《汽車工程》2023年第8期發(fā)表了清華大學(xué)高博麟副研究員團(tuán)隊研究成果“基于云控系統(tǒng)的隊列預(yù)測性巡航與換道決策”一文。為了提高高速公路車輛隊列行駛的安全性、經(jīng)濟(jì)性、通行高效性和車速平順性,論文提出了基于云控系統(tǒng)的隊列預(yù)測性巡航與換道決策方法,通過云控平臺獲取動態(tài)交通環(huán)境信息,并對環(huán)境車輛狀態(tài)進(jìn)行長時間尺度的軌跡預(yù)測。基于此,規(guī)劃隊列縱向加速度與橫向換道時機(jī),通過車云協(xié)同的分層控制,實現(xiàn)隊列車輛軌跡跟蹤,提升隊列行駛的綜合性能,并通過仿真試驗,驗證了所設(shè)計算法的有效性。
一、研究背景
隊列預(yù)測性巡航控制利用車輛前方道路坡度的前瞻信息,提前規(guī)劃好車輛的經(jīng)濟(jì)車速,可提高車輛行駛的燃油經(jīng)濟(jì)性。目前,大多研究僅使用靜態(tài)道路信息(道路坡度)進(jìn)行縱向車速規(guī)劃。但是在實際的交通場景中,道路上必然存在環(huán)境車輛,如果僅考慮靜態(tài)道路信息而忽略動態(tài)交通環(huán)境,規(guī)劃的車速存在安全隱患。另外,目前的隊列預(yù)測性巡航控制僅僅規(guī)劃一條車道上的車速,忽略了換道行駛對巡航綜合性能的提升效果。
(資料圖片)
二、研究內(nèi)容
1. 車云分層控制架構(gòu):云控平臺通過通信網(wǎng)絡(luò)直接獲取隊列狀態(tài)(如位置、速度等),并通過路側(cè)基礎(chǔ)設(shè)施收集動態(tài)交通環(huán)境信息(如環(huán)境車的位置速度等)。云端隊列預(yù)測性巡航與換道決策算法計算隊列最優(yōu)的縱向加速度序列與橫向換道決策序列,并將序列下發(fā)車端。隊列接收到云端指令進(jìn)行解析和跟馳及換道跟蹤控制,并實時上傳隊列運動狀態(tài),形成車云的滾動閉環(huán)控制。
圖1 車云分層控制架構(gòu)
2. 隊列預(yù)測性巡航與換道決策算法:通過路側(cè)基礎(chǔ)設(shè)施獲取動態(tài)交通信息,并上傳云平臺;云平臺利用預(yù)測模型估計環(huán)境車輛的未來狀態(tài);隊列采取不同的行為而獲得的懲罰體現(xiàn)在設(shè)計的目標(biāo)函數(shù)中,通過最小化目標(biāo)函數(shù)實現(xiàn)縱向加速度與橫向換道決策的協(xié)同優(yōu)化,并將決策結(jié)果發(fā)送至車端進(jìn)行跟蹤控制。
圖2 隊列預(yù)測性巡航與換道決策算法示意圖
3. 仿真驗證:利用Sumo與Matlab搭建聯(lián)合仿真環(huán)境,設(shè)計了不同交通流量下的5組仿真工況。
三、研究結(jié)果
對比微觀駕駛模型,采用該方法的隊列在巡航時碰撞風(fēng)險降低 42. 2%,換道時碰撞風(fēng)險降低 3. 41%,平均節(jié)油率為 1. 22%,速度提升 0. 83%,平順性提高 49. 84%。
創(chuàng)新點與意義
針對傳統(tǒng)隊列預(yù)測性巡航控制忽略動態(tài)交通環(huán)境,且僅考慮一條車道上的速度優(yōu)化,導(dǎo)致高速公路巡航行駛綜合性能難以達(dá)到最優(yōu)的問題,設(shè)計了基于云控系統(tǒng)的隊列預(yù)測性巡航與換道決策算法,并設(shè)計了車云分層求解策略算法框架,實現(xiàn)了待優(yōu)化量的在線快速求解。該算法可綜合提升車輛隊列高速公路巡航行駛的安全性、經(jīng)濟(jì)性、高效性和平順性,為隊列預(yù)測巡航控制提供了理論依據(jù),具有重要的工程應(yīng)用價值與指導(dǎo)意義。
標(biāo)簽:
熱門