提示:点击上方"机械工程学报"↑关注我吧
引用论文
褚端峰, 刘鸿祥, 高博麟, 王金湘, 殷国栋. 车辆队列预测巡航控制研究综述[J]. 机械工程学报, 2024, 60(18): 218-246.
CHU Duanfeng, LIU Hongxiang, GAO Bolin, WANG Jinxiang, YIN Guodong. Survey of Predictive Cruise Control for Vehicle Platooning[J]. Journal of Mechanical Engineering, 2024, 60(18): 218-246.
http://www.cjmenet.com.cn/CN/10.3901/JME.2024.18.218
(戳链接,下载全文)
1
行业现状
介绍了车辆队列(VP)在提升交通安全、效率及节能环保方面的重大作用,尤其在重型车辆队列中,车间距缩短至3-6米可以显著减少事故频率,并实现高达14.5%的节能效果。车辆队列的典型形式是协同自适应巡航控制(CACC),通过车-车通信解决了传统自适应巡航系统的反应迟滞问题,并在保持队列稳定性的同时,通过缩短车间距和降低风阻提高了道路通行效率和能效。预测巡航控制(PCC)则在CACC基础上进一步发展,通过车联网和高精地图技术,能够预测前方道路的地理信息及交通情况,帮助规划合理的巡航速度,优化燃油经济性,尤其在重型车辆节能方面具有广泛的应用前景。随着智能网联技术的进步,PCC与车辆队列的结合有望实现更高效的自动驾驶技术,提升车辆行驶性能,满足高级别自动驾驶的需求。
此外,V2X技术的快速发展使得车辆队列能够通过车载传感器和高精地图实时获取前方道路和周围环境信息,从而在行驶过程中进行更精准的预测与决策,提高行车的安全性、经济性与舒适性。尽管如此,车辆队列在实际行驶过程中仍面临来自环境车辆行为(如换道、超车、紧急制动等)以及道路条件变化(如匝道、收费站、施工区等)的干扰,因此需要在轨迹预测、行为决策、轨迹规划和跟踪控制等多个方面进行深入的研究与优化。论文将对这些问题进行综述,并分析国内外在这些领域的研究进展,旨在推动智能驾驶车辆队列技术的进一步发展和应用。
图1 车辆队列预测巡航控制系统示意图
此外,V2X技术的快速发展使得车辆队列能够通过车载传感器和高精地图实时获取前方道路和周围环境信息,从而在行驶过程中进行更精准的预测与决策,提高行车的安全性、经济性与舒适性。尽管如此,车辆队列在实际行驶过程中仍面临来自环境车辆行为(如换道、超车、紧急制动等)以及道路条件变化(如匝道、收费站、施工区等)的干扰,因此需要在轨迹预测、行为决策、轨迹规划和跟踪控制等多个方面进行深入的研究与优化。论文将对这些问题进行综述,并分析国内外在这些领域的研究进展,旨在推动智能驾驶车辆队列技术的进一步发展和应用。
2
环境车辆运动轨迹预测
✦
核心优势:通过车辆运动学或动力学模型描述车辆状态变化,具有计算效率高、结构简单的特点,适用于短时预测。
关键方法:包括固定速度(CV)、固定加速度(CA)等多种运动学模型,动态建模工具如卡尔曼滤波和蒙特卡洛方法提升预测精度。
不足之处:长期预测效果较差,忽略道路结构、驾驶意图等先验和后验信息,难以应对复杂交通工况。
✦
方法特点:通过辨识加速、换道等驾驶行为,增强车辆未来轨迹的预测精准性,适合长时预测。
技术应用:
驾驶轨迹法:利用历史轨迹数据建模(如高斯过程、轨迹相似性算法)。
驾驶意图辨识法:结合隐马尔科夫模型、深度学习等方法,分析车辆状态、驾驶员行为与交通环境,准确预测行为意图。
优势与不足:
优势:通过综合分析,长时预测效果可靠。
不足:短时预测结果不佳,未充分考虑车辆间的交互性。
✦
创新性:利用深度神经网络强大的表征能力,精准预测复杂环境下车辆轨迹。
核心方法:
循环神经网络(RNN)及其改进:LSTM和GRU在长时依赖和复杂轨迹预测中表现优越。
注意力机制:通过增强对周围车辆交互的关注,提高编码效率和预测精度。
其他方法:结合生成对抗网络(GAN)、图神经网络(GNN)等多模态技术,进一步提升预测效果。
研究挑战:
模型参数多,训练复杂且易陷入局部最优。
多车辆交互式轨迹预测研究尚属前沿,需进一步解决群体行为交互建模问题。
图2 车辆轨迹预测示意图
图3 改进 LSTM 车辆轨迹预测模型
图4 基于 GAN 与注意力机制的 AEE-GAN 示意图
3
车辆队列决策规划
队列运动行为决策
✦
核心作用:作为自动驾驶车辆的“大脑”,行为决策模块负责分析动态交通环境与车辆状态信息,制定安全、高效的驾驶行为。
关键技术:
监督学习:如支持向量机和随机森林,用于优化换道、合并等行为,准确率高但依赖标注数据。
强化学习:深度强化学习和部分可观测马尔科夫决策过程(POMDP)模型在动态环境适应性上具备优势,但收敛性和安全性需优化。
基于规则的方法:有限状态机和层次状态机在规则定义明确的场景下表现出色,但在复杂、不确定性高的环境中易受限。
博弈论方法:通过数学模型表达车辆间的交互行为,尤其在换道、匝道合流等场景中展现高效协作决策能力,但存在计算复杂度高的挑战。
机器学习方法:
混合优化方法:将规则与学习相结合,弥补单一方法的不足,实现复杂交通场景下的协同行为决策。
研究难点:需进一步解决多车交互的动态建模问题,同时提升模型的计算效率和鲁棒性。
图5 车辆队列协同行为决策示意图
图6 基于有限状态机与强化学习的行为决策方法
✦
规划特点:轨迹规划在路径规划基础上增加时间约束,通过优化车辆位移、速度等动态参数,实现安全、平滑的轨迹生成。
技术方法:
基于模型预测控制(MPC):可处理多约束优化问题,但实时性受限。
数值优化:通过动态规划与人工势场法提高轨迹优化的效率。
曲线插值法:包括高阶多项式、贝塞尔曲线和B样条,能够快速生成轨迹,但需改进对动态环境的适应性。
优化方法:
随机采样法:如改进的RRT*算法,适用于高维复杂环境的轨迹规划。
强化学习方法:通过深度强化学习与蒙特卡洛树搜索解决多车协同规划问题,在动态环境中表现出色,但尚需在真实场景中进一步验证。
研究挑战:如何在考虑多车交互的基础上平衡计算效率、安全性和规划精度,是实现多车协同轨迹规划的关键。
图7 多车协同轨迹规划示意图
图8 基于混合密度网络的改进蒙特卡洛树搜索方法
4
车辆轨迹跟踪控制
✦
关键作用:通过优化车辆纵向速度实现节能与高效,适用于单车和车辆队列场景。
主要方法:
动态规划(DP):用于静态、离线全局优化,适合燃油经济性与速度协同优化,但计算量大且实时性不足。
模型预测控制(MPC):在线滚动优化,多目标约束下实现队列实时控制,显著降低燃油消耗(节油率最高达21.88%)。
强化学习方法:通过自适应优化控制器进一步提高节能潜力。
利用前方道路信息,提升燃油经济性和驾驶效率(如模型预测控制)。
综合交通信号和坡度信息,开发多目标优化控制算法。
单车预测巡航控制:
队列预测巡航控制:
研究难点:需有效整合坡度、曲率等动态道路信息,同时克服复杂计算与通信延迟的影响。
图9 车辆预测巡航控制示意图
✦
核心目标:精准跟踪规划轨迹,保证车辆队列的安全性、稳定性和舒适性。
主要方法:
深度强化学习(DRL):如队列共享确定性策略梯度(PSDDPG),改善连续动作空间的探索效率,适用于复杂驾驶场景。
多智能体强化学习(MARL):处理队列合并、分离等动态变化行为,具有较强的适应性与非线性函数逼近能力。
模型预测控制(MPC):基于纵横向轨迹优化,适合复杂环境和高动态条件。
滑模控制(SMC):在应对参数不确定性与外界干扰方面表现优越,改进版本解决了传统滑模的抖振问题。
经典控制方法:如PID控制器和纯跟随算法,适用于低速稳定场景。
模型驱动方法:
数据驱动方法:
混合优化方法:结合模型和数据驱动,提升对未知环境的适应性与队列稳定性。
研究难点:需解决多车辆间的交互建模问题,同时确保算法的可解释性与鲁棒性。
图10 队列共享确定性策略梯度
5
结论与展望
针对车辆队列“预测能力”不足的问题,重点介绍了环境车辆运动轨迹预测;然后,通过状态机、博弈论、机器学习、模型与数据混合优化等4类方法,对队列协同行为决策进行了详细概述;接着,从物理建模与数据驱动等2个角度,对多车协同轨迹规划的最新研究进展进行了梳理;最后,分别从预测巡航控制、车辆跟踪控制2个方面,介绍了当前车辆队列跟踪控制的研究现状。
作者及团队介绍
6
主创作者团队主要研究方向
团队主要研究方向为智能驾驶、机器学习等。在车辆队列控制、自动驾驶感知与决策、车辆动力学与控制等方面开展了大量研究。
7
团队相关文章推荐
作 者:褚端峰
责任编辑:杜蔚杰
JME学院简介
JME学院是由《机械工程学报》编辑部2018年创建,以关注、陪伴青年学者成长为宗旨,努力探索学术传播服务新模式。首任院长是中国机械工程学会监事会监事长、《机械工程学报》中英文两刊主编宋天虎。
欢迎各位老师扫码添加小助理-暖暖为好友,由小助理拉入JME学院官方群!
更多精彩视频
有一种合作叫做真诚,有一种发展可以无限,有一种伙伴可以互利共赢,愿我们合作起来流连忘返,发展起来前景可观。关于论文推荐、团队介绍、图书出版、学术直播、招聘信息、会议推广等,请与我们联系。
推荐阅读
西北工大张映锋教授团队:数字孪生驱动的复杂产品智能运维服务体系与核心技术丨JME文章推荐
长沙理工胡林教授团队:电动汽车锂离子电池-超级电容混合储能系统能量分配与参数匹配研究综述丨JME文章推荐
西北工大詹梅教授团队:塑性成形快速数值仿真方法的研究进展丨JME文章推荐
华侨大学徐西鹏教授团队:磨粒工具的研究现状及发展趋势丨JME文章推荐
大连理工大学宋学官教授团队:智重装备的多学科一体化优化设计丨JME文章推荐
南京航空航天大学徐九华教授团队:面向绿色高效磨削的振荡热管砂轮磨削温度与强化传热分析丨JME文章推荐
电子科大汪忠来教授团队:基于RMQGS-APS-Kriging的主动学习结构可靠性分析方法丨JME文章推荐
湖南大学熊万里教授团队:箔片气体动压轴承研究进展综述丨JME文章推荐
航天大型薄壁回转曲面构件成形制造技术的发展与挑战丨JME文章推荐
太原理工大学黄庆学院士团队:宽厚板板形测量系统与标定方法研究丨JME文章推荐
重庆大学的余华教授团队:适用于输电线路监测的自供电无线在线监测系统丨JME文章推荐
燕山大学的温银堂团队:基于超分辨率改进Faster R-CNN的点阵结构内部缺陷判识方法丨JME文章推荐
王树新院士团队:面向微创手术器械臂的可变刚度机理综述 丨JME文章推荐
西南交通大学翟婉明院士团队:考虑齿轮齿条动态激励的山地齿轨车辆-轨道耦合动力学特性分析丨JME文章推荐
中国铁道科学研究院张一喆、祖宏林、张志超:不同线路条件下高速列车轮轨力的试验研究丨JME文章推荐
北京航空航天大学杨世春教授团队:动力电池云端管理关键技术研究综述丨JME封面文章
厦门大学郭景华团队:基于深度强化学习的网联混合动力汽车队列控制丨JME封面文章
中国石油大学(北京)张行教授团队:压差式多节串联管道机器人越障时动力学演化规律及减振分析丨JME封面文章
版权声明:
本文为《机械工程学报》编辑部原创内容,欢迎转载,请联系授权!
在公众号后台留言需要转载的文章题目及要转载的公众号ID以获取授权!
联系我们:
联系人:暖暖
电话:010-88379909
E-mail:jme@cmes.org
网 址:http://www.cjmenet.com.cn
官方微信号:jmewechat