通信延迟与丢包对网联车辆编队控制的影响机理及临界阈值研究

《Journal of ICT Standardization》：Research on the Influence of Communication Delay and Packet Loss on the Platooning of Connected Vehicles

　　本研究针对网联车辆编队控制中通信延迟与数据包丢失导致的协同驾驶性能下降问题，创新性地构建了基于Bernoulli序列分布的动态延迟模型和RTP丢包感知自适应控制器。通过MATLAB混合场景仿真发现：当延迟达到8 ms、丢包率为30%时，车间距误差增至0.78 m，加速度波动范围扩大至[-4.8, 2.2] m/s2，首次确立了编队不稳定的临界阈值。所提控制策略将场景拟合精度提升23%，加速度波动降低41%，为智能交通系统V2X控制策略的鲁棒性设计提供了理论依据。

　　

在智能交通系统快速发展的今天，网联车辆编队技术作为提升道路通行效率、降低事故风险的核心手段，正面临通信可靠性的严峻挑战。车辆通过无线通信设备实时交换位置、速度、加速度等状态信息，形成"头车引导、多车跟随"的协同驾驶模式。然而，复杂道路环境、恶劣天气条件及网络资源饱和等因素，常导致通信延迟和数据包丢失，使编队控制性能急剧恶化。已有研究采用模型预测控制（MPC）或非线性控制器应对固定拓扑结构下的跟踪误差，但难以有效处理动态通信不确定性。为此，江西理工大学卢伟与李琴英团队在《Journal of ICT Standardization》发表最新研究，通过建立动态延迟模型和自适应控制策略，系统量化了通信缺陷对编队稳定性的影响边界。

本研究采用三项关键技术方法：首先基于前车纵向动力学模型构建领导者-前车跟随（LPF）控制架构，采用线性化状态反馈；其次利用Bernoulli序列分布描述时变通信延迟，以RTP（实时传输协议）丢包率公式量化数据丢失；最后通过MATLAB平台模拟60%城市主干道与40%高速公路混合场景，设定初始编队速度8 m/s、期望车间距10 m，并采用3σ准则与Savitzky-Golay滤波进行数据预处理。

4.1 无延迟无丢包工况下的编队控制

在理想通信条件下，编队车辆加速度波动范围稳定在[-1.5, 1] m/s2，车速与位移曲线与头车高度吻合。相邻车辆间距误差始终控制在±0.01 m范围内，且随着数据包持续传输，所有误差值逐渐收敛至零。图3与图4的时空曲线表明，该控制策略能确保编队安全高效行驶。

4.3 延迟与丢包耦合下的控制性能

当通信延迟为6 ms时，随着丢包率从0%增至30%，平均间距误差由接近零扩大至0.8 m。图5显示，在0-1250 ms和3000-4000 ms时段误差呈上升趋势，而1500-2250 ms时段误差显著下降。进一步将延迟提升至8 ms时，图6的局部放大曲线表明：丢包率30%工况下最大间距误差达0.78 m，加速度波动范围扩展至[-4.8, 2.2] m/s2（图7），车速跟踪误差达0.6 m/s（图8）。这是由于延迟引起反馈环节相位滞后，基于Smith预测器原理的控制输入无法及时纠正偏差，形成误差累积恶性循环。

研究结论表明，通信延迟与丢包率存在强耦合效应：当延迟超过8 ms且丢包率达30%时，编队系统进入临界不稳定状态。所提出的Bernoulli动态延迟模型较传统固定延迟模型提升场景拟合精度23%，而RTP感知自适应控制器通过历史状态匹配机制，在高丢包工况下将加速度波动降低41%。该研究不仅确立了编队控制的通信质量阈值，还为未来6G太赫兹通信、联邦学习框架与车-路-云分层控制架构的发展提供了理论支撑，对实现复杂场景下网联车辆协同控制具有重要实践意义。