本书总结了吉林大学未来出行生态汽车吉林省**实验室长期研究智能网联驾驶汽车技术的经验和成果，并借鉴了国内外相关的科研成果，对生态协同驾驶技术涉及的**内容进行了全面的介绍。本书基于车路协同体系研究了非理想通信环境下编队控制策略、车辆编队节能控制策略和生态速度引导策略，并介绍了车联网技术实现、人机认知交互和未来智慧出行系统。本书适合从事车路协同技术应用和智能交通研究的人员，可作为高等院校车辆工程、智能交通等专业的参考教材，同时也可为广大从事汽车、交通行业的工程技术人员提供参考。

1.3车路协同与智能交通系统

1.3.1车路协同技术

随着车辆智能化进程的日益推进，其中以智能驾驶辅助为核心的L2-L3级自动驾驶、智能**相关技术逐步成熟并且部分技术得到产业化推广，如车道偏离预警、自适应巡航、自动紧急制动等均体现了**的应用效果。在车辆智能化和5G通信技术的基础上，基于车车协同、车路协同的智慧交通系统为未来智能生态出行提供了新的机遇。车路协同将路面上的行驶车辆作为信息感知对象，借助新一代5G信息通信技术，实现车内、车际、车云“三网融合”，即车与车、车与人、车与路之间的网络连接。与目前的单车智能相比，车路协同的优势可以总结��四点——**、**、低成本、落地更快。首先在**方面，单车智能存在一定的局限性，因为其搭载的传感器探测范围十分有限，200米以外的道路情况可能就无法获取，也无法探测到在近距离被障碍物遮挡的车辆和行人。而车路协同可以做到超视距的感知，面对突然闯出的行人、障碍物等危险，它可以利用路边单元的传感器准确地传递车辆感知不到的道路信息，为车辆抹去很多探测死角，提前感知危险，相较于人脑可显著减少交通事故的发生概率。同时，由于路边感知单元可以使用城市电网，突破了车载能源的限制，从而可以使用性能更强劲的计算单元，使得车辆的决策能力大幅提高。再加上城市电网的价格远低于通过内燃机转化成电能的成本，使车路协调的性价比更高。其次，在效率方面，不同于单车智能的个体优化，车路协同系统中，车辆、路边设备还能与城市交通系统的“云大脑”实时交互，并由**计算**从全局上来统筹优化。举例而言，当乘客驾驶车辆或者乘坐单车智能的车辆时，突然发现前方道路在施工，或者交警在干预交通状况，此时车路协同系统就可以通过车路通信，协助车辆及时收到此类交通道路信号并调整路线，避免拥堵路况发生。据有关数据计算显示，车路协同技术的应用可使道路的拥堵情况降低30%-40%。当智能网联车辆渗透率为****时，道路通勤效率将得到大幅提升，甚至可以从根本上解决道路拥堵。此外，得益于我国在基建、5G方面的优势，车路协同也将成为我国发展智慧交通的主要形式。2019年9月，国务院印发《交通强国建设纲要》，2020年3月，**发改委等11个部委联合印发《智能汽车创新发展战略》。两大文件作为**战略指导性文件，均指出车路协同是未来的重要发展方向。目前，车路协同还处于初级发展阶段，BAT、华为、华人运通等互联网、汽车企业都有涉足其中，未来的车路协同领域势必是多家参与的局面，而业内也亟待制定统一的通信协议、接口标准。预计到2022年，我国将完成“智慧的路、聪明的车、实时的云、可靠的网、**的图”五大体系建设。

第1章汽车智能生态出行概述/1 1.1智能生态出行的内涵及意义/1 1.2自动驾驶汽车技术/3 1.2.1自动驾驶关键技术系统架构/3 1.2.2自动驾驶分级标准/7 1.3车路协同与智能交通系统/8 1.3.1车路协同技术/8 1.3.2智能交通系统/12 本章参考文献/14 第2章多车协同编队控制概述/16 2.1多车协同编队发展现状/16 2.2自适应巡航控制/20 2.3节能导向的协同驾驶研究/24 本章参考文献/27 第3章复杂通信拓扑结构下的编队稳定性控制/35 3.1多车协同编队控制系统/35 3.1.1通信拓扑结构优化设计/35 3.1.2跟车策略设计/36 3.1.3协同自适应巡航控制器设计/36 3.2多车协同编队模型建立/37 3.2.1车辆编队纵向动力学模型/37 3.2.2基于图论的复杂通信拓扑结构/38 3.2.3车辆编队动力学模型/40 3.3协同自适应巡航控制器设计/41 3.3.1通信拓扑结构与控制器解耦设计/41 3.3.2通信拓扑结构优化/43 3.4多车协同编队仿真分析/46 本章参考文献/50 智能网联车辆生态协同驾驶——未来出行解决方案目录第4章面向实际通信状态的多车协同编队鲁棒控制/53 4.1非理想通信环境下的多车协同编队控制/53 4.1.1车辆编队纵向动力学模型建立/53 4.1.2控制器参数优化设计/56 4.1.3仿真验证/60 4.2基于Smith预估的多车协同编队控制/67 4.2.1Smith预估控制器设计/67 4.2.2不同模式控制下的控制器设计及性能对比/70 4.2.3高速路燃油经济性测试工况下的多车协同编队仿真/72 本章参考文献/75 第5章基于事件触发的多车协同编队鲁棒控制/76 5.1考虑参数不确定性的事件触发控制器设计/76 5.1.1基于事件触发的多车协同编队建模/76 5.1.2控制器参数匹配设计/79 5.1.3仿真验证/85 5.2非理想通信状态下的事件触发控制策略设计/89 5.2.1存在通信丢包时的系统模型建立/89 5.2.2自适应触发机制设计及仿真验证/92 5.2.3基于自适应跟车时距的协同自适应巡航控制器设计/94 本章参考文献/96 第6章智能网联车队列节能控制方法/97 6.1动力系统构成及能耗模型构建/97 6.1.1传统燃油车能耗模型构建/100 6.1.2纯电动汽车能耗模型构建/101 6.1.3混合动力汽车能耗模型构建/102 6.2车辆编队节能*优控制主要算法/102 6.2.1庞特里亚金极值原理/103 6.2.2模型预测控制/104 6.2.3动态规划/106 6.2.4伪谱法/108 6.2.5强化学习/110 6.3跟车行驶过程队列能耗优化/114 6.3.1基于纵向动力学的车辆编队建模/116 6.3.2基于模型预测控制的队列节能策略/116 6.3.3智能网联车辆编队节能效果分析/118 6.3.4ECACC与传统ACC的效果对比/123 本章参考文献/127 第7章车路协同环境下的生态驾驶技术研究/130 7.1智能网联汽车生态驾驶概述/130 7.2考虑横向约束的队列*优速度轨迹规划/134 7.2.1车辆横向动力学建模与约束设计/134 7.2.2基于动态规划算法的生态驾驶策略/139 7.2.3车辆编队跟车与节能效果分析/144 7.3连续信号灯交叉口场景下车辆编队生态协同 驾驶研究/152 7.3.1信号灯交叉口生态驾驶*优控制问题设计框架/153 7.3.2基于控制逻辑切换的改进动态规划算法设计/153 7.3.3城市工况下队列生态协同驾驶效果分析/159 本章参考文献/163 第8章车联网技术与软硬件实现/165 8.1车联网技术发展与应用/165 8.1.1车联网发展历程/165 8.1.2车联网技术分类及特点/168 8.1.3V2X的实际应用与作用/172 8.2车联网的软件应用/175 8.2.1智能交通模拟软件综述/176 8.2.2智能车辆模拟软件综述/179 8.3车联网硬件实现/183 8.3.1V2X通信设备/183 8.3.2V2X通信芯片与通信基站/185 8.4智能网联汽车示范区/187 8.4.1智能网联汽车示范区建设现状/188 8.4.2智能网联汽车示范区组成与测试项目/192 本章参考文献/195 第9章智能网联汽车认知交互研究/197 9.1智能网联下驾驶人意图识别与行为感知/197 9.2智能网联人机协作驾驶/207 9.3智能网联下驾驶行为认知交互/223 本章参考文献/229 第10章智能网联车辆应用及未来智慧出行系统/232 10.1网联商用车队列生态协同驾驶/232 10.1.1商用车编队行驶特点及优势/232 10.1.2商用车编队行驶整体系统架构/234 10.2智能网联乘用车在智慧城市中的协同驾驶出行/237 10.2.1信号灯交叉口车辆生态驾驶控制/237 10.2.2交叉口信号灯配时/239 10.2.3无信号灯交叉口车辆协同控制/242 10.3未来智慧出行系统/244 10.3.1多功能智能座舱/244 10.3.2飞行组网式智能交通系统/246 10.3.3轨道式智能交通系统/248 10.3.4可变结构智能公共交通系统/252 本章参考文献/253