透過基於學習的自適應控制方法進行智慧型速度控制系統開發與測試 Development and Testing of Intelligent Speed Control Systems via Learning-based Adaptive Control Approach
Bobson Wu吳啓禾, 國立臺北科技大學
近年來全球車廠皆致力於發展兼具安全性和方便性之車款，各車廠的新型車輛都持續導入更完整的先進駕駛輔助系統(ADAS)，然而ADAS目前技術發展中仍面臨多重挑戰，包括感測器融合與可靠性問題、AI模型的訓練數據需求與可解釋性、多樣化駕駛場景的處理、法規標準的統一、駕駛員與系統的互動等。有鑒於此，本文針對ADAS中的速度輔助系統(SAS)進行研究，開發一套智慧型速度控制解決方案，其中包含自動緊急剎車、自適應巡航控制、以及能夠針對鄰近車道車輛變換車道時的情況進行車速調控。在速度輔助控制策略以人類駕駛行為為基礎進行訓練，結合自適應模糊邏輯系統來進行控制，根據當前的駕駛情境選擇適當的控制模式，當偵測到潛在的碰撞風險時，會觸發自動緊急煞車系統。進而，該系統利用前車的相對縱向距離與相對縱向車速等資訊，將這些數據回饋給自適應模糊推理系統(ANFIS)，此系統能有效減緩因鄰近車道車輛危險的切入行為所引發的減速反應，並針對與此目標車輛的相對距離及相對車速進行調整，確保本車在不同車速下能夠保持安全且舒適的車輛跟隨功能，達到更佳的駕駛輔助效果。整個智慧型速度系統的開發過程中，在MATLAB® / Simulink®的軟硬體架構下完成一整套的開發流程，徹底發揮MATLAB功能強大的Toolbox來輔助設計，以及善用Simulink圖形化語言的優點。經過軟體模擬與高架橋等工況進行實車測試，實驗結果顯示本文所發展智慧型速度控制策略，包括自動緊急煞車、自適應巡航控制、及自適應模糊推理系統控制，除了確保能夠在緊急狀況下煞停，並能顯著改善由前車緊急切入所引發的減速過大反應，並有效避免潛在的碰撞事故。