丁杰

摘要：隨著智能車輛在智能交通系統(tǒng)中的不斷發(fā)展，車輛運(yùn)動控制也得到了很大探索。換道作為智能車輛自主駕駛技術(shù)的重要運(yùn)動模式之一，已成為研究的熱點(diǎn)和難點(diǎn)。然而，智能車輛由于強(qiáng)非線性特性和路面工況的外部干擾，使得智能車輛在換道過程中的穩(wěn)定性和路徑控制都面臨著挑戰(zhàn)?；诖?，本篇文章對智能車輛換道路徑跟蹤協(xié)同控制進(jìn)行研究，以供參考。

關(guān)鍵詞：智能車輛;換道;路徑跟蹤

引言

在道路上，車輛的駕駛行為包括跟馳、換道和超車，其中，換道行為是在車輛跟馳狀態(tài)之后，是超車行為研究的基礎(chǔ)和前提。車輛的換道目的是實(shí)現(xiàn)主動避撞、更換至高速車道和安全超車。車輛的換道行為會對交通安全和效率產(chǎn)生重大的影響。不安全的換道行為可能會引起周圍車輛采取緊急制動的措施，從而導(dǎo)致交通事故和局部的交通擁堵。在車車通信的環(huán)境下，智能車輛通過自身傳感器獲得車輛的運(yùn)動狀態(tài)信息（如GPS、加速度傳感器等獲得車輛的位置、速度、加速度等），車輛之間通過無線通信技術(shù)進(jìn)行全方位的動態(tài)實(shí)時(shí)信息交互，時(shí)刻掌握車輛彼此間的駕駛需求，實(shí)現(xiàn)智能車輛的自主性安全換道，進(jìn)而形成安全和高效的道路交通環(huán)境。

1換道潛在沖突形態(tài)分析

將換道過程劃分為3個階段，即準(zhǔn)備階段、執(zhí)行階段和后調(diào)整階段;本文中為便于區(qū)分不同階段主車與原車道和目標(biāo)車道的關(guān)系，將換道過程分為準(zhǔn)備階段、跨道階段和回正階段，每個階段有對應(yīng)的軌跡階段。一般來說，準(zhǔn)備階段是指駕駛員產(chǎn)生換道意圖后，觀察周邊車輛的運(yùn)動情況，打開轉(zhuǎn)向燈，并隨時(shí)準(zhǔn)備換道的階段;跨道階段是指駕駛員轉(zhuǎn)動轉(zhuǎn)向盤，使車輛在前進(jìn)的同時(shí)進(jìn)行橫向位移，直至整個車輛移出初始車道，進(jìn)入目標(biāo)車道的階段;回正階段則指駕駛員往相反方向轉(zhuǎn)動轉(zhuǎn)向盤，使車輛在目標(biāo)車道上回正，同時(shí)對車輛與車道線的間距進(jìn)行微調(diào)的階段。其中，按車輛整體是否越過車道線為分界點(diǎn)，來劃分跨道階段和回正階段。下面按3個階段對主車與不同旁車的潛在沖突進(jìn)行分析。在換道準(zhǔn)備階段，為調(diào)整縱向位置，以便執(zhí)行換道動作，該階段駕駛員往往會存在加速或減速的動作，因而可能會與原車道的前后車發(fā)生追尾碰撞，潛在碰撞形式?？绲离A段，主車駕駛員轉(zhuǎn)動轉(zhuǎn)向盤，使車輛從原車道向目標(biāo)車道移動。在此階段，主車可能與鄰后車、鄰前車發(fā)生側(cè)向碰撞，也可能與前、后車發(fā)生追尾碰撞。以TTC為度量指標(biāo)的先決條件是交通參與者存在預(yù)定碰撞軌跡，即以當(dāng)前的車速（后車速度比前車快）和方向行駛，根據(jù)幾何計(jì)算，必然會發(fā)生碰撞。由于預(yù)定碰撞軌跡的假設(shè)并不能完全識別換道過程的風(fēng)險(xiǎn)，易遺漏跨道階段的側(cè)面碰撞風(fēng)險(xiǎn)，因此在選用度量指標(biāo)時(shí)，應(yīng)選擇不依賴于預(yù)定碰撞軌跡的度量指標(biāo)來估計(jì)換道風(fēng)險(xiǎn)。

2智能車輛的安全換道決策模型

第1，換道車輛的前方車輛采取{拒絕}策略，即保持原來的速度狀態(tài)信息，速度收益為0;換道車輛在接受到前方拒絕換道請求后，選擇{跟馳}策略，速度收益為兩車之間的相對速度.第2，換道車輛的前方車輛采取{拒絕}策略，速度收益為0;換道車輛在接受到前方拒絕換道請求后，堅(jiān)持選擇{換道}策略，速度收益為換道車輛采取該策略需要保持安全距離下的期望速度與當(dāng)前速度的差值.第3，換道車輛的前方車輛采取{允許}策略，速度收益為需要通過加速或保持速度來達(dá)到安全車距下的期望速度與當(dāng)前速度的差值;換道車輛在接受到前方拒絕換道請求后，選擇{跟馳}策略，速度收益為前方車輛的期望速度與換道車輛當(dāng)前速度的差值.第4，換道車輛的前方車輛采取{允許}策略，速度收益為需要通過加速或保持速度來達(dá)到安全車距下的期望速度與當(dāng)前速度的差值;換道車輛在接受到前方拒絕換道請求后，選擇{換道}策略，速度收益為換道過程中與前車保持安全車距的期望速度與當(dāng)前速度的差值。

3路徑跟蹤控制律設(shè)計(jì)

通過設(shè)計(jì)指數(shù)收斂擾動觀測器，在線觀測并補(bǔ)償車輛系統(tǒng)的不確定性干擾，可降低開關(guān)增益，從而有效地降低系統(tǒng)抖振。根據(jù)車輛模型式，設(shè)x¨1=x˙2=θ，有如下狀態(tài)方程：x˙1=x2，x˙2=A21x2+B21u+D（12）設(shè)D=A12β+d（t）為系統(tǒng)的總干擾，其中d（t）是外界干擾。˙D=H（D?D）取=HD，則定義以下輔助參數(shù)向量：ξ=?Hx2，ξ˙=˙D?HA21x˙2（1）根據(jù)式（1），干擾觀測器可設(shè)計(jì)為：ξ˙=H（A21x2?u）?HD，D=ξ+HA21x2（2）假設(shè)，我們可以得到D=?ξ˙?HA11x˙2。根據(jù)方程（7），觀測誤差方程可表示為：D=?H（A21x2?u）+H（ξ+HA21x2）=H（D?D）=?HD（3）可知方程（2）解為，此時(shí)觀測器的收斂精度取決于參數(shù)，通過設(shè)計(jì)，估計(jì)觀測干擾以指數(shù)形式逼近不確定擾動。θ→θd1θ˙→θ˙d1e=θ?θd1控制器的最終控制目的為，定義偏航角跟蹤誤差，設(shè)計(jì)滑模函數(shù)并求導(dǎo)：s1=c1e+e˙由以上分析可知，控制系統(tǒng)的收斂精度取決于k3，當(dāng)t→∞s1→0D→0時(shí)，系統(tǒng)跟蹤誤差e→0。

結(jié)束語

針對換道路徑跟蹤控制設(shè)計(jì)了一種基于指數(shù)收斂擾動觀測器的滑模路徑跟蹤控制器，通過對不確定擾動的在線估計(jì)和補(bǔ)償來減小系統(tǒng)的顫振，從而提高控制系統(tǒng)的收斂速度和控制精度;為了提高智能車輛在彎道變換中的參考軌跡跟蹤精度和平順性，定義了轉(zhuǎn)向和制動系統(tǒng)之間的協(xié)同誤差模型，并以此模型為基礎(chǔ)設(shè)計(jì)了車輪滑移率的滑模跟蹤控制律;仿真結(jié)果表明，所提出的控制器能夠準(zhǔn)確跟蹤變道參考軌跡，保證了車輛在換道過程中的行駛穩(wěn)定性。

參考文獻(xiàn)：

[1]施發(fā)園.自動駕駛車輛換道決策模型研究[D].上海工程技術(shù)大學(xué)，2020.

[2]張勇.智能車輛的車道保持與換道協(xié)同控制研究[D].哈爾濱工業(yè)大學(xué)，2019.

[3]劉昕.智能車輛換道軌跡跟蹤控制研究[D].大連理工大學(xué)，2018.

[4]蹇隆光.智能車輛自動換道軌跡跟蹤控制方法[D].燕山大學(xué)，2018.