英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料
如今智能运输系统理论表现出千姿百态，而其中最可能转变为现实的就是自动驾驶车辆。正如自动驾驶车辆在未来几年内将先是在专用道路的特殊环境下使用，再是全时段在公共道路上使用，最终投入商业生产，一个新的时代将会来临。一旦足够多的自动驾驶车辆投入使用，车/车、车/路协同技术将会迎来一次机遇。本文介绍了这具有挑战性的网络控制问题，其中涉及到交叉口控制理论、信号控制和无线通信技术。我们概述了最新的研究成功，同时也是未来几十年来重点研究方向。
介绍
智能运输系统的目的是为了利用信息技术的优势来解决如今道路运输系统的问题。研究领域包括事故预防和减轻事故损失、减少温室气体排放和针对基础设施和能源的高效利用。在安全和效率方面，交通现象中一个亟待解决的问题时那些车辆必须协调使用共有资源（如十字路口、环形交叉口和匝道）。这些都是造成交通事故死亡和伤害的重要原因。由于事故风险高，这些交通环境中车辆同时被交通信号灯、信号标志、道路标志标线和优先权规则所引道的是受管理最严的。未来由于轻型车（如小轿车和清轻型货车）数量会在全球范围内迅速增长，交通事故和和低效的问题将会愈演愈烈。大规模扩充道路基础设施在大多数国家是不可取的，鉴于持续的城市化和不断增大的人口密度这一措施甚至是不可能实现的。因此在现有和规划的道路基础设施方面，提高安全、能源利用和交通效率十分有意义。
上述提及的问题中有很多是由于在交通协调中有人的参与而引起的。有研究显示，超过90%的交通事故是完全或部分由人的失误引起的。这就导致了驾驶员的职责转移到专用控制系统（旨在形成更高效、更舒适和几乎无事故的道路交通的自动驾驶车辆）的进取性的转变。自主车辆在其感知和协调能力方面仍然受到限制，因为其行动取决于车载感知数据和其他车辆行为的模型。举例来说，《Urban Grand Challenge》中总结提到，如果车辆可以预测其他车辆的行为并和自动驾驶车辆协调合作以发挥其潜力，那么很多事故就可以避免。合作的好处在并行轨道车辆自动化和队列行驶，而不是完全的自主权促进信息的车辆和共同决策之间的共享已经被认可。在排队过程中，车辆倚靠车车协同（V2V）和车路协同（V2I）来共享有关交通环境和车辆自身状态的信息，并共同决策选择安全且高效的控制策略。
因此，两个轨迹用于自动化车辆已遵循不同的方法：一个（跟驰行驶轨迹）明确地依赖于车辆之间的通信，而第二个（自动驾驶车辆轨迹）则没有。随着IEEE 802.11p标准的采用，以及未来5G无线标准下的V2V和V2I通信等业务的可能性，这两条轨迹有望合并，从而形成一种新型的大规模无线网络控制系统。这种合并可能会逐步进行，先是无线通信的广泛应用，再是协同性自动驾驶车辆的逐步引入。这些车辆将能自动驾驶，同时能够利用其沟通能力进行合作规划和控制，以及合作感知和探测，从而消除许多交通安全和效率问题。协同车辆网络的设计和运行对控制、通信和传感子系统有巨大的要求，因为它们必须在不同品牌和类型的车辆上协调运作，误差幅度有限。
在本文中，我们概述了控制、通信和传感之间的结合，如图1所示。我们提供了一份关于不同控制方法和其相关的信号控制难题的调查结果。我们希望这篇文章可以为专门研究信号处理的人员提供车辆协同在控制理论方面的帮助同时为更好的合作铺平道路。
问题简述
协调一组车辆的问题可以用于计算各车辆的最佳控制轨迹，使其能够在有限时间内安全到达目的地（例如在几十秒内）。一般来说，任何解决方案都应该满足安全（即没有事故发生）和需求（即到达最终的目的地）的基本要求，同时优化一些性能指标。最重要的要求便是安全。因此第一车辆也许永远不会被引导到碰撞不可避免的状态。第二，协调算法必须保证所有的车辆都是在有限时间内进出协调区域，从而避免永久停车和交通死锁。第三，需要一个评价指标来在众多解决方案中选取一种。总的来说，一个协调问题可以被看作是一个有约束的控制最优解问题，其中评价标准根据输入的车辆轨迹优化并受限于安全和需求要求：
最小值 评价指标 （1a）
限制值 安全约束 （1b）
需求约束 （1c）
受约束的最优控制框架应明确包含评价、安全和需求三个要素。然而，如本文后面将要讨论的那样，缺乏正式的分析工具限制了它们的实际适用性。特别是，不完善的传感数据和通信障碍对（1）的稳定性和可行性的影响在实际的通信协议和传感情况中无法完全测定。在没有感知和通信障碍的情况下，（1）的通用解的简化版可以用数学公式表示如下。
安全约束
考虑一组由N辆车（智能体）组成的集合，其运动轨迹可被描述为：
， （2）
其中表示状态向量，例如车辆在一维、二维和三维中位置和速度向量。表示输入/控制向量。表示的时间导数。集合，分别为物理和设计约束，例如加速限制和车辆的最大和最小车速。让描述车辆的几何形状，即当车辆i状态为时车辆占据空间坐标的闭紧集。因此，车辆i和车辆j在t时刻发生碰撞的条件为：
Oslash; ，（3）
此外，我们用表示包括车辆i所有路径的闭连通集的空间坐标组，使得当时，车辆i在其轨迹上。只要每个车辆都在其路径上，车辆间的碰撞相应仅会发生在特定区域，即相互完全或部分覆盖的轨迹（即同一条轨迹、交叉轨迹和合流轨迹）。
需求约束
假设所有的路径都是固定且不变的，目标路径为车辆i试图到达的一组空间坐标（例如通过十字交叉口、环形交叉口或匝道后的道路）。如果在有限时间内对所有车辆都满足，那么协调就被认为是通畅的，且所有车辆最终都能通过协调区域。有关引入符号的说明，详见图2.
评价指标
总体来说，车辆i的消耗可以被描述为：
=，
其中可能是瞬间油耗量所以是总能量消耗量。也包含目标速度偏差值或者驾驶员不舒适感的测量值。
总体问题及其滚动时域公式
根据引入的符号和概念，N车辆最优协调问题（OCP）现等价于以下在无限时间内有约束的最优控制问题。
问题一：OCP
（4a）
subject to =，= （4b）
， （4c）
（4d）
=Oslash;，，i，ji （4e）
＜： （4f）
其中x(t)=，u（t）=代表整个操作范围内每个车辆的状态和控制信号（其中t0）。因此，OCP就等价于将车辆i保持在其路径(4d)上的同时，在满足状态约束(4c)的初始条件的情况下，找到用于动力系统（4b）的最佳可行输入，避免车辆发生碰撞(4e)并最终清除协调区域(4f)。这个问题的基本要求是：满足(4e)的安全约束，满足(4f)的需求约束，以及满足函数要求。问题1可以通过离散系统动力学(4b)在离散时域中方进行方便地重新设计。此外，为了解决有限维的问题，可以使用滚动时域控制法（RHC）或者模型预测控制（MPC）方案，其中每个样本时刻有限时间最优控制问题都得以解决。特别地，如图3所示，RHC在有限时间范围内的每个采样时刻都需求牛未来的输入值和轨迹状态，以便在约束条件下最小化成本函数。计算的控制输入序列的第一个元素被应用于系统，并且在下一个时间段中，在递进的时间范围内制定和解决问题。这种RHC方法也可以适用于未来时间，但只有在当前时间段内采取控制措施，才能避免干扰（例如由不完美的感应或信息交流所引起的问题）。这很重要，我们也将会在下一节中看到。
协调问题的挑战
尽管是在有限维中，但使用滚动时间框架解决问题1也是非常具有挑战性的，不仅从控制的角度看是如此，从传感器引起的通信不确定和不完美的问题看也是如此。虽然这些问题都是相互关联的，但我们将其分解如下。
控制挑战
主要的控制相关挑战第一是涉及计算好的、可行的控制动作的能力，其次是保证闭环系统具有某些所需属性的能力。对于前者，对于N类车辆，使他们能够通过协调区不发生碰撞的行动的数学问题本质上是一个组合问题。对于给定的初始配置，可能存在大量可行的时间交叉顺序（即不同车辆通过的先后顺序），并且最优排序只能通过对不同替代方案的结构化探索来找到。因此，找到问题（4）的可行解是一个NP难题也不足为奇。所以，OCP的确切解决方案对于相关的问题大小来说是棘手的，必须采用启发式或近似法。对于闭环控制的性质，有几个挑战。例如，考虑到OCP中约束违规的严重性，任何控制器都需要确保持续的可行性。如果满足，则该属性确保所采取的任何措施不会使系统处于不存在可行动作的状态，即，没有任何车辆处于碰撞不可避免的状态。闭环控制器还必须确保稳定性，例如，确保交叉顺序在每次重新计算方案时不会改变。另外，上述问题是相互关联的，因为例如数学协调问题的计算突破可能会促进分布式解决方案。在这种情况下，闭环控制器需要保证上述特性，同时在无线车载网络上迭代地且可能异步地获得解决方案。
通信挑战
无论OCP如何解决，所涉及的实体（例如，车辆和可能的专用基础设施）之间都需要信息交换。首先，这包括制定OCP所需的信息，例如车辆动力学模型，道路几何，状态测量以及静态和动态地图信息。另外，它还包括解决它所需的信息，例如分布式迭代算法中的内部信息传递。实体之间的通信将被与无线通信相关的负面因素所影响，包括信道的固有随机性和相关性，由于同时传输引起的干扰以及有限的通信范围。与非常有限的通信资源（宽带、能源）相结合会导致在数据包接收中的数据丢失和随机的延迟。对于汽车应用，有人指出，目前的V2V和V2I通信标准无法保证密集场景中的时间关键消息传播。一般来说，由于无线信道拥塞被认为是与车载网络有关的主要挑战之一，所以希望将通信负荷保持在较低水平。总体而言，通信子系统是OCP的瓶颈问题，与其制定方案和解决手段都相关。
感应挑战
车辆自己对当前位置的感知和周边车辆位置的感知是不确定的。两者都基于诸如相机，雷达，激光雷达，全球导航卫星系统（GNSS）和惯性导航传感器等传感器的观察结果，这些传感器提供了被噪声和杂波（杂散非对象检测）损坏的观测值。此外，传感器通常检测不到某些物体，例如，车辆和行人，导致传感系统对所有相关对象是否是已知的是不确定的。此外，由于每个自动驾驶车辆配备不同型号、不同种类的传感器，因此每个车辆对当前交通状况的感知的准确性通常将随着时间而变化，并且不同车辆的感应结果不一致。有些方法可以处理时变和非相干的不确定性，但这要求需要在涉及的车辆之间传达对不确定性描述，进一步增加了对通信系统的需求。即使有了完美的沟通，让车辆之间设身处地般地相互理解仍然是困难的。在文献中，这被称为数据关联问题，也被认为是NP难题。处理和共享大量数据需要合适的压缩算法与应用程序特定的语义表示相结合，适合包含在OCP中。只要近期的前景相对确定，这些不同类型的不确定因素在RHC解决方案中一般被忽略。但是，一般来说，我们可能无法保证所产生的解决方案的性能，需求性或安全性。此外，解决方案可能不再固定，这从乘客的角度来看是不希望的。
协调问题的解决
尽管（或者也许是因为）解决OCP存在困难，但在自动化车辆的背景下已经提出了许多解决方案。这些方案是由不同团队提出的，因此会有重点和技术上的差异。现有的技术可分为两类：基于规则的和基于优化的。
基于规则的解决方案
在大量现有的方法中，例如[14] - [16]车辆协调问题使用一套固定解决规则，通过交互协议实现。该协议规定了通信的内容和时间，以及对其他参与者的行为的可能的响应。为了简化规则集，协议通常假设个别代理人承担部分本地责任（例如，解决后端冲突和通道保留），而协调管理器解决交叉点处的任何多路径冲突。规范协议操作规则如下：1）车辆以给定速度请求在给定时间进入协调区域的许可; 2）交叉路口经理接收请求，决定是否可以导致无碰撞交叉（如果是，请求被接受，否则被拒绝）3）当车辆的请求被拒绝时，它减速并发送一个新的请求。一旦接受请求，车辆就可以采用合适的控制动作来满足允许使用协调区时的规则。从这些简单的规则可以看出，只有具有安全选项车辆的要求才被接受，而所有没有保留的车辆将会减速并最终停止。
基于优化的解决方案
在第二组解决方案中，协调问题从一开始就被视为一个数学程序，并从最优控制中使用标准工具和算法解决了。通过这
全文共10890字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[143728]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
