• 李萌:绿色智能车的纵向跟驰建模与仿真分析
    2013-09-28 13:18:52   来源:Tranbbs.com    评论:0 点击:

      Tranbbs消息:由中国智能交通协会主办的“第八届中国智能交通年会暨智能交通创新成果展”9月26日在安徽召开。27日下午,以《智能交通青年科技论坛》为主题的分论坛在合肥威斯汀酒店举办。清华大学土木工程系李萌副研究员以“绿色智能车的纵向跟驰建模与仿真分析”为主题进行了演讲。

      以下为演讲实录:

      李萌:感谢闫教授,今天非常有这个容幸参与我们青年论坛,我想说青年论坛其实不同于其他的主题。首先我们是一个青年人的派对,我们聚在一起有很多新的想法去碰撞,去思考。今天我选这个题目,绿色智能车,实际上这个想法就是在去年的差不多这个时候,我在参加一个学术会议的茶歇的时候,跟一个朋友聊天所想出来的一个题目,其实我这个发言以后应该正好是茶歇,所以希望我们也利用这样的机会我们大家再碰撞一下产生更多的想法。

      另外我们青年人所要思考这个问题,并不一定是我们当前的问题,接下来我们有一些更疯狂的想法,我们可以想想五年、十年之后交通会是什么样的,所以今天这个题目可能想的比较超前,有一些比较规矩的想法。另外一个我想多说一点,作为清华,我们不一定以我们的老师为好,首先我们以自己的学生为好,这个题目实际上是我的一个本科生用了半年的时间,他从学习最基础的交通理论,到最后做出了一个交通仿真软件,然后分析出了一整套的结果,所以今天也很愿意跟大家分享一下他做的工作。

      这是从五个部分:

      自动驾驶技术向我们走来。今天也非常凑巧,或者说其实是我们协会非常有远见,我们在今年协会的科技奖里面,第一名实际上就是自动驾驶技术。实际上这一部分研究非常有意义,非常重要,有可能会深远到未来我们交通系统,刚刚回顾我们说自动驾驶技术的发展,最早的所谓的自动驾驶是从1939年,纽约世界博览会上展示的,其实他不是自动驾驶技术,它有点像我们的玩具,这就是最早开始有我们自动驾驶的一个想法。

      从欧洲主要是奔驰为代表的,整个全程的自动驾驶里程超过了95恩%,另外一个在美国也非常有名气,叫自动高速系统NAHSC,耗资9000万美元,于1997年在甲胄圣地亚哥I-15高速公路上进行的技术展示登上时代周刊的封面。究竟是政府应该先花大量的投资建设这样的可以实施自动驾驶的高速公路,还是先去选择这样的方式,政府有决心做这个事情,所以卡在这个问题上之后,美国在这方面出现了分歧。

      直到最近,大概是2010年之后,有一个比较明显的突破是由Google做的,其实他做自动车投入时间并不长,他采用的也是一帮比较有想法的年轻人在一起,他们采用的技术是用他们最先进的地图技术和智能一些检测技术进行结合,他们从2010年开始用了短短一年的时间,就实现了在内华达州和加州的莫哈韦沙漠进行测试。

      自动驾驶技术的影响,比如说当在未来我们可以去展望,如果每一个车都是自动驾驶车辆,我们可能并不需要去购买我们自己的车辆,我们可能是由政府去运营一个车队,当我需要出行的时候,车只是意味着把我从A点到B点,其他我不用考虑。车辆的购置和使用已经完全分离,因为我们基础不一样,我们不必要在家里有停车位。这样解决了很多我们现在层面的一些要素问题。另外从交通的管理,刚才吴教授讲到我们的微博,之前闫教授也讲到交通的行为,实际上包括我们在考虑中国的交通跟欧美的交通有什么样的差别,其实最主要的一点就是驾驶行为不一样,我们有年轻司机,年轻的新司机,我们还有特别有特点的就是我们有大量的中老年的新司机,我们还有中老年的女性的新司机,给我们道路带来了很多严重的问题。未来我们的车辆可以实现自动控制,对于我们的整个交通系统来说,可以解决很多管理的问题。我们当时就是从这个想法去展开,在这个里面我们就是其中一点。

      这张图是用交通仿真做出来的,上面左边的那张是代表激进驾驶行为,人们更喜欢以高速的状态前进,右边是百分之百都是保守的驾驶行为,他的交通里面发展状况是这样的,产生的整个交通拥堵情况是这样的,如果我们去考虑他在交通行为里面的其中的一个因素,就是累积的污染物去对比他们不同的模型。累积的污染物排放会比较高,因为人们在频繁的加速、减速、换道,在这个过程中产生了大量的污染物,而保守驾驶行为是这条红线,它的污染物是小一些,但是对于整个交通系统来说,实际上他对整个道路系统的利用并不是最高,因为他们平均驾驶的速度更慢慢,我们怎么样在二者之间进行权衡,有没有可能通过一些优化进行调整,我的想法就是如果在我的交通流里面,首先百分之百都是优化控制是什么样的情况,如果我们一辆车,只有一辆车是使用自动驾驶行为的话,他对他自己是有影响的,他对他后面所有的车辆也是有影响的,这个影响有多少,所以我们从这一点进行了研究。

      我们讲的是这样一个整体排放的过程当中,我们建立了一个排放优化的模型,一个是估计的污染物模型,在这个模型基础之上我们希望找到最优的控制能够改善我们的交通系统整体的交通排放。

      我们采用的是非线性模型预测控制,它本身是根据我们以往的交通行为去预测未来一个阶段之内交通的行为,在这个状态之内我们选取一部分的时间作为我们控制的一个时间周期,在这里面最优化我们一个目标,但这里面是预测前车的轨迹,滚动优化是我们整体的排污染的合乎能耗。

      基于NMPC的车辆纵向优化控制,一个是车队预测污染物总排放,还有是速度罚函数,另外一个就是为了保证我们速度的整个驾驶的舒适度,我们一个加速度的罚函数。我们有一个车辆避撞约束,第二是速度、加速度的约束,第三是位置和速度如何在不同时间段进行更新,这是整体建立的一个模型。如果在这个模型里面我们有另外一个,这里面我们需要非常精确的预测前车的运行轨迹,我们也在思考一个问题,如果我们能简化问题,我只是对下一个时间节点进行简化的预测,那我得到什么样的结果,我们就建立一个非常简化的顺势的优化措施。

      这是开放边界场景仿真,这个是没有控制的情况,所有的车辆以这样的方式运行,这是他的轨迹线,我们做的事情就是在第一辆车的大概30秒的时间进行一个车辆的改变,看整个车辆的运行状况。我们应用两个不同的模型,刚才我们讲的NMPC运行控制模型和顺势控制模型,通过改变一辆车改变它的运行轨迹,它是吸收部分拥堵冲击波所带来的影响,同时影响后边车辆的运行轨迹,在这个情况之下我们看整体排放到底是属于什么样的情况,这是我们累计的排放对比参数值,我们看到黑线是没有控制的线路,我们的红线代表着是顺势控制,我们如何对短时间进行顺势控制的结果,另外一个蓝线是所有车辆进行优化控制所得到一个结果,从这个结果中我们可以看到,这两个模型相比于不受控制的模型,从排放角度的确降低了很多,同时我们看到了这两个模型之间其实差异在这个场景之下实际上并不明显,这是我们的第一个场景。

      我们做的第二个场景,环型车道仿真。时间是307秒,我们总得智能车的比例占所有车比例的20%,在这个模拟的基础之上,实际上我们车体的密度是80。我们做两套实验,第一套实验就是对比不同智能车占有的比例,从没有智能车到百分之百都是智能车,我们看它的差异,这是第一个差异,对于40辆车,车型的密度相对比较小的情况之下,在这个结果里面,20%的智能车能够达到这样的效果。在20%以后,我们看到的效果并不是很大的。如果我们增加这个车比例,到60或80,我们看到慢慢的出现了不同的比例产生不同的效果,越高的比例产生越好的效果,但是所达到最高效果进度不一样。如果我们对比非常拥堵的状态,100辆车每公里的状态,实际上我们改进的空间密度并不大,在这样完全的停车和前进的过程之中,我们的智能车进行的影响并不大,因为车的速度非常慢。

      如果对比我们刚刚考虑的完全是排放的影响,如果当我们考虑总体出行的速度会不会也受到影响,会不会因为降低了排放而导致我们整体的素质降低,从这里面看到实际上我们对于不同的模型之间整体的速度变化并不是非常大。另外我们在看是不是我们每一辆车控制这些智能车的控制产生的作用非常大?我们在这里每一辆车在300秒的过程之中,他所做的决策的变化,我们看到的参数变化还是比较大的。

      另外我们一个场景是环形道路仿真,对于我们没有控制的情况之下,我们发现我们一个拥堵是这样的,大家都处于一个拥堵状态,我们如果加入了某一辆车是智能车的话,他所起到的作用就是在不断传递拥堵过程之中能够吸收塔的影响,能够缓解我们交通所受的波动的影响。

      这张图是跟之前比较流行的一些先进的累积污染物排放比较和总行驶距离比较,这两个比较是实现一个比较舒适的驾驶,如果我们加入智能控制,目的是为了减少排放的话,我们看看跟他们对比也是效果比较明显的。

      最后一个仿真实际上做的是匝道控制,我们看到如果主路流量在不断增大的过程中,我们效果在慢慢减少,因为我们在主路不断增大的过程中,整个交通流处于一个拥堵的状态的时候,这样吸收的效率并不是达到很高。我们同时用实测的数据对仿真做了修正,用了一小时完全,非常精密的,对所有交通行为有一个完全完整的标记,这是分出的四类不同的东西。这张图实际上我们应用实测数据做的分析。这里面我们选举了四个不同的车队,这个车队里面每一辆车他都是实际的轨迹,每一辆车都有他自己的换道以及跟车的个性。这个黑色的线所代表的是如果我们不做控制,他在四个不同的车队,他的总排放,蓝色的是我们做顺势控制所能实现的一个总排放,绿的是实现最优控制实现的总排放。一个非常明显的效果就是通过我们的控制能够大大减少整体车流系统的一个总体排放。而且在两个不同的优化系统里边,我们看到他们之间的差别会很大,实际上我们采用简单的构造模型方法也可以实现非常好的效果。

      非常快的做一个结论,实际上在这么一个小的实践想法的基础之上,我们提供了两个不同车队纵向控制的最优算法,我们也看到他在这里面排放的角度以及行车速度的角度产生多大的影响,这里面根本原因就是交通的振荡,实际上我们可以根据自动控制的方法进行吸收,也就是在未来的方法如果我们能够有一定量的自动控制,他对我们可以产生巨大的影响,我们未来希望到后面除了纵向控制以外还把这个考虑进来。

      非常容幸的跟大家分享这些结果,如果有问题我们可以在下一阶段进行讨论,谢谢大家。

      特别注明:“请勿转载,违者必究”

    责任编辑:吕圣霞

    相关热词搜索: 智能车纵向

    上一篇:杨超:基于大数据的人类活动模型发展趋势
    下一篇:孙剑:微观交通仿真器与多驾驶模拟器一体化实验平台研发及应用

    智能交通行业首家推出移动互联网媒体,每日更新 !让您随时随地了解行业资讯。
    专栏观点更多>>
    BBS观点更多>>