面向强制换道场景的智能网联汽车协同换道策略

doi:10.19562/j.chinasae.qcgc.2024.02.002

摘要/Abstract

摘要：

智能网联汽车的协同换道技术已得到广泛研究，但现有协同换道策略难以解决强制换道场景下的车辆协同问题，或对上游交通造成的负面影响较大。本文旨在面向强制换道场景需求，提出一种考虑理论最小安全距离的两阶段协同换道策略。首先，提出了两车协同换道系统控制架构，并面向车辆强制换道场景制定了协同换道方案。随后，设计了间距调整、协同换道两阶段的滚动时域轨迹规划方法，并求解理论最小安全距离作为间距调整阶段末态约束，解决了现有研究间距策略保守的问题。最后，通过仿真与硬件在环试验验证了所提策略的有效性、优越性与计算实时性。结果表明，所提策略可有效提升换道成功率，在保障换道安全性的条件下降低了换道行为对交通的影响，且在实际边缘云平台的实时计算、通信环境下具备可用性。

关键词: 智能网联汽车, 协同换道, 强制换道, 轨迹规划

Abstract:

Collaborative lane change technology for intelligent connected vehicles has been widely studied， but existing strategies can hardly solve the problem of vehicle collaboration in mandatory lane change scenarios or may cause notable impact on upstream traffic. For mandatory lane change scenarios demand， a two-stage cooperative lane change strategy considering theoretical minimal safety space is proposed in this paper. Firstly， the control architecture for a two-vehicle cooperative lane change system is proposed and a collaborative lane change scheme is developed for mandatory lane change scenarios. Then， a two-stage receding-horizon trajectory planning strategy of spacing adjustment and collaborative lane change is designed， where the theoretical minimum safe distance is embedded as a constraint of spacing adjustment stage， to solve the problem of conservative spacing strategies in existing research. Finally， numerical simulation and hardware in-loop experiments are performed to verify the effectiveness， advantages and computational real-time performance of the proposed strategy. The results show that the proposed strategy can effectively improve the success rate of lane change， reduce the negative traffic impact while ensuring lane change safety， and is also applicable in real time computing and communication environment of actual edge cloud platform.

Key words: intelligent and connected vehicles, cooperative lane change, mandatory lane change, trajectory planning

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.

Shurui Guan,Keqiang Li,Junyu Zhou,Jia Shi,Weiwei Kong,Yugong Luo. A Cooperative Lane Change Strategy for Intelligent Connected Vehicles Oriented to Mandatory Lane Change Scenarios[J]. Automotive Engineering, 2024, 46(2): 201-210.

图/表 18

图1

图2

图3

图4

图5

图6

图7

表1

仿真参数设置"

参数符号	参数定义	参数取值
$T s$ /s	仿真步长	0.05
$T d$ /s	滚动时域步长	1.0
$t l c$ /s	换道时间	6.0
$ε$ /m	安全裕度	5.0
$a x, m a x$ /（m·s^-2）	加速度阈值	4.0
$j x, m a x$ /（m·s^-3）	加加速度阈值	2.0
$L c a r$ /m	轿车车长	5.2
$W c a r$ /m	轿车车宽	2.0
$L t r u c k$ /m	货车车长	6.0
$W t r u c k$ /m	货车车宽	2.4
$W l a n e$ /m	车道宽	3.5
$w v$	权重系数	0.1
$w t$	权重系数	0.05
$w p$	权重系数	0.01
$v d e s$ /（km·h^-1）	期望速度	40

表1

图8

表2

典型工况参数设置"

参数	工况1	工况2	工况3
$? v$ /（km·h^-1）	20	20	5
$O L H$ /m	50	50	30
$T L H$ /m	20	30	20
$d C 1 - C 2$ /m	20	10	0
$d C 1 - H 3$ /m	0	0	25
$d H 3 - H 4$ /m	15	15	50

表2

图9

图10

表3

仿真工况参数"

符号	参数定义	取值范围	数量
$O L H$	原车道初始车距	［30 m， 80 m］	10
$T L H$	目标车道初始车距	［15 m， 40 m］	10
$? v$	C2与前车初始速度差	［0， 20 km/h］	4
$d C 1 - C 2$	C1、C2初始纵向距离	［0， 30 m］	10

表3

图11

表4

TSCLC、PCLC主要评价指标平均值对比"

参数	$T S C L C$	$P C L C$	改善
$v l o s s$ /（km·h^-1）	19.5	2.82	85.5%
$a m i n$ /（m·s^-2）	1.086 8	0.400 5	63.1%
$v m e a n$ /（km·h^-1）	30.57	33.38	9.2%

表4

图12

图13

图14

参考文献 16

1	LI T， WU J， CHAN C Y， et al. A cooperative lane change model for connected and automated vehicles［J］. IEEE Access， 2020， 8： 54940-54951.
2	杨澜，赵祥模，吴国垣，等.智能网联汽车协同生态驾驶策略综述［J］.交通运输工程学报，2020，20（5）：58-72.
	YANG L， ZHAO X M， WU G Y， et al. Review on connected and automated vehicles based cooperative eco-driving strategies［J］. Journal of Traffic and Transportation Engineering， 2020，20（5）：58-72.
3	DU R， CHEN S， LI Y， et al. A cooperative control framework for CAV lane change in a mixed traffic environment［J］. arXiv preprint arXiv：， 2020.
4	BAI Y， ZHANG Y， HU J. A motion planner enabling cooperative lane changing： reducing congestion under partially connected and automated environment［J］. Journal of Intelligent Transportation Systems， 2021， 25（5）： 469-481.
5	WANG D， HU M， WANG Y， et al. Model predictive control–based cooperative lane change strategy for improving traffic flow［J］. Advances in Mechanical Engineering， 2016， 8（2）： 1687814016632992.
6	WANG Z， ZHAO X， CHEN Z， et al. A dynamic cooperative lane-changing model for connected and autonomous vehicles with possible accelerations of a preceding vehicle［J］. Expert Systems with Applications， 2021， 173： 114675.
7	SUN K， ZHAO X， WU X. A cooperative lane change model for connected and autonomous vehicles on two lanes highway by considering the traffic efficiency on both lanes［J］. Transportation Research Interdisciplinary Perspectives， 2021， 9： 100310.
8	杨刚，张东好，李克强，等.基于车车通信的车辆并行协同自动换道控制［J］.公路交通科技，2017，34（1）：120-129，136.
	YANG G， ZHANG D H， LI K Q， et al. Cooperative same-direction automated lane-changing based on vehicle-to-vehicle communication［J］. Journal of Highway and Transportation Research， 2017，34（1）：120-129，136.
9	李娟，曲大义，万孟飞，等.基于最小安全距离的车辆交叉换道模型研究［J］.青岛理工大学学报，2017，38（1）：106-112.
	LI J， QU D Y， WAN M F， et al. Research on cross lane-changing model of vehicle based on minimum safety spacing［J］. Journal of Qingdao University of Technology， 2017，38（1）：106-112.
10	LI B， ZHANG Y， FENG Y， et al. Balancing computation speed and quality： a decentralized motion planning method for cooperative lane changes of connected and automated vehicles［J］. IEEE Transactions on Intelligent Vehicles， 2018， 3（3）： 340-350.
11	刘志强，韩静文，倪捷.智能网联环境下的多车协同换道策略研究［J］.汽车工程，2020，42（3）：299-306.
	LIU Z Q， HAN J W， NI J. Study on multi-vehicle coordinated lane change strategy under network conditions［J］. Automotive Engineering， 2020，42（3）：299-306.
12	柏海舰，申剑峰，卫立阳.无人车“三阶段”换道轨迹规划过程分析［J］.合肥工业大学学报（自然科学版），2019，42（5）：577-584，676.
	BAI H J， SHEN J F， WEI L Y. Three-stage lane-changing trajectory planning method for automated vehicles［J］. Journal of Hefei University of Technology（Natural Science）， 2019，42（5）：577-584，676.
13	李克强，常雪阳，李家文，等.智能网联汽车云控系统及其实现［J］.汽车工程，2020，42（12）：1595-1605.
	LI K Q， CHANG X Y， LI J W， et al. Cloud control system for intelligent and connected vehicles and its application［J］. Automotive Engineering， 2020，42（12）：1595-1605.
14	YOU F， ZHANG R， LIE G， et al. Trajectory planning and tracking control for autonomous lane change maneuver based on the cooperative vehicle infrastructure system［J］. Expert Systems with Applications， 2015， 42（14）： 5932-5946.
15	FHWA， Department of Transportation， America. NGSIM： next generation simulation［EB/OL］.（2007-5-5）［2023-04-23］.http：//www.ngsim-community.org/.
16	WANG J， ZHENG Y， LI K， et al. DeeP-LCC： data-enabled predictive leading cruise control in mixed traffic flow［J］. arXiv preprint arXiv：， 2022.

[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]	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.
[3]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	李军, 周伟, 唐爽. 基于自适应拟合的智能车换道避障轨迹规划[J]. 汽车工程, 2023, 45(7): 1174-1183.
[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]	钱立军,陈晨,陈健. 无信控交叉口环境下考虑驾驶员误差的集中式轨迹规划[J]. 汽车工程, 2023, 45(5): 768-776.
[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]	张洪昌,宁鹏,杨杰,宋建伟,郝麟,曾娟. 基于双层求解策略的平行泊车轨迹规划[J]. 汽车工程, 2023, 45(12): 2299-2309.
[14]	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.
[15]	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.