现代社会飞速发展,安全已然成为交通运输中的首要问题。目前,交通系统远未达到理想中的完美情况。实际道路交通中的诸多因素,比如非法驾驶、疲劳驾驶及超速驾驶等,造成了交通运输系统的不安全性与不稳定性。数十年来,包括美国、日本、欧洲、中国等国家和地区的学术界和工业界积极推进智能交通系统(ITS,Intelligent Transportation Systems),以便辅助驾驶者感知周围交通和车辆状态,帮助驾驶者提前预知交通环境信息,从而避免交通事故和提高交通效率。然而智能交通不是车辆自身,而是车辆之间相互配合协同驾驶,提高整个交通系统的智能。V2X技术的迅猛发展,使得交通系统中各参与者之间的信息交互变得及时可靠,为智能交通系统的发展提供了充分条件。
车辆组队自适应巡航控制是智能交通系统的重要组成部分。通过对车辆进行分组编队,可以优化车辆间距离、提高运行速度、提高路口通过率、降低事故率及油耗,从而提高交通系统容量,优化现代交通运输。现有关于自适应巡航控制主要是单个车辆结合多个传感器考虑环境中的各种因素进行框架设计,并未给出准确的控制结果。与已有相关论文对比,本文根据实际汽车状态,多个车辆组队利用V2X共享信息:位置、速度及加速度,精确建立分布式车辆控制动态模型,并提出一个最优控制性能指标,最后利用近似动态规划方法,准确解出组队中每个车辆的控制率。本文综合考虑交通系统效率,提出了一种车辆组队分布式自适应巡航控制方法,利用V2X提供的交通信息和车辆信息,利用近似动态规划算法,每个车辆独自计算实现自适应巡航控制。
车辆组队控制建模
1.车辆模型
根据车辆位移、速度和加速度之间的关系和车辆自身的动力、质量等参数可以构建如下车辆模型
其中,表示车辆的位置、速度和加速度三个状态量。
式中,τ 是反映车辆动力和质量的一个常数值。
2.车辆组队模型
本文考虑智能交通系统需求,结合V2X特点,提出一种车辆组队分布式控制方法,通过车辆之间的位置、速度和加速度计算最优的行驶速度和安全距离。保证车辆之间保持一定距离快速安全行驶,从而提高交通效率,降低运输成本。
该方法的基本思路是:首先,根据汽车的状态信息包括位置、速度及加速度,建立分散式状态方程;其次,根据控制目标的最佳位置、速度相同,建立最优代价函数;最后,利用自适应动态规划算法求解最优控制率,在对应控制下组队车辆达到期望状态。n 辆车V1 、V2 …Vn 组成车队,相互之间通过V2X互联,如图1所示。每个车辆状态保持一致,第i辆车控制自己的位置与前车(第(i~1)辆车)的位置处于定义的安全距离内,因为与时间t无关,在求导时值为0。
图 1 n 辆车组队示意
分布式控制方法设计
本文的目的是使车队整体完成自适应巡航,为实现控制目的,已有论文多采用集中式控制方法,即根据所有车辆来计算一个整体控制策略,该方法计算复杂,延时大,不利于实际应用。本文利用分布式控制方法对车队中的车辆实现独立控制,从而降低控制策略的复杂度,提高实时性能。根据需求只要后车在安全距离内紧跟前车,状态变量与前车相同,而与其他车辆没有关系,从而建立如下后车跟踪误差方程。
求导得到误差的状态方程:
Xi=[eTi xTi-1]T
其中包括误差系统和目的跟踪系统,则建立增广系统表达式为:
技术实现方案
为验证前述理论算法的技术可行性,本文基于V2X终端实现车辆列队行驶,设定的场景为前后车跟车行驶情景。
具体而言,从前车采集车身相关信号,包括车轮转速、制动信号、节气门位置、转向盘角度、倒车信号、驻车信号、横摆角速度信号、横纵向加速度信号、转向灯信号、近/远光灯信号及GPS信号等,并通过V2X技术,将上述前车信息实时传递到后车,后车根据接收到的前车位置、速度和加速度三个数据,以及后车自身的位置、速度和加速度三个数据,利用控制系统模型和跟踪算法,实现直线状态下的跟车行驶。行驶目标为最高车速40 km/h时,跟车距离在10 m。整体系统如图2所示。
图2 编队行驶实现
1.编队行驶系统架构
首先对编队行驶系统的实现原理进行描述,车辆列队行驶,需要后车与前车具备相同的运动状态,包括位置、速度和加速度。利用上述两方面车辆信息,策略单元使用本论文算法,可以实现后车实时跟踪前车。在上述系统组成中,系统的整体工作流程如下:①对于前车来说,V2X设备和信号采集器通过有线方式连接,V2X设备通过有线传输的方式从信号采集设备处获取到相关数据并通过DSRC方式广播PLM消息;②对应后车,V2X设备接收前车发送来的消息,作为策略和控制系统的输入;③策略与控制系统由本文算法构成,利用获得的两个车辆信息,根据编队跟踪控制目的,输出后车控制率,从而调节后车实时跟踪前车。
2.车间交互消息类型
为了满足编队行驶不同场景的需求,车辆间消息的传输至少包括下述数据源:车速、制动信号、节气门位置、转向灯信号、转向盘角度、倒车信号、转速、GPS信号、远/近光灯信号、Power ON及历史路径。本文中,为了实现队列行驶的功能,在消息处理上,需要比中国标准的V2V所使用的BSM基本安全消息集更高效,因为本文针对中国标准的消息集进行了扩展和优化,使队列行驶的通信链路的时延得到最优化。扩展的消息集为Platnooning Message ,简称“PLM”,扩展后的消息集并不影响中国标准的其他消息集的正常使用。
3.V2X有线数据接口传输
V2X设备需要通过以太网有线连接的方式和信号采集器及策略与控制系统连接,本节定义系统间有线传输消息协议及消息类型(可根据实际情况做修正)。
(1)传输协议
V2X设备可以通过以太网口和信号采集器及策略与控制系统连接,可采用TCP/IP长连接方式进行数据传输,应用服务作为服务端。如果空闲时间较长,则可以关闭连接来避免资源浪费。
(2)消息组成
每条消息由开始标识位、消息头、消息体和结束标识组成。设备间自行约定开始标记;消息头部信息如表所示。消息体可采用JSON格式传输,消息体内容包括消息源字段;结束标识自行设定。
表 消息头部信息
4. V2X设备逻辑架构
通过上述分析可知,V2X设备既要具备V2X无线通信的能力,并且该设备上能够发送符合标准的PLM、BSM报文,同时该设备也要具备与外接设备消息通信的能力,能够处理外接设备消息源输入,同时也能将转换后的消息源输出。因此,整个V2X设备的逻辑组成如图3所示。
图 3 V2X 设备逻辑架构
其中,数据处理模块负责和外接数据采集系统/策略与控制系统通信;工具层实现国标应用层消息集以及针对队列行驶功能的自定义消息集等相关处理;网络层实现网络层通信协议栈。本文采用中国标准协议栈扩展方式来实现队列行驶功能,其中接入层为DSRC协议,网络层符合中国标准的网络层协议栈,消息字典部分新增PLM消息集。
仿真验证
通过实际车辆行驶测量,得到车辆模型中的系统矩阵参数,然后利用Matlab软件对提出方法进行验证。根据实车测试,第一辆车状态方程中的系统参数选择为,控制输入选择正弦曲线,那么第一辆车的运动轨迹如图4所示,其中加速度a1曲线呈正弦曲线,速度曲线v1有增加和减少,但是距离曲线p1是逐渐递增的。
利用求得的控制率可以求得跟踪曲线如图5所示,可以看出,跟踪车辆2轨迹p2可以在一定时间内准确跟踪前方车辆1轨迹p1,并保持一定距离。
图 4 第一辆车的运动情况
图5 第二辆车的跟踪情况
测试验证
测试包括实验室仿真测试和实车测试,除此之外,还要在实验室进行主要功能验证。验证主要功能包括V2X数据传输、CAN数据采集/发送、各子系统之间的传输延迟、OBU与外围设备通信等,并通过GPSLOG回放的方式,模拟室外测试环境。实车测试,验证性能和稳定性,包括设备、天线的安装,通信性能的测试、高精度定位系统的测试以及CAN总线的测试,通过不断的外部实车测试,调整整体系统的稳定性和可靠行。
1.测试性能要求设置
(1)性能要求:按1 s距离,最高速度60 km/h上限。
(2)报文发送/接收频率:
20 Hz。
(3)延迟要求:小于50 ms,其中包括V2X子系统延迟小于20 ms,车身总线子系统延迟小于30 ms。
(4)定位精度:厘米级;定位更新频率:20 Hz。
(5)跟车竖直距离误差为:
±1 m;跟车水平距离误差为:±0.3 m。
(6)测试环境:测试车辆后车(HV,Host Vehicle,车高1.65 m)和前车(RV,Remote Vehicle,车高1.65 m)同时安装两个天线横向并排置于车顶前面中间位置,尽可能保持水平,以保证GPS定位准确。
测试场景设置在一个3.7 km的闭路双线,共6车道道路。该道路视野开阔,两旁无高大建筑和树木遮挡,在天气晴朗的时候进行测试,GNSS信号良好,具备测试分类先决条件。
2.测试结论
通过策略与控制系统的输出来控制车辆,从而使得后车跟踪前车。在上述平直道路上两辆车的经度没有变化,故舍去不予考虑,车辆的行驶可以通过车辆的定位纬度值来反映出来。根据两车的实际行驶纬度数据,可得如图6所示的车辆跟踪行驶轨迹。
图6 两车实际运行跟踪经纬度曲线
从图中可以看出前车的起始位置为41.655 762,后车在距前车大约15 m的距离内,经过10 s左右后车就可以很好地跟踪前车,并保持在10 m的距离之内,从而验证了本论文提出方法的有效性。
结论
本文提出了一种基于V2X的车辆组队自适应巡航分布式控制方法。利用V2X获得被跟踪车辆的实时状态信息:位置、速度及加速度,从而车辆编队中的每辆车都可以准确感知前方车辆的实时状态。利用这些信息本文构建了一个系统模型,并提出了一种利用获得的车辆数据得到控制率的自适应控制方法,使得车辆组队行驶中后车始终可以跟踪前车,从而使得所有车辆编队准确行驶,提高了道路运行效率。
2024-11-15
2024-11-18
2024-11-18
2024-11-22
2024-11-18
2024-11-20
2024-11-15
评论
加载更多