发生的保证。

现在高级驾驶员发生的交通事故数量有逐渐上升的趋势。

然而，交通规则中的逻辑往往由法律文本抽象地表达。

文章用状态流实现了上述逻辑。

首先采用二值分类法对驾驶员的数据进行处理，判断超车条件。

然后建立地图数据库，连接Matlab获取交通规则许可。

其中双目摄像头用于获取车辆与障碍物的距离。

结果表明，上述逻辑适用于超车场景，并可推广到其他交通规则。

关键词：自动驾驶；交通规则；超车；二值分类
中图分类号：U471 文献标识码：A 文章编号：1671-7988(2021)08-21-04
Overtaking Control by Stateflow in Autonomous Driving
Li Qiuchen, Sun Pengfei*
（Beijing New Energy Vehicle Technology Innovation Center Co., Ltd., Beijing 100176）
Abstract:In the autonomous driving, traffic rules are the guarantee of safety and avoiding accidents. Nowadays the number of accidents of senior drivers tend to climb gradually. However, the traffic rules from legal text are written in natural language and are often abstract. In this paper, the logics are implemented in Stateflow. Use binary classification to deal with the data of human drivers, judging the condition to overtake. Then set up the map database and connect Matlab to get the traffic rule permit. Binocular camera is used to get the distance from the obstacle. The result shows that the logic is suit for overtaking and extends to other traffic rules.
Keywords: Autonomous driving; Traffic rule; Overtaking; Binary classification
CLC NO.: U471 Document Code: A Article ID: 1671-7988(2021)08-21-04
1 简介
迄今为止，自主驾驶对现代交通系统具有重要意义。

自动驾驶汽车自主处理具体驾驶任务，将驾驶员从繁重的工作中解放出来。

诸如美国、日本等许多国家正在进行自动驾驶汽车的相关研发工作[1]。

谷歌公司发布了一款自动驾驶汽车，并进行了超过161万英里的路上测试。

特斯拉在量产汽车上安装了可供客户使用的自动驾驶系统[2-3]。

然而，现有的自动驾驶系统仍然面临着长期的挑战。

谷歌的自动驾驶汽车在十字路口右转时与公共汽车相撞，近10名特斯拉用户在各种事故中丧生。

研究表明，遵守交通规则的驾驶方法应引起高度重视[4]。

汽车换道条件受驾驶员的经验、车辆性能和周围车辆的影响。

超车步骤可分为换道动机、决策和实施三个部分。

状态流是有限自动机理论的实施实例，所以状态流模拟了一个事件驱动的模型。

当某个条件从一个状态变为另一个状态时，状态转换就发生了。

有两种类型的事件驱动模型。

作者简介：李秋晨（1993-），男，硕士，现为国家新能源汽车技术
创新中心智能网联业务单元工程师，主要研究方向为：自动驾驶规
划控制测试。

通讯作者：孙鹏飞（1989-），男，博士，现为国家新
能源汽车技术创新中心智能网联业务单元高级工程师，主要研究方
向为：视觉SLAM、多视图几何、自动驾驶。

在自动驾驶领域具有
深厚的理论积累和实践经验。

21
汽车实用技术
22 一种是真值表，另一种由状态之间的中间状态表示。

用户还可以使用状态流构建一些基于流的无状态系统，这些系统没有事件驱动[5]。

本文首先考虑将超车交通规则转换为状态流中的逻辑，并给出了流程图。

其次，利用公式判断超车动机。

然后利用双目摄像头检测车辆与障碍物的距离。

接下来，GPS 设备提供位置信息进行地图数据库搜索，以确认道路的超车许可和限速。

最后完成超车实验，采集人类驾驶员的数据。

2 超车交通规则
我们在日本进行了实验，车辆在左侧行驶。

换道动机描述如下：车辆速度逼近道路最高限速，如果当前车道出现障碍物，驾驶员将在当前车速并保持与其他车辆的安全距离的前提下进行车辆换道[6]。

在以往的研究中，由于城市道路比较复杂，超车主要是在高速公路上实施[7]。

自动驾驶系统在目标车道安全和车辆障碍物相对速度两条规则约束下，根据车载传感器数据分析换道的可能性。

而人类驾驶员根据驾驶经验对车辆的实时状态和周围障碍物作出判断，以此决定是否换道[8]。

在车辆换道过程中，影响驾驶员决策的主要因素是当前车道的状态、周围车辆的距离和相邻车道上的车速。

当前车减速或停车时，驾驶员应使用转向灯并注意右侧。

如果与右侧车辆的距离足够，可以进行超车。

《维也纳道路交通公约》对超车规则作了详细地规定。

如果右侧有障碍物，驾驶员应制动并与前车保持安全距离。

然后等车并观察右侧，直到右前方和右后方可支持通过。

禁止的行为如下：
（1）车辆跟车并开始超车动作； （2）前车示警需要超车；
（3）超车影响对面车辆或时间不足。

3 相关研究工作
3.1 双目摄像头
双目检测的方法是通过处理两幅图像间的视差计算车辆与障碍物之间的距离。

人眼可以根据两眼聚焦在同一物体上的差异感知物体的距离，双目摄像头的原理与人眼相似。

目标距离由视差决定，视差对应于物体和眼睛之间的距离。

图1 双目摄像头输出图像
图1中双目摄像头用于测量与前车的距离。

双目摄像头
标定完成后，使用OpenCV 库中的三维测量函数输出图像深度图。

同时，检测图像中的车辆和其他障碍物。

我们通过设置感兴趣区域减少噪声和干扰并获取对应车辆。

超车动机由深度图像和检测图像中提取出的目标距离和速度进行判断。

同时，使用后置双目摄像头获取与右后方车辆的距离。

3.2 超车决策方法
人类驾驶技术的发展方向是检测、决策和实施。

在实践中，影响驾驶员行为的因素很多，如周围车辆、自车性能、道路状况等。

驾驶风格和驾驶经验也会影响决策。

由于道路状况复杂，开发超车决策方法有重要意义[9]。

我们使用公式来判断超车动机。

测试车辆为丰田COMS 电动汽车，通过CAN 总线采集车速、制动传感器、转向角等数据，双目摄像头提供距离数据。

结合以上信息和人类驾驶员数据，运用公式对超车动机进行分析判断。

我们使用马可·里戈利公式[10]，V c 代表自车速度，V l 代表前车速度。

D rel 表示与前车的距离。

D rec 代表驾驶员的反应距离，K 是安全参数。

当D thres ＞0时，车辆不可超车。

当D thres ≤0时，车辆可实施超车。

（1）
图2 超车过程示意图
4 状态流中的超车逻辑
4.1 超车过程
本文将安全驾驶放在首位，选择合适的方法和逻辑实现超车。

如图3所示，首先检测前车减速。

如果没有交通堵塞，则使用公式（1）计算D thres ，如果D thres ＞0，则进行超车。

然后利用Matlab 连接的地图数据库对超车许可证进行检查。

根据GPS 定位信息在地图数据库中查找道路超车许可和道路限速。

再次，使用双目摄像头检测与右侧车辆的距离。

根据人类驾驶员的经验数据计算超车时间是否足够。

如果时间不够，停止超车并再次检查距离和时间。

通过上述步骤保证汽车自动驾驶的安全性。

在双向双车道超车时需要使用对向车道，属于危险和复
杂的场景。

双目摄像头检测自车与对面车辆的距离，双向双车道变道试验提供时间数据，自动驾驶系统计算并决定是否足以实现超车并发送到超车状态流。

李秋晨 等：基于状态流的自动驾驶超车控制
23
图3 超车逻辑流程图
在MATLAB Simulink Stateflow 中，流程图部分适用于交通规则逻辑的设计和控制。

通过对事件判断的方法，自动驾驶系统可以根据来自传感器的数据和条件来决定自车行为。

Stateflow 可以与Simulink 连接。

若全部条件满足，自动驾驶系统将输出超车结果。

图4 状态流中的逻辑
5 实验结果
在Matlab Stateflow 中，输入为“动机”、“限速”、“禁止超车”、“倒车”、“双向双车道”和“对向车辆”。

通过判断我们可以得出是否超车的结果。

如图5所示，双目摄像头使用像素块匹配识别车辆。

CAN 总线将速度、转向等数据发送到Simulink 。

在实验中，被控制车辆停下来直到障碍物消失，然后实施超车。

图5 车辆识别图像示意图
图6 有障碍物超车
6 总结
自动驾驶有助于将人类驾驶员从繁重的驾驶工作中解放出来，安全性是自动驾驶中最重要的部分，交通规则是安全自动驾驶的保证。

超车是自动驾驶中需要引起关注的重要问题，本文提出的关于超车的交通规则控制方法把安全放在首位。

参考文献
[1] Rizaldi A, Althoff M. Formalising traffic rules for accountability of
autonomous vehicles[C]//2015 IEEE 18th international conference on intelligent transportation systems. IEEE,2015: 1658-1665. [2] Mallissery S,Pai M M M,Ajam N,et al.Transport and traffic rule
violation monitoring service in ITS:A secured V ANET cloud application[C]//2015 12th Annual IEEE Consumer Communications and Networking Conference (CCNC). IEEE, 2015:213-218.
[3] Novak P,Ekelund T,Jovik I,et al.Modeling and control of variable-
speed wind-turbine drive-system dynamics[J].IEEE Control Syste -ms Magazine, 1995, 15(4):28-38.
[4] Mehboob F, Abbas M, Jiang R. Traffic event detection from road
surveillance vide os based on fuzzy logic[C]//2016 SAI Computing Conference (SAI). IEEE, 2016: 188-194.
[5] Li L, Liu Y , Wang J, et al. Human dynamics based driver model for
autonomous car[J]. IET Intelligent Transport Systems, 2016, 10(8): 545-554.
[6] Toledo T, Lotan T. In-vehicle data recorder for evaluation of driving
behavior and safety[J]. （下转第42页）
汽车实用技术
42 架，用于北斗天线及倒伏天线等信息化设备线缆的捆绑。

5 结论
军选民用车型在开发的过程中应该严格按照军用指标进行设计开发。

根据军用汽车的用途进行合理布置驾驶室内的各种军用装备。

设计过程中应根据具体的装备结合民车自身的特点，合理对驾驶室局部进行加强，避免增加军用装备后对原驾驶室产生影响或破坏。

增加的各类专用零部件，可以发挥民用成熟的配套资源，节约开发成本和周期，提高军选民用车型的开发效率和质量[5]。

参考文献
[1] 高树新,马维平.军用车辆的军民融合式发展[J].军事交通学院学
报,2014,16(07):40-43.
[2] 秦明,李耀平.加强军民融合共用技术研究的途径和方法[J].军民
两用技术与产品,2015(15):50-52.
[3] 郭利.重型卡车驾驶室舒适性的优化设计[J].现代制造工程,2009
(04):130-133.
[4] 郭东,郭竹亭.汽车车身设计[M].长春:吉林科学技术出版社. [5] 宋文文.日本推动军民两用技术转移的主要做法及启示[J].军民两
用技术与产品,2018(11):53-57.
（上接第23页）
Transportation Research Record, 2006, 1953 (1):112-119.
[7] Aravinthan P, Krishnan N G , Vigneswaran N. Monitoring and trans
-mitting the details of vehicle not obeying traffic rules to the nearby surrounding stations for instant action[C]//Recent Advances in Space Technology Services and Climate Change 2010 (RSTS & CC-2010). IEEE, 2010: 66-68.
[8] Ma K, Yan B, Luo X. A Cellular Automata simulation for traffic flow
on multi-lane freeways under various control rules[C]//Proceeding
of the 11th World Congress on Intelligent Control and Automation.
IEEE, 2014: 455-460.
[9] Lurong W. Fuzzy distribution fitting for law of traffic accidents
based on matlab[C]//2009 Sixth International Conference on Fuzzy Systems and Knowledge Discovery. IEEE, 2009,6:227-231. [10] Rigolli M,Brady M.Towards a behavioural traffic monitoring sys
-tem[C]//Proceedings of the fourth international joint conference on Autonomous agents and multiagent systems.2005:449-454.。