Controlador C/ACC en Aimsun Next

Nota técnica nº 63

Por Martin Hartmann

Octubre de 2021

Introducción

La automatización de los vehículos atrae a las partes interesadas que tratan de predecir los impactos de esta tecnología en el tráfico rodado. Las diversas perspectivas de las partes interesadas podrían abarcar desde las políticas de planificación del tráfico de alto nivel hasta los aspectos operativos para la validación de los sensores de percepción en condiciones meteorológicas adversas. Aimsun cubre todo el espectro del dominio ofreciendo herramientas y servicios de modelización, desde modelos macroscópicos hasta complejas co-simulaciones en tiempo real de pilas de AV con gemelos digitales que representan entornos de tráfico realistas.

En este artículo, explicamos y demostramos el uso de la simulación microscópica de vehículos equipados con control de crucero adaptativo cooperativo (CACC) en Aimsun Next. Desde la versión 8.4, Aimsun Next incluye una implementación nativa del algoritmo ACC y CACC (aquí etiquetado como C/ACC) desarrollado por Milanes & Shladover, 2014 [1]. Por ello, esta nota técnica sitúa la implementación del controlador en el contexto de un modelo de microsimulación, describe el parámetro revelado al usuario y da algunos ejemplos prácticos de uso del controlador.

Puntos clave a tener en cuenta

Los vehículos C/ACC muestran un comportamiento de seguimiento de coches significativamente diferente al de los vehículos convencionales (en Aimsun Next: controlados por Gipps), permitiendo brechas de tiempo muy cortas dentro de los pelotones de vehículos conectados. Resumamos la información más importante sobre el algoritmo C/ACC en el contexto de la microsimulación en Aimsun Next:

  • Los vehículos pueden estar equipados con ACC, CACC o no equipados.
Figura 1: La distribución de la C/ACC se define en cada editor de tipos de vehículos
  • El algoritmo C/ACC sobrescribe el comportamiento longitudinal por defecto (aceleración y velocidad del modelo de seguimiento de coches de Gipps).
  • El tiempo de reacción debe ajustarse a 0,1s para los vehículos equipados con C/ACC, se recomienda que los vehículos convencionales mantengan su propio tiempo de reacción (alrededor de 0,8s).
Figura 2: La distribución del RT se define en la configuración del Experimento
  • Cualquier vehículo equipado con CACC puede utilizar el ACC. Por lo tanto, el vehículo equipado con CACC que sigue a un vehículo sin CACC está utilizando “sólo” el controlador ACC.
  • El algoritmo adicional de evitación de colisiones CAMP mantiene brechas seguras entre coches.
  • La posibilidad de que un vehículo active el C/ACC y el tamaño máximo del pelotón se pueden establecer en el tipo de carretera.
  • El comportamiento de pelotón resultante se ve afectado por la combinación de la velocidad deseada de los vehículos, max. tamaño del pelotón y parámetros del controlador C/ACC.

Descripción de los estados del controlador

A continuación, hay cinco estados que se aplican a un vehículo equipado con CACC:

  1. CC Regulación de la velocidad (“no hay vehículo precedente en su rango de detección, elija su aceleración”)
  2. Regulación de la brecha del ACC (“seguir a un vehículo precedente*, ajustar la aceleración para cumplir con la brecha de tiempo deseada”)
  3. Regulación de la brecha del líder del pelotón del CACC (“se ha alcanzado el tamaño máximo del pelotón, usted es el nuevo líder, elija su aceleración”)
  4. Regulación de la brecha de seguimiento del pelotón CACC (“siga al líder conectado, ajuste la aceleración para cumplir con la brecha de tiempo deseada dentro del pelotón”)
  5. Desactivado (“sin controlador equipado o desactivado temporalmente por el algoritmo CAMP”)
Figura 3: El diagrama de estados y las condiciones que describen las transiciones de estado

* el vehículo precedente puede ser un vehículo no equipado, un vehículo equipado con ACC o un vehículo equipado con CACC dentro del umbral de distancia inferior del ACC o del umbral de brecha inferior del CACC

Parámetros del pelotón ACC

  • Ganancias del controlador ACC: parámetros de sensibilidad del controlador ACC sobre los errores de posicionamiento y de velocidad durante el flujo libre y el seguimiento. Los valores se ajustan a los valores por defecto del documento [1] y se ha comprobado que minimizan la diferencia entre los resultados reales empíricos y los simulados. Recomendamos a la mayoría de los usuarios que adopten los valores por defecto.
  • Umbral de holgura más bajo: los detectores de a bordo del vehículo sujeto identifican a un líder; el vehículo sujeto entra en el estado de regulación de brecha ACC e intenta alcanzar la brecha de tiempo deseada.
  • Umbral de separación superior: el líder está más allá del rango de detección de los sensores de a bordo; el vehículo sujeto sale del pelotón y entra en la regulación de velocidad del CC
  • Brecha de tiempo deseada: la distancia de tiempo entre el vehículo sujeto y el líder dentro del pelotón, el valor por defecto se ajusta a la distribución de Nowakovski (1,2 / 0,4 / 1,1 / 2,2s) [3].

Parámetros del pelotón CACC

  • Ganancias del controlador CACC: parámetros de sensibilidad del controlador CACC que ajustan la brecha de tiempo entre el vehículo sujeto y el líder.
  • Brecha de tiempo actual > Umbral de brecha superior: el vehículo sujeto pasa al estado de regulación de brecha ACC (por ejemplo, el líder ha aumentado su velocidad deseada y está más allá del rango de conectividad).
  • Brecha de tiempo actual < Umbral de brecha inferior: el vehículo sujeto pasa al estado de regulación de brecha de seguimiento del pelotón CACC con el objetivo de seguir la brecha de tiempo intrapelotón (por defecto 0,6s).
  • La brecha de tiempo actual < Umbral de brecha superior y tamaño máximo del pelotón se alcanza ® el vehículo sujeto se convierte en líder de su propio pelotón y entra en el estado de regulación de brecha del líder del pelotón CACC apuntando al líder de brecha de tiempo (por defecto 1,5s).
  • Brecha de tiempo entre el umbral de brecha inferior y superior: el vehículo sujeto utilizará la regla de control de histéresis y aplicará el estado de seguimiento del coche del paso de tiempo anterior.

Toma de posesión de emergencia del CAMP

El modelo C/ACC de Aimsun Next emplea el algoritmo de aviso de colisión frontal CAMP [2]. Este algoritmo se incluye en el modelo para comprobar si la brecha entre el vehículo sujeto y el líder es suficiente para seguir al coche con seguridad. Si el algoritmo CAMP se activa en cualquier punto, el controlador C/ACC se desactiva seguido de un enfriamiento de 20s antes de volver a entrar en el último estado de C/ACC.

Ejemplos de simulación

  1. Vehículo equipado con CACC (en rojo) sin vehículo precedente ® Regulación de velocidad CC
  1. El vehículo equipado con el CACC (rojo, velocidad deseada = 49,9 km/h) sigue a un vehículo no equipado (azul, velocidad deseada = 57 km/h) ® Regulación de la velocidad del CACC hasta que se cierre la etiqueta codificada de espacio libre > Umbral de espacio libre superior (120 m) ® Regulación de la velocidad del CACC

Ralentiza la grabación y resalta los valores de Despeje y Estado del Control de Crucero

Comentario: Puedes recoger las series temporales (TS) de los vehículos individuales, tanto de los valores deGap al líder(línea azul) como de Clearance al líder (línea verde) para visualizar el comportamiento.

  1. El vehículo equipado con CACC está conectado y forma parte del pelotón que apunta a la brecha de tiempo intrapelotón 0,6s fuerte, > Regulación de la brecha de seguimiento del pelotón CACC
  1. Vehículo equipado con CACC sin líder (regulación de velocidad CC activa) poco antes de identificar un nuevo vehículo precedente. Después de que el espacio libre caiga por debajo del umbral de espacio libre inferior de 100 m, el vehículo sujeto cambia su estado a la regulación de brecha ACC.

Ralentiza la grabación y resalta los valores de Despeje y Estado del Control de Crucero

 
  1. Vehículo equipado con CACC poco antes de entrar en el pelotón CACC: Brecha de tiempo actual para pasar por debajo del Umbral de Brecha Inferior de 0,5s aplicando la regulación de Brecha ACC por el momento (imagen izquierda) y después de entrar en el pelotón CACC apuntando al Seguidor de Brecha de Tiempo ®. Regulación de la brecha de los seguidores del pelotón CACC (imagen derecha).

Ralentiza la grabación y resalta los valores de Brecha y Estado del Control de Crucero

 
  1. La restricción del tamaño del pelotón obliga al vehículo sujeto a convertirse en un nuevo jefe de pelotón (pelotón CACC más a la izquierda). El líder del pelotón más a la derecha se encuentra en el estado de regulación de brecha ACC, ya que los vehículos que le preceden están más cerca que el umbral de separación superior de 120 m. Tras superar este umbral, el líder entra en el estado de regulación de la velocidad CC.

Comentario final

En el modelo implementado, un verdadero líder de pelotón puede ser etiquetado con diferentes etiquetas de Estado de Control CACC (incluso con un tamaño de pelotón = 1):

  • Líder de pelotón CACC: si el tamaño máximo del pelotón obliga al vehículo a crear un nuevo pelotón,
  • Regulación de brechas ACC: si el líder del pelotón se encuentra dentro del alcance del sensor de un vehículo precedente,
  • Regulación de la velocidad del CC: si el líder del pelotón está fuera del alcance del sensor a un vehículo precedente.

Referencias

[1] Vicente Milanés, Steven E. Shladover. Modeling cooperative and autonomous adaptive cruise control dynamic responses using experimental data. Transportation research. Part C, Emerging technologies, Elsevier, 2014, pp.285-300. 10.1016/j.trc.2014.09.001 . hal-01091160

[2] Kiefer, R.J., Cassar, M.T., Flannagan, C.A., LeBlanc, D.J., Palmer, M.D., Deering, R.K., Shulman, M.A., 2003. Forward collision warning requirements project: refining the CAMP crash alert timing approach by examining” last-second” braking and lane change maneuvers under various kinematic conditions.NHTSA Research Report HS-809 574.

[3] Nowakowski, C., J. O’Connell, S.E. Shladover, and D. Cody, 2010, “Cooperative Adaptive Cruise Control: Driver Selection of Car-Following Gap Settings Less Than One Second”, 54th Annual Human Factors and Ergonomics Society Meeting, San Francisco, CA.

Más notas técnicas

Cómo generar resultados de rendimiento y demanda

Septiembre de 2021: En la modelización del tráfico, puede ser útil comparar la demanda de tráfico y el rendimiento a lo largo de una ruta: cuántas personas querrían hacer un viaje y cuántas pudieron realizarlo en un tiempo determinado.

  • ¿Tienes alguna pregunta? Ponte en contacto.

    ¡Estamos aquí para ayudarte!

  • ¿Tienes alguna pregunta? Ponte en contacto.

    ¡Estamos aquí para ayudarte!

SHARE

Citar Aimsun Next

Aimsun Next 23

Aimsun (2023). Aimsun Next 23 Manual del usuario, Aimsun Next Versión 23.0.0, Barcelona, España. Acceso: 19, 2023. [Online].
Disponible en: https://docs.aimsun.com/next/23.0.0/


Aimsun Next 20.0.5

Aimsun (2021). Aimsun Next 20.0.5 Manual del usuario, Aimsun Next Versión 20.0.3, Barcelona, España. Acceso: May. 1, 2021. [En software].
Disponible: qthelp://aimsun.com.aimsun.20.0/doc/UsersManual/Intro.html

Aimsun Next 23

@manual {​​​​​​​​AimsunManual,

título = {​​​​​​​​Aimsun Next 23 User's Manual}​​​​​,
autor = {​​​​​​​​Aimsun}​​​​​​​​,
edición = {​​​​​​​​​​​​​​​Aimsun Next 23.0.0}​​​​​​​​​​​​​​​,
domicilio = {​​​​​​​​​​​​​​​Barcelona, Spain}​​​​​​​​​​​​​​​,
año = {​​​​​​​​​​​​​​​2023. [Online]}​​​​​​​​​​​​​​​,
mes = {​​​​​​​​​​​​​​​Accessed on: Month, Day, Year}​​​​​​​​​​​​​​​,
url = {​​​​​​​​​​​​​​​https://docs.aimsun.com/next/23.0.0/}​​​​​​​​​​​​​​​,
}​​​​​​​​​​​​​​​


Aimsun Next 20.0.5

@manual {​​​​​​​​AimsunManual,

título = {​​​​​​​​Aimsun Next 20.0.5 User's Manual}​​​​​​​​,
autor = {​​​​​​​​Aimsun}​​​​​​​​,
edición = {​​​​​​​​​​​​​​​Aimsun Next 20.0.5}​​​​​​​​​​​​​​​,
domicilio = {​​​​​​​​​​​​​​​Barcelona, Spain}​​​​​​​​​​​​​​​,
año = {​​​​​​​​​​​​​​​2021. [En software]}​​​​​​​​​​​​​​​,
mes = {​​​​​​​​​​​​​​​Accessed on: Month, Day, Year}​​​​​​​​​​​​​​​,
url = {​​​​​​​​​​​​​​​qthelp://aimsun.com.aimsun.20.0/doc/UsersManual/Intro.html}​​​​​​​​​​​​​​​,
}​​​​​​​​​​​​​​​

Aimsun Next 23

TY - COMP
T1 - Manual del usuario de Aimsun Next 23
A1 - Aimsun
ET - Aimsun Next Version 23.0.0
Y1 - 2023
Y2 - Acceso: Mes, Día, Año
CY - Barcelona, España
PB - Aimsun
UR - [En software]. Disponible en: https://docs.aimsun.com/next/23.0.0/


Aimsun Next 20.0.5

TY - COMP
T1 - Manual del usuario de Aimsun Next 20.0.5
A1 - Aimsun
ET - Aimsun Next Version 20.0.5
Y1 - 2021
Y2 - Acceso: Mes, Día, Año
CY - Barcelona, España
PB - Aimsun
UR - [In software]. Available: qthelp://aimsun.com.aimsun.20.0/doc/UsersManual/Intro.html