基于Simulink的智能网联汽车目标分类和预警研究.pdf

20 2023年第05期智能网联汽车INTELLIGENT AND CONNECTED VEHICLE近年来，随着经济的快速发展，私人汽车保有量日趋增长，汽车在日常生活中扮演着越来越重要的角色。与此同时，汽车带来的交通安全、交通拥堵等问题已成为社会关注的焦点。为了解决这些问题，车联网成为智能汽车发展的重要趋势，它作为新的研究热点，正在被国内外的众多科研机构和车厂所关注。网联汽车可以实现车与车、车与道路间的协同，能够大幅度地减少交通拥堵及交通事故。车联网是一种特殊移动自组织网络，基于车辆网联化的碰撞预警系统主要依赖于本车和远车的车身数据，包括经纬度、速度、行驶方向（heading）及加速度等。与传统基于视觉的碰撞预警技术相比较，它不受光线和障碍物遮挡等因素的影响，也不受气候条件和道路环境的制约，对于硬件的存储和处理能力也没有过高的要求，此外还可以实时获取车辆运动的重要参数信息。这些优势将促进网联汽车碰撞预警系统在实际应用中的推广。研究背景目前，智能网联汽车碰撞预警场景主要包括前向碰撞预警、交叉路口碰撞预警、紧急制动预警、逆向超车碰撞预警以及车辆失控预警等，每一种应用场景都对应一种预警算法。每种场景预警产生前都要对周边车辆做出目标分类，以判断其相对于本车的位置关系。为了验证上述算法的有效性，需要在实际车辆中部署安装设备，每辆车配备驾驶员及相关测试人员（至少两名），并在多个路段进行大量的测试，这无疑会带来巨大的人力、物力资源消耗。如果对算法进行了调整和优化，则需要再次实车测试进行算法验证。多次繁琐的测试任务大大降低了产品开发的效率，同时也增加了测试成本，因此，亟需开发一种可以替代/减少实车测试进行算法验证的仿真系统。国内外面向智能网联汽车搭建仿真平台已取得了一定的进展。比如，霍梅梅等对车辆自组织网络进行了仿真研究，提出了影响仿真性能的要素，包括障碍物、道路拓扑等；顾海燕对车联网环境下的车辆跟驰模型进行了仿真研究，提出了混合交通流双向控制通用框架等。在上述作者的文献中，尽管建立的车联网仿真平台针对时延、定位、道路拓扑及路由等指标进行了分析，然而，缺少对车辆位置关系及预警应用相关的仿真。本研究在此背景的基础上，面向车联网中的车辆目标分类和碰撞预警应用（以交叉路口碰撞预警场景为例），提出了一种基于 Matlab/Simulink 的预警算法仿真系统。该系统使用模块化方式进行建模，通过构建数据输入模块，可以方便地导入本车和远车的车身数据，包括经纬度、速度等；将车辆目标分类算法（Target Classification,TC）和交叉路口碰撞预警算法（Intersection Collision Warning,ICW）以.m 文件形式各自封装在自定义的 S-Function 模块中，基于 Simulink 的智能网联汽车目标分类和预警研究在智能网联汽车的应用中，车辆目标分类和碰撞预警功能最为常见。为了提高产品开发的效率，减少测试成本，本文提出一种基于 Simulink 仿真系统，采用模块化方式进行建模，可以灵活地扩展到各种典型应用场景。安徽江淮汽车集团股份有限公司 朱陈伟20-30能网联汽车(1).indd 202023/9/12 14:56:34212023年第05期以构建 TC 分类模块和 ICW 预警模块。如果对算法进行调整，仅需要修改.m 文件并进行替换。通过设计不同应用场景的预警算法（如前向碰撞预警算法、车辆失控预警算法等），该系统还可以灵活地扩展到其他预警应用，因此，本研究提出的基于 Simulink 的车辆目标分类和碰撞预警仿真系统，可以实现针对各类应用场景的算法离线仿真分析，结合仿真结果，可以方便地对算法进行调整，以及进一步测试验证。基于 Simulink 的仿真系统架构1.仿真系统整体架构本 研 究 提 出 了 一 种 基 于Simulink 的交叉路口碰撞预警仿真系统，它的整体架构如图 1所示。整个系统包含数据输入模块、Mux 多路复用模块、数据显示模块、TC 分类模块、ICW预警算法模块以及 Scope 示波器模块。2.仿真系统模块功能在 图 1 所 示 的 仿 真 系 统中，数 据 输 入 模 块 和 Mux 多路 复 用 模 块 如 图 2 所 示。其中，左侧的两个数据输入模块可以从 Matlab/Simulink Library Browser 中 通 过 搜 索 From Workspace 获得。双 击 数 据 输 入 模 块，弹出的窗口如图 3 所示。其中，在“Parameters”中，“Data”一 栏 对 应 要 导 入 的 Matlab workplace 工作区中的文件数据，Sample time 一栏可以设置采样时间。本系统的输入数据为本车和远车数据，它们是以.mat 文件的形式进行导入的（在本例中它们分别为 vehicle1_data.mat 和 vehicle2_data.mat）。每个 mat 文件中的数据都是以 NM 矩阵形式存在，M 列（M=5）分别对应时间戳、纬度、经度、车辆行驶方向和速度信息，这些数据可以从车载 V2X设备或车辆仿真工具获取。需要说明的是，本系统设计的数据输入模块具有良好的可扩展性，根据不同预警系统的需求，通过增加列数，可以进一步加入其他数据，例如转向盘转角、加速度等。这些数据可以通过显示模块和 Scope 示波器模块进行查看。图 2 中的右侧部分是 Mux多路复用模块，它的功能是将两车多个输入信号合并为整体向量，并作为输入提供给 TC 分类模块。在获得车辆目标分类结果后，将再一次使用 Mux 模块，将两车数据及 TC 分类结果合并成向量，并作为输入提供给 ICW 预警模块。TC 分 类 模 块 可 以 从Simulink Library Browser 中搜索 S-Function 获得。双击该模块，可以进行 S-Function 模块参数设置。在“Arguments”中，S-function name 对应函数名，本研究对应 TC.m 文件。TC 分类算法在标准 sfuntmpl 函数中添加，并命名保存为 TC.m。该算法通过使用两车的输入数据进行车辆目标分类，输出数据为 1 17，它们分别代表 17种车辆目标分类情况，比如同图 1 仿真系统整体架构图 2 数据输入和多路复用模块20-30能网联汽车(1).indd 212023/9/12 14:56:3422 2023年第05期智能网联汽车INTELLIGENT AND CONNECTED VEHICLE向前方左远邻分类、同向前方左邻分类及同向正前方分类等，可通过 Scope 示波器模块查看分类结果。同样地，ICW 预警模块可以从 Simulink Library Browser中搜索 S-Function 获得，如图4 所示。ICW 预警算法在标准sfuntmpl 函数中添加，并命名保存为 ICW.m，它的输入为两车车辆数据及 TC 分类结果，当且仅当 TC 分类结果为 16 和 17时，执行 ICW 预警程序；它的输 出 为 1 和 0，其 中，1 代 表ICW 预警，0 代表无预警，可通过 Scope 示波器模块查看预警结果。车辆目标分类及 ICW预警算法1.车辆目标分类算法在车辆目标分类算法中，建立坐标系，以向北的经线方向为Y 轴正方向，向东的纬线方向为X轴正方向，坐标系定义为XOY，车辆行驶方位角代表车头方向与正北方向的夹角，即与 Y 轴的夹角，规定方位角范围为，并以顺时针方向为正，逆时针方向为负。首先，可以根据两车行驶方位角的差值来判断两车为同向、反向还是交叉行驶，例如，两车同向行驶，其方位角差值近似为零，而两车反向行驶，则其方位角差值在 180 左右；进而，可以根据本车行驶方位角，以及本车指向远车与正北方向的夹角，计算两者之间的差值来判断远车在本车的前方还是后方，示意图如图 5a 所示，在图 5a 中，当远车在前方时，其角度差值的绝对值为锐角，而当远车在后方时，则其角度差值的绝对值为钝角；进一步，可以根据上述差值的正负来判断远车在本车的左侧还是右侧，示意图如图 5b 所示，在图 5b 中，当远车在左侧时，其角度差值为正值，而当远车在右侧时，则其角度差值为负值；最后，可以计算两车之间的横向距离，并通过与车道宽度进行比较，来判断本车和远车在同车道、邻车道还是远邻车道。上述所涉及的参数阈值可根据实际情况进行设置，例如，可将车道宽度设置为 3.5 m。2.交叉路口碰撞预警算法在本研究中，交叉路口碰撞预警算法流程如下。如图 6图 3 数据输入模块参数设置图 4 交叉路口碰撞预警模块图 5 车辆目标分类示意图a）b）YYXOOX20-30能网联汽车(1).indd 222023/9/12 14:56:34232023年第05期所示，H 代表本车，N 代表远车，在 该 算 法 中，建 立 坐 标系，以向北的经线方向为Y轴正方向，向东的纬线方向为X轴正方向，坐标系定义为XOY，H 车 辆 和 N 车 辆 分 别 含 有 经度、纬度、行驶方位角和速度信息。其中方位角代表车头方向与正北方向的夹角，即与Y轴的夹角，规定方位角范围为（180,180），并以顺时针方向为正，逆时针方向为负。设 本 车 的 经 纬 度 为（X0，Y0），远 车 的 经 纬 度 为（X1，Y1），本车的行驶方位角为 H0，远车的行驶方位角为 H1，两车间的距离为d，本车到达交叉路口的距离为 d1，远车到达交叉路口的距离为 d2，本车到达交叉路口的时间为 t1，远车到达交叉路口的时间为 t2，两车到达交叉路口的时间差为 TTC，本车的速度为V0，远车的速度为 V1，则 H 指向 N 车的直线与正北方向的夹角 为（本例中角度为负）：进而，可求得 H 车行驶方向与两车连线（HN）的夹角1：进而，可求得 N 车行驶方向与两车连线（HN）的夹角2：设地球半径为 R，则可根据如下公式计算出两车之间的距离 d，计算两车行驶方向交叉角3，并根据正弦定理求得本车和远车到达路口的距离；再分别计算出 H 和 N 车辆到达路口的时间。最后两车在交叉口的碰撞时间 TTC 可以用以下公式 表示：当 t1、t2、TC 的值分别小于设定阈值时（阈值可设置，本研究设为 t16，t26，TTC3）进 行 ICW 预 警。预 警 的 结 果可以通过 Scope 示波器模块进行查看，如图 7 所示。当 ICW模块的输出为 1 时，车辆产生ICW 预警，当 ICW 模块的输出为 0 时，预警取消。交叉路口碰撞预警算法的流程图如图 8 所示。首先，根据上文中的方法判断两车是否为交叉行驶；若是，执行上文中提到的方法，直至分别计算出两车到达路口的时间及两者之间的差值，并通过与设定阈值的比较，以进一步判断是否产生 ICW 预警；若否，则不产生ICW 预警。将交叉路口碰撞预警算法写入 ICW.m 文件，结合其他模块，便可以对 ICW 算法的有效性进行分析和验证；如果将其他应用场景预警算法（如前向碰撞预警算法）写在.m 文件中（如命名为 FCW.m）并导入该模块，则该系统可扩展为前向碰撞预警仿真系统。仿真测试为了测试验证交叉路口碰撞预警算法的有效性，设定本（1）（2）图 6 交叉路口碰撞示意图（3）（4）（5）图 7 交叉路口碰撞预警仿真结果YH1Hod1dV1Vo123V1yd2NHOX20-30能网联汽车(1).indd 232023/9/12 14:56:3424 2023年第05期智能网联汽车INTELLIGENT AND CONNECTED VEHICLE车与远车交叉行驶，分类为左交叉分类（即设定 TC 模块输出为 16），本车匀速前行，车速为 15 m/s，距 离 路 口 180 m，远车匀速行驶，车速为 10 m/s，距 离 路 口 100 m，仿 真 运 行10 s，仿 真 结 果 如 图 9 所 示。从图中可以看到，在第 6 s 时，产生 ICW 预警，这是因为此时本车到达路口时间为 6 s，远车到达路口时间为 4 s，TTC 为2 s，开始满足预警条件，从而产生 ICW 预警。结论本 研 究 提 出 了 一 种 基 于Simulink 的交叉路口碰撞预警仿真系统，首先阐述了预警系统的整体设计及组成，将其分为多个独立的模块，模块之间层次清晰，预警应用便于扩展。通过搭建数据输入模块，可以方便地导入实车采集/其他仿真工具生成的车辆数据；通过使用.m 文件搭建 TC 分类模块和ICW 预警模块，既可以灵活地调整并优化算法，又可以导入其他预警算法文件，扩展成其他应用场景预警仿真系统。本系统利用导入的车辆数据进行算法仿真分析，并通过Scope 模块查看结果，可以减少实车测试的次数，有效地降低测试成本，减少人力、物力资源消耗。此外，该系统也可为其他仿真工具提供接口（如Sumo、NS 等），以便进行基于车辆网联化的碰撞预警系统联合仿真开发。图 8 交叉路口碰撞预警算法流程图图 9 仿真结果20-30能网联汽车(1).indd 242023/9/12 14:56:35