不同车辆工况对协同自适应巡航控制车队行驶安全的影响

基于横向控制器和纵向控制器模型,包括校正的预瞄驾驶员模型、加速度控制模型、节气门控制模型和制动器控制模型,建立Matlab/Simulink 和CarSim 车辆联合仿真平台,并对其可行性进行分析与验证.利用平台分别仿真协同自适应巡航控制(Cooperative Adaptive Cruise Control, CACC)车队车辆紧急刹车,通信延时,起步加、减速工况和车队前方插入换道车辆4 种情况下CACC车辆的行驶状况.仿真发现：紧急刹车时车队能够实现较好的紧急避撞;在通信延时的情况下,车队仍能保证行车安全;车队起步、减速工况运行较平稳,但加速度并不平稳,不利于车队后方车辆的乘坐舒适性;车队对前方插入不同速度的车辆能够及时响应并最终恢复安全行车间距.     

自适应巡航控制车辆跟驰模型综述

分析了自动驾驶汽车自适应巡航控制(Adaptive Cruise Control, ACC) 和协同自适应巡航控制(Cooperative Adaptive Cruise Control, CACC) 车辆跟驰模型, 从系统控制原理、车车通信技术与车间时距方面阐述了ACC与CACC车辆的异同点; 将目前主流ACC/CACC车辆跟驰模型分为3类: 基于智能驾驶的车辆跟驰模型、加州伯克利大学PATH实验室车辆跟驰模型与基于控制论的车辆跟驰模型, 总结3类车辆跟驰模型的建模思路与主要优缺点; 从道路通行能力、交通安全和交通流稳定性3方面, 分析了ACC/CACC车辆对交通流特性的影响, 及其研究现状与未来发展趋势。研究结果表明: 不同的ACC/CACC车辆跟驰模型对通行能力的影响存在较大差别, ACC/CACC车辆有利于提升交通安全性, 但由于缺乏统一的安全性评价指标, 难以量化ACC/CACC车辆对交通安全性的影响程度; 小规模实车试验验证了ACC车辆具有不稳定的交通流特性, 否定了ACC车辆稳定性数值仿真结果, 而数值仿真试验和小规模实车试验均表明CACC车辆可较好提升交通流稳定性, 因此, 完全依赖于计算机仿真试验无法获得令人信服的结论, 实车试验是ACC/CACC研究的必要途径; 为了完善ACC/CACC在交通领域的研究, 应构建不同ACC/CACC车辆比例下的混合交通流基本图模型、智能网联环境下的ACC/CACC车辆跟驰模型建模方法与ACC/CACC混合交通流稳定性解析方法。     

协作式巡航控制下混合车队队列稳定性

考虑协作式巡航控制(Cooperative Adaptive Cruise Control,CACC)车辆与自适应巡航控制(Adaptive Cruise Control,ACC)车辆之间的退化机制,构建由CACC车辆、ACC车辆以及人工驾驶车辆组成的混合车队.应用传递函数理论,推导混合车队在不同规模情况下的队列稳定性...     

无人驾驶车辆自适应巡航控制策略

为匹配无人驾驶车辆安全性需求,设计适用于不同行驶场景的自适应巡航系统。设计分层控制架构。上层控制器运用考虑前车加速度变化的模型预测控制策略,求解出巡航车辆期望加速度,并传递给下层控制器。下层控制器计算出车辆期望加速度与节气门开度或制动压力间的转换关系,据此控制车辆实际加速度。将自适应巡航系统模型分为平稳起停、稳变速、急变速3种行驶模式,基于MATLAB/Simulink与Carsim联合仿真平台进行仿真模拟。结果表明：控制策略能在各行驶模式下稳定跟随前方车辆同时保持合理的车间距离。     

车辆自适应巡航控制算法的设计与仿真

为实现智能车辆的自适应巡航功能,基于车速跟踪及PID控制理论设计了具有上下两层结构的自适应巡航控制系统.下层控制器根据上层控制器计算出的期望车速对节气门开度和制动力矩进行协调控制.在保证控制精度的前提下简化了算法.多种工况下的仿真实验表明控制器的控制效果良好.     

车辆协同巡航控制系统设计改进与试验评价

为提高交通流运行的机动性、稳定性,对车辆协同巡航控制(CACC)系统进行了改进设计. 基于经典Newell 模型提出了考虑CACC的改进跟驰模型,分析了所提出的CACC改进跟驰模型的动力学特性,给出了CACC改进跟驰模型的线性稳定性条件,并对由CACC车辆和非CACC车辆组成的非均匀车队的不同无线通讯拓扑结构进行了比较研究. 通过数值试验进一步研究了在起步、刹车和意外事件的情况下,CACC车辆的存在对交通流动力学的影响. 研究结果表明,通过合理设计CACC跟驰系统的模型参数取值后,CACC车辆的存在一方面可以提高交通流运行的机动性与稳定性,另一方面可以使交通出行更加的安全和舒适. 此外,由于不同车队中CACC车辆的无线通讯拓扑结构会影响交通流的机动性与稳定性,对于 CACC车辆的无线通讯拓扑结构应慎重的设计与优化.     

车辆协同巡航控制系统设计改进与试验评价

为提高交通流运行的机动性、稳定性,对车辆协同巡航控制(CACC)系统进行了改进设计. 基于经典Newell 模型提出了考虑CACC的改进跟驰模型,分析了所提出的CACC改进跟驰模型的动力学特性,给出了CACC改进跟驰模型的线性稳定性条件,并对由CACC车辆和非CACC车辆组成的非均匀车队的不同无线通讯拓扑结构进行了比较研究. 通过数值试验进一步研究了在起步、刹车和意外事件的情况下,CACC车辆的存在对交通流动力学的影响. 研究结果表明,通过合理设计CACC跟驰系统的模型参数取值后,CACC车辆的存在一方面可以提高交通流运行的机动性与稳定性,另一方面可以使交通出行更加的安全和舒适. 此外,由于不同车队中CACC车辆的无线通讯拓扑结构会影响交通流的机动性与稳定性,对于 CACC车辆的无线通讯拓扑结构应慎重的设计与优化.     

基于自然驾驶数据的车辆自适应巡航系统控制方法

在常规的基于模型预测控制自适应巡航系统的算法中,舒适性约束均是采用固定加速度的形式,没有深入考虑不同速度下的加速度极值范围问题,这会导致在追求安全性和速度跟随性情况下,系统加速度和冲击度变化过大,从而降低了驾乘的舒适性。根据NGSIM自然驾驶数据集所得到了车辆的速度-加速度关系,并以此作为加速度的约束目标,将常规模型预测控制的定约束改为随速度变化的变约束,从而达到根据自然驾驶数据提高跟车舒适性的目的,并通过仿真试验验证了该方法的合理性。研究结果表明：该方法可使ACC系统在保证安全跟车和速度跟随的同时,使得加速度和冲击度波动变小;最大冲击度相比定加速度约束的模型预测控制减小了14.96%,可有效改善ACC系统的舒适性。     

CACC车辆跟驰建模及混合交通流分析

建立协同自适应巡航控制(Cooperative Adaptive Cruise Control,CACC)车辆跟驰模型,并分析不同CACC比例下的混合交通流通行能力,尾部碰撞安全及交通排放.考虑车辆期望车头间距随速度动态变化的交通流特性,建立基于非线性动态车头间距策略的CACC跟驰模型,推导不同CACC比例下的混合交通流基本图模型,分析CACC提高通行能力的交通流运行机理.设计高速公路上匝道瓶颈数值仿真实验,评估不同CACC比例下的车辆尾部碰撞安全隐患,以及油耗、CO、HC、NOx的排放.研究结果表明,本文建立的CACC模型能够在交通流速度基本不变的情况下,以较高的交通流密度显著提升通行能力,同时有利于车辆尾部碰撞安全风险及交通排放的降低.     

车辆多目标自适应巡航显式模型预测控制

为了兼顾车辆自适应巡航控制(ACC)系统的跟踪控制效果和实时性, 提出了基于显式模型预测控制(EMPC)理论的车辆多目标自适应巡航控制方法; 基于车辆间运动学关系建立自适应巡航控制运动学模型, 根据预测控制理论推导预测时域内的跟踪误差预测模型, 并确定车辆安全性、跟踪性、经济性和舒适性等多性能目标函数和约束条件; 运用显式模型预测控制中的多参数规划理论, 将基于反复在线优化计算的闭环模型预测控制系统转化为与之等价的显式多面体分段仿射(PPWA)系统, 通过离线计算获得期望加速度与距离误差、速度误差、自车加速度和前车加速度等状态变量之间的最优控制律, 并设计在线查表的搜索流程, 通过定位当前状态所处分区, 并应用该分区的显式控制律实现自适应巡航控制; 进行了纵向跟踪工况仿真验证, 并与传统MPC-ACC控制方法进行对比。对比结果表明: 在前车正弦加减速工况下, EMPC-ACC控制器单步运算速度比MPC-ACC控制器平均提升了53.51%, EMPC-ACC控制下的平均距离跟踪误差为0.220 3 m, 平均速度误差为0.340 1 m·s^-1; 在前车阶跃加减速工况下, EMPC-ACC控制器单步运算速度比MPC-ACC控制器平均提升了72.96%, EMPC-ACC控制下的平均距离跟踪误差为0.331 9 m, 平均速度误差为0.399 1 m·s^-1。可见, 提出的EMPC-ACC控制算法在保证纵向跟踪性能的前提下, 有效地提高了自适应巡航控制的实时性。     

不同CACC渗透率条件下的混合交通流稳定性分析

未来协同自适应巡航控制(Cooperative Adaptive Cruise Control,CACC)车辆和传统车辆混合交通流的稳定性决定了CACC技术对交通拥堵、能耗排放的改善程度.鉴于此,研究不同CACC渗透率时这种混合交通流的稳定性.应用基于轨迹数据标定的IDM(Intelligent Driver Model,IDM)模型和由加州伯克利PATH实验室实车测试验证的CACC模型分别作为传统车辆跟驰模型和CACC车辆跟驰模型.依据传统车辆在扰动下的稳定性,确定高稳态速度和低稳态速度,并考虑两种车型相对数量、相对位置的随机性,设计数值仿真实验.实验结果表明,在高稳态速度下,不同CACC渗透率时混合车队均整体稳定;在低稳态速度下,当CACC渗透率较小时,车队整体不稳定,CACC渗透率需达到50%以上时,才有可能使得混合车队由不稳定转变为稳定.     

CACC 车头时距与混合交通流稳定性的解析关系

研究协同自适应巡航控制(Cooperative Adaptive Cruise Control，CACC)车头时距对不同CACC比例下混合交通流稳定性的影响关系，进而为CACC车头时距设计提供参考. 应用优化速度模型(Optimal Velocity Model，OVM)作为手动车辆的跟驰模型，PATH真车实验标定的模型作为CACC车辆的跟驰模型. 基于传递函数理论，推导混合交通流稳定性判别条件，计算关于CACC比例与平衡态速度的混合交通流稳定域. 分析混合交通流在任意速度下稳定所需满足的临界CACC比例与CACC车头时距的解析关系，提出随CACC比例增加的可变 CACC车头时距设计策略，并通过数值仿真实验验证所提可变CACC车头时距策略的正确性. 研究结果表明：在所提可变CACC车头时距策略下，CACC车头时距随CACC比例增加而逐渐降低，避免取值较大影响混合交通流通行能力的提升；当CACC比例大于35%时，混合交通流在任意速度下稳定.研究结果可为大规模CACC真车实验的实施提供理论设计参考.     

CACC车头时距与混合交通流稳定性的解析关系

研究协同自适应巡航控制(Cooperative Adaptive Cruise Control,CACC)车头时距对不同CACC比例下混合交通流稳定性的影响关系,进而为CACC车头时距设计提供参考. 应用优化速度模型(Optimal Velocity Model,OVM)作为手动车辆的跟驰模型,PATH真车实验标定的模型作为CACC车辆的跟驰模型. 基于传递函数理论,推导混合交通流稳定性判别条件,计算关于CACC比例与平衡态速度的混合交通流稳定域. 分析混合交通流在任意速度下稳定所需满足的临界CACC比例与CACC车头时距的解析关系,提出随CACC比例增加的可变 CACC车头时距设计策略,并通过数值仿真实验验证所提可变CACC车头时距策略的正确性. 研究结果表明：在所提可变CACC车头时距策略下,CACC车头时距随CACC比例增加而逐渐降低,避免取值较大影响混合交通流通行能力的提升;当CACC比例大于35%时,混合交通流在任意速度下稳定.研究结果可为大规模CACC真车实验的实施提供理论设计参考.     

左转影响下的车队离散模型研究

为了分析车队离散模型在实际中的适用性,首先剖析Roberston模型存在的不足,考虑左转影响下车队的离散特性,建立左转影响下直行车的离散模型.以北京市调查数据为基础,利用实际数据对离散模型进行验证,结果表明,A取0.1与实际数据比较吻合,左转影响下的离散模型预测的效果更佳.     

基于比功率的自动驾驶交通流油耗分析

鉴于油耗与节约能源和车辆尾气排放直接相关,探究自动驾驶车辆对油耗的影响. 以手动驾驶车队与自动驾驶车队为数值仿真对象,在交通震荡环境下设计数值仿真实验. 对车队的车辆数量,车队初始速度,以及自动驾驶车辆的车间通信延时做参数敏感性分析. 基于机动车比功率的油耗评价模型,对仿真结果进行统计;相比于手动驾驶车队,计算自动驾驶车队平均油耗率的降低. 从交通流稳定性角度考察油耗降低与稳定性状态转变之间的内在关联性. 研究结果表明,自动驾驶车辆对油耗的降低幅度与车队初始速度有关,与交通流稳定性之间存在定性的影响关系,交通流的平稳性有利于显著改善车辆油耗降低的幅度. 研究结果可为大规模自动驾驶背景下的油耗控制策略提供理论参考.     

基于模型预测控制的CACC系统通信延时补偿方法

为确保通信延时条件下协同式自适应巡航控制(CACC)系统的弦稳定性,利用模型预测控制(MPC)和长短期记忆(LSTM)预测方法,研究CACC系统中车辆协同控制下的通信延时补偿方法;基于车辆队列四元素架构理论,构建了包括车辆动力学模型、间距策略、网络拓扑和MPC纵向控制器的系统模型,并综合考虑2范数和无穷范数弦稳定性条件,提出了CACC车辆队列混合范数弦稳定性量化指标,最终形成协同式车辆队列建模与评价体系;设计了一种利用前车加速度轨迹(PVAT)作为开环优化参考轨迹的MPC方法,即MPC-PVAT,通过综合考虑队列的跟驰、安全、通行效率和燃油消耗等性能指标,使目标函数趋于最小代价,从而得到当前时刻的最优控制量,并利用庞特里亚金最大值原理对所设计的优化问题进行快速求解;在MPC-PVAT基础上,提出一种基于长短期记忆(LSTM)网络的通信延时补偿方法,即MPC-LSTM,将跟驰车辆的传感器信息输入LSTM网络来预测其前车的运动状态,从而缓解短暂通信延时对车辆队列稳定性的影响。仿真测试结果表明：MPC-LSTM可容忍的通信延时上界大于1.5 s,比MPC-PVAT提升了0.8 s,比线性控制器提升了1.1 s;在基于实车数据测试中,当通信延时增加到1.2 s时,MPC-LSTM的弦稳定性指标相比MPC-PVAT提升了20.33%,与线性控制器相比稳定性提升了39.35%。可见,在通信延时较大的情况下,MPC-LSTM对通信延时具有很好的容忍性,从而有效地保证了CACC车辆队列的弦稳定性。