城市复杂环境下智能驾驶关键技术研究

来源:用户上传      作者:周轶捷

　　摘要：近年来，我国汽车保有量的持续增长，使城市交通压力不断加大。与此同时，交通事故的频繁发生，不仅严重威胁到社会民众的生命安全，也给整个社会的发展造成了很大影响。目前社会各界已经广泛关注交通安全問题，我国也尝试通过智能驾驶技术来解决交通事故问题，以此降低交通事故死亡人数，使交通工具得到更高效的利用。对于城市而言，其交通环境是非常复杂的，这也使智能驾驶技术在应用过程中存在许多技术难点需要克服，如何对智能驾驶技术进行高效的应用，已经成为越来越多专家与学者的热门研究课题。鉴于此，该文便对城市复杂环境下智能驾驶中的关键技术进行深入的研究，以期能够为我国交通环境的改善，保障民众生命财产安全做出一定的贡献。
　　关键词：复杂环境;智能驾驶;关键技术
　　中图分类号：TP18 文献标识码：A
　　文章编号：1009-3044（2020）09-0232-02
　　1 背景
　　自21世纪以来，科学技术的飞速发展，使智能化技术成为新时代发展的重要标志。在智能化技术的广泛应用下，我国大力开展智慧城市建设，而在智慧城市建设中，智慧交通更是成为其重要组成部分。智慧交通能够显著缓解我国城市交通压力，减少城市交通事故的发生，进而有效保障城市民众的出行安全，实现对城市交通的智能化、信息化管理。智能车辆是智慧交通中的一部分，而对于智能车辆来说，在很大程度上依赖于智能驾驶，通过智能驾驶，不仅能够为车辆规划出行路线，还能使车辆进行无人驾驶，并可在驾驶过程中进行自动避障，进而使车辆能够在复杂的城市交通环境下实现安全出行，这可使驾驶员得以彻底解放出来，并且能够使车内人员的生命财产安全得到切实维护。在智能驾驶中涉及诸多关键技术，通过深入研究这些关键技术，能够大幅提高智能驾驶的安全性，有效克服智能驾驶在应用过程中的技术难点。为此，本文便对城市复杂环境下开展智能驾驶关键技术研究的意义进行探讨，分析了智能驾驶中的相关研究理论，在此基础上对智能驾驶中的几种关键技术进行深入的研究。
　　2 城市复杂环境下开展智能驾驶关键技术的研究意义
　　我国经济的高速发展，使我国汽车保有量持续增长，与此同时，车辆拥堵、环境污染、交通事故等也频繁发生，这使得道路交通安全等问题进一步成为我国高度关注的焦点，并投入了诸多资源和人力物力来解决交通问题。智能交通系统又被称之为ITS系统，该系统的出现，为交通问题的解决提供了新的途径。
　　在智能交通系统中，其研究内容有出行者信息系统、交通管理系统、车辆调度系统、车辆控制系统、公共交通系统、自动化公路系统和乡村运输系统。在这些系统中，车辆控制系统便是智能驾驶技术的应用产物。面对当前较为严峻的道路交通安全问题，我国需要利用智能驾驶技术以及智能安全技术来对智能车辆进行开发，而智能车辆更是引起世界各国的广泛关注与重视，并在诸多国家开展大量研究。现如今，智能车辆已成为智能交通体系中的重要组成部分。对于智能车辆而言，其是智能交通系统中的核心，同时也在智能交通中发挥着至关重要的作用，智能车辆的发展，必将带动汽车驾驶安全性的提高。随着我国的经济发展步伐不断加快，私家车已经走人了千家万户，驾驶员数量也不断增多，但城市交通环境复杂，这极易造成交通事故的发生。例如，我国便曾经曝出许多造成严重后果的重大交通事故，而其中很多交通事故都是因驾驶员行车不规范所造成的。现如今，交通事故俨然成为我国社会发展中的主要公害。对于驾驶员来说，其不仅需要面对工作、学习和生活等方面的压力，并伴随着其情绪及身心的变化，而这些又会对驾驶员的注意力造成影响。据交通安全事故调查表明，许多和驾驶员操作有关的交通事故中，绝大部分都是因驾驶员在行车过程中没有集中注意力所导致的。并且目前所出现的交通事故中，有30%的交通事故属于追尾事故，还有20%的交通事故是车辆行驶过程中偏离车道所造成的。所以，利用智能驾驶技术的智能车辆，将能够使此类事故的发生概率大大减少，进而使汽车行驶更加安全。通过智能驾驶技术，能够有效缓解驾驶员的精神紧张状态，使驾驶员的行驶变得更加舒适，同时还能有效保障汽车行车安全。例如，当城市中的交通流较为稳定时，可采取自动跟随驾驶，或是提高汽车在弯道或直道上的控制性能等。这些都有助于减轻驾驶员的精神紧张状态，使汽车得以更加安全的行驶。
　　智能车辆技术能够对交通设施进行有效的优化、使出行中的机动性更强，并可使出行时间有效缩短等，这能够使城市交通环境得到有效的改善，并降低交通拥堵现象的发生概率，从而使道路网络得到更加高效的利用率。
　　3 城市复杂环境下智能驾驶中的相关理论
　　3.1 车辆跟驰理论
　　所谓车辆跟驰理论，是通过动力学方法的运用，对单一车道中不能超车情况下的行驶状态进行研究，此时后车需要跟随前车进行行驶而产生的一种理论。车辆跟驰特点能够通过数学模型来对车辆所处的运行状态进行表达。通过研究车辆跟驰理论，可利用车流中单一车辆所具有的跟驰特性，推断出车队的跟驰特性，并进一步得出车道交通流特性。通过车流特性能对交通流稳定性进行反映，如车辆在进行加速过程中所受到的干扰及其传播等。该理论能够对车辆特性进行检验，并通过通信技术以及管理技术来强化公路管理，并能够将路况信息提前告知驾驶员，以帮助其更好的预防追尾事故，对车队特性进行观测，还可对道路所具有的通行能力进行计算与检验。
　　3.2 预瞄跟随理论
　　所谓预瞄跟随理论，是以驾驶员在行车过程中所具有的行为特性为依据而产生的一种研究理论。对于驾驶员而言，其驾驶行为会根据其所感知到的具体路况信息以及周边环境来推测出来，驾驶员的大脑会对感觉器官所收到信息进行处理，然后下达相应的操作指令，从而确保汽车的稳定行驶。由此可见，驾驶员、车道和汽车共同形成了一个闭环，而该闭环的表现便是驾驶行为。在汽车行驶中，驾驶员的驾驶行为有其特定的行为模式，驾驶员需要对路况信息进行不断关注，这种关注又被叫作“前视”或“预瞄”。预瞄跟随理论是由郭孔辉院士所提出的，随后在该理论的基础上又形成了“最优预瞄加速度模型”“稳态预测动态校正假说”以及“预瞄最优曲率模型”等。 　　在智能车辆的预瞄跟随系统中，其以未来输入信息为依据来实现跟随控制，其传递函数可利用y/f（s）=P（s）.F（s）进行表示。而在该传递函数中，预瞄和跟随两个部分的传遞函数分别由P（s）与F（s）进行表示。对于预瞄跟随系统来说，其理想形态需要对低频域中的P（s）.F（s）≈1进行满足。也就是跟随部分中的传递函数的倒数应与预瞄部分中的传递函数最大限度地接近。
　　在预瞄跟随系统中，其跟随效果需要对上述条件进行有效满足才能达到理想状态。而其预瞄部分中的未来输入信息则可对该部分的传递函数进行确定，在该传递函数被确定后，即可对跟随部分中的传递函数进行确定，也就是通过n阶的倒数进行确定。如果阶数过高，可能会引起跟随部分中传递函数的稳定性降低，进而造成更大的跟随误差。据相关研究证明，预瞄跟随系统中的最适宜阶数取值应控制在2至3之间。
　　3.3 最小势场理论
　　智能驾驶中最为关键的功能便是其避障规划功能，而该功能是通过对障碍物、路与车提出一种受力分析假设来实现的。在对假设进行提出时，需要采用最小势能点获得平衡点。对于最小势能点的快速计算，可借助于一个简单的势能函数来实现。不过，构建的势能场需要具备六点属性：其一，车辆行驶过程中，其前方不存在障碍物时，初始轨迹应为势能函数中的最小值位置;其二，如果车辆前方出现障碍物，则需对新的最小势能点进行计算，以确保车辆能够对障碍物进行避开;其三，车辆在智能驾驶中完成避障行为后，需要回到原来的轨迹规划中。其四，定义势能函数时，需要明确车辆和障碍物间的相对速度;其五，通过传感器来对车辆的初始轨迹信息进行采集，能够更易于对势能函数的构造;其六，计算最小势能点不需要投入大量时间。
　　4 城市复杂环境下智能驾驶中的关键技术
　　4.1 智能驾驶中的车距控制技术
　　在城市复杂环境中，车距控制技术是智能驾驶中的一种关键技术，车距控制技术在应用过程中需要建立相应的云模型，而云模型的建立则需明确驾驶员在行为上的不确定性。通常来说，驾驶员在对前车做出决策反映时，会受到不同路况、不同时间的影响，这说明驾驶员在反应上具有不确定性。而且驾驶员在潜意识中是具有安全倾向的，这也是云模型建立过程中需要考虑的。此外，驾驶员在驾驶经验、性别以及年龄上的差异，将影响到其对注意力的分配，而这种分配的合理性则是通过其驾驶技能表现出来的。由此可见，驾驶行为所产生的过程是非常复杂的，其涉及推理、决策与执行。对于这种不确定性，可用两层含意来概括，即随机性与模糊性，为此需要通过云模型来对这种不确定性问题进行处理。在云模型建立时，需要明确云规则和推理，并以云模型为依据来设计相应的云控制器。依据行车安全距离，在控制车距时可采用二维云控制方法，考虑到城市交通环境的复杂性以及突发事件的不可预测性等影响因素，需要利用急加减速方法来实施仿真运算，利用二维云来实现对后车速度的控制，以确保后车能够保持安全的距离来跟车。
　　4.2 智能驾驶中的弯道控制技术
　　在智能驾驶中，弯道控制技术作为一种关键技术，是对驾驶员预瞄跟随理论的重要应用。其通过对智能车辆进行横向控制来作为目标，根据动态目标位置，采用三次曲线来实现路径规划，并通过自适应神经网络来调整T-S模糊模型中的隶属度函数，以此对模糊推理系统进行建立，然后对相应的控制器进行设计，以便于车辆能够利用控制器来实现横向控制。弯道控制技术能够对行车路径进行灵活而实时的规划，同时还能防止因采集数据误差而干扰到控制效果，这使得智能车辆能够在城市复杂环境下实现对动态目标位置的实时跟踪，并可沿虚拟线形来进行车辆行驶，能够实现灵活而平稳的转向控制。
　　4.3 智能驾驶中的避障路径规划技术
　　避障路径规划技术是智能驾驶中的一种非常关键的技术，而该技术则是以最小势场理论为借鉴思想的，利用人工势场思想，能够对道路系统的势能函数进行构造，从而使车辆在城市复杂环境中能够将道路边沿视为障碍物，通过对最小势能点进行计算，然后通过贝塞尔曲线，即可实现对车辆行车路径的规划，并以该原理来对控制器进行设计，从而使车辆能够在复杂的城市道路环境下进行有效的避障。
　　5 结束语
　　综上所述，本文对城市复杂环境下智能驾驶关键技术的研究意义及其相关理论进行了探讨，并对智能驾驶中的关键技术开展了深入的研究，从而为这些关键技术的顺利实施提供了一些理论依据，在有效降低交通安全事故发生概率的同时，也为我国城市交通环境的进一步改善做出了一定贡献。
　　参考文献：
　　[1]张艳辉，徐坤，郑春花，等.智能电动汽车信息感知技术研究进展[J].仪器仪表学报，2017，38（4）： 794-805.
　　[2]宫慧琪，牛芳.自动驾驶关键技术与产业发展态势研究[J].信息通信技术与政策，2018（8）： 45-50.
　　[3]王晓，要婷婷，韩双双，等.平行车联网：基于ACP的智能车辆网联管理与控制[J].自动化学报，2018，44（8）： 1391-1404.
　　[4]叶语同，李必军，付黎明，智能驾驶中点云目标快速检测与跟踪[J].武汉大学学报：信息科学版，2019，44（1）： 139-144， 152.
　　[5]胡云峰，曲婷，刘俊，等.智能汽车人机协同控制的研究现状与展望[J].自动化学报，2019，45（7）： 1261-1280.
　　【通联编辑：谢媛媛】
转载注明来源:https://www.xzbu.com/8/view-15209530.htm