基于多传感器融合的换道预警模型研究*

杨明亮，寇胜杰，芦 勇，于春磊，江 昆，杨殿阁

（1.清华大学车辆与运载学院，北京 100084； 2.联创汽车电子有限公司，上海 201206）

前言

换道预警核心内容包括车辆行驶环境感知和换道预警模型。环境感知传感器的配置要考虑感知效果、实际需求和成本等因素，因此配置方案具有不确定性。晏晓娟［1］使用相机进行目标检测，李尊［2］采用毫米波雷达获取周围车辆的状态信息，王彦等［3］采用前后两个激光雷达感知行驶环境，朱愿［4］采用相机和雷达等传感器感知环境信息，Gao等［5］基于视觉和激光雷达进行目标分类。然而，传感器种类和数量不足会造成复杂环境下数据丢包、数据更新延迟等问题。针对换道预警模型的研究，党睿娜等［6］采用安全距离换道模型并假设自车匀速或者加速换道，Jin等［7］和葛如海等［8］假设换道过程中自车匀加速，加速度由期望车速与换道时间确定。这些研究并没有结合场景真实影响因素，导致虚报警、重复报警和延迟报警。Xie等［9］使用交互式多模型综合物理和机动方法进行车辆换道轨迹的预测，实现了短期内的准确预测和长期内更高层次的预测，但仅限于在自然驾驶数据集上的预测，并未进行实车实验。

为此，本文中基于多传感器融合优化换道安全距离模型，分析了基于最小安全距离（minimum safety spacing，MSS）和碰撞时间（time to collision，TTC）的换道决策机制，优化了换道安全距离模型，开发了基于最小安全距离和碰撞时间的换道预警系统并进行实车实验。

1 基于多传感器融合的换道预警模型构建逻辑

多传感器的配置、融合并进行环境感知是换道预警模型构建和决策机制的基础，换道预警模型构建逻辑如图1所示。车道线检测模块获取道路的曲率、距离和宽度等信息；车载GPS和惯性测量单元（inertial measurement unit，IMU）的融合精确得到自车的位置和运动信息；目标信息融合模块借助长距和侧向毫米波雷达、相机、激光雷达等手段感知换道驾驶环境的多维信息。基于多传感器融合信息开发了换道预警模型，换道过程中自车加速度的确定考虑了自车速度、与他车相对距离和相对速度等因素的影响，有效地提升了换道预警的准确性和驾驶的舒适感。

图1 基于多传感器融合的换道预警模型逻辑

2 换道预警模型构建的感知信息基础

采用的驾驶实验平台集成了激光雷达、相机、长距毫米波雷达、侧向毫米波雷达、差分GPS和IMU。将多类传感器集成到统一的驾驶实验平台中，完成不同传感器的标定和融合，为车道线检测、自车状态和他车状态获取奠定了基础。不同类型传感器性能如表1所示。

多传感器的融合集中了各种传感器的优势，提升了环境感知的精度和稳定性，以此为基础，本文中开发以下基础模块。

（1）车道线检测。采用相机和基于模型的车道线检测算法，包含车道线的提取、拟合、追踪和去伪4个模块，提升了车道线检测的准确性。

（2）通过IMU和差分GPS的融合，实现自车状态信息的获取，其中差分GPS可实时进行车辆位置的高精度感知；IMU可实时采集车辆行驶的加速度和航向角，并根据采集数据直接积分出局部轨迹。将差分GPS和IMU融合后进行综合定位可以获取融合的、实时的、精度高的车辆定位信息。

表1 不同类型传感器性能

（3）他车状态信息的获取由长距与侧向毫米波雷达和激光雷达等传感器的融合和目标信息的融合完成。经过目标信息融合，不同类型传感器给出的目标信息不断创建并更新航迹，通过ROS callback的方式，不断串行维护航迹，为换道预警的实时决策与控制提供参考。目标信息融合的流程如图2所示。

图2 目标信息融合的逻辑流程图

3 基于多传感器融合的换道预警模型构建

3.1 换道场景分析

图3示出换道场景中自车V0、目标车道后车V1、目标车道前车V2和同车道前车V3的分布。换道过程中，自车驾驶员对前车的观察视野较好，不易发生碰撞，因此本模型针对的换道危险场景包括V0被V1追尾碰撞、V0与 V2侧向追尾碰撞。a0，a1，a2，a3分别为车辆 V0，V1，V2和 V3的加速度；v0，v1，v2，v3分别为车辆 V0，V1，V2和 V3的速度；d0，d1，d2，d3分别为车辆 V0，V1，V2和 V3与车道线的横向距离；s1，s2，s3分别为车辆 V0与 V1，V2和 V3的纵向距离。

图3 换道安全距离模型参数

换道过程包含换道进行与跟车调整两个阶段。对整个换道场景运动行为做如下假设：

（1）周围车辆在换道过程中按当前速度匀速行驶，自车换道考虑自车速度、自车与目标车的相对距离和相对速度等因素，并以此确定加速度完成换道，换道完成后匀速行驶；

（2）换道完成瞬间，周围车辆开始进行跟车调整，即车速高于自车时进行制动减速，两车相对静止时，相对距离最小，称为碰撞临界时刻；

（3）碰撞临界时刻车辆的相对距离应大于心理安全距离。

根据以上假设，对周围的3辆车分别进行碰撞分析。各车时间上的状态变量如图4所示。

图4 换道过程时间节点

3.2 换道距离模型

考虑到换道过程中影响自车加速的真实场景因素，构建了自车加速度模型：

式中：Δd和Δv分别为自车与目标车的相对距离和相对速度；k1，k2，k3，k4为修正系数。与前车的相对距离越小，驾驶员换道加速度越小；与前车相对速度越大，驾驶员换道加速度越小；自车速度较高时，换道加速度较小。当前方没有车辆时，为保证换道加速度的计算，在车前200 m处设置一个与自车相同速度的虚拟车。

3.2.1 目标车道后车V1换道完成时刻，两车的相对距离s′1为

若v1≤v0+a0tc，则换道开始时刻两车相对距离s′1最小，且满足 s′1＞s0，其中 s0表示换道过程中的心理安全距离。得到最小换道安全距离为

若v1＞v0+a0tc，则后车进行跟车调整，当两车车速相等时为最小相对距离s″1，即

式中：a1b为后车制动的加速度；τreaction为制动反应时间，包括驾驶员反应时间 τdriver和制动系统延时τbrake；tb为制动到两车车速相等的时间，且满足 s″1＞s0。此时刻最小换道安全距离为

3.2.2 目标车道前车V2

当换道完成时，两车的相对距离s′2为

一般而言，换道完成时前车的车速应大于自车车速，否则换道达不到提高驾驶效率的目的。此时，换道完成时两车相对距离 s′2最小，且满足 s′2＞s0+v0tc。此时的最小换道安全距离s2min为

若换道完成时前车车速小于自车或在制动减速，自车经过一定的反应时间后也应制动以避免碰撞，假设两车同时以最大制动减速度减速，则两车都静止时相对距离s″2为

式中：am为最大制动减速度，取-7 m/s2。此时两车纵向距离应大于0，即s″2＞0，得到换道安全距离为

3.3 换道决策逻辑

参考国际标准ISO 17387—2008中的 C型系统，在距离碰撞时间小于3.5 s时，系统一定要给出预警。对于侧后方30 m外的车辆，距离碰撞时间大于7.5 s时，不建议给预警。而对于在自车周围3 m内的目标，需要给出盲区预警。基于碰撞时间为TTC、两车相对距离为s、两车最小安全距离为smin制定如下换道预警规则：

（1）当s＜3 m时，发出盲区预警；

（2）当 3 m≤s＜30 m时，如果 s＞smin，则不发预警；如果s≤smin，则发出换道预警；

（3）当 s≥30 m，如果 TTC＞7.5 s，或 TTC≤7.5 s且 s＞smin，则不发预警；如果 TTC≤7.5 s且 s≤smin，则发出换道预警。

4 仿真与实验分析

4.1 仿真

在Matlab中仿真自车与目标车道后车、目标车道前车的安全距离，对比不同加速度和相对车速下的换道安全距离，验证加速度、速度和换道安全距离的内在关系，结果如图5所示。

图5 换道安全距离和相对速度在不同车速下的关系

当目标车在自车侧后方，自车速度越大，与目标车的相对速度越大，因此减速换道需要的换道安全距离最大。自车速度大于后车速度时，只需两车相对距离大于s0；当自车车速小于后车车速时，相对速度与换道所需的最小安全距离正相关。减速换道时，与后车的碰撞风险增加，换道安全距离增大。

当目标车在自车侧前方时，自车速度越大，与目标车的相对速度越大，因此加速换道需要的换道安全距离最大。当自车车速小于前车时，相对速度绝对值越大，碰撞风险越小；当自车车速大于前车时，相对速度越大，碰撞风险越大，换道安全距离相应越大。

4.2 实车实验

4.2.1 实车实验场景

在不同车速、初始距离和相对车道位置场景下进行4种侧后方目标车高速超自车和4种自车超侧前方目标车共8种场景工况测试。测试场景如表2所示。

表2 测试场景

4.2.2 实验结果展示

当右后方车辆高速接近，与前车间距小于系统设置的最小换道安全距离，会对向右换道造成威胁，系统给出预警；当与右前方车辆距离较近，自车向右换道后存在追尾风险，车辆间距小于系统设定的最小换道安全距离，系统也会给出预警。不同场景下的预警如图6所示。预警界面中方框表示车道，左侧方框中的方块表示自车，右侧方框中的圆点表示目标车，若有预警产生，则对应的车道矩形框会发生颜色变化，由于传感器故障原因，本文中只有14组实验有效，且全部给出正确预警。

不同实验中系统初次预警时两车的纵向距离和换道安全距离如图7所示，系统均能在实际相对距离小于换道安全距离时给出预警。

初次预警时刻的TTC和换道安全距离对应的TTC如图8所示。实际测试中预警TTC比模型设计值略小，偏差均值为0.24 s，这是由系统的离散性导致的。ISO 17387—2008标准中要求换道预警系统的延迟不大于0.3 s，本文中设计的系统符合标准要求。

4.2.3 实验结果对比分析

考虑到换道过程中的真实场景因素，本文中优化了换道预警模型，并与匀速、匀加速换道模型在不同场景下进行多组实验对比，结果如图9和图10所示。选取不同场景中典型实验对比了3种模型下实际纵向距离与预警距离的变化趋势，结果如图11所示。

图6 实车实验结果预警

图7 预警距离和模型安全距离的关系

图8 预警TTC和模型TTC的关系

图9 侧后方目标车超自车场景TTC和换道安全距离在不同加速度换道模型下的对比

图10 自车超侧前方目标车场景TTC和换道安全距离在不同加速度换道模型下的对比

图11 典型实验安全距离在不同加速度换道模型下的对比

在侧后方目标车高速超自车场景中，图9显示相同测试条件下本模型TTC和安全换道距离总体比匀速换道模型小，比匀加速换道模型大。在加速换道模型中，两组实验预警时刻TTC小于ISO标准中的最小值3.5 s，换道行为更为激进，换道碰撞风险高，换道模型安全性不足；匀速换道模型相对保守，换道安全距离和预警时间较大，会造成换道预警的安全性和准确性不足。因此，本文优化的换道模型更合理，同时兼顾了安全性和准确性。

在自车超侧前方目标车场景中，图10显示本模型比匀速模型和匀加速模型的TTC和预警距离小，且3个模型都满足了标准要求。当自车加速或匀速换道时，自车速度越大，与目标车的速度绝对值越大，TTC和预警距离越大，因此加速换道的TTC和预警距离最大。本文优化后模型的TTC和预警距离最小，表明该模型预警出现更晚，能够有效防止虚报警和误报警，提升报警的准确性。

在侧后方目标车超自车和自车超侧前方目标车场景下的典型实验中，图11显示实际纵向距离和预警距离曲线相交时会给出预警，且采样帧数代表预警时间，帧数越大，报警越晚。图中显示的报警距离和TTC与图9和图10结果一致，验证了优化后模型在报警安全性和准确性方面的优势。

5 结论

基于多传感器融合可获取更全面准确的车道线信息、自车状态信息和他车状态信息，并以此为基础在换道过程中设计自车加速度时考虑了自车速度、自车和目标车相对距离及相对速度因素，完善了换道预警模型并提出基于换道安全距离和TTC的换道决策规则。通过仿真和实车实验验证了模型的有效性。相对于自车匀速换道、匀加速换道模型，本文优化后的模型安全距离和TTC更加高效灵敏，满足道路高效使用和驾驶员的实际操作需求。该模型重点进行了实车实验，不同场景下的实车实验均给出了合理的预警，体现了多传感器融合和优化后模型的优势。今后模型优化还需要进一步考虑他车与自车动态信息的相互影响。