T-CPS下考虑人驾车行为影响的混行车辆协同控制

作者：黄帅; 孙棣华^*; 赵敏

来源：控制与决策, 2023, 1-9.

DOI：10.13195/j.kzyjc.2023.0834

• 混合交通
• 交通信息物理系统
• 人驾车行为
• 协同控制
• 组合神经网络
• NGSIM

由于传统人驾车(Traditional Human-driven Vehicles, HVs)驾驶行为会受到驾驶员的心理和生理活动的不确定性影响,这可能使得车辆频繁的加减速,进而导致混合交通条件下网联自动车(Connected and Automated Vehicles, CAVs)很难快速跟踪此行为.针对这一问题,本文首先提出一种提前预测传统人驾车行为的组合神经网络.在此基础上,考虑通信时延和车辆运动学特性,设计一种基于交通信息物理系统(Transportation-Cyber Physical System, T-CPS)的混行车群内车辆协同控制策略,使其能够快速跟踪上传统人驾车行为,并对混行车群内网联自动车之间的串稳定性进行了分析.最后,在混合交通条件下设置由1辆传统人驾车、1辆领头网联自动车和4辆跟随网联自动车形成的混行车群,利用下一代交通仿真(Next Generation Simulation, NGSIM)车辆轨迹数据选出高质量传统人驾车状态,并通过仿真实验验证了所提协同控制策略的有效性和可行性.由仿真实验结果可知,本文所提协同控制策略可以保证所有的网联自动车能够快速跟踪上传统人驾车行为,为解决新型混合交通带来的新问题提供了一定的理论指导和借鉴.

• 单位
  重庆邮电大学; 自动化学院; 重庆大学