CN105774800A - 一种混合车辆队列中车辆间的碰撞缓解方法及装置 - Google Patents

Abstract

本发明公开了一种混合车辆队列中车辆间的碰撞缓解方法及装置，混合车辆队列中车辆间的碰撞缓解方法包括以下步骤：1)采集网联车的车况信息及该网联车前、后方相邻的非网联车的车况信息；2)依序判断混合车辆队列中的头车、后车，若是头车或后车，则进入步骤3)，否则返回步骤1)，头车为制动工况超过设定阈值的网联车，后车为头车后方满足队列碰撞缓解要求的车辆；3)接收网联车的车况信息；4)规划后车中各网联车的期望加速度；5)后车中各网联车按照被规划好的期望加速度行驶，非网联车按照跟车模型行驶；6)判断各后车是否停车，若是，则停止控制；否则，返回步骤3)。本发明能够利用混合车辆队列中各车间的制动空间进行控制。

Description

一种混合车辆队列中车辆间的碰撞缓解方法及装置

技术领域

本发明涉及汽车技术领域，特别是涉及一种混合车辆队列中车辆间的碰撞缓解方法及装置。

背景技术

近年来，由于汽车保有量飞速增长，道路交通安全法规相对滞后，驾驶技术培训应试化等原因，道路交通承受了空前的压力。据统计，我国高速公路事故形态中，碰撞事故所占比例最高，几乎能达到66.76％。在人、车和路三个方面中，人的因素导致交通事故占事故总数的90％以上。因此，如何有效减少碰撞事故，一直以来都得到了政府、企业与研究机构的高度关注。

先进驾驶辅助***(ADAS，AdvancedDriverAssistanceSystems)由于能弥补人类驾驶员本身局限性，得到了广泛研究和应用。其中，主动避撞***作为最有效的避免碰撞事故技术，得到了深入研究与广泛应用。该***通过先进的传感技术准确获取自车和周边车辆的信息，并辨识安全隐患。在紧急工况下，***主动采取制动控制，从而避免碰撞事故，保证行驶安全。目前，主动避撞***只通过控制自车制动避免与前方车辆或障碍物碰撞，在制动决策上并未考虑对后方车辆的影响，可能出现制动减速度过大、前方制动空间利用不充分等现象，从而造成连环追尾事故的发生。因此，混合车辆队列碰撞缓解技术应运而生。

车联网技术的快速发展为车辆主动安全技术，尤其是混合车辆队列碰撞缓解技术带来了巨大契机。在高速公路及城市快速路无遮挡环境中，通过现有的车车短程通信技术以及4G/5G联网技术，多车间可实现大范围的主动信息交互。车辆对行车环境的感知从自车传感器有限的信息采集扩展到周边车辆及整个交通环境，可提前对前方车辆紧急情况进行感知和预测，并做出合理的控制决策，弥补了因传统传感器信息采集范围小造成的制动减速度过大、制动空间利用不充分等现象，进而避免多车连环碰撞事故的发生。

虽然网联环境下多车碰撞缓解控制能带来明显的安全改善，但全联网环境的形成还需很长时间，在此之前，存在网联车与非网联车共同参与交通运行的部分车联网阶段。目前车车碰撞缓解控制方法大多基于理想的全联网环境场景，而在实际部分车辆联网场景中必然受到非网联车的制约。因此，需要设计一种在部分联网环境下混合车辆队列(网联车与非网联车共同参与)的碰撞缓解方法及装置。

因此，希望有一种技术方案来克服或至少减轻现有技术的至少一个上述缺陷。

发明内容

本发明的目的在于提供一种混合车辆队列中车辆间的碰撞缓解方法及装置来克服或至少减轻现有技术中的至少一个上述缺陷。

为实现上述目的，本发明提供一种混合车辆队列中车辆间的碰撞缓解方法，所述混合车辆队列中车辆间的碰撞缓解方法包括以下步骤：1)采集网联车的车况信息及该网联车前、后方相邻的非网联车的车况信息；2)依序判断混合车辆队列中的头车、后车，若是头车或后车，则进入步骤3)，否则返回步骤1)，头车为制动工况超过设定阈值的网联车，后车为头车后方满足队列碰撞缓解要求的车辆；3)接收网联车的车况信息；4)规划后车中各网联车的期望加速度；5)后车中各网联车按照被规划好的期望加速度行驶，非网联车按照跟车模型行驶；6)判断各后车是否停车，若是，则停止控制；否则，返回步骤3)。

进一步地，步骤4)中，以网联车临界制动力总和最小为优化目标，规划后车中各网联车的期望加速度。

进一步地，网联车的期望加速度a_i,des(k)由下述公式获得：

$\underset{a_{di}}{min}\underset{0}{\overset{T}{\∫}}(\mathrm{\Σ}\frac{m_{c\_i}}{S_{c\_i}\left(t\right)}{\[v_{c\_i}\left(t\right)-v_{c\_i-1}\left(t\right)\]}^2+\mathrm{\Σ}\frac{m_0}{S_{c\_j}\left(t\right)}{\[v_{c\_j}\left(t\right)-v_{c\_j-1}\left(t\right)\]}^2)$

其约束条件为：

$\left\{\begin{array}{c}{\stackrel{\·}{x}}_i\left(t\right)=v_i\left(t\right)\\ {\stackrel{\·}{v}}_i\left(t\right)=a_i\left(t\right)\\ {\stackrel{\·}{a}}_i\left(t\right)=\frac{1}{\mathrm{\τ}}(a_{di}\left(t\right)-a_i\left(t\right)),i\∈G\\ {\stackrel{\·}{a}}_i\left(t\right)=0,i\∈B\\ a_{i,\min }\≤a_{di}\left(t\right)\≤a_{i,\max }\end{array}\right.$

其中：T为预测时域长度，G为混合车辆队列中网联车的集合，B为混合车辆队列中非网联车的集合，c_i为网联车的序号，c_j为非网联车的序号，m_{c_i}为第c_i辆网联车的质量，m₀为非网联车的质量，S_i为第i辆车与其前车的车间距；x_i(t)为t时刻第i辆车的车头位置，v_i(t)为t时刻第i辆车的速度，a_i(t)为t时刻第i辆车的加速度，a_di(t)为第i辆车的期望加速度，τ为表征车辆响应延迟的时间常数，a_i,min为第i辆车的最小加速度，a_i,max为第i辆车的最大加速度。

进一步地，步骤2)中，混合车辆队列的组成具有以下特征：①混合车辆队列中相邻的两车的车头时距小于预设值；②尾车为网联车；③头车和尾车间的网联车与非网联车位置分布随机。

进一步地，非网联车的跟车模型为：

$a_{des}=\left\{\begin{array}{cc}0,& TTC>14.68\\ 1.411\&CenterDot;1.04\&CenterDot;({\mathrm{TTC}}^{0.72}-3^{0.72})-6.91,& 3\&le;TTC\&le;14.68\\ -6.918,& TTC<3\end{array}\right.$

式中，TTC为避撞时间。

本发明还提供一种混合车辆队列中车辆间的碰撞缓解装置，所述混合车辆队列中车辆间的碰撞缓解装置包括感知单元、通信单元、第一制动控制单元、第二制动控制单元和云计算平台，其中：所述感知单元、通信单元和第一制动控制单元均安装于网联车，所述第二制动控制单元安装于非网联车；所述感知单元用于收集相应网联车的自车状态信息以及该网联车前、后方相邻的非网联车的车况信息并输出；所述通信单元用于网联车与所述云计算平台进行实时信息交互；所述云计算平台用于接收所述感知单元输出的信息、判断混合车辆队列中的头车和后车以及规划后车中各网联车的期望加速度并输出，所述头车为制动工况超过设定阈值的网联车，所述后车为头车后方满足队列碰撞缓解要求的车辆；所述第一制动控制单元用于在接收到所述云计算平台输出的期望加速度后控制网联车按照期望加速度行驶；所述第二制动控制单元用于控制非网联按照跟车模型行驶。

进一步地，所述感知单元包括环境感知装置、加速度采集装置、车载信息采集装置和定位装置，其中：所述环境感知装置用于感知前、后方相邻的非网联车的车况信息并输出；所述加速度采集装置用于感知自车的纵向加速度；所述车载信息采集装置用于采集车速、制动压力及油门开度信息；所述定位装置用于采集自车定位信息。

进一步地，所述通信单元通过4G/5G无线通信将所述感知单元采集的信息输送至所述云计算平台，并用于接收所述云计算平台规划的自车期望加速度。

进一步地，所述云计算平台包括通信装置、头车判断装置、后车判断装置和期望加速度规划装置，其中：所述通信装置与所述通信单元信息交互，并用于将规划好的期望加速度输送给后车中各网联车上的所述通信单元；所述头车判断装置用于根据输入的制动工况判断所述头车；所述后车判断装置用于接收所述头车的信息，并根据队列碰撞缓解要求判断所述后车，并对混合车辆队列中的车辆进行编号；所述期望加速度规划装置用于根据网联车的行车状态信息，规划各后车中网联车的期望加速度。

进一步地，所述期望加速度规划装置包括信息融合模块、模型预测模块和期望加速度计算模块，其中，所述信息融合模块用于将所述环境感知装置感知到的前、后方车辆的车况信息进行融合，快速确定前、后方车辆状态信息，并输送给所述模型预测模块；所述模型预测模块用于各所述后车的运动进行预测，输送给所述期望加速度计算模块；所述期望加速度计算模块用于根据预测的所述各后车运动，计算出各后车的期望加速度并输送给所述通信装置。

本发明由于采取以上技术方案，其具有以下优点：1、本发明通过4G/5G无线通信获取混合车辆队列中全部网联车信息以及网联车感知到的非网联车状态信息，以网联车临界制动力总和最小为控制优化目标，进行混合车辆队列碰撞缓解控制。由于综合考虑了网联车与非网联车的相互影响，因而能够有效利用混合车辆队列中各车间的制动空间进行控制，碰撞避免与缓解效果上要远优于传统单车主动避撞控制；2、本发明基于拥有自主知识产权的4G/5G通信技术，不仅通讯距离大大突破传统的短程通讯技术，并且提升了接入时延、通信速率、带宽等通信指标，可实现城市道路行驶中全程碰撞缓解控制；3、本发明基于拥有自主知识产权的***云计算平台(“大云(BigCloud)平台”)，在计算效率、数据挖掘功能上性能优秀，完全满足“美国国家公路交通安全管理局和碰撞规避标准合作计划组织选择的车辆安全应用标准”，可实现低时延、高可靠的云平台应用。

本发明可以广泛应用于部分联网环境下混合车辆队列中的车车碰撞缓解控制中。

附图说明

图1是本发明所提供的基于模型预测控制的混合车辆队列碰撞缓解控制方法流程图。

图2是本发明所提供的基于模型预测控制的混合车辆队列碰撞缓解实施的结构示意图。

图3是单个车辆硬件结构示意图。

具体实施方式

为使本发明实施的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行更加详细的描述。在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本发明一部分实施例，而不是全部的实施例。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。下面结合附图对本发明的实施例进行详细说明。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明保护范围的限制。

本发明所指的“混合车辆队列”包括网联车和非网联车，“网联车”指的是新一代智能汽车，如图2中示出的带有wifi符号的车辆，其同时具有如下特点：

第一、具有环境感知功能，通过自车传感器(雷达和摄像机)感知前、后方车辆信息(包括距离、速度和加速度等)，其中，前、后方车辆可以是网联车，也可以是非网联车辆。

第二、具有GPS定位功能，可以实时获取自车的位置信息。

第三、具有通信功能，通过车载短程通信设备或4G/5G通信手段，可实现网联车辆与网联车辆之间、网联车辆与云平台之间的信息交互。

“非网联车”指传统车辆，即不具备上述特点的车辆，或至少不具备第三点功能的车辆，如图2中示出的不带有wifi符号的车辆。

如图1所示，本实施方式所提供的混合车辆队列中车辆间的碰撞缓解方法包括以下步骤：

1)采集网联车的车况信息及该网联车前、后方相邻的非网联车的车况信息：行驶车辆队列中所有网联车采集自车制动工况以及其前、后方车辆的车况信息，并将上述信息通过4G/5G通信设备传送至云计算平台。其中，制动工况包括自车制动信号和相应制动加速度，制动信号可以通过原车CAN总线提取，一旦采集到该信号，则可判断为制动踏板已被踩下；制动加速度主要指的是车辆的纵向加速度。

2)依序判断混合车辆队列中的头车、后车，若是，则记为头车或后车，并进入步骤3)；否则，返回步骤1)，该步骤具体为：

首先，判断是否有网联车的制动工况超过设定阈值，若是，则该网联车被记为头车；否则，返回步骤1)。也就是说，根据步骤1)中采集到的网联车的车况信息及该网联车前、后方相邻的非网联车的车况信息，云计算平台进行制动工况分析，若某一网联车的制动信号和纵向加速度信号同时出现，并且纵向加速度超过设定阈值(比如2m/s²)的时候，则该网联车被记为头车，并被标记。

然后，判断头车后方的车辆是否满足队列碰撞缓解要求，若是，则被记为后车；否则，返回步骤1)。也就是说，根据队列碰撞缓解要求，云计算平台对头车之后的所有满足队列碰撞缓解要求的车辆进行混合车辆队列的建立，并对各车编号。队列碰撞缓解要求包括：①头车为网联车并产生了制动减速度；②车辆间后车与前车的车头时距小于预设值(比如3秒)；③尾车为网联车；④头车和尾车间的网联车与非网联车位置分布随机。

3)云计算平台接收混合车辆队列中网联车的车况信息。

4)规划后车中各网联车的期望加速度：云计算平台结合混合混合车辆队列中网联车(除头车外)输送的自车状态信息和与其相邻非网联车部分状态信息，利用基于MPC(ModelPredictiveControl，模型预测控制)的混合车辆队列碰撞缓解方法，对混合车辆队列中各网联车的期望加速度进行集中规划，并将算得的各后车最优期望加速度分别输送给混合车辆队列中的网联车。

5)后车中各网联车按照被规划好的期望加速度行驶，非网联车按照跟车模型行驶。

6)判断各后车是否停车，若是，则停止控制；否则，返回步骤3)。

上述步骤4)中，以网联车临界制动力总和最小为优化目标，规划后车中各网联车的期望加速度。

上述步骤5)中，网联车的期望加速度a_i,des(k)由下述方法获得：

a)建立混合车辆队列

假设N辆车的混合车辆队列中有m辆网联车，网联车在混合车辆队列中所处位置的ID集合为：

$G=\{g_1,g_2,...,g_m\},G\&Subset;\{\mathrm{1,2},...N\}$

那么需要参与优化计算的车辆ID集合为：

C＝G∪{g_i-1}∪{g_j+1}，g_i＞1,g_j＜N，g_i,g_j∈G

令

C＝{c_1,c_2,…c_p}，c_1＜c_2＜…＜c_p，m≤p≤N，

集合C中元素所代表的是优化计算过程中控制的一列虚拟车辆队列，在实际环境中这些车辆不一定前后相邻。其中，网联车能够准确计算自车和前车的相对动能密度，而非网联车只能计算与前方网联车的相对动能密度。若车列中存在连续两辆非网联车，则其都不可控，两者间的相对动能密度计算也无意义。

b)建立目标函数

虚拟车列中两车的相对动能密度，即两车中后车的临界值动力为：

$F_{i,i+1}\left(t\right)=\frac{1}{2}\frac{m_{i+1}}{S_i}\&CenterDot;{\&lsqb;v_i\left(t\right)-v_{i+1}\left(t\right)\&rsqb;}^2$

其中F_i,i+1(t)为t时刻第i+1辆车与第i辆车之间的相对动能密度，m_i为第i辆车的质量，S_i(t)表示t时刻第i辆车和第(i-1)辆车的车间距，v_i(t)分别为t时刻第i辆车的速度，v_i-1(t)≤v_i(t)，，i＝1,2,…,n-1，当v_i-1(t)＞v_i(t)时取v_i-1(t)＝v_i(t)。

车间距由下式计算得出。

S_i＝x_i(t)-x_i+1(t)-L_i

其中L_i为第i辆车的长度，x_i(t)为t时刻第i辆车的车头位置。

将多辆车的临界制动力总和作为目标函数，以其值最小作为混合车辆队列碰撞缓解控制的优化目标，并仅考虑相邻两车之间的临界制动力，即：

$\begin{array}{c}J\left(t\right)=\frac{1}{2}{\&Sigma;}_{c\_i=1}^m\frac{m_{c\_i}}{S_{c\_i}\left(t\right)}\&CenterDot;{\&lsqb;v_{c\_(i-1)}\left(t\right)-v_{c\_i}\left(t\right)\&rsqb;}^2\\ +\frac{1}{2}{\&Sigma;}_{c\_j=1}^{N-1-m}\frac{m_0}{S_{c\_j}\left(t\right)}\&CenterDot;{\&lsqb;v_{c\_(j-1)}\left(t\right)-v_{c\_j}\left(t\right)\&rsqb;}^2\end{array}$

其中，c_i∈G且c_i＞1，c_j∈C_CG，c_j＞1且c_(j-1)∈G，即c_i作为后车的网联车ID，c_i为非网联车但前车为网联车的车辆ID。m₀为非网联车的质量，虽然其质量是不可测的，但综合考虑到车辆的类型与质量范围，可假定所有非网联车的质量在计算时为同一定值。其速度和车间距信息可通过相邻车辆雷达准确获取。

由于该控制方法对非网联车进行控制，因此非网联车的期望加速度由驾驶员决定。跟车模型中，通过网联车的感知单元所测得的非网联车的车速数据，差分得到的实际加速度，将其近似为期望加速度代入计算。

因此，可得出基于网联车临界制动力的混合车辆队列碰撞缓解算法目标函数为：

$\underset{a_{des}}{\min }\frac{1}{2}\underset{i=1}{\overset{N-1}{\&Sigma;}}\frac{m_{i+1}}{x_i\left(t\right)-x_{i+1}\left(t\right)-L_i}\&CenterDot;{\&lsqb;v_i\left(t\right)-v_{i+1}\left(t\right)\&rsqb;}^2$

其中a_des为各网联车的期望加速度输入。

c)约束条件

选取运动学模型作为车辆模型，并假设车辆实际加速度与期望加速度输入为一阶惯性环节。网联车期望加速度由控制***决定，非网联车采用当前加速度作为期望加速代入车辆模型，并假设非网联车ID组成的集合为B，得到预测时域内的车辆模型如下：

$\left\{\begin{array}{c}{\stackrel{\&CenterDot;}{x}}_i\left(t\right)=v_i\left(t\right)\\ {\stackrel{\&CenterDot;}{v}}_i\left(t\right)=a_i\left(t\right)\\ {\stackrel{\&CenterDot;}{a}}_i\left(t\right)=\frac{1}{\mathrm{\&tau;}}\left(a_{i,des}\right(t)-a_i(t\left)\right),i\&Element;G\\ {\stackrel{\&CenterDot;}{a}}_i\left(t\right)=0,i\&Element;B\end{array}\right.$

其中x_i(t)为第i辆车在t时刻的车头位置，v_i(t)为第i辆车在t时刻的车头速度和a_i(t)为第i辆车在t时刻的加速度，a_i,des(t)为第i辆车在t时刻的期望加速度，τ为时间常数。为了使此算法有解，且在某些车发生碰撞时也能继续优化其它车辆的加速度，约束条件仅考虑各车的制动能力，而不设置安全距离约束。各网联车的加速度约束为：

a_i,min≤a_i,des(t)≤a_i,max

其中a_i,min为第i辆车的最小加速度，a_i,max为第i辆车的最大加速度。

d)建立优化模型

结合b)中建立的目标函数和c)中的约束条件，设集中控制变量为各车期望加速度组成的向量a_des(t)＝[a_1,des(t),a_2,des(t),...,_N,des(t)]^T，求解时间范围为预测时域Δt，即[t0,t0+Δt]。得到基于总临界制动力的混合车辆队列碰撞缓解控制模型如下式表示：

网联车的期望加速度a_i,des(k)由下述公式获得：

$\underset{a_{di}}{\min }\underset{0}{\overset{T}{\&Integral;}}(\&Sigma;\frac{m_{c\_i}}{S_{c\_i}\left(t\right)}{\&lsqb;v_{c\_i}\left(t\right)-v_{c\_i-1}\left(t\right)\&rsqb;}^2+\&Sigma;\frac{m_0}{S_{c\_j}\left(t\right)}{\&lsqb;v_{c\_j}\left(t\right)-v_{c\_j-1}\left(t\right)\&rsqb;}^2)$

其约束条件为：

$\left\{\begin{array}{c}{\stackrel{\&CenterDot;}{x}}_i\left(t\right)=v_i\left(t\right)\\ {\stackrel{\&CenterDot;}{v}}_i\left(t\right)=a_i\left(t\right)\\ {\stackrel{\&CenterDot;}{a}}_i\left(t\right)=\frac{1}{\mathrm{\&tau;}}(a_{di}\left(t\right)-a_i\left(t\right)),i\&Element;G\\ {\stackrel{\&CenterDot;}{a}}_i\left(t\right)=0,i\&Element;B\\ a_{i,\min }\&le;a_{di}\left(t\right)\&le;a_{i,\max }\end{array}\right.$

其中：T为预测时域长度，G为混合车辆队列中网联车的集合，B为混合车辆队列中非网联车的集合，c_i为网联车的序号，c_j为非网联车的序号，m_{c_i}为第c_i辆网联车的质量，m₀为非网联车的质量，S_i为第i辆车与其前车的车间距；x_i(t)为t时刻第i辆车的车头位置，v_i(t)为t时刻第i辆车的速度，a_i(t)为t时刻第i辆车的加速度，a_di(t)为第i辆车的期望加速度，τ为表征车辆响应延迟的时间常数，a_i,min为第i辆车的最小加速度，a_i,max为第i辆车的最大加速度。

步骤5)中的非网联车的跟车模型的获得方法具体如下：

a)建立非网联车跟车模型

为分析在部分车辆联网环境中，网联车对非网联车的影响，采用改进驾驶员AP(ActionPoint)模型(属于驾驶心理模型)，模拟非网联车的驾驶员跟车制动的行为。该模型所表征的驾驶员期望制动减速度由TTC(TimeToCollision)决定，该TTC为避撞时间，表征了自车在当前状态下与前车追尾所需要的时间，其形式如下：

a_des＝c·e·TTC^f+d(1)

式(1)中，c、d、e和f为待定常数。

式(1)的使用需满足一定前提条件，即前车在驾驶员视野中的视角变化率达到一定阈值时驾驶员才会感知到并采取操作，在消除自车和前车相对运动之前驾驶员会保持该操作。前车在驾驶员视野中视角变化率为：

$\frac{d\mathrm{\&theta;}}{dt}\&ap;\frac{\mathrm{\&Delta;}v}{{\mathrm{\&Delta;x}}^2}---\left(2\right)$

其中θ为前车在驾驶员眼中的视角范围，Δv和Δx分别为前后两车的相对速度和车间距离。

用驾驶员期望跟车距离D_p代替Δx，得到判断驾驶员的感知阈值：

$k\&ap;\frac{\mathrm{\&Delta;}v}{D_p^2}---\left(3\right)$

当k＞6×10^-4时，驾驶员就会按照式(1)采取操作。

式(1)中的e、f和d取值：e＝1.04，f＝0.72，d＝-6.918。其中e、f为驾驶员估计自车与前车TTC相关的参数，d为驾驶员期望的最大制动减速度。从(1)的形式可以看到，只有当TTC减小到0，驾驶员才会采取期望最大制动减速度，这意味着驾驶员在碰撞前都不会采取最大制动，而本实施例可以合理地假设当两车TTC较小时驾驶员就会采取最大制动，令该TTC为TTC_l，那么式(1)可以改写为

$a_{des}=c\&CenterDot;e\&CenterDot;({\mathrm{TTC}}^f-{\mathrm{TTC}}_l^f)+d---\left(4\right)$

另一方面，驾驶员在TTC很大时不会采取制动操作，假设驾驶员决定采取制动操作的TTC为TTC_u，当TTC＝TTC_u时，驾驶员的期望制动减速度为0，因此(4)中的参数c可以按等式(5)确定。

$c\&CenterDot;e\&CenterDot;({\mathrm{TTC}}_u^f-{\mathrm{TTC}}_l^f)+d=0---\left(5\right)$

TTC_u根据已开展的驾驶员特性研究结果确定，测得符合我国驾驶员驾驶特性的TTC均值为14.68s。使用该值作为TTC_u，TTC_l取3s。将各参数值代入(1)，得到非网联车跟车模型为：

$a_{des}=\left\{\begin{array}{cc}0,& TTC>14.68\\ 1.411\&CenterDot;1.04\&CenterDot;({\mathrm{TTC}}^{0.72}-3^{0.72})-6.91,& 3\&le;TTC\&le;14.68\\ -6.918,& TTC<3\end{array}\right.---\left(6\right)$

该跟车模型模拟的驾驶员反应时间较长，制动减速度上升过程相对平缓，符合真实操作，最终停车间距也更切合实际。

如图2和图3所示，本发明还提供一种混合车辆队列中车辆间的碰撞缓解装置，其包括感知单元1、通信单元2、第一制动控制单元3a、第二制动控制单元3b和云计算平台4。

感知单元1安装于网联车，并用于收集相应网联车的自车状态信息以及该网联车前、后方相邻的非网联车的车况信息，并输送至通信单元2。作为感知单元1的一种优选实施方式，其包括环境感知装置11、加速度采集装置12、车载信息采集装置13和定位装置14，其中：环境感知装置11用于感知前、后方相邻的非网联车的车况信息并输出。环境感知装置11由车载CCD摄像机和毫米波雷达组成，通过车载CCD摄像机检测前、后方同车道非网联车的相对位置，检测非网联车是否在相同车道，通过车载毫米波雷达检测前、后方非网联车的速度与加速度，车载CCD摄像机和毫米波雷达采集到所有信息均输送给通信单元2。

加速度采集装置12用于感知其所在车辆的纵向加速度并输送给通信单元2。本实施方式中的加速度采集装置12可以采用惯性传感器，并且要求惯性传感器的更新频率不低于5Hz。

车载信息采集装置13用于采集车速、制动压力及油门开度信息。优选地，车载信息采集装置13集成有CAN通信芯片，用于从原车CAN总线中采集必要车辆状态信息(如车辆制动信号)，并将这些车辆状态信息输送给通信单元2。要求CAN通信芯片的采集频率不低于5Hz，以保证信息更新的实时性。

定位装置14用于采集自车定位信息。本实施方式中，车辆定位装置14采用的是北斗卫星导航***(BeiDouNavigationSatelliteSystem，BDS)，用于获取车辆位置信息并传送给通信单元2。定位装置14要求更新频率不低于5Hz，定位精度不低于1m，以保证车辆位置的精确和更新，从而保证计算车间距离的准确性和实时性。

通信单元2安装于网联车，并用于网联车与云计算平台4进行实时信息交互。本实施方式中，通信单元2采用4G/5G无线通信模块。在混合混合车辆队列碰撞缓解控制过程中，通信单元2将网联车上的感知单元1采集的自车状态信息和环境信息通过传送给云计算平台4，并获取来自云计算平台4计算得到的期望加速度，输送至第一制动控制单元3a，第一制动控制单元3a用于在接收到云计算平台4输出的期望加速度后控制网联车按照期望加速度行驶,实现碰撞缓解制动控制。所述4G/5G无线通讯，采用基于TD-LTE技术研发的LTE-V通讯模块，包括扩展的蜂窝通讯技术和分布式直通技术两种通讯模式,后续也可采用目前正在研发中的面向5G的LTE-V通讯技术，但不限于此。

第一制动控制单元3a安装于网联车，并用于在接收到云计算平台4输出的期望加速度后控制网联车按照期望加速度行驶，在未接收到所述云计算平台输出的期望加速度时处于待机状态，各车辆根据驾驶员意图自由行驶，以实现对混合车辆队列中网联车的控制。优选地，第一制动控制单元3a通过电子油门以及车身稳定***中的制动执行器来控制车辆加速度。

第二制动控制单元3b用于控制非网联车按照跟车模型行驶。跟车模型指的是当前方出现紧急情况时，驾驶员采取的应急反应，非网联车的跟车模型为：

$a_{des}=\left\{\begin{array}{cc}0,& TTC>14.68\\ 1.411\&CenterDot;1.04\&CenterDot;({\mathrm{TTC}}^{0.72}-3^{0.72})-6.91,& 3\&le;TTC\&le;14.68\\ -6.918,& TTC<3\end{array}\right.$

式中，TTC为避撞时间。

云计算平台4用于接收感知单元1输出的信息、判断混合车辆队列中的头车和后车以及规划后车中各网联车的期望加速度并输出。所述头车为制动工况超过设定阈值的网联车。所述后车为头车后方满足队列碰撞缓解要求的车辆。

作为云计算平台4的一种优选实施方式，云计算平台4包括通信装置41、头车判断装置42、后车判断装置43与期望加速度规划装置44，其中：

通信装置41与各通信单元2信息交互，并用于将规划好的期望加速度输送给后车中各网联车上的通信单元2。头车判断装置42用于根据输入的制动工况判断所述头车。具体地，头车判断装置42根据所述制动信号和所述纵向加速度判断某车是否为所述头车。该实施方式中，当制动踏板被踩下且制动加速度大于2m/s²时，记该车为头车。后车判断装置43用于接收头车的信息，并根据队列碰撞缓解要求判断所述后车，并对混合车辆队列中的车辆进行编号。混合车辆队列判断装置43根据判别条件对头车后方车辆进行编队。头车后方的车辆中，满足以下条件的车辆可被编入混合混合车辆队列中：①车辆间车头时距小于预设值(比如3秒)；②尾车为网联车。不满足上述条件之一的，均不被编入混合混合车辆队列。期望加速度规划装置44用于根据网联车的行车状态信息，规划各后车中网联车的期望加速度。

上述实施方式中，期望加速度规划装置44包括信息融合模块441、模型预测模块442和期望加速度计算模块443，其中：

信息融合模块441用于将所述环境感知装置11感知到的前、后方车辆的车况信息进行融合，快速确定前、后方车辆状态信息，并输送给模型预测模块442。

模型预测模块442用于各后车的运动进行预测，输送给期望加速度计算模块443。具体地：模型预测模块442用于根据车速、加速度和位置，对车辆的运动进行预测。对于某非网联车，将时间离散化，取离散时间不长为ΔT，采集到k步该车辆的位置为x(k)，速度为v(k)，加速度为a(k)，期望加速度为a_des(k),则k+j步位置为x(k+j|k)＝x(k+j-1|k)+v(k+j-1|k)*ΔT，速度为v(k+j|k)＝v(k+j-1|k)+a(k+j-1|k)*ΔT，加速度为a(k+j|k)＝(τ-Δt)/τ*a(k+j-1|k)+ΔT/τ*a_des(k+j-1|k)。这里，τ为表征车辆响应延迟的时间常数，由此可知：模型预测模块442用于对车辆的位置、速度和加速度进行Np步进行预测。

期望加速度计算模块443用于根据预测的各后车运动，计算出各后车的期望加速度并输送给通信装置41。具体地，期望加速度计算模块443根据k步采集到的车辆位置、速度和加速度信息，结合模型预测模块442得到的Np步的预测结果，最小化目标函数，从而优化车辆的目标加速度。

综上所述，上述各实施方式所提供的装置能够以车辆临界制动力最小为控制优化目标，可以有效利用混合车辆队列中各车间的跟车空间进行控制，实现车辆相对位置的合理分布，从而尽量避免碰撞的发生；在碰撞无法避免时，可有效减缓碰撞带来的损伤程度。

最后需要指出的是：以上实施例仅用以说明本发明的技术方案，而非对其限制。尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种混合车辆队列中车辆间的碰撞缓解方法，其特征在于，包括以下步骤：

1)采集网联车的车况信息及该网联车前、后方相邻的非网联车的车况信息；

2)依序判断混合车辆队列中的头车、后车，若是头车或后车，则进入步骤3)，否则返回步骤1)，头车为制动工况超过设定阈值的网联车，后车为头车后方满足队列碰撞缓解要求的车辆；

3)接收网联车的车况信息；

4)规划后车中各网联车的期望加速度；

5)后车中各网联车按照被规划好的期望加速度行驶，非网联车按照跟车模型行驶；

6)判断各后车是否停车，若是，则停止控制；否则，返回步骤3)。

2.如权利要求1所述的混合车辆队列中车辆间的碰撞缓解方法，其特征在于，步骤4)中，以网联车临界制动力总和最小为优化目标，规划后车中各网联车的期望加速度。

3.如权利要求2所述的混合车辆队列中车辆间的碰撞缓解方法，其特征在于，网联车的期望加速度a_i,des(k)由下述公式获得：

$\underset{a_{di}}{\min }\underset{0}{\overset{T}{\&Integral;}}\left(\&Sigma;\frac{m_{c\_i}}{S_{c\_i}\left(t\right)}{\&lsqb;v_{c\_i}\left(t\right)-v_{c\_i-1}\left(t\right)\&rsqb;}^2+\&Sigma;\frac{m_0}{S_{c\_j}\left(t\right)}{\&lsqb;v_{c\_j}\left(t\right)-v_{c\_j-1}\left(t\right)\&rsqb;}^2\right)$

其约束条件为：

$\left\{\begin{array}{c}{\stackrel{\&CenterDot;}{x}}_i\left(t\right)=v_i\left(t\right)\\ {\stackrel{\&CenterDot;}{v}}_i\left(t\right)=a_i\left(t\right)\\ {\stackrel{\&CenterDot;}{a}}_i\left(t\right)=\frac{1}{\mathrm{\&tau;}}\left(a_{di}\right(t)-a_i(t\left)\right),i\&Element;G\\ {\stackrel{\&CenterDot;}{a}}_i\left(t\right)=0,i\&Element;B\\ a_{i,\min }\&le;a_{di}\left(t\right)\&le;a_{i,\max }\end{array}\right.$

其中：T为预测时域长度，G为混合车辆队列中网联车的集合，B为混合车辆队列中非网联车的集合，c_i为网联车的序号，c_j为非网联车的序号，m_{c_i}为第c_i辆网联车的质量，m₀为非网联车的质量，S_i为第i辆车与其前车的车间距，x_i(t)为t时刻第i辆车的车头位置，v_i(t)为t时刻第i辆车的速度，a_i(t)为t时刻第i辆车的加速度，a_di(t)为第i辆车的期望加速度，τ为表征车辆响应延迟的时间常数，a_i,min为第i辆车的最小加速度，a_i,max为第i辆车的最大加速度。

4.如权利要求1至3中任一项所述的混合车辆队列中车辆间的碰撞缓解方法，其特征在于，步骤2)中，混合车辆队列的组成具有以下特征：①混合车辆队列中相邻的两车的车头时距小于预设值；②尾车为网联车；③头车和尾车间的网联车与非网联车位置分布随机。

5.如权利要求4所述的混合车辆队列中车辆间的碰撞缓解方法，其特征在于，非网联车的跟车模型为：

$a_{des}=\left\{\begin{array}{cc}0,& TTC>14.68\\ 1.411\&CenterDot;1.04\&CenterDot;({\mathrm{TTC}}^{0.72}-3^{0.72})-6.91,& 3\&le;TTC\&le;14.68\\ -6.918,& TTC<3\end{array}\right.$

式中，TTC为避撞时间。

6.一种混合车辆队列中车辆间的碰撞缓解装置，其特征在于，包括感知单元(1)、通信单元(2)、第一制动控制单元(3a)、第二制动控制单元(3b)和云计算平台(4)，其中：所述感知单元(1)、通信单元(2)和第一制动控制单元(3a)均安装于网联车，所述第二制动控制单元(3b)安装于非网联车；所述感知单元(1)用于收集相应网联车的自车状态信息以及该网联车前、后方相邻的非网联车的车况信息并输出；所述通信单元(2)用于网联车与所述云计算平台(4)进行实时信息交互；所述云计算平台(4)用于接收所述感知单元(1)输出的信息、判断混合车辆队列中的头车和后车以及规划后车中各网联车的期望加速度并输出，所述头车为制动工况超过设定阈值的网联车，所述后车为头车后方满足队列碰撞缓解要求的车辆；所述第一制动控制单元(3a)用于在接收到所述云计算平台(4)输出的期望加速度后控制网联车按照期望加速度行驶；所述第二制动控制单元(3b)用于控制非网联车按照跟车模型行驶。

7.如权利要求6所述的混合车辆队列中车辆间的碰撞缓解装置，其特征在于，所述感知单元(1)包括环境感知装置(11)、加速度采集装置(12)、车载信息采集装置(13)和定位装置(14)，其中：所述环境感知装置(11)用于感知前、后方相邻的非网联车的车况信息并输出；所述加速度采集装置(12)用于感知自车的纵向加速度；所述车载信息采集装置(13)用于采集车速、制动压力及油门开度信息；所述定位装置(14)用于采集自车定位信息。

8.如权利要求6所述的混合车辆队列中车辆间的碰撞缓解装置，其特征在于，所述通信单元(2)通过4G/5G无线通信将所述感知单元(1)采集的信息输送至所述云计算平台(4)，并用于接收所述云计算平台(4)规划的自车期望加速度。

9.如权利要求6所述的混合车辆队列中车辆间的碰撞缓解装置，其特征在于，所述云计算平台(4)包括通信装置(41)、头车判断装置(42)、后车判断装置(43)和期望加速度规划装置(44)，其中：所述通信装置(41)与所述通信单元(2)信息交互，并用于将规划好的期望加速度输送给后车中各网联车上的所述通信单元(2)；所述头车判断装置(42)用于根据输入的制动工况判断所述头车；所述后车判断装置(43)用于接收所述头车的信息，并根据队列碰撞缓解要求判断所述后车，并对混合车辆队列中的车辆进行编号；所述期望加速度规划装置(44)用于根据网联车的行车状态信息，规划各后车中网联车的期望加速度。

10.如权利要求9所述的混合车辆队列中车辆间的碰撞缓解装置，其特征在于，所述期望加速度规划装置(44)包括信息融合模块(441)、模型预测模块(442)和期望加速度计算模块(443)，其中，所述信息融合模块(441)用于将所述环境感知装置(11)感知到的前、后方车辆的车况信息进行融合，快速确定前、后方车辆状态信息，并输送给所述模型预测模块(442)；所述模型预测模块(442)用于各所述后车的运动进行预测，输送给所述期望加速度计算模块(443)；所述期望加速度计算模块(443)用于根据预测的所述各后车运动，计算出各后车的期望加速度并输送给所述通信装置(41)。