自駕車超車控制及避障策略開發

摘要：由於對車輛安全的重視程度持續增加與先進駕駛輔助系統（advanced driving assistance system, ADAS）技術漸趨成熟，自動駕駛車在近年來成為熱門研究領域，各家車廠相繼投入，試圖以各自方式解決交通安全議題。為了要能應用在一般道路上，自動駕駛車除了要能從指定的起點（依指定路線）開到目標終點外，更要解決過程中可能會遇到的一系列交通問題（舉凡交通號誌辨識、行人/障礙物辨識、超車控制與避障等）。本文針對超車控制與避障議題，以工研院機械所智慧車輛組開發之智慧四輪電動車（CPEV）為對象，利用MATLAB/Simulink建立控制策略模型，搭配以CarSim軟體建立之車輛動態模型進行模型迴路模擬（MIL）驗證與策略參數調整，開發適當、安全的超車避障策略，避免超車過程中發生危險。

Abstract：Since vehicle safety is increasingly emphasized and Advanced Driving Assistance Systems (ADAS) technology is getting more and more matured, self-driving of vehicles has become a hot research field in recent years. Many automobile manufacturers take part in this trend and try to solve road safety issues on their own ways. To bring the autonomous vehicles to the real road application, the vehicles needs not only the ability to drive from the designated starting point to the target end (according to the designated route) but also the ability to solve a series of traffic problems that it may encounter on route, such as traffic light recognition, pedestrian and obstacle identification, overtaking and obstacle avoidance. In this article, a control strategy model and a vehicle dynamic model for the intelligent electric vehicle (called CPEV) developed by ITRI are established on MATLAB / Simulink and CarSim. Through Model-In-the-Loop (MIL) simulation and parameter tuning, an overtaking and obstacle avoidance strategy which can help vehicles safely avoid danger in the process of overtaking has been developed. 

關鍵詞：超車控制、避障、自駕車

Keywords：Overtaking Control, Obstacle Avoidance, Autonomous Vehicles

前言
先進駕駛輔助系統（ADAS），是指利用安裝在車上的各式感測器，收集車身周遭的環境資訊，經過辨識、偵測等技術整合、處理，從而幫助駕駛及時迴避危險。ADAS系統提供的功能包括主動巡航控制（adaptive cruise control, ACC）、車道偏離預警（lane departure warning, LDW）、車道保持輔助（lane-keeping assist, LKA）和前方碰撞警示（forward collision warning, FCW）等，具有自動轉向和制動干預的功能，預防事故發生於未然。根據美國國家公路交通安全管理局（National Highway Traffic Safety Administration, NHTSA）定義車輛自動駕駛程度的5個層級[1]，如圖1所示，目前車廠所開發的單一功能ADAS已達level 1，部份整合多個技術以應對都市交通的複合系統則達到level 2的程度；正在開發中，整合多個level1 2系統於特定場域接管駕駛操控，進行自主駕駛的技術則屬於level 3，由此才算真正進入自動駕駛的階段。

包括BMW、GM、Mercedes-Benz、Volvo與Tesla等多個車廠與Uber、Google等非車廠企業皆有投入自動駕駛車輛的研發，根據選擇的感測、辨識、運算、控制方案，與不同系統零件商合作（如圖2所示），以各自的方式朝自動駕駛的方向邁進。目前業界普遍使用的感測器包含超聲波雷達、毫米波雷達、影像感測器 （charge-coupled device/complementary metal oxide-semiconductor, CCD/CMOS）、光達（LIDAR）、全球定位系統（global - positioning system, GPS）、慣性測量單元（inertial measurement unit, IMU）等，不同感測器適用於目標情境/功能不同的各系統（如圖3所示）。即便是同樣的目標情境/功能，各機構/車廠亦可能在成本/效用等不同考量下，選用不同的感測器組合去達成，例如：FCW可用雷達、LIDAR、影像感測器或任意組合進行辨識。藉著整合各種感測器互補缺點，增加感測有效涵蓋範圍，有機會進一步實現更加複雜的自動駕駛功能。

圖片來源：NHTSA、Ministry of Transport整理, 2016
圖1 Levels of driving automation [NHTSA] [2]