結果分析

本論文使用兩種參數作為自動駕駛系統控制結果好壞的判斷依據，分別是絕對誤差 累積值(integral of absolute error，IAE)與標準差，用來觀察此控制系統的準確性與穩定

性。為了驗證此自動駕駛控制系統的重現性與提高結果分析的正確性，在此重複了 4.2

節中同樣的實驗三到五次，並將其結果作平均之後進行分析。

4.3.1 準確性

準確性可以說是一個控制器最重要的指標，如果一個控制器的準確性很差的話，那 麼可以說這個控制器完全沒有達到目標。本論文使用IAE 作為自動駕駛控制系統是否快 速準確地抵達目標的評量標準。IAE 的公式如(4-1)所示：

∑

=

= ^N

k

ek

IAE

1

(4-1) 其中ek為取樣次數k 時的誤差，N 為實驗的總取樣次數。IAE 可以表現出實驗整體情況 的誤差總量，IAE 愈小，代表實驗車愈快速愈準確地抵達目標。

表 4-1 為 FLC_1、FLC_2 與 P 控制器在五種不同情況的實驗下的 IAE 數值比較。在 此利用公式(2-8)來計算 FLC_1 與 FLC_2 對 P 控制器的改善率，其結果如表 4-2 所示。

從表中可以看出，FLC_2 在位置(Xe)的控制結果於五種實驗下表現都是最好，IAE 的平 均改善率為30.89 %，而 FLC_1 的平均改善率為 16.69 %。至於在角度(θe)的控制結果，

三種控制器的表現雖然各有輸贏，但是平均的結果仍是FLC_1 與 FLC_2 較佳，FLC_1 的平均改善率13.06 %較 FLC_2 的 10.62 %來得優異，但兩者差距不大。

表4-1 各種控制器於不同實驗下的 IAE 比較 Xe (cm) θe (°) IAE

P FLC_1 FLC_2 P FLC_1 FLC_2

中間 186.74 163.35 124.53 37.76 39.12 41.10 右邊100 cm 906.16 640.08 546.83 129.67 103.98 101.77 左邊100 cm 1045.82 933.46 637.54 217.30 129.85 143.66 S 形 2669.59 2372.08 2350.43 281.84 224.13 253.41 長方形 3792.81 3047.33 2637.00 262.37 292.83 271.67

表4-2 兩種模糊邏輯控制器的 IAE 改善率比較

Xe θe

改善率

FLC_1 FLC_2 FLC_1 FLC_2 中間 12.53 % 33.31 % -3.60 % -8.85 %

的穩定性則是三種控制器的結果都有所長，但是平均結果是 FLC_1 最佳，平均改善率 為11.77 %，FLC_2 的平均改善率 10.07 %次之，P 控制器的穩定性最差，不過 FLC_1 與FLC_2 的改善率相差不多。

表4-3 各種控制器於不同實驗下的標準差比較 Xe (cm) θe (°) 標準差

P FLC_1 FLC_2 P FLC_1 FLC_2

中間 10.36 9.62 7.75 2.09 2.11 2.18

右邊100 cm 48.00 40.37 38.69 6.95 5.50 5.29 左邊100 cm 59.52 56.37 44.17 10.77 6.98 7.49 S 形 95.24 85.62 88.46 7.70 6.36 7.07

長方形 55.42 49.60 44.45 3.44 3.91 3.71

表4-4 兩種模糊邏輯控制器的標準差改善率比較

Xe θe

改善率

FLC_1 FLC_2 FLC_1 FLC_2 中間 7.14 % 25.19 % -0.96 % -4.31 %

右邊100 cm 15.90 % 19.40 % 20.86 % 23.88 % 左邊100 cm 5.29 % 25.79 % 35.19 % 30.45 % S 形 10.10 % 7.12 % 17.40 % 8.18 % 長方形 10.50 % 19.79 % -13.66 % -7.85 % 平均改善率 9.79 % 19.46 % 11.77 % 10.07 %

4.3.3 駕駛路徑

本論文提出的模糊邏輯控制器，其目的為達成類似人類的車輛駕駛，在此藉由上述 的實驗結果，來分析三種控制器與人類駕駛結果的比較。

人類在駕駛車輛時，若欲通過前方兩目標障礙物中間，首先會將方向盤朝目標的方 向轉動，藉此讓車輛朝向目標中心線前進。當車輛接近兩目標障礙物中心線時，將車輛 轉正，以便讓車輛能夠直線通過兩目標障礙物。因此可以將人類駕駛行為分成兩步驟：

(1) 轉動方向盤，朝目標中心線移動，(2) 到達中心線附近時，將車輛轉正，直線朝目 標前進。本研究就以此兩步驟來做為分析各種控制器是否有類似人類駕駛行為的依據。

圖4-6 為實驗車從左邊 100 cm 處出發，使用各種控制器直線駕駛行走的比較圖。

圖4-6 各種控制器的駕駛路徑比較

由於 P 控制器對於方向盤的控制反應過大，因此造成其自動駕駛的路徑過於震盪，

而且其路徑是慢慢接近中心線，從起點直線往目標點前進，這樣會造成車輛抵達目標 時，車身方向與目標方向有一角度差，無法達到實驗的目標需求。

而由 FLC_1 的結果可以觀察出，車輛的行駛路徑已無振盪的現象，但是由於 FLC_1 的歸屬函數設計較為簡單，因此無法做較細微的自動駕駛控制。其行駛路徑也為直線朝 向目標點前進，故無法讓車輛抵達目標時，其車身方向符合實驗目標要求。

FLC_2 增加歸屬函數的設計，藉此改善 FLC_1 的缺點。圖 4-6 可以看出，FLC_2 的自動駕駛結果最佳，其駕駛行為與人類非常相近，於一開始會迅速地網中心線移動，

當接近中心線時，會將車身方向修正，使車輛能夠以直線前進的方式，通過兩目標障礙 物中間，達到實驗的目標需求。

4.3.4 小結

由本章的實驗結果以及數據的分析，可以得到以下結論：

1. 本論文提出之自動駕駛控制系統可以讓實驗車順利行駛到目的地，並且能夠行走直 線、S 形、長方形等不同的路徑。

2. 本論文提出之模糊邏輯控制器，在位置與角度的控制上，較比例控制器來得準確且 穩定，而且能夠達成人性化的駕駛車輛。

3. 不同的模糊邏輯控制器對位置與角度控制的結果有些差異，其中設計較詳盡的控制 器控制結果比較好，較為人性化。

因此，在自動駕駛控制系統上，使用模糊邏輯控制器可以讓實驗車比較準確、穩定且人 性化地行駛於複雜路徑上。