智能網(wǎng)聯(lián)車路口行駛的決策策略分析

王健民，施 衛(wèi)，張 宇

（江蘇理工學院 機械工程學院，江蘇 常州 213001）

人們?yōu)榱顺鲂蟹奖悖褂闷嚨谋壤谥鹉暝黾樱越煌ㄊ鹿屎徒煌〒矶鲁蔀榱擞脩舫鲂欣_。尤其城市的交通路口是駕駛員行駛問題發(fā)生的重災區(qū)。目前解決交通路口的行駛方案，主要是在交通路口設置交通信號燈和行車智能助手語音播報，雖然有效減少了交通事故的發(fā)生，但依然無法解決擁堵情況和駕駛員大量時間浪費。本文以復雜的交通路口作為研究背景，介紹智能網(wǎng)聯(lián)車在不同交通情況下執(zhí)行合理、安全性的行駛策略。

本文對智能網(wǎng)聯(lián)車路口行駛決策展開研究，外部環(huán)境的變化直接影響著駕駛行為決策結(jié)果的正確性。本文選取一類人駕駛經(jīng)驗樣本數(shù)據(jù)集和車輛駕駛行為樣本數(shù)據(jù)集分別作為條件屬性和決策屬性，以電動汽車作為研究載體，通過相機、雷達、全球定位系統(tǒng)（Global Positioning System,GPS）等車載傳感器，獲取“人-車-路”的行駛周圍環(huán)境信息，來大大提高行駛決策的實時性和準確性[1-2]。實現(xiàn)在各種復雜行駛工況下智能網(wǎng)聯(lián)車的行駛安全，為智能網(wǎng)聯(lián)車在不同行駛環(huán)境下提供了多種相對應的行駛策略系統(tǒng)。

1 智能網(wǎng)聯(lián)車

隨著人工智能化的不斷進步，汽車產(chǎn)業(yè)也不斷向智能化、網(wǎng)聯(lián)化的方向發(fā)展，無人駕駛的理念也在完善。我國用戶對于智能網(wǎng)聯(lián)汽車的使用也增多，并且政府也大力支持智能網(wǎng)聯(lián)車的研發(fā)，智能網(wǎng)聯(lián)車在未來有巨大的發(fā)展?jié)摿Α?/p>

新時代智能化的發(fā)展讓無人駕駛技術(shù)也越來越成熟，現(xiàn)階段無人駕駛技術(shù)主要應用在智能網(wǎng)聯(lián)汽車[3]。智能網(wǎng)聯(lián)汽車的發(fā)展無疑是汽車產(chǎn)業(yè)的研發(fā)重點關(guān)注對象，其涉及眾多學科技術(shù)以促進智能網(wǎng)聯(lián)汽車的兩個關(guān)鍵技術(shù)：智能化和網(wǎng)聯(lián)化的發(fā)展[4]，如圖1所示。無人駕駛作為新型技術(shù)，國家為了人民更好的駕駛安全性和舒適性，在大數(shù)據(jù)互聯(lián)網(wǎng)和智能化的背景下，大力支持自主車企業(yè)和學科研發(fā)人員，加大對智能網(wǎng)聯(lián)汽車的發(fā)展投資力度。

圖1 智能網(wǎng)聯(lián)的發(fā)展趨勢路徑

2 駛決策系統(tǒng)簡介

2.1 設計要求

智能網(wǎng)聯(lián)車的行駛決策系統(tǒng)以安全、合理性為行駛目標通過各種行駛環(huán)境。對于行駛決策設計要求主要分為以下幾點：乘員舒適性（車輛轉(zhuǎn)向穩(wěn)定性、平順性等）；安全性和合理性要設定優(yōu)先級順序；可以人為選擇的決策能力（滿足駕駛員在行駛中想要的駕駛決策作為最高優(yōu)先級）；系統(tǒng)的實時性。對于無人駕駛車行駛在復雜的交通工況下的行為決策系統(tǒng)，設計準則還要規(guī)范在國家制定的交通法規(guī)下做出相應的行駛決策[5]。

2.2 輸入與輸出

智能網(wǎng)聯(lián)車的無人駕駛分為感知、規(guī)劃、執(zhí)行三個部分，感知模塊獲取的信息作為行駛決策的輸入，其包括以下信息：

（1）局部環(huán)境信息，通過相機、雷達等車載傳感器，獲得各傳感器數(shù)據(jù)處理融合，實時、準確的獲取車輛行駛的環(huán)境狀態(tài)，整理出需要的環(huán)境信息輸出給下層系統(tǒng)進行分析設計。

（2）自車定位信息，其基于高精度地圖定位、GPS、實時的完善架構(gòu)地圖和定位車子信息[5]等方法，主要功能是對車輛進行高精度定位。

（3）全局環(huán)境信息，以初始地點到目標點的行駛路線包括全局路徑、交通標志信息以及交通道路行駛過程中一切影響因素。

路徑規(guī)劃模塊是解決智能網(wǎng)聯(lián)車如何達到行駛目標的上層系統(tǒng)，主要分為兩類規(guī)劃形式：

（1）基于環(huán)境先驗信息的全局規(guī)劃，主要的研究方法有網(wǎng)格法、視圖法等。

（2）基于傳感器信息的局部規(guī)劃，主要的研究方法有人工勢場法、遺傳算法、空間搜索法等。

上層感知得到的環(huán)境信息傳輸給決策模塊后，得到?jīng)Q策規(guī)劃的信息輸入給執(zhí)行模塊進行操作，執(zhí)行模塊輸出主要分為如下部分：

（1）轉(zhuǎn)向系統(tǒng)，通過在方向盤的車輪間增加主動控制電機，實現(xiàn)對轉(zhuǎn)向系統(tǒng)的主動控制。

（2）驅(qū)動系統(tǒng)，發(fā)動機控制油門踏板角度，根據(jù)角度變化對應節(jié)氣門開度大小來實現(xiàn)驅(qū)動控制。

（3）制動系統(tǒng)，制動壓力分配到制動輪缸實現(xiàn)對車產(chǎn)生穩(wěn)定的制動力。

（4）車輛縱/橫向控制，根據(jù)車輛行駛軌跡，實時調(diào)整車輛側(cè)向運動，保證車輛跟隨目標軌跡。

感知得到的信息傳輸給行駛決策系統(tǒng)處理，決策系統(tǒng)處理后得到的操作方式輸入給運動規(guī)劃模塊執(zhí)行，行為決策系統(tǒng)的功能主要包括預測算法、車行為規(guī)劃與動作規(guī)劃等。執(zhí)行模塊根據(jù)決策輸出保證車輛的安全和合理的行駛。

2.3 系統(tǒng)分類

在無人車行為決策系統(tǒng)研究中可以概括為兩大類：

一類是規(guī)則的行為決策，即對車輛行駛的所有情況進行匯集和區(qū)分，不斷完善構(gòu)建無人駕駛車的行為數(shù)據(jù)庫，行為數(shù)據(jù)庫影響因素包含交通法規(guī)、行駛規(guī)則、經(jīng)驗、知識等，根據(jù)這些信息作為判斷條件在什么行駛環(huán)境下對應什么車輛狀態(tài)，并按照設計準則的行駛行為去執(zhí)行。其代表方法為有限狀機法[6-7]。

另一類是學習算法的行為決策，將駕駛行為和對應駕駛場景作為樣本不斷進行自主學習，并且在原有基礎上增添新數(shù)據(jù)，逐步完善行為規(guī)則庫，由于不同的“人-車-路”的場景樣本信息，所以要運用合理的學習方法來獲得對應場景合理的決策行為，以深度學習的相關(guān)方法及決策樹等各類機器學習方法為代表[8]。本文基于規(guī)則的行為決策方法對無人車行駛到路口的情況下，設計出合理、安全性的行駛方式。

2.4 系統(tǒng)架構(gòu)

通過對上述的介紹，對智能網(wǎng)聯(lián)車有一定的認識，整體系統(tǒng)架構(gòu)分為感知模塊系統(tǒng)、決策模塊系統(tǒng)、執(zhí)行系統(tǒng)，系統(tǒng)自上而下通過以太網(wǎng)對數(shù)據(jù)進行傳輸，保證數(shù)據(jù)的實時性和完整性。

環(huán)境感知模塊通過相機、雷達等車載傳感器；GPS、數(shù)據(jù)地圖和車用無線通信技術(shù)（Vehicle to X,V2X）（車的通訊對象車對車；車對路、車對人以及車對基礎設施）獲取相關(guān)環(huán)境信息，對于交通場景的模型構(gòu)建為下層模塊導入信息。

行為決策模塊通過上層感知模塊的信息運用人工勢場法獲取全局最優(yōu)行駛路線，得到明確的駕駛路線；再依據(jù)道路和交通法規(guī)等環(huán)境信息運用決策樹（機器學習方法）算法決策出合理駕駛行為；并將決策信息輸入給運動規(guī)劃系統(tǒng)對車輛縱/橫向運動控制。

控制執(zhí)行系統(tǒng)接收決策系統(tǒng)具體規(guī)劃信息，控制車輛達到想要的速度和行駛路徑，并且根據(jù)V2X技術(shù)實時檢測反饋給決策層進行準確修正，如圖2所示。

圖2 系統(tǒng)結(jié)構(gòu)圖

3 無人車行駛狀態(tài)

駕駛行為決策是建立行駛的交通環(huán)境的關(guān)鍵，當無人車行駛在不同的交通場景下，所對應執(zhí)行的駕駛行為也各不相同。當智能網(wǎng)聯(lián)車行駛到十字路口下，在不同行駛路線下行駛狀態(tài)也不相同。行駛環(huán)境可以分為鄉(xiāng)村環(huán)境和城區(qū)環(huán)境，鄉(xiāng)村環(huán)境分為路上駕駛場景和路口駕駛場景；城區(qū)環(huán)境分為路上駕駛場景、路口駕駛場景、預路U駕駛場景和區(qū)域駕駛場景[9]（在這里我們主要討論路上和路口下的行為決策），圖3是路口駕駛示意圖。

圖3 路口駕駛示意圖

如圖 4所示，在無人車從路上行駛通過路口的過程中，行駛場景的狀態(tài)轉(zhuǎn)換條件如下：

圖4 路口場景轉(zhuǎn)換示意圖

A1：車輛與下一個路口入口點的垂直距離大于50 m；

A2：車輛距離下一個路口入口點垂直距離大于0 m小于50 m；

A3：車輛距離路口停車線垂直距離小于0 m；

A4：車輛駛出路口方向，車輛距離路口停車線垂直距離大于3 m；

A5：下一行駛場景為U形轉(zhuǎn)彎時，基于車輛運動方向，車輛與U形轉(zhuǎn)彎入口點距離小于5 m；

A6：車輛駛出路口方向，車輛距離U形轉(zhuǎn)彎出口點垂直距離大于3 m且車頭航向與下一段道路方向夾角小于10°。

無人車行駛中要按照《中華人民共和國道路交通安全法》要求在交叉路口中正確行駛。具體行駛路口規(guī)則有：（1）有交通標志、標線控制的，讓優(yōu)先通行的一方先行；（2）沒有交通標志、標線控制的，進入路口前停車瞭望，讓右方道路的來車先行；（3）無停止線路口，機動車停在路口以外等路口交通規(guī)則可查閱相關(guān)資料等[10]。

智能網(wǎng)聯(lián)車輸出的行為決策包括選擇哪個行駛路線，要不要調(diào)頭，要不要變道，要不要停車等行為[11]。根據(jù)汽車在結(jié)構(gòu)化道路上行駛的行為，將智能汽車可采取的行為分為，車道保持、左換道、右換道、交叉路口直行、交叉路口左轉(zhuǎn)、交叉路口右轉(zhuǎn)、調(diào)頭。汽車將要駛往的路段或車道發(fā)生變換的行為，具有兩個階段分別為準備階段和執(zhí)行階段。

根據(jù)以上行駛行為保證在行駛的過程中安全通過路口的駕駛行為。對于速度變化、防避撞、緊急制動等參數(shù)和行為作為配合行駛策略執(zhí)行的車輛動作。

4 行為決策

4.1 換道決策規(guī)劃

在無人車從路上行駛到路口，再到行駛出路口的這段行駛過程可以劃分為 3個模塊：簡單換道、避障換道和彎道換道。將傳感器獲得信息參考用戶意圖輸入到行駛決策中執(zhí)行在當前環(huán)境下想要的換道行為[12]，如圖5所示。

圖5 換道規(guī)劃模塊

在整個行駛的換道過程中，其換道決策的行駛流程圖如圖6所示。

圖6 換道行駛流程

4.2 轉(zhuǎn)彎決策規(guī)劃

當無人車進入路口時，根據(jù)規(guī)劃路線和紅綠燈信號條件以及判斷路口是否有突發(fā)情況來決定加速（減速）行駛通過路口還是在路口等待，如圖7所示。

圖7 轉(zhuǎn)彎行駛流程

4.3 調(diào)頭決策規(guī)劃

當汽車通過傳感器感知得到路口沒有禁止調(diào)頭或?qū)ｉT指出可以掉頭，禁止左轉(zhuǎn)的不能調(diào)頭時，要設置合理的行為決策[13]，如圖8和表1所示。

圖8 調(diào)頭行駛流程

表1 調(diào)頭工況狀態(tài)

5 總結(jié)

本文以智能網(wǎng)聯(lián)車為研究對象，針對車輛行駛在十字路口時的行駛決策策略研究，本文首先對智能網(wǎng)聯(lián)車的發(fā)展和背景進行簡單介紹，并且對智能網(wǎng)聯(lián)車的無人駕駛?cè)齻€模塊感知、規(guī)劃、執(zhí)行分別詳細說明便于對智能網(wǎng)聯(lián)車整體系統(tǒng)架構(gòu)的理解。最后對無人駕駛在路口直行、轉(zhuǎn)彎、調(diào)頭、換道、停車等駕駛行為進行討論，通過對人-車-路的駕駛環(huán)境因素掌握，對該信息分析處理并設置相對應的駕駛模式，保證智能網(wǎng)聯(lián)車在各種行駛狀態(tài)下的安全、合理性行駛通過。

在未來智能化和網(wǎng)聯(lián)化的飛速發(fā)展，結(jié)合各種技術(shù)使無人駕駛對復雜交通環(huán)境的感知更加準確，讓無人駕駛在交通路口下的行駛更快速、合理、安全。