车路协同下智能车跟随控制策略研究

发布时间：2020-09-18 12:38

　　随着全球机动车保有量的剧增,交通事故、交通拥挤等问题日益突出,已成为严重制约国民经济健康发展的重要因素。而今,智能交通行业正迅速发展,车路协同控制技术逐渐成为保证道路交通安全的主要研究热点,被作为能有效消除驾驶员不稳定性因素、提高道路通行效率的解决方案而备受关注。其中,智能车辆作为人-车-路协同驾驶系统的重要组成部分,它是在普通车辆的基础上增加了先进的传感器、控制器及执行器等装置,通过车载传感系统和信息终端实现与人、车、路的信息交互,具备针对车辆安全、舒适、节能等多种目标的实时行车环境感知、决策与控制能力,因此对实现驾驶功能优化、构建良好的道路交通环境具有十分重要的应用价值。本文主要针对车辆跟随过程,重点考虑纵向控制问题,建立了安全距离控制模型和油门/制动切换控制模型,并根据不同的控制策略设计出控制器,通过仿真对比分析控制效果,最终基于缩微环境下的智能车辆系统实验平台完成了实验验证。本文首先深入了解了国内外车路协同技术的发展现状,总结了智能车跟随行驶的研究情况。由于智能车作为实现自动驾驶的核心,文章制定了自动驾驶方案,根据方案设计了智能车的整体构架,详细介绍了车载传感器及工控机的选型和功能,由底层执行系统的结构设计了相应的控制系统,为车辆跟随控制的理论研究和实验测试奠定了基础。其次,建立了车辆动力学模型得出加速度的表达式,根据固定车头时距算法的思想,提出了安全距离控制模型,并设计了油门/制动切换控制规则和控制流程,完成了智能车跟随系统的整体控制设计。然后主要针对跟随系统的控制器展开研究,分别采用模糊PID控制和BP神经网络PID控制策略设计了控制器。最后,使用Matlab/Simulink软件进行计算机仿真,由相对距离误差仿真结果分析可知,模糊PID控制相对于传统PID控制在准确性上有所提升,而BP神经网络利用其自学习能力提高了控制精度,使得BP神经网络PID控制的效果明显优于传统PID控制和模糊PID控制,因此将神经网络PID控制算法用于实验测试。由于真实场景测试困难,运用缩微环境下的智能车辆系统实验台进行了跟随实验验证,实验结果表明BP神经网络PID控制器确实减小了车间距误差,能满足智能车安全跟随行驶。
【学位单位】：天津职业技术师范大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：U463.6
【部分图文】：

示意图,智能交通系统

第 1 章绪论研究背景及意义人类社会、经济和生活不可或缺的关键环节，是国民经济和社会发展的世纪的智能交通系统在各国交通出行和货物运输方面发挥了重要作用，能交通系统已远远不能满足交通运输发展的需要，取而代之的是将外通工具（车）和路侧公共设施（路）紧密联系起来，从而形成的人、车协作模式，以保证在多变道路环境下的行车安全，增强道路交通安全的善基于交通智能管理的通行效率[1]。能交通系统是在比较健全的交通基础设施（包括道路、桥梁和水利等）测技术、数据通信技术、自动控制技术以及智能信息处理与决策技术等于交通建设和管理，从而构建起来的一种在多层次宽领域内全面发挥功高效的综合交通运输系统。现代智能交通系统的框架示意图[2]如图 1-1 所

协同技术

提高交通运输效率，从而形成安全、智能和环保的交通系统。作为推动未来智能交通迅速发展的核心技术，车路协同具有交通要素的实时化和信息化、海量信息的简明化和精准化、用户参与的主动化和协同化、服务组织的柔性化与绿色化的特征，可广泛应用于车辆安全控制（主动避障、安全跟随、自动紧急刹车、驾驶行为监控）和交通主动控制（车速引导、信号主动控制、动态交通诱导）等领域。车路协同技术应用[3]如图 1-2 所示。

驾驶系统,车辆

深圳金溢、东软等开展了车路协同技术产业化工作，其中星云互联公司推出信的智能车载终端、路侧多模式通信机和路侧协同控制机，并在“上海——汽车（上海）试点示范区”“重庆基于宽带移动互联网的智能汽车和智慧交试验示范区”、国家自然科学基金委支持的无人车竞赛常熟赛场等测试示范也在清华大学校园公交系统、芜湖主城区、包头市石拐区主干道推广应用，、科研院所研究开发车路协同应用的基础平台。对而言，在车路协同技术研究领域我国基本没有类似美国、日本、欧洲的大持，而且国内很多车企不实行通力合作，相关标准制定相对较慢[11]。因此，车路协同系统进入“十三五”规划，获得更广泛的研究支持具有重要意义。智能车协同驾驶技术能车协同驾驶是指在兼顾安全行车与高效运输的前提下，凭借智能车道路环车辆无线通信技术，将若干单车组成跨车道的柔性车队，从而实现车辆的协能车协同驾驶技术的研究，现阶段较为成熟的是加拿大 Halle 等人构建的车统体系[12]，其结构如图 1-3 所示。

【参考文献】