论文部分内容阅读
合流区是典型的交通拥堵点和事故频发区。智能车路网联系统实现了大范围、全方位的人、车、路和环境的动态实时信息交互,为合流区车辆协同控制提供了有力的技术支撑和保障。为了系统性解决合流区车辆协同控制问题,提升合流区交通效率,实现安全、高效和环保的协同合流,本文研究了协调不同层次的系统性控制架构和不同视角下的车辆协同控制方法,主要工作包括以下几个方面:(1)设计了一种整合不同视角的合流区车辆分层式协同控制架构。分析交通管控层、车辆上层和车辆下层控制的特征与需求,提出了集中-分散式分层协同控制系统架构,系统性阐释并验证了不同层次的控制功能。(2)提出了一种基于合作博弈的合流区全域最优合流序列控制策略。以路侧交通管理层为视角,以实现合流区全域成本最小化为目标,构建多人合作博弈的合流区全局优化控制问题。分析合流区场景约束及车辆到达时间特征,将多人合作博弈分解为多个两人博弈问题,利用收益矩阵法,求解多人合作博弈的Pareto有效解,确定最优合流序列。(3)提出了交通管控视角下交织区车辆协同控制策略与方法。分析交织区不同类型车辆目标道路和终端状态特征,提出了基于最优控制的交织区车辆协同分类控制策略,将匝道车辆控制过程分为协同避撞和协同合流两部分。设计了一种考虑车辆几何特征的侧向碰撞预测算法,预测车辆的避撞终端时间。在匝道车辆合流阶段,提出了一种具有安全约束的合流序列模型,确定安全有效的合流终端时间,采用智能驾驶跟驰模型(IDM)根据上游交通流状态对合流终端状态进行了预测,利用庞特里亚金最小值原理推导约束未激活状态下无限时域最优控制问题的解析解。(4)提出了一种约束激活状态下车辆纵横向协同运动轨迹规划方法。利用反馈线性化方法,将非线性车辆运动学模型线性化,根据上层控制信息集终端状态要求,构建以优化燃油消耗和提高横向舒适度为目标的纵横向运动轨迹规划模型,分类求解约束激活和约束未激活最优控制解析解。设计了一种面向避撞的横向规划安全启动时间计算方法,确定了横向轨迹规划安全启动时间范围。当约束激活时,将最优“能量”控制问题转化为最优“时间-能量”问题,利用庞特里亚金最大值原理,分类推导不同约束激活状态下的最优时间和最优控制的容许解析解。(5)提出了一种考虑车辆动力学特征的解耦协同车辆轨迹跟踪控制方法。针对车辆动力学和非线性特征,将车辆纵横向控制问题解耦为纵向速度跟踪控制和横向轨迹跟踪控制,利用PID控制实现了车辆纵向速度跟踪控制。借鉴行车风险场理论,构建基于风险场的横向避碰与跟踪误差优化目标函数,提出一种基于分散式非线性模型预测控制的车辆协同横向跟踪方法,实现了安全稳定的车辆轨迹协同跟踪。本文通过MATLAB仿真验证了不同视角下不同层次协同控制方法的有效性。为了验证架构和方法的实用性和可行性,搭建基于Car Sim/Simulink仿真的近真实合流场景,在车辆动力学、非线性和机械延时等的影响下,系统性验证了本文所提出的集中-分散式分层控制框架和协同控制方法。仿真结果表明:本文提出的分层协同控制架构与方法能够有效提升合流区车辆通行效率,光滑车辆轨迹,降低合流区燃油消耗,提高驾驶舒适性,保证车辆安全高效合流。