車隊(duì)行駛方式劃分為基于被動(dòng)跟車和主動(dòng)規(guī)劃的 ECACC 策 略，分別對隊(duì)列行駛的兩個(gè)主要性能即跟車和節(jié)能進(jìn)行了建模與驗(yàn)證。在底層 跟車控制方面對隊(duì)列行駛的技術(shù)基石即 CACC 跟車控制器進(jìn)行了建模、分析和 仿真驗(yàn)證，分別討論了基于前饋-反饋結(jié)構(gòu)和純反饋結(jié)構(gòu)控制器的特點(diǎn)，并進(jìn)行 了隊(duì)列弦穩(wěn)定性分析。此外，在能耗方面建立了基于電機(jī) Map 和電池動(dòng)態(tài)參數(shù) 的純電動(dòng)汽車能耗灰盒模型，并與成熟商業(yè)軟件進(jìn)行了對比驗(yàn)證，為 ECACC 策 略的展開提供了模型研究基礎(chǔ)。 通過 在特定行駛速度下對車隊(duì)中各子車輛進(jìn)行分布式控制實(shí)現(xiàn)動(dòng)力系統(tǒng)優(yōu)化，平衡 隊(duì)列跟馳過程中能耗與跟車精度間的博弈，實(shí)現(xiàn)車輛能量經(jīng)濟(jì)性、駕駛舒適性 以及跟車準(zhǔn)確性的多目標(biāo)優(yōu)化。 生態(tài)式協(xié)同自適應(yīng)巡航控制（Ecological Cooperative Adaptive Cruise Control, ECACC）技術(shù)是在網(wǎng)聯(lián)車輛隊(duì)列行駛的基礎(chǔ)上實(shí)現(xiàn)以節(jié)能為主要優(yōu)化目標(biāo)的隊(duì)列協(xié)同 控制方法[16]。該技術(shù)的節(jié)能優(yōu)化目標(biāo)為車輛隊(duì)列整體最優(yōu)，當(dāng)車輛隊(duì)列為均質(zhì)即隊(duì)列 組成為相同參數(shù)車輛時(shí)，優(yōu)化目標(biāo)可以簡化為優(yōu)化單一車輛動(dòng)力系統(tǒng)然后將相關(guān)決策 應(yīng)用至整個(gè)車隊(duì)；而當(dāng)車輛隊(duì)列為異質(zhì)即隊(duì)列組成為不同參數(shù)或不同類型車輛時(shí)，優(yōu) 化目標(biāo)為隊(duì)列中所有車輛或優(yōu)化過程考慮所有車輛能量系統(tǒng)參數(shù)與運(yùn)行狀態(tài)，從而實(shí) 現(xiàn)協(xié)同節(jié)能控制[39, 40]。

?

。ECACC 技術(shù)的核心思想在于通過理解隊(duì)列前方的車輛狀態(tài)（V2V 通信）和 道路狀態(tài)（V2I 通信）在保持隊(duì)列穩(wěn)定跟車行駛的基礎(chǔ)上對車輛隊(duì)列中子車輛的駕駛行 為進(jìn)行能量經(jīng)濟(jì)性決策[42]。相比于傳統(tǒng)單車控制，基于多車協(xié)同控制的 ECACC 策略 在跟車行駛安全上優(yōu)越于傳統(tǒng) ACC 控制，同時(shí)在節(jié)能方面能夠提升 10%-20%的能量 經(jīng)濟(jì)性[43-45]。

?

（1）DSRC 不適用于長距離通信，因此在需要長距離通信的場景內(nèi)，如遠(yuǎn)距 離道路狀況和環(huán)境信息獲取，DSRC 技術(shù)難以使用；（ 2）DSRC 不適用于擁擠路況下通 信； 3）DSRC 技術(shù)沒有明確的衍進(jìn)路徑[57]。 基于蜂窩網(wǎng)絡(luò)通信的 C-V2X 逐漸成為車聯(lián)網(wǎng)通 信技術(shù)研究和討論的熱點(diǎn)。目前基于蜂窩網(wǎng)絡(luò)的 C-V2X 應(yīng)用主要為 Release 14 標(biāo)準(zhǔn)提 到的 LTE-V2X，主要通過 4G 通信實(shí)現(xiàn)[54, 55, 60]。該技術(shù)具有覆蓋廣、容量大、可靠性 高的優(yōu)點(diǎn)，但端到端通信時(shí)延較大。為同時(shí)滿足通信覆蓋面與通信時(shí)延的需求，LTE V2X 通信方式設(shè)為兩種，分別為廣域蜂窩式（LTE-V-Cell）通信與短程直通式（LTE-V Direct）。前者基于現(xiàn)有的 4G-LTE 技術(shù)，主要承載廣域覆蓋的車聯(lián)網(wǎng)業(yè)務(wù)，其通信實(shí)施 的物理接口為直連通信接口（PC5 接口）；后者引入 LTE-D2D（Device to Device），基 于蜂窩通信接口（Uu 接口），實(shí)現(xiàn) V2V 和 V2I 的直接通信，進(jìn)而滿足了高速移動(dòng)情況 下車輛之間的低延時(shí)及安全通信的需求[61, 62]。 隨著世界各國移動(dòng)通信運(yùn)營商對 5G 通信技術(shù)的試運(yùn)營，LTE-V2X 技術(shù)向著 5G V2X 技術(shù)的平滑衍進(jìn)，面向 5G-V2X 的車聯(lián)網(wǎng)將隨著 5G 通信技術(shù)的商用激發(fā)出更多 有價(jià)值的應(yīng)用場景開發(fā)，同時(shí)推動(dòng)汽車移動(dòng)互聯(lián)網(wǎng)呈指數(shù)級(jí)發(fā)展。由于 C-V2X 支持 5G 通信，因此 C-V2X 是面向未來的技術(shù)。 車輛隊(duì)列協(xié)同自適應(yīng)巡航控制 CACC 被認(rèn)為是單車自適應(yīng)巡 航控制ACC在未來智能交通系統(tǒng)中廣泛應(yīng)用的最新技術(shù)迭代產(chǎn)品，在網(wǎng)聯(lián)化的革新下， CACC 需要考慮更高要求的控制器魯棒性、隊(duì)列穩(wěn)定性等。 同時(shí)知名企業(yè)如。在車

?

。在基于車-車協(xié)同的車輛編隊(duì)控制領(lǐng)域， Xiaoyun Lu[71]團(tuán)隊(duì)主要圍繞車輛編隊(duì)控制對交通影響層面開展研究 Hu[104]等針對傳統(tǒng)燃油汽車在跟 車行駛過程中能耗進(jìn)行了基于模型預(yù)測控制的最優(yōu)控制求解，實(shí)現(xiàn)了車輛能耗最優(yōu)并 顯示出較小的跟車誤差。 Tsugawa Sadayuki[107] 等提出了一種適用于卡車隊(duì)列的分布式分層控制框架，以所有車輛的最佳燃油經(jīng)濟(jì)性 函數(shù)進(jìn)行最優(yōu)速度決策，實(shí)現(xiàn)了高速工況下基于縱向車輛動(dòng)力學(xué)的車隊(duì)整體能耗優(yōu)化。

局限性

在當(dāng)前主流研究體系中，多車協(xié)同控制研究很少考慮車輛能耗的因素，而車輛節(jié) 能控制研究中又很少研究多車協(xié)同控制對節(jié)能效果提升的潛力。而隨著智能交通系統(tǒng) 和車聯(lián)網(wǎng)通信技術(shù)的發(fā)展，基于二者有機(jī)結(jié)合的車輛控制方式勢在必行并逐漸顯露出 足具影響的應(yīng)用價(jià)值。因此針對現(xiàn)有車輛生態(tài)出行的相關(guān)研究的不足和局限性，可以 從以下兩個(gè)方面進(jìn)行分析： (1) 車輛隊(duì)列協(xié)同控制方面：車輛隊(duì)列 CACC 行駛方式有助于提高交通系統(tǒng)通行效率 達(dá)至 10%-20%，因此當(dāng)隊(duì)列行駛大規(guī)模應(yīng)用時(shí)，高滲透率的車輛隊(duì)列 CACC 對交 通系統(tǒng)的節(jié)能可持續(xù)發(fā)展有重要影響，因此在研究 CACC 控制器時(shí)考慮系統(tǒng)能耗 表現(xiàn)是有意義的。大多數(shù)研究人員在隊(duì)列跟車控制器設(shè)計(jì)中主要聚焦在控制器魯棒 性、隊(duì)列穩(wěn)定性分析、車輛跟馳方法、通信效果影響以及通信拓?fù)溆绊懙确矫?#xff0c;很 16第 1 章 緒論 少將隊(duì)列多車能耗因素考慮在控制器設(shè)計(jì)框架中，從而缺少一個(gè)在能量維度的約束、 設(shè)計(jì)、優(yōu)化或評(píng)價(jià)。 (2) 在車輛節(jié)能控制方面：傳統(tǒng)車輛節(jié)能控制的面向?qū)ο笾饕且詥诬嚍橹?#xff0c;而忽略了 多車協(xié)同控制對節(jié)能效果的積極影響。以車輛隊(duì)列行駛為例，通過合理的隊(duì)列跟馳 控制減小跟車距離從而改變后車的空氣動(dòng)力學(xué)特性以減少隊(duì)列空氣阻力達(dá)到節(jié)能 效果。此外，隊(duì)列在跟車過程中跟隨期望間距發(fā)生抖動(dòng)引起的加減速會(huì)造成不必要 的能耗，因此如何避免該類能耗是隊(duì)列協(xié)同控制考慮的因素之一。而從交通角度出 發(fā)，在交通典型場景下，道路通行效率、車輛啟停次數(shù)等對車輛的能耗有直接影響， 因此通過多車協(xié)同控制如編隊(duì)行駛、車路協(xié)同規(guī)劃調(diào)度等方法解決上述問題將有利 于提高車輛節(jié)能優(yōu)化效果。因此，目前大多數(shù)僅偏向于單車控制的節(jié)能研究限制了 車輛的節(jié)能潛力，少有研究結(jié)合 V2X 優(yōu)勢詳細(xì)研究隊(duì)列生態(tài)出行，沒有完全發(fā)揮 基于車聯(lián)網(wǎng)通信技術(shù)的智能車路系統(tǒng)所帶來的節(jié)能優(yōu)勢。 (1) 針對隊(duì)列協(xié)同控制系統(tǒng)設(shè)計(jì)，跟車和能量控制系統(tǒng)耦合性強(qiáng)，兩個(gè)系統(tǒng)之間存在干 涉影響，系統(tǒng)結(jié)構(gòu)復(fù)雜，存在非線性量，解析推導(dǎo)較難。因此應(yīng)考慮實(shí)現(xiàn)系統(tǒng)解耦， 降低系統(tǒng)復(fù)雜度，進(jìn)行合理設(shè)計(jì)使隊(duì)列協(xié)同節(jié)能控制同時(shí)實(shí)現(xiàn)能耗最優(yōu)和隊(duì)列穩(wěn)定 跟車行駛。 (2) 車輛隊(duì)列行駛在不同場景應(yīng)用中具有不同的典型特點(diǎn)與駕駛需求。因此應(yīng)考慮針對 典型場景環(huán)境如城市信號(hào)燈交叉口、城際高速公路等進(jìn)行行駛條件和需求分析并建 立有針對性的系統(tǒng)功能設(shè)計(jì)。 (3) 能耗最優(yōu)速度軌跡求解過程中，大多是基于汽車縱向動(dòng)力學(xué)特性的，然而在實(shí)際道 路上存在彎道路況，僅基于縱向維度考慮車輛行駛速度是有局限的，過快的縱向速 度會(huì)使車輛在轉(zhuǎn)向過程中失穩(wěn)。因此應(yīng)考慮車輛縱橫向耦合特性，探索車輛橫向特 性對縱向速度的影響并基于此建立合適的速度規(guī)劃策略。 (4) 網(wǎng)聯(lián)車輛隊(duì)列行駛需要融入大量的智能道路基建、周圍智能車輛傳遞的信號(hào)，導(dǎo)致 完全的實(shí)車驗(yàn)證進(jìn)行困難。現(xiàn)今真實(shí)道路尚未智能化、專有測試區(qū)較少、測試場地 范圍小、測試功能有限、測試牌照發(fā)放量少以及法律法規(guī)要求等，限制了實(shí)車驗(yàn)證 的實(shí)施。因此應(yīng)考慮被控系統(tǒng)特點(diǎn)，設(shè)計(jì)一套不受場地限制且能驗(yàn)證隊(duì)列行駛效果 的簡化驗(yàn)證方法。 (2) 第三章介紹了在被動(dòng)跟車情況下的 ECACC 策略設(shè)計(jì)。以車輛縱向動(dòng)力學(xué)特性為基 礎(chǔ)，采用基于恒定常數(shù)車頭時(shí)距的隊(duì)列跟馳模型，建立了面向車輛隊(duì)列速度跟隨、 跟車誤差以及能耗的綜合代價(jià)函數(shù)并提出了基于模型預(yù)測控制的最優(yōu)控制問題求 解方法，通過對隊(duì)列子車輛的分布式控制得到了滿足跟車性能和能耗表現(xiàn)的最優(yōu)控 制序列。在 UDDS、HWFET 和 NEDC 典型工況下進(jìn)行驗(yàn)證，闡述車輛隊(duì)列在特定 速度行駛條件下跟車與能耗的平衡關(guān)系。

智能網(wǎng)聯(lián)車輛隊(duì)列生態(tài)式協(xié)同自適應(yīng)巡航控制主要涉及兩個(gè)關(guān)鍵技術(shù)點(diǎn)即隊(duì)列節(jié)

能和隊(duì)列跟隨控制，以及如何將二者有機(jī)結(jié)合形成一加一大于二的性能優(yōu)勢，并推廣

至典型場景應(yīng)用如高速工況和城市工況，并針對典型場景工況進(jìn)行二次設(shè)計(jì)從而達(dá)到

以最優(yōu)性能生態(tài)出行的目的[45, 111, 112]。本

選用以 UDDS、NEDC 工況為主的城市場景和 HFWET 工況為主 的高速場景為隊(duì)列前方車輛輸入速度進(jìn)行能耗、跟車等方面的性能分析。并通過硬件 在環(huán)測試驗(yàn)證算法在真實(shí)控制器中的計(jì)算效果。

?

其中在高速場 景應(yīng)用中，根據(jù)實(shí)際需求設(shè)計(jì)了基于能耗最優(yōu)、能耗-時(shí)間綜合最優(yōu)的雙模式行駛策略， 行程時(shí)間長短可由駕駛員通過設(shè)定時(shí)間需求因子自行定制；在城市場景中主要考慮了 車輛隊(duì)列在連續(xù)信號(hào)燈交叉口的生態(tài)駕駛問題，即隊(duì)列可以根據(jù)前方連續(xù)信號(hào)燈狀態(tài) 進(jìn)行速度引導(dǎo)決策，從而達(dá)到連續(xù)綠燈相位通行的效果，并且在通過交叉口時(shí)隊(duì)列不 分離，從而保證通行完整性。該部分策略通過真實(shí)城市地圖信息完成， 。并且底層隊(duì)列跟車 控制效果根據(jù)俄亥俄州立大學(xué) Automated Driving Lab 提出的 Virtual Platoon 方法[116]進(jìn) 行實(shí)車驗(yàn)證，從而驗(yàn)證算法的有效性和應(yīng)用潛力。 因此在高速行駛場景中憑借高速車流 密度小的特點(diǎn)，非常適合主動(dòng)規(guī)劃的 ECACC 策略于車輛隊(duì)列上的應(yīng)用。

?

車輛隊(duì)列最優(yōu)速度規(guī)劃問題求解主流理論分析

在車輛跟車過程中由于控制方法不同，可能會(huì)出現(xiàn)車輛為保證跟車效率縮小跟 車誤差導(dǎo)致頻繁的加減速行為。 介紹一種基于模型預(yù)測控制（Model Predictive Control, MPC）的網(wǎng)聯(lián)車隊(duì)節(jié)能行駛策略。該策略既具有良好的跟車特性，又具有良好 的能量經(jīng)濟(jì)性。提出的 MPC 策略的實(shí)質(zhì)是一種考慮跟車速度、與前車的期望距離誤差 和能耗的多目標(biāo)優(yōu)化策略。通過分析車隊(duì)的縱向動(dòng)力學(xué)特性以及跟隨車輛的加速度、 電機(jī)特性等參數(shù)來評(píng)價(jià)在各個(gè)工況下的綜合性能表現(xiàn)。 在設(shè)計(jì)智能網(wǎng)聯(lián)車車輛隊(duì)列跟車行駛的能耗優(yōu)化問題時(shí)，需要著 重考慮隊(duì)列中車輛的跟車性能以及能量與跟車誤差間的平衡關(guān)系，并且還額外需求考 慮駕駛舒適性、電機(jī)扭矩轉(zhuǎn)速限制、電池和電機(jī)功率限制等因素[161, 162]。

?

?

車輛隊(duì)列在高速行駛狀態(tài)下的綜合性能也十分重 要，因此引入 EPA 發(fā)布的高速公路燃油經(jīng)濟(jì)性測試循環(huán)工況（Highway Fuel Economy Test Cycle，HWFET）用以驗(yàn)證 MPC-ECACC 控制策略。高速工況下車輛以較高車速進(jìn) 行巡航，而車輛在高速情況下的跟車特性和能量經(jīng)濟(jì)性具有重要實(shí)際意義，尤其對于 商用車在城際貨物運(yùn)輸?shù)确矫嬗袠O大的潛在價(jià)值，可以有效幫助商用車隊(duì)列節(jié)省能耗 成本、增加續(xù)航里程以及提高駕駛安全性。

純電動(dòng)商用車異質(zhì)隊(duì)列的多目標(biāo)控制

總結(jié)

以上是生活随笔為你收集整理的网联车辆队列生态式协同自适应巡航控制策略研究-杨昱的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。