英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料
基于车对车通信的车辆互联与自动化对交通流乘客舒适度的影响
秦燕燕*、王浩**和冉斌***
2017年12月17日接受/第一次：2018年5月4日，第二次：2018年7月19日/2018年10月1日接受/2018年12月17日在线发布
·····································································································································································································
摘要
运输时间的延长和消费者期望值的提高引起了人们对乘客舒适度研究的兴趣。目前国内外对联网和自动车辆（CAV）交通流的乘客舒适性的研究较少，存在研究空白。本文旨在填补这一研究空白，并从交通流的角度评价CAV对乘客舒适性的影响。在此基础上，为了提高乘客的舒适性，需要在混合了手动驾驶车辆（MDV）和CAV的交通流中实现最优的稳定性。为了描述混合车流（V2V）通信中存在多个连接的CAV反馈和车对车通信时的稳定性条件，以具有统一结构的局部车辆排为优化目标。基于传递函数理论，计算了其相对于平衡转速和CAV反馈增益的稳定性图，从而控制CAV反馈增益，使其达到最优稳定性。通过汽车跟随模型下的数值仿真，在最优控制效果下，评价了CAV对乘客舒适性的影响。结果表明，稳定性优化有利于混合型CAV交通流的乘客舒适性。
关键词：互联自动化车辆、乘客舒适性、交通流稳定性、传递函数、汽车跟随模型
·····································································································································································································
1.介绍
近年来，智能车辆系统得到了迅速发展，如自适应巡航控制（ACC）车辆、协同自适应巡航控制（CACC）车辆等。不久之后，联网和自动驾驶车辆(CAV)也在车对车的(V2V) 通信环境中开发。这些智能车辆系统希望从微观角度改善交通流运行，从而潜在地有利于交通安全、道路通行能力、排放和乘客舒适性。现阶段，研究CAV对交通流动力学影响的研究是交通流理论和智能交通系统研究领域的热点问题（Mahmassani，2016）。
在以往的研究中，大量文献侧重于在交通安全（Lin et al.，2014）、道路通行能力（Shladover et al.，2012）、燃油消耗和排放（Wang et al.，2015）以及交通流稳定性（Talebpour and Mahmassani，2016）等方面。然而，关于CAV影响的研究并不平衡。关于CAV对乘客舒适性影响的文献相对较少。乘客舒适度是重要的交通流特征之一，它与延长运输时间和增加消费者期望有紧密联系（Elbanhawi et al.，2015）。有人指出，人们可以在乘客舒适性方面影响手动驾驶人的驾驶速度（Fleiter等人，2010）。在CAV的情况下，控制系统接管了手动驾驶，而乘客没有改变。当车辆在道路上行驶时，乘客不能影响CAV控制系统。因此，在生产车辆上实施CAV前，必须认真考虑其乘客舒适性。
Raimondi和Melluso（2008）提出了一种基于分散规划算法的CAV协作方案。研究结果表明，在车辆运动过程中，保证了纵向和横向加速度值较低，以保证舒适性。Wu等人（2009）提出了一种基于乘客舒适性的跟车控制模型。通过控制车辆的加速度，消除了纵向减速引起的乘客不适。通过实验验证了该方法与实际情况的一致性。Moon等人（2009）研究了全范围ACC系统的设计、调谐和评估，其中考虑了碰撞避免的
*Ph.D. Student, School of Transportation, Jiangsu Key Laboratory of Urban ITS, Southeast University, Nanjing 210096, China; Dept. of Civil and Envi- ronment Engineering, University of Wisconsin–Madison, Madison, WI 53706, USA (E-mail: qinyanyan@seu.edu.cn)
**Professor, School of Transportation, Jiangsu Key Laboratory of Urban ITS, Jiangsu Province Collaborative Innovation Center of Modern Urban TrafficTechnologies, Southeast University, Nanjing 210096, China (Corresponding Author, Email: haowang@seu.edu.cn)
***Professor, Dept. of Civil and Environment Engineering, University of Wisconsin–Madison, Madison, WI 53706, USA (E-mail: bran@wisc.edu)
minus; 821 minus;
问题。虽然提出的ACC系统的重点是提高安全性，但控制方案的设计也考虑了乘客的舒适性。Glaser等人（2010）提出了一种基于机动的CAV轨迹规划算法，并在模拟器上进行了测试，以显示乘客舒适性的改善。
Li等人（2011）开发了一种新型ACC系统，以全面解决包括纵向乘坐舒适性在内的交通问题。在现有的ACC系统中，上层控制器采用模型预测控制理论，下层控制器采用递阶控制结构。Dang等人（2015）还利用模型预测控制理论，针对CACC车辆提出了一种以提高乘客舒适性为重点的协调控制算法。Jayachandran和Krishnapillai（2013）研究了车辆被动悬架系统，提出了一种提高乘客舒适性的优化方法。Luo等人（2015）提出了一种混合动力电动汽车的ACC系统。将非线性模型预测控制应用于控制器的开发，在此基础上提出了基于位置的非线性纵向车间动力学模型。实验结果表明，该方法提高了乘客的舒适性、安全性和油耗。Lefegrave;vre等人（2016）提出了一种基于学习的CAV速度控制框架。在这项研究中，在输出最终加速度之前，使用预测控制器来执行舒适性和安全性约束。Bellem等人（2016）研究了CAV的驾驶风格，以提高乘客舒适性。本文指出，机动特性指标是开发CAV舒适驾驶的重要组成部分。
然而，现有的文献中关于CAV对乘客舒适性影响的研究并不全面。Elbanhawi等人（2015年）提出了一项关于乘客舒适度在CAV路径规划中的最新进展的综述。这项研究突出了目前国内外关于乘客舒适性度研究领域的一个空白，并指出了在CAV交通流中对乘客舒适度进行评估的必要性。在最近的研究中（Milakis等人，2017），对交通流效率、道路容量、出行选择和乘客舒适度进行了研究，并对未来的研究方向进行了综述。本研究将交通流效率、道路通行能力、出行选择和乘客舒适度划分为CAV的一阶影响。在回顾前人研究成果的基础上，本文指出，关于CAV对乘客舒适性影响的关键知识缺口还有待于进一步研究。Yang等人（2017）还总结了从交通流角度研究CAV对乘客舒适性影响的重要性。
研究结果表明，车辆加速度和速度的波动影响着乘客的舒适性，而车辆加速度和速度的波动与交通流的稳定性密切相关。在交通流平衡状态下，车辆保持匀速行驶，乘客没有不适感。当车辆在速度和加速度扰动下偏离平衡状态时，乘客的舒适性相对较差。因此，研究CAV交通流的稳定性优化能否提高乘客的舒适性是非常有意义的。不幸的是，基于最近的文献回顾，很少有人对此进行研究（Hoogendoorn et al.，2014；Elbanhawi et al.，2015；Mahmassani，2016；Milakis et al.，2017；Shladover，2018；Yang et al.，2017）。本文旨在填补这一研究空白。
在纯CAV环境下CAV控制的稳定性分析中，可以应用跟驰模型的稳定性分析方法。Sau（2014）提出了一种纯CAV环境下合作汽车跟随模型稳定性分析和设计的根轨迹方法。Jia和Ngoduy（2016）开发了一种结合V2V和车辆到基础设施(V2I)通信的合作汽车跟驰模型。然后，分析了所提出的跟驰模型的稳定性，在此基础上不仅保证了车流的稳定性，而且对冲击波进行了平滑处理。最近的研究（Sun et al.，2018）回顾了一些稳定性分析方法及其在传统和互联环境中对跟驰模型的适用性。在他们的综述中，考虑了三种模型：基本型跟车模型、时滞型跟车模型和多期望/合作跟车模型。采用Lyapunov稳定性判据、基于Laplace变换的方法和根轨迹法进行了稳定性分析。虽然对跟驰模型稳定性分析的研究很多，但对混合交通流稳定性分析的研究较少。其中，Ward（2009）提出的基于微观跟驰模型的通用方法得到了广泛的推广和应用。Talebpour和Mahmassani（2016）首先研究了稳定性问题，扩展了Ward（2009）开发的分析方法，并将其依次应用于一种情况下具有不同程度连接车辆的系统，然后是另一种情况下的自动车辆（Mahmassani，2016）。此外，Ngoduy（2013）还开发了一种宏观方法来分析混合了CACC车辆的交通流稳定性。在CAV的情况下，CAV可以在V2V通信环境下监控前方多辆车。基于这种连通性，可以控制CAV的反馈增益，使混合交通流的稳定性达到最优，从而提高乘客的舒适性。另一方面，在V2V通信环境下，车辆与人工驾驶车辆（MDV）混合的交通流的连通性给整个交通流的稳定性分析带来了困难。主要原因是以往研究（Mahmassani，2016；Talebpour和Mahmassani，2016）中提出的稳定性分析方法不能直接应用，因为连续车辆对不能描述混合CAV流情况下的稳定性条件。为解决这一问题，应考虑当地车辆排（Ge和Orosz，2014；Qin和Wang，2018）。
本文的其余部分组织如下。第2节介绍了本地车辆排和相应的跟车模型。第三节提出了稳定性分析与优化方法。得到了CAV反馈增益的优化结果。然后，在第四节的数值模拟基础上，对乘客舒适性进行了评价。最后，第五节给出了一些结论。
2. 目标和建模
本文重点研究了MDV和CAV混合交通流的纵向运动。 我们假设MDV只需要通过V2V通信为CAV广播其运动信息，而不考虑接收功能。
图1所示. 具有统一结构的当地车辆排
这意味着CAV通过V2V通信监控前方的多辆车辆，而MDV只根据驾驶员的反应对前面的车辆出反应。这两类车辆在混合交通流中随机分布。空间分布的随机性要求考虑局部结构均匀的车辆排对交通流稳定性进行分析和优化，以提高乘客的舒适性。一般来说，MDV通常是不稳定的，并且会放大速度扰动，而这些扰动希望通过上游CAV进行平滑处理。因此，本文的局部车队由一个尾部车流和前方多个车流车组成，如图1所示。其中，反馈是指前一个车流车通过V2V通信向尾部车流发送的运动信息。然后确定其最优稳定状态为目标，将局部车辆排视为一个局部系统来响应前方的速度扰动。由于空间分布的随机性，各区域车排前方车辆行驶里程的m值是不同的。m的最大值还受到V2V通信范围的限制。因此，整个混合交通流理论上可以按照 m的值划分为有限类型的局部车辆排。本文的目标函数主要是图1所示结构均匀的稳定的局部车辆排。 由于V2V的通信范围可能限制了尾部CAV可以监控的最大车辆数，因此随机混合车流中的部分mdv可能无法被监控，从而放大了干扰。然而，混合交通流稳定性将根据各区域车辆排的稳定情况进行优化。
车辆跟驰模型是研究交通流稳定性的基础。对于MDV，提出了许多汽车跟驰模型（Newell，1961年；Bando等人，1995年；Brackstone和McDonald 1999年；Treiber等人 2000年；Jiang等人，2001年； Newell， 2002年； Zhang和 Kim，2005年；Chen等人，2012年）。全速度差(FVD)模型(Jiang等人，2001) 在以往的研究中经常使用。虽然FVD模型有一些缺点，如在某些情况下的不稳定性和碰撞风险，但这些缺点也包含在人类驾驶员的驾驶特性中(Tang等人， 2017）。因此，本文采用FVD模型作为MDV的代理模型。模型方程如下：
式中，为车辆n在时刻t时的加速度，表示速度，表示间距，表示相邻两车的速度差，和为灵敏度系数，是关于间距的最优速度函数，写为：
<p
剩余内容已隐藏，支付完成后下载完整资料</p
资料编号：[258217]，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。
