网联车辆编队的信号灯路口通行控制策略

为提高信号灯路口场景下车辆编队的安全性和通行效率,提出V2X环境下网联车辆编队的信号灯路口通行控制策略。在信号灯路口上游设置一段控制区,以车辆编队领航车在信号灯路口排队疏散后到达信号灯路口为目标,对进入控制区的车辆编队速度进行优化。考虑速度变化对车辆编队纵向安全距离的影响,引入分布式模型预测控制理论,建立固定跟车时距控制策略下编队车辆的速度跟随控制模型,并采用加权二次型性能泛函将速度跟随控制问题转化为易于在线求解的凸二次规划问题。通过PreScan/Simulink软件仿真将信号灯路口通行控制策略与固定跟车时距控制策略进行对比,以验证速度跟随控制模型的有效性,结果表明:信号灯路口通行控制策略能够避免车辆间碰撞冲突,并可以减少编队车辆在信号灯路口的通行耗时,在保证安全性的同时提高了通行效率。

基于扰动观测器的固定时间车辆编队控制

考虑智能无人车在实际行驶中会受到外部自然环境及内部自身模型参数不确定的影响,使得对车辆编队系统的控制效果减弱,为此提出了一种具有扰动观测器的编队控制算法。使用车辆动力学和运动学模型进行建模,同时引入扰动观测器,可以让系统对复合扰动进行精确辨识。采用固定时间理论设计跟随车的控制器,运用李雅普诺夫稳定性理论分别证明了两个控制器都能在固定时间内收敛,并接着证明了整个车辆编队控制系统都能在一个固定的时间范围内收敛。通过仿真验证所提出的基于扰动观测器的固定时间车辆编队控制器的有效性。仿真结果表明,所提出的控制器可以使车辆编队在固定时间内快速收敛,且系统收敛时间与系统初始状态无关。

基于边缘智能的车辆编队协同控制方法研究

随着通信技术及自动化控制技术的发展,智能网联汽车的自主控制方法,特别是混合编队下的控制方法已经成为无人驾驶技术研究的重要方向。由于车载处理器计算能力有限,为了减少控制策略输出的时延,提高车辆跟踪效果,提出了基于边缘智能的车辆编队协同控制方法。利用边缘服务器的强大计算能力和5G通信网络,设计了基于边缘智能的控制系统,将计算任务上传至云端,充分释放车载处理器的计算资源。对混合编队下的跟车场景进行了分析,设计了时空耦合场景下的车辆编队控制模型,利用MPC控制算法,建立了车辆动力学模型,通过模型预测、滚动优化与反馈校正为智能网联汽车提供控制策略计算服务。经MATLAB仿真实验及边缘计算虚拟平台实验验证,所提出的MPC控制算法在轨迹跟踪控制上表现良好,能够实时高效地为车辆提供安全控制策略。

基于C-V2X直连通信的车辆编队安全威胁分析

基于蜂窝车联网技术支持的智能车辆编队行驶场景,研究智能车辆面临的信息安全威胁,并提出安全防护建议。通过分析车辆编队在直连通信接口中的车队内部及与路侧单元间的通信,以及车队编组、管理的通信过程,识别智能车辆编队行驶面临的信息泄露、信息篡改、身份仿冒等安全威胁,并针对性地提出车辆编队行驶安全防护方案,如通信内容加密,引入区块链技术实现成员身份鉴别和数据安全等。

基于MPC和SLAM的车辆编队耦合控制策略

车辆编队通过车辆对车辆(V2V)通信,可大幅减小车辆之间的距离,从而降低空气阻力并提高道路交通效率。随着车辆编队控制技术的发展成熟,车辆编队可实现基本的驾驶功能,便于大规模的编队调度和规划,为车辆编队的工业化应用带来了显著的经济效益。但传统纵向和横向控制方法存在潜在不稳定性和横向偏移的问题。为此,文章提出了一种基于模型预测控制(MPC)和同步定位与地图构建(SLAM)的车辆编队耦合控制策略,该耦合MPC和SLAM控制策略优于传统方法,大幅改善了车辆编队的稳定性、安全性和可靠性。通过与其他常用控制方法的比较分析,揭示了传统控制方法在稳定性和可靠性方面的固有限制,尤其在复杂环境和高速驾驶条件下尤为突出,试验结果表明了文章提出的耦合MPC和SLAM控制策略相比其他控制方法可以更好地实现车辆编队的跟随效果,表现出优越的性能。

区块链架构下具有条件隐私的车辆编队跨信任域高效群组认证研究

为了均衡车辆编队跨信任域身份认证的安全和效率,提出了区块链架构下具有条件隐私的车辆编队跨信任域高效群组认证方案。设计了面向车辆编队身份认证的新型区块结构BM-Tree,通过多信任域间链上认证参数共享为跨信任域群组认证提供支撑;采用动态匿名进行车辆身份隐私保护,通过双线性映射进行信任域参数变换,实现了具有条件隐私的跨信任域群组认证;提出了基于BM-Tree的高效群组认证协议,实现了车辆编队批量身份认证和重认证。所提方案在安全性和计算开销方面明显优于现有跨信任域认证方法,相比BLA、MDPA和BBA,整体认证时延平均减少了29%、25%和53%。

参数自优化的有人与无人车辆编队鲁棒模型预测控制

为解决有人与无人车辆编队中,有人领航车紧急加减速和紧急转向控制输入对无人车跟踪控制的扰动问题,设计了一种参数自优化的有人与无人车辆编队鲁棒模型预测控制算法。通过采集分析历史数据确定控制器扰动的噪声极值,并经过适度放缩得到其鲁棒边界。设计抑制该扰动的局部反馈鲁棒控制器,并通过贝叶斯优化的方法实现鲁棒边界等控制器参数自优化。基于混合整数线性优化的方法预测有人领航车未来轨迹,并设计鲁棒模型预测控制器实现无人车对有人领航车的跟踪控制。仿真和实车试验结果表明:所设计的鲁棒模型预测控制器在跟踪精度方面相比于传统模型预测控制器有明显的提升;同时该控制器有效地抵抗了来自有人领航车紧急加减速和紧急转向控制输入、无人跟随车系统模型不确定性和外部环境的扰动,振荡情况明显改善,提高了系统的鲁棒性。

基于领航跟随者的固定时间车辆编队控制

随着无人车技术的发展,对控制的要求更高,对系统收敛的时间也有一定的要求。为了解决传统多车辆协同编队控制系统无法预测系统收敛时间的问题,提出一种固定时间控制的车辆编队控制策略。首先,采用领航者-跟随者模式建立了领航车与跟随车之间的误差模型,将跟随车跟随领航车之间的跟踪问题转化为误差系统的控制问题;其次,根据固定时间理论来设计跟随车的线速度控制器和角速度控制器,使编队系统的跟踪误差在一定时间内趋于0,保证车辆编队能在一个固定时间内收敛并稳步形成所期望的编队队形;然后,把车辆编队系统分为位置误差系统和角度误差系统,运用李雅普诺夫稳定性理论分别证明位置误差系统和角度误差系统的稳定性,并推导出位置误差系统收敛时间的最上界;最后,通过MATLAB软件仿真,验证所提出的固定时间编队控制器的有效性。仿真结果表明,所提出的方法可以保证车辆编队误差系统在固定时间内收敛,形成期望编队阵型,且系统收敛时间与系统初始状态无关。

车辆编队系统的多目标分布式控制

针对车辆编队系统,通过引入空间变量和空间移动算子,建立多维的空间关联系统模型.采用多目标分布式控制方式,同时考虑系统的动态过程和能量消耗,设计了与被控对象有着相同关联结构的分布式反馈H2/H∞控制器,在系统具有较好动态性能的同时使能量消耗尽可能地少.以弹簧质点模型来模拟车辆的编队模型,进行仿真实验,仿真结果说明方法的有效性和可行性.

车联网环境下的车辆编队协作路径跟踪控制

针对多车辆协同路径跟踪控制问题,基于车辆运动学模型提出一种简单有效的直接车辆速度控制方法。首先根据车辆运动学模型和给定队形及其几何中心基线路径参数,确定参考路径及虚拟车辆速度,据此给出跟踪车辆协同路径跟踪控制器设计方法。这种协作路径跟踪控制方法可在车联网环境下以最少通信量实现多车辆协作控制,仿真实验证明了该方法的有效性。

基于自适应卡尔曼滤波的车辆编队控制

针对具有网络传输延时和噪声的多车辆系统的编队问题,提出了一种基于自适应卡尔曼滤波器的协作路径跟踪控制方法.根据车辆运动学模型和给定队形及其路径参数,给出车辆协作路径跟踪控制器设计方法,将系统线性化,针对延时情况重构状态方程,用自适应卡尔曼滤波算法滤除噪声的影响,实现系统稳定控制.仿真实验证明了该方法的有效性.

车辆编队系统的分布式控制

基于关联系统模型研究智能车辆编队的分布式控制.通过引入空间变量和空间移动算子,将车辆编队系统建模成多维的空间关联系统.基于线性矩阵不等式的方法设计了与被控对象有着相同关联结构的分布式输出反馈H∞控制器,确保整个编队系统的适定性、稳定性及对外界干扰的鲁棒性.在Matlab环境下编程验证控制器的性能,并通过3台移动机器人的模拟车辆编队仿真实验,说明模型的正确性和方法的有效性.

车辆编队的队形控制方法及应用综述

车辆编队的队形控制研究主要集中于队形成形、队形切换和队形保持三个方面。首先介绍分析了多种队形控制方法包括行动选择法、人工势场法、虚拟结构法、复拉普拉斯矩阵法、领航-跟随法等控制方法;其次介绍了如公路无人卡车辆编队场景、无人战车编队场景等多智能车队形控制应用场景;最后总结了未来队形控制问题的一些研究方向。

虚拟道路车辆编队算法研究

针对车辆编队在虚拟场景道路上运动的问题,提出了基于目标点的虚拟道路车辆编队算法。根据跟随车辆当前的位置、方向和目标点的位置信息,利用两点二次函数插值计算车辆遍历轨迹。论述了车辆编队在直线道路上运行的原理,以此为基础研究了车辆编队在弯道上运行的原理,利用安全距离、行使最小安全距离和车辆在弯道上运行时速度与曲率的关系,计算弯道上车辆的运行速度和方向。并以二辆车的编队仿真实验验证了该算法的可行性。

基于智能网联车辆编队的高速公路协同合流控制方法

为解决高速公路合流区在交通需求较高条件下的交通流不稳定和拥堵问题,以提高合流区通行能力和车辆合流过程协调性以及消除合流冲突为切入点,提出了在全智能网联车辆(CAV)环境下基于编队的协同合流(PBCM)策略.在合流区上游匝道路段设置一定长度的编队区,当编队区内的CAV数量满足一定规模后,即触发PBCM策略的执行.策略共包含匝道编队区CAV和主路CAV初始合流时间计算、匝道和主路CAV编队方案制定以及车队头车轨迹规划算法3部分.利用MATLAB构建了高速公路合流仿真环境,实验结果显示,当总交通需求为3100辆/h时,PBCM策略通过合流点的车辆数和主路平均速度最高分别比现有基于单个匝道和主路车辆协同(SVBCM)的策略提高了50.7%和20.0%,延误降低46.7%.仿真结果验证了PBCM策略在解决高交通需求条件下合流区拥堵问题的有效性,在匝道合流率较大的情况下仍可以维持主路上游较高的行驶速度.

车辆编队协作式行驶仿真系统研究

针对智能网联车编队行驶功能,文章设计了基于车用无线通信(C-V2X)技术仿真系统。依据车辆协作式行驶控制流程(车辆组队、车辆入队、车队稳定行驶以及车辆出队),搭建智能驾驶员模型对车辆进行控制,通过领航-跟随法引导车辆队列行驶,最后在Prescan中设计驾驶场景,并通过直连通信(PC5)模式4通信协议建立通信进行了仿真验证。结果表明,所搭建的车辆编队协同控制仿真系统能够有效完成车辆队列的形成、车辆入队、队列稳定行驶以及车辆出队等队列控制行为,并能够根据自动驾驶控制策略使队列保持稳定的车间距行驶。

网联车辆编队的鲁棒模型预测控制方法

为研究一类带有结构不确定干扰的网联车辆编队控制问题,考虑结构扰动服从盒式不确定集约束情况,提出一种基于鲁棒对等变换的模型预测编队控制方法。首先,基于车辆运动学状态方程,对传统车辆编队控制模型进行描述;其次,在状态方程中引入仿射结构不确定矩阵,构建最小最大化范式下的网联车辆编队控制模型;然后,在盒式不确定集下,基于鲁棒对等理论将该模型转化为计算上易于处理的上图优化模型;最后,采用序列二次规划算法获得最优编队控制方案,并通过仿真实验将该控制方案与传统车辆编队控制方案进行对比,以此验证模型的有效性。结果表明:本文提出的最优编队控制方法能够抵御编队系统结构不确定干扰,在实现稳定编队目标的同时保障车辆的编队安全性。

一种面向车辆编队通信系统的数据元设计思路

用于车辆编队通信的应用层数据需要以较少的数据载荷量来适应资源有限的直连无线通信系统,同时又必须携带足够丰富的应用信息。提出了一种应用范围更加灵活、具有弹性载荷的时空数据要素设计思路。该数据元设计思路在承载等效信息量的前提下,有效降低了用户数据的载荷。首先对智能驾驶车辆编队应用的特点和车辆编队通信系统特性进行了分析;随后对现有车辆直连通信应用层数据规范和使用效果进行了研究;最后以降低应用数据载荷为目标,提出了一种弹性载荷时空数据元的设计思路并通过示例予以说明。

异构智能网联车辆编队的双阶段节能驾驶控制策略

为了提高智能网联自动驾驶汽车(CAV)车队的燃油效率,提出了一种CAV异构车队的双阶段节能驾驶控制策略。在离线控制策略阶段,速度优化通过利用动态规划(DP),为智能网联自动驾驶车队创建参考节能速度曲线。在在线控制阶段,采用双向控制与领队跟随(BDLF)策略,来保持车队的稳定性,并实时跟踪参考速度曲线。利用Matlab构建的双阶段节能驾驶策略,在Autonomie车辆系统仿真工具中进行了仿真。在多组道路环境下,基于美国加州交通局(Caltrans)性能测量系统(PeMS)提供的交通数据对该策略的性能进行了测试验证。结果表明:本双阶段节能驾驶策略将CAV车队的燃油效率提高了10.1%。因而,该方法可以保持CAV异构车队的稳定并为车队提供更加节能的控制方法。

一类基于自适应反馈控制的车辆编队研究

文中研究了基于生物刺激神经动力学方法的车辆编队控制问题。以编队车辆的运动学模型为基础,在跟随领航者体系下建立车辆编队系统动态模型。根据李雅普诺夫稳定性理论,设计出新的自适应反馈跟踪控制器,将车辆跟随问题转化为系统误差的控制问题,并运用仿真实验验证控制器的有效性。与现有的反馈跟踪控制器进行对比后可以看到,文中所设计的控制器在稳定性和收敛速度上有了进一步的提高。