车路协同中的智能汽车编队行驶测试文献综述

1. 文献综述（或调研报告）：

多智能车辆编队控制是智能车辆研究中一个较为重要的研究问题。车路协同中的智能车辆编队行驶测试，有利于智能车辆关键技术的研发验证。测试过程中测试数据的采集和积累可用于分析系统不足，进一步提高车路协同系统的可靠性和稳定性。

目前，关于智能车辆编队的测试仍在不断发展。现阶段关于车路协同中的智能汽车编队测试多数研究基于虚拟仿真技术实现系统效能测试，通过描述车辆特征及构建交通流仿真模型开展车路协同技术的应用评价。

北京交通大学张立爽利用 Q-Paramics、VS2013等软件搭建车路协同系统仿真测试平台，通过不同场景下车路协同系统和非车路协同系统仿真评估２种系统的影响。

赵晓华、陈雨菲等人构建了一种面向人因的车路协同系统硬件在环效能测试平台，针对多种道路条件、交通状态、特殊事件等面向高速公路设计１３种交通情境对车路协同驾驶状态下的综合评估指标及影响机理进行剖析。所构建的测试平台和指标体系为进一步发展规范测试体系奠定了基础。

张家铭等运用灰色关联度分析与层次分析法集成的多层次灰色相对关联度分析综合评估法对车路协同系统进行评价。通过对部分己知信息的分析、提取，进而评价车路协同整体系统的运行状态。并采用MySQL数据库对海量的测试数据进行存储、管理、提取与处理等操作。为今后可以针对车路协同中智能车辆编队的特点，提出更加科学合理的评价方法提供了参考。

哈尔滨工业大学将基于TTDPN的测试序列快速生成的方法和基于AR(p)模型的测试数据自动判读方法运用在仿真测试系统中，实现了编队构形控制的自动测试序列生成和数据在线自动判读的功能，最终建立了半物理实时仿真测试系统，系统功能完备、界面友好，可快速、准确完成相关测试

董龙飞等以美国ActiveMedia Robotic生产的AmigoBot移动机器人为基础构建了实验环境，并基于AmigoBot的硬件环境根据实验要求进行了二次开发与改造，很好地实现了算法的实车实验与验证，并在此基础上开发了MACP平台，实现了移动机器人信息存储与显示，绘制智能车编队运动轨迹，更好观测多移动机器人编队的性能参数，以及比较在同一种编队形式下不同算法的性能比较，更好的测试算法的有效性，特有的动画模拟模块能够在平台界面的工作区显示车辆编队的实时模拟动画显示，实现平台控制与监控的可视化要求。

除去诸多高校、研究所在智能车辆编队行驶测试的研究，2018 年 4 月，国家相关部门正式发布了首个国家级自动驾驶路测文件《智能网联汽车道路测试管理规范 （试行）》,其中对智能编队行驶测试的条件、测试指标、测试内容及步骤等做了详尽规定，从国家层面给各地开展智能车辆编队测试提供参考，填补了我国在此方面的空白。

参考文献

1. Nasser Kehtarnavaz, Senior Member.A Transportable Neural-Network Approach to Autonomous Vehicle Following[J].IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY,1998,47(2):694-702.
2. Teng Zhao, Ming Li, Gabriel Chen,etc.Autonomous Vehicle Tracking Control Using Deep Learning and Stereo Vision[J].IEEE(CIVEMSA),2018,8(20):1-6.
3. Aakash Soni,Huosheng Hu.Formation Control for a Fleet of Autonomous Ground Vehicles: A Survey[J].Robotics,2018,7(67):1-25.
4. You, D.I., Shim, D.H. Autonomous Formation Flight Test of Multi-Micro Aerial Vehicles.J Intell Robot Syst 61, 321–337 (2011).
5. Dong, L.; Chen, Y.; Qu, X. Formation Control Strategy for Nonholonomic Intelligent Vehicles Based on Virtual Structure and Consensus Approach. Procedia Eng. 2016, 137, 415–424.
6. Low, C.B. Adaptable Virtual Structure Formation Tracking Control Design for Nonholonomic Tracked Mobile Robots, with Experiments. In Proceedings of the IEEE 18th International Conference on Intelligent Transportation Systems, Las Palmas, Spain, 15–18 September 2015.
7. 高 伟,吴文凯,袁 超.高斯投影坐标变换[J].钢 铁 技 术,2008,1:4-8.
8. 李旭.自主车辆多传感器导航与横向鲁棒控制的研究[D].江苏南京:东南大学,2005.
9. 孙 丽,秦永元.捷联惯导系统姿态算法比较[J].中国惯性技术学报,2006,14(3):6-10.
10. 董龙飞. 车路协同中的智能车编队设计与实现[D].北京工业大学,2015.
11. 高伟,吴文凯,袁超.高斯投影坐标变换[J].钢铁技术,2008(01):4-8.
12. 李旭,宋翔,张国胜,于家河,张为公.基于改进卡尔曼滤波的汽车路试制动性能检测方法[J].中国惯性技术学报,2011,19(06):760-764.
13. 赵晓华,陈雨菲,李海舰,邢冠仰,冯笑凡.面向人因的车路协同系统综合测试及影响评估[J].中国公路学报,2019,32(06):248-261.
14. 王尊. 基于TTDPN和AR((?))模型的编队构形控制测试方法[D].哈尔滨工业大学,2016.
15. 于胜波,陈桂华,李乔,公维洁.国内外智能网联汽车道路测试对比研究[J].汽车文摘,2020(02):29-36.