智能驾驶系统缺陷解决方案详解

--后台回复“资料”,领取特斯拉专利技术解析报告--
智驾最前沿

「智驾最前沿」深耕自动驾驶领域技术、资讯等信息,解读行业现状、紧盯行业发展、挖掘行业前沿,致力于助力自动驾驶发展与落地!
20篇原创内容
公众号
与传统汽车相比,自动驾驶汽车更注重车辆能否将乘客安全地送达目的地这一实用性目标,这应成为自动驾驶汽车行业发展的根本要求。自动驾驶技术广泛应用并实现其安全目标需要一系列技术前提:物联网的普及和智能网联、公路智能化改造和车辆智能化。但其仅仅实现了车辆的部分智能化,物联网和公路的智能化改造均未实现,致使自动驾驶技术应用的基础场景缺失,无法实现驾驶数据的快速收集、分析和共享,难以做出保证驾驶安全的决策。
此外,在当前的技术条件下,车辆智能化仍然存在诸多无法克服的各类内在风险。首先,就其感知系统而言,视觉感知、激光感知和微波感知三类感知技术各有优点和缺点。如在强光和高速公路上行驶时,视觉感知无法进行有效感知,并且无法胜任复杂环境下的全要素识别任务。激光传感器和微波感知毫米波雷达无法识别静止物体或低速行驶的车辆、偏航的车辆、路坑等。
其次,就其决策系统而言,在当前的技术条件下,人工智能也具有明显的缺陷。第一,其基础算法无法像人类一样富有经验并可以完全理解其所感知到的各类数据。第二,对人工智能深度学习的能力培养很大程度上体现了开发者的知识积累程度和价值观,甚至带有其在现实世界中的歧视和偏见,具有很大的局限性。如当前自动驾驶系统被设计为主要识别移动的物体、而无法识别静止或低速移动的物体。

当前ADAS系统已经在部分车型上实现了商用化,相对于一级辅助驾驶系统而言,二级驾驶辅助功能已经初步具备了自动驾驶在初级条件下的驾驶功能,比如脱手脱脚进行一定时间的“自动驾驶”,且从用户使用的基本反馈来看,针对一些简单场景下的驾驶辅助功能还是比较满意的,但是针对复杂条件下的处理情况却不尽理想。主要表现为如下场景功能:

问题分类

问题描述

严重度(S)

频繁度(F)

探测度(D)

横向控制功能

1)横向控制过程中,容易出现控制超调,导致急速偏离车道;

8

5

6

2)当驾驶员踩油门踏板对纵向进行加速控制时,横向压线行驶不退出;

6

6

6

3)驾驶员对方向盘超控后,系统出现强烈对抗或极易退出两种极端;

8

6

6

跟线控制功能(ICA)

1)对于相邻车道某些大车或异形车会造成的压迫感无法做到自适应的规避或躲闪;

5

9

7

2)对于进入弯道无法做到提前限速,经常导致入弯困难或弯道偏离正常车道;

7

9

5

跟车控制功能(TJA)

1)经过十字路口时,与并排的侧方车辆容易发生碰撞;

9

5

7

2)当车辆识别车道线与车辆间歇性出现时,容易出现跟线与跟车控制之间的频繁切换;

5

5

6

说明:如上严重度、频繁度及可探测度分别从1-10分别为由低到高的不同等级。

下面将针对性的对如上二级驾驶辅助功能售后问题进行相应的原因分析及解决方案说明。

目前从售后市场统计的基本的横向控制功能问题主要包括如下几类:

1)横向控制超调问题

横向控制过程中,容易出现控制超调,导致急速偏离车道;

2)驾驶员纵向干预时,横向控制鲁棒性降低

当驾驶员踩油门踏板对纵向进行加速控制时,横向压线行驶不退出;

3)驾驶员横向干预时,横向控制鲁棒性降低

驾驶员对方向盘超控后,系统出现强烈对抗或极易退出两种极端;

对于自动驾驶控制回环中我们不难看出主要体现在控制器+执行器的交互执行结果上,其整个横向控制逻辑图如下:

当控制端准确地发送的控制信号时,执行端则需要在适当延迟条件下将性能响应到位,如果执行器响应过程中出现如下不同的情况,则会导致不同的执行结果。

1)延迟较长时间开始响应自动驾驶控制器指令

2)响应执行器结果的最小值比控制端发出的最大值更大

3)响应执行结果的最大值比控制端发出的最大值小

4)响应执行结果后执行器清零(或回退)慢

横向控制超调问题

横向控制超调主要表现为当系统控制器发出转向指令后,执行器在执行转向过程中会出现转向过度或转向不足等情况,此时系统功能无法及时的满足驾驶员的驾驶需求导致偏出目标车道的情况,这种控制缺陷主要影响系统性能指标,且会在一定程度上一定程度上影响控制执行结果(如偏离车道可能导致系统退出)。

对于超调控制来说,主要是指执行器执行结果超过控制端指令发出值后导致车辆偏出车道。执行器执行结果偏大的原因除开本身控制端响应能力外,更多的是对于响应初期的系统助力曲线标定不合理。如下图表示了执行器EPS基础助力曲线的生成图谱。

从上图中不难看出,对于上层发出的相同的扭矩信号,其执行器EPS执行的助力曲线随着车辆速度值不断增加而增大,也就是低速时(实线表示)需要更多的基础助力,而高速(虚线)时,其基础助力则较低。但是EPS对于基础助力的反应是一个过程量,如果在同一时间段内,速度变化了较大值,则基础助力曲线的反射弧来不及跟上由轮端反馈回来的速度变化,则会导致较高的速度下使用前一时刻较大的基础助力曲线进行助力,其结果是助力超调,导致其执行结果超调。

此类问题从根源原因上看是无法解决的,因为助力曲线标定结果受速度的影响比较大,而速度值总是在轮端执行后才会返回来被检测到,因此该延迟会导致其执行助力过程总是滞后的,这里要想解决该问题要么通过选择更好的执行器单元,要么摒除基于上层扭矩产生的基础助力逻辑,可直接通过转角控制逻辑进行,因为转角控制中的回环控制是放在EPS内部进行的,即整个系统只需要将期望执行的航向角转化为执行转角并发送给执行器EPS,则一切均可交由EPS进行执行控制了。

除开以上助力曲线导致的问题外,其执行器响应时间延迟也是造成超调的原因。由于整个闭环控制中,监测端是上级ADAS系统,当系统监测到其发出的指令在一定时间内响应不到位时,会认为自己未能发送足够执行扭矩进行控制,因此会加大发送扭矩,而实际情况是该扭矩比期望的真实值更大,这就造成了响应超调了。

对于EPS响应延迟问题当前没有特别好的解决方案,除开由于网络传输延迟造成的造成的系统响应延迟外,大部分原因是由于EPS固有性能缺陷产生,解决此问题的方法也比较简单,通常都是通过对招标技术要求进行参数限制来进行提升性能。

驾驶员纵向干预,系统退出

这里的驾驶员纵向干预是指驾驶员踩踏油门踏板,其纵向速度会随之增大,此时车辆容易偏出车道,智能驾驶二级系统退出,此时若旁车道有车,则容易与之发生碰撞危险。

分析原因如下,由于动力学控制方程表示如下:

其中v表示车辆当前速度,L表示前后轴距离, k0 表示车辆稳定性常数,该值与车辆自身质量、车长,各轮胎侧偏刚度等因素相关,不同的取值区间表示不同的转向性能。

k0=0,表示中性转向,表征横摆角速度增益

与车速成线性关系,其斜率为1/L;

其车辆横摆角速度与速度在一定的转向角下成正比关系,即越高的速度下其相应的横摆角速度变化越快,将上式带入车道轨迹预估方程中,可以得出如下:

Y= 1/6*1/Vx * Ws'*X3+1/2*1/Vx * Ws*X2+θ*X+D,

由上述车道轨迹规划方程由可知,速度变化的大小直接影响横向规划距离的结果,相同时间内速度变化越快,则规划的横向位移变化越大,由于规划过程采用了卡尔曼滤波的前向预测+更新方式,就更容易出现超调。上述超调控制的结果就是偏出车道,同时超级巡航检测到车辆无法保持在车道中央行驶,退出横向控制。

解决上述问题的方法是进行纵向限速,即系统判断自身对横向的控制能力,当检测到自身对于变化过快的纵向速度/加速度无法在进行准确地横向规划时,随即退出横向控制。比如对于驾驶员踩油门造成的一定油门开度标定一个阈值Th,当实际油门开度大于该Th时,则提前退出横向控制,以避免规划超调导致偏出车道所带来的危险。

驾驶员干预转向控制

驾驶员干预系统正在控制的转向过程时,根据系统所采取的不同转向控制方案会存在不同的感知结果。一般的,采用扭矩控制的过程中,驾驶员接管过程更为容易,接管过程更为平滑,而采用转角控制的方案,驾驶员接管过程则更为费劲,除非其接管力矩标定的更加灵敏。此外,驾驶员干预过程中,若其力矩并未达到系统的退出力矩值,则系统容易出现人机共驾的情况,这种情况下,系统的控制往往显得十分被动,对于整个驾驶过程往往容易出现转向超调或转向不足的现象。其原因是因为进行转向扭矩模型的计算过程中,并未考虑驾驶员输入对整个转向产生的影响,而横向PID的调控过程也是从轮端执行完成后,接收车辆信息进行的反馈调节,因此其调控过程始终滞后于实际的输出量值。这是造成横向控制不精确的直接原因。

要解决以上问题根源,我们除了对驾驶员接管扭矩进行精标外,最重要的还是对驾驶员的干预进行及时而准确地预测。这里需要针对性的搭建驾驶员行为预测模型,如下描述了其中一种比较经典的算法:基于博弈论的驾驶员行为模型控制算法。

如上图,其模型输入涵盖了驾驶员操作主体RDriver(k)与系统控制主体RAFS(k),其中,AFS controller表示由自动驾驶控制的转向过程扭矩或转角,而驾驶员控制器Driver Controller表示对驾驶员驾驶模型的预测器,当对驾驶员操作的预测输出转角δdriver被检测到时,将其作为AFS的作用因子输入到AFS控制器中,从而控制AFS的实际输出转角δAFS, 作为反馈每一个输出控制的实际观测值x(k+1)都将作为作用因子,从而影响Driver Controller与AFS Controller的新一轮预测值。

由此,系统在输入端即根据驾驶员历史操作信息对驾驶员即将发生的操作过程进行预测,并通用影响因子输入到模型中,这就规避了原来PID模型预测的滞后性。

跟车控制功能TJA缺陷

跟车跟线的频繁切换

当驾驶辅助二级功能需要在行驶过程中针对道线或前方车辆的实际检测情况判断自车是进行跟线控制还是跟车控制时,一般情况是,如果能够检测到清晰的车道线时,系统会参照清晰的车道线对自车进行轨迹规划及对中控制,当能未能检测到清晰的车道线时,系统会同时判断前方是否有可跟随的车辆,若存在相应的车辆时,则系统需要从跟随车道中心线切换为跟随前车轨迹运动,从而实现跟随前车行驶。

当重新能够检测到清晰车道线时,系统可以重新从跟车切换为跟线控制,但是当识别的车道线和车辆在一定时间内存在频繁变换时,系统需要在轨迹规划控制层,进行不断的模式调整,但是此时由于跟线控制和跟车控制存在两条完全不同的预瞄轨迹,这样就会导致两种控制的车辆结果状态完全不同,可能出现在同一位置的相邻时刻,由模式1(跟车控制)切换为模式2(跟线控制)时,出现较大的横向位置偏移。其结果是系统需要发送较大的转角或扭矩在一定的时间内达到最新的位置。以上过程如果频繁出现,则会出现车辆的横向抖动或者整个方向盘都会甩起来,驾驶员的主观感受是相当不舒适的,从舒适性的角度考量,需要找到一个完善的解决方案。

解决方案:

以上问题是由于未能针对检测到的车道线和车辆后的控制状态模式切换做冷却回滞控制,即当一种模式向另一种模式切换时,没有给予延迟时间确认,则容易在临界点上发生频繁切换。因此最简单的方法就是在两种模式切换过程中设置冷却回滞控制时间,如下图表示了一种比较清晰地模式切换的图示说明,在根线模式和跟车模式之间,留有足够多时长的回滞判断时间,从而实现跟线模式和跟车模式之间的平稳过渡,减少车辆的横向抖动或者整个方向盘都会甩起来的问题。

如上图中所示,对于驾驶辅助二级系统控制过程中,当清晰的车道线即将消失,且前方有车时,系统会根据自身能力继续向前模拟车道线一段时间,然后判断是否有可跟随的车辆,若有,则切换为跟车模式。如果无前车则此时才直接退出对中过程。此外,在跟车过程中,若重新识别到清晰的车道线时,需要设置回滞判断时间判断是否该车道线足够清晰、稳定(即持续时间是否足够),从而确定是否重新切换为跟线控制。

跟车与并排车辆发生碰撞

在二级辅助驾驶系统中,当车道线消失,本车有可跟随的前车时,本车会继续跟随前车行驶,若前车行驶轨迹出现较大的画龙甚至虚拟变道驶出“本车道”时,自动驾驶汽车此时跟随前车行驶容易出现如下两种结果:

其一,当设置的自车跟随前车的可行驶区域较小时,自车不再跟随前车画大龙行驶,此时自车判定跟随的目标丢失,其横向预瞄轨迹不可用,若此时保持纵向ACC控制逻辑,则自车迅速加速到目标车速,容易与侧前车相撞;

其二,当设置的自车跟随前车的可行驶区域较大时,自车跟随前车画大龙,此时就容易与其实际并行的车辆发生碰撞;

以上两种情况都并不是用户能接受的结果,因此,必须生成一定的解决方案进行解决。

解决方案:

由于跟车控制逻辑中与并行车或侧前车发生碰撞的原因主要是对实际跟随的控制前车出现误跟随或跟随丢失后没有较好的解决方案。因此主要的解决方案主要从如下几方面进行:

减少对前车跟随的可行驶区域范围,当前车出现大画龙或虚拟换道出本车道时,不再做继续跟随。但是这个区域阈值需要经过多次试验进行实验测试,其标定值不可过大或过小,若过大,则会出现上述情况下的误跟随,若过小,则会出现跟车能力过弱的情况。

融合侧边探测传感器对侧边车辆进行检测,当前车出现画龙或虚拟换道时,自车接收侧边传感器数据,综合判断侧边是否有相应的潜在风险风险碰撞车辆,如存在风险车辆,则不再保持对前车的跟随逻辑,且适时的报警并退出整个横向控制;

这里要注意由于自车跟随前车行驶的TJA功能一般适用在较低速,且与本车碰撞的并行车辆或侧前车的相对速度一般很低,因此,使用的侧边传感器可以是如全景摄像头、超声波雷达等已经搭载的传感器。当然高级一点的功能也可引入角雷达进行探测。

此外,针对跟车目标丢失后,自车容易出现不适当的加速情况,可以通过采用加速抑制的方法,当判断跟车目标丢失时,通过控制将自车收油门甚至控制减速的情况,将车辆控制在比当前速度相当或更低的状态下。此时可以防止出现退横向,纵向失控的情况。

跟线控制功能ICA缺陷

无弯道提前限速

弯道提前限速是指,当自动驾驶汽车以一定较高速度进入前方一定弯道区域时,自车无任何提前减速,亦或者只是保留了原始ACC系统功能中利用车辆转向角或横摆率进行实时限速的功能模块。导致在该初始速度下,无法顺利通过该曲率的弯道,其结果是横向控制下的扭矩或转角无法将车辆保持在车道中央,出现偏出车道或报立即接管的情况。

解决方案:

针对弯道无提前减速的情况,需要充分利用摄像头对前方车道线属性的探测结果(曲率Ks)进行提前减速,其中限速逻辑由如下公式表示:

如上公式中τ表示系统计算从当前速度下减速到最高速度能通过该弯道的最短时间,该Vobj表示了该弯道曲率下系统能够通过的临界速度值。即在一定的时间τ内,需要完成从当前速度Vcur减速到目标车速Vobj上。Ks表示前方弯道最大曲率。

在高速状态下,其曲率和自车速度关系一般是线性的,可以通过引入横摆率Ws得出如下关系:Ws=Ks*Vx,因此高速状态下直接用车身信息限速即可。

说明;如上的弯道限速逻辑中,一般情况下,对应的减速度ax、过弯速度Vx、弯道曲率Ks会被提前进行标定被写入相应的表格中。在实际限速过程中,只需要查表即可进行限速控制。但要注意其纵向加速度ax的上限受限于ACC性能指标中的ax上限值5m/s2。

其限速过程如下:

无大车智慧躲闪功能

一般情况下,标准化开发的智能驾驶二级对中功能无针对异形车辆,如大货车、大客车等设置相应的智慧躲闪功能,即当大货车或大客车等异形大车距离本车比较接近时,本车行驶轨迹仍旧参照原先设置的路径进行驾驶,而本车此时相对于旁车较大的横向距离是比较接近的,驾驶容易出现两种比较典型的结果:

①由于过近的横向距离也容易造成车身传感器对驾驶实际状态的误探测或驾驶趋势的误判断,此时会把旁车道车辆当做前方跟车目标进行减速跟随亦或者当成即将切入的潜在风险目标进行提前误制动。

②由于过近的横向距离可能对驾驶司机造成比较大的压迫感。此时司机较为常见的做法是进行适当减速行驶于旁车道大车后面,或者司机自己通过转动方向盘加速超越旁车;

以上两种情况均不是驾驶辅助希望看到的结果,第一种情况会降低驾驶员对系统的信心感,从而增加接管次数,第二种情况下的误制动则会降低整个驾驶功能的舒适性。

解决方案:

根据如上分析,针对跟线控制功能增加智慧躲闪就显得尤为必要,通用的方法是进行对中轨迹重规划,即当检测到旁车道存在的异型车时,需要提前在系统轨迹规划算法里面设置自车与相应异形车的对应横向距离偏移附加值Lateral Offset。此时叠加后的对中轨迹相对于原始轨迹并不处于车道中心线上,而是位于侧偏中心线。且由于旁车道车辆与本车的横向距离是一个浮动值,其综合预瞄轨迹线是做自适应调整的。

同时,由于旁车在横向偏移上存在一定的趋势变化性,这里我们以横向加速度来表示这种变化趋势,其结果可能导致附加的横向偏移值可能存在实时调整的可能性,即较大的正向横向加速度(以靠近本车的加速度为正)表示旁车有侵入的较大风险,此时需要增大横向偏移量,反之,如果存在较大的负向横向加速度,则表示旁车侵入本车道的风险值较低,此时可以适当减少横向偏移量或保持当前值不动。(如下图所示,表示了一种典型的横向偏移量与横向加速度之间的关系图)

源自:焉知智能汽车,文中观点仅供分享交流,不代表本公众号立场,如涉及版权等问题,请您告知,我们将及时处理。
(0)

相关推荐