針對基于單一傳感器換道預(yù)警模型準確性和可靠性不足，且換道過程中自車加速度的確定未考慮真實場景因素等問題，提出了基于多傳感器融合的換道預(yù)警模型，并在模型自車加速度的確定中充分考慮了自車車速、他車相對距離和相對速度等因素，優(yōu)化了原有的換道預(yù)警模型，并采用碰撞時間和安全換道距離為評價指標制定換道決策規(guī)則。仿真和實車實驗結(jié)果表明，基于多傳感器融合的換道預(yù)警模型預(yù)警更加靈敏高效，符合道路使用和駕駛員操作要求，驗證了多傳感器在環(huán)境感知中的優(yōu)勢，證明了換道預(yù)警模型的有效性。

背景概要：ADAS傳感器產(chǎn)業(yè)鏈發(fā)展優(yōu)勢顯現(xiàn)

ADAS傳感器產(chǎn)業(yè)鏈各環(huán)節(jié)涌現(xiàn)大批優(yōu)秀國內(nèi)廠家，競爭優(yōu)勢逐漸顯現(xiàn)。傳感器板塊，中國專利占比高達41%，居全球首位。



假設(shè)一：一個交叉路口配備1套RSU設(shè)備，2個高清攝像頭、2個毫米波雷達和2個激光雷達；二類城市間高速公路，及城市內(nèi)部快速路、繞城快速路，平均每隔1000m左右部署1套RSU路側(cè)設(shè)備， 2個高清攝像頭、2個毫米波雷達和2個激光雷達；三類高速公路收費站，每個高速公路收費站部署1套RSU路側(cè)設(shè)備，平均4個出入口，每個部署1個高清攝像頭、1個毫米波雷達和1個激光雷達；

假設(shè)二：激光雷達16線約2萬元，32線約為4萬元，一般配置于L4/L5級別自動駕駛車輛中；攝像頭單目500元，雙目1000元，一套系統(tǒng)平均2000元；毫米波雷達24GHZ為800元，77GHZ為3000元。當前RSU單價為1.1萬/臺，所有產(chǎn)品每年以5%價格下降。



2025年RSU市場規(guī)模為154.48億、攝像頭市場規(guī)模71.08億、毫米波雷達市場規(guī)模169.71億、激光雷達市場174.54億，合計569.81億元。傳感器市場發(fā)展迅速，對基于單一傳感器換道預(yù)警模型準確性和可靠性不足，且換道過程中自車加速度的確定未考慮真實場景因素等問題，基于多傳感器融合信息開發(fā)了換道預(yù)警模型，換道過程中自車加速度的確定考慮了自車速度、與他車相對距離和相對速度等因素的影響，有效地提升了換道預(yù)警的準確性和駕駛的舒適感。

具體配置步驟安排：

1  基于多傳感器融合的換道預(yù)警模型構(gòu)建邏輯

多傳感器的配置、融合并進行環(huán)境感知是換道預(yù)警模型構(gòu)建和決策機制的基礎(chǔ)，換道預(yù)警模型構(gòu)建邏輯如圖 １所示。



車道線檢測模塊獲取道路的曲率、距離和寬度等信息；車載 ＧＰＳ和慣性測量單元（ＩＭＵ）的融合精確得到自車的位置和運動信息；目標信息融合模塊借助長距和側(cè)向毫米波雷達、相機、激光雷達等手段感知換道駕駛環(huán)境的多維信息。

2  換道預(yù)警模型構(gòu)建的感知信息基礎(chǔ)

采用的駕駛實驗平臺集成了激光雷達、相機、長距毫米波雷達、側(cè)向毫米波雷達、差分ＧＰＳ和 ＩＭＵ。將多類傳感器集成到統(tǒng)一的駕駛實驗平臺中，完成不同傳感器的標定和融合，為車道線檢測、自車狀態(tài)和他車狀態(tài)獲取奠定了基礎(chǔ)。不同類型傳感器性能如表 １所示。



多傳感器的融合集中了各種傳感器的優(yōu)勢，提升了環(huán)境感知的精度和穩(wěn)定性，以此為基礎(chǔ)，本文中開發(fā)以下基礎(chǔ)模塊。

（１）車道線檢測。采用相機和基于模型的車道線檢測算法，包含車道線的提取、擬合、追蹤和去偽４個模塊，提升了車道線檢測的準確性。

（２）通過ＩＭＵ和差分 ＧＰＳ的融合，實現(xiàn)自車狀態(tài)信息的獲取，其中差分ＧＰＳ可實時進行車輛位置的高精度感知；ＩＭＵ可實時采集車輛行駛的加速度和航向角，并根據(jù)采集數(shù)據(jù)直接積分出局部軌跡。將差分 ＧＰＳ和 ＩＭＵ融合后進行綜合定位可以獲取融合的、實時的、精度高的車輛定位信息。
（３）他車狀態(tài)信息的獲取由長距與側(cè)向毫米波雷達和激光雷達等傳感器的融合和目標信息的融合完成。經(jīng)過目標信息融合，不同類型傳感器給出的目標信息不斷創(chuàng)建并更新航跡，通過ＲＯＳｃａｌｌｂａｃｋ的方式，不斷串行維護航跡，為換道預(yù)警的實時決策與控制提供參考。目標信息融合的流程如圖2所示。



3  基于多傳感器融合的換道預(yù)警模型構(gòu)建

３.１　換道場景分析




換道過程包含換道進行與跟車調(diào)整兩個階段。對整個換道場景運動行為做如下假設(shè)：

（１）周圍車輛在換道過程中按當前速度勻速行駛，自車換道考慮自車速度、自車與目標車的相對距離和相對速度等因素，并以此確定加速度完成換道，換道完成后勻速行駛；

（２）換道完成瞬間，周圍車輛開始進行跟車調(diào)整，即車速高于自車時進行制動減速，兩車相對靜止時，相對距離最小，稱為碰撞臨界時刻；

（３）碰撞臨界時刻車輛的相對距離應(yīng)大于心理安全距離。
根據(jù)以上假設(shè)，對周圍的３輛車分別進行碰撞分析。各車時間上的狀態(tài)變量如圖4所示。



３.２　換道距離模型

考慮到換道過程中影響自車加速的真實場景因素，構(gòu)建了自車加速度模型：



３.２.１　目標車道后車 Ｖ１

換道完成時刻，兩車的相對距離:



３.２.２　目標車道前車 Ｖ２

當換道完成時，兩車的相對距離:



３.３　換道決策邏輯

參考國際標準ＩＳＯ１７３８７—２００８中的 Ｃ型系統(tǒng)，在距離碰撞時間小于３.５ｓ時，系統(tǒng)一定要給出預(yù)警。對于側(cè)后方３０ｍ外的車輛，距離碰撞時間大于７.５ｓ時，不建議給預(yù)警。

而對于在自車周圍 ３ｍ內(nèi)的目標，需要給出盲區(qū)預(yù)警?；谂鲎矔r間為ＴＴＣ、兩車相對距離為 ｓ、兩車最小安全距離為定如下?lián)Q道預(yù)警規(guī)則：



4  仿真與實驗分析

在 Ｍａｔｌａｂ中仿真自車與目標車道后車、目標車道前車的安全距離，對比不同加速度和相對車速下的換道安全距離，驗證加速度、速度和換道安全距離的內(nèi)在關(guān)系，結(jié)果如圖 ５所示。



當目標車在自車側(cè)后方，自車速度越大，與目標車的相對速度越大，因此減速換道需要的換道安全距離最大。自車速度大于后車速度時，只需兩車相對距離大于 ｓ０；當自車車速小于后車車速時，相對速度與換道所需的最小安全距離正相關(guān)。減速換道時，與后車的碰撞風險增加，換道安全距離增大。

當目標車在自車側(cè)前方時，自車速度越大，與目標車的相對速度越大，因此加速換道需要的換道安全距離最大。當自車車速小于前車時，相對速度絕對值越大，碰撞風險越??；當自車車速大于前車時，相對速度越大，碰撞風險越大，換道安全距離相應(yīng)越大。

４.２　實車實驗

４.２.１　實車實驗場景

在不同車速、初始距離和相對車道位置場景下進行４種側(cè)后方目標車高速超自車和 ４種自車超側(cè)前方目標車共８種場景工況測試。測試場景如表２所示。



４.２.２　實驗結(jié)果展示

當右后方車輛高速接近，與前車間距小于系統(tǒng)設(shè)置的最小換道安全距離，會對向右換道造成威脅，系統(tǒng)給出預(yù)警；當與右前方車輛距離較近，自車向右換道后存在追尾風險，車輛間距小于系統(tǒng)設(shè)定的最小換道安全距離，系統(tǒng)也會給出預(yù)警。

不同場景下的預(yù)警如圖 ６所示。預(yù)警界面中方框表示車道，左側(cè)方框中的方塊表示自車，右側(cè)方框中的圓點表示目標車，若有預(yù)警產(chǎn)生，則對應(yīng)的車道矩形框會發(fā)生顏色變化，由于傳感器故障原因，本文中只有 １４組實驗有效，且全部給出正確預(yù)警。



不同實驗中系統(tǒng)初次預(yù)警時兩車的縱向距離和換道安全距離如圖 ７所示，系統(tǒng)均能在實際相對距離小于換道安全距離時給出預(yù)警。



初次預(yù)警時刻的 ＴＴＣ和換道安全距離對應(yīng)的ＴＴＣ如圖 ８所示。實際測試中預(yù)警 ＴＴＣ比模型設(shè)計值略小，偏差均值為０.２４ｓ，這是由系統(tǒng)的離散性導(dǎo)致的。ＩＳＯ１７３８７—２００８標準中要求換道預(yù)警系統(tǒng)的延遲不大于０.３ｓ，本文中設(shè)計的系統(tǒng)符合標準要求。



４.２.３　實驗結(jié)果對比分析

考慮到換道過程中的真實場景因素，本文中優(yōu)化了換道預(yù)警模型，并與勻速、勻加速換道模型在不同場景下進行多組實驗對比，結(jié)果如圖９和圖１０所示。選取不同場景中典型實驗對比了３種模型下實際縱向距離與預(yù)警距離的變化趨勢，結(jié)果如圖１１所示。

在側(cè)后方目標車高速超自車場景中，圖 ９顯示相同測試條件下本模型 ＴＴＣ和安全換道距離總體比勻速換道模型小，比勻加速換道模型大。




在加速換道模型中，兩組實驗預(yù)警時刻ＴＴＣ小于 ＩＳＯ標準中的最小值３.５ｓ，換道行為更為激進，換道碰撞風險高，換道模型安全性不足；

勻速換道模型相對保守，換道安全距離和預(yù)警時間較大，會造成換道預(yù)警的安全性和準確性不足。因此，本文優(yōu)化的換道模型更合理，同時兼顧了安全性和準確性。

在自車超側(cè)前方目標車場景中，圖１０顯示本模型比勻速模型和勻加速模型的ＴＴＣ和預(yù)警距離小，且 ３個模型都滿足了標準要求。

當自車加速或勻速換道時，自車速度越大，與目標車的速度絕對值越大，ＴＴＣ和預(yù)警距離越大，因此加速換道的 ＴＴＣ和預(yù)警距離最大。本文優(yōu)化后模型的 ＴＴＣ和預(yù)警距離最小，表明該模型預(yù)警出現(xiàn)更晚，能夠有效防止虛報警和誤報警，提升報警的準確性。

在側(cè)后方目標車超自車和自車超側(cè)前方目標車場景下的典型實驗中，圖 １１顯示實際縱向距離和預(yù)警距離曲線相交時會給出預(yù)警，且采樣幀數(shù)代表預(yù)警時間，幀數(shù)越大，報警越晚。圖中顯示的報警距離和ＴＴＣ與圖 ９和圖 １０結(jié)果一致，驗證了優(yōu)化后模型在報警安全性和準確性方面的優(yōu)勢。

5  結(jié)論

基于多傳感器融合可獲取更全面準確的車道線信息、自車狀態(tài)信息和他車狀態(tài)信息，并以此為基礎(chǔ)在換道過程中設(shè)計自車加速度時考慮了自車速度、自車和目標車相對距離及相對速度因素，完善了換道預(yù)警模型并提出基于換道安全距離和 ＴＴＣ的換道決策規(guī)則。通過仿真和實車實驗驗證了模型的有效性。

相對于自車勻速換道、勻加速換道模型，本文優(yōu)化后的模型安全距離和 ＴＴＣ更加高效靈敏，滿足道路高效使用和駕駛員的實際操作需求。該模型重點進行了實車實驗，不同場景下的實車實驗均給出了合理的預(yù)警，體現(xiàn)了多傳感器融合和優(yōu)化后模型的優(yōu)勢。今后模型優(yōu)化還需要進一步考慮他車與自車動態(tài)信息的相互影響。