自适应巡航系统安全性的改善措施研究综述

道路交通事故是导致年轻人死亡的主要原因之一。当驾驶员因疲劳或外部因素而分心时，就会发生很多交通事故。而具有协同式自适应巡航控制的车辆排队系统是致力于减少道路碰撞事故和死亡事故的先进技术之一。协同式自适应巡航控制（CACC）被认为是一种关键的使能技术，它可以在车辆行进中自动调节车辆之间的间距，保证了车辆行驶过程的安全。

1 无线信道和移动干扰攻击下协同式自适应巡航控制系统的队列稳定性分析[1]

1.1 主要目的及原理

虽然现有的CACC系统中的网络和物理部分都被集成在一个控制框架中，但是对这些系统的实际建模和安全问题的研究很大程度仍然上是开放的。网络特征和网络攻击意识的良好建模能够对CACC系统的运行产生重要影响，从而使得研究人员更好地理解该系统设计和防御机制。作者ALIPOURFANID在移动干扰攻击下，通过考虑实际的无线信道情况，对车辆线路稳定性进行了综合分析。作者通过对现实世界中行驶车辆的加速度曲线进行建模仿真以检查受到攻击后的车辆队列的稳定性。作者采用基于时间域的字符串稳定性定义来描述干扰攻击对CACC系统功能和字符串稳定性的影响。作者还考虑了攻击者可能会破坏字符串位置的情况。

作者主要研究了在无线信道和移动干扰攻击者的双射线传播模型下，配备CACC系统的互联网车辆的串稳定性。首先将信道条件和干扰攻击影响纳入到串状态空间表中，并通过大量仿真分析了其串稳定性。

1.2 主要结论

仿真结果表明由于双射线路径损耗模型引起的信号功率衰减降低了CACC系统的性能。此外，作者还通过分析得知，可以通过增加前进时间和使用存储器块以提高该系统的串稳定性。最后，本文发现攻击者破坏字符串稳定性的最佳位置在第二辆车的上方，当攻击者在字符串中向下移动时，它对串稳定性的影响就会减小。

2 基于鲁棒模型预测控制的协同自适应巡航控制交通安全优化方法[2]

2.1 主要目的及原理

以前的研究表明，当公路上的车辆之间的间隙减少到2米时，那么至少可以增加273%的公路交通吞吐量，节省15%以上的燃料消耗。作者MASSERA提出了一种确保车辆之间能够长时间保持最小安全距离的控制方法，并且该方法考虑到每个车辆制动能力以及整个系统内部的延迟问题。所提出的鲁棒模型预测控制器可以在前车行为不确定的情况下保持最小安全距离。作者通过仿真与标称控制器进行了比较。

作者研究提出了一个两车之间最小安全距离的分析公式和一种基于鲁棒L∞范数最优控制器的协同自适应巡航控制策略。其中分析公式提供了队列内车辆间隙的理论下限值，并可以被用于设计能够考虑前车加速度不确定性的控制器。所设计的控制器不仅能够保证自己的车辆不会与其前车相撞，还能够保持足够小的间隙以降低燃料消耗。

2.2 主要结论

作者进行了三种仿真试验场景，包括具有斜坡加速度的情况、小的速度变化情况和紧急制动情况下，典型的高速公路驾驶场景。仿真结果表明，该鲁棒控制器在正常和紧急情况下均能精确地运行，表现出令人满意的距离控制和速度跟踪，并且还可以在队列断开时增加了车辆间隙以确保车辆的安全性。未来还需要对这类系统的串稳定性进行进一步的研究。此外，在控制器的研究上还包括减少由于测量噪声引起的加速度干扰等。

3 基于综合控制策略的改进型自适应巡航控制[3]

3.1 主要目的及原理

目前全球学者已经提出一些关于车辆的纵向控制策略，使车辆能够实现自适应巡航控制和防撞功能。然而，在现有技术中与侧向控制的整合目前还很少，因此急需要这方面工作的开展。作者IDRIZ A F,研究提出了一种适用于高速公路驾驶自适应巡航控制的综合控制策略，使用基于逻辑的控制策略来产生纵向和横向控制器之间的协同作用和安全交互，从而使车辆能够获得横向稳定性和先进的自适应巡航控制功能。作者提出采用已经公布的关于人的驾驶实验研究的指标来评估车辆的横向运动性能。为了更好地处理车辆不稳定的横向运动，需要在转弯情况下采用制动中来获取期望的加速度。

3.2 主要结论

作者研究通过适当地将纵向和横向控制器互连来形成集成控制系统。该系统由一个基于索引的决策平面组成，在纵向和横向控制器之间建立协同作用和安全的相互作用，以确保更好的整体性能。本文通过仿真得到的结果表明，所提出的综合控制器能够实现各种驾驶情况下自动驾驶、路径跟踪和避撞的性能。所提出的系统不仅实现了横向稳定性，还避免了车辆与车辆之间的相互碰撞。特别是在严峻的驾驶状况下，该综合控制器能够增强了车辆的安全性。未来的研究工作将包括对综合控制器的实时性进行实验验证，并进一步开发出用于诸如超车或换道功能的具有车辆间通信的协作式自适应巡航控制系统。

4 基于随机模型预测控制的自适应巡航控制系统[4]

4.1 主要目的及原理

作者MOSER D提出了一种随机模型预测控制（MPC）方法用来优化车辆在自适应巡航中的燃料消耗率。所提出的解决方案需要对前方车辆速度进行短期预测来求解水平方向上移动约束下的最优控制问题。作者通过开发一种条件线性高斯模型并用实际测量数据进行训练以能够估计前车的未来短时间内速度的概率分布。

作者提出的基于MPC的自适应巡航控制策略中使用的实际测量数据，其采用基站的雷达测量并通过V2V和I2V通信系统向车辆提供信息，用于开发和训练了条件线性高斯模型以预测前方车辆的未来速度。CC-MPC和R-MPC的评估过程通过人造驾驶循环场景和真实驾驶循环场景中进行测试来评估。

4.2 主要结论及未来方向

作者所使用的预测模型用于评估两种具有不同的向量的MPC控制策略：一种是具有个体机会约束的MPC控制策略，即CC-MPC；一种是从条件线性高斯模型中抽取样本，并使用基于场景的优化方法进行优化的控制策略，即R-MPC。作者对两种所开发的控制策略进行了评估，并将评估结果与标准的MPC策略进行比较。评估结果表明，与标准的自适应巡航控制算法相比，所设计的控制器能够显着地降低油耗。

由于所提出的方法仅仅限于车辆跟随情况，未来的研究工作将集中在预测模型的扩展和多车道交通情况的控制方法开发上。此外，为了提高用户对这种辅助系统的接受度，可以开发一种学习型自适应巡航控制系统，其能够可学习当前驾驶员的驾驶风格，以调整控制参数。

5 基于可见光通信技术的协同式自适应巡航控制[5]

5.1 主要目的及原理

自动驾驶车辆的控制和可见光通信（VLC）技术是各自学科领域研究的热点。对于半/全自动驾驶车辆来说，与传统车辆最大的区别就是这些车辆需要相互沟通，才能保证乘客的安全。在这项研究中，作者DEMIRA从通信和控制方面采取了多学科融合的方法，提出了一种廉价的用于车载通信的可见光通信系统，而不是IEEE 802.11p Wi-Fi协议。由于可见光通信技术可以通过使用当前车辆的车载LED灯来实现，并且不需要额外的硬件（接收器除外），因此具有很大的应用可能性。作者还提出了了一种滑模控制算法，用来实现使用可见光通信技术的协同式自适应巡航控制（CACC）。作者所提出的基于可见光通信技术的协同式自适应巡航控制可以保证两辆车在保护距离内相互跟随。但是作者研究也发现温度的变化、复杂的道路条件以及所使用接收器的质量影响该技术的应用好坏。基于上述问题，本文提出将不同的过滤算法应用于该控制系统中并使用良好的接收器来解决这些问题所带来的不利影响。未来的研究工作则计划将该系统应用于实际车辆工作中去。

5.2 主要结论及未来方向

通过仿真试验可以得出，所提出的控制方法能够确保两辆车之间的距离在安全范围内。其目的是获得更详细的试验结果，从而验证所提出解决新问题的方法的可行性，并对试验结果进行分析从而改进方法以提高控制系统的鲁棒性。

6 基于风险度量的自适应巡航控制优化方法[6]

6.1 主要目的及原理

作者MOSER D工作重点研究了多车道高速公路上基于碰撞时间的自适应巡航控制应用的风险度量技术。为了提高燃油效率和行驶安全性，作者建议采用随机模型预测控制方法来限制所施加的风险度量的违规概率。基于这个原因，通过采用贝叶斯网络并根据实际测量来预测周围车辆未来运动的概率分布情况。然后，将这些概率分布函数并入到随机模型预测控制算法中去。

作者提出了一种在多车道高速公路上使用的自适应巡航控制的节能方法。其中，基于机会约束的模型预测控制已经被开发出来，并且还制定了关于碰撞时间的风险函数的确定性等价约束。显然，如果相对速度较低，那么对碰撞时间的约束较小，可以允许更小的车辆间距离。这表明对碰撞时间的约束并不需要那么保守，太过保守反而限制了风险评估的进展。

6.2 主要结论及未来方向

所提出的控制在仿真中使用人工评估周期进行评估，与传统的自适应巡航控制系统相比，在发生急剧的制动情况下，该系统的燃油效率和安全性显着提高。通过仿真试验评估结果表明，这种方法不仅能够提高车辆的急停机动性能，还能够显着提高乘坐舒适性和燃油效率。未来研究工作将研究不同风险函数对随机模型预测控制和运动预测模型的影响。此外，还将研究基于真实世界的驾驶周期和随机交通环境的分级评估方法。

[1]ALIPOUR-FANID A,DABAGHCHIAN M,ZHANG H,et al.String Stability Analysis of Cooperative Adaptive Cruise Control Under Jamming Attacks：2017 IEEE 18th International Symposium on High Assurance Systems Engineering(HASE),2017[C].

[2]MASSERA FILHOC,TERRA M H,WOLF D F.Safe Optimization of Highway Traffic With Robust Model Predictive Control-Based Cooperative Adaptive Cruise Control[J].IEEE Transactions on Intelligent Transportation Systems,2017,18(11)：3193-3203.

[3]IDRIZ A F,ABDUL RACHMAN A S,BALDIS.Integration of auto-steering with adaptive cruise control for improved cornering behaviour[J].IET Intelligent Transport Systems,2017,11(10)：667-675.

[4]MOSER D,SCHMIED R,WASCHL H,et al.Flexible Spacing Adaptive Cruise Control Using Stochastic Model Predictive Control[J].IEEETransactions on Control Systems Technology,2018,26(1)：114-127.

[5]DEMIR A,MACIT M C.Cooperative Adaptive Cruise Control Using Visible Light Communication：2017 25th Signal Processing and Communications Applications Conference(SIU),2017[C].

[6]MOSER D,DEL RE L,JONESS.A Risk Constrained Control Approach for Adaptive Cruise Control：2017 IEEE Conference on Control Technology and Applications(CCTA),2017[C].