PDF資料有 - 大阪産業大学工学部自動車性能・特性研究室

目標軌跡生成技術の開発
隊列走行衝突防止用目標操舵および目標速度生成アルゴリズム開発
本研究では，自動・隊列走行車両のステ
アリング制御に着目し，障害物回避や車両
追い越し，レーンチェンジ時において制御目
標となる目標走行軌跡やフィードフォワード
舵角，ほか車両状態量等のリアルタイム生
成アルゴリズムの開発を行った．
各センサで認識された走行環境情報から，
本アルゴリズムで制御目標を生成し，その
情報が操舵制御システムへ伝達される．
Multi preview point
2nd order driver model
Lane Keep
flag
y
RL
RR = RC
Risk Level
y
Risk Level
RL
RR
RC
−
Risk level
from lane marking
Risk Level
1
(D− yp )
τL
R=
CC ⋅ e
C
−
1
τC
Risk level
from right sidewall
( yp )
R=
CR ⋅ e
R
−
1
τR
(D+ yp )
y
0
D
D
y
0
側壁
−
Risk Level
xvf
τ vfx
X
(xvf0,yvf0)
Rvy = CVy e
Lane keeping
mode
Risk level
from left sidewall
R=
CL ⋅ e
L
Sigmoid
function
Lane change
flag
y
Rvfx = CVf e
Risk Level
Risk level from lane marking
RR
Risk Level
RC
Risk Level
Steering control system
Vehicle dynamics model
Lane keeping
mode
RL
Rvrx = CVr e
D
−
Risk Level
yv
τ vx
Risk Level
(xvr0,yvr0)
図2.1 側壁，車線区分における危険感モデル
−
X
xvr
τ vrx
Y
図2.2 障害物（車両）からの危険感モデル
2nd- order preview point
RL max
Y Minimum line of risk level
RR max
Risk level
y p11
y p6
weighting
function
y p1
σ
ε
w( x )
y
x
xp
ε ave =
Y [m]
11
1
∑ w( xi )ε i
11 i =1
V2 = 0km/h
Experimental data
0.5
Simulation
0
-0.5
Control Target
-1
0
2
4
6
8
10
12
14
16
Time [dec]
2
Lateral position [m]
Steering wheel angle [rad]
Lateral position [m]
V2=o km/h
V2=40km/h
V1= 70km/h
1
Control Target
Simulation
1
0
-1
-2
Experimental data
0
2
4
∫K
s
⋅ ε ave ⋅dt
X
6
8
10
12
14
16
D
V2 = 40km/h
Simulation
Experimental data
0.5
0
-0.5
-1
0
Control Target
8
4
12
16
Time [dec]
2
Control Target
Simulation
1
0
-1
-2
-3
Experimental data
0
4
8
12
16
Time [sec]
0.1
Yaw angle [rad]
Yaw angle [rad]
V1=70 km/h
V1=80km/h
0
Yp
=
ε ( RR max − RL max )
V1 = 80km/h
1
Time [sec]
0.08
0.06
0.04
0.02
0
-0.02
-0.04
-0.06
-0.08
0
Ymin
Minimum-risk Preview point
図2.4 前方注視多点ドライバモデルと大型車両運動力学モデル
図2.3 危険感ポテンシャルマップの生成
2. 研究成果
δ=
Steering wheel angle [rad]
X [m]
① 右図は熟練ドライバの手動走行実験
データと本アルゴリズムによる制御
目標との比較検証結果を示します，
熟練ドライバの運転行動を精度よく
再現可能である事を確認した．
② さらに．本アルゴリズムによる制御目
標を多自由度のシミュレーション車両
運動モデルに簡易的なフィードバック
制御則（PID制御）を適用した結果，
精度よく追従可能であり，提案したア
ルゴリズムの妥当性を確認した．
Vehicle states
Yaw angle
Yawing velocity
3. ドライバモデルによる操舵と
車両運動力学モ
Environmental information
デルの計算
Risk potential
以上の処理を操舵システムの制御周期
20msec以内で行うことを実現した．
Steering angle for
feedforward control
Risk potential map
③ 大型車運動力学モデル
ドライバモデルによって決定した操舵角を入力と
して大型車両の運動力学モデルを計算し，目標軌
跡，フィードフォワード舵角等車両状態量を制御目
標として算出する．（図2,4）
Vehicle trajectory
危険感ポテンシャルマップ上をドライバモデルと車両
運動力学モデルを用いて（運動方程式を解く）車両状
態量変化を算出．
0
危険感ポテンシャルマップの最小点をトレースす
るようにドライバモデルが操舵角を決定する．（図
2,4）
• 左右側壁、車線
• 車線区分
• 他車両、障害物など
上記の対象物から受ける危
険感を関数化しマップ生成.
Vehicle position
Vehicle states
提案したアルゴリズムは以下によって
構成されている．
① 危険感ポテンシャルマップ生成
② 前方多点注視ドライバモデル
4. 制御目標を操舵制御
システムへ出力
2. リスクポテンシャルマップの構築
Environmental
information.
2. 制御目標生成アルゴリズム
側壁，車線区分（図2.1），障害物から受ける危険
感覚（図2.2）を指指数関数により近似し，マップを生
成する（図2.3）．
Control target calculation
１．入力
車両周辺環境認識
車両状態量フィードバック
Lane change section
1．研究目的
（プロジェクトにおける位置づけ）
Control Target
Simulation
Experimental data
2
4
6
8
Time [sec]
10
12
14
16
Control Target
Simulation
0.05
0
-0.05
-0.1
Experimental data
0
4
8
12
16
Time [sec]
3. 本研究の今後の展開
本件，開発したアリゴリズムについて，車両専用道路のみではなく，あらゆる混在交通下を想定したアルゴ
リズムへの発展や意思決定等の高次の判断処理との融合をし，車両の自律性を高めるよう開発を続けていく．
自動車性能・特性研究室
大阪産業大学

Download Report