绪论
以智能交通系统为背景，阐述多自主车辆系统安全控制与协作的研究意义，介绍国内外相关研究进展。在此基础上，分析和总结多自主车辆系统研究中存在的问题，最后给出本文的主要内容和结构安排。
1.1 问题的提出与研究意义
为了研究车辆的安全控制[1]问题，研究人员将目光转移到智能交通系统的研究上，以车辆安全运行为前提，研究多自主车辆协作与优化。然而实际模型和真实环境不仅代价大，安全性也无法得到保证，通过建立实验室规模的多自主车辆实验平台来模拟实际车辆的运行环境[2]，演示实际交通路况下车辆运行的典型情况，进行实时安全决策控制研究和多自主车辆系统任务规划与优化算法开发。这样不仅降低了成本，也保证实验过程的安全，开发的算法可以运用到真实模型与环境中，对推动智能交通系统的发展起到一定的意义[3]。智能交通系统的提出，对交通环境的改善有着积极的意义，它是一门综合学科，主要包括通信与信息技术[4]、控制技术[5]、传感器融合技术以及计算机处理技术等。智能交通系统研究的主要对象是智能车辆[6]，还包括运行的交通环境，车辆通过利用车载传感器，主要包括视觉系统、红外测距模块、速度采集模块、定位系统、里程计等，感知车辆状态，获得路况、车辆位置和速度等基本信息，并以此作为车辆控制的依据，使得车辆能够可靠地运行，保证系统的安全性。国内外学者通过搭建实验规模的多智能车辆系统，研究车辆相关性能，例如车辆避碰[7]、车辆动力学[8]、车辆的转弯性能[9]等。近年来，车辆协作的研究比较多，多智能车辆系统的研究主要集中在车辆避碰、超车和调度等方面，依靠先进的通信技术[10]、定位技术以及控制技术，进行大规模车辆协作，提高了交通系统的通行效率和安全性。车辆的安全控制和路口协作是多自主车系统研究的重要组成部分，各国学者和研究机构都开展了这方面的研究工作，这已经成为 ITS 领域研究的热点。在交通系统中，事故多发生在道路交汇处和车辆变道的过程中。在路口交汇处，一般通过设置红绿灯来引导车辆通行，但这也增加车辆通行所需要的时间，降低了交通系统的效率。对于车辆变道，发生事故的概率也很大，当前方车辆发生故障或缓慢行驶时，就会阻碍后方车辆，这时如果强行换道超车就有可能发生碰撞事故。对于城市交通系统[11]，路况一般较为复杂，运行车辆也很多，车辆安全性显得非常重要。车辆的协作是以车辆安全控制为前提，实验室规模的多自主车辆系统的相关研究成果有利于智能交通的优化与发展，同时也可以用于像多机器人竞赛等各种复杂任务环境，具有广泛的研究背景和较高的研究意义。
1.2 智能交通系统的国内外研究现状
多自主车辆协作及相关技术被各国学者和研究机构进行了广泛的研究，国外的研究起步较早，取得了一定的研究成果。较为典型的如美国在 1998 年提出了车路集成系统(VII)[12]；日本在 2007 年提出 Smartway 项目，并亲自在高速公路上进行了演示；欧洲 ITS 协会于 2003 年提出 eSafety 计划，主要研究如何应用信息和通信技术改进道路交通安全，除了包括自主车载安全装置外，还考虑到车辆协作，进而有效地规避潜在危险并开发出车载安全系统的功能。很多发达国家都开展了智能交通系统的研究，美国加利福利亚的 PATH 项目[13]，旨在研究高速公路上车辆的队列控制，智能车辆在高速公路上是以队列的形式运行并进行了实际环境下的演示，这项研究对于提高交通系统容量和车辆安全性具有重要意义，法国 INRIA 研究智能车辆在道路交汇处的多车协作与优化[14]，该项目是以 CyCab 智能车辆为基础，利用智能车辆间以及车和路间的通信完成智能车辆在道路交汇处的协作，并实现了智能车辆运行轨迹的监控。欧盟的研究人员在 CyberCars 项目后，还重点研究了智能交通系统中多自主车辆的协作问题，并在安全性得到保证前提下进行局部优化。CyberCars-2 项目的诞生旨在研究智能车辆系统在城市等复杂环境下的应用，主要研究车辆跟随、路口协作、车队管理等行为。德国 INTERSAFE 项目主要研究车辆交叉路口的避碰，通过车辆间的通信以及安装具有提示功能的装置来估计与其他方向行驶车辆的碰撞系数，给驾驶员传递可靠的信息，降低了车辆在交叉路口发生碰撞的可能性。日本政府也于 2000 年开始了名为“DEMO 2000” 和“SMART CRUISE 21”的实验计划[15]，其研究结论用于制定日后的实际应用标准。在国内，多智能车辆的研究起步较晚，但也有多所高校和科研机构展开了多自主车系统的相关研究，如清华大学研制的 THMR-V，能够完成复杂环境下车辆道路自动跟踪以及避碰等协作[16]。上海交通大学在智能车辆协作方面研究较多，研制了基于视觉、激光等传感器导航的 CyberC3 智能车辆，主要进行了路口车辆协作、车队管理等[17]相关方面研究，并开发了路口仿真平台，可以对车辆安全性、通行效率等进行评估。
第 2 章 多自主车系统轨迹跟踪与路口协作 ....................11
2.1 引言............11
2.2 多自主车系统建模 .................12
2.3 自主车辆状态估计与轨迹跟踪 ...................14
第 3 章 自主车辆换道与超车.................25
3.1 引言................25
3.2 自主车辆换道.................26
3.3 自主车辆超车.................31
第 4 章 资源有限环境下多自主车辆任务规划..................39
4.1 引言................39
4.2 静态任务分配算法................40
4.3 基于市场竞标的任务分配..................43
总结
本文的主要研究工作总结如下：
(1)、开发多自主车辆系统决策与控制实验平台，主要包括视觉系统、定位系统、无线通信系统、红外传感系统等。视觉系统采集路况信息，进行二值化处理，提取出黑线，完成路径识别；定位系统则为车辆提供覆盖区域的实时定位，监视器接收超声信号并通过网络控制器传输到上位机，利用接收的时间差计算出标签的位置坐标。视觉系统和定位系统为车辆导航提供保证。除此之外，还用到红外测距传感器和用于保证通信的无线模块，这些车载传感器的使用为后来研究多车协作提供技术保障。
(2)、研究典型路况下多自主车辆路口协作。建立环形多交叉路况电子地图并给出其目标轨迹点，基于混合系统模型并进行状态估计，完成多交叉路况的轨迹跟踪。针对可能发生碰撞事故的交叉路口，提出矩形冲突区域概念，其范围大小与车辆速度以及车身长度有关。引入势场函数，对于两辆靠近冲突区域的自主车，在产生预警信号后，分配加速度或减速度，车辆实现安全通过冲突区域，完成多自主车辆在交叉路口动态避碰。但是，冲突警戒线0F 和势场函数作用范围0ρ 的选择直接影响路口避碰成功率，可能避碰不及时而发生碰撞； 过大则会使得车辆过早调节速度，浪费时间并降低系统稳定性。
(3)、研究多自主车辆典型协作换道和超车，车辆在行驶过程中，遇到事故车辆或低速运行车辆时，就会产生换道意图进入相邻目标车道。在换道过程中要保证安全性，提出换道最小安全距离MSS ，而MSS 将车速与车距构成的平面分为换道安全区与非安全区，满足换道条件的车辆可以进行换道驶入目标车道。对于不满足换道条件的车辆，可以调节车辆速度，使得车辆的状态由非安全区域进入换道安全区域，满足换道条件。换道车辆要进行换道轨迹规划，采用五次多项式规划换道轨迹，这保证了换道轨迹的平滑，避免粗暴换道，并能达到目标点。对于超车研究，主要包括换道、超越和并道，引入并道条件，车辆可以通过调节速度使得状态进入并道安全区域，满足并道条件。超车轨迹规划是由换道轨迹、超越轨迹和并道轨迹组成。
参考文献
[1] K. Laberteaux, L. Caminiti, D. Caveney, and H. Hada. Pervasive vehicular networks forsafety [J]. IEEE Pervasive Compute., Spotlight, vol. 5, no.4, 2006, pages: 60–62.
[2] Desaraju, Ro, Yang, Tay, Roth, Del Vecchio. Partial Order Techniques for VehicleCollision Avoidance: Applicationto an Autonomous Roundabout Test-bed [C]. Roboticsand Automation, IEEE International Conference on, Kobe, 2009.
[3] 杨东凯, 吴今培, 张其善. 智能交通系统的发展及其模型化研究[J]. 北京航空航天大学学报, Vol.26, NO.1, 2000, pages: 22-25.
[4] Biswas, Tatchikou, Dion. Vehicle-to-Vehicle Wireless Communication Protocols forEnhancing Highway Traffic Safety [J]. Communications Magazine, IEEE, 2006, pages:74-82.
[5] Del vecchio, Domitilla, Murray, Richard M, Klavins, Eric.Discrete state estimators forsystems on a lattice [J]. Automatica, 2006, pages: 271-286.
[6] Cunningham R, Cahill V. System support for smart cars: Requirements and researchdirections [C]. Processing of the 9th Workshop on ACM SIGOPS European Workshop.US: ACM Press, 2000: 159-164.
[7] Chan Yet Wong, UvaisQidwai. Vehicle Collision Avoidance System [C]. The IEEESensors 2004, vol.1, Vienna, Austria, 2004.
[8] Verma, Del Vecchio. Development of a scaled vehicle with Longitudinal dynamics of aHMMWV for ITS testbed [J]. IEEE/ASME Transactions on Mechatronics, 2008,pages:46-57.
[9] 周芦芦, 曹凯. 基于动态目标位置的车辆弯道保持控制仿真[J]. 山东理工大学学报,2010, Vol.24, No.2, pages: 57-64.
[10] Yahia Tachwali, Hazem H.Refai. System prototype for vehicle collision avoidanceusing wireless sensors embedded at intersections [J]. Journal of the Franklin Institute,2009, pages: 488-499.