ADAS高级辅助驾驶之：TJA交通拥堵辅助

（第366期）

汽车主机厂ADAS研发人员

前面有篇文章讲到过HWA高速公路辅助，使用场景主要是针对高速。而我们今天要说的TJA呢，主要是针对低速。二者的分属于高/低速的L2级自动驾驶范畴。

表：L2级自动驾驶代表功能

一、TJA交通拥堵辅助功能= ACC（速度在60km/h以下）+LKA（横向控制）

适用车况：TJA的工作速度区间是0-60km/h。

TJA和ICA在大部分工况下可认为是“ACC + LKA”的功能组合，仅在60 km/h以下速度区间存在一定差别。

1) TJA的功能

TJA的工作速度区间为（0~60）km/h，在此速度范围内可为驾驶员提供车辆的纵向和横向辅助。TJA的纵向辅助由ACC系统实现，用于将自身车辆维持在固定的车速或者与前方道路使用者的固定时距行驶。

TJA不允许驾驶员长时间脱手驾驶，在驾驶员接管的环境下（例如转弯、路口、并道、前方车辆切入等），驾驶员需全权负责车辆的驾驶。

这个时候，纵向的辅助控制同样由ACC功能实现；

具体表现是当前车行驶的时候，本车就可以跟走，前车停的时候，本车就能随之停下来，在3S内，前车起步，本车也能自动启动跟车，如果停车时间超过了3s，司机只需要轻踩下油门踏板，车就会起步了。但在过急弯道、路口、并道或者前方有车辆变道切入，司机需要负责接管车辆。

TJA的横向辅助策略为：如果车道线存在，车辆会被维持在车道之内行驶，否则车辆会跟随前方车辆的横向移动行驶。横向的控制由TJA车道保持辅助功能来实现（LKS可以理解成控制方向盘转向）。如果车道线存在并且被成功识别，则保持在当前车道线内行驶，或者跟随前方车辆的横向轨迹移动。

TJA交通拥堵辅助主要是为了适用在城市工况下，环境非常复杂，功能实现的难度也更大。但实际我们在低速的城市工况中，太多太多复杂的状况，比如突然横插进来的车辆、骑自行车的摩托车或者自行车，又或者前面道路损耗有大坑、前面车道上有石块、垃圾、动物尸体等等静止的障碍物。

当然，有厂家的车型可能会增加一些识别方案，对汽车、行人之外的静止物体进行探测识别，这样的技术难度和复杂度大大提高，最重要的是成本会增加。

所以，应用较多也比较早的 ACC多是针对高速巡航下，因为工况相对简单，用起来体验也会相对好一点（在一些智能驾驶辅助系统低于L2的车辆上，大家一般不愿意在低速下使用，就是这个道理）。而低速区间的城市工况太复杂，TJA交通拥堵辅助系统实现难度更大。因此，可以理解成带TJA的智能辅助驾驶等级是高于L2级的。

2) ICA的功能（仅作补充参考使用，只想理解TJA可以忽略此段）

ICA的工作速度区间为60km/h以上，在此速度范围内为驾驶员提供车辆的纵向和横向辅助。ICA的纵向辅助同样由ACC系统实现，可将自身车辆维持在固定的车速或者与前方道路使用者的固定时距行驶。ICA的横向辅助策略与TJA不同，ICA始终将车辆维持在车道中心附近行驶，不具备无车道线时的跟车功能。

ICA同样不允许驾驶员长时间脱手驾驶，在驾驶员接管的环境下（例如转弯、路口、并道、前方车辆切入等），驾驶员需全权负责车辆的驾驶。

二、 TJA和ICA的控制原理

TJA和ICA采用了“前视摄像头FCM + 前毫米波雷达FRM”的1R1V传感器数据融合方案，其控制系统架构见下图。

总体来说，TJA的轨迹预测过程包括对于静态环境估计（如车道模型），环境过程估计（一般指车道环境中行驶的车辆），此外，还包括附加传感器（诸如导航信息、环视摄像头信息等）对TJA估计过程的优化。

静态环境估计

静态环境估计一般指对于行驶车道模型估计，车道模型的一般估计方法是采用抛物线形式进行，而以自车坐标为原点建立的车道抛物线模型表示为

该抛物线只有两个参数，其求解过程是通过在实际估计过程中对道路模型中的两个实际障碍点的探测，其结果便可带入到抛物线中进行二参数方程求解。同时通过不断更新的实际点带入方程求解后获得不同的方程参数解，对方程解的评价过程是利用直方图描述其求解质量的，若实际探测到的前方目标位置与预测轨迹曲线差值不具有一致性，那么相应的直方图分布就比较零散，不具有集中分布的特性。直方图具有收敛一致性时，说明求解的抛物线方程是有效的。

如下图表示采用了静态环境估计模型利用不同探测点对于车道曲线模型进行估计的结果。可以看出，其中红色的估计曲线模型具有最好的质量权重，其轨迹结果最符合预期。

动态过程估计

动态过程估计是指对于目标车辆的行驶轨迹预测，有两种不同的计算TJA行驶轨迹的方法，其一是关注附近运动车辆的位置，而另一个涉及车道标记。由于环境探测过程中不止一辆车，因此相应的估计过程包含如下几个步骤：

1）传感器探测到环境中的所有车辆目标，TJA系统模型对于所有运动车辆的历史轨迹进行估算；

2）选择自车前方对应的车辆作为跟随目标，且该对应前方车辆需要去除对向来车对本车轨迹估计的影响；

3）采用如上提到的曲线模型对实际探测到的同向行驶车辆进行轨迹预测，并对于预测结果进行分组；

4）计算估计轨迹质量，质量评估采用权重分配，权重最高的最为轨迹曲线的计算结果；

如下图表示了对于前方车辆以及侧前方车辆按照实时打点进行估计的结果，其中前方车辆的行驶轨迹在预测中最能拟合出一条一致性曲线，因刺激具备较好的质量以及连续性。由此可以暂时摒除旁边车道车辆对本车道的影响。