costs and risksofthe experiment as closer as possible to the real traffic andnetworkconditions and do researchonthe effects of different communication delays on the longitudinal control ormance vehicle platoon varIous scenarios. Theresultsshowthatthetestresultsobtainedb platformusingrealvehicledataareconsistentwiththetheoreticalderivationresults key words: vehicle platoon; CACC; realvehicle data; longitudinal control 、引言 近年来,随着我国国民经济的快速增长,人民群众对网络购物的需求与日俱增,道路物 流运输压力不断增大。与此同时带来的一系列交通问题也越来越突出:交通拥堵严重、事故 频发、环境污染等已经成为许多城市所面临的难题。 为了解决上述难题,研究人员提出了车辆编队策略,基本思想是通过车车通信(2V)的 方式实现车辆协同驾驶,研究表明车辆队列能够有效提高车辆安全性与通行效率、缩短行驶 时间、减少油耗,同时缓解交通拥堵,减轻污染并提高驾驶舒适性习。协同式自适应巡航 控制( Cooperative Adaptive Cruise Control,CACC)是目前主流的车辆编队方法,随着车载通信 技术的快速发展,CACC能够使车辆在行驶过程中获得前方车辆的速度、加速度、相对距离 等信息,达到跟随前方车辆行驶的目的。与传统ACC技术相比,CACC能够显著地减小车辆 稳定跟驰时的间距,同时也能够有效地稳定车辆队列的速度、减小波动,以提高驾驶舒适性, 对提高交通安全有显著意义。 目前已经有许多针对车辆队列的实车测试,Demo2000于2000年11月在一条配备5辆自 动驾驶汽车的试车道上举行,演示了包括停止、启动、编队、融合以及避障等场景阿 GCDC2011专注于基本车辆编队,包括如何形成与维持车辆队列等:而GCDC2016则更加注 重协同驾驶方面,重点演示了车辆队列融合以及交叉口协同通行两个场景,加速了在真实交 通环境下引入CACC车辆队列的进程9 但是实车测试也暴露出了一系列问题,如车辆队列的规模受限,且当前符合测试条件的 测试道路少、测试场景单一等等。因此,我们提出一种CACC车辆队列纵向控制的半物理测 试平台。其中,头车动态数据由真实车辆获得,由头车相连的DSRC设备发给后车的DSRC 设备,后车DSRC设备接收到之后可以计算真实DSRC信道的通信延时及丢包率;将头车数 据导入到 Plex车辆队列仿真平台中,本文中上位机纵向控制器采用CACC恒定时距策略 ( Constant Time Gap,CIG),利用现有下位机纵向控制器模拟出后车的动态跟驰过程,从而可 以实现真实头车数据与仿真平台的结合,进而可以实现多种测试场景(跟驰间距,城市地图, 高速公路)、多种上位机控制器以及多种通信延时条件下的测试。将测试结果与相关理论分 析10进行比较,可以更好的印证理论分析的结论。车辆DSRC通信延时及丢包率测试场景见 图1 (c)1994-2019ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.netcosts and risksofthe experiment as closer as possible to the real traffic andnetworkconditions, and do researchonthe effects of different communication delays on the longitudinal control performance of the vehicle platoon in various traffic scenarios.Theresultsshowthatthetestresultsobtainedby the test platformusingrealvehicledataareconsistentwiththetheoreticalderivationresults. key words: vehicle platoon; CACC; realvehicle data; longitudinal control 一、引言 近年来，随着我国国民经济的快速增长，人民群众对网络购物的需求与日俱增，道路物 流运输压力不断增大。与此同时带来的一系列交通问题也越来越突出：交通拥堵严重、事故 频发、环境污染等已经成为许多城市所面临的难题。 为了解决上述难题，研究人员提出了车辆编队策略，基本思想是通过车车通信(V2V)的 方式实现车辆协同驾驶，研究表明车辆队列能够有效提高车辆安全性与通行效率、缩短行驶 时间、减少油耗，同时缓解交通拥堵，减轻污染并提高驾驶舒适性[1-3]。协同式自适应巡航 控制(Cooperative Adaptive Cruise Control, CACC)是目前主流的车辆编队方法，随着车载通信 技术的快速发展，CACC能够使车辆在行驶过程中获得前方车辆的速度、加速度、相对距离 等信息，达到跟随前方车辆行驶的目的。与传统ACC技术相比，CACC能够显著地减小车辆 稳定跟驰时的间距，同时也能够有效地稳定车辆队列的速度、减小波动，以提高驾驶舒适性， 对提高交通安全有显著意义[4,5]。 目前已经有许多针对车辆队列的实车测试，Demo 2000于2000年11月在一条配备5辆自 动驾驶汽车的试车道上举行，演示了包括停止、启动、编队、融合以及避障等场景[6]。 GCDC2011专注于基本车辆编队，包括如何形成与维持车辆队列等；而GCDC2016则更加注 重协同驾驶方面，重点演示了车辆队列融合以及交叉口协同通行两个场景，加速了在真实交 通环境下引入CACC车辆队列的进程[7-9]。 但是实车测试也暴露出了一系列问题，如车辆队列的规模受限，且当前符合测试条件的 测试道路少、测试场景单一等等。因此，我们提出一种CACC车辆队列纵向控制的半物理测 试平台。其中，头车动态数据由真实车辆获得，由头车相连的DSRC设备发给后车的DSRC 设备，后车DSRC设备接收到之后可以计算真实DSRC信道的通信延时及丢包率；将头车数 据导入到Plexe车辆队列仿真平台中，本文中上位机纵向控制器采用CACC恒定时距策略 (Constant Time Gap, CTG)，利用现有下位机纵向控制器模拟出后车的动态跟驰过程，从而可 以实现真实头车数据与仿真平台的结合，进而可以实现多种测试场景（跟驰间距，城市地图， 高速公路）、多种上位机控制器以及多种通信延时条件下的测试。将测试结果与相关理论分 析[10]进行比较，可以更好的印证理论分析的结论。车辆DSRC通信延时及丢包率测试场景见 图1