【论文阅读笔记】Cooperative Collision Avoidance for Overtaking Maneuvers in Cellular V2X-Based Autonomous Dr

论文基本信息

《Cooperative Collision Avoidance for Overtaking Maneuvers in Cellular V2X-Based Autonomous Driving》
《基于蜂窝式v2x的自动驾驶超车机动协同避碰》

IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY, VOL. 68, NO. 5, MAY 2019 中科院二区
IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY期刊基本信息
作者：北京大学

这篇论文在干一件什么事？——

提出了一种超车场景下，基于V2X的协同避撞方案。（结果表明他们的基于V2X的协同避碰方案优于传统的基于GNSS的协同避障方案）。
因为他是在和GNSS比较，所以推导V2X的过程就是基于V2X的协同避撞方案了，没有什么算法设计。更多的是结果计算和模拟。

摘要

在本文中，我们考虑了一个基于集体感知的车辆超越合作自动驾驶系统。为了避免与另一条车道上的车辆发生碰撞，我们提出了一种基于v2x的协同避撞方案。超车车辆通过V2V通信估计自己与邻居之间的距离，并决定是否超车。考虑了独立、协同获得距离信息的两种情况。推导了避碰概率，并分析了车辆的速度、密度等不同因素对系统性能的影响。仿真结果验证了我们的分析结果，并表明，我们的基于v2x的协同避碰方案优于传统的基于GNSS（全球卫星定位系统）的协同避碰方案。与独立方案相比，合作方案所带来的性能增益也可以观察到。

1.引言

在该方案中，超车车辆利用接收到的信号强度（RSS）[18]来估计其自身与碰撞概率最大的车辆之间的距离。

超车车辆可以决定是否超车前面的车辆。由于前方车辆也可以获得另一条车道上车辆的信息，我们也考虑了两辆车共同做出超车决策的合作情况，以提高避碰概率。

在理论分析中，对车辆进行泊松点过程（PPP）建模，以描述它们的相互影响。

我们通过比较不同车辆的RSS信息来考虑一种低复杂度的避碰方法。（RSS：接收信号强度（Received Signal Strength））。

本文的贡献：

• 提出了一种基于距离估计策略的协同回避方案。同时考虑了独立案例和合作案例。
• 建立了泊松点过程（PPP）模型，分析了基于v2x的自动驾驶系统的干扰和容量特性。推导了在两辆车之间的通道内发生停运事件的概率。
• 我们推导了在这两种情况下超车成功检测到碰撞概率最大的车辆的概率。并推导出了这两种情况下的避碰概率。
• 仿真结果验证了我们的分析结果，并表明该方案可以有效地避免变道碰撞。

2.系统模型

A. Scenario Description 场景描述

一个由一组自动车辆组成的双车道车辆网络。

车辆B之后是车辆C从东向西行驶。在对面车道上行驶的车辆组用A={A−i，…，A−1，A0，A1，…，Ai}表示，其中车辆A0表示车辆B的正前方的车辆。

假设A中的车辆是密度为ρ的泊松分布的。

为了避免 C 和 A0 碰撞，需要考虑车辆C与其邻居之间的合作。

(每辆车需要定期向其邻居广播速度和方向等安全关键信息，占用BS [7]（基站）调度的时频资源。

---

总结：

描述了场景——蜂窝网络下的相向双车道超车场景。

B. Channel Model 信道模型

为了支持广播功能，车辆在D2D模式[25]-[27]中相互通信。车辆 j 从车辆 i 接收到的信号可以表示为——

其中xi为车辆i传输的源信号，P为各车辆的发射功率，为简单起见是固定的。hi、j表示车辆i与车辆j之间的通道系数。

---

总结：

定义了车辆 j 从车辆 i 接收到的信号。

C. Scheduling Scheme 调度方案

当车辆C打算超越车辆B时，它首先向BS发送传输请求。在收到请求后，BS为车辆C分配频率资源，以广播其超车意图的信息。然后，BS将正交的时频资源分配给A中的车辆，以便将其安全关键信息广播给车辆$B$和$C^3$ [31]。
对车辆B和C的干扰仅来自于共享相同时频资源的其他移动设备。

N = {n1, … nN} 表示D2D链路中数据传输的信道集合，其中N是信道数。
将给定的时间间隔平均划分为M个时间槽，用M = {m1，m2，…，mM}表示。
我们假设BS将资源分配给车辆{A−t，A−t+1，…，A0，…，At−1，At}，这样每个车辆都被分配一个时频块进行广播。

为了更好地描述资源分配，作者引入了一个映射f。

---

总结：

描述了蜂窝链路和D2D链路的资源分配。

D. V2X-Based Collision Avoidance Scheme 基于V2x的碰撞避免方案

V2X-CA 方案——从 A 中选择出 A0。
考虑以下两种情况：

1. 车辆C独立检测车辆A0
   $A0=argma{x}_{Ai\in A}SIN{R}_{A_i,C}$。一旦车辆C从A准确地检测到车辆A0，它就可以获得车辆A0的详细信息，如速度和相对位置。
2. 车辆B和C协同检测车辆A0
   在这种情况下，车辆C和车辆B都可以根据接收到的信号强度来估计其自身与A中的车辆之间的距离，之后车辆B将与车辆共享其距离估计信息 C. 因此，车辆C可以根据自身与车辆的联合估计来检测A0的位置 B.

延迟主要来自车辆C接收距离车辆C最大最小距离的车辆信息的时间间隔，由于车辆C的通信范围一般约为300m，车辆C接收车辆C距离车辆C最大最小距离的车辆信息的时间间隔不超过10^−6s。因此，延迟问题对V2X-CA方案几乎没有影响。

3.DISTANCE ESTIMATION STRATEGY ANALYSIS 距离估计策略分析

在本章中，首先介绍了A中车辆对C车辆的干扰，分析了故障中断和平均容量。然后根据距离估计策略，推导出车辆C从集合A中准确选择车辆A0的概率。

A.Interference, Outage, and Capacity Analysis

来自其他移动设备（如移动电话用户、笔记本电脑等）的干扰。
当车辆i无法成功解码车辆i的信息时，车辆i到车辆j的通道发生中断事件。
将车辆C的最大通信距离定义为$r_{max}$，带宽定义为$B_A$，则可以计算出$A$中车辆与车辆$C$之间链接的平均容量$R_C$——

B. Probability of Obtaining Vehicle A0’s Information

分析车辆C能够准确地从车辆A0中获取信息的概率。

分别考虑以下两种情况。

(1)车辆C独立检测车辆A0

只有当A0-C链路中没有发生中断事件(outage event)，并且车辆C成功检测到车辆A0时，车辆C才能获得车辆A0的详细信息。

$P_{CD{A}_{0}I}$表示车辆C成功检测车辆A0的概率。

只有当$SIN{R}_{i,C}<SIN{R}_{A_0,C}$ 对每个车辆Ai（i > 0）都满足时，车辆C才能成功检测车辆A0。
对每个车辆i——

考虑车的不同分布时的 $P_{i,C}$。（Platooning、Poissonly distributed）

=》得出对于车辆C，独立检测到车辆A0的概率可以由

(2)车辆B和C协同检测车辆A0

只有当车辆C和车辆B成功地协同地检测到车辆A0，并且A0-B-C链路或A0-C链路没有发生停机事件时，车辆C才能获得车辆A0的信息。

将车辆B和车辆C合作获得车辆A0的详细信息的概率定义为 $P_{CO{A}_{0}B}$——

只有当$({\beta }_{B}SIN{R}_{i,B}+{\beta }_{C}SIN{R}_{i,C}<{\beta }_{B}SIN{R}_{A0,B}+{\beta }_{C}SIN{R}_{A0,C})$ 对每个车辆Ai（i > 0）满足时，车辆C才能检测目标车辆A0，其中βB和βC分别是Ai-B链路和Ai-C链路的权重因子。

---

我们得到了$P_{CD{A}_{0}B(k)}>P_{CD{A}_{0}I(k)}$，这意味着B和C车辆之间的合作进一步提高了避撞能力。

---

最后，车辆C成功从车辆A0中获得信息的总体概率的期望——

4. COLLISION AVOIDANCE PROBABILITY ANALYSIS 避碰概率分析

避免碰撞的概率——

包括：检测A0避碰的概率 + 误判Ai避碰的概率

A.Derivation of $P_{CA{A}_0}$

即使车辆C准确地接收到来自车辆A0的信息，但由于距离估计误差，车辆C与车辆A0之间仍然可能发生碰撞。

只有当车辆A0和C的速度及其距离满足以下不等式时，才不会发生碰撞.

=>车辆C成功检测到车辆A0并避免碰撞的概率为——

B.Derivation of $P_{CM{A}_i}$

C. Derivation of $P_{CA{A}_i}$

当车辆C将车辆Ai误认为车辆A0时，其避免碰撞的概率为——

5.仿真结果

6.结论

本文考虑了一种基于v2x的超车场景下的碰撞避免方案。在该方案中，车辆通过V2X通信估计了彼此之间的距离，并同时考虑了独立和合作的检测情况。推导了该方案中避碰概率的理论值。
相应地，这与仿真结果相吻合。分析和仿真结果表明，该方案能有效地避免碰撞。此外，考虑车辆间的合作，可以提高检测碰撞概率最大的车辆的精度和避碰概率。

补充