基于路面识别的汽车紧急避撞控制算法

基于路面识别的汽车紧急避撞控制算法
魏民祥;严明月;汪;张凤娇
【摘要】A control algorithm, which combined the lane changing for collision avoidance under different road conditions with the adaptive cruise control, was established to deal with the dangerous conditions of emergency braking from the preceding vehicle. The scene model of emergency collision avoidance was proposed based on PreScan software, and the recursive least square algorithm was used to discriminate of road surface. The path for collision avoidance was planned based on distinguishable road, and the distance model which met the multivehicles movement constraints for the safety of lane changing was set. The collision avoidance system was used to monitor the motion states of vehicles to control of the vehicle to change lane for collision avoidance. The adaptive cruise control was used to keep a safety distance to avoid the rear collision between the own vehicle and the preceding vehicle in slow lane. The results show that the proposed algorithm was verified to be effective based on the co-simulation of PreScan and Matlab / Simulink, and the vehicle can avoid collision safely on the bituminous and ice-snow road.%针对不同道路条件下前方行驶汽车突然紧急制动的危险工况,提出一种适应不同路面条件的换道避撞控制与自适应巡航控制相结合的控制算法.基于PreScan软件搭建紧急避撞场景模型,利用递推最小二乘法进行路面辨识;基于辨识的路面规划避撞路径,建立适应多车运动约束的换道安全距离模型;避撞系统实时监测车辆运动状态,危险工况下控制车辆进行换道避撞操纵,并采用自适应巡航控制避免车辆换入低速车
道时与该车道车辆追尾.结果表明:基于PreScan与Matlab/Simulink的联合仿真
验证了该算法的有效性,车辆均能在沥青和冰雪路面上安全稳定地避撞.
【期刊名称】《汽车安全与节能学报》
【年(卷),期】2017(008)004
【总页数】8页(P359-366)
【关键词】汽车安全;自适应巡航控制;路面识别;递推最小二乘法;安全距离;换道路
径规划
【作者】魏民祥;严明月;汪;张凤娇
【作者单位】南京航空航天大学,南京 210016,中国;南京航空航天大学,南京210016,中国;南京航空航天大学,南京 210016,中国;常州工学院,常州 213002,中国【正文语种】中文
【中图分类】U461.91
先进驾驶辅助系统（advanced driver assistance systems，ADAS）是智能汽车安全技术的重要组成部分，紧急工况下，自动紧急制动系统（autonomous emergency braking，AEB）会介入接管车辆实现紧急避撞[1]。

AEB系统设计时
需要考虑驾驶员行为，基于专业驾驶员的紧急制动特征对AEB的介入策略进行了
研究[2]。

但驾驶员行为分析结果表明，紧急工况下相当部分驾驶员存在转向避撞
行为[3]。

同时由于转向避撞在高相对速度、低附着系数、低重叠角等工况下相对
制动避撞所需的纵向距离更小，避撞效能更高[4-6]。

转向避撞可以有效减少因车
道上突然出现行人、天气恶劣导致行车视距减小、前车紧急制动等因素导致的事故，朱西产等[7]针对车辆直行与行人发生冲突的典型危险工况，选用五次多项式规划
避撞路径，控制车辆跟踪路径实现转向避撞；A. T. Nguyen等[8]还提出通过人机共驾方式进行车道保持和转向避撞控制，但这些避撞控制算法主要研究车辆在良好附着条件路面上的转向避撞控制；林柏忠等[9]指出在车辆行驶过程中，绝大部分作用于车辆上的外力均来自于轮胎与地面间的接触力，当路面类型变化或天气因素导致路面覆盖冰雪，路面附着系数是影响紧急避撞系统性能的关键参数，因而转向避撞系统设计时需要考虑路面附着条件对避撞效果的影响，提高适应性。

路面附着系数的识别方法包括Cause based和Effect based两类[10]，Cause based方法是根据影响路面附着条件的因素，通过经验模型预测和识别路面附着系数。

文献[11]通过光学传感器检测路面粗糙度估计附着系数，但光学传感器受工作环境影响较大；Effectbased 方法是通过测量分析附着系数变化在车轮或车体的运动响应来估计附着系数。

文献[12]使用全球定位系统(global positionng systern, GPS)和惯性导航系统在车辆转向运动过程中估量侧偏角和横摆角速度进而估计侧偏刚度和路面附着系数，但该算法需要添加额外的GPS和惯导，成本较高。

卡尔曼滤波(Kalman fi ltering)估计算法[13]有良好的跟踪能力，但是该算法需要事先确定有关噪声的统计参数，计算量大。

本研究利用递推最小二乘法收敛速度快的特点进行基于驱动过程的路面识别，为避撞控制系统提供路面信息；建立适应路面的避撞换道路径和安全距离模型，避撞系统实时判别车辆状态，车辆按照规划的避撞路径主动避撞，避免换道后与目标车道车辆碰撞，采用自适应巡航控制算法，控制车辆保持安全行车距离。

汽车直线行驶时的力平衡方程为
其中：ax是纵向加速度，Fxf、Fxr是前后轮驱动力，Rxf、Rxr是前后轮的滚动阻力，DA是空气阻力。

根据刷子轮胎模型[14]和式(1)做出轮胎纵向力(Fx)与滑移率(S)曲线包围的轮胎工作区域。

由图1知，当滑移率为0～2% 时，纵向力(Fx)处在线性区，其值与滑移率(S)成正
比。

当S为2 %～30 %时，Fx处在暂态区，其值与路面附着系数有关，也与车辆行驶状态有关。

当S为30%～100%时，其值处在饱和区，Fx基本不变。

在实际
行车中，Fx处在线性区和非线性区较多，故当车辆处于暂态过程时，估计算法不
更新，保存上一时刻的路面附着系数的值。

最小二乘参数辨识的标准形式：
其中： y (t)为采样输出，φT (t)为回归矩阵，θ (t)为需要估计的未知参数。

由于仅考虑车辆的纵向运动，则
其中：ρ为驱动力标称值； Fz为轮胎法向力；K(μ)为驱动力标称值与滑移率曲线的斜率，其值随着路面的不同而不同。

在线性区时，驱动力标称值与滑移率的曲线斜率K(μ)和路面附着系数μ成正比。

在饱和区时，纵向力(Fx)与路面附着系数(μ)、法向载荷(Fz)有关，如图1所示。

当Fx处在饱和区会出现饱和现象。

车辆驱动力标称值表示为
将式(4)带入式(1)整理得
其中： a, b为质心至前后轴距离，m为车辆整备质量，g为重力加速度。

将式(5)整理成最小二乘法的标准形式，则
汽车进行变道控制的过程中，可以作为汽车期望轨迹的理想参考虚拟轨迹有很多种，包括基于正负梯形约束的横向加速度轨迹曲线、基于多项式约束的轨迹曲线等。

本文根据Chovan等在1994年提出的正弦函数模型[15]的研究，规划出适应不同路面条件、不同的纵向速度、不同换道强度的避撞换道路径，即
其中： ydes (t)为期望侧向位移； ye为整个换道过程的侧向位移，为3.75 m； t 为换道时间，γ为换道强度因子。

换道强度因子是调节换道时侧向加速度(ay)强度的重要参数，其大小不仅关系到车辆变道时的行驶轨迹，更加关系到变道时车辆本身的安全性以及乘员的乘坐舒适性。

本文借鉴Limpert的研究结果[16]，将侧向加速度具体量化如表1所示。

其中，vx为纵向车速。

车辆在低速、相对速度较小、初始距离较大、路面附着系
数较大时，可以取较小的γ；当车辆在高速、相对速度较大、初始距离较小、路面附着系数较小时，可以取较大的γ。

γ的上限取在限制级，下限取在正常级。

因此，侧向加速度ay在不同路面上的取值范围如表2所示。

由式(6)和表2得到车辆适应不同路面、不同纵向速度、不同换道强度的避撞换道
路径。

期望换道侧向加速度ay,des如图3所示，车辆通过γ上限值调节换道
ay,des。

从沥青路面变化到冰雪路面时，ay,des幅值显著减小。

γ下限值与车速
有关，但车辆在不同车速下通过γ下限值调节的ay,des幅值变化较小。

期望避撞换道路径如图3所示，换道路径由ay,des决定，车辆从沥青路面变化到冰雪路面时，γ上限值调节的路径的曲率显著减小，整个换道所用时间显著增大，相同纵向速度条件下，纵向位移(x)显著增大，γ下限值调节的路径曲率变化较小，保证x
变化较小，保证避撞安全距离变化较小，增强避撞安全性。

基于双车道的紧急换道避撞过程中车辆运动关系如图4所示，本车道有自车M和前车FS，右侧低速车道有一辆前车FR。

自车通过转向换道避免与前车FS发生碰撞，进入低速车道过程中避免与右前车FR发生碰撞。

所研究车辆的左前角、右前角、右后角、左后角分别为C1, C2, C3, C4点。

Sf (t)为自车的C1点与本车道前
车的C4点之间的间距。

Sf (t)为右前车的C1点与自车的C3点之间的间距。

3辆
车为同型车，取C1为参考点，运动关系为
其中：vM,x(0)，vFS,x(0)，vFR,x(0)为自车、前车和右前车的纵向速度，aM,x (t)，aFS,x (t)，aFR,x (t)为自车、前车和右前车的纵向加速度。

其中，vM,y (t)为自车侧向速度。

自车与前车碰撞点为P1点，自车与右前车的碰
撞点为P2点。

tp1时，自车与前车可能发生追尾、斜向碰撞和侧向碰撞。

当时，自车与右前车可能发生斜向碰撞、侧向碰撞和追尾。

要保证自车在任一时刻t内与前车和右前车都不发生任何形式的碰撞，则Sf (t) ＞ 0,且Sr (t)＞ 0。

图5是碰撞时刻3车位置的示意图。

自车与前车在碰撞时刻tp1的侧向位移关系
为
其中，前车侧向位移yFS为零。

由式（12）和式（6）可以得到自车与前车的碰撞时刻tp1。

自车在碰撞时刻tp2的侧向位移为
其中，H为一个车道宽度。

由式（13）可以得到自车与右前车碰撞点的时间tp2。

汽车在低速情况下进行转向时，可以忽略轮胎侧偏角的影响，汽车的运动简单地服从“Acklman”转角关系，即汽车轨迹的曲率与方向盘转角成正比：
对等式两边同时乘以[vM,x(t)]2，得：
其中： aM,y(t)为自车侧向加速度，δ为方向盘转角，l为车辆轴距，vM,x(t)为自
车纵向速度，i为转向系传动比，R为汽车转弯半径。

因为研究的线控转向系统换道控制面向较高车速下的车辆，所以必须考虑侧偏角的影响，将(15)式修正为：
其中，K为稳定性因数，
其中： a、b分别为质心至前后轴的距离，k1和k2为前后轮胎的侧偏刚度。

车辆控制系统包括转向比例、积分、微分(proportion、integration、differentiation，PID)控制和自适应巡航控制，转向控制器的输入为理想侧向加速度与实际侧向加速度的偏差，经过PID调节后输出给逆动力学模型，由逆动力学
模型计算得到期望的方向盘转角，控制车辆进行换道避撞。

利用PreScan自带的
巡航模块设计自适应巡航控制器，当换道完成后，将车辆控制权由转向控制器移交给自适应巡航控制器，保证车辆行驶的安全车距。

为验证本文转向避撞控制系统在换道过程中满足车辆稳定性约束，依据文献[17]的相关研究，引入式(18)作为稳定性判据。

其中，ω为横摆角速度，vx为纵向车速。

首先进行路面辨识的仿真试验，在路面附着系数突变路况，控制节气门做正弦曲线的变化。

车速初值为60 km/h，取θ(0) = 25，协方差矩阵P(0)=1及遗忘因子ζ = 0.92。

轮胎滑移率如图6所示，车辆两个驱动轮的滑移率在低附着系数路面大
于高附着系数路面。

路面附着系数估计的仿真结果如图7所示，路面附着系数的估计值存在一定滞后，但与真实值没有偏差，主要是由于数据处理所致，在线性区域内首先对K(μ)取均值，然后通过简单映射函数使其输出值为0.2或0.8，在车辆加速过程中识别路面，在避撞控制过程中不进行路面附着系数的实时估计，故存在一定的滞后对后续控制器实时控制无影响。

在路面附着系数突变路况，设定节气门开度为0.5，车速的初值为60 km/h，取
θ(0)= 0.8，协方差矩阵P(0)=10及遗忘因子ζ = 0.95。

轮胎滑移率如图8所示。

由于此部分包含线性和非线性的特性，将线性区域内路面附着系数估计方法和饱和区域内路面附着系数估计方法结合使用，如图9所示，该方法改善了估计滞后的
问题，在仿真开始时与真实值有一定的偏差，最大瞬态偏差为0.11，满足路面识
别要求。

基于PreScan与Matlab/Simulink联合仿真平台，进行不同路面、不同车速下的多车避撞试验，车辆模型基本参数如表3所示，仿真试验工况如表4所示。

仿真
实验中，自车M受控于避撞系统，参数有高、低工况中的自车速度、前车速度和
加速度、右前车速度、以及自车与前车初始车距Sfra和自车与右前车初始车距Sfsa
车辆动力学模型采用PreScan软件中的三维模型，避撞控制系统包括扫射传感器
模型（technology independent sensor, TIS）、动力学模型、转向控制器、自
适应巡航控制器、模式切换等。

PreScan中搭建的紧急避撞场景如图10所示，图10a为换道初期场景，图10b
为换道完成场景，换道完成进入低速车道后，将车辆控制权由转向控制器移交给自适应巡航控制器，避免因自车车速高于右前车发生追尾，图10c为自适应巡航控制（adaptive cruise control，ACC）检测到车距较小后自动制动减速至98
km/h，图10d中ACC检测到车距更小，加大制动力减速至85 km/h，通过车速不断调整使车辆保持安全行驶车距。

车辆在沥青路面上高速紧急避撞的侧向位移y、纵向位移x、侧向加速度ay和横摆角速度ω曲线如图11所示。

前车突然紧急制动过程中，自车通过转向换道有效避开前车，如图11a、11b所示。

自车换入低速车道后，由于自车车速高于右前车，两车相对纵向距离迅速减小，为避免自车与右前车追尾，自适应巡航控制器通过增大制动力增大两车相对纵向位移，保持安全车距，如图11b所示。

不同换道强度因子γ调节的避撞轨迹如图11a所示，γ =1是指采用路面可提供的最大附着系数，γ = 0.48是在该工况下经过多次仿真试验得到的较优的换道强度，较小的γ 调节的轨迹最大曲率较小，但对纵向位移x影响甚微，如图12b所示，换道强度为0.48和1.0调节下的纵向位移重合。

较小的γ 调节的侧向加速度最大值ay,max较小，如图11c所示，并且实际的侧向加速度较好地跟踪理想值。

由式(18)得所允许的最大横摆角速度为14.7 (°)/s，图11d中γ = 1时的横摆角速度的最大值ωmax大于临界值，而γ = 0.48时横摆角速度的最大值远小于临界值，因此通过换道强度的较优调节，不仅有效避撞，并且保证了避撞过程的稳定性。

车辆在冰雪路面上低速紧急避撞的侧向位移y、纵向位移x、侧向加速度ay和横摆角速度ω曲线如图12所示。

前车突然紧急制动过程中，自车通过转向换道有效避开前车，如图12a、12b所示。

虽然前车和右前车的纵向位移两次相同，由于位于不同车道不会发生碰撞，当自车与前车纵向位移相同时，自车已换入低速车道。

不同换道强度因子γ调节的避撞轨迹如图12a所示，γ = 0.45是在该工况下经过多次仿真试验得到的较优的换道强度，较小的γ 调节的轨迹最大曲率较小，
但对纵向位移影响甚微，如图12b所示，γ = 0.45和1.0调节下的纵向位移重合。

较小的γ 调节的侧向加速度最大值较小，如图12c所示，并且实际的侧向加速度
较好地跟踪理想值。

由式(18)得所允许的最大横摆角速度为8.1 (°)/s，图12d中γ = 1时的横摆角速度的最大值大于临界值，而γ = 0.48时横摆角速度的最大值远
小于临界值，通过换道强度的较优调节保证了避撞过程的稳定性。

本文对典型的沥青和冰雪路面进行路面识别，提出一种考虑不同路面条件的换道避撞控制与自适应巡航控制相结合的避撞控制算法。

利用递推最小二乘法进行路面附着系数估计，识别出沥青路面和冰雪路面。

基于路面类型规划换道避撞路径，通过换道强度因子调节换道强度，并基于规划的避撞路径建立换道安全距离模型，实时判断车辆安全状态。

车辆处于危险工况时，控制车辆进行换道避撞操纵。

采用自适应巡航控制使车辆保持安全车距，避免发生追尾事故。

基于PreScan与Matlab / Simulink的仿真结果表明在沥青和冰雪路面上车辆均能安全稳定地避撞。

【相关文献】
[1] 李霖, 朱西产, 陈海林. 驾驶员制动和转向避撞极限[J].同济大学学报: 自然科学版, 2016, 44(11): 1743-1748.LI Lin,ZHU Xichan,CHEN Hailin.Drivers’ Collision avoidance limit by braking and steering [J]. J Tongji Univ: Natu Sci, 2016, 44(11): 1743-1748.
[2] Wada T, Tsuru N, Isaji K, et al. Characterization of expert drivers' last-second braking and its Application to a collision avoidance system [J]. Intel Trans Syst, IEEE Transactions, 2010, 11(2): 413-422．
[3] Eckert A, Sevenich M, Rieth P E. Emergency steer &brake assist - A systematic approach for system integration of two complementary driver assistance systems [J]. Euro J Poli Res, 2011, 50(4): 441-478.
[4] Bevan G P, Gollee H, O'Reilly J. Trajectory generation for road vehicle obstacle avoidance using convex optimization[J]. Proc Inst Mech Engi, J Automobile Engineering,2010, 224(4): 455-473.
[5] Hattori Y, Ono E, Hosoe S. Optimum vehicle trajectory control for obstacle avoidance problem [J]. IEEE/ASME Transactions on Mechatronics, 2006, 11(5): 507-512.
[6] Martensson J, Nybacka M, Jerrelind J, et al. Evaluation of safety distance in vehicle platoons by combined braking and steering[C]//11th International Symposium on Advanced Vehicle Control, Seoul, Korea, 2012.
[7] 朱西产, 刘智超, 李霖. 基于车辆与行人危险工况的转向避撞控制策略[J]. 汽车安全与节能学报, 2015, 6(3): 217-223.ZHU Xichan, LIU Zhichao, LI Lin. Evasive manoeuvre for emergency steerying based on typical vehicle-pedestrian use case [J]. Automotive Safety and Energy, 2015, 6(3):217-223.(in Chinese)
[8] Nguyen A T, Sentouh C, Popieul J C. Driver-Automation cooperative approach for shared steering control under multiple system constraints: Design and experiments [J].IEEE Trans Indu Electron, 2017, 64: 3819-3830 .
[9] 林柏忠, 李振洋, 何磊,等. 基于功能原理和模糊控制的路面附着系数估计[J].华南理工大学学报:自然科学版,2016, 44(9): 131-136.LIN Bozong, LI Zhenyang, HE Lei, ZONG Changfu.Estimation of road adhesion coeff i cient based on workenergy principle and fuzzy logic control [J]. J South China Univ Tech: Natu Sci Edit, 2016, 44(9): 131-136. (in Chinese)
[10] 王博, 卢萍萍, 管欣,等. 路面附着系数识别方法发展现状综述[J]. 汽车技术, 2014(8): 1-
7.WANG Bo, LU Pingping, GUAN Xin, et al, A review on the development status of road adhesion coeff i cient identif i cation approach [J]. Automobile Technology,2014(8): 1-7. (in Chinese)
[11] Eichhorn U, Roth J. Prediction and monitoring of tyre/road friction [C]// FISTA 24th Congress: safety the vehicle and the road. Tech paper, 1992,2: 67-74.
[12] Hsu Y H, Gerdes J C. Stabilization of a steer-bywire vehicle at the limits of handling using feedback linearization [C]//2005 ASME Int’l Mechanical Engineering Congress and Exposition, Orlando, 2005:483-492.
[13] Dash P K, Jena R K, Panda G, et al. An extended complex kalman fi lter for frequency measurement of distorted signals [ J]. IEEE Trans Instrumentation and measurement, 2000,49(4): 746-753.
[14] 赵健, 张进, 朱冰. 基于路面识别的汽车驱动力模糊滑模控制[J]. 吉林大学学报:工学版, 2015, 45(4): 1036-1042.ZHAO Jian, ZHANG Jin, ZHU Bing. Fuzzy sliding mode control based on road friction coeff i cient estimation [J].J Jilin Univ: Engi Tech Edit, 2015, 45(4): 1036-1042. (in Chinese)
[15] Chovan J D, Tijerina L, Alexander G, et al. Examination of lane change crashes and potential IVHS countermeasures[J]. National Highway Traff i c Safety Administration National Technical Information Service, 1994(3).
[16] Jr N H S. An investigation of vehicle critical speed and its inf l uence on lane-change trajectories [D]. Austin: The University of Texas at Austin, 1997.
[17] 张金柱. 基于GPS的汽车稳定性控制系统研究[D]. 哈尔滨: 哈尔滨工程大学, 2012.ZHANG
Jinzhu. Study on vehicle stability control system based on GPS [D]. Harbin: Harbin Engineering University,2012. (in Chinese)。