引用本文

高力, 陆丽萍, 褚端峰, 张勇, 吴超仲. 基于图与势场法的多车道编队控制. 自动化学报, 2020, 46(1): 117-126. doi: 10.16383/j.aas.c190052

GAO Li, LU Li-Ping, CHU Duan-Feng, ZHANG Yong, WU Chao-Zhong. Multi-lane Convoy Control Based on Graph and Potential Field. ACTA AUTOMATICA SINICA, 2020, 46(1): 117-126. doi: 10.16383/j.aas.c190052

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190052

关键词

多车道护航编队，图方法，势场法，轨迹规划，无人车 

摘要

多车协同驾驶能显著提高交通安全和效率, 是未来5G网联自动驾驶技术的重要应用场景之一.传统上, 多车协同驾驶的主要形式为单一车道上的无人车队列, 其队列稳定性受队列长度、通信距离及延迟的限制.本文提出一种无人车编队方法, 将单车道队列扩展为多车道护航编队.针对不同场景下的需求设计多车道编队调整策略, 结合基于图的分布式控制, 完成任意预定义的编队结构; 同时, 利用势场法对行车环境建立势场模型, 实现无人车的避障轨迹规划, 提高编队的避障能力; 最后, 结合纵横向控制器, 实现无人车多车道护航编队控制.仿真实验表明, 本文提出的无人车多车道护航编队方法, 能适应不同交通场景, 如道路变化、障碍车运动等, 完成自动变换编队结构, 实现安全、高效通行.

文章导读

多车协同驾驶能够有效地提高交通安全性和效率并降低油耗[1-3].目前多车协同驾驶主要是聚焦于多辆无人车在单一车道前后排成一列的实现方式, 当无人车数量增加, 队列变长时, 编队可能出现串不稳定(String unstability)问题[4-5].同时, 由于受到通讯距离和延迟的限制, 单车道队列随着车辆的增加, 通信距离变长, 组网后通信延迟较大.而多车道编队并不局限于单一车道, 车辆分布于多个车道, 编队容量更大, 编队长度更短, 通信距离能够得到缩短.

目前, 已有学者对无人车的多车道编队自动驾驶进行相关研究. Kato等[6]提出了多车道编队的概念, 并用于提高编队的安全性.但方法中编队车辆数目固定, 而且头车作为唯一领导者, 容错性较低. Gowal等[7]基于图提出了一种保持预定编队的车辆控制方法, 并进一步提出了另一种控制方法[8]使得具有局部定位能力的车辆在保持预定义位置的同时跟随领导者, 能够完成不同编队形态的控制, 但缺乏对车辆脱离和加入的考虑, 没有考虑动态障碍物和道路约束. Marjovi等[9]提出了一种多车道高速公路车辆编队方法, 是基于图的分布式控制方法的扩展.车辆能够加入与脱离编队, 并适应编队内的车辆变道和避障的动态变化. Qian等[10]提出了一种分层模型预测控制方法, 期望的编队形态被建模为沿道路中心线曲线坐标系的虚拟结构. Navarro等[11]研究异构车辆的多车道编队控制, 在平行于道路的纵向坐标系下使用了基于图的分布式控制方法, 能够快速适应车辆的增减和位置变化, 并能在编队内以协作的方式进行换道动作.但文中编队的车辆速度为定值, 无法满足不同交通情况下的变速需求.

上述工作中主要聚焦于编队的控制, 对于编队的行车环境却考虑较少.目前, 无人驾驶车辆和有人驾驶车辆将在一定时间内混合存在于道路中, 无人车编队的行车环境复杂多变, 需在编队控制中对环境因素给予考虑, 以增强多车道编队的避障能力和灵活性.

势场法是一类经典的避障轨迹规划方法, 其对障碍物和道路结构以及目标点建立相应的排斥势场和吸引势场, 在势场力的作用下规划出一条无碰撞的平滑轨迹.由于其能够对复杂的动态环境建立势场模型, 并快速获得规划结果, 适用于交通场景中的车辆避障轨迹规划. Bounini等[12]提出了一种改进的势场, 克服了可能出现的陷入局部最小点问题, 当根据梯度下降法进入全局最小点时, 增加一个排斥场, 以走出最小点, 但该方法的时间会因陷入最小点的次数发生变化, 同时有轨迹不平滑的可能. Gautam等[13]提出了一种方法, 使得多个机器人以链状编队从出发点到达目的点.使用A*算法规划静态地图下的轨迹, 使用势场法进行避障和跟踪期望轨迹, 尽可能地减小跟踪误差, 结合使用两种轨迹规划方法能够在获得较短轨迹的同时避开障碍物. Huang等[14]将势场法和模型预测控制方法结合, 使用优化器代替梯度下降法, 完成编队车辆轨迹规划和控制.上述研究对势场函数进行了设计, 提高了轨迹规划的合理性和避障的能力, 但缺乏考虑速度规划, 而在驾驶场景中的速度规划是自动驾驶非常重要的一环.

为此, 本文提出了一种基于图和势场法的多车道护航编队自动驾驶方法, 车辆在前后和左右方向上都与其他车辆保持组队关系, 能减轻串不稳定问题, 并允许动态地进行车辆加入和脱离.同时, 分布式的控制方法, 去除了中心节点, 能够提高车辆编队的容错性和稳定性.结合车辆横纵向控制器, 建立双层控制结构, 完成分布式车辆编队控制.上层为规划层, 将编队视为一个图结构, 编队整体沿着道路向前移动, 并将障碍物和道路结构考虑进来, 进行车辆的轨迹和速度规划, 完成编队与避障功能.下层为轨迹跟踪控制层, 基于车辆运动学设计车辆的横纵向控制器, 完成车辆的速度控制和轨迹跟踪.

本文结构如下:第1节介绍基于图的编队控制, 并设计不同场景下的编队调整策略; 第2节利用势场法对于车辆驾驶环境进行建模, 环境因素主要包括道路边界、分道线、环境车、编队内车辆等, 并介绍相应的车辆速度规划方法; 第3节为多车道编队算法实现, 以及无人车横纵向控制器的介绍.第4节为仿真环境下的实验, 在多个交通场景下对多车道编队方法进行验证, 并对实验结果进行分析; 第5节对全文进行总结.

图 1  道路曲线坐标示意图

图 2  编队避障策略示意图

图 3  两种编队结构示意图

本文提出了一种多车道护航编队方法, 设计了护航编队变化策略, 完善了编队层次上的结构调整逻辑, 提高了编队对于不同交通场景的适应能力, 其次, 使用势场法对多车道编队的行车环境建立了势场模型, 并结合基于图的编队方法, 对无人车进行统一轨迹与速度规划, 保持编队结构的同时提高了车辆避障能力.通过车辆组成编队、编队换道避障, 编队减速跟车、编队切换队形等多个典型场景下的仿真实验, 从无人车及编队的速度、位置误差、轨迹等状态响应来看, 本文提出的护航编队算法能够达到预期的控制效果, 并较好地完成各种场景下的编队行驶.

作者简介

高力

武汉理工大学计算机科学与技术学院硕士研究生.主要研究方向为无人驾驶车辆的编队控制研究.E-mail: jxncgaoli@163.com

陆丽萍   

博士, 武汉理工大学计算机科学与技术学院副教授.主要研究方向为车联网, 计算仿真, 嵌入式系统. E-mail: luliping@whut.edu.cn

张勇  

武汉理工大学计算机科学与技术学院硕士研究生.主要研究方向为基于强化学习的无人驾驶.E-mail: zy826723748@163.com

吴超仲  

博士, 武汉理工大学智能交通系统研究中心教授.主要研究方向为交通安全及车路协同.E-mail: wucz@whut.edu.cn

褚端峰   

博士, 武汉理工大学智能交通系统研究中心副教授.主要研究方向为智能网联汽车, 智能交通系统.本文通信作者. E-mail: chudf@whut.edu.cn