[发明专利]基于车车通信的混合车流汽车协同自适应巡航控制方法

说明书

本发明公开了一种基于车车通信的混合车流汽车协同自适应巡航控制方法，涉及智能网联汽车自适应巡航领域。步骤如下：实时采集车辆跟驰过程中首车（人工驾驶汽车）、前车（自动驾驶汽车）与本车（自动驾驶汽车）的BSM信息集，并基于BSM信息集建立相邻两车的跟驰运动模型；利用线性最优二次理论建立首车扰动工况下前车驾驶操纵效用函数，预测下一时刻前车加速度值；将下一时刻前车加速度值代入跟驰运动模型中，得到本车加速度的预测值，将预测值与期望值进行比较得到本车最优控制序列，根据本车最优控制序列对车辆编队自适应巡航滚动控制。本发明使被控车辆能更快响应前方车辆变化情况，提升了车辆自适应巡航控制系统的跟驰性和安全性。

技术领域

本发明涉及汽车自适应巡航技术领域，更具体的说是涉及一种基于车车通信的混合车流汽车协同自适应巡航控制方法。

背景技术

在智能网联汽车全面普及之前，未来交通流将由智能驾驶汽车和人工驾驶汽车混合而成，因此在异质交通流情况下，车辆自适应巡航控制要充分考虑人工驾驶汽车对智能驾驶汽车的扰动作用，这对改善交通流特性、提升道路通行能力和驾驶安全性具有重要意义。

早期自适应巡航控制系统多采用PID控制、滑模控制、模糊控制等，而后模型预测控制凭借可实现多目标协调优化、在线处理系统约束等优点，逐渐被广泛应用于自适应巡航控制系统。在运用传统模型预测控制算法设计车辆控制器时，技术发明者侧重于通过合理分配权重来协调安全性、经济性、舒适性等多个目标以及如何增加约束来提升算法的鲁棒性。大多数工程技术人员在模型预测控制算法中都对前车的加速度采取了简化处理，即认为在预测时域内前车保持当前采样时刻的加速度不变，但实际上车辆行驶中的加速度是时刻变化的。为弱化模型预测控制受到的外部干扰，Ali等采用闭环控制策略来补偿前车加速度扰动的影响，改善了当前车加速度连续变化时的跟车性能；吴光强等提出一种多目标鲁棒跟驰控制算法，建立了考虑前车加速度干扰的自适应巡航系统车间纵向运动学模型，引入修正项反馈提高模型预测控制系统的鲁棒性；何德峰等运用高斯过程回归法对前车加速度进行建模，通过历史加速度值预测下一时刻前车加速度，从而在线修正模型预测控制算法偏差。以上研究在设计车辆控制系统时没有考虑前车为人工驾驶状态下的驾驶意图和驾驶行为操作量，而在车辆跟驰过程中前车的运动状态会对本车自适应巡航控制过程中的稳定性和安全性造成重大影响。

因此，对本领域技术人员来说，如何针对自动驾驶汽车(AV)和人工驾驶汽车(MV)混合车流环境下实现车辆协同自适应控制，是亟待解决的问题。

发明内容

有鉴于此，本发明提供了一种基于车车通信的混合车流汽车协同自适应巡航控制方法，能够针对自动驾驶汽车(AV)和人工驾驶汽车(MV)混合车流环境下实现车辆协同自适应控制。

为了实现上述目的，本发明采用如下技术方案：一种混合异质车流条件下的汽车协同自适应巡航控制方法，具体步骤包括如下：

实时采集车辆跟驰过程中首车、前车与本车的BSM信息集；

结合所述BSM信息集根据车辆纵向运动关系建立本车与前车跟驰模型；

利用线性最优二次理论建立符合跟驰首车运动状态下的驾驶操纵效用函数，预测下一时刻前车加速度值；

将所述下一时刻前车加速度值代入所述本车与前车跟驰模型中，得到本车加速度的预测值，将所述预测值与期望值进行比较得到本车最优控制序列，根据所述本车最优控制序列对车辆编队自适应巡航滚动控制。

通过采用上述技术方案，具有以下有益的技术效果：基于改进模型预测控制的车辆自适应巡航控制方法，运用线性二次最优控制算法对前车加速度进行建模并预测，然后将得到前车加速度预测序列用于模型预测控制器中，以期实现基于车车通信的自适应巡航滚动优化控制，增加车辆行驶的安全性与舒适性。

可选的，所述两车跟驰模型的表达式为：