协同式队列控制及仿真系统搭建方法研究*

韩海兰李敏徐巍戴一凡卢贤票

（清华大学苏州汽车研究院）

汽车保有量迅速上升的同时也带来了道路事故、交通堵塞、环境污染等问题。安全、节能、环保是汽车工业发展的永恒主题，如何在保障交通安全前提下、缓解交通拥堵，提高交通运行效率是智能交通系统重要的研究方向[1-3]。随着传感器技术、无线通信技术和智能车辆技术的发展，车路协同技术逐渐成为智能交通发展的新方向。车辆队列作为智能交通应用之一，通过车车协同技术进行队列控制，在保证安全性的基础上缩短跟车间距，减小跟随车辆速度波动，有利于提高交通效率、燃油经济性和驾乘舒适性[4-6]。因此有必要研究车辆队列控制系统，而对于队列控制算法可靠性验证，直接实车上路验证成本较大，且具有风险性，基于虚拟软件联合仿真系统对控制控制算法初步验证具有必要性。CarSim 软件可进行精细车辆动力学模型搭建，MATLAB/Simulink 多用于控制算法搭建，通过CarSim 和Simulink 进行联合仿真初步对控制策略进行验证可以减少实车试验，提高实车试验安全性，节省时间和成本。

1 车辆队列场景分析

1.1 车辆队列通信拓扑结构选择

图1 车辆队列通信拓扑结构

车辆队列通信拓扑结构主要有以上6 种方式[7-9]：PF 拓扑结构下，车辆只能获取其前面一辆车的状态信息；PLF 拓扑结构下，每个跟随车辆除了能获取前方车辆的信息外还能获取领航车辆的信息；BD 拓扑结构下，车辆能获取其前车与后车的状态信息；BDL 拓扑结构下，每个跟随车辆除了能获取其前车与后车的状态信息还能获取领航车辆的信息；TPF 拓扑结构下，车辆能获取其前面两辆车的状态信息；TPLF 拓扑结构下，每个跟随车辆除了能获取其前面两辆车的状态信息外还能获取领航车辆的信息。

文章仿真分别采用PF 和PLF 两种拓扑结构进行车辆编队。在PF 通信拓扑结构下，车辆只能获取其前面一辆车的状态信息，后方车辆通过V2V 通信获取前车的运动状态信息，根据设定的队列控制器控制自车跟随前车运动。在PLF 通信拓扑结构下，每个跟随车辆除了能获取前方车辆的信息外还能获取领航车辆的信息，后方车辆根据V2V 通信获取的领航车辆运动状态信息进行自车跟随控制。

1.2 车辆队列控制器设计

假设队列直线行驶在平直道路上，共有N 辆车，编号依次为1～N。车辆队列控制的目标是要求跟随车与领航车速度保持一致，且相邻两车之间的距离保持为期望车距，用vi（t）表示车辆速度信息，pi（t）表示车辆位置信息，i=1，2…N，那么控制目标可表示为：

式中：di,i+1——节点i 与节点i+1 之间的期望距离。

期望距离di,i+1的具体选择决定了队列几何构型，分为恒定距离型队列和恒定时距型队列。文章场景仿真采用恒定距离型，设定车队中所有车辆均保持固定的期望车间距di,des，di,des为给定的大于0 的常数，那么对于恒定距离型队列：

在PF 通信拓扑结构下，根据接收到的前车信息和自车信息进行控制，不考虑通信性能如时延，丢包等指标时，即在完全理想通信条件下，设计的线性速度控制器如下：

式中：Kp，Kv——控制器的增益。

在PLF 通信拓扑结构下，根据接收到的领航车辆信息、前车信息和自车信息进行控制，设计的线性速度控制器如下：

文章两通信结构下仿真结果均采用相邻两车跟车间距误差和车速误差作为车辆队列控制性能的评价指标。定义跟车间距和速度误差为：

2 仿真模型搭建

文章场景仿真中做了如下假定：队列匀质，包括5 辆车；期望车间距设10 m；无初始速度误差和位移误差，领航车从起动开始加速行驶8 s 加速至80 km/h，然后匀速，50 s 时刻开始制动减速行驶5 s 至15 km/h 开始匀速行驶。基于以上假定条件分别采用PF 和PLF 通信拓扑结构搭建仿真模型。

2.1 PF 通信拓扑下仿真模型搭建

2.1.1 CarSim 中模型搭建

1）建立CarSim 中车辆模型。首先在CarSim 中建立5 辆车的车辆模型，均选择CarSim 中的B 级车，车辆参数如图2 所示。车辆之间的信息传递方式采用PF 拓扑结构。PF 拓扑结构下，车辆只能获取其前面一辆车的状态信息，即第2 辆车获取第1 辆车的速度位置信息进行跟随控制，第3 辆车获取第2 辆车的速度位置信息进行跟随控制。

图2 车辆参数界面示意图

2）设置仿真运行工况。在CarSim 中设置第一辆车的运行工况，即期望行驶车速随时间的变化曲线。按照前文场景假定中的期望车速进行行驶，如图3 所示。后方4 辆车在此处均不设置车速。车辆在运行过程中实时输出车速和位置信息给后方跟随车辆，后方车辆根据接收到的前车信息，结合自身的速度和位置信息采用线性速度控制器进行决策控制，结合式（3）在MATLAB/Simulink 中搭建控制算法，得出下一时刻期望的输入车速进行速度控制。因此前方车辆输出为速度和位置信息，跟随车辆的外部输入变量设置为车速，其中两车之间期望车间距设置为10 m。

图3 设置第1 辆车期望车速与时间变化曲线界面图

3）设置仿真步长和车辆初始位置。由于CarSim 软件中车辆模型较为精确，数学模型仿真步长最大为0.001 s，否则将会报错，因此设置CarSim 中车辆模型的步长为0.001 s，考虑到实际车辆通信时频率等要求，将前车发送给后方跟随车辆信息的频率设置为50 Hz，即每隔0.02 s 发送一次。在Simulink 中通过变速率模块使控制算法仿真步长为0.02 s。

设置第一辆车的起始位置为X=40 m，期望车间距为10 m，假定各车之间无初始车间距误差，因此后方车辆的起始位置依次为30，20，10，0 m 处。仿真从0 s 开始共进行100 s。

2.1.2 MATLAB/Simulink 中模型搭建

跟随车辆根据前车输出的速度位置信息，结合自车的速度位置信息，根据式（3）进行线性速度控制器模型搭建。

2.1.3 CarSim 与Simulink 联合仿真模型

将CarSim 中搭建好的车辆模型通过Send to Simulink 完成与MATLAB/Simulink 的联合，最终建立的CarSim 与Simulink 的联合仿真模型，如图4 所示。

图4 PF 通信拓扑下CarSim 与Simulink 的联合仿真图

2.2 PLF 通信拓扑下仿真模型搭建

CarSim 中车辆模型搭建方法同2.1.1。结合式（4）在Simulink 中搭建控制模型，在本场景仿真模型中，若头车和前车信息均无丢失，根据式（4）采用头车和前车信息进行控制，若只有头车或者前车信息丢失，则只根据前车或头车信息进行控制，若头车和前车信息均丢失，则被控车辆车速不变化，即保持上一时刻车速。将CarSim 中搭建好的车辆模型通过Send to Simulink 完成与MATLAB/Simulink 的联合。

3 仿真结果分析

3.1 PF 通信拓扑下仿真结果分析

本场景下通过调节速度控制器的Kp 和Kv 参数值使车辆达到期望的跟随效果，得出理想控制状态下的控制器参数为Kp=0.4、Kv=0.5。仿真得出的各车辆速度曲线如图5a 所示，车间距变化曲线如图5b 所示，速度误差曲线如图5c 所示。从图5a 中可以看出，控制器能够使跟随车辆很好地跟随前车车速；从图5b 中可以看出，当车辆加速行驶时，车间距增大，当车辆减速时，车间距减小，此时的加速减速过程相当于车辆的扰动，且最大车间距与期望车间距差仅为1m 左右，但当车辆匀速稳定行驶时，车间距又能够很快趋于期望车间距，达到稳定状态；从图5c 中可以看出，只有在车辆存在加速和减速的速度扰动过程中，车速误差不为零，但最大车速误差仍很小，当车辆匀速时，各车速误差很快趋于零。因此综上可看出所搭建的速度控制器能够满足车辆编队行驶控制要求。

图5 PF 通信拓扑理想通信条件下仿真结果曲线

4.2 PLF 通信拓扑下仿真结果分析

在理想通信条件下进行仿真，以验证所设计的控制器能够实现跟随车辆对领队车辆的跟踪效果。在程序中调节控制器参数Kp、Kv，使后方车辆均能很好的跟随领航车辆，达到控制目标的要求。理想控制状态下的控制器参数为Kp=0.4、Kv=0.5。仿真得出的领航车辆与跟随车辆速度曲线，如图6a 所示，跟车间距和速度误差曲线，如图6b 和图6c 所示。从图6a 可以看出，控制器能够使跟随车辆很好的跟随领航车辆车速。从图6b 可以看出，在领航车加速（减速）扰动时，车间距增大（减小），但当领航车辆匀速稳定行驶时，车间距又很快趋于期望值，达到稳定状态。从图6c 中可以看出，只有在车辆存在加速和减速的速度扰动过程中，车速误差不为0，但最大车速误差仍很小，当车辆匀速时，各车速误差很快趋于0。在理想通信条件下控制器可以使跟随车辆与领航车辆速度保持一致，稳定状态下相邻车辆之间的距离保持为期望车距，控制器能够很好的满足要求。此通信拓扑结构下，相比PF 通信结构下，第3 至第5 辆车与前车的车间距误差减小，最大车速误差也较小，说明同时接收领航车和前车信息进行控制比只接收前车信息进行控制效果较好。

图6 PLF 通信拓扑理想通信条件下仿真结果曲线

4 结论

1）由于智能汽车控制直接实车测试成本较大，且具有风险性。文章通过CarSim 和Simulink 搭建了联合仿真平台，初步对控制策略进行了验证，减少了实车试验，提高了实车试验安全性，节省时间和成本。该仿真平台可为后续其他控制策略验证提供模板，后期其他控制方法验证可基于此模型根据需求修改即可对算法验证。

2）目前多数研究者直接选取某一队列构型对队列控制进行研究，文章通过对PF 和PLF 两种通信拓扑结构进行控制模型搭建并对比仿真结果，发现在相同通信条件下，PLF 结构控制性能比PF 结构控制性能较好，可初步得出队列控制效果跟车辆队列拓扑结构有关，且自车获取其他车辆信息参数越多，控制效果越好。后续可对文中所述6 种主要的拓扑结构分别进行更深一步模型建立及仿真验证，得出控制效果与队列拓扑结构更明确的关系。