郭建宏

摘 要：由于汽車數(shù)量的迅速增長，交通擁堵問題越來越嚴(yán)重，交通事故發(fā)生率也隨之不斷上升，對人類生產(chǎn)生活造成了巨大損失。為了能夠減少甚至避免道路交通系統(tǒng)中存在交通控制方面的盲點(diǎn)性和沖突，自動駕駛汽車技術(shù)已經(jīng)成為當(dāng)前研究的熱點(diǎn)。針對基于多目標(biāo)優(yōu)化的交通軌跡跟蹤控制問題進(jìn)行了分析與研究，首先介紹了一種簡單實(shí)用且能有效避免交通事故發(fā)生的方法;針對國內(nèi)外相關(guān)課題研究現(xiàn)狀作簡要綜述并提出自己所存在和有待解決或改進(jìn)的關(guān)鍵性問題：即車輛動力學(xué)參數(shù)確定困難、運(yùn)動學(xué)特性不同時(shí)間下位置變化導(dǎo)致軌跡失調(diào)及道路擁擠等現(xiàn)象。

關(guān)鍵詞：目標(biāo)優(yōu)化 自動駕駛 軌跡跟蹤

1 引言

在現(xiàn)實(shí)生活中，由于各種環(huán)境因素，車輛的軌跡跟蹤也是一個典型且難以解決的問題，至今為止對于該方面一直沒有較為成熟完善的理論和方法。隨著計(jì)算機(jī)技術(shù)、計(jì)算流體力學(xué)等相關(guān)學(xué)科領(lǐng)域知識不斷發(fā)展與進(jìn)步以及人們對交通安全關(guān)注意識提升而提出了更加精確化、智能化與自動化控制策略。在這些新奇有效手段當(dāng)中遺傳算法是最具有代表性并且實(shí)用性較高的一種，其研究也已經(jīng)非常深入；模糊邏輯法作為經(jīng)典的車輛軌跡跟蹤方法之一。

2 相關(guān)理論概述

典型的人工神經(jīng)網(wǎng)絡(luò)有如下幾個特點(diǎn)：

1）非線性。在輸入層和輸出層之間，一般情況下，系統(tǒng)中神經(jīng)元數(shù)目越多，其權(quán)值變化越大。因此對于不確定因素存在時(shí)變函數(shù)可以忽略不計(jì)；

2）實(shí)時(shí)性差或局部最優(yōu)解是不可優(yōu)化的（如噪聲干擾等問題導(dǎo)致無法跟蹤指定目標(biāo)位置而影響工作效率等）；人工神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的自學(xué)習(xí)能力、容錯能力及非線性映射功能。[1]

2.1 自動駕駛車輛的相關(guān)概念

自動駕駛汽車是以駕駛員的位置為基準(zhǔn)，按照一定車速、方向進(jìn)行行駛，在車輛行駛過程中能夠自主感知周邊環(huán)境并對周圍狀況作出相應(yīng)反應(yīng)。而交通安全問題則主要指交通事故所引發(fā)的各種傷亡事故。道路交通系統(tǒng)作為一個復(fù)雜多變且動態(tài)變化大眾化體統(tǒng)工程對象之一其本身又具有復(fù)雜性和不確定性等特點(diǎn)。自動駕駛車輛是指以無人作為操作核心的車輛。它能夠根據(jù)駕駛員的視覺判斷出行駛方向，并按照一定路線自行進(jìn)行運(yùn)動。在道路交通環(huán)境中，有兩種類型：一種為非自主式交通；另一種則是具有非人為化特征（如車速、車距等）道路條件下運(yùn)行時(shí)進(jìn)行控制和協(xié)調(diào)所采取措施而實(shí)施的方法稱為自動駕駛行為；其中由智能車輛或者其他輔助駕駛員操縱汽車或其它輔助司機(jī)操作從而實(shí)現(xiàn)其目的的方式被稱之為自動駕駛策略。

2.2 自動駕駛車輛的目標(biāo)

車輛的自動駕駛是以車輛為研究對象，通過計(jì)算機(jī)技術(shù)、傳感裝置和控制器等控制設(shè)備來達(dá)到對汽車進(jìn)行動力調(diào)整以及安全防護(hù)。在實(shí)際情況中，由于環(huán)境因素影響導(dǎo)致駕駛員狀態(tài)不穩(wěn)定或出現(xiàn)事故時(shí)駕駛員無法正確識別出行人與車物之間的相對關(guān)系。為了解決這些問題我們通常采用交通模擬實(shí)驗(yàn)法或者人工視覺系統(tǒng)進(jìn)行試驗(yàn)驗(yàn)證自動駕駛車輛軌跡跟蹤算法是否準(zhǔn)確可靠；通過建立合適的目標(biāo)函數(shù)和期望輸出值來對無人駕駛汽車控制模型進(jìn)行優(yōu)化處理。自動駕駛汽車的研究對象主要是由駕駛員操縱車輛，并在其行駛過程中保持穩(wěn)定。因此，需要對車輛進(jìn)行控制。通過使用傳感器采集到實(shí)時(shí)數(shù)據(jù)從而獲取當(dāng)前交通狀況和車速信息、路面環(huán)境條件以及道路擁堵情況等參數(shù)值，來確定當(dāng)前狀態(tài)下所處路段或車道是否暢通；同時(shí)利用攝像頭所拍攝的圖像來判斷前方路況和車輛位置并做出相應(yīng)調(diào)整以避免偏離預(yù)定軌跡運(yùn)行，使駕駛員始終保持安全駕駛。

2.3 自動駕駛車輛定位

車輛的自動跟蹤系統(tǒng)是指通過采集到的目標(biāo)位置數(shù)據(jù)，然后利用計(jì)算機(jī)視覺技術(shù)、檢測設(shè)備等進(jìn)行處理得到道路狀況信息。由于在實(shí)際環(huán)境中對前方物體或其它障礙物都非常敏感且存在一定程度上距離較遠(yuǎn)時(shí)，為了保證實(shí)時(shí)性和準(zhǔn)確性需要采用多個傳感器獲取當(dāng)前狀態(tài)下待測目標(biāo)所在區(qū)域內(nèi)所有特征點(diǎn)位之間相對近線性關(guān)系。車輛跟蹤系統(tǒng)是一個非線性的連續(xù)過程控制系統(tǒng)，因此其控制精度將受到影響。車輛的自動跟蹤系統(tǒng)是在車輛行駛過程中，利用計(jì)算機(jī)技術(shù)、傳感器等多種先進(jìn)設(shè)備對交通流進(jìn)行實(shí)時(shí)監(jiān)控和反饋控制。由于智能控制理論與方法已經(jīng)逐漸應(yīng)用到了實(shí)際生活當(dāng)中并取得了較好效果。因此我們可以將其作為一個完整的智能車系統(tǒng)來實(shí)現(xiàn)該目標(biāo)所要求得功能及性能指標(biāo)：時(shí)間上跟蹤精度高；車輛在行駛過程中能夠保持恒定或運(yùn)動狀態(tài)是研究自動駕駛系統(tǒng)的關(guān)鍵因素之一。

2.4 自動駕駛車輛軌跡跟蹤辨識

車輛跟蹤問題是一個非線性的、多目標(biāo)優(yōu)化控制過程，在實(shí)際系統(tǒng)中，受多種干擾，存在著各種不確定因素和噪聲信號等。為了解決這些復(fù)雜多變的、非實(shí)時(shí)性地分析研究對象或約束條件下如何進(jìn)行自動駕駛軌跡預(yù)測就顯得特別重要。在進(jìn)行自動駕駛車輛軌跡跟蹤控制時(shí)，其目的是使駕駛員能夠?qū)崟r(shí)掌握自己的車速，以及當(dāng)前道路中存在哪些不確定因素。這些信息包括：當(dāng)前道路是否有車可以行駛；當(dāng)遇到其他人追逐或者追尾行為時(shí)該輛車可能偏離某方向行進(jìn)。為了對這幾種情況實(shí)施有效追蹤就需要建立一個完整且準(zhǔn)確的數(shù)學(xué)模型，來描述這種情形下所對應(yīng)跟蹤車輛軌跡之間相互變換規(guī)律和運(yùn)動狀態(tài)與實(shí)際行駛狀況間的關(guān)系。

3 多目標(biāo)優(yōu)化模型

在對車輛進(jìn)行跟蹤控制的過程中，需要考慮多方面因素，其中最重要的是目標(biāo)優(yōu)化問題。為了能夠使多道人有足夠的時(shí)間來完成任務(wù)指標(biāo)。首先要確定一個合理、高效和可操作性強(qiáng)并且可以實(shí)際應(yīng)用到生活當(dāng)中去解決這個問題所需具備什么特性；其次是建立數(shù)學(xué)模型并將其轉(zhuǎn)化為簡單明了且容易實(shí)現(xiàn)以及易于理解等特點(diǎn)；最后就是在進(jìn)行參數(shù)選擇時(shí)，一定要考慮車輛運(yùn)動學(xué)特征與動力學(xué)行為之間是否匹配于其他因素的影響。在進(jìn)行多目標(biāo)優(yōu)化控制時(shí)，首先要建立一個初始化的模型，這個初始化模型是整個系統(tǒng)中最核心和基礎(chǔ)部分。因?yàn)檐囕v本身具有一定形狀尺寸、軌跡長度等特征，所以需要對該參數(shù)作適當(dāng)修正；其次就是確定合適的遺傳算法來實(shí)現(xiàn)最優(yōu)解得近似函數(shù)；最后再通過計(jì)算得到期望路徑下運(yùn)動狀態(tài)信息（即速度－加速度）以及目標(biāo)位置上對應(yīng)點(diǎn)處相應(yīng)時(shí)間內(nèi)行駛狀況及周邊環(huán)境的變化。

3.1 多目標(biāo)優(yōu)化模型的建立

在進(jìn)行多目標(biāo)優(yōu)化控制的過程中，我們需要對車輛行駛軌跡以及道路狀況做一定權(quán)衡，然后再通過計(jì)算使系統(tǒng)達(dá)到最滿意狀態(tài)。因此有必要先建立一種能夠兼顧各種約束條件下同時(shí)考慮多種約束情況的模型來作為實(shí)現(xiàn)最優(yōu)問題解決方法。為了保證車輛跟蹤算法具有良好性能和較高精度以得到較為理想效果并且滿足實(shí)際應(yīng)用要求，在進(jìn)行多目標(biāo)優(yōu)化控制之前必須設(shè)定一個初始值或者是函數(shù)參數(shù)（如噪聲、速度等）。[2]由于每個車輛都不是由同一個車集合組成，而是由多個不同類型的車集組合而成。在現(xiàn)實(shí)生活中存在著兩個以上具有一定精度高分辨力和適應(yīng)度強(qiáng)性能、且能滿足其特定要求而又不影響運(yùn)行速度或環(huán)境適應(yīng)性等特性指標(biāo)。為了解決上述典型復(fù)雜模型之間可能相互矛盾及多目標(biāo)跟蹤系統(tǒng)的非線性問題。需要對車輛進(jìn)行建模分析以獲得最準(zhǔn)確軌跡信息，使之成為一個完整的控制方案。

3.2 多目標(biāo)優(yōu)化模型的求解

在進(jìn)行多目標(biāo)優(yōu)化的過程中，最重要的是求解車輛之間的運(yùn)動軌跡，從而使其能夠跟蹤期望位置。但是由于每個車身上部都是隨機(jī)分布、具有不確定性和復(fù)雜性等特點(diǎn)造成了計(jì)算量比較大并且算法也相對比較復(fù)雜。為了得到較為準(zhǔn)確合理且能被廣泛應(yīng)用推廣應(yīng)用到實(shí)際生活當(dāng)中去時(shí)，需要對其進(jìn)行求解并將它轉(zhuǎn)化為可以實(shí)現(xiàn)控制車輛軌跡跟蹤問題模型。在建立一個車輛的初始軌跡之后，就是對這個初始位置進(jìn)行求解，然后再根據(jù)給定的求解公式對其進(jìn)行優(yōu)化處理達(dá)到最終目的。

3.3 數(shù)值仿真

在MATLAB的環(huán)境下，我們可以通過建立一個初始化模型，來進(jìn)行自動駕駛車輛軌跡跟蹤控制。首先是設(shè)定目標(biāo)函數(shù)。這個初始化參數(shù)主要包括：駕駛員當(dāng)前時(shí)間點(diǎn)、期望行駛距離以及實(shí)際行走速度等信息。通過計(jì)算各個狀態(tài)（如車速和加速度）之間的關(guān)系式擬合優(yōu)度值并將其轉(zhuǎn)化為直線方程。最后再對各子代入器得到一組離散數(shù)據(jù)集，通過這些集合來進(jìn)行自動駕駛車輛軌跡跟蹤控制仿真實(shí)驗(yàn)。

4 自動駕駛車輛軌跡跟蹤控制

車輛的軌跡跟蹤控制是利用計(jì)算機(jī)技術(shù)，通過對采集到的信息進(jìn)行處理，根據(jù)獲得得與期望值相比較而得到目標(biāo)位置和行駛速度等反饋信號（即運(yùn)動狀態(tài)）。在實(shí)際生活中由于環(huán)境因素、被遮擋及其他干擾原因等影響導(dǎo)致道路狀況不理想時(shí)可以使用自動駕駛控制器。當(dāng)攝像頭拍攝圖像質(zhì)量較低或者相機(jī)不能準(zhǔn)確捕捉到車輛軌跡數(shù)據(jù)時(shí)，系統(tǒng)需要人工干預(yù)來改變采集的視頻或圖片，以獲得良好的跟蹤效果。[3]

4.1 基于多目標(biāo)優(yōu)化的自動駕駛車輛軌跡跟蹤

車輛跟蹤是在多目標(biāo)優(yōu)化的基礎(chǔ)上發(fā)展起來的，其目的在于解決非線性約束，使車輛跟隨環(huán)境變化、行駛距離和軌跡形狀等因素對交通狀態(tài)產(chǎn)生較大影響。由于道路情況復(fù)雜多變以及有眾多不確定性因素存在使得基于多目標(biāo)優(yōu)化算法具有一定難度。為了提高系統(tǒng)運(yùn)行速度及抗干擾能力以降低不必要損失，并消除各種不利條件下造成交通事故發(fā)生所帶來的經(jīng)濟(jì)損失與人員傷亡事故。

4.2 基于多目標(biāo)優(yōu)化的改進(jìn)

多目標(biāo)優(yōu)化的基本思想是通過分析車輛在不同路徑上運(yùn)行軌跡，計(jì)算各參數(shù)，以實(shí)現(xiàn)對跟蹤約束條件和期望速度大小等的最優(yōu)控制。當(dāng)車輛行駛過程中遇到障礙物限制時(shí)或者由于天氣惡劣導(dǎo)致雨雪冰凍、風(fēng)浪過強(qiáng)以及其他干擾因素使車速下降或停止?fàn)顟B(tài)下行駛時(shí)，系統(tǒng)需要采取最大制動次數(shù)來克服這些不利影響以維持道路暢通和流暢的情況。

5 自動駕駛車輛軌跡跟蹤控制實(shí)驗(yàn)

在進(jìn)行了交通流數(shù)據(jù)的采集之后，利用MATLAB軟件對車輛軌跡跟蹤，完成了以下實(shí)驗(yàn)內(nèi)容：

（1）對車輛行駛速度、方向及目標(biāo)位置等參數(shù)進(jìn)行設(shè)定；

（2）采用多種算法相結(jié)合實(shí)現(xiàn)自動駕駛狀態(tài)下的自適應(yīng)控制策略。包括基于模糊綜合評價(jià)方法和遺傳算法。其中通過仿真試驗(yàn)表明該系統(tǒng)具有較高穩(wěn)定性與魯棒性，在不影響交通流變化以及道路通行能力的情況下有比較理想跟蹤性能。

5.1 實(shí)驗(yàn)系統(tǒng)的軟件環(huán)境

在硬件環(huán)境方面，本文采用單片機(jī)作為控制核心，并使用多種傳感器采集車輛的位置信息與軌跡數(shù)據(jù)。由于車輛本身具有一定形狀和大小范圍等特性（如車道、方向盤或轉(zhuǎn)向盤）時(shí)通過CAN定位算法能夠?qū)崿F(xiàn)對其軌跡跟蹤；另外還需要使用一些輔助設(shè)備來完成對道路狀況的檢測及分析處理功能以及用于汽車車速變化監(jiān)測系統(tǒng)中所需硬件設(shè)施。[4]

5.2 自動駕駛車輛軌跡跟蹤模塊介紹

自動駕駛交通軌跡跟蹤模塊是基于遺傳算法的基礎(chǔ)上建立的，利用遺傳算法對車輛中各行進(jìn)狀態(tài)進(jìn)行實(shí)時(shí)修正，從而使其能在滿足一定要求并具有較高速度和足夠空間范圍內(nèi)完成目標(biāo)任務(wù)。它采用了一種自適應(yīng)地方法來解決交通控制問題。車輛跟蹤的目的就是使駕駛員能夠?qū)崟r(shí)地、完整準(zhǔn)確地向軌跡目標(biāo)前進(jìn)，在道路中行駛，以盡可能少的占用道路資源。智能交通系統(tǒng)技術(shù)和傳感控制理論研究發(fā)展迅速以及道路交通設(shè)施不斷完善等因素影響下，自動駕駛汽車越來越多出現(xiàn)在各種復(fù)雜環(huán)境當(dāng)中。由于這些原因造成了交通事故發(fā)生率大大提高并且死亡率也隨之增加；車輛跟蹤問題直接關(guān)系到駕駛員是否能安全地、準(zhǔn)確地向軌跡目標(biāo)前進(jìn)，同時(shí)還與車輛行駛速度大小有很大的關(guān)聯(lián)性。

5.3 自動駕駛車輛軌跡跟蹤過程

在汽車行駛過程中，通過對采集到的數(shù)據(jù)進(jìn)行分析，得到車輛行走軌跡和運(yùn)動學(xué)模型。根據(jù)建立好的數(shù)學(xué)模型來計(jì)算出跟蹤目標(biāo)車輛行進(jìn)路線。確定目標(biāo)區(qū)域。在多階段交通環(huán)境下單擁堵車流狀況、道路交通事故等情況下，如何有效地預(yù)測其當(dāng)前狀態(tài)并采取措施以消除事故發(fā)生后造成損失以及影響因素成為主要任務(wù)；結(jié)合汽車實(shí)際行駛速度，對單個單一駕駛?cè)诉M(jìn)行軌跡跟蹤和運(yùn)動學(xué)分析建立相應(yīng)的模型實(shí)現(xiàn)車輛控制策略。

6 存在的問題和不足之處

本文主要研究了人工軌跡跟蹤和自動駕駛的基本原理，并結(jié)合遺傳算法實(shí)現(xiàn)車輛運(yùn)動學(xué)自適應(yīng)控制。（1）目標(biāo)函數(shù)法：在初始化階段利用計(jì)算機(jī)完成對初始參數(shù)的設(shè)定。但是這種方法需要大量計(jì)算時(shí)間以及運(yùn)行速度快是一個無法解決并且難以避免缺點(diǎn)；（2）遺傳算子選擇問題：基于自然界物種優(yōu)勝劣汰原則建立一種適用于人工軌跡跟蹤和自動駕駛系統(tǒng)的多自由度非線性規(guī)劃設(shè)計(jì)，但其算法簡單、魯棒性較差且運(yùn)算效率低；（3）當(dāng)環(huán)境變化時(shí)對行人行走有干擾影響；由于人走越遠(yuǎn)、道路不平等原因?qū)е萝壽E跟蹤精度不高；在實(shí)際情況下行駛狀況復(fù)雜多變，無法準(zhǔn)確實(shí)現(xiàn)車輛與背景圖像信息實(shí)時(shí)交互。[5]

7 結(jié)語

基于單目標(biāo)自動駕駛車輛軌跡跟蹤的方法，以期望接近最優(yōu)為目的，通過對蟻群算法、模糊控制理論和遺傳算法等多種智能優(yōu)化技術(shù)進(jìn)行研究。其中介紹了基本蟻群搜索策略模型，模型在求解過程中存在著局部尋優(yōu)現(xiàn)象且缺乏全局性考慮；最后結(jié)合實(shí)際情況引入粒子算子來解決非線性問題并驗(yàn)證其有效性與優(yōu)越性。基于多目標(biāo)優(yōu)化的自動駕駛汽車跟蹤控制方法，以車輛動力學(xué)參數(shù)為約束，綜合考慮駕駛員與車距，最大爬坡度等因素建立了一種簡化連續(xù)交通流模型。通過該模型可以實(shí)現(xiàn)對不同道路條件下沿路網(wǎng)進(jìn)行軌跡自適應(yīng)調(diào)整和動態(tài)修正。在車輛平均速度較低情況下、當(dāng)車速接近某一值時(shí)以及遇到突發(fā)狀況不允許自動駕駛的時(shí)候均能跟蹤到目標(biāo)位置；而在車輛行駛過程中出現(xiàn)某項(xiàng)參數(shù)變化較大且實(shí)時(shí)控制較為困難時(shí)為有效措施。

項(xiàng)目來源：高校教師創(chuàng)新基金項(xiàng)目? ?項(xiàng)目編號：2023B-285。

參考文獻(xiàn)：

[1]黃穎濤，徐筠凱.基于模糊控制的自動駕駛車輛軌跡跟蹤控制研究[J].裝備制造技術(shù)，2018：88-89+111.

[2]李俊彥，宋煥生，張朝陽，侯景嚴(yán)，武非凡.基于視頻的多目標(biāo)車輛跟蹤及軌跡優(yōu)化[J].計(jì)算機(jī)工程與應(yīng)用，2020：194-199.

[3]秦萬軍，徐友春，李明喜，耿帥，李欣瑩.基于二自由度模型的無人駕駛車輛軌跡跟蹤控制研究[J].軍事交通學(xué)院學(xué)報(bào)，2014：35-39.

[4]吳晟博，曹理想.無人駕駛車輛軌跡跟蹤控制研究[J].汽車實(shí)用技術(shù)，2020：51-53.

[5]顧小川，李軍.自動駕駛車輛路徑跟蹤控制方法[J].汽車工程師，2019：13-16.