無人駕駛車輛路徑跟蹤控制研究現狀

孫啟東

摘要：隨著科技的飛速發展，無人駕駛車逐漸進入了大眾視野。無人駕駛車在給人們出行帶來便利的同時，其安全性問題亦不容忽視。為了保證道路安全行駛，無人駕駛車通常配有主動避撞控制系統，目前的避撞方式則主要通過縱向制動來實現。有研究表明，在高速、低附著路面等極限工況下基于主動轉向的側向避撞控制系統的避撞效果更好。因此本文主要針對無人駕駛車輛在避障過程中的局部路徑規劃以及路徑跟蹤控制的相關算法進行深入研究。

關鍵詞：無人駕駛車輛;避障路徑規劃;跟蹤控制

1、無人駕駛車輛國內外概況

無人駕駛車也被稱之為輪式機器人，依賴于車內各種計算機軟件及控制系統的協同配合實現自動駕駛，是智能汽車的一種。無人駕駛技術由于在提高汽車安全和性能方面具備的潛力，從而在近些年逐漸引起人們的關注。從上世紀中后期，西方各個發達國家便對無人駕駛汽車開展了深入研究，且取得了重大突破。美國在二十世紀八十年代開始對自主地面車輛進行研究，并且于2004-2007年共舉辦了3屆DARPA無人駕駛挑戰賽。2009年，由豐田普銳斯（Toyota Prius）改裝而成無人車成功成為谷歌第一代無人駕駛車。2015年10月，特斯拉推出了半自動駕駛系統Autopilot，Autopilot是第一個投入商用的自動駕駛技術。2016年，通用車收購了自動駕駛技術創業公司Cruise Automation，正式進入無人駕駛領域。

中國從20世紀80年代開始進行無人駕駛車的研究，清華大學于1988年便對智能汽車的研究實現了突破，并在國家與相關項目的資助下開發了能夠實現車道線自動跟蹤的THMR系列智能車。2005年，上海交通大學與歐盟科學家合作的CyberC3項目取得了階段性成果，并成功研制出了城市無人駕駛車，這標志著我國的第一臺城市無人駕駛汽車成功問世。2011年7月，一汽集團與國防科技大學共同研制了紅旗HQ3無人駕駛汽車，并完成了286km的全程高速公路無人駕駛試驗。2016年4月，阿里巴巴和上汽集團緊密合作，聯合推出了阿里第一輛互聯網無人駕駛車輛，正式進軍無人駕駛車領域。2018年7月，百度公司與金龍客車合作開發了無人駕駛客車“阿波龍”號，該車實現了L4無人駕駛級別，是目前國內自動駕駛等級最高的無人駕駛車輛。

2、路路徑規劃及跟蹤控制研究現狀

2.1、控制架構分析

路徑規劃及跟蹤控制從框架上大致可分為分層式和一體式兩種控制框架。在分層式控制架構中，上層一般采用較為簡單的車輛模型（如質點模型）進行路徑規劃，并設置較長的預測時域，下層則采用高精度的車輛模型和較短的預測時域進行路徑跟蹤。美國加利福尼亞大學的YiqiGao設計了一種分層式避撞控制架構，其中上層基于質點模型對參考路徑進行了再規劃，而后下層控制器對上層再規劃的參考路徑進行跟蹤。AmirK等人提出了一種分層式路徑規劃與跟蹤框架，利用三維虛擬危險勢場生成理想的避碰軌跡，并采用多約束模型預測控制（MMPC）問題實現路徑跟蹤。合肥工業大學的孫磊等依據等速偏移軌跡和正弦函數疊加對汽車側向換道路徑進行規劃，并通過模糊控制算法對參考路徑進行跟蹤控制。江蘇大學的劉志強采用五次多項式對避撞路徑進行規劃，并基于前饋控制實現直車道場景追尾避撞控制。大連海事大學的張冠哲等通過正反梯形軌跡進行換道路徑規劃，并基于終端滑模控制設計了轉向控制系統對規劃的參考軌跡進行跟蹤。南京航空航天大學的黃麗瓊針對高速行駛車輛縱向制動避撞的不足，提出了一種基于MPC的車輛轉向換道控制策略。通過基于五階多項式換道安全距離模型生成參考路徑，并設計了轉向換道控制器，通過控制前輪轉角來控制車輛完成路徑跟蹤。可以看出，國內外在采用分層式避撞控制架構方面已有較多的應用研究，但由于上層的路徑規劃方法忽略了車輛動力學的非線性特性及道路參數（路面附著系數等）的變化等因素，可能導致緊急工況下的避撞效果不理想。

2.2、控制方法概況

目前，國內外學者對避撞路徑規劃及跟蹤控制已有較多的研究成果。常用的方法有強化學習、人工勢場、A*算法、PID控制、線性二次型調節（Linear Quadratic Regulator，LQR）等。Kahn與Lucas利用強化學習方法（Reinforcement Learning，RL）實現了自動駕駛車輛的軌跡規劃與避撞，該方法通過車輛在訓練期間經歷失敗后，掌握完整的狀態和環境知識來確保安全，但該方法通常需要獲取大量的測試數據，且訓練過程復雜。泰國國立法政大學的Sangyam設計了一種PID路徑跟蹤控制系統，并對傳統的PID控制器和基于模糊邏輯的自整定PID進行了比較和分析。巴西坎皮納斯大學的Cordeiro設計了基于LQR路徑跟蹤控制器，并采用線性化二自由度車輛模型對參考路徑進行跟蹤控制。國內研究學者也采用了一些方法進行了深入研究，重慶理工大學的汪波提出了一種改進人工勢場算法進行路徑規劃，避免了小車在優化過程中陷入局部極小值的情況。同濟大學的修彩靖設計一種由預瞄控制和補償控制兩部分構成的路徑跟蹤控制器，保證無人駕駛汽車能夠準確跟蹤各種參考路徑，且具有較好的魯棒性。西安工業大學的譚寶成提出一種新型增量式PID控制算法，并通過分析車輛當前位置及航向信息與目標路徑的偏差實現路徑跟蹤。大連理工大學的李兵設計了橫向滑模控制器，以前輪轉角作為控制輸出，實現智能車路徑跟蹤。華南理工大學的趙克剛采用線性二次型最優控制方法，實現了速度自適應的車輛軌跡跟蹤最優控制。

上述用于避撞控制的研究方法均取得了不錯的效果，但大部分方法沒有考慮執行器物理約束等影響，在極限工況下，車輛容易發生失穩。模型預測控制（Model Predictive Control）是一種基于簡單模型進行滾動優化控制的算法，由于其魯棒性較強，已被廣泛應用于各種車輛動力學控制技術及自動駕駛領域，而且能預測車輛動力學狀態并在各種約束下優化多種控制目標。美國加利福尼亞的LiaoYW設計了一種分層式MPC避撞控制器，其中在控制器上層使用了一個簡化的質點模型來解決路徑規劃問題，并在下層采用非線性自行車模型實現路徑跟蹤。加拿大安大略理工大學的Abbas利用非線性模型預測控制（NMPC），在離線軌跡生成的情況下，對檢測到障礙物時進行軌跡再規劃及跟蹤控制。瑞典皇家理工學院的Turri設計了一種線性MPC控制結構，解決了客車在低曲率路面車道保持時的軌跡規劃和避障問題。長安大學的白成盼提出了一種基于微分平坦理論與MPC算法相結合的智能車換道軌跡規劃與跟蹤算法，實現對車輛路徑-速度分解式的軌跡規劃與跟蹤控制。南京航空航天大學的張會琪設計了一個考慮動力學約束的模型預測控制器，通過五次多項式擬合的方式優化局部軌跡，并通過轉向操作實現局部參考軌跡的追蹤。江蘇大學的楊陽陽基于模型預測控制原理及視覺預瞄理論，提出了一種基于轉角補償的預瞄式MPC路徑跟蹤控制方法。

結束語

總而言之，隨著人工智能和計算機實時算力的迅猛發展，無人駕駛技術正在快速提升和逐步應用，其中車輛的局部路徑規劃與避障跟蹤兩個方面是無人駕駛實際運用中涉及穩定性和安全性的關鍵問題，還需要相關學者在現有的基礎上加大對此方面的研究。

參考文獻：

[1]張夢巍. 智能無人駕駛車輛路徑跟蹤及底層控制方法研究[D].沈陽理工大學，2018.

[2]譚寶成，王賓.無人駕駛車輛路徑跟蹤的增量式PID控制[J].西安工業大學學報，2016，36（12）：996-1001.