《考虑通信延时的货车队列纵向控制优化》全面探讨了通信延时对车辆队列稳定性的影响及其补偿策略。《考虑通信延时的货车队列纵向控制优化》分为七章，每章针对不同的主题深入分析，涵盖了从理论概念到实际应用的各个方面。主要包括节点动力学、队列几何构型、信息流拓扑结构和分布式控制器、稳定性相关的理论和判据以及通信延迟对稳定性的影响和可能的补偿方法；通信延时对队列稳定性的具体影响，通过数值分析和仿真验证，对比不同通信延时条件下的队列稳定性表现；基于粒子群优化的控制器增益动态调整方法，通过仿真实验展示不同增益设置对车辆队列稳定性的影响；利用长短时记忆网络重构加速度信息的方法，以及长短时记忆网络在车辆队列控制中的应用，通过多种交通场景的仿真测试评估性能；基于模型预测控制的通信延时补偿方法，展示了模型预测控制和长短时记忆网络结合的先进控制策略在实际应用中的有效性；基于遗传算法的控制器平滑切换方法，通过仿真实验验证该方法在不同交通情境下的效果。*后基于实际的车辆台架测试，对比实验与仿真的结果，深入分析在正弦振荡场景下车辆队列稳定性的表现。

第1章绪论
　　1.1引言
　　车辆队列系统是对传统车辆的感知子系统和控制子系统进行改造，利用机器视觉、雷达传感器、车-车/车-路通信技术使得后车以期望的距离和速度对前车进行跟驰从而形成一个车队。由于车辆之间的速度与相对距离的控制是同步进行的，因此这种车队行驶方式可以实现很高的平均车速，显著缩短车间距，从而提高道路的通行效率，降低油耗。
　　较早关于车辆队列系统的研究可以追溯到1989年，当时，美国加利福尼亚大学伯克利分校PATH（Partners for Advanced Transportation Technology）研究小组与福特公司共同研发了一套允许四辆汽车编队行驶的实验平台。1992年，完成*次编队测试，并*终于1994年在加利福尼亚圣迭戈的1-15公路完成展示。随后，PATH项目组参与NAHSC（National Automated Highway System Consortium）项目的研发，并于1997年完成了Demo’97测试，其主要通过在髙速路面中嵌入磁条引导车辆来实现。同年8月，PATH研究小组在南加州SanDiegol5号州际公路上7.6英里（12.2km）长的试验路段上进行了智能汽车队列自动驾驶演示。该演示由8辆小型汽车组成一个平均车间距小于10米的队列，车辆利用道路上的磁钉实现车道保持，展示汽车队列作为一个整体单元平稳地启动、停止、加（减）速和分解及合并过程，并邀请了大约1000名试乘者。
　　进入21世纪，德国亚琛工业大学研究团队在2005年至2009年期间，基于KONVOI项目开发了一个由四辆重型卡车组成的车队，并在德国的高速公路上进行了测试，头车由一名人类司机驾驶，后面跟着三辆自动卡车，两者之间的距离为10米。在所有卡车中，都实现了一个目标加速接口，该接口可以自动计算驱动系统和管理车辆中的不同制动器。每辆实验车辆的加速度可以自行计算，也可以通过车对车通信传输的数据推断出来。每辆实验车辆都装有能够识别车道的摄像头，从而确定每辆卡车在车道内的位置。另外还基于电动马达的转向执行机构为卡车的自动引导提供必要的转向力矩，从而实现ACC车队的安全行驶[6]。2008年，日本的EnergyITS项目启动，重点围绕卡车队列展开研究。2010年3月，EnergyITS项目小组对三辆卡车进行编队测试，车辆基于雷达、车对车（V2V）通信、本地化和人机界面（HMI）实现以80千米/时的速度、10m的车间距在4.7千米的
　　测试轨道上行驶m。2013年3月，该项目小组对异质卡车队列进行测试，并将车间距缩短至。英国主导的SARTRE项目选择了具有自适应巡航控制、碰撞避免控制和车道偏离预警的车辆，并在此基础上增加了前视摄像头、76GHz雷达和V2V通信设备，使周围环境识别更加准确，并支持车辆的纵横方向决策和控制。2012年5月，该项目小组在西班牙巴塞罗那的高速公路上进行了实车试验，由接受过特殊训练的驾驶员驾驶一辆卡车作为头车，跟驰车配备CACC系统，在120英里的道路上进行测试。PATH研究小组与沃尔沃合作将CACC应用扩展到卡车，致力于改善卡车编队行驶的经济性。2016年至2017年期间，PATH研究小组对三辆沃尔沃VNL440型class-8卡车编队进行多次试验，试验车辆配备了摄像机及多普勒雷达，并另外安装了用于车车数据通信的DSRC无线电收发器、双DSRC天线及5HzGPS，通过选择ACC或CACC工作模式，证明CACC能够大幅缩短车头时距，提高通行效率
　　国内关于车辆队列的研究起步较晚，但是发展迅速。2018年4月，一汽解放在青岛港完成国内*次卡车智能编队驾驶演示，利用V2V通信、视觉与雷达检测，实现编队自动驾驶、申请编队和离开编队[11]。同年12月百度在国家智能网联汽车（长沙）测试区实现了国内*例L3及L4级别的多车型高速场景无人车队演示[12L2019年4月，长安大学在滨莱高速上进行多种车型混合车队协同自动驾驶的实车路演，基于对各车运行状态的实时精确感知与V2V信息共享，实现对车辆的横向、纵向进行实时协同控制。5月，东风商用车、北汽福田、中国重汽三家车企在天津西青区进行了全国*次大规模商用车队列行驶标准公开验证试验。在技术方案上，欧曼超级重卡队列感知系统采用激光雷达、毫米波雷达、超声波雷达等传感器与Mobileye、单目相机等视觉单元融合的方案，确保整车360°无死角覆盖，通过车载交换机以及外部天线，实现车车之间通信（V2V）。在高速行驶过程中，车内系统实时显示车辆信息状态，完成180°自动转弯、自动提速、自动减速、跟一停一走等指令，尤其是车路协同系统，实现车辆与实际道路实时数据同步[13]。同年12月，包括图森未来、*发集团、四维图新在内的多家汽车企业，在高速公路全封闭环境下，完成了基于C-V2X协同技术的自动驾驶编队示范。图森未来使用人工驾驶车辆作为头车，实现3辆卡车以*高70千米/时的速度、10m的车间距离进行队列行驶，整体燃油经济性提高10%以上。
　　此外，政府也在积极推进车辆编队标准的研究。工信部在2018年12月发布的《智能网联汽车产业发展行动计划》中要求按照不同路况的行驶策略指引、髙速公路货车编队行驶等应用，提高交通效率。2021年2月的《国家车联网产业标准体系建设指南（智能交通）》运输组织标准体系中也包括了车辆编队行驶、营运车辆运输组织类标准。北京、重庆、广州等省市在自动驾驶道路测试规范中相继列入了车辆队列（编队）行驶的规范要求。
　　然而，在大规模商用之前，寻求满足车辆编队低延时、高传输速率、高可靠性需求的通信技术仍是一项挑战。因此，研究补偿通信延时方法十分必要。针对不可避免的通信延时，不少学者提出一系列补偿策略，来缓解其负面影响。目前，关于车辆队列研究的综述已经很多。Dey等对比了支持CACC队列中车辆之间通信需求的不同路由协议，回顾了驾驶员特征的相关问题，如在CACC系统中如何让驾驶员参与到驾驶任务中来，讨论了如何进行控件设计以获得大众的认可[15LWang等从CACC架构、控制方法及应用三个层面进行了综述，并针对未来工作需要解决的问题给出了方向[161。Feng等对车辆队列各种串稳定性指标做了详尽的对比，讨论了不同分析方法的优缺点，为之后车辆队列的串稳定性能分析提供了思路。长安大学的徐志刚教授则从宏观层面回顾了智慧公路的概念演化及技术发展，基于车辆队列控制等8项关键技术的自身发展特点，提出了未来智能公路技术应用和推广的建议措施[181。然而，在通信延时补偿策略方面，尚缺乏针对性的研究综述。
　　本书旨在从车辆队列系统模型四元素的角度梳理车辆队列的基本概念，对比分析各元素内部不同方法的优缺点，总结概括各元素之间的相互联动。同时，从5个维度回顾对比各种补偿策略：①优化通信网络结构；②重构加速度信息;③整定控制器增益；④构建多分支选择结构；⑤改进控制器，并对存在通信延时的车辆队列的进一步发展进行了展望和思考。
　　1.2车辆队列相关概念
　　目前，对于车辆队列系统的描述主要从四个方面进行：①节点动力学;②队列的几何构型；③信息流拓扑结构；④分布式控制器，各部分在队列系统中发挥的作用如图1.1所示。具体而言，节点动力学是指队列中单个车辆的动力学行
　　为，它描述的是车辆控制节气门开度或执行制动等操作以达到控制器下发的期望加速度的过程；队列的几何构型则描述的是队列中车辆维持一个距前车期望的距离使队列保持期望的几何构型；信息流拓扑结构指的是队列中车辆间进行信息交互的方式；分布式控制器则是基于队列中其他车辆的信息，实现协调队列全局所采用的队列控制器。
　　1.2.1节点动力学
　　根据模型形式，车辆动力学可以被分为非线性模型和线性模型两大类。
　　Swaroop等考虑风阻二次项对车辆节点动力学进行建模，基于滑模控制分析了非线性系统稳定的充分条件。Kwon等在此基础上引入了另一个累加项&对节点动力学进行建模，旨在以此时变函数反映动力学中存在的不确定因素，如乘客质量、阵风等[21L虽然，非线性模型能够较为客观地反映实际的车辆动力学，然而，由于其难以解析地分析特定几何构型和信息流拓扑结构下的性能表现，许多研究将车辆节点动力学模型简化为线性模型进行分析。
　　常见的线性模型包括：单积分器模型、双积分器模型、三阶模型及单输入单输出模型。单积分器模型相对来说较为简单，它的控制输入直接受车辆速度影响。Liu等基于单积分器模型，将*优控制器设计问题转化为凸优化问题，进而有效地计算全局*优控制器[2叱然而，由于该模型与实际车辆动力学模型存在很大的误差，许多研究将车辆的加速度作为控制输入，得到双积分器模型。Barooah等基于双积分器模型假设，设计方法对抗车辆数量增加时闭环稳定性逐渐损失的情况。随后，Hao等基于该模型研究了非均匀性和不对称性对闭环稳定裕度的影响双积分器模型的缺陷在于难以描述动力系统中的延时因素，三阶模型引入描述纵向动力学中的延时，这意味着车辆的实际加速度以延时T跟踪期望加速度目前，许多研究都基于三阶模型假设，例如：通信延时补偿方法研究，不同延时下控制器参数范围分析，以及保证队列串稳定的*小车头时距分析_等。与前面四种模型不同的是，单输入单输出模型是从频域的角度进行建模。该模型也被许多研究广泛采用，Seiler等基于该模型对车辆队列中的扰动传播进行研究；Lestas等证明了任意弱耦合使车辆队列控制的双向对称方案可扩展，即对扰动的响应与队列的大小一致有界[35];Shaw等分析了异质车队的串稳定性表1.1展示了上述5种节点动力学常用的表达式。
　　此外，节点动力学建模通常基于两种假设：同质（homogeneous）队列与异质（heterogeneous）队列。同质队列是指队列中所有车辆具有相同的动力学特性，否则，为异质队列。同质队列假设能够降低理论分析难度，异质队列假设则更符合真实道路情况。
　　1.2.2队列几何构型
　　队列的几何构型也就是许多文献中提到的“间距策略”。常见的间距策略包括：恒间距策略（constant distance，CD）、恒时距策略（constant time headway，CTH）和变时距策略（variable time headway，VTH）。
　　恒间距策略是指相邻车辆间总保持固定间距，该值与车辆的速度与加速度无关，其表达式如式（1.1）所示：
　　（1.1）
　　其中，d表示相邻两辆车的期望间距，c为常数。其优点在于一定程度上能够实现较高的道路通行效率，但在某些信息流拓扑结构下无法保证队列的串稳定，这一点将在2.3小节详细介绍。
　　恒时距策略是指本车车头到前车车头处所需时间为固定值，此时，期望车间距是本车速度的函数，其表达式如式（1.2）所示：
　　（1.2）
　　其中，th为车头时距，Vi为本车速度，do为两车停止时的*小安全距离。Ploeg等通过6辆车组成的车队测试发现0.7s的车头时距可以保证CACC系统的串稳定性该策略更符合驾驶员的特性，但对道路通行效率有所限制。
　　变时距策略是指车头时距不再固定，而是随着车辆状态进行变化。Yanakiev等认为本车速度小于前车速度时，可以通过适当减小车头时距以保证道路通行量;而本车速度大于前车速度时，可以增大车头时距以保证道路安全，故其将车头时距视为前车与本车速度差的函数：
　　（1-3）
　　其中，t0，cv为正实数，vw为第i-1辆车的速度，Vi为第i辆车的速度。罗莉华等认为对于两车相对速度一定的情况，前车减速应该比前车加速需要更大的车头时距，而不是相等，故其在此基础上又引入了前车加速度:
　　（1.4）
　　其中，ca为正实数，H为第i_1辆车的加速度。研究表明这种变时距策略可以有效改善驾驶舒适性同时节约能耗[43]。目前，该策略被许多研究进一步发展。
　　此外，Wang和Rajamani等则基于宏观交

目录
丛书序
前言
第1章 绪论 1
1.1 引言 1
1.2 车辆队列相关概念 3
1.2.1 节点动力学 4
1.2.2 队列几何构型 5
1.2.3 信息流拓扑结构 6
1.2.4 分布式控制器 8
1.3 稳定性相关概念及判据 10
1.4 通信延时对车辆队列稳定性的影响 12
1.5 通信延时补偿策略 13
1.5.1 优化通信网络结构 14
1.5.2 重构加速度信息 16
1.5.3 整定控制器增益 17
1.5.4 构建多分支选择结构 19
1.5.5 改进控制器 20
1.6 结论 23
第2章 通信延时对队列稳定性的影响 25
2.1 引言 25
2.2 相关工作 26
2.3 问题陈述 27
2.3.1 车辆纵向动力学 27
2.3.2 一般线性CACC控制律 28
2.3.3 弦稳定性判定 29
2.4 通信延时边界数值分析 30
2.4.1 一种确认通信延时边界的数值方法 30
2.4.2 队列参数对弦稳定区的影响 34
2.4.3 与以前的研究比较 36
2.5 仿真验证 38
2.5.1 模拟配置 38
2.5.2 交通场景 39
2.5.3 仿真结果 40
2.6 结论 44
第3章 基于PSO的控制器增益动态调整方法 45
3.1 引言 45
3.2 相关工作 46
3.3 问题陈述 47
3.3.1 车辆动力学模型 47
3.3.2 控制器选择 48
3.3.3 通信延时对串稳定性的影响 48
3.4 方法论 51
3.4.1 整体架构 51
3.4.2 目标函数 52
3.4.3 生成头车加速度*线 52
3.4.4 基于改进粒子群的增益整定算法 54
3.5 实验仿真 56
3.5.1 静态参考增益和两种动态*优增益的定性对比实验 56
3.5.2 基于正弦*线和综合*线找到的*优增益的定量对比实验 61
3.5.3 不同优化算法的对比实验 63
3.6 本章小结 65
第4章 基于LSTM的加速度信息重构方法 66
4.1 引言 66
4.2 相关工作 67
4.3 问题陈述 69
4.3.1 车辆动力学模型 69
4.3.2 串稳定性分析 70
4.3.3 原始控制 71
4.3.4 CACC的好处.73
4.3.5 通信延时对CACC的负面影响 74
4.4 LSTM控制.75
4.4.1 LSTM预测和控制的架构 75
4.4.2 LSTM神经网络模型 76
4.5 性能评估 78
4.5.1 交通场景 78
4.5.2 仿真设置和指标 79
4.5.3 LSTM、RNNs和GRUs的预测精度 80
4.5.4 仿真结果 81
第5章 基于模型预测控制的CACC系统通信延时补偿方法.84
5.1 引言 84
5.2 协同式自适应巡航控制系统建模 86
5.2.1 车辆间距策略 87
5.2.2 MPC纵向控制器 88
5.3 系统弦稳定性量化指标定义 89
5.3.1 2 范数弦稳定性条件.89
5.3.2 无穷范数弦稳定性条件 90
5.3.3 弦稳定性量化指标定义 90
5.4 级联式MPC-PVAT方法设计.91
5.4.1 MPC优化求解方法 92
5.4.2 MPC-PVAT方法.92
5.5 基于LSTM的通信延时补偿方法 94
5.5.1 LSTM预测模型 95
5.5.2 MPC-LSTM方法 96
5.6 仿真结果评估.97
5.6.1 基于正弦型运动工况的仿真测试 98
5.6.2 基于NGSIM数据的仿真测试 104
5.7 结语 110
第6章 基于遗传算法的控制器平滑切换方法 111
6.1 控制器切换方法 111
6.2 基于遗传算法的控制器切换 113
6.2.1 遗传算法原理 113
6.2.2 控制器平滑切换方法 115
6.3 仿真实验 117
6.3.1 仿真平台介绍 117
6.3.2 仿真实验设置 118
6.3.3 仿真结果 119
6.4 本章小结 131
第7章 基于台架的车辆队列稳定性测试与分析 132
7.1 硬件及参数配置 132
7.2 车辆队列稳定性校正 133
7.2.1 实验场景设计 133
7.2.2 测试结果分析 135
7.3 正弦振荡场景下车辆队列稳定性测试与分析 137
7.3.1 实验场景设计 137
7.3.2 测试结果分析 138
7.4 台架测试与仿真测试对比分析 141
参考文献 142
《交通与数据科学丛书》书目 158