本文敘述以模型為基礎的設計來進行無人自主停車技術開發，以聯結車為例說明，如何採用開發有效率的路徑規劃與控制演算法，並且在真正的卡車上進行驗證，而達成所設定的目標與主要的性能指標。

即使是身經百戰的駕駛，要停好一輛由卡車和拖車組合而成的聯結車，仍然是一件非常具有挑戰性的任務。引導拖車到達一個裝卸碼頭通常需要幾次的操控，而行駛在擠滿行人的狹窄城市的街道，駕駛面對的挑戰更是艱鉅（圖1）。

圖1 : 行駛在一個代表著裝卸碼頭情境的測試軌道上的卡車-拖車聯結車（上），以及城市環境（下）。

為了協助駕駛進行卡車-拖車聯結車的停車，Ford Otosan的團隊開發了一個無人自主停車系統的概念驗證原型。

此原型使用兩個路徑（trajectory）規劃演算法：

一、人工勢場（artificial potential field）演算法：這是與薩里大學（University of Surrey）進行EU TrustVehicle專案合作時的一部份開發項目。

二、RRT*演算法（此為快速搜索隨機樹，rapidly exploring random tree或RRT的變種）：此由Ford Otosan內部的團隊開發。利用Simulink來完成演算法的建模和模擬，隨後透過Simulink的產品家族產品進行硬體迴圈（hardware-in-the-loop）測試來進行驗證。接著，藉由在真正的卡車上進行測試，發現這個系統原型只需更少的操控就可以把車停好，而且只需花費資深駕駛者的一半時間。

建立卡車-拖車聯結車模型與路徑演算法

開發團隊已經有開發客車自動駕駛系統和機器人控制系統的經驗，但是從來沒有經手過像是卡車-拖車聯結車這種規模的車輛。除此之外，卡車與拖車是相連的，增加了控制設計的複雜度。

不過，因為使用以模型為基礎的設計（Model-Based Design），可以建立卡車的動態模型、將動態視覺化，並且在開發與調整路徑規劃和控制演算法時，將卡車動態納入考量（圖2）。

圖2 : 以卡車和拖車相連的聯結車動態圖示。

以3DOF自行車模型為基礎，建立一個簡單的車輛動態模型，用來表示縱向（longitudinal）、側向（lateral）及偏航（yaw）的運動，並使用實際量測的參數值來建構此模型，比如卡車輪胎的質量。

透過將控制設計切割為幾個單獨的Simulink元件，讓不同的團隊可以獨立作業。舉例來說，一個團隊負責處理路徑規劃元件（實現RTT*或人工勢場演算法）。另一個團隊處理路徑控制元件，他們計算行進的角度、煞車扭矩、產生期望的偏航率所需要的加速扭矩，以及由路徑規劃元件提供的減速和加速；該團隊一開始是將路徑控制元件作為單純的追蹤控制器來實現，不過在之後重新以模型預測控制器實現，以符合更高的速度要求。

此外，還有一個元件負責實現感知子系統的介面，它使用光達和雷達來定位車輛附近的障礙物和建築物。其他元件則實現了執行在Android?平板電腦上的監控app介面、卡車的CAN匯流排、以及軟體迴圈（software-in-the-loop；SIL）和硬體迴圈（hardware-in-the-loop；HIL）測試環境（圖3）。

圖3 : HMI應用之UDP介面的Simulink模型。

SIL、HIL及實車測試

在Simulink執行初步的驗證模擬之後，在SIL和HIL環境執行更大規模的測試。先使用Simulink Coder（Simulink-C轉碼器）從路徑規劃與路徑控制模型產生程式碼，並且執行包含了模擬的感測器輸入值、一個卡車與拖車動態模型，以及一個環境模型的SIL測試。

在HIL測試，將路徑規劃與控制演算法部署到dSPACE目標硬體上，這些測試能夠在實際於卡車上進行測試之前，先驗證如透過CAN和UDP的即時通訊等設計即時表現。

實車測試是在土耳其埃斯基謝希爾（Eskisehir）的Ford Otosan Inonu測試軌道進行。將執行從Simulink產生程式碼的dSPACE系統安裝在卡車上（圖4）。在最初的幾次測試，可發現卡車的物理模型當中，出現特定參數不正確的數值，包含轉向剛性。

圖4 : 裝載於車輛上的系統測試設置。

當把這些數值以更加精確的量測值替換，並重新調整控制器，模擬和量測的結果變得非常接近，系統的整體表現帶來極大的改善（圖5）。

圖5 : 定位、偏航率和側向加速的模擬和量測結果比較。

實際上，在原本猜測需要至少兩到三次操控的情況，卡車僅以單一次的操控就自行停好了；雖然模擬結果顯示這樣的可能性，不過相比於那些具有15到20年經驗的資深駕駛者，演算法能夠更有效率地操控卡車。

整合計畫

透過開發有效率的路徑規劃與控制演算法，並且在真正的卡車上進行驗證，而達成了專案所有的目標與主要的性能指標。現在讓內部的專家將無人自主駕駛模式的聯結車停好。

在Ford Otosan還有其他幾項利用這項停車功能的新計畫正在進行，包含設備管理的專案，以及專攻於卡車遠距控制的項目；未來自主停車系統將整合至這些大型的生產系統。

（本文由鈦思科技提供；作者Eren Aydemir、Ersun Sozen任職於Ford Otosan公司）