多前车影响的智能网联车辆纵向控制模型分析
2021-04-03李乐
李乐
(中汽数据(天津)有限公司,天津 300393)
1 研究背景
伴随着当下车车通信技术的发展,使得在车辆系统当中,也形成了自适应巡航控制系统,可以在驾驶辅助系统当中,有效的提升安装的效率性。在这套系统安装的过程中,可以有效的利用车辆雷达,探测自身与前方车辆的实际间距以及速度差,这样远比肉眼去感知距离和速度有更高的效率和准确性。进而可以在驾驶的过程中,尽可能的降低速度的实际波动,以此大大提升车辆的稳定性。但是,在当前的发展过程中,由于自适应巡航控制系统的不够完善,使得严重的影响到了交通效率的提升。
2 研究发展
现阶段在对CAV技术以及对交通流所造成影响的研究中,大多数都是将其CAV与传统的人工驾驶车辆进行研究,以此构成混合交通流,进而可以很好的通过CAV渗透率的实际变化,进行相应的研究。在现阶段的研究过程中,对其CAV进行的应用中,可以有效的起到对交通流稳定性的优化和改善,进而可以对交通安全、通信能力方面,起到一定的影响作用。
虽然在当下科研领域当中,已经有着多种网联环境下,对其车辆的跟驰模型进行了分析和研究,但是大多数的研究都是基于FVD,或者基于IDM模型研究出来的。但是,现阶段在微观交通仿真软件当中。其纵向控制模型已经得到了较为广泛的应用。同时,在这些模型的应用中,可以有效的提供较高的稳定性。
而在对其稳定交通流模型进行分析的过程中,其模型的优势性,可以很好的与实际采集数据,进行有效的拟合,充分的保障模型在分析过程中,有着较高的灵活性。并且,也能够形成较为优美的数字表达式。相比较其他类型的模型,其形成的跟驰特征,可以有着较为明确的物理意义,并有着较高的模型简洁性。
3 智能网联车辆跟驰模型建立
在进行模型建立的过程中,所提出的场论,需要将车辆当中的驾驶人员,能够在驾驶过程中所感受到的实际环境,例如道路以及多周边车辆的感知,单做一个场U,为此,这样就使得驾驶人员在驾驶车辆的过程中,可以有效的感受到这个形成的场的实际作用力。在这些力的出现上,驾驶人员在心理层面上,形成的驱动力G,以及道路产生的实际阻力R,以及其他车辆所造成的作用力P,都是影响的因素。
为了在这个模型的建立过程中,需要对其车辆自身,与前车的实际间距,以及存在的速度差进行分析,都能够一定程度的影响到速度。但是基于CAV角度而言,由于采用了车车通信技术,使得可以有效的在行驶的过程中,准确的感知到车辆之间的实际距离,以及之间存在的速度差,这样就可以有针对性的对自身车辆的速度进行调整。在基于LCM进行分析后发现,仅仅在分析中,考虑到前车多带来的影响,并没有将车辆的速度和加速度加入到分析的范畴当中,以此无法很好的对现阶段的CAV车车通信技术的实际作用,以及应用当中的影响因素,进行准确的分析和考量。
例如,在车辆行驶在单行道上的时候,有多辆车在与CAV车辆进行共同行使。为此,这个时候,CAV车辆与其搭载的HV相同的车辆,所能够收到的加速度与其实际速度,可以有效的依据实际的安全规则,进行相应的分析。同时。采用了CAV技术之后,可以有效的在车车通信当中,进行车辆之间的通信距离,以及多个前车的实际数据信息进行分析,进而有效的保障降低驾驶人的实际感知反应的时间。同时,对于车辆而言,也能够更加有效的在短时间之内,对多辆网联车,进行速度、加速度等各种车辆方面的具体信息进行整理和分析。
4 线性稳定性分析
在对其稳定性进行分析的过程中,往往需要能够对当前模型当中的假设式,进行稳态解的分析,以此可以很好的对稳态交通流当中,各个相邻车辆的实际车头间距、以及其中稳态交通流的车辆实际速度进行分析。
在这样的分析过程中,其实际的变量,就是代表着交通流在稳定的状态中,可以确定出来的具体数值。同时,也就直接意味着,在现阶段的所有的行驶当中的车辆,都能够在一个相同的车头间距,以及实际的行驶速度进行形式。同时,一旦在其中有着较小的扰动因素,就需要进行稳定域的关系分析。在分析中可以看出。伴随着非紧邻前车与本车的距离提升,使得模型的稳定域不断的提升。
为此,在分析的过程中,其模型当中的车辆数量的提升,就是的速度差与加速度的数值方面,受到越大的影响。同时,对于形成的C-LCM模型,其自身的稳定域也在提升。为此,在实际的分析过程中,为了能够对前车的实际数量进行分析,就需要能够很好的对前车的实际距离,与其本车的距离进行分析。
在分析的过程中,为了保障进一步的提升研究的准确性,就需要依据数值的实际变化,得出模型的稳定性曲线。在这个过程中,需要有效的保障前车的模型稳定性图当中,可以准确的表达出,各个前车模型的稳定域实际的位置。在分析的过程中发现,伴随着车辆数量的提升,使得模型当中的稳定域,也在不断的提升当中。而在仅仅对非紧邻情况下的1辆车进行分析时,就需要进行更加详细的分析。
5 仿真验证
为了对其建立起来的模型,以及采用的C-LCM方法,对其CAV进行分析检验,就需要能够合理的构建出交通场景,以及有效的采用仿真分析的方法,以此可以有效的得到现阶段在C-LCM的控制下,其车辆的具体行为。
5.1 仿真场景
现阶段,每一个CAV的车辆,都可以在行驶的过程中,获得五辆车辆的信息。但是,在建立起加速和减速的情况下,需要对其基于不同的场景,对车辆进行不同控制方式下的分析,以及明确出不同的表现。
在场景1当中,车辆采用20m/s的速度进行形式,其车辆在单行道上方式下,每辆车的实际间距为32m,在车头发现100m以外,出现交通事故的时候,开始进行停车,直到完全停止下来,使得需要后车,能够依据发生的情况,进行跟驰模型的分析。而在情景2当中,车辆依然以这样的速度进行形式。每一辆车的实际间距为20m,头车不断的进行提速,直到达到30m/s之后,停止加速,并一直保持着匀速前行,以此对后车进行相应的分析。
5.2 仿真结果
在基于CAV技术模型下,需要在分析的过程中,能够对车辆的速度差,以及对车辆的加速度敏感性参数,进行细致的分析和计算。
通过对情景1的分析后发现。站在加速度的角度进行分析后,发现其C-LCM技术下,从第三辆车之后,加速度的影响会有着明显的下降,同时其加速的影响下,使得可以有效的提升乘客在乘坐的过程中,感受到的舒适程度。而在速度方面的角度进行分析。基于LCM模型,使得在首辆车发现了交通事件之后,在减速之后,后方的车辆始终在跟驰模型下,产生相应的作用。为此,车辆在这样的行为当中,其与紧邻的车辆并没有一定的关联。为此,车辆需要始终保持着加速的状态,直到临近之后,才可以逐渐的减小。在这样C-CLM的控制方法下,其车辆减速的时候,马上能够对后方的车辆造成一定的影响,并马上进入到减速的状态当中,为此更加快速的对前车的行为做出一定的判断。
而在基于LCM模型而言,在首辆车开始加速之后,由于后方的车辆与其有着一定的距离,为此在间距较近的时候,之后减速一段时间之后,才能够加速。为此,对比之下,其首辆车开始加速之后,其后车的减速度,要进行一定的降低,之后才可以马上进入到加速的状态当中。因此可以较快的对现阶段的前车,进行速度方面的反馈。后车在行驶的过程中,加速度方面越强,就越可以在短时间内,加速的时间变短。
而在采用定量评价的过程中,基于两个不同的模型表现。在分析中,产生的数值越小,就表示为车辆能够有着更小的反应。而在定义速度极值方面,其极值越小,就表示车辆的反应有着更加有效的效果。
6 结语
综上所述,在本文的分析和研究过程中,基于建立起来的模型进行各种影响因素的分析。并且通过线性稳定性方面的分析和计算,使得伴随着灵敏系数的提升,可以有效的提升技术的稳定域,为此是一种较为可靠的分析模式和计算系统。在未来的应用过程中,这种纵向控制的方法,可以进一步的提升车辆在行驶过程中的技术可靠性和稳定性。