详情

原文传递低能见度下混合交通流行为建模与编队控制研究

论文题名：	低能见度下混合交通流行为建模与编队控制研究
关键词：	低能见度条件;混合交通流;车辆跟驰行为;建模方法;编队控制
摘要：	近年来智能网联和自动驾驶技术的不断发展使自动驾驶汽车（Connected and Autonomous Vehicle，简称 CAV）逐步实现商业化，然而人工驾驶汽车（Human-Driven Vehicle，简称 HDV）完全被 CAV替代需要经历漫长的过程，因此由 CAV和 HDV组成的混合交通流场景将在未来一段时间内长期存在。对混合交通流中 CAV和 HDV行为进行建模一直是智能交通领域的研究重点。在雨雪雾等低能见度环境下，不仅道路湿滑度增加、驾驶人的反应时间也随能见度降低而增大，数据表明，由雾霾造成的低能见度路段上交通事故的死亡率高达 40%。因此，以科学模型客观描述低能见度下的混合交通流行为并寻求有效的编队控制方法对改善驾驶安全、提高混合交通效率等具有重要意义。本文围绕低能见度下混合交通编队运行安全与效率提升的问题，对混合交通流行为建模和换道、非换道情况下车辆编队控制的问题展开了研究，论文主要工作如下。　　（1）低能见度下混合交通流中车辆跟驰行为建模方法研究。混合交通流由人工驾驶车辆和自动驾驶车辆构成。针对人工驾驶车辆，首先结合文献综合分析了低能见度对驾驶员可视距离和反应时间等行为的影响，分别提出了能见度与安全距离和能见度与限制车速之间的计算公式，并在此基础上，将其引入跟驰车辆速度递推公式中，构建了低能见度下的最优速度计算模型。针对自动驾驶车辆，分析了目前自动驾驶车辆基于规则的跟驰行为特性，考虑了前车分别为 HDV和 CAV时跟驰车辆在跟驰决策上的区别，基于前后车速度差、车间距等信息，构建了基于自适应巡航和协同自适应巡航的跟驰模型。并对跟驰模型进行数值模拟实验证明了模型的稳定性。　　（2）低能见度下基于模型预测控制的无换道情况下混合车辆编队控制方法研究。首先，针对难以在短时间内实现对大规模车队快速高效集中控制的问题，基于车辆的跟驰行为特性，提出了混合子车队的概念，将大规模车队划分为多个子车队。其次，基于子车队中个体车辆的当前速度、跟驰间距与理想的速度、跟驰间距之间的偏差，构建了混合编队跟驰误差状态空间方程，以车队整体跟驰误差最小化作为编队控制的目标，从车辆运行的安全性和驾驶员乘坐舒适度等角度定义了速度、加速度和跟驰间距的取值空间并作为模型的约束条件，基于模型预测控制的思想，通过迭代计算CAV加速度，使一段时间内编队个体车辆的速度、跟驰间距达到最优，最终形成了基于模型预测控制的混合编队最优控制方法。在不同能见度下将本文提出的混合编队控制方法与基于FollowerStopper 的编队控制方法进行对比实验。结果表明，本文提出的控制方法使编队达到平稳状态所需的时间缩短了 28.6%。在不同 CAV渗透率下对随机车辆干扰实验结果表明，随着CAV渗透率的增加，车队恢复平稳状态所需的时间逐渐缩短。　　（3）构建了考虑 CAV 换道轨迹规划与并入控制的混合车辆编队控制方法。将自动驾驶车辆换道划分为加速换道、减速换道或匀速换道三种工况，结合不同类型工况车辆换道的影响因素及换道位置空间需求特性与区别，通过五次多项式构建了车辆换道轨迹随换道时间、车速变化的关系，以横向加速度和横向加速度变化率作为换道舒适性指标、以车辆完成换道时间作为换道效率指标、以车辆换道结束后的纵向行车距离作为换道对周围交通的影响指标，构建最优换道轨迹计算公式。从车辆动力学角度，以车辆轨迹跟踪误差最小化为车辆轨迹跟踪控制的目标，从车辆换道的平稳性角度定义了前轮转角及其增量的取值空间并作为模型的约束条件，基于模型预测控制的思想，通过迭代计算CAV横向加速度，使得未来时间内车辆按照预先规划的轨迹行驶，形成了基于横向最优轨迹跟踪控制的混合车辆编队控制方法，最终实现了车辆快速、准确地完成换道并入新的编队的操作。在仿真实验中设置能见度为50米下的3种换道工况，从车辆换道的多项式轨迹规划、加入队列后的队列纵向调整来验证所提方法的有效性。
作者：	王凡婷
专业：	交通信息工程及控制
导师：	龚勃文
授予学位：	硕士
授予学位单位：	吉林大学
学位年度：	2023