详情

原文传递基于虚拟领航者的智能网联汽车多车道协同编队及控制

论文题名：	基于虚拟领航者的智能网联汽车多车道协同编队及控制
关键词：	智能网联汽车;高速公路;协同编队;虚拟领航者;轨迹规划;跟踪控制
摘要：	随着5G通信、移动互联网、人工智能等技术的快速发展和广泛应用，无人驾驶技术已成为当前全球科技界的研究热点之一。因汽车保有量的增加而导致道路交通拥堵问题愈演愈烈，仅通过增加道路设施供给缓解交通压力遭遇瓶颈，特别是大中城市道路规划用地已达极限，因此通过必要的交通运行控制来提高通行效率已成为现阶段解决交通问题的主要手段。智能网联汽车（IntelligentConnectedVehicles，ICV）的协同编队行驶是减少环境污染、改善道路交通运行状况、缓解交通拥堵、提高道路行驶效率的有效途径。然而由于技术推广的渐近式发展特点，未来道路交通必然要经历无人驾驶汽车和人工驾驶汽车（HumanPilotVehicle，HPV）共享道路的混行交通阶段。因此，研究混行交通模式下拥有高度智能且能够网联通信的ICV所表现出来的群体特性，尤其是群体协同控制所带来的道路通行效率提升潜力，具有重要意义。据此，本文针对ICV在高速公路行驶过程中的协同编队、编队最优轨迹规划及跟踪控制等问题开展研究。　　首先，构建基于虚拟领航者的ICV协同编队控制系统架构，设计虚拟领航者的控制率，定义编队个体的追踪行为和同步行为，运用多智能体系统理论建立四元素模型研究协同编队控制，提出基于虚拟领航者的ICV协同编队控制模型，将多ICV协同编队由单车道一维队列推广到多车道二维编队。设计了基于虚拟领航者的分布式模型预测控制算法，对ICV编队系统的内稳定性和弦稳定性进行分析，仿真结果表明，采用分布式模型预测控制器的ICV编队系统具有较好的内稳定性和弦稳定性。　　第二，研究了ICV编队规划层中的三个关键问题，从安全性和效率两个方面提出ICV编队评价指标。ICV编队目标队形节点为虚拟领航者，采用“菱形”作为编队基础队形，采用人工势场法对道路环境影响因素及基础虚拟领航者进行建模，将虚拟力合力零点作为虚拟领航者的实时位姿，得到实时编队目标队形。采用买卖合同工作流程来描述编队中ICV与虚拟领航者的配对，以整个编队系统能效最优为目标函数，得到采样周期内的最优任务指派矩阵。将相交轨迹对应的ICV和虚拟领航者划分到子图中进行分析，采用基于序贯的多车轨迹决策算法，得出各子图中ICV的优先级排序，优先级低者将优先级高者视为移动障碍物并进行避让。分析HPV和ICV在不同车辆密度及ICV渗透率下的通行效率，仿真结果表明，期望速度分别为70km/h、90km/h和110km/h时，相较于传统驾驶场景，采用协同编队控制策略的ICV编队最大通行效率分别提升47.1%、35.7%和31.8%，　　第三，采用Radau伪谱法和内点法求解ICV最优轨迹规划问题。运用混合A*算法求得个体ICV的航路点，以航路点的连线为指引线，将规划轨迹的解区间限定在指引线邻域内，通过增加软硬约束实现对静止障碍物的避让，通过速度重规划实现对动态障碍物的避让。搭建基于AMPL（AMathematicalProgrammingLanguage）和MATLAB的仿真环境，仿真结果表明，所提出的ICV最优轨迹规划算法有效，并具有较好的实时性。　　第四，将复杂的ICV轨迹跟踪问题分解为纵向运动控制和横向轨迹跟踪控制，ICV纵向运动控制采用一阶惯性系统的状态方程描述，基于模型预测控制（ModelPredictiveControl，MPC）算法设计纵向运动控制器；ICV横向轨迹跟踪控制采用车身坐标系下的二自由度车辆动力学模型描述，基于线性时变模型预测控制算法设计横向轨迹跟踪控制器。运用CarSim/Simulink仿真平台进行跟踪效果测试，结果表明，ICV的纵向运动控制和横向轨迹跟踪效果较好。　　最后，开展了单ICV编队轨迹算法的仿真试验、实车验证以及多ICV协同编队控制策略仿真试验。搭建CarSim/Simulink仿真平台，实现对基于采样周期的编队轨迹的仿真。基于智能电动汽车S50EV-idea的自动驾驶平台，进行ICV单车轨迹规划及跟踪性能多场景实车试验，结果表明，实车轨迹与单ICV仿真轨迹具有高度相关性。采用基于PreScan/Simulink的多ICV协同编队控制仿真平台进行典型的编队场景仿真，结果表明，多ICV协同编队控制策略有效。　　综上所述，本文对在高速公路上行驶的ICV编队系统稳定性进行分析，研究协同编队相关算法，提出了多车道ICV编队轨迹规划方法以及编队轨迹控制方法，为ICV协同编队控制技术研发提供理论基础。
作者：	曹福贵
专业：	交通信息工程及控制
导师：	江浩斌
授予学位：	博士
授予学位单位：	江苏大学
学位年度：	2021