面向混合自动驾驶车流的协同自适应巡航控制EI北大核心CSCD

车联网V2V环境下能实时获取自车和周围车辆的运动状态、驾驶工况和道路环境,为汽车自适应巡航控制系统提供更准确的信息。为消除自动驾驶汽车(AV)和人工驾驶汽车(MV)混合行驶工况下的车头时距干扰对汽车纵向巡航控制的影响,提出了一种基于车联网V2V的协同自适应控制方法。通过车联网V2V实时采集车辆跟驰过程中车辆基本安全信息(basic safety message,BSM),进而获得车辆相对运动状态和驾驶行为序列;应用线性最优二次型方法建立驾驶操纵序贯链优化目标函数,再对扰动作用下的汽车运动状态改变量进行短时预测;在此基础上,以混合车流车头时距的最优均衡状态为目标,构建了车辆跟驰间距的滚动优化模型和协同自适应控制方法。实验结果表明,在头车加/减速行驶工况下,改进后的车辆控制器能更快响应前车运动状态的变化量,并在保证车辆安全跟驰间距的情况下,降低了车头时距,提高了道路通行能力。     

车站站名变更对LKJ数据编制的影响分析及优化建议

在采用列车运行监控装置（LKJ）设备的铁路线路上，车站站名存在多交路复用、站名重复等情况，对车站站名变更的影响及优化进行研究具有重要意义。首先，从LKJ车载设备和地面数据编制软件方面，对车站站名的取用方式和作用进行分析；其次，在车站站名发生新增、改名、撤销、站场和发车方向变更等场景下，对LKJ基础数据编制及数据换装过程的影响进行分析；最后，从LKJ列车运行径路组织方式、基础数据格式和数据换装流程三方面提出优化建议，以提高地面数据编制人员的工作效率，降低劳动强度，并简化数据换装流程，提高作业安全。