智能网联汽车协同控制技术（第2版）

智能网联汽车技术系列
涵盖了目前智能网联汽车领域各项前沿关键技术
旨在提升道路和车辆的信息化、智能化、网联化水平，加速赋能智能交通和自动驾驶产业发展

智能网联汽车技术架构的6种关键技术：
1）环境感知技术；
2）智能决策技术；
3）协同控制技术；
4）V2X通信技术；
5）云平台与大数据技术；
6）信息安全技术。

《智能网联汽车协同控制技术（第2版）》

1，面向智能网联汽车的高实时性车路协同体系，提出多源车路信息融合的实时立体交通感知与交通运行状态评价方法、智能网联汽车实时路径规划和速度引导方法；
2，基于智能网联汽车动力学模型，提出混行车辆编队控制理论，研究队列稳定性及切换控制方法、时空轨迹优化方法、主动安全控制技术及硬件在环仿真技术。

本书汇总了作者及团队在车路协同体系下智能网联汽车领域研究的相关科研成果，探讨了交通运行状态的感知与评价、实时路径决策方法和速度引导方法，研究了智能网联汽车动力学模型、编队控制模型及编队切换控制技术、时空轨迹优化方法、主动安全控制技术、数据交互系统，以及智能网联汽车编队控制模型及硬件在环仿真技术等。本书汇总的这些前沿关键技术可以为优化城市干线车流行驶状态、缓解城市干线拥堵、提高道路通行能力提供新的技术手段和解决方案。
本书适合从事车路协同技术应用和智能交通研究的研究人员阅读参考，也可以作为智能交通、自动控制专业师生的参考用书。

主持国家自然科学基金项目，一项北京市自然科学基金项目一项，横向课题10余项，并入选2018年北京市科技新星计划。

第2版序
第2版前言
第1版序
第1版前言
第1章 智能网联汽车相关技术发展过程 1
1.1 车路协同技术 2
1.2 智能网联汽车技术 6
1.3 车辆编队技术 9
参考文献 13
第2章 面向智能网联汽车的车路协同系统 15
2.1 车路协同技术特征分析 15
2.2 面向智能网联汽车的车路协同系统设计 16
2.2.1 系统设计目的 16
2.2.2 车路信息交互场景 17
2.2.3 车路数据实时交互方法 18
2.3 车路数据交互软件系统 18
2.3.1 车路数据交互软件系统总体目标 18
2.3.2 车路数据交互软件系统方案论证 19
2.3.3 车载终端软件系统实现 21
2.3.4 路侧终端软件系统实现 22
参考文献 23
第3章 基于车路信息融合的交通状态感知与预测技术 24
3.1 交通状态感知与预测的现状分析 25
3.2 基于V2X通信的多源车路信息融合系统 26
3.2.1 交通感知层 28
3.2.2 网络传输层 29
3.2.3 数据处理层 30
3.2.4 信息服务层 33
3.3 基于V2X通信的交通状态感知场景 35
3.3.1 基于V2X通信的城市单交叉口场景 35
3.3.2 城市单交叉口图模型 36
3.4 V2X通信环境下的交通状态预测模型 37
3.4.1 基于图嵌入提取道路空间特征 38
3.4.2 基于神经网络捕获时间特征 39
3.5 实验测试与分析 40
3.5.1 基于多源车路信息融合的智能边缘计算平台 40
3.5.2 模型参数设置 41
3.5.3 测试结果分析 41
3.5.4 对比实验结果分析 43
3.5.5 实验结果总结 44
参考文献 45
第4章 基于车路信息融合的交通运行状态评价方法 47
4.1 车路信息融合技术分析 47
4.2 基于信息融合的交通运行状态模糊评价方法研究 47
4.2.1 目前常用的交通评价方法 47
4.2.2 多级模糊综合方法结构设计 48
4.2.3 一级模糊评价空间 49
4.2.4 基于样本数据的层次分析法 53
4.2.5 二级模糊评价空间 56
4.3 交通状态评价方法实验验证 57
4.3.1 实验设计 57
4.3.2 实验流程 57
4.3.3 实验结果与分析 59
参考文献 61
第5章 智能网联汽车实时路径决策方法 63
5.1 路径规划算法分析 63
5.2 智能网联汽车实时路径规划系统设计 65
5.2.1 车路协同场景描述及路径规划系统设计目的 65
5.2.2 智能网联汽车路径规划策略 65
5.3 基于车路协同的路径规划优化方法研究 67
5.3.1 车路信息交互过程 67
5.3.2 路阻计算方法 68
5.3.3 路径选择策略 71
5.4 优化方法实验验证 72
5.4.1 实验设计 72
5.4.2 实验结果与分析 74
参考文献 77
第6章 智能网联汽车速度引导方法 78
6.1 基于车路协同的交通控制系统概述 78
6.2 车路协同环境下车速引导方法 80
6.2.1 车路协同环境下的单车车速引导模型 81
6.2.2 车路协同环境下多车车速引导模型 84
6.2.3 面向智能网联汽车的干线信号优化模型 86
6.3 基于VISSIM/MATALB的车速引导仿真验证 88
6.3.1 交通仿真验证场景 88
6.3.2 仿真数据分析 91
参考文献 93
第7章 面向城市道路的智能网联汽车时空轨迹优化方法 94
7.1 时空轨迹优化算法现状分析 94
7.2 智能网联汽车时空轨迹优化的典型城市多车道场景 96
7.2.1 基于V2X通信的多车道路段场景 96
7.2.2 智能网联汽车时空轨迹优化系统架构 96
7.3 面向智能网联汽车的多车道时空轨迹生成方法 98
7.3.1 智能网联汽车的状态向量 98
7.3.2 系统成本函数的定义 99
7.3.3 智能网联汽车行驶约束条件 101
7.3.4 基于大值原理的求解方法 102
7.4 基于先进先出算法的协同换道方法 103
7.5 基于强化学习的优化方法 105
7.6 基于MySQL数据库的时空轨迹匹配方法 107
7.7 基于双尾配对T检验算法的系统分析方法 108
7.8 基于SUMO软件二次开发的模型仿真验证 109
7.8.1 基于SUMO软件的测试平台 109
7.8.2 基于SUMO软件的测试方案 110
7.8.3 测试结果分析 112
7.8.4 实验结果总结 115
参考文献 115
第8章 面向城市路网的智能网联汽车时空轨迹优化方法 118
8.1 优路径相关算法的研究现状 118
8.2 基于V2X通信的城市路网场景 119
8.3 城市路网环境下的系统架构改进 120
8.4 基于有向加权图方法的多子节点拓扑图生成 121
8.5 路网承载力分析模型 123
8.5.1 基于优劣解距离法的节点承载力分析 124
8.5.2 基于重力模型法的路段承载力评价 125
8.6 面向城市路网的路径决策模型 125
8.6.1 基于D算法的城市路径规划 125
8.6.2 基于混合遗传算法的求解方法 127
8.7 仿真实验 129
8.7.1 场景选择与搭建 130
8.7.2 参数设置 132
8.7.3 仿真实验结果分析 133
8.7.4 实验总结 143
参考文献 144
第9章 智能网联汽车动力学模型 145
9.1 智能网联汽车受力分析 145
9.2 智能网联汽车简化纵向动力学分层模型 149
9.2.1 智能网联汽车动力学模型的简化 149
9.2.2 简化纵向车辆动力学模型的分层 150
9.3 基于CarSim/MATLAB软件的车辆动力学模型联合仿真验证 152
9.3.1 CarSim软件仿真环境参数设置 153
9.3.2 CarSim、MATLAB、Simulink联合仿真验证 156
9.3.3 下层动力学控制模型仿真结果分析 156
参考文献 159
第10章 智能网联汽车编队控制模型 160
10.1 智能网联汽车编队控制系统概述 160
10.1.1 车辆编队控制系统数学模型 160
10.1.2 车辆队列系统控制方法 161
10.1.3 车辆队列控制系统结构 162
10.2 智能网联汽车编队行驶条件 163
10.2.1 车辆行驶安全性条件 163
10.2.2 车辆队列稳定性条件 164
10.3 智能网联汽车编队控制技术 165
10.3.1 智能网联汽车编队控制数学模型 165
10.3.2 智能网联汽车队列稳定性分析 168
10.4 智能网联汽车编队控制模型仿真 169
10.4.1 阶跃紧急减速输入仿真效果 170
10.4.2 正弦加速度输入仿真效果 171
参考文献 173
第11章 智能网联汽车编队切换控制技术 175
11.1 通信异常对智能网联车队控制影响及模型策略调整 175
11.1.1 通信延迟的影响及模型策略调整 175
11.1.2 通信失效的影响及模型调整策略 176
11.2 考虑通信时延的智能网联汽车编队切换控制模型 177
11.2.1 存在通信时延时智能网联汽车编队切换控制模型 177
11.2.2 存在通信时延时保持队列稳定性条件 177
11.3 通信失效下的智能网联汽车编队切换控制模型 178
11.3.1 车辆队列中通信失效车辆及其后车的控制模型 178
11.3.2 通信失效下保持队列稳定性条件 179
11.4 通信异常时智能网联汽车编队控制模型仿真 180
11.4.1 头车阶跃紧急减速输入仿真 181
11.4.2 头车正弦加速度输入仿真 182
参考文献 183
第12章 智能网联汽车主动安全控制技术 184
12.1 车辆主动安全控制系统概述 184
12.2 传统避撞模型缺陷分析 185
12.3 避撞过程中交通资源非线性规划问题 186
12.3.1 非线性规划函数 186
12.3.2 非线性规划求解方法 187
12.4 智能网联汽车协同主动避撞模型 189
12.4.1 加速度非线性规划模型 189
12.4.2 非线性规划求解条件 190
12.5 协同主动避撞模型应用于车辆队列控制 191
12.6 仿真验证 195
12.6.1 两车协同主动避撞 195
12.6.2 车辆队列协同主动避撞 195
参考文献 199
第13章 混行车队通信拓扑及车间距策略 201
13.1 混行车队研究现状分析 201
13.2 混行车队多车道区域划分及长度计算方法 203
13.2.1 混行车队协同控制流程 204
13.2.2 多车道行驶区域内换道场景分析 205
13.2.3 缓冲区与编队区长度计算方法 207
13.3 混行车队规模计算方法 208
13.4 车队通信拓扑结构 210
13.4.1 通信正常车队拓扑结构 210
13.4.2 通信异常拓扑结构切换 211
13.5 车间距策略 212
13.5.1 通信正常车间距策略 212
13.5.2 通信异常车间距策略 214
参考文献 215
第14章 混行车辆编队控制方法及稳定性分析 216
14.1 基于模型预测控制的混行车辆编队模型 216
14.1.1 模型预测控制方法简述 217
14.1.2 通信正常混行车辆编队控制模型 218
14.1.3 通信异常混行车辆编队控制模型 222
14.2 系统稳定性分析 224
14.2.1 e L 2 队列稳定性分析 225
14.2.2 渐进稳定性分析 226
14.3 混行车辆编队控制效果验证及分析 227
14.4 混行车队协同控制及通信异常切换控制 229
14.4.1 实验场景设计 229
14.4.2 实验结果分析 230
14.5 考虑交通信号配时下的单车道混行车队协同控制 232
14.5.1 实验场景设计 232
14.5.2 实验结果分析 233
14.6 考虑交通信号配时下的多车道混行车队协同控制 236
14.6.1 实验场景设计 236
14.6.2 实验结果分析 237
参考文献 242
第15章 智能网联汽车编队控制硬件在环仿真技术 243
15.1 智能网联汽车编队控制硬件在环仿真平台原理 243
15.1.1 硬件在环仿真系统框架 244
15.1.2 硬件在环仿真平台验证原理 246
15.1.3 硬件在环仿真平台验证可行性验证 247
15.1.4 车辆动力学的微缩车实现 249
15.2 智能微缩车平台硬件结构 250
15.2.1 控制部分电路设计 251
15.2.2 环境感知部分设计 255
15.3 智能微缩车平台软件结构 256
15.3.1 图像处理部分软件结构 256
15.3.2 控制系统部分软件结构 256
15.3.3 数据滤波处理程序结构 257
15.3.4 上位机控制软件结构 259
15.4 仿真结果分析 261
15.4.1 仿真场景环境参数设置 261
15.4.2 智能网联汽车编队控制效果 262
15.4.3 智能网联汽车编队主动安全控制效果 262
15.5 智能网联汽车驾驶模拟平台 264
15.5.1 仿真环境建立 266
15.5.2 仿真平台与智能小车联调测试 268
15.5.3 智能网联虚拟驾驶运行效果 272
参考文献 281

交通拥堵和交通安全问题，是世界各国亟待解决的两大交通领域难题。近年来，随着车路协同技术在智能交通系统中的广泛应用，借助其高效可靠的通信机制，交通路网内车辆和基础设施之间可以实现高效可靠的信息交互，智能网联汽车技术随之应运而生。智能网联汽车作为当今全球智能交通技术研究的热点，其发展已经超越了传统汽车产业的范畴，与人工智能、信息通信、大数据等新技术和新兴产业跨界相连，构建起新的汽车产业生态。智能网联汽车不仅带来了汽车行业的深刻变革，也将给人类出行方式和道路交通系统带来重大变化，是备受关注的发展方向和焦点。近几年，美国、日本、德国等国家陆续发布了各自在自动驾驶领域的法规和鼓励自动驾驶汽车发展的政策，着力智能网联汽车研发。我国也在努力推进智能网联汽车的发展，自2015年国务院印发《中国制造2025》后，国家有关部门相继发布一系列政策促进智能网联汽车的产业化发展。2016年和2020年《智能网联汽车技术路线图1.0》《智能网联汽车技术路线图2.0》先后发布，系统梳理、更新、完善了智能网联汽车的定义、技术架构和智能化网联化分级，研究了智能网联汽车的发展路径。2020年国家发展和改革委印发了《智能汽车创新发展战略》，明确提出加快推进智能汽车创新发展。2021年工业和信息化部联合多部门印发了《智能网联汽车道路测试与示范应用管理规范（试行）》，推动智能网联汽车自动驾驶道路测试与示范应用。2022年工业和信息化部科技司公开征求对《国家车联网产业标准体系建设指南（智能网联汽车）（2022年版）》（征求意见稿）的意见，持续推动智能网联汽车产业高质量发展。在可预见的未来，智能网联汽车的规模化应用将对交通基础设施、道路交通运行及交通管控方法产生巨大影响。智能网联汽车指搭载先进传感器、控制器、执行器等装置，融合现代通信与网络技术，实现车与X（人、车、路等）智能信息交换、共享，具备复杂环境感知、智能决策、车路协同控制等功能，可实现安全、高效、舒适、节能行驶，并最终替代人的操作的新一代智能汽车。智能网联汽车的主要优势在于可以提供更安全、更节能、更环保、更便捷的出行方式和综合解决方案。智能网联汽车技术架构主要涉及以下6种关键技术:1）环境感知技术，包括利用机器视觉的图像识别技术、利用雷达的周边障碍物检测技术、多源信息融合技术、传感器冗余设计技术等。2）智能决策技术，包括危险事态建模、危险预警与控制优先级划分、群体决策和协同、局部轨迹规划和驾驶人多样性影响分析等。3）协同控制技术，包括面向驱动、制动的纵向运动控制，面向转向的横向运动控制，基于驱动、制动、转向、悬架的底盘一体化控制，融合车联网通信及车载传感器的多车队列协同和车路协同控制等。4）V2X通信技术，包括车辆专用通信系统、车路云信息共享与协同控制的通信保障机制、多模式通信与信息融合等。5）云平台与大数据技术，包括云平台架构与数据交互标准、云操作系统、数据高效存储和检索、大数据关联分析和深度挖掘等。6）信息安全技术，包括汽车信息安全建模、数据存储和传输及应用三维度安全体系、信息安全漏洞应急响应机制等。
发展智能网联汽车，可以改善汽车保有量增加带来的能源、环保、安全、拥堵等多方面问题，有利于建立新型社会交通体系和新型智慧城市，有利于建立绿色、共享型汽车社会，有利于推动通信、交通、电子等相关产业的协同发展，有利于推动人工智能、大数据、机器人、工业互联网、智慧城市等多个万亿级产业的建设，对于汽车产业经济及社会和国家的发展都具有战略意义。本书结合车车/车路无线通信技术优势与城市道路交叉口特征，设计了面向智能网联汽车的高实时性车路协同体系，并定义了车辆与路侧智能设备间的数据交互方式与交互软件系统实现方案。基于路侧智能设备对多源数据进行采集与融合，通过图嵌入神经网络提取道路空间特征与时间特征构建立体交通状态感知模型，提出了一种基于多源信息融合的交通状态评价方法。该方法通过从上述车路协同系统得到的实时数据选取评价指标进行模糊综合，引入多算子对构成二级交通评价模型并根据层次分析法确立指标权重;同时，根据仿真和实验结果建立了适用于各级道路参数的可变隶属度规则，从而融合动态车辆数据与静态路段参数，计算得出交通评价结果。基于以上评价结果，本书通过挖掘车路协同交互系统数据，以交叉口交通信号控制和路径转向信息作为影响因素，对传统路径规划系统所得到的结果进行进一步优选。该方法能根据当前时刻各路段的统计数据和实时信号机数据来预测各备选路线的行程时间，从而选择行程时间最少的路线。最后，本书根据网联汽车实测行驶数据，验证了该方法的有效性。本书考虑了传统交通传感器精度上的限制及车辆状态信息获取的滞后性，认为目前交通信号控制系统很难根据实时车流量动态优化配时方案，来达到预期效果。但是，随着车路协同和智能网联汽车技术的广泛应用，编队控制技术为未来的城市交通控制系统提出了新的解决方案。智能网联汽车编队技术，可使车辆行驶保持理想车间距和车速，优化城市干线车流行驶状态，为缓解城市干线拥堵、提高道路通行能力提供了新的技术手段和解决方案;同时，车路协同控制技术对具有共同行驶目的的所有车辆进行统一控制和车队化管理，使得复杂的交通控制得以简化，交通可组织性也同时增强，起到了缓解交通拥堵、提高道路通行能力的作用;最后，车辆队列依靠协同控制机制来调整所有车辆性能保持一致，将交通流调整到最佳状态，有效地减少了由于个别的人为驾驶因素造成的交通事故，保证了车辆行驶的安全性。综上所述，面对新型车路协同体系，智能网联汽车欲达到更好的编队控制效果，需要设计可靠、有效的协同控制模型，来避免车车通信延迟、失效对车辆队列行驶安全性和稳定性造成的影响;充分利用多源交通融合数据，弥补传统控制模型缺陷，使智能网联汽车能够根据不同交通状况，准确预测未来交通状态和交通安全事故，进行动态路径优化及控制，从而避免可能发生的交通拥堵和交通事故，为解决目前交通问题提供有力的技术保障。本书第1、3～8、10～15章由王庞伟负责撰写，第2章由王力负责撰写，第9章由余贵珍负责撰写。项目组张名芳老师及研究生邓辉、刘虓、汪云峰、王天任、叶荣盛、俞宏胜、刘程、孙远哲、王佳君进行了本书的资料收集和整理工作。同时，特别感谢北京航空航天大学校长王云鹏院士为本书作序。本书得到国家重点研发计划项目2018YFB1600500、北京市自然科学基金项目4212034的资助，并且得到北方工业大学“城市道路交通智能控制技术北京市重点实验室”和北京航空航天大学“车路协同与安全控制北京市重点实验室”科研团队的大力支持，在此表示深深的感谢!由于作者水平有限，书中难免存在疏漏不当之处，恳请广大专家、学者和读者批评指正。 作者2022年10月