考虑时延的信号交叉口生态驾驶控制

doi:10.19562/j.chinasae.qcgc.2022.07.002

摘要/Abstract

摘要：

针对信号交叉口处的生态驾驶问题，本文中提出了一种考虑时变时延的鲁棒模型预测控制方法。首先给出基于交通信号灯正时信息、最优巡航车速和前车状态信息的最优目标车速计算方法，建立时变时延的离散非线性系统模型；然后利用时延的上下界信息构造李雅普诺夫函数，利用线性矩阵不等式求解反馈控制律，保证系统的鲁棒稳定和对目标性能的优化；最后通过仿真和智能小车试验进行验证。结果表明，提出的控制方法能保证车队的安全，并提高燃油经济性和交通流畅性。

关键词: 智能网联汽车, 生态驾驶, 时延

Abstract:

In view of the eco-driving problem at signalized intersections， a robust model predictive control method with considerations of time-varying and time delay is proposed in this paper. Firstly， an optimal target speed calculation method is given based on the traffic signal timing information， the optimal cruising speed and the front vehicle state information， and a discrete nonlinear system model with time-varying time delay is established. Then Lyapunov function is constructed by using the upper and lower bound of time delay， and the feedback control law is solved by utilizing linear matrix inequality to ensure the robust stability of the system and the optimization of target performance. Finally， simulations and intelligent vehicle tests are conducted for verification. The results show that the control method proposed can ensure platoon safety and improve fuel economy and traffic smoothness.

Key words: connected intelligent vehicles, eco-driving, time delay

陈欣宇,钱立军,王其东. 考虑时延的信号交叉口生态驾驶控制[J]. 汽车工程, 2022, 44(7): 960-968.

Xinyu Chen,Lijun Qian,Qidong Wang. Eco-driving Control at Signalized Intersections with Consideration of Time Delay[J]. Automotive Engineering, 2022, 44(7): 960-968.

图/表 11

图1

表1

仿真基本参数"

参数	数值	单位
M	1 580	kg
$C D$	0.32
$A f$	2.25	$m 2$
$ρ a$	1.184	kg/m³
f	0.015
θ	0
S₀	5	m
$? t$	0.2	s
η₁	0.156 9	mL/s
η₂	2.450×10^-2	mL/m
η₃	-7.415×10^-4	mL·s/m²
η₄	5.975×10^-5	mL·s²/m³
β₁	0.072 24	mL·s/m
β₂	9.681×10^-2	mL·s²/m²
β₃	1.075×10^-3	mL·s³/m³

表1

图2

图3

表2

时延概率设置"

时延分布	$P r ? (τ = 0)$	$P r ? (τ = 0.2 ? s)$	$P r ? (τ = 0.4 ? s)$
d00	0.5	0.25	0.25
d11	0.25	0.5	0.25
d22	0.25	0.25	0.5

表2

图4

图5

图6

表3

小车试验参数"

参数	数值	单位
$S 0$	0.8	m
$? t$	0.5	s
$v m a x$	0.38	m/s
$v m i n$	0.2	m/s

表3

图7

表4

参考文献 20

1	李克强，戴一凡，李升波，等. 智能网联汽车（ICV）技术的发展现状及趋势［J］. 汽车安全与节能学报， 2017， 8（1）：1-14.
	LI K Q，DAI Y F，LI S B，et al. State ⁃of ⁃the ⁃art and technical trends of intelligent and connected vehicles［J］.Journal of Automotive Safety and Energy， 2017， 8（1）：1-14.
2	KUANG X， ZHAO F， HAO H， et al. Assessing the socioeconomic impacts of intelligent connected vehicles in China： a cost–benefit analysis［J］. Sustainability， 2019， 11.
3	WANG Z， WU G， BARTH M. A review on cooperative adaptive cruise control （CACC） systems： architectures， controls， and applications［C］.2018 21st International Conference on Intelligent Transportation Systems （ITSC）. IEEE， 2018.
4	MIERLO J V， MAGGETTO G， BURGWAL E V D， et al. Driving style and traffic measures - influence on vehicle emissions and fuel consumption［J］. Proceedings of the Institution of Mechanical Engineers - Part D， 2004， 218（1）：43-50.
5	XU S， PENG H. Design and comparison of fuel-saving speed planning algorithms for automated vehicles［J］. IEEE Access， 2018：9070-9080.
6	XU S， LI S E， CHENG B， et al. Instantaneous feedback control for a fuel-prioritized vehicle cruising system on highways with a varying slope［J］. IEEE Transactions on Intelligent Transportation Systems， 2017， 18（5）： 1210-1220.
7	LI T， GOPALSWAMY S. A spatial searching method for planning under time dependent constraints for eco-driving in signalized traffic intersection［J］. IEEE Robotics and Automation Letters， 2021， PP（99）：1-1.
8	WANG J， GUO X， YANG X. Efficient and safe strategies for intersection management： a review［J］. Sensors， 2021， 21（9）：3096.
9	KAMAL M， MUKAI M， MURATA J， et al. Ecological driver assistance system using model-based anticipation of vehicle-road-traffic information［J］. Intelligent Transport Systems Iet， 2010， 4（4）：244-251.
10	KAMAL M A S， MUKAI M， MURATA J， et al. Model predictive control of vehicles on urban roads for improved fuel economy［J］. IEEE Transactions on Control Systems Technology： A Publication of the IEEE Control Systems Society， 2013， 21（3）：831-841.
11	HOMCHAUDHURI B， VAHIDI A， PISU P. A fuel economic model predictive control strategy for a group of connected vehicles in urban roads［J］. IEEE， 2015.
12	HOMCHAUDHURI B， VAHIDI A， PISU P. Fast model predictive control-based fuel efficient control strategy for a group of connected vehicles in urban road conditions［J］. IEEE Transactions on Control Systems Technology， 2017， 25（2）：760-767.
13	WANG Z， WU G， BARTH M J. Cooperative eco-driving at signalized intersections in a partially connected and automated vehicle environment［J］. IEEE Transactions on Intelligent Transportation Systems， 2020， 21（5）：2029-2038.
14	常雪阳，许庆，李克强，等. 通信时延与丢包下智能网联汽车控制性能分析［J］. 中国公路学报， 2019， 32（6）：216-225.
	CHANG X Y，XU Q，LI K Q，et al. Analysis of intelligent and connected vehicle control under communication delay and packet loss［J］. China Journal of Highway and Transport，2019，32（6）：216-225.
15	许庆，潘济安，李克强，等. 不可靠通信的云控场景下网联车辆控制器的设计［J］. 汽车工程， 2021， 43（4）：527-536.
	XU Q， PAN J A， LI K Q， et al. Design of connected vehicle controller under cloud control scenes with unreliable communication［J］. Automotive Engineering， 2021， 43（4）： 527-536.
16	MOLNAR T G， QIN W B， INSPERGER T， et al. Application of predictor feedback to compensate time delays in connected cruise control［J］. IEEE Transactions on Intelligent Transportation Systems， 2018， 19（2）：545-559.
17	GAO F， LI S E， ZHENG Y， et al. Robust control of heterogeneous vehicular platoon with uncertain dynamics and communication delay［J］. IET Intelligent Transport Systems， 2016， 10（7）：503-513.
18	LIU Y， GAO H， ZHAI C， et al. Internal stability and string stability of connected vehicle systems with time delays［J］. IEEE Transactions on Intelligent Transportation Systems， 2020， PP（99）：1-13.
19	KAMAL M， MUKAI M， MURATA J， et al. Ecological vehicle control on roads with up-down slopes［J］. IEEE Transactions on Intelligent Transportation Systems， 2011， 12（3）：783-794.
20	QIN W B， OROSZ G. Experimental validation of string stability for connected vehicles subject to information delay［J］. IEEE Transactions on Control Systems Technology， 2020，（99）：1-15.

性能	速度误差/（m·s^-1）		距离误差/m		耗电量/J
性能	RMPC	FMPC	RMPC	FMPC	RMPC	FMPC
车1	0.030 6	0.032 8			75 437	80 718
车2	0.021 3	0.033 8	0.133 4	0.339 3	80 459	82 591
车3	0.020 7	0.042 6	0.084 8	0.289 7	78 485	85 893
平均	0.024 2	0.036 4	0.109 1	0.314 5	78 127	83 067

[1]	胡林,谷子逸,王丹琦,王方,邹铁方,黄晶. 汽车安全性测评规程现状及趋势展望[J]. 汽车工程, 2024, 46(2): 187-200.
[2]	关书睿,李克强,周俊宇,石佳,孔伟伟,罗禹贡. 面向强制换道场景的智能网联汽车协同换道策略[J]. 汽车工程, 2024, 46(2): 201-210.
[3]	王庞伟,刘程,汪云峰,张名芳. 面向城市道路的智能网联汽车多车道轨迹优化方法[J]. 汽车工程, 2024, 46(2): 241-252.
[4]	刘济铮,王震坡,孙逢春,张雷. 异构智能网联汽车编队延迟补偿控制研究[J]. 汽车工程, 2023, 45(9): 1573-1582.
[5]	吴思宇,于文浩,邢星宇,张玉新,李楚照,李雪轲,古昕昱,李云巍,马小涵,路伟,王政,郝圳茂,王红,李骏. 基于关键场景的预期功能安全双闭环测试验证方法[J]. 汽车工程, 2023, 45(9): 1583-1607.
[6]	左政,王云鹏,麻斌,邹博松,曹耀光,杨世春. 基于AFC-TARA的车载网络组件风险率量化评估分析[J]. 汽车工程, 2023, 45(9): 1553-1562.
[7]	李升波,占国建,蒋宇轩,兰志前,张宇航,邹文俊,陈晨,成波,李克强. 类脑学习型自动驾驶决控系统的关键技术[J]. 汽车工程, 2023, 45(9): 1499-1515.
[8]	边有钢,张田田,谢和平,秦洪懋,杨泽宇. 车辆队列抗扰抗内切协同路径跟踪控制[J]. 汽车工程, 2023, 45(8): 1320-1332.
[9]	朱冰,姜泓屹,赵健,韩嘉懿,刘彦辰. 智能网联汽车协同感知信任度动态计算与评价方法[J]. 汽车工程, 2023, 45(8): 1383-1391.
[10]	关宇昕,冀浩杰,崔哲,李贺,陈丽文. 智能网联汽车车载CAN网络入侵检测方法综述[J]. 汽车工程, 2023, 45(6): 922-935.
[11]	李亚鹏,唐小林,胡晓松. 基于分层式控制的混合动力汽车生态驾驶研究[J]. 汽车工程, 2023, 45(4): 551-560.
[12]	胡耘浩,李克强,向云丰,石佳,罗禹贡. 智能网联汽车通用跨平台实时仿真系统架构及应用[J]. 汽车工程, 2023, 45(3): 372-381.
[13]	刘浩天,魏洪乾,时培成,张幽彤. 基于帧间隔-总线电压混合特征的汽车ECU伪装攻击识别[J]. 汽车工程, 2023, 45(11): 2070-2081.
[14]	李捷,吴晓东,许敏,刘永刚. 基于强化学习的城市场景多目标生态驾驶策略[J]. 汽车工程, 2023, 45(10): 1791-1802.
[15]	钱立军,陈晨,陈健,陈欣宇,熊驰. 基于Q学习模型的无信号交叉口离散车队控制[J]. 汽车工程, 2022, 44(9): 1350-1358.