连接车辆与自动驾驶车辆的鲁棒车辆跟随控制：一种随机模型预测控制方法

《IEEE Transactions on Intelligent Vehicles》：Robust Car-Following Control of Connected and Autonomous Vehicles: A Stochastic Model Predictive Control Approach

车辆编队通过分布式随机模型预测控制（SMPC）提升不确定环境下的鲁棒性和安全性，创新性地采用两体弹簧系统构建动态模型，结合期望目标与概率机会约束设计状态反馈机制，推导出计算可行的SMPC模型，仿真验证其实时高效性和稳定性。

　　

摘要：

车辆编队因其能够提升交通容量和道路安全的潜力而受到越来越多的关注。本文提出了一种创新的分布式随机模型预测控制（SMPC）方法，用于车辆编队系统，以提高车辆在不确定交通环境中的鲁棒性和安全性。特别是考虑到相邻车辆加速或减速行为的相似性以及弹簧系统的特性，我们首次使用双质量弹簧系统来构建编队系统的不确定动态模型。在存在具有已知分布属性（期望值、方差）的不确定扰动的情况下，我们提出了一个以期望值形式表示的目标函数，并结合了概率性机会约束。随后，相应地设计了一种状态反馈控制机制。在随机扰动的累积概率分布函数下，我们理论推导出了一个计算上可行的SMPC模型等价形式。最后，通过仿真实验验证了SMPC编队控制器的控制性能，并分析了在不同概率下的稳定性表现。实验结果表明，通过适当选择预测范围长度，该模型可以实时高效地得到求解，从而确保车辆编队控制的鲁棒性和安全性。

引言

在过去二十年里，由于城市化的快速发展和对移动性的需求增加，道路上的车辆数量大幅增加。这一现象对道路交通系统的拥堵、安全协议、停车可用性和排放等方面产生了重大影响，亟需学术界的关注和研究[1]、[2]。车辆编队因其能够优化道路空间和提高安全性而引起了广泛关注[3]、[4]、[5]。设计编队控制器的关键目标是协调并保持车辆之间的紧密编队，以确保提高安全性[6]、促进交通流畅[7]以及维持恒定的距离和速度[8]。控制器的设计对于车辆编队至关重要。一个精心设计的控制器能够使车辆编队在各种道路条件和环境中适应，确保在各种情况下都能保持一致且高效的性能。因此，模型预测控制（MPC）已成为一种广泛采用的控制方法[9]、[10]。MPC是一种基于系统数学建模的控制方法，其核心原理是预测系统的未来行为，并解决优化问题以产生最优的控制输入序列。