通信时延与丢包下智能网联汽车控制性能分析

网联协同控制是智能网联汽车的重要应用场景，而车联网的通信时延与丢包可能导致控制性能下降，甚至影响行车安全。为了分析时延与丢包对网联车辆控制的稳态与瞬态性能的影响，设计了网联控制器，并开展了仿真与实车试验。基于车辆动力学特性，将通信时延与丢包下的网联车辆控制分解为纵向控制与横向控制，进行了统一建模，并设计了控制器进行试验分析；搭建了网联自动驾驶的CarSim-Simulink联合仿真平台，及集成可模拟时延与丢包的LTE-V原理样机的智能网联汽车试验平台；开展了不同时延与丢包率下网联跟车控制与网联路径跟踪控制的仿真试验与实车试验。试验结果显示：时延与丢包对控制误差的影响形态有相似性；时延或丢包率取系统及工况参数有关的小值时，如试验中时延小于200 ms或丢包率小于20%，工况随机因素对控制误差的影响可能超过时延与丢包的影响；在更大的时延或丢包率下，时延与丢包的出现方式（如出现时机等）对控制误差影响更大。研究结果表明：能实现针对网联车辆控制系统通信特性的控制器优化设计，使得当时延与丢包在工况相关阈值内时，系统控制误差有界。所揭露的规律一方面可用于对造成危险控制误差的时延与丢包工况进行预警，另一方面也可用于基于给定的稳态或瞬态控制误差边界，判定对应工况允许的时延与丢包率边界。     

异构智能网联汽车编队延迟补偿控制研究

智能网联汽车多车编队行驶可有效缩短跟车间距和提升交通系统通行效率，但多车编队控制须解决异构编队控制器的普适性问题，且能够在执行器响应延迟和通讯延迟情况下保证车辆编队的弦稳定性。本文提出一种面向异构智能网联汽车编队的延迟补偿控制方法，在无须获取他车系统动力学参数及控制输入前提下，利用他车加速度信息即可实现车辆编队纵向跟踪控制；此外，提出一种基于Smith预测器的延迟补偿控制架构，分别消除和降低了执行器响应延迟和通讯延迟对车辆编队弦稳定性的影响。典型工况仿真结果表明，相较常见车辆编队控制方法，本文提出的异构车辆编队延迟补偿控制器的跟车误差降低了80.7%，有效减小了最小车头时距和跟车间距。     

基于当前统计模型的地图匹配车辆跟踪研究

为提高车辆跟踪系统的精度，减小差分全球定位系统（DGPS）的定位误差，通过分析行驶在城市道路上的车辆运动过程及其相应的运动模型，提出采用当前统计模型作为车辆运动模型。通过地图辅助位置择近和速度择角算法来修正卡尔曼滤波，为运行在道路上的车辆确定地图匹配估计。实际运行结果表明；整个车辆跟踪系统的精度有明显的提高。     

城市郊区道路跟车条件下智能网联汽车速度规划

随着智能网联汽车技术的快速发展，跟车行驶控制能够有效实现车辆智能跟随及快速高效队列行驶。针对城市郊区道路条件下的智能网联汽车速度规划问题，以提高车辆的燃油经济性、舒适性及安全性为目的，基于跟车速度限幅和车辆动力系统信息，设计了基于初值优化的序列二次规划算法(Sequential Quadratic Programming, SQP),实时求解获取车辆跟车过程中的最优速度轨迹。首先，在车联网环境下，基于车车(Vehicle to Vehicle, V2V)通信及车辆与交通设施(Vehicle to Infrastructure, V2I)通信技术实时获取前方车辆的速度、加速度及位置等行驶信息并实时采集道路交通信息；然后，为减少车辆动态能耗损失和减小所需牵引力，并在规定的时间段内完成相应的行驶路程，利用采集到的前车行驶信息，采用基于初值优化的SQP算法对最优目标车速进行求解；此外，基于周边动态的道路交通场景，考虑边界约束条件，采用滚动时域的方法实现目标车辆速度在每个采样时刻的在线滚动优化，保证目标车辆节能安全地跟车行驶；最后，通过仿真验证了该算法的有效性和实时性。研究结果表明：基于初值优化...     

基于NA-EKF的分布式驱动电动汽车行驶状态估计研究

精确的行驶状态估计对分布式驱动电动汽车(DDEV)的纵、横向稳定性控制具有至关重要的意义。本文中应用噪声自适应扩展卡尔曼滤波(NA-EKF)算法对DDEV行驶状态进行估计。该算法充分利用观测信号的实时统计信息,通过监测滤波器新息和残差的动态变化,不断修正状态噪声方差和量测噪声方差,从而调整滤波器增益、状态预测值和观测值在滤波后的状态值中的比例,提高状态估计精度。最后利用车辆动力学仿真软件ve DYNA对本文应用的算法进行了仿真验证,结果表明:与EKF相比,该算法可有效克服先验统计信息不准确和复杂工况下造成估计不准确的问题,状态量估计的平均误差不超过27%,均方根误差不超过26%,峰值相对误差较小。     

基于运动约束的激光雷达与车体坐标系旋转参数标定

激光雷达是智能网联汽车环境感知的重要传感器,多坐标系空间标定是激光雷达精准环境感知的前提条件。针对激光雷达与车体坐标系空间同步面临传感器观测单一的问题,提出基于激光雷达与车辆的平面运动和直线运动约束2步标定方法。为构建运动约束,基于激光里程计获取激光雷达运动位姿信息,通过激光雷达运动轨迹信息和时域上多帧地面平面拟合信息进行平面行驶识别,在满足平面路况下构建平面运动约束标定,进而标定横滚角与俯仰角;基于俯仰角和横滚角对车辆轨迹进行修正,通过激光运动轨迹建立直线行驶判别模型判别车辆运动状态,在满足车辆直线行驶路况下构建直线运动约束,从而标定偏航角。最后,在智能驾驶试验车上开展了激光雷达与车辆坐标系标定的实车试验,通过实车采集的数据验证了提出的空间同步方法的可行性。试验结果表明：提出的激光雷达与车体坐标系标定方法优于基于标定物的方法,在原始数据上可以保证标定后的旋转误差降低至0.61,误差率降低约47.4%。在手动调整的扩充数据上标定后的旋转误差降至1.64,误差率降低约40.6%。相对于基于标定物的方法,其旋转误差均有降低且不需要借助特定的标定物与标定场,降低了对环境的依赖程度。同时通过消...     

智能网联汽车运动规划方法研究综述（双语出版）

分析了近年来智能网联汽车（Intelligent Connected Vehicle，ICV）运动规划方法的研究，根据规划时空尺度和任务目标，将ICV运动规划细分为路径规划、路线规划、动作规划和轨迹规划4级子任务，回顾了各级子任务中智能网联技术的研究和应用现状；探讨了ICV中驾驶人行为特性及其对运动规划结果的影响；从技术背景、研究场景、算法流程和应用理论4个方面，提出ICV运动规划方法研究的未来发展方向。结果表明：由于ICV主要依赖车辆网联信息规划运动路径，而路网中同时存在不同网联等级的ICV，这将增加路径规划问题的求解难度；现有ICV路线规划模型较少考虑周边多车运动状态以及路段车道设置情况，将现有算法与微观交通流模型相结合有助于解决此问题；ICV中人机协同及任务切换领域已出现诸多研究热点，如城市道路上换道与转弯动作规划、ICV引导非网联车辆行驶等问题；借鉴驾驶人行为模式规划ICV运动轨迹已成为研究共识，但是车-车、车-路网联信息在此领域的应用仍然有限；采用反馈-迭代的方法进行ICV运动路线和动作协同规划、运动规划和轨迹跟踪控制有助于获得全局最优的运动规划结果和车辆控制策略；根据具体规划任务特点选择构建ICV运动规划模型的基础理论，有助于发挥各类理论的优势，提升规划算法的灵活性和适用性。     

分布式驱动电动汽车行驶状态估计综述

针对分布式驱动电动汽车行驶状态估计的问题,论文对汽车行驶状态估计算法的研究现状进行了综述,列举了在车辆行驶状态估计中常用的估计算法,分别介绍了扩展卡尔曼滤波算法、容积卡尔曼滤波算法和联邦卡尔曼滤波算法在车辆行驶状态估计中的优缺点,结合各算法在实际应用中需要考虑的因素,对比分析不同的估计算法对车辆行驶状态参数估计效果的影响,指出基于联邦卡尔曼(FKF)滤波算法的多信息融合估计车辆行驶状态的方法是提高估计精度的有效手段。     

基于GRI的多车协同定位研究EI北大核心CSCD

为提高自动驾驶技术中的车辆定位精度,提出了一种基于GRI的多车协同定位方法。采用该方法时,一辆车依据GPS定位信息对本车位置进行估计,再通过车车通信接收周围车辆发来的根据其GPS测定的位置及其与该车相对位置而估计的该车位置。将这些位置信息进行融合,通过一定的修正,估算出该辆车更为精确的位置。最后应用MATLAB对所提出方法进行仿真,以模拟多车直行跟随和换道行驶场景。结果表明,该方法合理、可行,能有效提高车辆的定位精度,具有广阔的工程应用前景。     

基于卡尔曼-高斯联合滤波的车辆位置跟踪

车辆位置的精确、可靠获取,一直是阻碍智能驾驶技术的难题.特别当车辆处于复杂道路环境中时,车辆卫星定位信号易受较大干扰,使车辆定位产生漂移现象.针对车辆定位的这种漂移现象,研究了针对车辆位置跟踪的卡尔曼-高斯联合滤波方法.对于车辆卫星定位受到的干扰不同,采用分层处理的滤波方法;针对卡尔曼滤波不能较好地滤除一些干扰较大的位置漂移点,通过设置与车速、航向角等相关的动态阈值,对卫星定位的车辆位置进行动态阈值判断;通过动态阈值识别出的车辆位置漂移数据,结合高斯过程回归,以车辆的历史数据作为学习样本,使用预测值和真实观测值构建补偿量,通过对卡尔曼观测方程加入动态观测补偿实现车辆位置优化;对于一般噪声产生的卫星定位波动,联合滤波也可以有效优化.实车实验表明,该方法可以有效识别出车辆定位的漂移点,车辆卫星定位在信号受较大干扰的情况下,车辆卫星定位的精度可以提高30%左右,最大误差由9 m降低到0.8 m左右.该联合滤波方法在使用低成本定位装置的情况下,有效提高车辆卫星定位的精度及可靠性.      

基于GRI的多车协同定位研究

为提高自动驾驶技术中的车辆定位精度,提出了一种基于GRI的多车协同定位方法。采用该方法时,一辆车依据GPS定位信息对本车位置进行估计,再通过车车通信接收周围车辆发来的根据其GPS测定的位置及其与该车相对位置而估计的该车位置。将这些位置信息进行融合,通过一定的修正,估算出该辆车更为精确的位置。最后应用MATLAB对所提出方法进行仿真,以模拟多车直行跟随和换道行驶场景。结果表明,该方法合理、可行,能有效提高车辆的定位精度,具有广阔的工程应用前景。     

网联车辆协同编队控制系统研究

为改善车辆编队行驶的稳定性、安全性和舒适性,本文中基于车车通信构建了多车协同编队控制系统。该系统采用了基于非线性车距控制的驾驶行为决策模型,并充分考虑了实际通信延时对系统的影响。针对车辆编队控制的稳定性,分析了各控制器参数的约束边界及其变化对系统稳定性的综合影响。最后搭建Matlab/Simulink模型,并进行仿真,以验证头车持续扰动、紧急制动和非零初始状态3种典型工况下多车协同控制的有效性与合理性。结果表明,本文设计的车辆编队控制系统可实现车辆编队的稳定性控制,保障行驶安全性,同时避免车辆频繁加速、制动的现象,在一定程度上提高了行驶舒适性。     

网联车辆检测设备受电磁干扰试验信号影响的研究

汽车智能化、网联化的飞速发展带动了汽车电子化、智能化、集成化产业的发展，但与此同时，也带来了更加复杂的车内外电磁环境。车辆网联通信功能在复杂电磁环境下的可靠运行，轻则关乎用车舒适度，重则影响行车安全性。因此，网联车辆的电磁可靠性至关重要。然而实验室内完成汽车网联通信功能电磁可靠性测试离不开搭建网联仿真场景的检测设备。本文从保护网联车辆场景搭建测试设备在电磁干扰试验中的可靠性出发，设计方案进行摸底研究，分别在不同场强、不同频率、不同天线位置下，测试网联车辆检测设备端接收到的信号强度；并通过对测试数据进行分析处理，给出推荐测试布置，为后续网联车辆检测的完善化、标准化提供了一定的参考。     

考虑定位信息不确定性的多车协同定位算法

针对车载全球定位系统(global positioning system)存在的定位精度较差、定位可靠性较低等问题,提出了一种车车通信环境下考虑定位信息不确定性的多车协同定位算法.该算法在所研究车辆均装有车载GPS和前置距离传感器的基础上,以定位信息不确定性为依据进行协同定位.对自适应卡尔曼滤波进行改进以确定车辆定位信息的不确定度,搭建车间相对位置模型求解2车相对位置关系,最后设计联邦卡尔曼滤波算法利用多车数据进行融合以实现定位效果的优化.通过数值仿真表明这一算法与自车组合导航相比有效提升了GPS定位精度和可靠性,两者分别平均提升了35.2%和42.6%,且在车联网渗透率较高以及GPS信号较差时,定位效果提升更为明显.      

专用短程通信辅助的车辆卫星定位故障检测方法

为了确保卫星定位性能满足特定协作式智能交通应用需求,提高车辆定位系统的故障容错能力,针对车辆卫星定位的自主故障检测与性能优化问题,提出基于专用短程通信辅助的卫星定位故障检测方法,充分利用专用短程通信设备的测距率观测信息,实现故障检测对不同类型卫星可视条件的有效适应。基于专用短程通信多普勒观测特性,构建基于载波频偏的车间测距率观测模型;设计卫星定位与专用短程通信组合观测与解算框架;基于容积卡尔曼滤波提出适于非线性观测特征的故障检测、识别与排除算法,并叠加量测噪声方差矩阵动态调整策略,对故障检测性能进行优化;基于实测试验检验车间测距率的观测性能,并运用实车轨迹对多车协同运行及定位采集过程进行仿真,检验所提出方法的故障检测性能。研究结果表明：提出的方法有效解决了常规接收机自主完好性监测算法受卫星可视条件限制的问题,所引入的量测噪声方差矩阵调整策略提升了故障检测及故障排除性能的稳定性,在给定仿真场景中,常规卫星观测条件下阶跃故障、斜坡故障排除率相对常规方法最高可分别提升52%、18%,受限观测条件下不同水平2类故障的排除率最高分别可达100%、89%,边界观测条件下不同水平2类故障的检测率最高分别可达100%、96%。研究结果对于充分发挥车-车协同模式的核心优势、保障车辆定位性能具有重要价值。     

面向车联网多点协作联合传输的安全认证与密钥更新方法

未来基于车联网的车路协同和自动驾驶场景要求车-车/车-路等网络通信在保证数据安全的前提下，具备低时延、高可靠的特性，从而保证车辆的行驶安全以及车/人的信息安全。LTE-V2X作为车联网通信方案之一，LTE的多点协作联合传输（Coordinated Multiple Points-Joint Transmission，CoMP-JT）技术不仅可以减少车辆在高速行驶过程中进行基站（Evolved Node B，eNB）切换时的通信中断，还能通过多个基站的协同传输来辅助提高网络的数据传输性能。然而当前LTE标准中的安全密钥管理方案无法满足多点协作联合传输过程中的密钥管理场景。针对该问题，提出一种可用于LTE-V2X车联网通信中多点协作传输切换的安全密钥生成与更新算法。该算法由车辆生成基站切换请求并使用随机数、共享密钥、目标基站公钥对切换请求进行加密、广播；基于密码学特性，目标基站不仅可基于私钥从密文请求中计算出共享密钥，还可以计算得到后续的会话密钥；车辆则可以基于目标基站位置信息、生成请求时的随机数计算出会话密钥，从而实现在只需要1次密钥传输的前提下，达成车辆与基站之间的密钥共享和密钥更新，并从密码学角度针对该密钥生成与更新算法进行验证分析。研究结果表明：在LTE-V2X多点协作传输时的基站切换过程中，该算法能够确保车辆与基站进行后向/前向密钥分离的安全认证以及会话密钥建立；与传统方案相比，所提方法可减少26.4%的基站切换过程中引入的通信时延，基站信道负载均仅为传统方案的1/2，并且随基站小区范围内车辆数目增加，基站的信道负载也仅线性增加，提升了该算法在LTE-V2X车联网场景中的适用性。     

基于车辆行驶轨迹的信号交叉口排队长度估计

为了研究如何结合移动检测数据来确定交叉口排队长度,并以此来衡量交通拥堵程度的问题,利用车辆行驶轨迹,分析了通过交叉口车辆的排队特点。根据车辆在队列中的不同排队位置,分车辆通过交叉口时所存在的A,B,C这3种位置,建立了面向延误最小的排队长度估计模型。其中,通过虚拟线圈检测器后开始减速停止在停车线前的A位置车辆排队估计模型基于基本延误模型;减速进入虚拟线圈检测区域停车的B位置车辆排队估计模型基于简化车辆跟驰模型,对可获得车辆行驶轨迹的网联车减速过程进行了重建;减速停止在虚拟线圈检测器前的C位置车辆排队估计模型基于LWR消散模型以及交通流理论算法,并利用网联车车辆行驶轨迹数据进行了加速过程的重建。在此基础上,根据不同位置车辆与队尾网联车的距离不同,对其到达率赋予不同的权重,计算总的排队长度。最后,通过图新地球地图软件投影并筛选车辆在案例交叉口的车辆行驶轨迹,利用微观交通仿真软件VISSIM对本研究的模型进行仿真验证。结果表明,排队长度估计模型与真值的最大误差为12.4%,最小为2.2%,平均误差为8.75%,方差为12.595%~2,绝对与相对误差均保持在可接受范围以内,说明基于车辆行驶轨迹的信号交叉口排队长度估计模型能够较为有效地估计城市道路交叉口的排队长度。     

基于状态空间采样的高速公路智能网联车辆轨迹动态规划

为实现智能网联车辆在高速公路动态行车环境下的轨迹实时规划，提出一种基于状态空间采样的轨迹动态规划方法。首先，以安全性为原则选取主车当前行驶的理想车道。基于Frenet坐标与笛卡尔坐标的转换关系，建立车辆运动横、纵向解耦的独立积分系统。将高速公路常见的行驶状态分为车道保持与定速巡航、变道以及前车跟随3类，预测主车行驶车道并针对3类行驶状态分别设计轨迹终端的目标配置方法。然后，利用多项式函数生成连接初始配置和目标配置的多条待选轨迹。构建考虑轨迹偏离理想车道程度、始末速度变化、规划周期和轨迹舒适性的综合损失函数，结合速度、加速度、曲率检查来评价各条待选轨迹的成本并进行排序。最后，预测车辆的横、纵向运动轨迹并构建一种胶囊形的车辆虚拟安全边界，通过碰撞检测，确定主车的最优轨迹，设置动态规划触发条件及时更新最优轨迹并避免过度规划浪费资源。研究结果表明：提出的算法能满足高速公路场景的动态规划需求；通过对轨迹规划周期、虚拟安全边界、动态规划时间间隔等关键参数的分析与优化，主车的横摆角速度范围稳定在-0.1~0.15 (°)·s^-1，横向加速度范围稳定在-0.16~0.32 m·s^-2，跟踪参考轨迹的最大误差不超过0.022 m，提出的算法能规划出具有高安全性、稳定性和舒适性的轨迹。     

网联环境下高速公路辅助驾驶车辆编队评估

为评估智能网联环境下高速公路辅助驾驶车辆编队的效果，首先基于V2X （Vehicle to Everything）和智能驾驶人模型（Intelligent Driver Model，IDM）对网联环境下的车辆跟驰行为进行建模，并对其进行参数校准；其次从安全性评价指标和通行效率两方面构建编队效果评价体系；然后通过VISSIM和VBA联合仿真，改变编队的车道、交通流量、网联车渗透率等变量进行试验。仿真结果表明，网联环境下车辆辅助驾驶编队在不同层面对于安全性与效率性都有提升；最后以不同期望速度在网联环境和非网联环境下分别进行实车辅助驾驶编队试验，以验证评价指标体系以及仿真试验的有效性。其中，实车试验结果显示，期望速度为70 km·h^-1时，网联环境下的辅助驾驶编队通行效率比非网联环境提升56%，90 km·h^-1时提升37.2%，110 km·h^-1时提升39.8%。通过与仿真试验结果对比，表明网联环境下车辆辅助驾驶编队对交通流安全性有一定程度的提升。     

智能网联汽车节能优化关键问题与研究进展

汽车保有量的增加和能耗排放法规日益严格的限制给车辆节能减排提出了巨大挑战，网联化、智能化和电气化是提高未来交通效率和减少公路能源消耗的三大支柱。为了全面了解智能网联汽车节能减排的前沿问题与研究进展，对当前经济驾驶领域的重点问题进行了总体概述。首先，从广义的能量转换角度总结了智能车辆节能优化技术的本质和3个过程，其中Wheels to Distance环节的车辆系统优化是挖掘汽车节能潜力的重要一环，针对其介绍了智能网联汽车节能优化问题的基本数学原理；其次，从智能运输系统的各类非同源异构数据出发，分别从人-车交互、车-车通信、车-路感知三方面阐述来源于"人-车-路"交互体系的智能信息与数据；然后，针对单车智能网联环境下的多维度信息与先进控制技术相结合的关键问题，从考虑道路坡度预测巡航控制、跟车工况预测巡航控制、智能辅助驾驶和车道变换等应用场景进行具体介绍；针对"人-车-路-云"多源异构环境下车辆行为协同节能关键科学问题，从经济驾驶、多车协同节能、道路交叉口车路协同节能和车云协同节能等方面详细介绍研究现状；并进一步介绍电气化公路系统的前瞻性研究，说明融合智能化信息的E-highway节能潜力和智能重型商用车协同节能的未来发展趋势。最后，总结并梳理智能化信息对于提升车辆节能的重要影响，并展望了其在理论与实际层面遇到的挑战。