طراحي كنترل سرعت تطبيقي بر پايهٔ رفتار ماكروسكوپيك ترافيك و كنترل پيش‌بين به منظور كاهش تصادف‌هاي زنجيره‌اي در بزرگراه‌ها

The Design of Adaptive Cruise Control based on Macroscopic Traffic behavior applying Model Predictive Control to reduce Pile up

امروزه سيستم‌هاي حمل‌ و‌ نقل اتوماتيك نقش مهمي در كاهش خطاهاي انساني و روان‌سازي ترافيك‌هاي درون‌ شهري و برون‌ شهري دارند. پياده‌سازي كنترل‌كننده‌ها براي بهينه‌كردن سفر، چه از نظر زمان و چه از نظر راحتي و ايمني، نياز به مدل دقيقي از سيستم مورد بررسي دارد. هرچه اين مدل دقيق‌تر و به سيستم واقعي نزديك‌تر باشد، نتايج حاصل از شبيه‌سازي، دقيق‌تر و قابل اعتماد‌تر است. از طرفي، با افزايش تصادفات ناشي از عدم احتياط و دقت راننده در كنترل خودرو و همچنين، گسترش روزافزون خودروها، نقش سيستم‌هاي هميار راننده براي به ‌عهده‌گرفتن كنترل خودرو به منظور آسايش راننده،‌ كاهش تصادف‌ها و افزايش ايمني و راحتي پررنگ‌تر شده‌است. در اين مقاله، يك مدل غيرخطي كامل از ديناميك طولي خودرو، با هدف نزديك‌تر كردن مدل به واقعيت و كاهش خطاي مدل در شبيه‌سازي و كاربردهاي كنترلي، انتخاب شده‌است. در بخش كنترلي راه حل جديدي براي توسعه‌ي‌ سيستم كنترل تطبيقي سرعت ارائه شده‌است كه در آن، شتاب خودروي ميزبان، علاوه بر حركت خودروي هدف، از حركت ماكروسكوپيك موج ترافيك نيز تاثير مي‌پذيرد. بدين منظور نشان داده شده‌است كه با به‌كار‌گيري كنترل پيش‌بين و تبعيت شتاب خودرو از حركت خودروي هدف و همچنين موج ترافيك، تصادف‌هاي زنجيره‌اي ناشي از ترمزگيري‌هاي ناگهاني، قابل كنترل مي‌باشند. در بخش كنترل سطح پايين، براي محاسبه‌ي دريچه‌ي گاز و يا پدال ترمز براي رسيدن به شتاب مطلوب، از كنترل فازي بر مبناي كاهش خطاي رديابي بهره گرفته ‌شده‌است. اين دستور محاسبه‌شده بر روي مدل طولي، اعمال مي‌شود تا عملكرد مدل انتخاب شده در سيستم هميار راننده‌ي كروز كنترل تطبيقي، ارزيابي گردد.

Automatic transportation systems nowadays play a key role in decreasing human errors and accelerating traffic flow. To implement controllers aiming at optimizing commute in terms of comfort and safety demands a rigorous modeling of the system. An accurate full-scale model will result in a more precise and reliable simulation. On the other hand, the growing number of vehicles and consequent rise in accidents associated with lack of driver attention highlights the need for driver assistant systems whereby more driver convenience, reduced accidents, safety and comfort could be provided. In the present study, a complete nonlinear model of longitudinal vehicle dynamics has been chosen in order to make the model more compliant with reality and to minimize simulation and control uses errors. In the control section, a novel approach to developing an adaptive cruise control system is proposed in which the host vehicle acceleration is not only influenced by target car motion but also by the macroscopic motion of the traffic flow. The results indicate that the pile up resulted from sudden braking could be avoided by using a predictive control over vehicle acceleration which takes account of the motion of both front car and traffic jam. In the low level control section, a fuzzy control based on tracking error minimization is employed to maintain desired acceleration through calculating throttle angle and brake pedal. Such control command is then applied to the longitudinal model so as to appraise the selected model performance in the driver assistant system.