[0034] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0035] 本发明实施例公开了一种混合异质车流条件下的汽车协同自适应巡航控制方法，具体步骤如下：
[0036] S1、实时采集车辆跟驰过程中首车、前车与本车的BSM信息集；
[0037] S2、结合BSM信息集根据车辆纵向运动关系建立本车与前车跟驰模型；
[0038] S3、利用线性最优二次理论建立符合跟驰首车运动状态下的驾驶操纵效用函数，预测下一时刻前车加速度值；
[0039] S4、将下一时刻前车加速度值代入本车与前车跟驰模型中，得到本车加速度的预测值，将预测值与期望值进行比较得到本车最优控制序列，根据本车最优控制序列对车辆编队自适应巡航滚动控制。
[0040] 本发明侧重于研究车辆自适应巡航控制技术中的决策控制系统，对前期数据感知系统和数据处理系统做理想化假设，即智能驾驶汽车可以通过车联网平台实时获取基本安全信息(BSM)。BSM信息由车载单元(OBU)收集后向所覆盖区域范围内的车辆OBU发送，包含车辆位置信息、运动状态参数 (速度、加速度)、驾驶行为信息(节气门开度、制定踏板力)等核心信息以及其他可选信息。以上信息将根据T/CSAE 53‑2017标准打包成BSM消息集，并通过专用的C‑V2X无线通信向周围车辆广播，如图1所示。
[0041] 在异质交通流场景下，智能驾驶汽车(AV)和人工驾驶汽车(MV)可以通过OBU采集自车驾驶信息(自车位置、自车速度、自车加速度)并将其发送给其他车辆。但是人工驾驶汽车(MV)由于缺乏自适应巡航控制系统，能接收但不能利用其他车辆的BSM信息集来辅助车辆驾驶，车辆驾驶行为仍由驾驶员主观控制。在车辆跟驰过程中，若首车为人工驾驶汽车(MV)，前车和被控车辆为智能驾驶汽车(AV)，被控车辆通过OBU接收首车和前车的BSM信息集，并根据历史运动状态(位置、速度、加速度)预测下一时刻前车加速度序列，从而对前方干扰车辆的运动状态做出预判，降低人工驾驶车辆(MV)加速度阶跃变化对智能驾驶汽车(AV)带来的影响，有效提升智能驾驶汽车(AV)自适应巡航控制的安全性和跟驰性能。
[0042] 进一步的，根据车辆纵向运动关系建立两车跟驰模型。定义xf(t)为自车位置，vf(t)为自车速度，af(t)为自车加速度，xp(t)为前车位置，vp(t)为前车速度， ap(t)为前车加速度。
[0043] 两车的相对速度：vr1(t)＝vp(t)‑vf(t) (1)
[0044] 将被控车辆的期望加速度和实际加速度视为一阶惯性环节，
[0045]
[0046] 式中，μ(t)为期望加速度，Ts为时滞常数，K为一阶惯性环节的增益系数。
[0047] 两车的实际车间间距：s1(t)＝xp(t)‑xf(t) (3)
[0048] 考虑前车加速度和速度的可变车头时距模型公式(4)‑(6)所示，
[0049] th＝t0‑kavr‑kbap (4)
[0050]
[0051] M＝t0‑kavr‑kbap (6)
[0052] 式中，t0，ka，kb表示大于0的常数，ap表示前车加速度，sat(·)表示饱和函数，th_min所设置的车头时距下限值(1.2s)，th_max表示所设置的车头时距上限值(2.0s)。
[0053] 两车的期望车间间距：se(t)＝thvf(t)+d (7)
[0054] 实际车间间距和期望车间间距的间距差：Δs(t)＝s1(t)‑se(t) (8)[0055] 式中，s1(t)为实际车间间距，th为可变车头时距，d为最小安全间距。
[0056] 选取实际车间间距s1(t)，相对速度vr1(t)，自车速度vf(t)，自车加速度 af(t)作为自适应巡航控制系统的状态变量；选取间距差Δs(t)、相对速度 vr1(t)、自车加速度af(t)作为输出变量；μ(t)作为控制输入，前车加速度ap(t) 作为扰动参数，则本车与前车运动关系模型的离散状态空间表达式如公式(9) 所示。
[0057]
[0058] 式中，Q(t)＝[s1(t)，vr1(t)，vf(t)，af(t)]T，P(t)＝[Δs(t)，vr1(t)，af(t)]T，[0059] 为提高公式(9)对真实系统的辨识表达能力，基于闭环反馈校正的思想，引入误差修正项e(t)，以期提高模型预测精度以及抗干扰能力。
[0060]
[0061] e(t)＝Q(t)‑Q(t‑1) (11)
[0062] 式中F＝diag(f1，f2，f3，f4)为矫正矩阵，e(t)为误差修正项，Q(t)为t时刻系统的实际状态，Q(t‑1)为t‑1时刻对t时刻系统状态的预测。
[0063] 进一步的，在传统的模型预测控制算法中，通常将当前时刻t获取的前车加速度ap(t)作为预测时域[t，t+p‑m]内的扰动序列，即 ap(t)＝ap(t+1)＝…＝ap(t+p‑m)。当前车急加速或急减速时，若以当前时刻的前车加速度值作为预测时域的前车加速度则会导致跟驰车辆的控制器出现较大的计算误差，从而降低了车辆自适应巡航控制系统的跟驰性能。如图2 所示，运用线性最优二次理论(LQR)预测未来时刻B车加速度改变量。通过在A车与B车之间运用LQR算法预测出B车下一时刻的加速度序列，然后将此加速度序列替换掉B车与C车之间构建的模型预测控制器中的B车加速度序列，由此优化传统的模型预测控制算法。
[0064] 利用线性最优二次型建立了驾驶操纵序贯链模型，使其能较好地表征驾驶人期望的操纵行为及其序列。假设A车与B车的相对运动关系如公式(12) 所示，
[0065]
[0066] 式中：x(t)为前后车的相对运动状态，a(t)为车辆运动状态的改变量。给定时间t∈[t0，tf]，初始状态x(t0)＝x0，末端状态x(tf)自由。利用线性最优二次型建立符合跟驰前车运动状态下的驾驶操纵效用函数。
[0067]
[0068] Δx(t)＝s2(t)‑Dsafe (14)
[0069] 式中：K0、R为对角矩阵，k1、k2为不同运动状态向量的权重，定义 k1＝1.21，k2＝4.07，R＝15.7，vr2为A车与B车的相对速度， 为驾驶控制的约束或要求，s2(t)为t时刻A车与B车的间距，Dsafe为安全车间距。
[0070] 根据李雅普诺夫第二方法，令驾驶操纵效用函数最小化，矩阵P需要满足黎卡提矩阵代数方程，
[0071] ‑PA‑ATP+PBR‑1BPT‑Q＝0 (15)
[0072] 从而得到被控系统的最优反馈控制律。
[0073] aB(t)＝‑R‑1BTPx(t)＝‑Kx(t) (16)
[0074] 当J取最小值时，对应的控制输入aown为在[t0，tf]时段内的最优驾驶行为决策，也就是预测得出的下一时刻本车加速度值，记为
[0075]
[0076] 应用上述公式对车辆运动状态进行处理，即可以预测出本车在下一时刻运动状态，并将运动状态中本车加速度的预测数值代入到模型预测控制算法中，优化前车加速度扰动ap(t)对应的数值。
[0077] 更进一步的，在自适应控制系统的设计过程中，根据跟车纵向运动学模型可以预测在未来p个时刻内实际的两车间距以及相对速度的大小，将该预测值与期望值进行比较便可以求的最优的控制序列。假设当前时刻为t，p步预测时域为[t，t+p‑m]，控制时域为m，由离散状态空间表达式(10)，逐步迭代可得到以下预测状态，
[0078] Q(t+1|t)＝AQ(t)+Bμ(t)+Cap(t)+Fe(t)
[0079] Q(t+2|t)＝A2Q(t)+ABμ(t)+Bμ(t+1)+ACap(t)+Cap(t+1)+(A+1)Fe(t)
[0080] …
[0081]
[0082] 进一步可以得到被控输出，
[0083] P(t+1|t)＝DAQ(t)+DBμ(t)+DCap(t)+DFe(t)‑E
[0084] P(t+2|t)＝DA2Q(t)+DABμ(t)+DBμ(t+1)+DACap(t)+DCap(t+1)+D(A+1)Fe(t)‑E[0085] …
[0086]
[0087] 对于系统未来p步预测的状态和输出可以简化为如下预测方程，
[0088]
[0089] 表示预测时域的状态序列，
[0090] U(t+1)＝[μ(t)，μ(t+1)，…，μ(t+p‑m)]T表示控制序列，
[0091] ω(t+p)＝[ap(t)，ap(t+1)，…，ap(t+p‑m)]T表示扰动序列，
[0092] 表示系统的输出序列，
[0093] 其 他 系 数 矩 阵 满 足
[0094] 以加权形式的值函数表示自适应巡航控制系统中所选择的优化性能指标，设定MPC预测模型的代价函数为，
[0095]
[0096] 式中，Φ为预测控制输出与参考输入之间偏差的加权系数矩阵，R为控制输入的加权系数矩阵，Pref(t+p|t)为期望轨迹，符号 代表二次型函数。
[0097] 考虑到车辆自身物理限制等因素，需要对控制器工作域进行边界约束，从而建立如下硬约束条件，
[0098]
[0099] 式中，μmin表示可容许控制输入下界，μmax表示可容许控制输入上界，Δμmin表示可容许控制输入增量下界，Δμmax表示可容许控制输入增量上界， Pmin＝[Δs(t)min，ΔvT T(t)min，af(t)min]表示系统的输出下界， Pmax＝[Δs(t)max，Δv(t)max，af(t)max]表示系统的输出上界。
[0100] 在预测时域[t，t+p‑m]范围内，系统满足如式(21)所示的条件，
[0101]T
[0102] 式中，K1＝[1，1，…，1] ，
[0103] 瞬态工况下，硬约束条件易致滚动优化过程中无可行解问题，故引入松弛向量对硬约束条件进行松弛化，以扩展求解可行域。
[0104]
[0105] 式中， 是根据相应约束条件可人为设置的参数，松弛因子满足ε1≥0，ε2≥0，ε3≥0。
[0106] 将松弛变量作为惩罚函数加入到原有的目标函数公式(19)中可得到新的优化目标函数，通过简易的变换，本文将带约束的模型预测控制优化的问题转化为二次型问题进行求解，整理后得到的二次型表达式如公式(23)所示，
[0107]
[0108] 式中，
[0109]
[0110]
[0111]
[0112] 通过对当前时刻t的状态进行优化求解，得到一串预测序列，
[0113]
[0114] 下一采样时刻，预测时域向前移动一步，并重复上述过程，从而实现自适应巡航滚动在线控制。
[0115] 本发明基于CARSIM和MATLAB/SIMULINK软件搭建联合仿真平台，验证改进MPC控制器在动态交通场景下的跟驰有效性。
[0116] 仿真建模设计：
[0117] 在CARSIM中设置虚拟仿真工况，场景中一共设置了三辆车，A车为人工扰动汽车，B车为目标跟随汽车，C车为搭载自适应巡航控制器的被控智能汽车。
[0118] 设置三辆汽车(A车、B车、C车)的初始运动状态集为S{[距离起点位置，速度(m/s)，加速度(m/s2)]/[40，16.7，0]，[20，16.7，0]，[0，16.7，0]}；t＝10s时，A车突然加速行驶，当A车与B车间的相对间距d1＜d时，B车随即加速跟驰前车以减少两车跟驰间距，C车通过车载设备感知到B车行驶状态变化后立即跟随前车加速行驶，最终B车和C车通过车载自适应巡航控制系统调整车辆运动状态，使三车之间的相对跟驰间距、相对速度恢复稳定状态；t＝30s时，A 车紧急减速行驶，当A车与B车间的相对间距d21所示。
[0119] 表1
[0120]参数名称 符号 数值/单位 参数名称 符号 数值/单位
2
加速度最大值 amax 2m/s 控制时域 m 10
2
加速度最小值 amin ‑5.5m/s 预测时域 p 5
2
速度最大值 vmax 33.3m/s 控制量最大值 umax 2m/s
2
速度最小值 vmin 0m/s 控制量最小值 umin ‑5.5m/s
[0121] 仿真结果分析：
[0122] 在A车的扰动作用下B车和C车的车辆运动状态如图3‑图6所示。由图 3可知，第0‑60s B车匀加速行驶，改进MPC控制器提前预测B车加速度变化且以相同的加速度加速行驶，传统MPC控制器在B车加速初期呈现先减速再加速的运动状态；第60‑110s B车匀速行驶，两种控制器都能控制C车与B 车保持相同速度行驶，但传统MPC控制器比改进MPC控制器晚18s进入匀速行驶阶段；第110‑150s B车匀减速，改进MPC控制器预测到B车减速度变化，相对于传统MPC控制器提前跟随B车减速行驶；第150‑160s B车紧急制动，B车在第160s时停止，此时传统MPC控制器的车速为3m/s，改进 MPC控制器的车速为9m/s。综上所述，相比与传统MPC控制器，改进MPC 控制器能在各种工况下更快响应B车运动状态变化，在车辆跟驰过程中迅速跟随前车改变本车运动状态。
[0123] 由图4可知，第0‑60s B车匀加速行驶，改进MPC控制器控制车辆与B 车的相对速度控制在‑0.4‑0.15m/s之内，传统MPC控制器与B车的相对速度控制在0‑5.2m/s之内且在前车速度变化初期呈现较大的相对速度差；第 60‑110s B车匀速行驶，改进MPC控制器和传统MPC控制器都能控制车辆与前车保持相对静止，即车辆的运行速Table 1度保持一致；第110‑150s B车匀减速，改进MPC控制器与前车的相对速度基本维持在0m/s，传统MPC控制器与前车的相对速度控制在‑1‑0m/s之内；第150‑160s B车紧急制动，改进 MPC控制器控制车辆与前车的相对速度控制在‑3‑0m/s之内，而传统MPC控制器与前车的相对速度控制在‑9‑
0m/s之内。综上所述，相比于传统MPC控制器，改进后的MPC控制器能控制车辆能在前车速度发生变化时更迅速做出响应，使自车能与前车保持相对稳定的速度跟驰前车。
[0124] 由图5可知，改进MPC控制器与传统MPC控制器都能控制车辆安全跟驰前车，采用改进MPC控制器的车辆在车辆跟驰过程中更贴近前车运动轨迹，即保持更好的车辆跟驰性能。由图6可知，第0‑60s B车匀加速行驶，改进 MPC控制器与B车的跟驰间距随着速度变化小幅度增加，跟驰间距控制在 20m‑30m之内，传统MPC控制器与B车的跟驰间距随速度增加不断增加，跟驰间距控制在20m‑110m之内；第60‑110s B车匀速行驶，改进MPC控制器以恒定车间距30m稳定行驶，传统MPC控制器以恒定车间距110m稳定行驶；第110‑150s B车匀减速，改进MPC控制器的跟驰间距变化区间控制在 25m‑30m之内，传统MPC控制器跟驰间距变化区间控制在85m‑110m之内；第150‑160s B车紧急制动，改进MPC控制器与前车的跟驰间距逐渐减少，最终在距离B车12m时安全停止，传统MPC控制器与B车的跟驰间距急剧减少，最终在距离B车18m时安全停止。综上所述，相对于传统MPC控制器，改进MPC控制器能够控制车辆在各种工况下与前车保持更小的安全间距行驶，大大提升了道路通行能力。
[0125] 本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0126] 对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
