基于混合迭代技术的互联与自动驾驶车辆协同自适应巡航控制

《IEEE Transactions on Vehicular Technology》：Cooperative Adaptive Cruise Control of Connected and Autonomous Vehicles via Hybrid Iteration

　　

摘要：

本文提出了一种新的数据驱动方法，即混合迭代法（HI），用于在连接式和自动驾驶车辆中实现协作自适应巡航控制。该方法结合了自适应动态规划、内部模型原理以及分布式控制技术。通过收集输入状态数据，利用在线迭代技术HI生成近似最优的控制策略，从而通过最小化预定义的成本函数来优化CACC的性能。需要注意的是，HI保留了两种成熟学习算法的优势：策略迭代法和价值迭代法。学习过程首先从价值迭代法开始，然后应用策略迭代法以加快收敛速度。HI无需像策略迭代法那样先有一个初始的稳定控制策略，且其收敛速度比价值迭代法更快。通过在交通拥堵和车辆插队场景下的车队测试，证明了HI方法在CACC系统中的高效性与安全性。

I. 引言

自动驾驶技术的进步对于部署智能交通系统至关重要，这类系统的目标是减少人为驾驶造成的交通事故并降低燃油消耗。为进一步提升交通安全性和可靠性，将无线通信技术引入车辆这一想法引起了包括控制系统[1]、[2]、[3]、[4]，优化技术[5]、[6]、[7]以及通信技术[8]、[9]、[10]、[11]在内的多个领域研究人员的极大兴趣，他们致力于设计连接式和自动驾驶车辆系统。在众多旨在减少道路拥堵和提高交通效率的自动驾驶车辆相关研究中，协作自适应巡航控制被认为是智能交通系统中最具实用价值的技术之一[12]、[13]、[14]。协作自适应巡航控制可视为传统自适应巡航控制的延伸，它通过车车通信和协作控制提升了传统自适应巡航控制的功能。借助车车通信技术，车辆能够更智能地协同工作，从而提升驾驶体验以及整个交通系统的效率和安全性。协作自适应巡航控制不仅依靠传感器，还依靠通信来交换信息，使车辆能够根据前方车辆的情况做出相应调整，避免产生冲击波效应。由协作自适应巡航控制协调的一组车辆被称为车辆车队。研究表明，除了因交通更加顺畅而降低燃油消耗外，当车辆在车队中彼此距离较近时，空气阻力减小也能进一步降低燃油消耗[15]、[16]。自动驾驶车辆技术的出现极大地提升了交通的能源效率与安全性。人们对自动驾驶车辆的生态控制问题进行了研究，通过空间域建模将非线性最优控制问题转化为凸优化问题，以提高计算效率[17]。通过实时调整车速并保持适当车距，可以减少突然制动和加速的情况，进而提升整体道路使用效率。