基于机器学习的汽车协同式自适应巡航控制机理研究

In V2V communication environment, vehicle cooperative adaptive cruise control is the hot and frontier of researching on vehicle advanced intelligent electric control technology currently. It is the key technology of implementation vehicle autonomous driving. It is mainly can mutually send driving status and driver intent in vehicles, for guarantee driving performance by full interactive with environment and vehicles cooperative way, to implement intelligent control to driving, braking and steering of vehicle. This project aims to use machine learning theory to research vehicle "environment aware"-"state forecast"-"performance evaluation" of multilevel data fusion mechanism. To build a set of vehicle cooperative adaptive cruise control algorithms of dynamic optimization: To achieve vehicle Agent simulation abstract, establishing models of consciousness to preserve all sense of rational balance; To research information perceived behavioral in some known or unknown environmental information, establishing multilevel algorithms of vehicles interaction with driving environment; Research vehicle making predictions about the driver intent and the next motion state of vehicle, building algorithm for forecast level; Research on the multiple control objectives driving security, vehicles stability, and comfort behavior, build a performance evaluation algorithm with cooperative decision. The research will provide a good theoretical and technical support for independent research and achieving leap-forward development of our country's vehicle intelligent control technology.

在车车通信环境下，汽车协同式自适应巡航控制是目前汽车先进智能电控技术研究的热点和前沿，是实现汽车自主驾驶的关键技术，主要是可以在汽车间相互传递行驶状况和驾驶意图信息，从全面与环境交互多车协同保证行驶性能出发，实施对汽车驱动、制动和转向的智能控制。本项目拟运用机器学习理论研究多车行驶环境感知级-状态预测级-性能评价级的多级数据信息融合机制,以此建立一套动态决策优化的汽车协同式自适应巡航控制算法：对汽车进行Agent模拟抽象，建立能够维护各个意识理性平衡的意识模型；研究环境信息部分已知或未知情况下信息感知行为，建立多车与行驶环境交互的多数据级算法；研究汽车对驾驶意图和汽车下一个行驶状态作出预测，建立状态预测级算法；研究多控制目标的驾驶安全性、多车稳定性和舒适性行为，建立协同决策的性能评价级算法。本项目的研究将为我国汽车智能控制技术的自主研发和实现跨越式发展提供良好的理论和技术支撑。

在车车通信环境下，汽车协同式自适应巡航控制是目前汽车先进智能电控技术研究的热点和前沿，是实现汽车自主驾驶的关键技术，主要是可以在汽车间相互传递行驶状况和驾驶意图信息，从全面与环境交互多车协同保证行驶性能出发，实施对汽车驱动、制动和转向的智能控制。本项目进行了多CACC车与行驶环境进行交互的多数据级信息融合算法研究，汽车驾驶安全性、舒适性以及多车稳定性多目标协同决策和控制算法研究，多CACC汽车全局行驶路径规划状态预测融合算法研究。提出了一种适用于CACC无线数据传输的加速度补偿平滑方法，能够提高DSRC通信接收端得到的数据的精度和平滑性。提出了适用于CACC的基于可信网络连接TNC的多秘密共享方案SAV4AV来保证车与车之间的通信安全。提出了一种车辆间行驶状态数据无线通信控制器及其控制方法，对适用于CACC的车车通信系统模型进行设计，能够避免、减少车辆碰撞。设计了一个针对车辆纵向行驶的CACC控制器，将感知层传来的状态模型作为输出，对车辆进行优化跟随控制，有很强的适应性和稳定性。提出了一种具有学习能力的汽车协同式自适应巡航控制系统，能够适用于单车道、汽车单向行驶的交通环境。运用PID算法对多CACC车辆形成的队列进行控制，验证了多车队列的延迟及波动特性。提出了一种结合GPS获取的海拔高度数据的适合于坡道的动态决策优化的车辆协同式自适应巡航控制改进算法，在坡道情况下明显改善了驾驶安全性和舒适性。提出了一种适用于CACC多车队列稳定性问题的预补偿控制算法，改善了CACC多车编队行驶稳定性。提出了一种基于SPFA&Fuzzy的CACC汽车编队行驶的动态路径规划算法，改善了道路的通行能力。本项目的研究为我国汽车智能控制技术的自主研发和实现跨越式发展提供良好的理论和技术支撑。