基于预测恒定车头时距策略的自适应巡航控制研究.pdf

第 13 卷第 5 期2023 年 9 月汽车工程学报Chinese Journal of Automotive EngineeringVol.13No.5Sept.2023基于预测恒定车头时距策略的自适应巡航控制研究周春国，曾志成，毛 锦（西安理工大学 机械与精密仪器工程学院，西安 710048）摘要：为了进一步提高车辆跟车过程中的跟踪性、安全性、舒适性和燃油经济性，针对已有间距策略表现过于保守或反应过于激烈等不足之处，提出了一种预测恒定车头时距策略。该策略考虑了相对加速度，建立了一种预测型期望车间距模型，进而应用于模型预测控制的多目标自适应巡航控制系统中，能进一步提高模型预测控制对多个控制目标的综合协调能力。搭建上层控制器、下层PID控制器、油门制动切换、逆纵向动力学模型。在多工况下仿真，通过建立性能评判指标对多目标进行量化分析。结果表明，所提出的间距策略在保证安全性的前提下，提升了自适应巡航控制系统的综合性能。在不同驾驶风格的车头时距下，跟踪性、舒适性和燃油经济性均有良好表现。关键词：间距策略；模型预测控制；多目标；自适应巡航控制；驾驶员风格中图分类号：U463.6文献标志码：ADOI：10.3969/j.issn.20951469.2023.05.10Research on Adaptive Cruise Control Based on Predicted Constant Time Headway StrategyZHOU Chunguo，ZENG Zhicheng，MAO Jin（School of Mechanical and Precision Instrument Engineering，Xi an University of Technology，Xi an 710048，China）Abstract:To further improve tracking,safety,comfort and fuel economy during vehicle following,a predicted constant time headway strategy is proposed to overcome the shortcomings of the existing spacing strategies,which often show responses that are either overly conservative or excessively reactive.This strategy incorporates relative acceleration to build a predictive desired inter-vehicle distance model.When integrated into the multi-objective adaptive cruise control system using model predictive control,this model enhances the comprehensive coordination capabilities of the system for multiple control targets.The paper developed an upper-level controller,a lower-level PID controller,throttle brake switching,and an inverse longitudinal dynamics model.Simulations were conducted under various conditions,and performance evaluation indicators were established to quantitatively analyze multiple targets.The results show that,while ensuring safety,the proposed spacing strategy improves the overall performance of the adaptive cruise control system.Under the time headway of different driving styles,the system exhibits good performance in tracking,comfort and fuel economy.Keywords:spacing strategy;model predictive control;multi-objective;adaptive cruise control;driver style收稿日期：20220818改稿日期：20220914基金项目：国家自然科学基金项目（61701397，51705419）；中央高校基本科研业务费专项资金资助项目（300102211513）参考文献引用格式：周春国，曾志成，毛锦.基于预测恒定车头时距策略的自适应巡航控制研究 J.汽车工程学报，2023，13（5）：695-704.ZHOU Chunguo，ZENG Zhicheng，MAO Jin.Research on Adaptive Cruise Control Based on Predicted Constant Time Headway Strategy J.Chinese Journal of Automotive Engineering，2023，13（5）：695-704.（in Chinese）汽车工程学报第 13 卷自 适 应 巡 航 控 制（Adaptive Cruise Control，ACC）系统作为高级驾驶辅助系统（Advanced Driving Assistance System，ADAS）的重要组成部分，可以缓解驾驶疲劳，提高跟车安全性、跟踪性、舒适性以及燃油经济性1-2。而间距策略作为ACC系统中的重要一环，在ACC对车辆的控制中起着重要作用。近年来，对间距策略的研究呈多元化态势，由最初的固定间距策略3发展为可变间距策略。IOANNOU等4提出恒定车头时距（Constant Time Headway，CTH）策略，使期望车间距随行驶环境而改变。YANAKIEV等5提出考虑相对速度的可变车头时距（Variable Time Headway，VTH）策略，认为车头时距是与相对速度有关。罗莉华6提出考虑前车速度趋势的可变车头时距，使ACC系统能适应前车加减速等复杂场景。YANG Lei等7针对减速适应性，提出了一种随前车减速时间和减速速度变化的可变车头时距策略。施卫等8提出考虑驾驶员动态跟车特性的改进可变车头时距策略。WANG Junmin等9针对交通流稳定性问题，提出了一种随道路拥堵密度和自由流速度变化的可变车头时距策略。CHEN Jianzhong等10提出了考虑宏观交通流理论、相对加速度和前车加速度的可变车头时距策略，进一步提高交通流的稳定性，并增强道路容量。黄晶等11为提高对多种工况的适应性，提出了个性化间距策略，在保证安全性的基础上进一步满足驾驶员的个性化需求，提高了接管准确性。研究表明，跟车间距过小，会使车辆产生较为激烈的加减速来应对复杂多变的行车工况，造成驾驶员驾乘舒适性下降，增加油耗，在面对突发状况时增加了追尾碰撞的潜在可能性，降低安全性。而跟车间距过大，不仅会降低道路容积率与吞吐量12，还可能会诱发相邻车道的车辆超车并线或变道强插等不文明事件而造成交通事故，因此间距策略的合理性是非常重要的。综上所述，针对已有间距策略表现过于保守或反应过于激烈等不足之处，提出一种考虑相对速度、相对加速度的预测恒定车头时距（Predicted Constant Time Headway，PCTH）策略。对 ACC系统采用分层控制结构13，基于模型预测控制（Model Predictive Control，MPC）理论14，综合协调跟车安全性、动态跟踪性15、乘驾舒适性16以及燃油经济性174项存在一定冲突的控制目标，为避免硬约束下二次规划出现无解问题，引入松弛向量法18-19，进一步提高ACC系统的综合性能。1预测恒定车头时距策略如图1所示，在实际跟车过程中期望车间距不仅与相对速度、前车加速度有关，还与本车加速度有关。当相对速度0（相对加速度0），即前车速度大（前车加速度大），此时希望期望车间距减小，以便更快跟上前车；反之，与前车保持更远的距离，防止发生交通事故。PCTH间距策略如式（1）所示。ddes=thvf+d0-vreltv-12arelta2。（1）式中：ddes为期望车间距；vf为本车速度；th固定车头时距；d0为最小安全车间距；vrel=vp-vf为相对速度；arel=ap-af为相对加速度；tv为预测相对速度的持续时间；ta为相对加速度的持续时间。由式（1）可知，期望车间距与本车速度、相对速度和相对加速度相关。当本车速度越高，相对速度和相对加速度越小时，期望车间距越大，由此提高车辆跟随安全性；反之，期望车间距越小，提高车辆动态跟踪性。考虑到在出现紧急情况时，两车相对速度和相对加速度越小，越容易反应不及时，因此，通过设置tv和ta分别与相对速度和相对加速度成线性关系来提高安全性。同时，为了防止图1ACC纵向运动学示意图696第 5 期周春国 等：基于预测恒定车头时距策略的自适应巡航控制研究tv和ta过大，对其引入饱和函数得：tv=tmaxviftv tmaxvtv=()1+|vrelv*tkviftv tmaxvta=tmaxaifta tmaxata=()1+|arela*tkaifta tmaxa。（2）式中：符号|为绝对值；tkv为相对速度的时间权重系数；tka为相对加速度的时间权重系数；v*=3 m/s为平均最大相对速度；a*=3 m/s2为 GB/T 206082006智能运输系统自适应巡航控制系统性能要求与检测方法规定的平均最大减速度。2ACC上层控制算法2.1ACC纵向动力学建模如图2所示，ACC系统采用分层设计，上层控制器根据传感器得到的本车状态、前车状态，以及由间距策略得到的期望车间距等参数来决定本车的纵向期望加速度；下层控制器根据期望加速度得到节气门开度、制动压力等来控制车辆执行器，使本车实际加速度收敛于上层控制器得到的期望加速度。现取x(k)=d(k)vf(k)vrel(k)af(k)j(k)T5 1作为状态向量，其中j为加速度变化率，期望加速度作为控制输入u，前车加速度作为系统干扰w。为了提高预测精度，将PCTH策略引入预测模型环节中，取y(k)=d(k)vrel(k)af(k)j(k)T4 1作为性能指标，其中d=d-ddes。根据图1中车辆纵向运动学特性，建立离散状态空间方程，如式（3）（4）所示。x(k+1|k)=Ax(k)+Bu(k)+Gw(k)。（3）y(k)=Cx(k)+Z。（4）式中：A=10Ts-0.5Ts0010Ts0001-Ts00001-Ts0000-105 5，B=000KLTsKL5 1，G=0.5Ts20Ts005 1，C=1-thtv-0.5ta200010000010000014 5，Z=-d0+0.5apta2000T4 1。其中：Ts为ACC系统上层采样周期；u为期望加速度；KL为一阶系统增益；为ACC系统中采用一阶惯性环节的时间常数。2.2预测模型记p为预测时域，m为控制时域，且p m，在预测时域 k，k+p-1，控制时域 k，k+m-1内，由式（3）（4）逐步迭代整理得：Xp=Apx(k)+BpU+GpWpYp=CpXp+Zp。（5）式中：Xp=x(k+1)x(k+2).x(k+p)Tp 1，Yp=y(k+1)y(k+2).y(k+p)Tp 1，U=u(k)u(k+1).u(k+m-1)Tm 1，Wp=ap(k)ap(k+1).ap(k+p-1)Tp 1，分别为预测时域与控制时域内的状态序列、性能序列、控制序列、干扰序列，其系数矩阵为：Ap=A1A2Ap5p 5，Bp=B00ABB0Ap-1BAp-2Bi=0p-mAiBp m，车载传感器间距策略（d、vf、vp、af、ap等）上层控制器ddesades车辆执行器切换策略驱动逆模型制动逆模型下层控制器PID控制器af图2ACC系统框架697汽车工程学报第 13 卷Gp=G00AGG0Ap-1GAp-2GGp p，Zp=ZZZp 1，Cp=diag CCC p p。2.3ACC车辆多目标与约束分析2.3.1目标分析ACC车辆的最终控制是车间距趋近于期望车间距，速度趋近于前车车速，将控制目标表示为：limt di(t)-ddesi(t)=0limt vi(t)-vi-1(t)=0limt ai(t)=0limt ji(t)=0。（6）为综合协调 ACC的动态追踪性、燃油经济性以及乘驾舒适性等控制目标，将控制输入和性能指标以二次型的形式表示为：JT=wdd2+wv.relv2relJF=waaf.des2+wjj2JC=wc(af.ref-af)2。（7）式中：wd、wv.rel为动态追踪性的权系数；wa、wj为燃油经济性的权系数；wc为乘驾舒适性的权系数，各权系数在权系数总合中占据的比重越大，其对应的控制目标越重要；af.ref=kvvrel+kdd为驾驶员参考加速度20。2.3.2松弛向量法建立系统约束条件MPC算法在滚动优化过程中采用硬约束容易导致无解，引入松弛因子与松弛系数对硬约束条件进行松弛化，以解决滚动优化过程中无解的问题。出于对安全性的考虑（防止出现如追尾等事故），仅对间距误差、相对速度、加速度、加速度变化率以及期望加速度的硬约束条件进行松弛化，如式（8）所示。dmin+1vdmin d dmax+1vdminvrel.min+2vv.relmin vrel vrel.max+2vv.relminaf.min+3vamin af af.max+3vaminjmin+4vjmin j jmax+4vjminumin+5vumin u umax+5vumax-qy ddes-d0。（8）式中：q=1，0，0，01 4；=1，2，3，4，5T5 1为松弛因子，且均0；vdmin，vv.relmin，vafmin，vjmin，vumin为硬约束下界的松弛系数，且均0。2.4MPC算法最终转化为了防止约束条件中松弛因子的无限扩大而导致约束失效，在代价函数中增加二次型惩罚项T来约束松弛因子，从而在可行解与松弛程度之间寻求平衡。综上所述，推导出在预测时域和控制时域的性能代价函数为：J=(JT+JC+JF)+T =YpTWYp+UTRU+T。（9）式中：W=diag t+ct+ct+cp p，t=diagwdwv.rel0wj4 4，c=wck2dkdkv-kd0kdkvk2v-kv0-kd-kv1000004 4，R=diag wawawam m。最终联立式（5）、（8）和（9），得到式（10），将滚动优化转换为带约束的在线二次规划问题，再通过Matlab中的二次规划求解器quadprog对其求解，可以得到一串控制序列，选取控制序列中的第1个分量作为实际控制量u(k)。min UTHU+2FUs.t U T。（10）式中：U=U，H=BpTCpTWCpBp+R00，F=x(k)TApTCpT+WpTGpTCpT+ZpT0，=-CpBpVYmin0CpBp-VYmax0-I0VuminI0-Vumax-QpCpBp00(9p+2m)(m+5)，698第 5 期周春国 等：基于预测恒定车头时距策略的自适应巡航控制研究T=-Ymin+CpApx(k)+CpGpWp+ZpYmax-CpApx(k)+CpGpWp+Zp-UminUmax-Dsafe+Ddes+QpCpApx(k)+CpGpWp+Zp(9p+2m)1。其中：VYmin=vyminvyminvyminTp 1，VYmax=vymaxvymaxvymaxTp 1，vymin=diag vdmin，vvmin，vafmin，vjmin，vymax=diag vdmax，vvmax，vafmax，vjmax，Vumin=vuminvuminvuminTm 1，Vumax=vumaxvumaxvumaxTm 1，Dsafe=d0(k)d0(k)d0(k)Tp 1，Ddes=ddes(k)ddes(k)ddes(k)Tp 1，Qp=diag q，q，q p p。3数值仿真为了验证本文提出的PCTH策略在多目标MPC算法上的有效性，利用Matlab/Simulink进行仿真，与 IOANNOU 所提出的 CTH 策略4、YANAKIEV所提出的YVTH策略5以及罗莉华所提出的LVTH策略6进行对比。通过大量数值仿真，结合文献16，设置仿真参数见表1，硬约束边界与松弛系数见表2。根据文献 4 6 将间距策略参数设置为：d0=5 m，tkv=0.8 s，tka=0.5 s，tmaxv=2 s，tmaxa=1 s。3.1评判指标设计1）跟踪性评判指标：在车辆纵向跟车过程中，往往以间距误差和相对速度来评价动态追踪性能。由于本文采用的是可变间距策略，间距误差不能准确反映跟踪性能，所以用相对速度的均值作为跟踪性指标，如式（11）所示。Itract=1Kk=1K()|vf(k)-vp(k)。（11）式中：符号|为绝对值；K为仿真采样总数。2）舒适性评判指标：MOON 等21通过大量试验分析指出，ACC汽车加速度和加速度变化率越小，乘坐舒适度就越高，因此，以加速度与加速度变化率的均值作为舒适性指标，如式（12）所示。Icomf=1Kk=1K()|af(k)a*+|j(k)j*。（12）式中：j*=2.5 m/s3为GB/T 206082006规定的平均最大速度变化率。3）经济性评判指标：采用ETIM油耗模型22作为燃油经济性指标。3.2紧急工况两车初始间距为5 m，初速度均为0 m/s，前车于2 s时刻以2.5 m/s2的加速度加速8 s，10 s时刻以20 m/s的速度匀速行驶 4 s，14 s时刻再以 2.5 m/s2的加速度加速4 s，20 s时刻突然以-5 m/s2的加速度减速到停止。车头时距th取1.2 s，仿真结果如图3所示。表1仿真参数参数Ts/s/sKLpm值0.10.41.010.05.0diag 3，3，3，3，3参数wdwv.relwawjwc值21111表2硬约束与松弛系数硬约束dmin/mdmax/mvrel.min/（m/s）vrel.max/（m/s）af.min/（m/s2）af.max/（m/s2）jmin/（m/s3）jmax/（m/s3）umin/（m/s2）umax/（m/s2）数值-55-55-43-43-43.5松弛系数vdminvdmaxvv.relminvv.relmaxvafminvafmaxvjminvjmaxvuminvumax数值-33-11-0.10.1-0.050.05-0.10.1699汽车工程学报第 13 卷由图3可知，PCTH策略在前车加减速时均能快速反应，使车辆表现出良好的跟踪性。在 2026 s的紧急制动中，车辆始终保持安全距离，且较快地使车辆趋于稳定，表现出良好的安全性。CTH策略因车头时距取值较小，紧急制动时反应不及，在26.3 s时与前车发生碰撞。YVTH策略在紧急制动过程中虽未与前车发生碰撞，但反应仍不及时，使车辆制动停止时与前车距离仅有0.86 m，存在安全隐患。LVTH策略在前车加减速时出现反应过度现象，甚至在19 s速度超调到32.42 m/s，跟车过程中虽然保持安全车距，但降低了舒适性。由此可知，PCTH策略在保证安全性的前提下兼顾了动态跟踪性和驾乘舒适性。由于 CTH 策略在紧急工况下发生碰撞，不对其进行量化分析。图 4 中，相较于 YVTH 策略，LVTH 策略的跟踪性提高 29.47%，舒适性降低29.58%，燃油经济性降低24.31%；PCTH策略的跟踪性提高 6.63%，舒适性提高 3.23%，燃油经济性提高9.34%。3.3循环工况两车初始间距为32 m，初始速度均为15 m/s，前车在2 s时刻以0.5 m/s2的加速度加速3 s，5 s时刻以-0.5 m/s2的加速度减速6 s，11 s时刻以0.5 m/s2的加速度加速3 s，共循环3次。车头时距th取1.8 s，仿真结果如图5所示。由图5可知，LVTH策略在前车加速度小幅波动下，速度、加速度和加速变化率过分超调，反应剧烈，降低了驾乘舒适性。CTH策略和YVTH策略由于反应较慢，在整个跟车过程中出现较大的相对速度，遇到紧急情况可能无法及时反应。相比之下PCTH策略随前车的加减速而快速反应，使本车速度及加速度与前车保持良好的一致性，且车辆间距波动最小。图 4紧急工况评判指标分析（a）实际车间距（b）速度（c）加速度（d）加速度变化率图3紧急工况700第 5 期周春国 等：基于预测恒定车头时距策略的自适应巡航控制研究由图6可知，相较于CTH策略，YVTH策略的跟踪性提高21.66%，舒适性降低0.71%，燃油经济性降低 1.29%；LVTH 策略的跟踪性提高 15.35%，舒适性降低 119.91%，燃油经济性降低 10.21%；PCTH 策略的跟踪性提高 28.76%，舒适性提高5.54%，燃油经济性提高1.72%。4联合仿真为了进一步验证算法的有效性，使仿真更加接近真实的行车情况，利用Matlab/Simulink和Prescan搭建仿真场景、上层控制器、下层PID控制器、油门制动切换策略和逆纵向动力学模型，如图7所示。车辆相关参数见表3。4.1WLTC工况世界轻型汽车测试规程（Worldwide Harmonized Light Vehicles Test Cycle，WLTC）23是由联合国制定，如图8a所示。该工况模拟了城市（低速）、城郊（中速）、乡村（高速）和高速公路（超高速）4种不同的驾驶场景，相比NEDC工况更加复杂，能更加准确地反映车辆行驶情况，因此，本文采用WLTC工况来验证间距策略在全速度域的有效性。通过本（a）实际车间距（b）速度（c）加速度（d）加速度变化率图5循环工况图 6循环工况评判指标分析 车辆传感器上层控制器下层控制器动画模块车辆动力学模型可视化数据图7基于Prescan的联合仿真控制模型表3Prescan中车辆模型参数参数整车质量/kg空气密度/（kg/m3）迎风面积/m2空气阻力系数滚动阻力系数值1 8201.2902.9380.2130.010参数车辆长度/m车轮半径/m主减速比传动效率值5.210.345.301.00701汽车工程学报第 13 卷节的评判指标对结果进行定量分析，车头时距th取1.8 s，仿真结果如图8所示。经WLTC工况验证，由图8和图9可知，当车头时距th为1.8 s时，相较于CTH策略，YVTH策略的跟踪性提高 4.79%，舒适性提高 0.49%，燃油经济性提高0.98%；LVTH策略的跟踪性提高4.75%，舒 适 性 降 低 12.43%，燃 油 经 济 性 提 高 3.36%；PCTH 策 略 的 跟 踪 性 提 高 8.35%，舒 适 性 提 高2.38%，燃油经济性提高3.56%。因此，PCTH策略能更好地协调相对冲突的控制目标，提升了 ACC的综合性能。4.2不同车头时距的影响上述工况分别是在th为1.2 s和1.8 s下的仿真结果，根据文献11中不同驾驶员风格将车头时距划分为1、1.2、1.4、1.6、1.8、2 s，并在WLTC工况下分析不同车头时距对间距策略的影响，结果如图9所示。如图9所示，车头时距越大，跟踪性越差，舒适性越好，油耗越低。在跟踪性上，PCTH LVTH YVTH CTH；在 舒 适 性 上，PCTH YVTH（a）跟踪性变化趋势（b）舒适性变化趋势（c）燃油经济性变化趋势图9不同车头时距的影响（a）速度（b）加速度（c）加速度变化率图8WLTC工况联合仿真结果702第 5 期周春国 等：基于预测恒定车头时距策略的自适应巡航控制研究CTH LVTH；在燃油经济性上，PCTH LVTH YVTH CTH。由此可见，PCTH 策略在不同车头时距下都能有较好的表现。5结论针对传统的CTH策略反应较慢，VTH策略反应过于激烈，提出了考虑相对速度、相对加速度并具有预测特性的PCTH策略。该策略在MPC算法下可进一步提升安全性、跟踪性、舒适性以及燃油经济性等多目标自适应巡航系统的综合控制。1）通过设计性能代价函数和不等式约束，在保证安全性的前提下，综合协调了乘坐舒适性、动态跟踪性和燃油经济性，通过引入松弛因子解决无可行解问题。紧急工况下，当前车出现强制动时，仅PCTH间距策略在保证车辆安全性的前提下，兼顾驾乘舒适性。循环工况下，PCTH策略随前车的加减速而快速反应，使本车速度和加速度与前车保持良好的一致性，且相对车间距波动最小。2）通过WLTC工况对间距策略进行联合仿真，更真实地模拟了行车情况。结果表明，通过PCTH策略得到的期望车间距能更好地协调相对冲突的控制目标。相较于CTH策略，PCTH策略的跟踪性提高了 8.35%，舒适性提高了 2.38%，燃油经济性提高了3.56%。3）通过不同的驾驶员风格划分得到不同的车头时距，并在WLTC工况下分析不同车头时距对间距策略的影响。结果表明，相较于 CTH 策略，PCTH 策略在不同车头时距下，跟踪性提高了8.12%16.12%，舒适性提高了2.00%5.81%，燃油经济性提高了3.22%5.03%。参考文献（References）1 MOSER D，SCHMIED R，WASCHL H，et al.Flexible Spacing Adaptive Cruise Control Using Stochastic Model Predictive ControlJ.IEEE Transactions on Control Systems Technology，2018，26（1）：114-127.2 DANG Ruina，WANG Jianqiang，LI Shengbo，et al.Co-ordinated Adaptive Cruise Control System with Lane-Change AssistanceJ.IEEE Transactions on Intelligent Transportation Systems，2015，16（5）：2373-2383.3 XIAO Lingyun，GAO Feng，WANG Jiangfeng.On Scala-bility of Platoon of Automated Vehicles for Leader-Predecessor Information FrameworkC/2009 IEEE In-telligent Vehicles Symposium，June 3-5，2009，Xi an，China.Piscataway NJ：IEEE，c2009：1103-1108.4 IOANNOU P A，CHIEN C C.Autonomous Intelligent Cruise Control J.IEEE Transactions on Vehicular Tech-nology，1993，42（4）：657-672.5 YANAKIEV D，KANELLAKOPOULOS I.Nonlinear Spacing Policies for Automated Heavy-Duty Vehicles J.IEEE Transactions on Vehicular Technology，1998，47（4）：1365-1377.6 罗莉华.汽车自适应巡航控制及相应宏观交通流模型研究 D.杭州：浙江大学，2011.LUO Lihua.Vehicle Adaptive Cruise Control and the Corresponding Macroscopic Traffic Flow ModelD.Hangzhou：Zhejiang University，2011.（in Chinese）7 YANG Lei，MAO Jin，LIU Kai，et al.An Adaptive Cruise Control Method Based on Improved Variable Time Headway Strategy and Particle Swarm Optimization Algorithm J.IEEE Access，2020，8：168333-168343.8 施卫，万广轩，刘斌.基于驾驶特性的ACC系统安全间距策略研究J.智能计算机与应用，2021，11（1）：156-160.SHI Wei，WAN Guangxuan，LIU Bin.Driving Safety Spacing Strategy of ACC System Based in Driving CharacteristicsJ.Intelligent Computers and Applica-tions，2021，11（1）：156-160.（in Chinese）9 WANG Junmin，RAJAMANI R.Should Adaptive Cruise-Control Systems be Designed to Maintain a Constant Time Gap Between Vehicles？J.IEEE Transactions on Vehicular Technology，2004，53（5）：1480-1490.10CHEN Jianzhong，ZHOU Yang，LIANG Huan.Effects of ACC and CACC Vehicles on Traffic Flow Based on an Improved Variable Time Headway Spacing StrategyJ.IET Intelligent Transport Systems，2019，13（9）：1365-1373.11黄晶，韦伟，邹德飚.基于个性化间距策略的自适应巡航系统模式切换策略研究 J.汽车工程，2020，42（10）：1302-1311.HUANG Jing，WEI Wei，ZOU Debiao.Research on Multi-mode Switching Strategy of Adaptive Cruise Control System Based on Personalized Spacing StrategyJ.Automotive Engineering，2020，42（10）：1302-1311.（in 703汽车工程学报第 13 卷Chinese）12MASSERA F C，TERRA M H，WOLF D F.Safe Optimization of Highway Traffic with Robust Model Predictive Control-Based Cooperative Adaptive Cruise ControlJ.IEEE Transactions on Intelligent Transpor-tation Systems，2017，18（11）：3193-3203.13朱敏，陈慧岩.考虑车间反应时距的汽车自适应巡航控制策略 J.机械工程学报，2017，53（24）：144-150.ZHU Min，CHEN Huiyan.Strategy for Vehicle Adaptive Cruise Control Considering the Reaction HeadwayJ.Journal of Mechanical Engineering，2017，53（24）：144-150.（in Chinese）14孙涛，夏维，李道飞.基于模型预测控制的协同式自适应巡航控制系统J.中国机械工程，2017，28（4）：486-491.SUN Tao，XIA Wei，LI Daofei.CACC System Based on MPCJ.China Mechanical Engineering，2017，28（4）：486-491.（in Chinese）15BAGESHWAR V L，GARRARD W L，RAJAMANI R.Model Predictive Control of Transitional Maneuvers for Adaptive Cruise Control VehiclesJ.IEEE Transactions on Vehicular Technology，2004，53（5）：1573-1585.16章军辉，李庆，陈大鹏.仿驾驶员多目标决策自适应巡航 鲁 棒 控 制J.控 制 理 论 与 应 用，2018，35（6）：769-777.ZHANG Junhui，LI Qing，CHEN Dapeng.Driving Imitated Multi-Objective Adaptive Cruise Control Aglgorithm J.Control Theory and Applications，2018，35（6）：769-777.（in Chinese）17ZHANG Jianlong，IOANNOU P.Longitudinal Control of Heavy Trucks in Mixed Traffic：Environmental and Fuel Economy ConsiderationsJ.IEEE Transactions on In-telligent Transportation Systems，2006，7（1）：92-104.18吴光强，郭晓晓，张亮修.汽车自适应巡航跟车多目标鲁棒控制算法设计 J.哈尔滨工业大学学报，2016，48（1）：80-86.WU Guangqiang，GUO Xiaoxiao，ZHANG Liangxiu.Multi-Objective Robust Adaptive Cruise Control Algori-thm Design of Car Following Modol J.Journal of Harbin Institute of Technology，2016，48（1）：80-86.（in Chinese）19章军辉，李庆，陈大鹏.车辆多模式多目标自适应巡航控制 J.电子科技大学学报，2018，47（3）：368-375.ZHANG Junhui，LI Qing，CHEN Dapeng.Multi-Objective Adaptive Cruise Control with Multi-Mode StrategyJ.Journal of University of Electronic Science and Technology of China，2018，47（3）：368-375.（in Chinese）20BOER E R，WARD N J，MANSER M P，et al.Driver-Model-Based Assessment of Behavioral AdaptationJ.Transactions of the Society of Automotive Engineers of Japan，2006，37（4）：21-26.21MOON S，YI K.Human Driving Data-Based Design of a Vehicle Adaptive Cruise Control AlgorithmJ.Vehicle System Dynamics，2008，46（8）：661-690.22CAPPI