基于模糊控制的輔助跟馳系統設計

劉佳浩，劉江，李昭健

（長安大學汽車學院，陜西 西安 710064）

前言

智能駕駛汽車是當前時代的高科技產物，集電子，機械，智能控制等前沿的研究成果于一體，現在最新的智能汽車，就是要脫離人為干預，僅利用車載的多元傳感器來感知車輛周圍路況，由感知到的各種信息，利用車輛上加裝的電腦來進行分析處理，從而控制車輛的運行，使其能夠無人駕駛[1]。城市道路交通流量大，外加現代人生活節奏快，駕駛員在駕駛過程中易出現注意力不集中甚至是疲勞駕駛，從而導致交通事故的發生，帶來不必要的損失。為提高車輛行駛的安全性，文章設計一種加裝的電子輔助跟馳系統，該輔助系統在電腦上聯系仿真軟件模擬運行后可以驗證此系統在模擬中的可行性，可以有效提高跟車安全。

1 車輛跟馳理論分析

汽車跟隨著前車，其距離不能太近，否則前車可能的減速剎車都有可能造成事故，其距離也不能太遠，否則達不到跟車的要求，就變成了普通的道路行駛，道路運作效率降低[2]。車道上處在跟隨狀態下各個車輛具有以下的特點：制約性，延遲性與傳遞性。這三個性狀描述了車輛跟隨行駛的基本特征，這三個特性也為車輛跟隨的模型提供了理論支撐。

（1）制約性

每一輛跟隨狀態中的汽車都會受到前方車輛的速度約束，整個車隊中每輛車的速度大致相同，并各自在一個范圍內波動，否則容易發生追尾碰撞等事故；后車與前車的距離必須要保證安全剎車距離，否則前車減速剎車后車容易會反應不及時而發生事故，太遠卻又達不到跟馳效率的效果。

式中：fi表示第i輛車的狀態，vi代表第i輛車的速度，si代表第i輛車與前車距離。

（2）延遲性

延遲性指的就是車輛在跟隨過程中前車一旦有了運行動作而后車響應必然會慢一些，一般這個時間取決于人的反應時間。發現階段：前車作為障礙物的運行狀態改變被發現；判斷階段：分析前車車速的變化是快是慢，前車尾部與我方車頭間距是遠是近；執行階段：緊急或者平穩，加速或是減速。這些過程所消耗掉的時間就是延遲時間。對于車輛輔助跟隨系統來說，這些延遲的時間比人的反應時間要短許多。

式中：Tob表示觀測時間，Tj表示決策時間，Top表示執行時間。

（3）傳遞性

由上述的兩種性狀可知，每一輛車都會對后面的車產生影響而且會受到前一輛車的影響第m+1輛會受到第m輛車的影響。整個隊伍中某一輛出現延遲響應或者改變其運動時，這種鏈式反應會一輛一輛地影響到后面的車，這就是傳遞性，因為人的反應時間都不同而且車子性能也不一樣，所以傳遞性在城區道路中還是很明顯的，例如早晚高峰時表現很突出。

2 車輛跟馳模糊推理模型

模糊推理模型的輸入是一些經過模糊化的模糊量，而非精確量，從而形成了一個模糊集合[3]，其涉及到隸屬度的概念，隸屬度就說明了此刻狀態對于某一精確定義的從屬程度，一般來說對于某一變量X，有一個函數取A（x）在[0,1]之間，越接近0越不從屬于這個概念，越接近1越屬于這個概念，當就為0或1時，說明此刻狀態完全為某一定義，這個A（x）就是隸屬度函數。比如說為了量化車距很近，我們就可以采用模糊化的處理方法：若車距小于10m，此時跟車距離很近，那么這個隸屬度就取為1；若車距不小于30m，那么上述的太近這個模糊詞不成立，所以其隸屬度就很接近0；介于0和1中間的數值表示了隸屬度的等級，其大小表示了高低，那么我們就可以通過邏輯推理得到輸出，比如說，已經處在很近的范圍內卻還在繼續接近，那么輸出就應采取減速制動措施。

模糊推理模型表達形式如下所示[4]：

（1）如果△x適當，則

式中：T定義為延遲時間，Y定義為我方車輛需要在一段時間與跟隨車輛保持跟隨狀態；

（2）如果不適當，則Δx每減少一個等級，ai將減少；Δx每增加一個等級，ai將增加。如果距離不合適，加速度會適當變化，隨著距離越來越大或越來越小應該有相應地輸出：。

3 模糊控制理論分析

3.1 模糊控制理論

模糊控制并不是線性的控制，模糊控制技術具有使用范圍廣、對多種外界波動具有高強的魯棒性的特點[5]，而輔助跟隨系統又是一種要求要有較快速度響應并能夠在短時間內實現相應跟車或減速剎車功能的系統，模糊控制原理如圖 1所示。

圖1 模糊控制原理圖

其中輸入為系統的設定值。x1，x2為模糊控制的輸入（精確量）。X1，X2為模糊量化處理后的模糊量。U是經過模糊規則模糊化后的模糊變量。u為經過解模糊化后得到的精確量。Y為對象的輸出。

模糊集合由一般集合演變而成，一般的集合論用0和1的特征數值表示元素的從屬關系，模糊集合論用0到1閉區間非間斷變化的函數值說明元素和模糊集合的關系，用以描述不確定和模糊的事物。如圖2所示。

圖2 集合的不同表達方式

3.2 模糊控制器

模糊控制器有以下幾種形式，一種是一維輸入的模糊控制器，僅輸入偏差 E，其給系統的輸入信息太少，很難根據部分信息來決策作出判斷從而控制系統，一般被用于一階被控對象；第二種為輸入二維變量的模糊控制器，輸入量為偏差E與輸入的偏差變化率EC，其使用方便且符合大多數場合，因為大部分情況下二維輸入可以把信息完全包含，可以比較好地表示出整個過程的受控狀態，相比一維輸入控制效果更好；第三種為輸入三維變量的模糊控制器，具有與上述類似的輸入變量，包括了偏差E以及偏差變化EC以及偏差變化的變化率 ECC，因為這些模糊控制器結構較為繁瑣，比起二維和一維消耗的時間太長，而且對場合使用比較苛刻。通過對比，本文采用第二種二維的方法，輸入距離與速度，模糊控制還將控制變量作為下一個狀態的輸入 U，在本文中輸出為操作命令，下一個狀態為相應操作的執行。其中 E、EC、U統稱為模糊變量。如圖3所示。

圖3 各種不同的模糊控制器

4 仿真實驗

圖4 由速度及距離與加速度關系導入的輸入

控制規則大都是模糊條件語句來描述的，而這些語句通俗易懂，適合人的邏輯判斷（例如“很大→要減小”、“比較小→要適當增加”）的集合[6]，這些集合就表示了變量的模糊狀態。在一根類似于數軸的軸上表示上述模糊詞匯時最好的，因為每一種方向上的大小都可以大致分類，以0作為最中間的點，每一個方向每一種大小都可以表示，即為{負大，負中，負小，零，正小，正中，正大}，同樣的也可以用英文字母來表示為{NB,NM,NS,0,PS,PM,PB}。本文對距離的模糊集為{很近，近，略近，恰好，略遠，遠，很遠}；對速度的模糊集為{很慢，慢，略慢，恰好，略快，快，很快}，{HM,M,LM,QH,LK,K,HK}；輸出分為{減速，適當減速，保持，適當加速，加速}，{JianS,SDJianS，Keep，SDJiaS,JiaS}。即 E：Distance距離，EC：Velocity速度，U：Operation。由城市路況下駕駛員跟馳的情況[7]，輸入取最大跟車距離Dmax=50m，跟車距離區間為[5,50]，最快跟車速度 Vmax=15m/s，跟車速度區間[0,15]，有如下：圖4為輸入的隸屬度函數，圖5為輸出的隸屬度函數。

上述的輸入值為初始值，輸入的參數可以由不同的駕駛員來不同設定。我們把設定的模糊控制規則放置在數據庫中，每次輸入和輸出的值都存放在其中，在由控制規則決策和解模糊化中為其提供數據。規則庫則是存放的上述數據處理所用到的具體的控制語言，用于描述目標的控制和策略。其基于人們學習到的或類似的工作者積累得出的經驗，邏輯判斷模仿人下判斷時的模糊概念，是按人的邏輯推理的一種控制表達方式。

圖5 輸出的隸屬度函數

由不同的間距輸入及車速輸入，得到圖6輸出響應。

圖6 不同輸入情況下的輸出表示

根據駕駛員的不同及道路限速要求等，解模糊化的精確結果可以有多種，但受到輸出的限制。由圖6可知當前車距離25m左右時，車速為7.5m/s左右時，導出的模糊結果為保持不變，這個解模糊輸出為維持車速的同時警醒駕駛員；而當前車距離10m左右，車速3m/s時，導出結果為強制減速，這個輸出則為剎車或是停車。

5 討論及結語

本文針對城市道路環境中多發的人為因素導致的事故，為車輛設計一種模糊控制的輔助駕駛系統，模糊跟馳模型是比較新且能夠較好適應城市路況，對比分析后使用二元模糊控制器根據汽車當前速度及與前車的距離作為輸入，由適應駕駛員的模糊控制規則來模擬輸出，結果可通過對比當前車速警醒駕駛員，并在必要時刻采取強制措施來保證成員安全性。對這類輔助駕駛的智能控制系統研究，有效幫助道路交通系統運作，確保人員及財產安全并在智能交通理論上給予支持。