智能驾驶中APF与MPC的换道避撞算法对比

1. 项目背景与核心目标

在智能驾驶系统开发中，车辆换道避撞算法和轨迹规划控制是两大关键技术难点。这个项目通过Carsim与Simulink联合仿真环境，对比分析了人工势场法（APF）和模型预测控制（MPC）两种主流算法在换道避撞场景下的表现差异。

实际工程中发现：当车辆以80km/h行驶时，传统PID控制器的换道轨迹抖动幅度可达0.3m，而MPC能将其控制在0.1m以内

2. 技术方案设计解析

2.1 人工势场法实现方案

人工势场法的核心是构建斥力场和引力场函数：

matlab复制function [F_rep, F_att] = APF_Field(x_ego, x_obs, x_target)
    k_att = 1.5;  % 引力系数
    k_rep = 2.0;  % 斥力系数
    d_safe = 3.0; % 安全距离(m)
    
    % 引力计算
    F_att = k_att * (x_target - x_ego);
    
    % 斥力计算
    d = norm(x_ego - x_obs);
    if d < d_safe
        F_rep = k_rep * (1/d - 1/d_safe) * (1/d^2) * (x_ego - x_obs)/d;
    else
        F_rep = 0;
    end
end

关键参数调优经验：

• 引力系数k_att：影响车辆趋向目标点的速度，值过大会导致超调
• 斥力系数k_rep：决定避障灵敏度，建议从1.5开始逐步增加
• 安全距离d_safe：建议设置为车长的1.5倍

2.2 MPC控制器设计要点

MPC的核心是构建预测模型和代价函数：

matlab复制% 车辆动力学模型（自行车模型）
A = [0 1 0 0;
     0 -(Cf+Cr)/m/u  (Cf+Cr)/m  (a*Cf-b*Cr)/m/u;
     0 0 0 1;
     0 (a*Cf-b*Cr)/Iz/u  (a*Cf-b*Cr)/Iz  -(a^2*Cf+b^2*Cr)/Iz/u];
B = [0; Cf/m; 0; a*Cf/Iz];

% 代价函数权重矩阵
Q = diag([1