[论文解读] Safe Human-Inspired Mesoscopic Hybrid Automaton for Longitudinal Vehicle Control

Alessio Iovine, Francesco Valentini+3 more|arXiv (Cornell University)|Jul 28, 2015

Traffic control and management参考文献 16被引用 5

一句话总结

本文提出了一种安全、类人的中观混合自动机，用于纵向车辆控制，通过车车通信将微观驾驶员行为模型与宏观交通流数据相结合。通过根据整体交通状况动态调整时距，该模型减少了加速度峰值，提升了车队稳定性，从而在减少振荡的同时实现更平稳、更安全的跟车控制，相比传统自适应巡航控制（ACC）具有更高的通行能力。

ABSTRACT

In this paper a mesoscopic hybrid automaton is introduced in order to obtain a human-inspired based adaptive cruise control.

研究动机与目标

• 开发一种自适应巡航控制（ACC）系统，其在舒适性和安全性方面模仿人类驾驶行为。
• 将宏观交通流信息（如密度、流量）整合进微观车辆控制模型，以增强响应速度与稳定性。
• 通过带状态反馈与扰动抑制的混合自动机建模，确保跟车场景下的安全与稳定性。
• 评估V2V通信框架的可行性，以实现实时共享交通状态数据，提升控制决策质量。
• 证明将宏观洞察融入微观控制模型可减少串稳定性问题并提升交通通行能力。

提出的方法

• 采用六状态混合自动机对每个跟车车辆进行建模，使用连续动力学描述位置、相对速度与绝对速度，离散状态则控制逻辑。
• 控制逻辑基于心理物理与刺激-反应的跟车原理，模拟不同条件下人类驾驶员的行为。
• 基于方差的时距机制根据宏观交通方差动态调整期望时距，实现中观适应。
• 模型结合本地信息（前车状态）与全局交通数据（通过V2V通信），提前预判交通流变化并提前调整制动/油门操作。
• 采用集中式或分布式通信框架，通过带时间戳与地理定位的报文传输交通状态数据（如速度、密度），防止重复并确保可靠性。
• 利用混合系统理论对稳定性与安全性进行形式化分析，定义安全跟车行为的平衡点。

实验结果

研究问题

• RQ1 如何设计一种混合自动机模型，以在纵向车辆控制中复现类人的舒适性与安全性？
• RQ2 将宏观交通方差纳入时距策略在多大程度上能提升车队稳定性并减少振荡？
• RQ3 需要何种通信架构，才能实现在联网车辆之间实时、可靠地共享宏观交通数据？
• RQ4 与传统微观ACC相比，所提出的中观控制模型在瞬态响应与串稳定性方面表现如何？
• RQ5 将宏观流数据整合进微观控制框架是否能减少加速度峰值并提升交通通行能力？

主要发现

• 所提出的中观混合自动机成功减少了车队在加减速事件期间的加速度峰值与瞬态振荡，尤其在减速与加速阶段表现显著。
• 当VDT类机制启用时，仿真中第五辆车在约45–55秒时即开始预判减速，而未启用该机制时则延迟至55–65秒，表明响应能力显著提升。
• 图6中的相图显示，VDT类机制下瞬态响应明显更平滑，轨迹更平稳地收敛至平衡点。
• 使用宏观数据时，平衡点附近的振荡减少，表明串稳定性改善，且减少冲击波传播风险。
• 在所有场景下，模型均保持了防撞能力，证实了在VDT模式开启与关闭状态下均具备安全性。
• 仿真结果表明，将微观控制与宏观交通信息结合可显著提升整体系统性能与通行能力。