智能网联车路云协同系统架构与关键技术研究综述

随着汽车产业电动化、智能化、网联化、共享化的发展驱动, 全球主要强国均将智能网联汽车列为国家战略发展方向. 蜂窝车联网、边缘计算网络和高精度定位系统的技术发展, 为车车、车路、车人和车云系统的全面融合提供了有效支撑. 车辆、道路、云平台与蜂窝车联网(Cellular vehicle-to-everything, C-V2X)网络的融合, 加速打通车内与车外、路面与路侧、云上与云间的信息互通, 为实现车路云一体化的融合感知、群体决策及协同控制提供了重要基础. 首先, 梳理了智能网联车路云协同系统架构与关键技术, 对该领域的演进特征、发展制约因素进行了总体概述; 其次, 阐述了新型车路云协同系统、智能网联C-V2X通信系统、云控系统和车路云协同测试系统的架构设计与工作原理; 然后, 从C-V2X组网、融合定位、测试评价角度, 介绍了车路云协同系统融合V2X网络、融合定位的技术演进与研究进展, 给出了智能网联场景的仿真平台、实车测试及评价指标; 最后, 对智能网联车路云协同系统的协同组网与控制、互操作、边缘智能服务和安全技术层面的发展趋势进行了展望.     

基于车路协同技术的智能交通下多匝道协同控制算法

为提高智能交通下多匝道协同控制能力,提出基于车路协同技术的智能交通下多匝道协同控制算法.构建智能交通下路网均衡配置模型,采用分区块化网格划分方法实现多匝道协同参数解析和融合控制,结合车路协同参数调节的方法,构建多匝道协同控制目标函数,通过交通网络的流量参数分析,实现对多匝道协同规划和路径优化设计;采用车路协同技术实现对...     

交叉口混合交通流微观控制模型

为构建智能网联汽车(CAV)和有人驾驶汽车(HDV)混合通行情况下的交叉口通行机制与控制方法, 本文提出CAV专用道条件下交叉口协同通行模型. 首先, 设计CAV专用道条件下的交叉口布置, 对交叉口进行网格化处理,将CAV通行时隙和HDV绿灯相位对交叉口某部分网格某时段的占用统一到交叉口时空资源描述框架下; 其次, 建立兼顾CAV与HDV的交叉口时空网格资源分配模型, 构建自适应信号灯控制算法和CAV轨迹规划算法; 再次, 以车辆最小延误为目标进行自适应信号灯配时优化和CAV轨迹优化; 最后, 选取广州某典型交叉口建立仿真实验对所提方法的有效性进行了验证.     

混合交通环境车辆队列协同控制

车辆队列在提高驾驶安全性、提升交通流量、改善燃油经济性方面具有巨大潜力,但现有研究多针对完全由智能网联车辆组成的队列,难以适用于现实中的混合交通环境.为此,文章研究了人工驾驶车辆与智能网联车辆的混合队列协同控制方法,在智能网联车辆控制设计中引入后车信息,并分析了其对队列稳定性、跟踪性能、燃油经济性的影响.首先构建了一种...     

车路协同路侧感知融合方法的研究

随着智能网联汽车技术和产业的不断发展,智能网联汽车逐渐成为人们交通出行的选择之一。但受智能网联汽车自身环境感知系统对特定道路交通场景信息处理的局限,无法实现在所有行驶工况下安全高效的运行,其需车路协同路侧感知技术的辅助方能更安全高效的运行。海量的车路协同感知数据是城市道路和高速公路车路协同、运行分析和科学管理的宝藏,理解和分析这些数据是车路协同路侧感知融合的关键。面对车路协同路侧多传感器的不同数据,如何高效准确地挖掘和提取雷达、视频在不同时间、不同空间维度的数据,实现对重点交通场景(如视野盲区、急转弯道、隧道、桥梁)和交通事件、环境、设施安全等的雷达、视频数据进行快速融合检测、识别与检索,通过蜂窝车联网C-V2X网络在一定时延范围内有效地将路侧感知融合结果数据发送给智能网联汽车,确保其安全高效的行驶,是面向智能网联汽车辅助驾驶的车路协同路侧感知融合的关键问题。基于智能网联汽车其自身环境感知能力,对道路智能基础设施感知网络中的多传感器融合方法进行研究分析,提出了基于误差方差的多传感器融合算法,与非智能道路相比,其效率更高,更加智能化,可有效解决道路交通运行环境中存在的常见问题,为人们提供更加安全、高效、优质的交通出行服务。     

智能时代的汽车控制

自动驾驶是汽车产业发展的重要里程碑. 汽车驾驶自动化一直都在进行, 其发展进程是对驾驶人认知感知、决策规划和执行控制等各个重要环节的逐步增强或最终替代. 智能时代下, 大数据分析、泛在计算、泛在传感和人工智能等颠覆性技术为汽车驾驶自动化向着高级别迈进提供了新的机遇. 控制技术是智能时代汽车自动化进程中的基石, 更多的信息在先进控制技术的赋能下将衍生出更多的新功能与新系统, 从而实现汽车安全性、经济性以及舒适性等各个方面的提升. 本文对智能时代的汽车控制进行综述, 首先回顾汽车自动化的发展进程, 然后探讨汽车自动化进程中面临的问题, 最后梳理出一些未来智能汽车控制发展趋势与关键技术.     

车路协同环境下基于动态车速的相位差优化模型

针对基于固定路段行驶车速的相位差优化模型在优化双向滤波时存在的不足,本文基于车路协同环境下车辆–信号控制系统双向、实时通信的运行环境,研究并建立了车辆动态速度与交叉口相位差的整合优化模型.首先,基于对上游交叉口流出的两类交通流,即饱和交通流和非饱和交通流运行特征分析,建立了速度与相位差相互影响关系模型,在此基础上,分别针对两种不同的交通流,以干道实时流量与速度乘积最大为目标,考虑初始排队清空时间,可变速度范围,和相位差取值空间等约束条件,建立了车辆速度与相位差的动态优化模型,从而实现干道交通流不停车通过量最大且延误最小的目的.最后,对比分析了本文模型与经典Maxband绿波优化模型及Synchro软件的信号协调控制优化方案,结果表明,相比其他两种典型优化方法,本文模型能显著提高双向绿波带宽并大幅减少停车次数,提高协调控制的效益.     

混合云的挑战

混合云虽然能够解决用户对于计算资源灵活扩展以及保持对计算资源控制的需求,但来自于安全和管理两方面的问题,将会对混合云的普及带来很大的挑战。     

考虑时延的智能网联汽车混合交通流稳定性分析

为研究时延对交通流稳定性的影响,构建考虑时延的人工驾驶汽车和智能网联汽车混合交通流稳定性分析模型.首先,分析并确定混合交通流中不同类型跟驰模式的比例关系和时延取值;然后,在此基础上采用不同的跟驰参数和时延值区分车辆的跟驰模式,并由此推导出混合交通流线性稳定条件;最后,以智能驾驶员模型为例,通过设计数值实验分别讨论智能网...     

分段线性系统最优控制设计的一种混合算法

将分段线性系统的最优控制设计问题转化成以反馈增益为寻优参数，以最优控制性能上界为目标的一组双线性矩阵不等式(BMI)问题．将遗传算法与内点法相结合设计出一种混合算法，对BMI问题进行求解．算例仿真表明该算法是简便而有效的．     

Constrained optimal steady-state control for isolated traffic intersections

The steady-state or cyclic control problem for a simplified isolated traffic intersection is considered. The optimization problem for the green-red switching sequence is formulated with the help of a discrete-event max-plus model. Two steady-state control problems are formulated： optimal steady-state with green duration constraints, and optimal steady-state control with lost time. In the case when the criterion is a strictly increasing, linear function of the queue lengths, the steady-state control problems can be solved analytically. The structure of constrained optimal steady-state traffic control is revealed, and the effect of the lost time on the optimal solution is illustrated.     

Real-time stochastic optimal control for traffic signals of multiple intersections

In this paper, a real-time stochastic optimal control method of traffic signal is modified. In addition, H-GA-PSO algorithm is proposed to search optimal traffic signals based on the stochastic model. The H-GA-PSO algorithm is a modified Hierarchical Particle Swarm Optimization (H-PSO) algorithm based on Genetic Algorithm (GA) processing. Finally, the effectiveness of the stochastic optimal control method with H-GA-PSO algorithm is shown through simulations at multiple intersections using a micro-traffic simulator.     

城市交通多线路协调优化仿真模型研究

为缓解城市交通拥堵,提高道路利用率,提出一种新的简单实用的城市交通多线路协调优化控制模型及时空相位演化方法,并给出了改进的遗传优化算法。通过仿真系统的开发,实现了城市交通的多线路优化控制仿真并获得了满意的效果。对比优化前后的数据,优化后调度线路上的车流以最少平均停车次数和最短平均延迟时间到达目的地。利用本优化模型可以实现以较小的代价成本疏导城市交通,提高城市道路通行能力。     

Parametric optimal control problems with singularly perturbed mixed constraints

Asymptotic expansions of solutions with respect to the parameter perturbance are obtained for the parametric optimal control problem with singularly perturbed mixed constraints. Based on these expansions, the solution properties are studied. The solutions are proved differentiable with respect to the parameter in the right and left neighborhoods of its nonregular value. The rules for computing the corresponding derivatives are described.     

On optimal ramp control of traffic jam queues

A queuing theory model is developed for the controlled merging of vehicles entering an expressway ramp. The flow of ramp vehicles is restricted in response to downstream congestion or traffic jams. An optimal on-off controller is found for the stochastic problem with random stopping time which results from minimizing the mean sum of the number of cars stopped in the jam and the number of cars diverted from the ramp.     

A fog-based security framework for intelligent traffic light control system

Multimedia Tools and Applications - The world is facing many problems including that of traffic congestion. To highlight the issue of traffic congestion worldwide specially in urban areas and to...     

Synthesis of optimal control using neural network with mixed structure

This paper proposes firstly to use a neural network with a mixed structure for learning the system dynamics of a nonlinear plant, which consists of multilayer and recurrent structure. Since a neural network with a mixed structure can learn time series, it can learn the dynamics of a plant without knowing the plant order. Secondly, a novel method of synthesizing the optimal control is developed using the proposed neural network. Procedures are as follows: (1) Let a neural network with a mixed structure learn the unknown dynamics of a nonlinear plant with arbitrary order, (2) after the learning is completed, the network is expanded into an equivalent feedforward multilayer network, (3) it is shown that the gradient of a criterion functional to be optimized can be easily obtained from this multilayer network, and then (4) the optimal control is generated by applying any of the existing non-linear programming algorithm based on this gradient information. The proposed method is successfully applied to the optimal control synthesis problem of a nonlinear coupled vibratory plant with a linear quadratic criterion functional.