自动驾驶第9篇:公路协同驾驶和能源经济
Posted 城市交通经济学
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了自动驾驶第9篇:公路协同驾驶和能源经济相关的知识,希望对你有一定的参考价值。
窗内人于窗纸上作字,吾于窗外观之,极佳。今日看的是2017年发表在Transportation Research Part C的一篇文章,设计了一个方案使公路汽车间协同驾驶,以保证安全、减少拥堵和提高能源效率,并且用微观仿真进行了测试。文章太过偏计算机工程,经济学内容较少,所以没有太多记录其中的细节,仅作参考。
题目:Distributed MPC for cooperative highway driving and energy-economy validation via microscopic simulations
摘要:交通拥堵和能源问题给当前的地面交通系统设置了很高的标准。随着车辆通信技术的进步,连接车辆的协同已经成为一个基本模块来构建高效率自动化公路交通系统。本文提出了一种考虑宏观交通管理和微观车辆动力学的分布式最优控制方案,以实现高效的公路协同驾驶。超出人类感知范围的关键交通信息是从下游连接的车辆中获得的,以建立必要的交通管理来缓解拥堵。通过反向传播交通管理建议,具有调整意图的连接车辆与直接连接的邻车交换控制的信息,以建立潜在的协同共识,并产生协同控制动作。为实现这一目标,开发了一种兼顾驾驶安全和效率的分布式模型预测控制(DMPC)方案。通过将协作者的状态耦合到优化指标中,连接车辆实现基本公路机动的协同优化控制。采用微观模拟的方法,在混合式公路交通环境下,对分布式控制方案的性能以及进行这种协同的节能潜力进行了测试。
关键词:Distributed optimal control; Connected and automated vehicles; Energy saving; Microscopic traffic simulation
公路协同驾驶系统(CHDS)是为提高公路交通性能而研究的合作规划和控制系统之一。CHDS实现V2V通信技术和自动化控制单元,以实现协作决策共识,分布式感知和控制协作。连接车辆的协同和同步反应具有以下潜在好处:(1)增强安全性:通过引入自动化控制单元和车间通信,带有CHDS的连接和自动驾驶汽车(CAV)可以提前渗透关键交通信息,并采取适当的行动,延迟时间较短。另外,在合成分布式协作控制器时,可以通过设计保证人类驾驶员难以维护的所需安全要求。(2)最大限度地提高交通效率:由于通过信息交换获得适当的交通信息的优越性,CAV可以重新更新路线和速度配置文件,以减轻由时间和空间干扰引起的交通压力。(3)改善能源经济:能源经济是交通系统必须解决的主要问题之一。CHDS可以通过尽早应对潜在的交通拥堵,保持适当的速度曲线,有助于提高燃油经济性,以及减少重型空气阻力效应通过协同车辆排队的卡车,来改善能源经济。
CHDS的开发仍然需要克服许多挑战。首先,缺乏灵活和通用的控制方案,能够自适应地处理各种公路机动。其次,有必要在个体车辆层面进一步研究高层级交通管理系统建议的协同驾驶所带来的能源经济效益的基本原理。随着车辆建模日益改进,需要通过大规模的微观模拟来分析和验证CHDS的能源经济效益。本文的重点是合成分布式最优控制器,用于公路协同驾驶,并通过大规模的微观模拟验证其能源经济效益。
CAV与CHDS初始化协作的框图
不同的协同条件下,车道1和车道2的速度曲线
不同协同条件下模拟路网的交通流密度图
结论:本文提出了一种分布式优化控制方案,以实现单个车辆层面的公路协同驾驶。利用连通车辆的信息交换,提出了基于高层交通管理建议的公路协同驾驶方案,以提高燃油经济性和交通效率。将协同驾驶问题分解为利用DMPC技术易于处理的机动可行性检查和协同控制输入生成。这种两层框架的引入也使得验证潜在协同的可行性,以及向协同方案中添加安全约束变得更容易。
选择高速公路近出口方案测试分布式最优控制器的性能和应用这种协同方案的能源经济潜力。提取并分析各路段的污染物累积排放量、平均行驶速度、动态交通流量以及动态速度足迹,以测试各路段的能源经济性和交通效率效益。应用该协同驾驶方法的仿真结果表明,该方法减少了污染物排放,提高了燃油经济性。此外,该方案还改变了瓶颈附近车道速度和占用率的动态特征。此外,根据动态交通流图所观察到的特征,可以预期,根据高层次的交通管理建议,通过协同驾驶,可以提高燃油经济性。
尽管CAV的协同驾驶方案在提高燃油经济性和公路交通效率方面显示出适用性,但进一步扩展微观仿真以考虑仿真车辆的复杂动态特性仍然很重要。例如,基于深层学习的数据驾驶车道变化模型可以作为本文实现的微观模拟器中基于车道变化模型的补充。此外,基于下游交通特征的高层级交通管理策略的研究也将是本文提出的公路协同驾驶方案的一个补充部分。分层优化(LAO)分解和信息层次图理论可以为设计灵活的、可扩展的协同驾驶框架提供可能的解决方案,这将是未来工作的主要关注点之一。
12月阅读清单及相关文章见:
计量实证文章推荐:
点击左下角可阅读原文,打不开可后台留言
阅
读
“
城
市
交
通
”
学习经济学,学习生活,
还要学习的东西很多,
对我来说,有趣地学习与生活,比
呆呆活着重要.
以上是关于自动驾驶第9篇:公路协同驾驶和能源经济的主要内容,如果未能解决你的问题,请参考以下文章