英语原文共 16 页，剩余内容已隐藏，支付完成后下载完整资料
自适应巡航控制系统设计
Arne Kesting , Martin Treiber , Martin Schonhof , Dirk Helbing
Technische Universitat Dresden, Institute for Transport amp; Economics, Andreas-Schubert-Strabe 23, D-01062 Dresden, Germany collegium Budapest – Institute for Advanced Study, Szentharomsag u. 2, H-1014 Budapest, Hungary
Received 6 September 2006; received in revised form 11 December 2007; accepted 31 December 2007
摘要
我们提出了一种自适应巡航控制（ACC）策略，其中加速特性，即驾驶风格自动适应不同的交通情况。这个概念的三个组成部分是ACC本身，以跟车模型的形式为基础，提出了一种自动实时检测交通状况的算法和一个策略矩阵来适应驾驶特性（即ACC控制器的参数）适应交通状况的策略矩阵。另外，可以使用车辆间和基础设施到车辆的通信来提高检测交通状况的准确性。在一个小型模拟框架内，我们模拟这个完整的概念：在一个路段与入口匝道上，运用环形探测器实验数据表明，下午高峰时间作为上游分界线输入参数。我们发现，ACC车辆提高了道路稳定性和动态道路通行能力。尽管在模拟ACC比例为25％的车辆时，参考情景中的交通拥堵已完全消除，但由于普及率较低，出行时间已显着减少。即使对于低市场渗透率，所提出的驱动策略也有望成功应用于未来驾驶员辅助系统。
关键词：自适应巡航控制（ACC）; 驾驶辅助系统; 驾驶策略; 交通状态检测; 微观交通模拟; 跟车模型; 全球定位系统
1、引言
交通拥堵是许多国家高速公路的严重问题。在大多数国家，建设新的交通基础设施不再是一个适当的选择。为了减少拥堵，智能交通系统（ITS）领域的大量研究因此被应用，以达到更高效的道路使用和更加“智能”的方式来增加道路网络的容量。先进的交通控制系统的例子是匝道测量，自适应速度限制和动态个人路线指导。这些示例基于集中式流量管理，控制操作和系统对对特定交通状况的回应。此外，自动化高速公路系统（AHS）已被提出为基于自动车辆的分散式方法（Varaiya，1993）。全自动车辆控制的概念允许非常小的时间间隙和排放驾驶，这是更大容量的关键。但是，这样的系统需要特殊的基础设施和专用车道，只有当自动驾驶车辆的比例足够高时才能够实现。这似乎使这种情况在可预见的将来不太可能发生（Rao和Varaiya，1993年)
尽管如此，部分自动驾驶已经在市场上用于基本驾驶任务，例如通过自适应巡航控制（ACC）进行加速和制动。事实上，ACC系统是第一个可能影响交通流量特性的驾驶员辅助系统。然而，ACC系统目前的实施方式专为提高驾驶舒适度而设计，对周围交通的影响既没有考虑也没有优化。只要配备ACC的车辆的数量可以忽略不计，这些设备的预期增长市场渗透率使得它们对交通流量的影响更加紧迫。因此了解ACC系统对T交通的容量和稳定性的影响很重要，以便在不良事件广泛表现之前就可以调整它们的设计。
在文献中，即将出现的驾驶辅助系统如ACC系统对交通动力学的影响通常通过交通模拟来解决，因为大规模的现场试验几乎是不可能的。具体而言，微观建模方法允许自然表现由ACC车辆和手动驾驶车辆组成的异构交通（Kesting等人，2007b; 戴维斯2004; VanderWerf等，2002; Treiber和Helbing，2001; Marsden等，2001; Minderhoud，1999）。有关进一步的概述，请参阅VanderWerf等人。（2001年）。但是，这些公告的主要标志缺乏清晰度。一些调查预测会产生积极的影响（Treiber和Helbing，2001; 戴维斯，2004年）而其他人则更悲观（Kerner，2004; Marsden等人，2001）。为了现实估计ACC对容量和行程稳定性的影响，模型必须捕捉ACC和手动驾驶车辆的驾驶动态以及它们之间的相关交互。 因此，结果取决于模型的保留时间、建模假设，主要取决于时间间隔参数的设置，因为最大容量大致由驱动器的平均时间间隔T的倒数决定Varaiya，1993)。
在本文中，我们提出了一个基于ACC的交通辅助系统，旨在改善交通流量和道路容量，从而减少交通拥挤，同时保持驾驶舒适性。为此，我们同时引入了驾驶策略层，它控制ACC系统的驾驶参数的设置。尽管传统的ACC操作控制层通过短时间的秒级加速和减速来计算对输入传感器数据的响应，但ACC驱动参数的自动调整发生在更长的时间范围内，通常为几分钟。为了解决舒适性和道路容量之间可能的矛盾，我们提出了一种适应ACC驾驶特性的智能驾驶策略。为此，我们考虑与特定的ACC驱动参数组相关的一系列交通状况。这些交通状态必须由每辆配备ACC的车辆自动检测。我们已经在微观多车道交通模拟器中实现了所提出的组件，以研究每个配备ACC的车辆对所产生的集体交通动力学的个体适应性的影响。这样，模拟就成为#39;概念验证#39;。 此外，它们允许系统地调查对给定比例的ACC车辆的影响。
本文的结构如下：我们首先讨论手动和基于ACC的驾驶特性以及它们在微观交通模型中的表示。在第3节中，我们将介绍我们的交通辅助系统的概念。提出的交通状态和交通状态自适应驾驶策略将被引入。在第4节中，提议的ACC延伸对电车动力学的影响将通过三车道高速公路的车道模拟和卡车组成的混合道路进行调查。我们特别关注ACC装备车辆的各种比例的集体动力和旅行时间。最后，我们结束部分的讨论和展望在第5节中。
2、建模基于ACC和人的驾驶行为
自适应巡航控制系统（ACC）的最新发展和可用性延伸了早期的巡航控制系统，其被设计成达到并保持驾驶员预设的特定速度。ACC系统将这种功能扩展到具有重要特性的情况下，以恒定速度行驶是不可能的。驾驶员不仅可以调整所需的速度，还可以设置一定的安全时间间隔，以确定跟随速度较慢的车辆（通常在0.9 s至2.5 s范围内）跟领队的差距。ACC系统的任务是根据交通情况和驾驶员设置确定适当的加速或减速。为此，该系统能够检测并跟踪前方车辆，通过雷达或红外传感器测量前方车辆的实际距离和速度。
现在的ACC系统在高速公路上的大多数行驶情况下都能带来舒适感。然而，应该强调的是，目前的ACC系统仅在一定的速度阈值以上运行，并且其加速范围受到限制，特别是其制动权限。下一代ACC设计用于在高速公路上的所有速度范围和大多数交通情况下运行，包括停靠和离开。此外，未来的ACC系统将有可能积极防止追尾事故，从而实现安全收益。但是，ACC系统只能控制纵向行驶。相比之下，其他车辆的合并，变道仍然需要司机的介入。因此，由于司机仍然负有全部责任，他或她总是可以覆盖该系统。
ACC系统的输入量，即车辆本身的速度，与前方车辆的距离以及速度差，正是许多时间连续的汽车追随模型。由于ACC反应时间约为0.1-0.2s，与人类反应时间约1s相比通常可忽略不计（Green，2000），合适的ACC系统将每个车辆的瞬时加速度_veth;t指定为速度vt，净距离（间隙）st和到达前车的接近速度Dveth;t的连续函数。为了适合模拟ACC系统，跟车模型必须满足以下几个标准：首先，跟车动力学必须是无碰撞的，至少如果这是物理上可能的话。 动态应该与自然而平稳的驾驶方式相对应。适应新的交通情况（例如，当领先车辆刹车或其他车辆切入时）必须无振动地进行。此外，该模型应该只有几个参数。 校准后，每个参数都应该具有直观的含义和合理的值。理想情况下，参数列表应包含驾驶员预设的所需速度v\和所需的时间间隔T.通过改变剩余的参数，应该有可能模拟不同的驾驶风格（如经验型与无经验型，积极型与放松型）以及基于车辆的限制，例如无限加速能力，最后，校准应该很容易，并且会带来好的结果。
满足这些标准，例如通过智能驾驶员模型（IDM）（Treiber等人，2000）。在下面的模拟中，我们使用这个模型来表示ACC车辆。IDM加速度_veth;t由下式给出
该表达式将加速度朝向自由道路上的期望速度V0，其中参数a用于具有制动项v_制动s的最大加速度;v;Dv为\= s\，如果前车的当前间隙st变得小于“有效期望最小间隙”
则为主导间隙。只有低速时，拥堵交通中的最小距离S0才有意义。等式的主导项（2） 在静止轨道中是vT，其对应于跟随具有恒定安全时间间隔T的前车。最后一项仅在非静止轨道中有效并且实现无碰撞的“智能”驾驶行为，包括制动策略，在几乎所有情况下，都将制动减速限制在舒适的减速度b。但是，如果这是交通情况所要求的，IDM刹车比b强。请注意，所有IDM参数v0; T;S0; a和b由正值定义（见表2）。
虽然简单的跟随方式非常适合对ACC控制车辆的动力学进行建模，但人的驾驶风格在以下几个关键点上也是如此：
- 人类的有限反应时间导致对交通情况的延迟响应。
- 不完美的估计能力导致感知错误和有限的注意力跨度。
- 人类驾驶员扫描前方几辆车的交通情况，而ACC传感器仅限于前方的车辆。
- 此外，人类驾驶员通过利用更多线索（如刹车灯）以及形成合理的假设，例如在接下来的几秒内假设所有相邻车辆持续加速，预测未来的交通情况。
尽管存在这些差异，但简单的跟随方法也能够捕捉人类驾驶员的交通动态的许多方面，特别是关于集体宏观动力学（Treiber等人，2000），而且在微观层面上（Brockfeld等人，2003）。问题是为什么？对于时间差序列的实际人类反应时间，上述（1）和（2）点的不稳定影响会导致交通不稳定性和事故。然而，点（3）和（4），即空间和时间预测，弥补了这一点。 已经使用最近提出的人类驾驶员模型（HDM）（Treiber等人，2006a），将IDM等跟随汽车的车型扩展到上述要点。结果是反应时间和估计误差的不稳定效应被空间和时间预测所补偿。因此，对于合理的跟车模型，与包含所有四个效应的模拟相比，人们在获得基本相同的纵向交通动力学时是相同的。因此，我们可以得出结论，尽管操作模式基本上不同，但ACC装备的车辆和手动控制的车辆在集体性能方面表现出类似的有效驾驶行为，例如，交通工具的稳定性，交通工具性能（以容量）以及拥堵的出现和传播。 显然，按照本文提出的概念实施具体的交通辅助系统时，必须考虑到驾驶员和ACC车辆之间的运行故障以及不可忽视的延误也会发生在后者中。 由于这项贡献调查了ACC对宏观交通性质的影响，并且旨在作为“概念验证”，所以它只是用简单的跟随模型（如IDM）模拟人类驾驶，而不是使用更复杂的模型如HDM。使用简单模型用于人驾车辆和自动车辆的优点在于需要校准的参数数量减少。
3、具有自适应驾驶策略的基于ACC的交通辅助系统
在本节中，我们将ACC概念推广到交通辅助系统，在该系统中，车辆自动调整ACC参数以改善交通流量和道路通行能力，从而减少交通拥挤，同时保持驾驶舒适性。为了解决舒适性和道路容量之间可能存在的矛盾，我们提出了一种驾驶策略，使ACC驾驶特性适应当地的交通情况。 为此，我们考虑一些有限的交通情况：（i）在免费交通中移动，（ii）接近上游拥堵前沿，（iii）在拥挤交通中移动，（iv）离开下游拥堵前沿，以及通过基础设施瓶颈部分（如道路工程或交叉路口）。这些交通情况必须由每个配备ACC的车辆自动检测。由于自主探测只能在延误的情况下才能实现，因此我们还考虑通过路边对车辆和车辆间的通信来补充本地信息的手段（Schonhof等人，2006年，2007年; 杨和雷克，2005).
建议的交通辅助系统由几个系统组件组成，如图1所示：主操作层仍然是ACC系统计算加速度_veth;t。所提出的系统的新特征是通过改变ACC系统的一些参数来实现响应于当地交通情况的驾驶风格的变化的战略层。为此，检测算法确定上面提到的哪种情况最好适用于实际情况。
图1.提议的交通辅助系统的组件概述。
在短时间内控制动态的操作级别对应于系统ACC系统。包含我们概念新颖元素的战略层面控制着分钟时间尺度的动态。它通过改变ACC模型参数T（时间间隙），a（所需加速度）和b（舒适减速度）而与运行级别相耦合。此外，驾驶员可以通过设定所需的速度v0和时间间隔T来定制驾驶特性，如传统的ACC系统。因此，战略层面T的变化是与驾驶员设置相关的。
与传统的ACC系统相比，我们的交通辅助系统的驾驶行为，即加速度，分两步确定：
-
- 操作层面包括响应ACC输入量变化s;v和Dv。时间尺度为几秒，空间范围仅限于车辆的前方。
-
在战略层面上，交通状况由当地决定，通过改变一些ACC参数来适应驾驶风格。与检测到的交通状态相关的参数设置通常在分钟的时间刻度上并且通常在几百米的范围内改变。这类似于驾驶员在常规ACC系统中手动改变期望的速度或时间间隔，当然在所提出的系统中也是
全文共14840字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[14110]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
