一種車路協同半實物仿真系統的設計與實現

徐志剛，王明亮，張 瑋，趙佳樂

(長安大學 信息工程學院，陜西 西安 710064)

0 引 言

隨著計算機技術的迅速發展，仿真技術的應用在深度和廣度上都達到了很高的水平。在交通領域，運用仿真技術構建一個半實物仿真平臺，對交通系統的論證、研制、測試、改進等方面都起著十分重要的作用[1]。把行駛在公路上的車輛緊密排列成隊，能夠極大地增加同等道路條件下的車輛通行能力，因此，給車輛編隊被認為是解決當前交通擁堵、事故頻發、空氣污染等問題最有效的方法之一[2]。隨著先進車輛控制技術(AVCS)愈來愈成熟，車輛主動安全性能和可靠性能得到大幅提升。與此同時，車載硬件及軟件模塊也越來越復雜[3]，導致了極為復雜的車輛系統結構和車載通信網絡，從而使車輛控制仿真變得越來越困難，進一步的實車實驗就會變得越來越昂貴和危險。大多數學者選擇利用各種交通仿真工具和實驗測試手段進行理論驗證，然而考慮到實際情況的復雜性，如信號干擾、通信延時等使得仿真工具與實際環境有較大差異，利用實物對車輛編隊進行實驗是十分必要的。

半實物仿真技術是一種在仿真系統滿足整體要求的條件下部分過程利用實物代替的技術，是車路協同系統設計、實驗、性能優化測試強有力的工具。其優點主要有：能夠對實際情況進行模擬，不會產生實際危險；利用半實物仿真，可以在真實世界中不能實現的極端條件下進行測試；利用半實物仿真可以在相對真實環境下發現系統的不足之處；能夠加速開發流程，降低研發費用，減少開發時間[4]。

1 相關研究

荷蘭應用科學研究機構TNO搭建了基于半實物仿真的智能車和道路系統的模擬實驗VEHIL(vehicle hardware in the loop),用于測試車輛編隊的巡航控制、起停控制、車車和車路通信、車隊協同駕駛等功能。

目前比較成熟的車路協同仿真平臺有德國柏林交通系統研究所(institution of transportation systems)的SUMO仿真平臺,美國拉斯阿莫斯國家實驗室(Los Alamos national laboretory)的TRANSINS交通仿真平臺[5]，此外法國的NEMIS、英國的PARAMICS等也開展了車隊協同駕駛相關實驗[6-11]。

雖然半實物仿真平臺的搭建對于車路協同技術，車輛編隊及車聯網等相關技術的發展有至關重要的意義，但在國內的科研機構中卻只有少數構建了半實物仿真平臺，如軍事交通學院的自動化模擬演練室、吉林大學的汽車仿真與控制實驗室、國防科技大學的紅旗系列、上海交通大學的Cybercar系列、交通運輸部公路科學研究院的北京試驗場、武漢理工大學的道路交通機電平臺、長安大學構建的車路協同實驗場[12-17]等。文中對長安大學道路交通工程技術研究中心構建的車路協同仿真平臺做系統的介紹，并對車輛編隊控制中的車輛跟隨模型進行測試和驗證。

2 車路協同半實物仿真系統

車路協同半實物仿真系統利用模塊化思想設計任務，將系統劃分為模擬道路、上位機、定位裝置、通信網絡及智能模型車輛等，如圖1所示。

圖1 車路協同半實物仿真系統組成

(1)模擬道路。

模擬道路是一個比例為1∶15的道路模型，可以用來開展車路協同技術相關的實驗研究。微縮沙盤的面積約為15 m2，主體部分包括仿真道路、LED信息顯示器及相關的交通設施，如圖2所示。仿真道路為雙車道，車道寬度為15 cm，道路表面呈磨砂面，具有直道與彎道。

圖2 模擬道路

(2)上位機。

上位機主要用來運行相關的仿真控制軟件，用于對車輛協同駕駛過程進行建模與控制。根據建立的協同場景模型，設計相關的協同控制算法，并進行仿真驗證。將控制策略傳輸到模型車輛進行半實物仿真。仿真過程中在仿真控制軟件上實時顯示車輛協同駕駛信息，如速度、加速度、航向及車輛位置等信息，利用得到的車輛行駛信息，可以在線調整模型車輛所需的控制參數，便于協同策略的優化。

(3)定位裝置。

用于對模擬道路上移動的模型車輛進行定位，并通過通信網絡將定位數據發送給對應的模型車輛，為車輛間的協同提供數據基礎。

(4)通信網絡。

自組織通信網絡主要是用來進行車-車/車-路通信，車-車通信是實現模型車輛在運動過程中與周圍行駛車輛的信息交互，上位機通過車路通信的方式來監測和控制沙盤中的車輛運動狀態，以及進行運行策略的發布。

(5)智能模型車輛。

模型車輛是仿真系統的被控對象。模型車上裝配有微處理器和多種車載傳感器，如加速度傳感器、測速傳感器、紅外測距傳感器、光電傳感器、通信模塊等。車載傳感器用于采集自身的行駛狀態信息，并通過通信網絡將這些信息以固定的頻率進行廣播，同時也通過通信網絡接收周圍車輛廣播的行駛信息以及上位機發送的控制信息及定位信息，車載微處理器對收集到的數據進行處理，根據不同的協同策略調整自身的行駛狀態。

3 半實物仿真實驗

3.1 場景描述

車輛跟隨的一般過程主要包括三部分：感知和信息搜集、決策和控制過程以及跟隨狀態輸出。首先，輸入前車運動狀態(車速、加速度、車距等)；其次，駕駛員感知前車和自車的運動狀態信息并進行分析，然后做出決策并調整車輛狀態；最后，車輛根據駕駛員的控制跟隨前車行駛，輸出跟隨車的運行狀態。

車輛動力學模型：智能車在行駛過程中所承受的阻力主要有地面摩擦阻力、空氣阻力、加速度阻力等，用一個等式表示如下：

(1)

其中，μ為摩擦系數；m為小車質量；g為重力加速度；θ為路面傾斜角；α為偏航角；fα()為阻力修正函數；δ為質量換算系數。

永磁直流電動機的機械特性如下：

(2)

其中，Ω為電機角速度；U為電樞端電壓；Ra為電樞繞組電阻；Rj為電樞回路串入的調節電阻；CE為電動勢常數；CT為轉矩常數；Tem為電磁轉矩；Φ為每極的磁通量。

假設小車以某個設定速度行駛，那么，在行駛過程中有Ft=F，根據電動機的特性，有Tem=T0+T2，空載轉矩為T0=0，則

(3)

其中，T2為機械轉矩；r為車輪半徑。

假設小車在行駛過程中不存在滑動現象，則智能小車后輪驅動速度u=Ωr，根據式(2)和式(3)整理得到電機模型為：

(4)

其中

在傳統交通環境中前車運動狀態的感知和收集一般通過人工估計的方式來獲取，由于不同的駕駛員，不同的交通環境，駕駛經驗等因素的影響，通常情況下駕駛員估計的前車運動狀態與真實運動數值之間存在較大誤差。這種情況在引入車-車通信系統后將有巨大的改善[18]。

3.2 理論模型仿真

2000年，姜銳等[19]提出了全速度差(FVD)模型，該模型考慮了正負速度差對車輛動力學的影響，能夠避免產生過高加速度的問題。

(5)

其中，a為敏感系數；Δvn(t)=vn+1(t)-vn(t)；V(Δxn(t))為優化速度函數；λ為速度差項的權系數，采用分布假定函數：

(6)

其中，a，b和臨界間距Δxc為常數。

上式表明，當車距的取值范圍不同時，選取不同的速度差權系數來控制對優化速度的影響，車距越大，兩車速度差的影響就越小，反之同理。

車輛啟動過程的初始化分布：車隊包括10輛車，每輛車的位置為：

xn(0)=(n-1)d,n=1,2,…,10

(7)

其中，d=7.4 m。

車隊在啟動之前，頭車(n=10)處于靜止狀態，v10(0)=0 m/s。因模擬中采用Helbing優化速度函數，VH(7.4)=0 m/s，所以vn(0)=0,n=1,2,…,9。因此初始時刻車隊靜止。

邊界條件：頭車的優化速度VH(∞)=14.66，因為前方沒車，在任何時候ΔvH=0。

仿真過程如圖3所示。

圖3 FVD模型車隊啟動過程車輛運動狀態仿真結果

FVD模型在車輛的速度控制、車隊穩定性等方面具有較好的表現，可以考慮將其作為一種跟隨控制策略加以應用，因此文中選取FVD模型作為車輛的控制模型，進行進一步的半實物仿真驗證。

3.3 車輛跟隨場景半實物仿真實驗

3.3.1 方案設計

根據車輛跟隨模型的要求，應用文中搭建的車路協同半實物仿真系統對跟隨模型進行仿真驗證。將基于理論模型的控制算法移植到模型車輛上，并讓模型車在道路微縮沙盤上進行移動，測試的目的在于觀察前后車之間的協同過程，將結果與理論模型的仿真結果進行對比，驗證在半實物仿真環境下模型車輛的運動是否會出現與軟件仿真相似的結果，以驗證該方案的合理性，以及控制模型在半實物仿真環境下的穩定性及健壯性，為實物仿真提供理論基礎。

選取4輛實驗模型車輛，將車輛的參數通過無線網絡實時進行交互。實驗車輛分為兩種，分別為頭車和跟隨車。頭車為自由行駛狀態，仿真控制系統通過向頭車發送控制信息實現對頭車的控制，進而觀察當頭車行駛狀態發生改變時跟隨車的調整過程。跟隨車通過車載微處理機實時解析自身數據以及收到的前車的數據，并且將數據代入跟隨控制模型，計算跟隨車速，并實現協同式跟隨。模型車輛跟隨控制算法采用FVD模型，選取Helbing優化函數，由于上述模型是反映真實車輛運動的模型，無法直接將模型車輛的數據帶入，故結合模型車輛與真實車輛的比例引入比例因子ε，將車輛模型的運動參數通過比例因子轉化為真實車輛的運動參數。則模型小車的運動控制公式為：

(8)

初始化分布：4輛車排成一列，每輛車的位置為:

(9)

其中，d'=d/ε=0.37 m。

車隊開始起步之前，頭車處于靜止狀態。車輛運動信息以10 Hz的頻率進行廣播。定位數據同樣以10 Hz的頻率進行刷新。

3.3.2 結果分析

分別對車輛的啟動和剎車場景進行實驗，以驗證文中搭建的半實物仿真系統能否正確地還原跟隨場景，及對跟隨模型在半實物仿真環境下的控制效果進行驗證。

車輛啟動和剎車半實物仿真實驗結果分別如圖4和圖5所示。

圖4 車輛啟動半實物仿真實驗結果

圖5 車輛剎車半實物仿真實驗結果

通過對車隊啟動與剎車過程的實驗結果進行分析可知：

(1)兩組實驗結果均與FVD模型數值仿真時的速度與位移變化曲線出現了相似的變化趨勢。這說明搭建的半實物仿真系統，在一定程度上還原了車路協同環境下車輛跟隨場景中車輛的協同過程。

(2)從啟動過程的位移變化曲線可以看出，位移的變化趨勢并不平滑而是會出現波動，這是由于定位裝置的誤差造成的，這使得車距信息也會受到誤差的影響。最終造成對模型車輛狀態的錯誤控制，造成車速與理想值有差距，導致車隊進入穩定狀態的時間后移。同時由于定位誤差是始終存在的，這也會導致車速在優化速度附近波動。

(3)從剎車過程的位移變化曲線可以看出，在40 m處4輛車發生了碰撞。這是由于定位信息的誤差造成的，因為當前后車的間距越小，誤差對車距準確性的影響就越大，進而對模型車輛的運動狀態的影響就越大，導致車輛相撞。

綜上，文中搭建的半實物仿真系統，在一定程度上還原了車路協同環境下車輛跟隨場景中車輛的協同過程，并且發現理論模型忽視了真實環境中存在的定位誤差的影響導致車輛發生碰撞，存在一定的缺陷。

4 結束語

對車路協同半實物仿真平臺的軟硬件組成、系統結構、原理和技術進行了詳細的分析，利用構建的車路協同半實物仿真系統，對基于V2V的車路協同場景進行了半實物模擬仿真實驗。實時采集了實驗過程中不同場景下模型車輛的行駛狀態數據，并對其進行了分析。研究結果表明，該系統能夠較真實地還原典型的交通場景，驗證控制模型的可用性，并能反映出潛在的物理因素對控制模型的影響，為理論模型的進一步完善和真實環境下的實驗提供依據。

鑒于半實物仿真的各種益處，開展半實物仿真將會在越來越多的領域興起，半實物仿真的規范和技術仍然處于不斷發展和完善中。

參考文獻：

[1] 李小華.我國計算機應用的發展現狀與趨勢預測[J].信息與電腦:理論版,2014(1):179-180.

[2] 常 城.汽車電子半實物仿真平臺的研究[D].大連：大連理工大學,2008.

[3] 張曉杰,姜同敏,王曉峰.提高計算機網絡可靠性的方法研究[J].計算機工程與設計,2010,31(5):990-994.

[4] VANHOLME B,GRUYER D,GLASER S,et al.Fast prototyping of a highly autonomous cooperative driving system for public roads[C]//Proceedings of IEEE intelligent vehicles symposium.[s.l.]:IEEE,2010:135-142.

[5] 何智偉.智能車路系統中汽車編隊控制建模方法研究[D].武漢:武漢理工大學,2009.

[6] RAJAMANI R,CHOI S B,LAW B K,et al.Design and experimental implementation of longitudinal control for a platoon of automated vehicles[J].Journal of Dynamic Systems Measurement and Control,2000,122(3):470-476.

[7] MILANES V,ALONSO J,BOURAOUI L,et al.Cooperative maneuvering in close environments among cybercars and dual-mode cars[J].IEEE Transactions on Intelligent Transportation Systems,2011,12(1):15-24.

[8] VAN DEN BROEK T H A,NETTEN B D,HOEDEMAEKER M,et al.The experimental setup of a large field operational test for cooperative driving vehicles at the A270[C]//13th IEEE international conference on intelligent transportation system.[s.l.]:IEEE,2012:198-203.

[9] REICHARDT D,MIGLIETTA M,MORETTI L,et al.CarTALK 2000-safe and comfortable driving based upon inter-vehicle-communication[C]//Proceeding of IEEE intelligent vehicles symposium.[s.l.]:IEEE,2002:545-550.

[10] KATO S,TSUGAWA S,TOKUDA K.Vehicle control algorithm for cooperative driving with automated vehicles and intervehicle communications[J].IEEE Transactions on Intelligent Transportation Systems,2002,3(3):155-161.

[11] XU Z,ZHAO X,LI H,et al.Initial classification algorithm for pavement distress images using features fusion of texture and shape[C]//95th annual meeting on transportation research board.[s.l.]:[s.n.],2016.

[12] 趙祥模,惠 飛,史 昕,等.泛在交通信息服務系統的概念、架構與關鍵技術[J].交通運輸工程學報,2014,14(4):105-115.

[13] 白國柱,趙祥模,徐志剛,等.車路通信環境下 TD-LTE無線資源調度建模與仿真[J].現代電子技術,2014,37(13):1-5.

[14] 陳 婷,趙祥模,代 亮,等.車輛通信接入系統的自適應傳輸模式選擇策略[J].交通運輸工程學報,2014,14(1):119-126.

[15] 趙祥模,徐志剛,陳 婷,等.一種基于LTE技術的車路通信測試平臺及測試方法:CN,CN103533559A[P].2014-01-22.

[16] 李驍馳.基于4G-LTE與WAVE的車聯網無線通信平臺構建與性能測試[D].西安:長安大學,2015.

[17] 徐志剛,任 亮,程 鑫,等.一種基于車聯網的智能車路協同系統仿真模型平臺:CN,CN201320124681.3[P].2013-10-09.

[18] 魯光泉,王云鵬,田大新.車車協同安全控制技術[M].北京:科學出版社,2014.

[19] 姜 銳,吳清松,朱祚金.一種新的交通流動力學模型[J].科學通報,2000,45(17):1895-1899.