何德峰,俞芳慧,徐晨辉

(浙江工业大学 信息工程学院,浙江 杭州 310023)

1 引言

随着汽车保有量的增加,拥堵、事故等交通问题愈发严重.借助车联网技术[1],网联车辆协同自动巡航控制 (cooperative automated cruise control,CACC)系统将道路上无序行驶的车辆编队组合实施协同巡航控制[2–3],保证车辆安全、高效和经济行驶[4–5],有效缓解交通问题[6].另一方面,通过车联网与云平台实时共享车辆数据[7],交管部门对辖区内的网联车辆实施云监控成为可能[8],如云视频监控系统对监测目标进行实时记录、分析和控制,提高了城市轨道交通运营效率.由于开放环境、无线网络等因素,云监控平台接收到的车辆行驶数据(位置、速度、加速度等)不可避免受到各种噪声的污染,影响交管部门对行驶车辆的精确管理.为从污染信号中准确提取信息,一种有效方法是采用状态观测器[9].由于高速行驶的车辆总是存在速度、加速度等各种约束条件限制,观测器需要妥善处理这些约束条件[10].

滚动 时域估计(receding horizon estimation,RHE)能有效处理约束系统的估计问题而受到广泛关注.基于新测量信息和模型预测控制(model predictive control,MPC)的滚动优化原理[11],RHE在每个时刻计算有限时域约束最小二乘问题,实现系统状态的实时估计,提高了估计结果的准确性[12],现已取得了一些研究成果,如约束系统滚动时域状态估计、分布式滚动时域估计、网络化系统滚动时域状态估计等[10–17].目前,RHE 算法在车辆领域得到了探索性应用[18–20],但RHE需要在线优化约束问题,计算量大,限制了……