有限条件下编队协同驾驶的仿真开发（三）——Plexe论文详读以及关于其可行性讨论

Plexe论文详读

在闷头自己写了几天程序后，发现自己对于底层的不熟悉还是严重的影响到了进度。因此，最近开始对Plexe的论文和sumo的指导手册进行解读。

需要注意的是，因为主要是面对项目进行学习，所以只取所需，主要集中在对交通流造成的影响，而忽略了关于网络、协议、传输等内容。因此，部分内容可能并不完整，敬请谅解。更多内容可以自己阅读相关文献。

Introduction

编队协同驾驶技术包含通信与网络、车辆控制理论、车辆动力学、运动预测等多个领域的知识，且对于安全性有着极高的要求。在此情况下，分析模型过于粗糙而无法捕获所有细节，真实场景测试对资金、时间、人力等方面的要求极高，仿真模拟成为了研究人员评估协同驾驶系统的最佳选择。

Plexe是什么？

Plexe是基于Veins开发的一个开源、考虑到车辆动力学、通信与网络障碍以及车辆间通信的、模拟真实场景的仿真软件。

Plexe能干什么？

Plexe在Veins的基础上，通过TraCI接口进一步扩展了交互，实现了从Sumo中更便捷的获取车辆数据来发送给其他车辆，供给队列协议和应用程序使用。

框架如图所示(OMNeT++是Veins的基础)

Plexe-Sumo中的队列实现

在Plexe中，编队的实现即指一种新的车辆跟随框架，能够实现开环或闭环加速度控制的纵向控制，以及简化的横向控制(转向)，以适应地改变车道并服从队列动力学。

Sumo中常见的汽车跟随模型是IDM或Krauss两类，但在plexe-sumo中采用的是新的汽车跟随模型巡航控制器(Cruise Control, CC)。根绝需求不同，该模型可以通过修改参数实现其它CC/CACC模型。在默认条件下，CC使用Krauss模型来驾驶汽车()

现在Sumo中的CC模型包括标准CC(定速巡航)、ACC(自适应巡航)、CACC(协同自适应巡航)还有一个发动机驱动滞后。通过TraCI接口，可以访问模型以更改车辆行为并检索不同的信息，其他功能请参考SUMO指导文档。

关于上述CC模型，可以设置所需速度、车头时距和所需的距离间隙。

当CACC模型设置成功时，可以向它提供通过车间通信交互的数据。此外，由于存在可以使用从任意车辆接收到的数据来改进性能的控制器，接口中还提供了一个向控制器提供队列中任何车辆数据的模块。

控制器模型

车辆纵向运动的独立控制参数是通过油门控制所驱动的需求加速度$\ddot{x}$。但受限于动力系统引起的滞后，驱动并不是立刻的。

Plexe采用一阶低通滤波器来对此驱动滞后进行建模，也就是说实际加速度的计算应该被表示为
$$\begin{gathered} \ddot{x}[n]=\beta \cdot {\ddot{x}}_{des}[n]+(1-\beta )\cdot \ddot{x}[n-1] \\ \beta =\frac{{\Delta }_t}{\tau +{\Delta }_t}, \end{gathered}$$
也就是说当前时刻的加速度是基于期望加速度(控制器给到的)和前一时刻加速度计算得到的。其中，默认状况下$\tau =0.5s$，而${\Delta }_t$是Sumo更新的步长，默认为1s。

下面对几个跟随模型的控制方案进行介绍：

定速巡航控制CC

$${\ddot{x}}_{des}=-k_p(\dot{x}-{\dot{x}}_{des})+\eta$$

$k_p$表示比例控制器的增益(默认为1)；$\eta$是考虑到制动器和速度测量的随机扰动(不精确，默认为0)。

自适应巡航控制ACC

$${\ddot{x}}_{i\_des}=-\frac{1}{T}({\dot{\epsilon }}_i+$$