详情

原文传递网联环境车辆跟驰行为的分子动力学建模及纵向协调控制研究

论文题名：	网联环境车辆跟驰行为的分子动力学建模及纵向协调控制研究
关键词：	智能网联车辆;跟驰行为;分子动力学;队列控制;速度优化
摘要：	智能网联交通系统建设迎来自动驾驶技术、交通环境和管控技术等要素的变化，交通系统呈现智能网联车辆（ConnectedandautonomousVehicle，CAV）和人工驾驶车辆（Human-drivenvehicle，HV）混合共存的状况，并在整体上涌现出新的交通行为特性。面对CAV与HV混合共存发展态势，聚焦单车道网联混合车流的动态耦合特性，遵循“力是改变物体运动状态的原因”这一物理规律，依次对HV跟驰、CAV跟驰、CAV队列形成与控制以及网联混合车辆簇的速度优化作了深入研究。具体包括：　　（1）为弥补传统车辆跟驰模型忽略驾驶员心理特性和车辆本身加减速性能存在差异的缺陷，从分子动力学角度解析了车辆跟驰行为与惰性分子之间运动的相似性，并基于Lennard-Jones势函数建立了分子跟驰模型，该模型能更好地解释驾驶员对远近不同距离跟驰过程中以及对加减速操作的不对称问题。数值模拟结果表明：分子跟驰模型下车辆加减速跟驰时的加速度并非固定不变，而是对前导车减速的敏感性比加速时更强，对近距离的加/减速跟驰敏感性比远距离加/减速时更强，模拟结果能从分子间相互作用力得到较好地解析。与经典的OV模型相比，该模型更贴合实测数据，可以更精确地描述驾驶员的跟驰特性。　　（2）为系统刻画CAV在行驶过程中面临的安全风险，建立包含车道线势场、道路边界势场和车辆作用势场的安全势场模型。在模型的建立过程中针对现有车辆势场函数存在引力和斥力表达式分割独立的缺陷，借鉴分子间相互作用关系建立统一的基于Lennard-Jones势的车辆相互作用势场函数，同时引入前车的加速度参数，加速度的变化直接影响车辆作用势场的分布进而能够有效地反映车辆在不同运行状态下安全势场的动态变化趋势。将安全势场模型应用于CAV跟驰行为决策，通过上海自然驾驶数据集对模型参数进行标定，与现有经典的IDM和VTH模型进行对比，该模型在不同交通场景中有更平滑的响应曲线来改善跟车安全和效率，验证了模型的有效性。　　（3）针对不同空间分布下的CAV，如何在没有任何碰撞的情况下进行CAV编队和队列保持，提出一种结合图论和安全势场理论的队列形成和控制策略。利用图论描述CAV之间的信息拓扑结构，规划队列形成过程中的轨迹。同时，利用安全势场来表征队列形成过程中车辆的行驶风险，制定了面向全过程的4步骤策略，实现队列初步形成和保持。通过设计三种不同CAV分布场景来验证该策略的有效性，仿真结果表明：该策略可以在短时间内将分布在不同车道上的车根据车辆之间的信息合并到前导车辆所在的车道上而无碰撞。此外，通过引入多前车加速度信息，CAV队列在交通安全和效率方面与两种典型的VTH和IDM方法比较均有明显的提高。　　（4）CAV队列对上层控制器输出的结果进行跟踪控制的过程中，会受到车辆动力学、通信延迟和外界干扰等因素的影响，而这些因素又会降低队列跟踪控制的精度和稳定性。鉴于此，设计一种自适应鲁棒控制器。通过合理的车辆纵向动力学模型和逆动力学模型设计了驱动和制动切换策略，在控制器基础上加入自适应项，并使用李雅普诺夫稳定性理论求解出该控制器具有鲁棒性的条件。仿真表明，与鲁棒控制方法和线性二次型最优控制方法相比，该方法不仅可以精确地实现对上层控制器期望值的跟踪，而且可以大大减少通信延迟对控制器性能的影响，具有更好的抗干扰性和鲁棒性。　　（5）为减小高速公路出现的交通振荡，提出一种基于运行轨迹的单车道混合车辆簇速度协调控制策略。利用路测交通传感器采集的信息并结合交通波的波速和驾驶员的反应时间对下游车辆簇中的CAV轨迹进行偏移和修正以预测尾车HV的运行轨迹，根据预测轨迹对上游车辆簇CAV首车在不同时间点的速度分布进行规划，引导CAV通过长时间小幅度变速的方式代替短时间的大幅度变速来抑制速度振荡的传播，使上游CAV车辆簇能以更合理平滑的速度逐渐合并到下游车流。数值仿真结果表明：在所设计的CAV渗透率为0%~25%、瓶颈开始的位置为575m~975m的范围内，渗透率越高、瓶颈开始位置越远以及CAV所选用的速度引导曲线越平滑，对速度振荡的抑制程度就越强，同时证明了速度协调控制策略能有效减小交通流的波动，提高驾驶员舒适性和车辆队列整体通行效率。
作者：	贾彦峰
专业：	机械工程
导师：	曲大义
授予学位：	博士
授予学位单位：	青岛理工大学
学位年度：	2022