存在速度下降时的车辆编队：一种广义控制模型

车辆编队对出行时间可靠性、拥堵、排放和能耗的积极影响已在同质路段上得到证实。然而，由于安全相关考量（例如施工区作业）或拥堵管理方案（例如速度协调系统），整个交通网络中的限速频繁变化。限速的突变会导致激波的形成，并造成出行时间不可靠。因此，设计用于跟踪参考速度曲线的编队策略对于实现端到端编队至关重要。为此，本研究引入了一种广义控制模型来跟踪期望速度曲线，同时确保自动驾驶车辆编队的安全性。我们定义了适当的自然误差项和控制系统状态空间中的目标曲线，该曲线是所有误差项为零的点集，对应于所有车辆以期望速度并保持最小安全距离行驶的情况。通过这种方式，我们将跟踪速度曲线问题转化为相对于目标曲线的状态反馈镇定问题。在对速度下降曲线的 Lipschitz 常数施加某些温和假设的情况下，我们表明可以通过为每辆车的误差项最大值引入自然动力学来获得镇定反馈。此外，我们证明，如果车辆系统的初始状态充分接近目标曲线，则使用该镇定反馈不会发生碰撞。我们还证明了误差项在整个时间和空间中保持有界。模拟了有无初始扰动的两种场景，结果证实了所提出的控制模型在跟踪速度下降同时确保安全性和弦稳定性方面的有效性。