低能见度下混合交通流行为建模与编队控制研究.pdfVIP

硕士学位论文

（学术学位）

低能见度下混合交通流行为建模与编队控制研究

StudyonBehaviorModellingandPlatoonControlofMixedTraffic

FlowinLowVisibilityConditions

20235

摘要

低能见度下混合交通流行为建模与编队控制研究

Connected

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（

andAutonomousVehicle，简称CAV）逐步实现商业化，然而人工驾驶汽车

（Human-DrivenVehicle，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

I

吉林大学硕士学位论文

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