自动驾驶车辆队列控制策略研究.pdf

机械设计与制造38Machinery Design&Manufacture第8 期2023年8 月自动驾驶车辆队列控制策略研究张涛，柳祖鹏，陈玲娟，谭志鹏（武汉科技大学汽车与交通工程学院，湖北武汉430 0 6 5）摘要：随着智能交通和网联车辆迅速发展，控制智能网联车辆在道路上高效行驶的问题函待解决。为使智能网联汽车在道路上有序行驶，提出纵向控制策略和横向控制策略相结合的车队行驶控制策略，使车辆形成车队行驶，提高行驶效率，降低交通道路拥堵和车祸风险。为验证此控制策略，运用VISSIM交通仿真软件建立带有匝道的城市高架路段，通过编辑外部驾驶员模型文件和外部导入，对软件进行了二次开发。以默认车辆组成和车队控制策略车辆在仿真情形下做对比，进行仿真实验采集数据。结果表明，该控制策略与普通驾驶模式相比有较大优势，为智能网联汽车控制方案提供了建议。关键词：智能交通；自动驾驶；车队控制策略；VISSIM;外部驾驶员模型中图分类号：TH16U491.2文献标识码：AResearch About Autonomous Vehicle Platoon Control StrategyZHANG Tao,LIU Zu-peng,CHEN Ling-juan,TAN Zhi-peng(School of Automobile and Traffic Engineering,Wuhan University of Science and Technology,Abstract:With the rapid development of intelligent transportation and networked vehicles,the problem of controlling intelligentnetworked vehicles to drive efficiently on the road needs to be solved urgently.In order to make intelligent networked cars drive or-derly on the road and improve the efficiency of traffic flow,this paper put forward a platoon control strategy combining longitudi-nal control strategy and lateral control strategy to make the traffic flow driving more efficient,and reduce the risk of traffic con-gestion and traffic accidents.In order to verify this control strategy,the VISSIM trafic simulation sofware was used to build anurban elevated section with ramps,and the software was re-developed by editing external driver model files and external imports.The default vehicle composition and platoon control strategy are compared in different simulation situations,and simulation ex-periments are performed to collect data.The results show that the control strategy improves the efficiency of traffic flow,and pro-vides suggestions for the control scheme of intelligent connected vehicles.Key Words:Intelligent Transportation;Automatic Driving;Platoon Control Strategy;VISSIM;External DriverModel文章编号：10 0 1-39 9 7(2 0 2 3)0 8-0 0 38-0 5Hubei Wuhan 430065,China)1引言智能交通系统(Intelligent TrafficSystem,ITS)中,车辆与路侧单元和周边车辆可以进行实时的信息交互，随着5G通信技术的快速发展，这使得车载系统不再仅仅辅助驾驶员驾驶车辆，精准的信息传递让智能网联和自动驾驶汽车的实现成为可能。自动驾驶汽车可以按照一定的控制策略形成车队，在公路上高速稳定行驶，可以提高道路流量，缓解交通拥堵等现象。目前各学者通过不同方法对车队控制策略进行研究。文献建立智能车队行驶过程中纵向动力学模型，建立智能车队领来稿日期：2 0 2 2-0 6-11基金项目：湖北省教育厅科研计划资助项目一集群智能网联汽车的涌现机理与控制方法（B2019014)作者简介：张涛，（19 9 4-），男，山西忻州人，硕士研究生，主要研究方向：交通信息工程及控制；柳祖鹏，（19 7 9-）,男，浙江兰溪人，博士研究生，讲师，主要研究方向：交通管理与控制航车驾驶员模型，通过Matlab/Simulink/Stateflow平台搭建数学模型。验证了模型的正确性和合理性，可达到提高驾驶安全性、减少交通堵塞的目的。文献2 提出一种车-路协同环境下的信号交叉口速度引导策略，将被引导车辆及其后的普通车辆视为一个车队，基于微观交通仿真软件VISSIM和MOVES排放模型进行仿真，表明所提出的速度引导策略能显著减少延误和车辆排队长度，提高车辆行驶效率,并显著降低车辆污染及排放。文献3对协同式自适应巡航控制系统(CACC)人手,通过对Vissim中的驾驶员行为模型文件进行再编辑和外部导入，对车联网与自动驾驶第8 期车辆的简单仿真研究，肯定了该系统对交通流的优化能力。文献4提出一种分层控制方法实现全速巡航功能，采用车辆动力学仿真软件并进行实车试验，证明了所设计控制器的有效性和实用性。文献5考虑了车载传感器的有限感知能力，使用线性矩阵不等式方法来提高车队的串联稳定性；文献6-7 考虑了车辆性能的约束，采用模型预测控制方法来研究车队控制问题。文献8-9 提出了一种适用于大规模platoon与自由车辆协同运动的管理协议和管理策略,采用H。控制理论求解最优控制增益函数,改善和提升了道路性能和通信性能。文献10 利用平台开展红灯状态、隧道行驶和匝道行驶三种道路环境对车队行驶状态影响的仿真实验，得出车队可以顺利通过路口红绿灯；在安全车速范围内车队进出隧道口时方向控制良好；匝道坡度分别为3%和5%时，车队均保持稳定车间距安全行驶。文献!提出了CE-RRT算法，设计了线性时变模型预测控制器，通过仿真验证了控制器对直线路径的完全跟踪，提高了智能汽车的驾驶安全性。文献12 提出了旁车并线进入车队的跟车策略，并构建了考虑延时与误差反馈的联网巡航控制(CCC)系统,所提出的跟车策略可提升车辆的乘车舒适性与交通系统的安全性。文献13提出一种车队控制的通用可变时距策略，给出一种物理意义明确的可变行驶时距计算方法，更准确快速地控制车距安全。不但可实现车队与交通流的稳定控制，而且可改善车队综合性能。上述研究大多是对车辆进行纵向控制，缺乏对横向控制的研究。这里以智能驾驶员模型为基础，提出纵向控制策略和横向控制策略相结合的车队行驶控制策略，使交通流行驶更加高效。这一控制策略可以改善道路交通，提高道路通行效率和交通安全水平，对今后自动驾驶车辆控制的发展有实际意义。2跟驰模型的选择跟驰理论是运用动力学方法，研究在无法超车的单一车道上车辆列队行驶时,后车跟随前车行驶状态的一种理论，跟驰模型是用数学模型表达跟驰过程中发生的各种状态14。智能驾驶员模型（Intelligent DriverModel)是由Helbing、T r e i b e r 等通过大量实验得到数据提出的，经验符合很好且易于标定，成功地用统一的模型形式描述从自由流到完全拥堵流的不同状态。杨达等利用实际数据对两种车辆跟驰模型进行对比，发现智能驾驶员模型的驾驶方式比最优行驶速度的驾驶方式具有更好的稳定性15。此模型通过统一的形式，对车辆在自有流和拥堵流两种不同的跟驰模式进行描述。模型的公式如下：V=amas(ua,Aua)=sg+si模型中下标表示第辆车，下面均略去下标。式中：u一车辆该时刻速度；一本车与前车的速度差;s一当前车距离前车的距离;s一当前状态下驾驶员的期望间距；uo一理想速度;T一反应时间;max一最大加速度;b一舒适减速度;8 一加速度指数;s一静止安全距离参数；si一与速度相关的安全距离选择参数。但是此模型也存在不足之处,StevenE等学者推导出IDM模张涛等：自动驾驶车辆队列控制策略研究型具有良好的跟随性能，但响应速度慢，间隙变化大。覃频频等通过汽车制动性能测试仿真试验验证了智能驾驶员模型的不足，对比分析了改进智能驾驶员模型（ImprovedIntelligentDriverModel,IIDM)的优点。此期望距离的最后一项项，A是第:辆车和第1-1辆2/aaba车的速度差。当u0的时候，表示后车快速接近前车，因此该项为正，即驾驶员需要一个较大的车间距离。当u0loifs*(va,Ava)0车流方向1,10.0-2.-1图1扫描周围车辆(2)车联网实时通信，通信范围为30 0 m。3.1纵向控制策略纵向控制策略不涉及横向变道行驶，自动驾驶车辆通过检测与周围车辆之间的距离和速度形成车队，应遵循以下逻辑：(1)扫描周围车辆,若通信范围内不存在前车0,1,则将本车判定为头车。(2)若此车判定为头车，此车车速大于期望车速时，以舒适减(4)12No.840机械设计与制造速度减速；若此车车速小于期望车速，则以正常加速度达到期望(7)每3s计算一次本车与前车的实时车间距，并与期望间车速，并保持期望速度行驶。距比较，若等于期望间距，则保持此时的速度行驶；否则返回第(3)若通信范围内存在前车0,1,则将本车判定为跟随(6)步。车辆。开始(4)若此车判定为跟随车辆,通过收集本车的速度、本车与前+提出换道申请车的速度差、本车与前车的车间距等数据，通过IDM跟驰模块计扫描通信范围内的周围车辆算出合适的加速度，以与前车保持期望间距形成车队。11,1:(-1,17车辆不存在即范围内没有前车(5)每3s计算一次本车与前车的实时车间距，并与期望间距比较，若等于期望间距，则保持此时的速度行驶；否则返回第(4)步。开始扫描通信范围内的周围车辆0,1车辆不存在即范围内没有前车将本车设为头车文车速大于期望车速车速大于1.0 5倍期望车速以舒适减速度减速勾速行驶加速以达到期望车速结束图2 纵向控制策略Fig.2 Longitudinal Control Strategy3.2横向控制策略横向控制策略通过横向变道行为，在较短的时间内，使在扫描范围内的车辆编队成排，进一步形成车队，应遵循以下逻辑：(1)车辆提出换道申请并扫描周围车辆，若目标车道没有前车即1,1、-1,1车辆不存在，则将本车设置为头车。(2)若此车判定为头车，检测本车与目标车道后车的间距，若有足够的换道距离则换道;否则,后车即1,-1或-1,-1减速到有足够的换道距离后进行换道,如图4(a)所示。(3)头车换道完成后，检测本车车速，若大于期望车速，以舒适减速度减速；若此车车速小于期望车速，则以正常加速度达到期望车速，并保持期望速度行驶。(4)若目标车道有前车即1,1或-1,1车辆存在,则将本车设置为跟随车辆。（5)若此车判定为跟随车辆，检测目标车道前车与后车即1，1、1,-1车辆或-1，1、-1,-1车辆的间距,若有足够的换道距离则换道;否则,后车即1,-1或-1,-1减速到有足够的换道距离后进行换道，如图4(b)所示。(6)跟随车辆换道完成后，通过收集本车的速度、本车与前车的速度差、本车与前车的车间距等数据，通过IDM跟驰模块计算出合适的加速度，以与前车保持期望间距形成车队。Aug.2023N将本车设置为跟随车将本车设置为头车11,-1,F-1,-1车辆存在且有足够的换道距离向目标车道换道车速大于期望车速将本车设置为跟随车车速大于1.0 5收集前车和本车数据倍期望车速IDM跟驰模块计算加速度?+以舒适减速度减速勾速行驶加速以达到期望车速N每3秒计算车间距x与期望车间距s比较xsFig.3 Lateral Control Strategy车流方向0,0-1,-1(a）头车判定车流方向-1.-11(b）跟随车判定图4横向控制策略示意图Fig.4 Schematic Diagram of Lateral Control Strategy4仿真分析4.1仿真背景如图5所示，以武汉市白沙洲大道城市高架部分路段为例进行仿真实验。路网全长2 0 0 0 m，道路模型为单向三车道，道路限速为7 0 km/h,则设定期望速度为6 5km/h，带有出口匝道。4.2外部驾驶员模型DLLVISSIM的外部驾驶员模型DLL接口提供了选项，可以通过完全用户定义的行为来代替内部驾驶行为，以模拟运行中的某些或所有车辆。用户定义的算法必须在用C/C+编写的DLL中实现，该DLL包含特定功能。在模拟运行期间，VISSIM会为每个受影响的车辆调用DLL代码模拟时间步长，以确定车辆的行为。VISSIM将车辆及其周围环境的当前状态传递给DLL,并且DLL计算车辆的加速/减速度和横向行为（主要用于车道变化），然后将车辆的更新状态传递回VISSIM,如图6 所示。1-1.(-1-1车T1,-11,1车辆安全换道间距向目标车道换道收集前车和本车数据DM跟驰模块计算加速度每3秒计算车间距与期望车间距s比较XSX=SXs保持此时速度1,1-1，1表1车辆换道过程No.8Aug.2023火锅材市场洪山区集石化乔木Fig.5 Simulation Background ImageVISSIM与外部驾驶员模型VISSIM参数车长车辆类型车辆间距实时速度加速度相对速度图6 VISSIM与外部驾驶模型关系图Fig.6 Diagram of Relationship BetweenVISSIM and External Driving Model这里通过编程软件MicrosoftVisual Studio进行编程，实现头车判定模块、加速度控制模块、加速度模块计算等，DriverModel.cpp与DriverModel.h文件共同生成DriverModel_DLL文件，由车辆类型外部驾驶员模型复选框调用该文件，实现对车辆驾驶行为的控制。4.3仿真参数设置Fig.7Platoon Formation仿真场景为城市快速路段，分别在道路车辆组成为默认车辆组成和10 0%自动驾驶车辆组成的两种情况下进行仿真。仿真期间加载150 0 辆/h的交通量，设置车辆的期望速度为65km/h。为使数据更加精确，每10 0 0 m设置一个数据检测点，并在每个车道设置相应的时间计数器和排队计数器，进行多次机械设计与制造武春闸城市总长：2.0 公里花园小区区中国石然的版配区人1.9公里收#平安花璃发展限公司新嘉佳捷火尚品红城3公列电小区12公里火集团武汉伟龙大酒店1.0公烽火集团汽配城7553J江电汽车安易市场图5仿真背景图外部驾驶员模型车队形成策略参数调用纵向控制策略横向控制策略加速度控制模块仿真运行车队形成VISSIM路网文件图7 车队形成41试验以测定行程时间和延误。仿真时间为36 0 0 s，数据记录时间围为（0 36 0 0)s。仿真开始12 0 s左右，开始形成稳定车队，如图7 所示。4.4仿真数据分析跟踪其中一个车队，分析其形成过程，如表1所示。车辆1进入路网后，将自身设为头车；车辆2 进入路网在2 车道，目标车道为3车道，经过横向控制策略控制，扫描周围车辆后将车辆1设为鲜海柏费酒店前车，并改变其目标车道，最终换道到1车道；车辆3进人路网在3美的车道，扫描周围车辆后将车辆2 设为前车，最终换道到1车道；车湖北财鑫专业电梯辆4进人路网为1车道，将车辆3设为前车后继续行驶；车辆5进装饰设计加工中心煌火五金建材水市场鸿祥水耀批发部入路网在2 车道，目标车道为3车道，经过横向控制策略控制，扫描周围车辆后将车辆4设为前车，并改变其目标车道，最终换道武常路到1车道；车辆7 进人路网在1车道，目标车道为2 车道，经过横向控制策略控制，目标车道转换为2 车道，将车辆5设为前车继续行驶。至此，车队车辆经过横向控制策略，全部完成换道。车辆完成换道后，纵向控制策略扫描前车，收集本车与前车的相关数据，通过计算分配给车辆合适的加速度，形成稳定车队。车辆2 和车辆3距离头车车辆1较近，在6 0 s左右车速接近头车车速，跟车距离基本稳定，如图8、图9 所示。车辆4、车辆5和车辆7 距离头车较远，开始阶段以较大的车速行驶，迅速接近，在120s左右速度接近头车车速，在附近波动，跟车距离基本稳定。至此，6 辆车车速、彼此间的跟车距离基本一致，稳定车队基本形成。通过多次试验测得以下数据，如表2 所示。Tab.1 Vehicle Lane Changing Process车辆换时车道标辆时车编间/s道方车编间/s道方车编间/道方车号向道号161623821161181807876747270606462600Fig.8 Diagram of the Relationship Between Platoon Speed and Time车13103123143221621520221821202112211241A204001-:U2-3 04-0,-.-07图8 车队车辆速度时间关系图换道向道号34121314212411718121201116080时间（s）车辆时车向道1221100120换道标140160No.842机械设计与制造90仿真结果表明，控制策略协调下的车辆相对于默认车辆情形80370160301201000跟随车2 跟随车3跟随车4-跟随车5-跟随车7图9 车队车辆车间距时间关系图Fig.9 Diagram of Relationship BetweenDistance of Platoon Vehicles and Time表2 城市高架路段基本数据Tab.2 Basic Data of Urban Elevated Sections默认车辆组成车队控制策略流量(veh/h)759平均车速(km/h)64.7最大车速(km/h)71.9最小车速(km/h)50平均行程时间(s)114平均延误(s)1最大排队度(m)16排队停车次数9平均排队时间(s)0流量统计对比图15001306100075950008000600400200000乙-01500（）10005000Fig.10 Simulation Data ComparisonAug.2023具有明显优势：交通流量增加7 2.1%，没有排队和停车现象，平均延误减小8 0%，是由于控制策略协调下的车辆在进入路段120s内会和自身附近车辆形成车队，稳定、有序地通过路段，而默认车辆组成人工驾驶车辆由于换道、加减速等需求的时间不2040图默认车辆车队控制策略(a)流量统计对比图城市高架默认车辆速度分布频数一一频率708大0.930510.070908-车辆速度(km/h)(b)城市高架默认速度分布城市高架车队速度分布频数一频率12380.94800680.0521-08车辆速度(km/h)(c)城市高架车队速度分布图10 仿真数据对比60时间（s）130663.171.141.6112.60.2000城市高架仿真000011-0801-0018010012000.20010.80.60.4000.200140变化率+72.1%-2.5%-1.2%-80%/10.80.60.4160统一性，车辆彼此之间影响较大，造成交通流量小、延误大的现象；速度分布都集中于期望车速附近，车队控制策略下的频率分布相对来说更为集中。5结论这里通过提出以纵向控制策略和横向控制策略相结合的车队控制策略,在12 0 s左右形成稳定车队行驶，与普通驾驶模式相比较，采用车队控制策略行驶后，流量增加、延误减小,并且在行驶过程中没有排队和停车，可以提高行驶效率，降低交通道路拥堵和车祸风险，充分体现自动驾驶车辆车队控制优势，对今后发展的自动驾驶车辆控制策略有积极意义。这里所提出的控制策略是在道路行驶车辆为10 0%车联网自动驾驶车辆的情况，后续将在不同自动驾驶车辆渗透率下，自动与非自动驾驶汽车之间的相互协调和相互影响进行进一步研究。参考文献1叶心，魏劲鹏，杨杰星，等.智能车队跟车纵向控制算法设计及仿真验证J.重庆理工大学学报：自然科学,2 0 19,33(11)：16-2 3.(Ye Xin,Wei Jing-peng,Yang Jie-xing,et al.Design of longitudinalcontrol algorithms for intelligent fleet tracking and simulation verifica-tionJJ.Journal of Chongqing University of Technology:Natural Science,2019,33(11):1623.)2刘欢，杨雷，邵社刚，等.车路协同环境下信号交叉口速度引导策略J.重庆交通大学学报：自然科学版,2 0 19,38(12)：8-17.(Liu Huan,Yang Lei,Shao She-gang,et al.Speed guidance strategies atsignalized intersections in a vehicle infrastructure cooperative environ-mentJ.Journal of Chongqing Jiaotong University:Natural Science Edi-tion,2019,38(12):8-17)3宋皓晨，吴鼎新.基于Vissim的车联网及自动驾驶车辆交通仿真研究J.物流工程与管理,2 0 18,40(9)57-59.(Song Hao-chen,Wu Ding-xin.Research about traffic simulation basedon connected vehicles and autonomous vehicles JJ.Logistics Engineer-ing and Management,2018,40(9):57-59.)4陆逸适，张哲，王立强，等.带启停巡航功能的全速自适应巡航控制器的设计J.机械设计与制造，2 0 17(5：17 4-17 7.(Lu Yi-shi,Zhang Zhe,Wang Li-qiang,et al.Design of vehicle full-speed adaptive cruise control with stop and go JJ.Mechanical Designand Manufacturing,2017(5):174-177.)5 GUO G,YUE W.Autonomous platoon control allowing range-limitedsensors JJ.IEEE Transactions on Vehicular Technology,2012,61(7):2901-2912.6 KIANFAR R,FALCONE P,FREDNKSSON J.A control matching modelpredictive control approach to string stable vehicle platooning JJ.Else-vier Ltd,2015(45):163-173.（下转第50 页）No.850机械设计与制造(Hao Li-yuan,Yuan Yi.Energy consumption optimization strategy oftrol via cellular networks:delay profiles,delay modeling,and a caseIOT wireless communication based on UAV J.Electronic Test,2020study within the 5-mile rangeJJ.IEEE Transactions on Aerospace and(21):55-57.)Electronic Systems,2020(99):1-10.6沈逸，张嘉烽,龚正，等.基于物联网的无人机输电线路巡检系统J.11宋庆恒,郑福春.基于无人机的物联网无线通信的潜力与方法J.物无线电工程，2 0 2 0,50(10)：8 43-8 47.联网学报,2 0 19,3(1):8 2-8 9.(Shen Yi,Zhang Jia-feng,Gong Zheng,et al.UAV transmission line in-(Song Qing-heng,Zheng Fu-chun.Potential and method of wirelessspection system based on Internet of things J.Radio Engineering,communication based on UAV in Internet of things JJ.Journal of Inter-2020,50(10):843-847.)net of Things,2019,3(1):82-89.)7 Yang Xin,Smith Aellen,Bourchier Ray,et al.Flowering leafy spurge de-12】魏尧，魏艳君，马云飞，等.永磁同步电机转子位置的级联预测控制tection using unmanned aerial vehicle(UAV)imagery in biological con-J.电工技术学报,2 0 19,34(1):41-48.trol sites:impacts of flight height,flight time and detection methodJJ.(Wei Yao,Wei Yan-jun,Ma Yun-fei,et al.Cascade predictive controlWeed Technology,2020,34(4):1-39.of rotor position of permanent magnet synchronous motorJJ.Journal of8 Seo Sim,Ko Dong,Chung Jun.Combined time bound optimization of con-Electrical Technology,2019,34(1):41-48.)trol,communication,and data processing for FSO-based 6G UAV aerial13杨鼎成,刘伟东，肖霖，等.基于无人机的区域环境监测物联网系统networksJJ.Etri Journal,2020,42(5):700-711.J.现代电子技术,2 0 19,42(1):19-2 3.9东方，吴媚，朱文捷，等.物联网环境下面向能耗优化的无人机飞行规(Yang Ding-cheng,Liu Wei-dong,Xiao Lin,et al.Regional environ-划J.东南大学学报：自然科学版，2 0 2 0,50(3)：555-56 2.mental monitoring Internet of things system based on UAVJJ.Modern(Dong Fang,Wu Mei,Zhu Wen-jie,et al.UAV flight planning for en-Electronic Technology,2019,42(1):19-23.)ergy consumption optimization under the environment of Internet ofthingsJJ.Journal of Southeast University:Natural Science Edition,2020,50(3):555-562.)10 Morales James,Rodriguez Grame,Huang Gang,et al.Toward UAV con-Aug.202314 Pfeifer Creme,Rimmler Michelle,Mustafa Ooscar.Assessing coloniesof antarctic shags by unmanned aerial vehicle(UAV)at south shetlandislands,antarcticaJ.Antarctic Science,2021:1-17.（上接第42 页）7 ALI Z,POPOV A A,CHARLES G.Model predictive control with con-straints for a nonlinear adaptive cruise control vehicle model in transi-tion manoeuvresJJ.Vehicle System Dynamics,2013,51(6):943-963.8赵海，雷凯茹，司帅宗，等.Platoon模式下车载自组织网络性能分析与研究J.东北大学学报：自然科学版，2 0 17,38 5)：6 34-6 38.(Zhao Hai,Lei Kai-ru,Si Shuai-zong,et al.Performance analysis andstudy of vehicular ad hoc networks on platoon J.Journal of NortheastUniversity:Natural Science Edition,2017,38(5):634-638.)9赵海,郭红叶，司帅宗，等.Platoon车辆自动控制方法及性能分析J.东北大学学报：自然科学版，2 0 18,39(6)：7 8 1-7 8 6.(Zhao Hai,Guo Hong-ye,Si Shuai-zong,et al.Automatic control methodand performance analysis of platoon vehicles JJ.Journal of NortheastUniversity:Natural Science Edition,2018,39(6):781-786.)10覃频频，裴世康，吴达，等.协同自适应巡航控制车队仿真J.计算机工程与应用,2 0 2 0,56(4):2 30-2 40.(Qin Pin-pin,Pei Shi-kang,Wu Da,et al.Simulation of cooperativeadaptive cruise control platoonJ.Computer Engineering and Applica-tion,2020,56(4):230240.)11李盛福.复杂环境下智能汽车自动驾驶系统研究J.机械设计与制造,2 0 19(5):19 9-2 0 3+2 0 7.(Li Sheng-fu.Study of intelligent vehicle autonomous driving systemunder complex environmentJJ.Mechanical Design and Manufacturing,2019(5):199203+207.)12张涛，邹渊，张旭东，等.考虑并线的网联车辆巡航控制研究J.汽车工程,2 0 19,41(9):10 2 8-10 35.(Zhang Tao,Zou Yuan,Zhang Xu-dong,et al.A research on connectedcruise control with consideration of mergingJJ.Automotive Engineer-ing,2019,41(9):1028-1035.)13于晓海,郭戈.车队控制中的一种通用可变时距策略J.自动化学报,2 0 19,45(7):1335-1343.(Yu Xiao-hai,Guo Ge.A general variable time headway policy in pla-toon controlJ.Acta Automatica Sinica,2019,45(7):1335-1343)14王炜，过秀成.交通工程学M.南京：东南大学出版社,2 0 11(116)。(Wang Wei,Guo Xiu-cheng.Traffic Engineering MJ.Nanjing:South-east University Press,2011(116).)15杨达，祝俪菱，蒲云，等.种驾驶方式构成的异质交通流稳定性研究J.北京理工大学学报，2 0 13,33(11)：1140-1150.(Yang Da,Zhu Li-ling,Pu Yun,et al.Study on the stability of heteroge-neous traffic flow composed of two driving styles JJ.Journal of BeijingInstitute of Technology,2013,33(11):1140-1150.)