交叉口交通事故处置用车辆协同控制模型

为应急处置交叉口突发交通事故造成的拥堵情况,利用车联网的车车(V2V)通信技术,根据车联网车辆实时播报的位置、速度等信息,以交通总延误最小为目标设定车辆的通过次序及行车轨迹,构建车辆协同控制模型;为提高求解精度和效率,提出基于遍历树和滚动优化的模型求解算法;最后搭建仿真平台验证模型有效性。结果表明:所提出的控制模型和求解算法明显优于传统的信号控制方法,显著降低了事故车辆对交叉口运行的影响。

考虑电子节气门开度的车辆队列纵向协同控制

针对车辆动力学模型,在车用无线通信技术(vehicle to everything,V2X)条件下设计了一种新的车辆队列纵向协同控制器,进行了理论分析与实验验证。基于三阶车辆模型,考虑前车跟随车通信拓扑,设计了一种考虑电子节气门开度的车辆队列纵向协同控制器,分析了系统稳定性和串稳定性以及电子节气门开度对稳定性的影响;针对网联车辆队列控制,开发了PreScan和Matlab/Simulink的联合仿真平台和车联网设备的实验平台,开展了仿真和实验验证。研究结果表明,所提控制器能够实现车辆队列控制的目标,但在现场实验中,车辆在加速度、速度和车辆间距的变化上不如仿真实验中光滑且严格收敛,在实验安全及误差范围内仍呈现出一致性的趋势,验证了所提控制器的有效性。

基于模型预测的车辆协同编队控制

针对考虑车载传感器故障的非线性车辆协同编队控制问题进行了研究。首先,建立考虑传感器故障的非线性车辆协同控制系统模型。其次,在该模型的基础上利用李雅普诺夫方法设计基于线性矩阵不等式(LMI)的模型预测控制器,优化车队的控制性能指标,在保证车队渐进稳定和队列稳定的同时,进一步提高车队的控制性能。最后,通过以Arduino为控制单元搭建的实验车队验证了算法的有效性和实用性。

基于鱼群效应的多车协同行驶控制方法

针对提高道路中多车行驶协同性问题,将鱼群群体行为效应引入到车辆的行驶控制中。通过对鱼群群体集群、游动行为一致性的研究,采用邻域平均法和改进的人工势场函数构造鱼群群体移动数学模型,将该移动数学模型应用到多车协同控制中,根据车辆行驶的常见运动行为,建立基于群体行为的车辆群体行驶、避障、队形变换控制方法,使行驶车辆间具有群体协同性、一致性,以提高车辆对环境的感知适应力。通过仿真实验得到的车辆行驶路径轨迹验证了该协同控制方法的有效性。

基于行车安全场模型的交叉口车辆控制算法

为了提高网联环境无信号交叉口自动驾驶车辆的行车安全与通行效率问题,首先,建立无信号交叉口的行车安全场模型,构建包括车辆动力性能、制动性能以及通行交叉口所有车辆行车风险的目标函数,并设定相应的约束条件;然后,采用模型预测控制方法优化驶向交叉口车辆的行车策略;最后,基于VISSIM、MATLAB和NS3构建联合仿真试验平台,分别以车辆碰撞冲突类型、行车风险改善和道路拥堵程度验证并分析算法性能.试验结果表明:在车流量和流量容积比大于1.0时,相比于传统的感应控制系统,本文提出的算法在延误时间、行程时间、冲突数目和通行能力的收益率分别大于90%、10%、10%和5%;在通信延迟低于100 ms,数据丢包在35%内,仍能够保证交叉口内车辆的通行效率.

网联共享车路协同智能交通系统综述

网联车辆、交通大数据、共享出行等技术给智能交通系统的发展与应用革新带来了机遇和挑战.在全面总结共享出行系统、网联车辆协同优化控制、交通大数据分析等领域最新研究成果的基础上,系统论述智能交通技术的研究进展,特别对智能交通系统中的交通流及出行需求预测、共享出行系统车辆调度、交通网及电网联合优化、网联车辆协调控制及车-路协同控制等方面进行全面综述.分析智能交通系统存在的问题及挑战,并对其未来发展方向进行展望.

基于双向多车跟随式拓扑的混合车辆队列稳定性研究

车辆队列控制在提高驾驶安全性、提升交通流量、改善燃油经济性方面具有巨大潜力。现有车辆队列控制研究多针对完全由网联自动驾驶车辆组成的队列,难以应用于实际混合交通环境,而现有混合队列控制研究通常仅考虑网联自动驾驶车辆跟驰控制目标,而忽略了其对后方交通流与队列稳定性的影响。为此,研究了混合人工驾驶车辆与网联自动驾驶车辆的队列协同控制方法,在网联自动驾驶车辆控制设计中引入前后车信息,并研究其对队列稳定性的影响。首先构建了混合车辆队列系统模型,提出一种改进的适用于双向多车跟随式拓扑的混合队列控制器。其次针对双向通信拓扑,迭代推导出车辆队列首尾传递函数,分析扰动工况下混合车辆队列的通信拓扑及队列规模对闭环稳定性、首尾队列稳定性的影响。研究结果表明:在任意通信拓扑下采用所设计的网联自动驾驶车辆控制器均可达到队列闭环稳定;网联自动驾驶车辆作为混合车辆队列中的可控单元,可有效地衰减队内干扰,网联自动驾驶车辆利用后车信息也可更好地衰减队内扰动,保证首尾队列稳定;依据首尾传递函数分析,在单网联自动驾驶车辆的混合车辆队列中,首尾队列稳定性与网联自动驾驶车辆位置i无关,而与前后人工驾驶车辆数目m、n及队列规模N有关,且后方人工驾驶车辆数目n越多,越有利于首尾队列稳定。