《汽车工程》2023年第8期发表了清华大学高博麟副研究员团队研究成果“基于云控系统的队列预测性巡航与换道决策”一文。为了提高高速公路车辆队列行驶的安全性、经济性、通行高效性和车速平顺性，论文提出了基于云控系统的队列预测性巡航与换道决策方法，通过云控平台获取动态交通环境信息，并对环境车辆状态进行长时间尺度的轨迹预测。基于此，规划队列纵向加速度与横向换道时机，通过车云协同的分层控制，实现队列车辆轨迹跟踪，提升队列行驶的综合性能，并通过仿真试验，验证了所设计算法的有效性。

一、研究背景

队列预测性巡航控制利用车辆前方道路坡度的前瞻信息，提前规划好车辆的经济车速，可提高车辆行驶的燃油经济性。目前，大多研究仅使用静态道路信息（道路坡度）进行纵向车速规划。但是在实际的交通场景中，道路上必然存在环境车辆，如果仅考虑静态道路信息而忽略动态交通环境，规划的车速存在安全隐患。另外，目前的队列预测性巡航控制仅仅规划一条车道上的车速，忽略了换道行驶对巡航综合性能的提升效果。

(资料图片)

二、研究内容

1. 车云分层控制架构：云控平台通过通信网络直接获取队列状态（如位置、速度等），并通过路侧基础设施收集动态交通环境信息（如环境车的位置速度等）。云端队列预测性巡航与换道决策算法计算队列最优的纵向加速度序列与横向换道决策序列，并将序列下发车端。队列接收到云端指令进行解析和跟驰及换道跟踪控制，并实时上传队列运动状态，形成车云的滚动闭环控制。

图1 车云分层控制架构

2. 队列预测性巡航与换道决策算法：通过路侧基础设施获取动态交通信息，并上传云平台；云平台利用预测模型估计环境车辆的未来状态；队列采取不同的行为而获得的惩罚体现在设计的目标函数中，通过最小化目标函数实现纵向加速度与横向换道决策的协同优化，并将决策结果发送至车端进行跟踪控制。

图2 队列预测性巡航与换道决策算法示意图

3. 仿真验证：利用Sumo与Matlab搭建联合仿真环境，设计了不同交通流量下的5组仿真工况。

三、研究结果

对比微观驾驶模型，采用该方法的队列在巡航时碰撞风险降低 42. 2%，换道时碰撞风险降低 3. 41%，平均节油率为 1. 22%，速度提升 0. 83%，平顺性提高 49. 84%。

创新点与意义

针对传统队列预测性巡航控制忽略动态交通环境，且仅考虑一条车道上的速度优化，导致高速公路巡航行驶综合性能难以达到最优的问题，设计了基于云控系统的队列预测性巡航与换道决策算法，并设计了车云分层求解策略算法框架，实现了待优化量的在线快速求解。该算法可综合提升车辆队列高速公路巡航行驶的安全性、经济性、高效性和平顺性，为队列预测巡航控制提供了理论依据，具有重要的工程应用价值与指导意义。