技术领域
[0001] 本
发明涉及智能交通领域，具体而言涉及一种应对通信异常的智能网联汽车编队控制方法及系统。
背景技术
[0002] 近年来，互联网、信息通信、环境
感知等相关技术的快速发展，使得智能网联汽车作为交通问题新的解决方案。智能网联汽车可以实时共享运行数据，如速度、相对
位置等，进而有利于车辆实时调整状态，保障行驶安全性，提高车辆群体可组织性，为达到道路车流有序化目的，车辆编队技术也随之应运而生。通过车辆编队技术，车辆能保持理想车间距和车速行驶，有利于缓解城市干线有拥堵、提高道路通行能
力。受限于无线通信系统受交通环境时变性限制影响(时延、丢包、中断等)，编队控制系统在实际应用中存在一定难题。
[0003] 智能汽车作为智能交通的重要组成部分，是未来研究的重点及热点。目前国内外众多学者、企业和高校已对此进行了大量的探索与研究。1939年，美国通用汽车首次展出无人驾驶概念车，人们对于智能汽车的研究逐步加深并取得了一定成果。1970年，部分车企尝试使用射频和磁钉的方式引导车辆实现自动驾驶。1995年，美国卡耐基梅隆大学研制出的无人驾驶汽车在州际公路上完成测试。2009年，谷歌推出智能驾驶汽车计划。2015年，福特获得美国加州智能驾驶车辆测试
许可。国内方面，从上世纪90年代开始，我国国内高校及车企也展开了对自动驾驶技术的研发。成果包括：1992年，国防科技大学研制出国内第一款自动驾驶汽车CITAVT-I型；2011年，一汽红旗HQ3无人驾驶车完成从长沙至武汉286公里的路测；2016年，长安汽车完成2000公里超级无人驾驶测试；百度提出Apollo平台积极推动智能汽车技术发展。
[0004] 随着无线通信技术发展，智能网联汽车可通过编队控制技术，能够有效提高道路车辆
密度和道路通行能力，并到达节约
能源的效果。美国加州大学伯克利分校早于1986年就成立了PATH项目组，对车辆编队控
制模型展开研究。1996年，日本采用11辆具有自动驾驶功能的车辆组成车辆队列，在高速公路进行了往返11km的车队驾驶实验。1997年，美国智能高速公路系统协会在加州圣地亚哥市的15号州际高速公路上成功地进行了一系列演示实验。理论研究成果方面，2010年国内清华大学、北京航空航天大学相关学者提出了一种基于滑模控制的车辆
自适应巡航控制方法，并分析了机械延误和滑模控制相关参数对异构车辆编队
稳定性的影响。上海交通大学相关学者研究了车辆编队整体的领航跟随控制和编队组织规则，基于鲁棒自适应控制，设计了相应领航跟随控制策略。
[0005] 随着智能网联汽车技术大规模应用，如何在复杂通信网络环境下提高控制模型预测性，目前相关技术成果较少。因此，本发明结合模型预测控制方法可多处理多约束条件的理论优势及无线通信技术特点，提出了一种适用于无线通信异常情况下的基于时变通信拓扑结构的车间距策略和车辆编队控制方法，可有效提高车辆行驶安全性，提高道路通行能力。
[0006] 然而，现有的智能汽车编队运行技术存在以下不足：
[0007] 智能网联汽车行驶环境复杂，当前感知技术在检测与识别
精度方面有待提高；确定车辆的位置信息有利于编队控制的准确性；面对复杂的交通环境，应该加强
深度学习与增强学习等
机器学习方法，确保车辆在复杂工况和未知工况下决策的舒适性、安全性及高效性。由于道路环境的复杂性，目前智能网联汽车研究大多聚焦单车控制，多车协同应用较少。
[0008] 车车通信系统复杂，通信中出现的时延、丢包等异常现象对车辆编队影响较大。此外，简单的车车通信拓扑结构响应速度
块，通信延迟低，但是抗干扰能力较差。而复杂的车车通信拓扑结构有着较好的抗干扰能力，但仍需注意其通信延迟和
数据处理速度。目前车车通信拓扑结构选择时考虑情况单一，应该权衡车辆的队列稳定性、行车安全性、通信延迟、数据处理速度等因素。
[0009] 车辆编队目前多采用比例-积分-微分控制、滑模控制、鲁棒控制等传统控制方法，但是传统控制模型需要考虑车辆机械结构和动力学原理，建模相对复杂，抗干扰能力和鲁棒性较差，并且多用于处理单约束、单变量问题，无法处理车辆速度、
加速度及通信状态等多约束多变量问题，不适用用于实际复杂道路环境。
发明内容
[0010] 本发明针对
现有技术的不足，提供一种应对通信异常的智能网联汽车编队控制方法及系统，本发明结合车车通信技术特点，选取前车-领航车跟随车作为编队拓扑结构，建立车间距计算模型；依据该模型结合实际交通环境多输入及多约束的特点，实现预测控制建立智能网联汽车编队。本发明具体采用如下技术方案。
[0011] 首先，为实现上述目的，提出一种应对通信异常的智能网联汽车编队控制方法，其步骤包括：
[0012] 第一步，判断汽车编队中各车辆的通信状态，在汽车编队中无通信异常时顺序执行第二步至第六步，在汽车编队中存在通信异常时跳顺序执行第第七步；
[0013] 第二步，获取t时刻各车辆的实际位置pn(t)；获取t时刻各车辆的速度vn(t)以及t时刻各车辆的加速度an(t)，其中n≥0表示各车辆的编号，n＝0表示领航车辆，n≠0表示跟随车辆；根据各车辆的实际位置pn(t)、速度vn(t)以及加速度an(t)建立
状态空间方程其中， u(t)＝a(t)，per,n(t)为t时刻车辆实际位置与理想位置之间的偏差，ver,n(t)为t时刻实际车速与理想车速的偏差；
[0014] 第三步，对状态空间方程 进行离散化处理得到离散状态空间方程
[0015] 第四步，根据离散状态空间方程 递推得到预测时域Np内车辆状态输入方程为
递推得到控制时域Nc内车辆状态输出方程为
[0016] 第五步，计算第n号跟随车辆的理想位置为其中，p0(k|T)为离散时域点T所对应的编号n＝0的领航车辆的实际位置，dexp,i表示第i号车辆的理想车间距，li表示第i号跟随车的自身长度；将各跟随车辆的理想位置作为参考值，确定各跟随车辆的参考轨迹曲线为
[0017] 第六步，计算第i号异常车辆的行驶加速度为 计算第i号异常车辆的理想车间距为 根据所述行驶加速度和理想
车间距控制对应的车辆；其中，vi为异常车辆的速度；Δvi为异常车辆与前车的速度差，当领航车出现异常时Δvi＝0；vmax为速度最大值；dtr,i为实际车间距；Ts为安全车头时距；amax为最大加速度；bn为期望减速度；δ为速度幂系数；dsafe＝Δtvi(t)+Smin为安全距离，Δt表示系统传输信息以及智能车控制系统处理信息等所消耗的时间，vi(t)表示第i号车辆的速度，Smin表示第i号车辆从
制动直到完全停止的距离；
[0018] 第七步，在编号n＝0的领航车出现通信异常时，保持通信异常的领航车按照现有状态行驶，切换通信异常的领航车之后一辆车辆n＝1为新的领航车，按照新的领航车重新编队执行第二步至第六步；在其他编号m≠0的车辆出现通信异常时，变更通信异常的第m号车辆为跟驰状态，根据领航车行驶状态和通信异常车辆的m-1号前车行驶状态控制通信异常车辆及其后车的行驶状态。
[0019] 可选的上述的应对通信异常的智能网联汽车编队控制方法，其中，所述第七步中，根据领航车的行驶状态和通信异常的车辆m之前一辆编号为m-1车辆的行驶状态控制通信异常的车辆之后车辆的行驶状态的具体步骤包括：
[0020] 步骤701，计算编号为m的通信异常车辆与后车的固定车间距 其中，vm+1为通信异常车辆之后一辆编号为m+1车辆的速度，hs表示固定车头时距，lm表示编号为m的车辆的自身长度；
[0021] 步骤702，计算编号为m的通信异常的车辆与后车的理想车间距其中，领航车辆通信异常情况下与后车固定车间距 其中，v1为编号为1的车辆的速度，hs表示固定车头时距，l0表示编号为0的领航车辆的自身长度；
[0022] 步骤703，计算编号n≥m+2的跟随车辆的行驶间距drun,n”＝v0hs-ln-1；其中，v0为编号为0的领航车辆的速度，ln-1表示编号为n-1的车辆的自身长度；
[0023] 步骤704，计算n≥m+2的跟随车的理想车间距dexp,n＝dsafe+drun,n；
[0024] 步骤705，根据所述n≥m+2的跟随车的理想车间距dexp,n控制对应的车辆。
[0025] 可选的上述应对通信异常的智能网联汽车编队控制方法，其中，第五步中，所述第i号车辆的理想车间距dexp,i由以下步骤计算获得：
[0026] 步骤501，计算第i辆车从制动直到完全停止的距离 其中，vi(t)表示编号为i的车辆的速度，abrake为制动最大加速度；
[0027] 步骤502，计算安全距离dsafe＝Δtvi(t)+Smin；其中，Δt表示系统传输信息以及智能车控制系统处理信息等所消耗的时间，vi(t)表示第i号车辆的速度，Smin表示第i号车辆从制动直到完全停止的距离；
[0028] 步骤503，计算行驶距离drun,i＝v0hs-li-1,n≥1；其中，v0为领航车辆的车速，hs为固定车头时距，li-1表示第i-1辆车的自身长度；
[0029] 步骤504，计算第i号车辆的理想车间距dexp,i＝dsafe+drun,i。
[0030] 可选的上述的应对通信异常的智能网联汽车编队控制方法，其中，所述第六步中，根据目标函数计算第i号异常车辆的行驶加速度，其中，所述目标函数为：
[0031] ；
[0032] 其中，Q和R代表权重矩阵， 为各跟随车辆的参考轨迹曲线，T表示离散时域点，yn(k+j|T)表示编号为n的车辆的状态输出方程，un(k+j|T)表示由各车辆的加速度an构成的向量。
[0033] 可选的上述的应对通信异常的智能网联汽车编队控制方法，其中，所述目标函数还对应有如下约束条件：
[0034] 加速度约束：amin≤un(k|T)≤amax，其中，amin为最小加速度，amax为最大加速度；
[0035] 速度约束：0≤vn(k|T)≤vmax；其中，vn(k|T)表示离散时域点T所对应的编号为n的车辆的速度；vmax为速度最大值；
[0036] 车间距约束：pn(k|T)+dsafe≤pn+1(k|T)；pn(k|T)表示离散时域点T所对应的编号为n的车辆的实际位置，dsafe＝Δtvi(t)+Smin为安全距离，pn+1(k|T)表示离散时域点T所对应的编号为n+1的车辆的实际位置；
[0037] 通信状态约束：0<Δt<τm+θmh；其中，τm为最大延时值，θm为最大丢包数，h表示固定时距。
[0038] 同时，为实现上述目的，本发明还提供一种应对通信异常的智能网联汽车编队控制系统，其包括分别设置在各车辆上的：位置获取单元，用于获取t时刻其所在的编号为n的车辆的实际位置pn(t)；速度获取单元，用于获取t时刻其所在的编号为n的车辆的速度vn(t)；加速度获取单元，用于获取t时刻其所在的编号为n的车辆的加速度an(t)；通讯单元，其用于传输各车辆的实际位置pn(t)、速度vn(t)以及加速度an(t)；通讯
异常检测单元，其在车辆无通信异常时输出第一
信号，在车辆存在通信异常时输出第二信号；控制单元，其连接所述通讯异常检测单元，接收所述通讯异常检测单元所输出的第一信号或第二信号，在获得第一信号时计算并根据计算所获得的行驶加速度和理想车间距控制对应的车辆；在获得第二信号时进一步判断领航车是否出现故障，在领航车出现通信异常时，保持通信异常的领航车按照现有状态行驶，切换通信异常的领航车之后一辆车辆为新的领航车，按照新的领航车重新编队计算并根据所述行驶加速度和理想车间距控制对应的车辆；在其他编号m≠0的车辆出现通信异常时，变更通信异常的第m号车辆为跟驰状态，根据领航车的行驶状态和通信异常的车辆之前一辆编号为m-1车辆的行驶状态控制通信异常的车辆之后车辆的行驶状态。
[0039] 可选的上述的应对通信异常的智能网联汽车编队控制系统，其中，所述控制单元中包括有跟随车辆的参考轨迹曲线输入单元和状态空间方程运算单元，跟随车辆的参考轨迹曲线输入单元和状态空间方程运算单元之间递推运算，向所述控制单元输出行驶加速度和理想车间距，所述控制单元根据所述行驶加速度和理想车间距控制其所设置的车辆。
[0040] 可选的上述的应对通信异常的智能网联汽车编队控制系统，其中，所述跟随车辆的参考轨迹曲线输入单元按照各跟随车辆的参考轨迹曲线 进行递推运算，其中，第n号跟随车辆的理想位置为 其
中，p0(k|T)为离散时域点T所对应的编号n＝0的领航车辆的实际位置，dexp,i表示第i号车辆的理想车间距，li表示第i号跟随车的自身长度，v0(k+j|T)为离散时域点T所对应的编号n＝
0的领航车辆的实际速度。
[0041] 可选的上述的应对通信异常的智能网联汽车编队控制系统，其中，所述状态空间方程运算单元按照状态空间方程 进行递推运算，其中，u(t)＝a(t)， per,n(t)为t时刻车辆实际位置与理想位
置之间的偏差，ver,n(t)为t时刻实际车速与理想车速的偏差。
[0042] 有益效果
[0043] 本发明结合车车通信技术特点，通过位置获取单元、速度获取单元、加速度获取单元获取各车辆的行驶数据，通过通讯单元交互该数据，建立前车-领航车跟随车的编队拓扑结构。在通讯正常时，本发明根据理想车间距计算模型，结合实际交通环境多输入及多约束特点，同时考虑通信过程中存在的异常情况，基于模型预测控制建立智能网联汽车编队控制。在通讯异常时，分别根据异常车辆所处的车队位置决定采用不同的编队切换方式。本发明能够解决通讯异的车辆对整个车队行驶的干扰，保证车辆正常通行。
[0044] 本发明的其它特征和优点将在随后的
说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。
附图说明
[0045] 附图用来提供对本发明的进一步理解，并且构成说明书的一部分，并与本发明的
实施例一起，用于解释本发明，并不构成对本发明的限制。在附图中：
[0046] 图1是本发明的智能网联汽车编队控制系统的示意图；
[0047] 图2是本发明的智能网联汽车编队控制系统运行过程中前车-领航车跟随车拓扑结构示意图；
[0048] 图3是本发明的智能网联汽车编队控制系统运行过程中理想车间距示意图；
[0049] 图4是本发明的智能网联汽车编队控制系统运行过程中领航车异常情形下通信拓扑结构示意图；
[0050] 图5是本发明的智能网联汽车编队控制系统运行过程中跟随车异常情形下通信拓扑结构示意图；
[0051] 图6是本发明的智能网联汽车编队控制系统的整体架构示意图；
[0052] 图7是本发明的智能网联汽车编队控制系统运行流程示意图。
具体实施方式
[0053] 为使本发明实施例的目的和技术方案更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0054] 本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
[0055] 本发明中所述的“和/或”的含义指的是各自单独存在或两者同时存在的情况均包括在内。
[0056] 本发明中所述的“连接”的含义可以是部件之间的直接连接也可以是部件间通过其它部件的间接连接。
[0057] 图1为根据本发明的一种智能网联汽车编队控制系统，其分别在各车辆上设置有：
[0058] 位置获取单元，用于获取t时刻其所在的编号为n的车辆的实际位置pn(t)；速度获取单元，用于获取t时刻其所在的编号为n的车辆的速度vn(t)；
[0059] 加速度获取单元，用于获取t时刻其所在的编号为n的车辆的加速度an(t)；
[0060] 通讯单元，其用于传输各车辆的实际位置pn(t)、速度vn(t)以及加速度an(t)；
[0061] 通讯异常检测单元，其在车辆无通信异常时输出第一信号，在车辆存在通信异常时输出第二信号；
[0062] 控制单元，其连接所述通讯异常检测单元，接收所述通讯异常检测单元所输出的第一信号或第二信号，在获得第一信号时计算并根据计算所获得的行驶加速度和理想车间距控制对应的车辆；在获得第二信号时进一步判断领航车是否出现故障，在领航车出现通信异常时，保持通信异常的领航车按照现有状态行驶，切换通信异常的领航车之后一辆车辆为新的领航车，按照新的领航车重新编队计算并根据所述行驶加速度和理想车间距控制对应的车辆；在其他编号m≠0的车辆出现通信异常时，变更通信异常的第m号车辆为跟驰状态，根据领航车的行驶状态和通信异常的车辆之前一辆编号为m-1车辆的行驶状态控制通信异常的车辆之后车辆的行驶状态。
[0063] 各项
传感器获得周围车辆行驶状态信息，建立车辆动力学状态空间方程。以保障队列稳定性为目的，基于模型预测控制和交通环境约束，建立编队控制模型，判断出每辆车应该执行的操作。通过调节车辆制动
控制器、节气
门控制器等，使车辆之间保持一定的速度和车间距行驶。具体而言，其中，所述的控制单元被设置以执行如下的应对通信异常的智能网联汽车编队控制步骤：
[0064] 第一步，根据通讯单元和/或通讯异常检测单元的信号，判断汽车编队中各车辆的通信状态，在汽车编队中无通信异常时顺序执行第二步至第六步，在汽车编队中存在通信异常时跳顺序执行第第七步；
[0065] 第二步，获取t时刻各车辆的实际位置pn(t)；获取t时刻各车辆的速度vn(t)以及t时刻各车辆的加速度an(t)，其中n≥0表示各车辆的编号，n＝0表示领航车辆，n≠0表示跟随车辆；根据各车辆的实际位置pn(t)、速度vn(t)以及加速度an(t)建立状态空间方程其中， u(t)＝a(t)，per,n(t)为t时刻车辆实际位置与理想位置之间的偏差，ver,n(t)为t时刻实际车速与理想车速的偏差；
[0066] 第三步，对状态空间方程 进行离散化处理得到离散状态空间方程
[0067] 第四步，根据离散状态空间方程 递推得到预测时域Np内车辆状态输入方程为
递推得到控制时域Nc内车辆状态输出方程为
[0068] 第五步，计算第n号跟随车辆的理想位置为其中，p0(k|T)为离散时域点T所对应的编号n＝0的领航车辆的实际位置，dexp,i表示第i号车辆的理想车间距，li表示第i号跟随车的自身长度；将各跟随车辆的理想位置作为参考值，确定各跟随车辆的参考轨迹曲线为
[0069] 第六步，计算第i号异常车辆的行驶加速度为 计算第i号异常车辆的理想车间距为 根据所述行驶加速度和理想车
间距控制对应的车辆；其中，vi为异常车辆的速度；Δvi为异常车辆与前车的速度差，当领航车出现异常时Δvi＝0；vmax为速度最大值；dtr,i为实际车间距；Ts为安全车头时距；amax为最大加速度；bn为期望减速度；δ为速度幂系数；dsafe＝Δtvi(t)+Smin为安全距离，Δt表示系统传输信息以及智能车控制系统处理信息等所消耗的时间，vi(t)表示第i号车辆的速度，Smin表示第i号车辆从制动直到完全停止的距离；
[0070] 第七步，在编号n＝0的领航车出现通信异常时，保持通信异常的领航车按照现有状态行驶，切换通信异常的领航车之后一辆车辆为新的领航车，按照新的领航车重新编队执行第二步至第六步；在其他编号m≠0的车辆出现通信异常时，变更通信异常的第m号车辆为跟驰状态，根据领航车的行驶状态和通信异常的车辆之前一辆编号为m-1车辆的行驶状态控制通信异常的车辆之后车辆的行驶状态。
[0071] 具体而言，参考图2以及图3所示，上述车辆编队行驶中，领航车状态会受其他因素影响，为了避免跟随车辆的行驶状态随领航车的变化而变化，跟随车应采用多元数据来源，增强系统抗干扰能力，但同时也应避免数据来源过多增加系统计算的复杂性，故采用前车-领航车跟随车通信拓扑结构，如图2所示。车辆安全性是车辆编队行驶的前提条件，实时保证编队中的车辆以理想间距和速度行驶是编队控制方法的主要优势，理想车间距计算如下。
[0072] 步骤1：计算第n辆车从制动直到完全停止的距离Smin：
[0073]
[0074] 其中，vn表示第n辆车的速度，abrake为制动最大加速度，一般由路面
摩擦系数决定。
[0075] 步骤2：为了避免车辆碰撞，计算安全距离dsafe：
[0076] dsafe＝Δtvn(t)+Smin
[0077] 其中，Δt表示系统传输信息以及智能车控制系统处理信息等所消耗的时间，一般由通信或网络时延决定。
[0078] 步骤3：计算行驶间距drun,n：
[0079] drun,n＝v0hs-ln-1,n≥1
[0080] 其中，v0为领航车车速，hs固定车头时距，ln-1表示第n-1辆车的自身长度。
[0081] 步骤4：计算第n辆车与前车的理想车间距dexp,n：
[0082] dexp,n＝dsafe+drun,n。
[0083] 当遇到图4中领航车通信异常的情况时，比如，通信过程中领航车出现时延或中断现象，无法与跟随车辆进行通信。那么该情况下，各控制单元分别控制领航车保持现有状态行驶，1号车变更为领航车重新进行编队，组成新队列，以1号车行驶状态进行编队控制，此时智能网联汽车的通信拓扑结构变更为图4所示，理想车间距计算如下。
[0084] 步骤1：计算领航车通信异常情况下与后车固定车间距
[0085]
[0086] 步骤2：计算领航车通信异常情况下与后车理想车间距
[0087]
[0088] 步骤3：计算以1号车辆为领航车组成队列的行驶间距drun,n'：
[0089] drun,n'＝v0hs-ln-1,n≥2
[0090] 步骤4：计算以1号车辆为领航车组成队列的理想车间距dexp,n'：
[0091] dexp,n'＝dsafe+drun,n'。
[0092] 当遇到图5中跟随车通信异常的情况时，比如，行进过程中m号跟随车出现时延或中断现象，无法与领航车和前车进行通信。那么该情况下，各控制单元分别控制m号车变更为跟驰状态，m+1号车行驶状态将根据m-1号车和领航车的行驶状态进行引导控制，此时智能网联汽车的通信拓扑结构变更为图5所示，理想车间距计算如下。
[0093] 步骤1：计算m号跟随车通信异常情况下与后车固定车间距
[0094]
[0095] 步骤2：计算m号跟随车通信异常情况下与后车理想车间距
[0096]
[0097] 步骤3：计算m+2号及之后跟随车的行驶间距drun,n”：
[0098] drun,n”＝v0hs-ln-1,n≥m+3
[0099] 步骤3：计算m+2号及之后跟随车的理想车间距dexp,n”：
[0100] dexp,n”＝dsafe+drun,n”(n>m+1)。
[0101] 上述对通信异常的智能网联汽车的编队控制可通过图6所示的MPC控制器及与其配合的各个模块实现。
[0102] 具体而言，针对智能网联汽车编队控制系统实时性高，可靠性高的需求，本发明选择模型预测控制(MPC)方法对系统进行建模。编队时采用MPC可以处理考虑各车的安全车距、速度限制、加速度限制等多约束多变量问题。MPC还可以基于当前输入，预测出未来有限时域内的车辆速度、加速度以及位置等状态参数，具体控制模型结构如图6所示，按照如下的方式执行对各车辆的控制：
[0103] 步骤1：对车辆系统进行建模：
[0104]
[0105] 其中，pn(t)表示t时刻第n号车辆的实际位置，vn(t)表示t时刻第n号车辆的速度，an(t)表示t时刻第n号车辆的加速度。
[0106] 步骤2：得出车队状态一致性判断条件：
[0107]
[0108] 步骤3：根据车辆位置、速度及加速度作为输入变量建立状态空间方程：
[0109]
[0110] y(t)＝Cx(t)
[0111] 其中， u(t)＝a(t)， per,n(t)为t时刻车辆实际位置与理想位置之间的偏差，ver,n(t)为t时刻实际车速与理想车速的偏差。
[0112] 步骤4：对状态空间方程进行离散化处理：
[0113] (x(k+1|T)-x(k|T))/T＝Ax(k|T)+Bu(k|T)
[0114] x(k+1|T)＝(I+AT)x(k|T)+BTu(k|T)
[0115] 为了便于表述，设 得到变化后的离散状态空间方程：
[0116]
[0117] y(k+1|T)＝Cx(k+1|T)
[0118] 步骤5：设该系统的预测时域为Np，控制时域为Nc，且Nc≤Np，则在未来Np时刻内，车辆状态输入方程：
[0119]
[0120]
[0121]
[0122]
[0123]
[0124]
[0125] 车辆行驶状态输出方程：
[0126] y(k+1|T)＝Cx(k+1|T)
[0127] y(k+2|T)＝Cx(k+2|T)
[0128]
[0129] y(k+Nc|T)＝Cx(k+Nc-1|T)
[0130]
[0131] y(k+Np|T)＝Cx(k+Np-1|T)
[0132] 步骤6：根据递推公式，可得系统在预测时域内状态输入方程：
[0133]
[0134] 则系统在控制时域内状态输入方程：
[0135]
[0136] 同理，可得系统在控制时域内状态输出方程：
[0137]
[0138] 步骤7：计算n号跟随车辆的理想位置：
[0139]
[0140] 将跟随车辆的理想位置作为参考值用到模型预测控制中，确定参考轨迹曲线：
[0141]
[0142] 步骤8：建立系统目标函数：
[0143]
[0144] 由于模型预测控制中，输入量仅会在控制时域内起作用，可进一步表示为：
[0145]
[0146] 其中，Q和R则代表权重矩阵。
[0147] 步骤9：计算第i号异常车辆行驶加速度和理想车间距，并根据该加速度和理想车间距相应的调整车辆的速度和/或加速度，使其趋向于计算获得的理想值，实现对编队内各车辆的控制。其中第i号异常车辆行驶加速度和理想车间距分别表示为：
[0148]
[0149]
[0150] 其中，vi为通信异常车辆的速度；Δvi为通信异常车辆与前车的速度差，当领航车出现异常时Δvi＝0；vmax为速度最大值；dtr,i为实际车间距；Ts为安全车头时距；amax为最大加速度；bn为期望减速度；δ为速度幂系数。
[0151] 步骤10：编队控制模型约束条件：
[0152] 加速度约束：amin≤un(k|T)≤amax
[0153] 其中，amin为最小加速度。
[0154] 速度约束：0≤vn(k|T)≤vmax
[0155] 车间距约束：pn(k|T)+dsafe≤pn+1(k|T)
[0156] 通信状态约束：0<Δt<τm+θmh
[0157] 其中，τm为最大延时值，θm为最大丢包数。
[0158] 综上所述，智能网联汽车编队控制方法计算流程如图7所示：根据实际交通环境，对智能网联汽车进行编队控制，判断系统中是否存在个体通信异常，如果存在，则分为领航车通信异常和跟随车通信异常两种情况进行讨论。判断出通信异常车辆后，切换相应的通信拓扑结构和车间距策略，保证队列的稳定性和安全性。
[0159] 以上仅为本发明的实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明
专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干
变形和改进，这些均属于本发明的保护范围。
