智能汽车执行控制技术研究

刘爽爽　于欣策　邹广奕

摘 要：为了提升智能驾驶汽车行驶性能，该文针对传统运动控制和新型运动控制分别进行了论述，其中，传统运动控制将运动解析为纵向运动、横向运动和横纵向协同，采用PID、模型预测控制、模糊控制等多种控制策略实现;新型运动控制包括引入人工智能和借助车联网通信。针对其存在问题和发展趋势得出，未来智能车辆运动控制的主要发展方向为多种控制策略和智能算法相结合、横纵向综合控制、协同式多车队列控制。

关键词：智能驾驶 运动控制 横纵向控制

Research on Executive Control Technology for Intelligent Vehicles

Liu Shuangshuang Yu Xince Zou Guangyi

Abstract：To improve the driving performance of intelligent vehicles， this paper separately discussed traditional motion control and new type of motion control. The traditional motion control divided motion into vertical motion， horizontal motion and coordinated control， using PID， MPC， fuzzy control and other control strategies. New types of motion control included the introduction of artificial intelligence and communication via the internet of vehicles. Based on its existing problems and development trends， the article concludes that the main development directions of intelligent vehicle motion control are the combination of multiple control strategies and intelligent algorithms， the horizontal and vertical integrated control， and the cooperative multi-vehicle queue control.

Key words：intelligent driving， motion control， horizontal and vertical control

1 引言

控制系统任务是将行为决策的宏观指令解释为带有时间信息的轨迹曲线，从而控制车辆的速度与行驶方向，使其跟踪规划速度曲线与路径。具体而言，控制执行技术是解决在一定的约束条件下优化某个范围内的时空路径问题，包括：1）车辆在一定时间段行驶轨迹（位置信息）2）整条轨迹的时间信息和车辆姿态（到达每个位置的时间、速度、加速度等）。

目前，智能網联汽车的控制执行技术的研究热点包括：面向驱动/制动的纵向运动控制，面向转向的横向运动控制，基于驱动/制动/转向/悬架的底盘一体化控制，融合车联网（V2X）通信及车载传感器的多车队列协同和车路协同控制等。

2 运动控制技术现状

2.1 传统运动控制技术

现有自动驾驶汽车多数针对常规工况，因而较多采用传统控制方法，如比例-积分-微分（PID）控制、最优控制、滑模控制、模型预测控制、模糊控制等。这些控制方法性能可靠、计算效率高，已在主动安全系统中得到应用。

PID控制方案简单易行，但缺乏对复杂行驶工况的适应性，难以实现精确控制。最优控制一般都把被控对象简化为线性时不变系统，在控制模型精确和无干扰的情况下，最优控制有较高精度，但是对外部干扰的鲁棒性较差。滑模控制的最大优点是滑动模态对加在系统上的干扰和系统的摄动具有完全的自适应性，而且系统状态一旦进入滑模运动，便快速收敛到控制目标，为时滞系统、不确定性系统的鲁棒性设计提供了一种有效途径，但其仍存在抖振。模型预测控制不依赖于精确的模型建立，能控制各种复杂过程，但由于其计算量大，系统设计复杂，不适用于不稳定对象等原因，暂未得到广泛应用。模糊控制方法能够模拟驾驶员行为特征对车辆进行操纵，不需要建立精确的被控对象模型，可克服车辆系统的非线性特性与参数不确定性，但隶属度函数与控制规则需要依靠专家经验和知识库确定。

2.1.1 纵向运动控制技术

纵向运动控制指通过某种控制策略调节车辆的纵向运动状态，实现车辆纵向距离保持和加减速的功能。按照实现方式可分为直接式和分层式。直接式纵向控制器的输入为期望距离或速度，输出为期望制动压力和节气门开度;分层式纵向控制器的输入为期望距离或速度，通过上位控制器转化为期望加速度，继而通过下位控制器得出期望制动压力和节气门开度。

进一步地，受行驶经济性影响，车辆纵向速度控制还需考虑节能性。福特公司推出的Ford EcoMode 系统可根据挡位、车速、油门和刹车踏板位置、发动机转速等车辆状态信息评价司机驾驶行为，并对司机操作做出提示。东风本田思域系列车型均配置ECON智能化绿色节能辅助系统，功能开启后，变速箱挡位自动调节为低油耗状态，空调能耗也会自动进行节能调整。在行驶过程中，电脑会自动修正油门幅度，避免驾驶者深踩油门带来的高能耗，以达到降低油耗的目的。

2.1.2 横向运动控制技术

横向运动控制是指按照设定的控制逻辑，沿期望路径自主行驶，通常需要预瞄一定距离，考虑车辆系统的非线性和不确定性设计控制策略。有两种基本设计方法，一种是模仿驾驶员，比如通过简易动力学模型和驾驶员操纵规则设计控制器，或者通过驾驶员操纵数据训练驾驶员模型;另一种是借助精确的横向动力学模型实现控制。考虑车辆横摆稳定性，部分学者研究了特殊道路、冰雪等极限工况下的车辆稳定性控制。重庆交通大学的郑小冬[1]通过vehiclesim建立了由坡道和不同圆曲线组成的特殊道路，并设计了基于模型预测控制的横向控制器和基于模糊控制的纵向控制器，实现了特殊道路下的仿真验证。

2.1.3 横纵向协同控制

智能车辆横纵向动力学存在耦合关联特性，控制器的设计可综合考虑横纵向协同控制。现有的横纵向协同控制多为先解耦分别设计横纵向控制规律，再设计协调横纵向运动的控制规律。百度Apollo分离横向控制和纵向控制，将复杂问题简单化;再通过模型预测控制考虑横向和纵向之间的耦合关系，更能适应复杂路况。北京理工大学的王博洋等人[2]针对履带车辆提出了基于双层驾驶员模型的横纵向协同跟踪控制方法，第一层基于Gauss和隐式Markov混合模型实现对转向模式序列的预测输出及切换控制，第二层以模糊逻辑来表征纵向与横向控制配合规律，依据航向偏差生成横纵向控制量。巴黎文理研究大学的Guillaume Devineau[3]在ITSC 2018会议上探讨了深度神经网络捕捉车辆动力学关键特性的能力以及它们对车辆进行纵向和横向耦合控制的能力。

2.2 新型运动控制技术

2.2.1 人工智能的引入

人工智能的不断发展，使其在智能网联汽车上得以应用，AI算法与汽车结合，自主研制的智能车控制单元能够做到与汽车厂商适配并实现量产。比如，智行者自主开发的AVCU整车控制器应用于“星骥”系列，可实现有条件的自动驾驶（L3级别），适用于机场、校园、封闭区货运等场景。英伟达陆续推出系列产品，如Jetson TX2和 AGX Xavier等，具备整套AI 工具和工作流程，可帮助开发者快速训练和部署神经网络。

另外，在自适应巡航应用上，现代汽车将推出基于机器学习的智能巡航控制，通过机器学习来分析驾驶员的驾驶行为，并通过自动巡航功能进行复制。该系统要学习三方面知识，分别为：保持与前车的距离、加速度变化和驾驶员对于速度变化的响应速度。江苏大学的梁军教授[4]提出了基于深度强化学习的协同式自适应巡航控制，提出了双经验池和优化评价的深度确定性策略梯度算法，结果表明该控制策略可以提升控制的准确性和系统紧急反应能力。

2.2.2 车联网的辅助

利用智能信息交互系统，智能驾驶车辆可通过与其他车辆、基础设施通信，获取周围车辆运动信息、道路信息，考虑车辆纵向跟踪性、系统经济性与驾驶舒适性等控制目标，进一步综合协调车辆的横纵向控制。进一步地，车车通信、车路通信降低了车辆编队行驶、复杂交叉路口通行等应用的技术难度。

2019年8月，由齐鲁交通发展集团投资、齐鲁交通信息集团承建的智能网联高速公路测试基地项目正式封闭测试运营。其将原址保留的26公里高速路段进行智能化、网络化、数字化改造，打造为国内首个面向车路协同的真实场景智能网联高速公路测试基地。2019年10月，上汽通用五菱新宝骏RM-5在上海国际汽车城智能网联汽车测试开放道路，通过了包括限速预警、弱势交通参与者提醒等4类V2I场景，前向碰撞预警等3类V2V场景和伪造限速预警防御等4个安全机制验证场景。

2.3 现有车辆ADAS系统

现有的车辆多加装ADAS系统，包括车道保持系统、自适应巡航控制系统、紧急制动系统和自动泊车系统等。以上系统多涉及车辆的横纵向控制。

乘用车方面，2019年2月，上汽MAXUS G50搭载的ADAS系统主要包含自适应巡航控制系统、车道保持辅助系统、车道偏离警示系统以及自动制动系统，能在不同场景中保障行车安全。2019年，一汽大众迈腾的280TSI DSG搭载自适应巡航系统、自动泊车、后方交通预警、车道辅助、预碰撞保护系统和盲区监测系统。

商用车方面，2017年3月，交通运输部发布的《营运客车安全技术条件》中明确要求：2018年4月起，车长超过9米的营运客车都需加装符合JT/T883要求的车道偏离预警系统（LDW）和前车碰撞预警系统（FCW），以增强主动安全性能。同时要求，符合规范要求的营运客车，在2019年4月1日将正式强制安装AEB系统。2019年5月，宇通新7系ZK6907H配备了包括制动防抱死系统、汽车驱动防滑控制系统、汽车电子稳定控制系统的电子控制安全系统。清智科技也于2019年力推商用车ADAS产品，包括自动紧急制动系统、电子稳定系统、智能安全防控系统和智能终端系统。ADAS系统已经逐渐成为商用车的必选装配。

3 存在问题及发展趋势

3.1 存在问题

由于智能驾驶车辆其横纵向动力学机理复杂，存在多目标耦合控制，V2X等新兴车辆技术产生，运动控制技术面临重重挑战。

智能汽车相比人类驾驶员有着更高地发展车辆节能和环保的潜力。车辆的运动控制除重点考虑行车安全和舒适性之外，还需进一步考虑行驶经济性和排放性。至此，车辆控制问题将转化为多目标的全局优化问题。

车联网环境下的车辆协作控制。V2X的发展对智能网联汽车的发展起到了极大的促进作用。多车智能可进一步提高车辆行驶性能，如何完成对现有道路基础设施的通信改造、通过无线通信技术实现“人-车-路-云”系统的互联互通将是重要研究课题。

线控执行机构的底层核心技术多掌握在一级供应商，国内汽车供应商体系相较国外仍有较大实力差距，技术的深入研发必将成为不可绕过的门槛。线控执行机构需要重点考虑传统执行机构与智能网联技术的兼容性、系统的冗余性。

3.2 发展趋势

对于无人驾驶控制策略来说，缩小实际应用与理想控制策略之间的差距是当务之急，可以重点从三个方向进行探索：

横纵向综合控制：目前无人车的设计主要集中在独立设计横向和纵向控制，且横纵向综合控制大多局限于控制理论分析，实现无人驾驶车辆的横纵向综合控制的动态协调，是至关重要的一部分。同时，可进一步考虑人工智能算法的引入，弥补传统算法的不足。

多目标优化控制：在保证安全、舒适的前提下，引入节能和环保的控制理念，探索多目标多工况优化问题的求解。

协同式车辆控制：单车智能对车辆的技术方案成熟程度要求很高，现行市场环境下，考虑单车智能与车联网通信相结合，在复杂路段借助与道路基础设施共享通行信息，提高技术方案可行性。多车队列也可借助车联网实现多车互动和道路基础设施通信，更好地提高通行效率和加强安全保障。车联网协同是现行条件下智能汽车实现落地的突破口。

参考文献：

[1]郑小冬. 特殊道路下智能汽車自动驾驶控制策略的研究[D]. 重庆交通大学，2018.

[2]王博洋，龚建伟，高天云，等.基于双层驾驶员模型的履带车辆纵向与横向协同跟踪控制方法[J]. 兵工学报，2018，v.39;No.258（09）：14-21.

[3]Devineau G，Polack P，F Altché，et al.Coupled Longitudinal and Lateral Control of a Vehicle using Deep Learning[C]// International Conference on Intelligent Transportation Systems.0.

[4]王文飒，梁军，陈龙，等.基于深度强化学习的协同式自适应巡航控制[J]. 交通信息与安全，2019，037（003）：93-100.