如需帮助，或有车联网、网联车辆控制、交通仿真、滤波与导航相关的代码定制需求，可从个人主页左侧联系我订阅专栏后，可直接查看源代码，粘贴到MATLAB空脚本中即可直接运行、得到结果本例程面向车联网环境下的多车纵向协同控制问题，构建“领航车加减速工况 + 多辆网联车跟驰 + 通信时延与丢包扰动”的完整仿真场景，对普通ACC和CACC进行同条件对比。程序能够直观展示CACC利用V2X前车加速度信息后，在速度跟踪、车间距控制、加速度平顺性和队列稳定性方面的改善效果，适合用于车联网、智能网联汽车、协同自适应巡航控制、交通流稳定性等方向的课程设计、论文复现和二次开发。文章目录运行结果MATLAB源代码程序详解核心公式仿真场景普通ACC模型CACC模型队列稳定性运行结果速度跟踪对比图：对比领航车、普通ACC末车和CACC末车的速度变化过程，展示车队对加减速扰动的跟踪能力。车间距误差图：给出普通ACC和CACC在典型车辆上的车间距误差变化，用于观察跟驰控制精度和安全间距保持效果。加速度控制量图：展示领航车、普通ACC末车和CACC末车的加速度响应，用于分析控制动作是否平顺、是否存在明显振荡。通信时延影响图：扫描不同V2X通信时延下的间距误差和队列稳定性指标，观察时延增大对协同控制性能的影响。队列稳定性指标图：对比普通ACC和CACC的速度扰动放大倍数，指标小于1时表示扰动沿车队传播没有被放大。MATLAB源代码完整代码：%% CACC网联车辆协同跟驰控制例程% 作者：matlabfilter，接定位与导航、滤波相关的matlab代码定制% 2026-08-31 / Ver1clear;clc;close all;rng(0);% 设置仿真参数和典型工况，保证每次运行结果可复现。%% 仿真参数dt=0.05;% 采样时间，sT=80;% 仿真时长，st=(0:dt:T)';numStep=numel(t);numFollower=5;% 跟驰车辆数量veh.length=4.8;% 车辆长度，mveh.tauAcc=0.55;% 车辆纵向动力学时间常数，sveh.aMin=-4.0;% 最大制动减速度，m/s^2veh.aMax=2.5;% 最大驱动加速度，m/s^2policy.d0=7.0;% 静止安全间距，mpolicy.h=0.75;% 期望时距，spolicy.kpAcc=0.34;% ACC间距误差增益policy.kvAcc=0.72;% ACC相对速度增益policy.kpCacc=0.42;% CACC间距误差增益policy.kvCacc=0.88;% CACC相对速度增益policy.kff=0.68;% 前车加速度前馈增益policy.delayStep=round(0.25/dt);policy.lossRate=0.10;%% 领航车工况[leadX,leadV,leadA]=makeLeadVehicle(t,dt);%% 普通ACC与CACC仿真acc=simulatePlatoon('ACC',leadX,leadV,leadA,t,dt,veh,policy,numFollower);cacc=simulatePlatoon('CACC',leadX,leadV,leadA,t,dt,veh,policy,numFollower);%% 通信时延敏感性delayList=[0.000.100.200.300.400.550.70];delayRms=zeros(size(delayList));delayAmp=zeros(size(delayList));fork=1:numel(delayList)testPolicy=policy;testPolicy.delayStep=round(delayList(k)/dt);testPolicy.lossRate=0.08;tmp=simulatePlatoon('CACC',leadX,leadV,leadA,t,dt,veh,testPolicy,numFollower);delayRms(k)=tmp.metrics.spacingRms;delayAmp(k)=tmp.metrics.stringAmp;end%% 结果指标% 输出关键评价指标，便于从命令行直接比较不同策略。fprintf('CACC网联车辆协同跟驰控制仿真结果\n');fprintf('仿真车辆：1辆领航车 + %d辆跟驰车，仿真时长 %.1f 秒，采样时间 %.2f 秒。\n',...numFollower,T,dt);fprintf('V2X设置：通信时延 %.2f 秒，丢包率 %.1f%%。\n\n',...policy.delayStep*dt,policy.lossRate*100);fprintf('普通ACC | 间距误差RMSE %.3f 米 | 速度误差RMSE %.3f 米/秒 | 最大加速度 %.3f 米/秒^2 | 队列稳定性指标 %.3f\n',...acc.metrics.spacingRms,acc.metrics.speedRms,acc.metrics.maxAbsAcc,acc.metrics.stringAmp);fprintf('CACC协同控制 | 间距误差RMSE %.3f 米 | 速度误差RMSE %.3f 米/秒 | 最大加速度 %.3f 米/秒^2 | 队列稳定性指标 %.3f\n\n',...cacc.metrics.spacingRms,cacc.metrics.speedRms,cacc.metrics.maxAbsAcc,cacc.metrics.stringAmp);fprintf('CACC相对普通ACC的间距误差降低 %.2f%%。\n',...100*(acc.metrics.spacingRms-cacc.metrics.spacingRms)/max(acc.metrics.spacingRms,eps));fprintf('CACC相对普通ACC的速度误差降低 %.2f%%。\n',...100*(acc.metrics.speedRms-cacc.metrics.speedRms)/max(acc.metrics.speedRms,eps));fprintf('队列稳定性指标小于1表示扰动沿车队传播时没有被放大。\n');%% 结果绘图% 通过独立绘图函数生成五个结果图窗；图窗保持纯净，不在 MATLAB 窗口内添加水印。plotSpeedTracking(t,leadV,acc,cacc);plotSpacingError(t,acc,cacc);plotAcceleration(t,leadA,acc,cacc);plotDelayImpact(delayList,delayRms,delayAmp);plotStringStability(t,acc,cacc);%% 局部函数function[x,v,a]=makeLeadVehicle(t,dt)a=zeros(size(t));a(t=8t15)=0.85;a(t=24t32)=-1.15;a(t=42t50)=0.65;a(t=58t66)=-0.70;a=smoothdata(a,'movmean',max(3,round(0.6/dt)));v=zeros(size(t));v(1)=20.0;fori=2:numel(t)v(i)=max(8.0,min(29.0,v(i-1)+a(i-1)*dt))
如需帮助，或有车联网、网联车辆控制、交通仿真、滤波与导航相关的代码定制需求，可从个人主页左侧联系我订阅专栏后，可直接查看源代码，粘贴到MATLAB空脚本中即可直接运行、得到结果本例程面向车联网环境下的多车纵向协同控制问题，构建“领航车加减速工况 + 多辆网联车跟驰 + 通信时延与丢包扰动”的完整仿真场景，对普通ACC和CACC进行同条件对比。程序能够直观展示CACC利用V2X前车加速度信息后，在速度跟踪、车间距控制、加速度平顺性和队列稳定性方面的改善效果，适合用于车联网、智能网联汽车、协同自适应巡航控制、交通流稳定性等方向的课程设计、论文复现和二次开发。文章目录运行结果MATLAB源代码程序详解核心公式仿真场景普通ACC模型CACC模型队列稳定性运行结果速度跟踪对比图：对比领航车、普通ACC末车和CACC末车的速度变化过程，展示车队对加减速扰动的跟踪能力。车间距误差图：给出普通ACC和CACC在典型车辆上的车间距误差变化，用于观察跟驰控制精度和安全间距保持效果。加速度控制量图：展示领航车、普通ACC末车和CACC末车的加速度响应，用于分析控制动作是否平顺、是否存在明显振荡。通信时延影响图：扫描不同V2X通信时延下的间距误差和队列稳定性指标，观察时延增大对协同控制性能的影响。队列稳定性指标图：对比普通ACC和CACC的速度扰动放大倍数，指标小于1时表示扰动沿车队传播没有被放大。MATLAB源代码完整代码：%% CACC网联车辆协同跟驰控制例程% 作者：matlabfilter，接定位与导航、滤波相关的matlab代码定制% 2026-08-31 / Ver1clear;clc;close all;rng(0);% 设置仿真参数和典型工况，保证每次运行结果可复现。%% 仿真参数dt=0.05;% 采样时间，sT=80;% 仿真时长，st=(0:dt:T)';numStep=numel(t);numFollower=5;% 跟驰车辆数量veh.length=4.8;% 车辆长度，mveh.tauAcc=0.55;% 车辆纵向动力学时间常数，sveh.aMin=-4.0;% 最大制动减速度，m/s^2veh.aMax=2.5;% 最大驱动加速度，m/s^2policy.d0=7.0;% 静止安全间距，mpolicy.h=0.75;% 期望时距，spolicy.kpAcc=0.34;% ACC间距误差增益policy.kvAcc=0.72;% ACC相对速度增益policy.kpCacc=0.42;% CACC间距误差增益policy.kvCacc=0.88;% CACC相对速度增益policy.kff=0.68;% 前车加速度前馈增益policy.delayStep=round(0.25/dt);policy.lossRate=0.10;%% 领航车工况[leadX,leadV,leadA]=makeLeadVehicle(t,dt);%% 普通ACC与CACC仿真acc=simulatePlatoon('ACC',leadX,leadV,leadA,t,dt,veh,policy,numFollower);cacc=simulatePlatoon('CACC',leadX,leadV,leadA,t,dt,veh,policy,numFollower);%% 通信时延敏感性delayList=[0.000.100.200.300.400.550.70];delayRms=zeros(size(delayList));delayAmp=zeros(size(delayList));fork=1:numel(delayList)testPolicy=policy;testPolicy.delayStep=round(delayList(k)/dt);testPolicy.lossRate=0.08;tmp=simulatePlatoon('CACC',leadX,leadV,leadA,t,dt,veh,testPolicy,numFollower);delayRms(k)=tmp.metrics.spacingRms;delayAmp(k)=tmp.metrics.stringAmp;end%% 结果指标% 输出关键评价指标，便于从命令行直接比较不同策略。fprintf('CACC网联车辆协同跟驰控制仿真结果\n');fprintf('仿真车辆：1辆领航车 + %d辆跟驰车，仿真时长 %.1f 秒，采样时间 %.2f 秒。\n',...numFollower,T,dt);fprintf('V2X设置：通信时延 %.2f 秒，丢包率 %.1f%%。\n\n',...policy.delayStep*dt,policy.lossRate*100);fprintf('普通ACC | 间距误差RMSE %.3f 米 | 速度误差RMSE %.3f 米/秒 | 最大加速度 %.3f 米/秒^2 | 队列稳定性指标 %.3f\n',...acc.metrics.spacingRms,acc.metrics.speedRms,acc.metrics.maxAbsAcc,acc.metrics.stringAmp);fprintf('CACC协同控制 | 间距误差RMSE %.3f 米 | 速度误差RMSE %.3f 米/秒 | 最大加速度 %.3f 米/秒^2 | 队列稳定性指标 %.3f\n\n',...cacc.metrics.spacingRms,cacc.metrics.speedRms,cacc.metrics.maxAbsAcc,cacc.metrics.stringAmp);fprintf('CACC相对普通ACC的间距误差降低 %.2f%%。\n',...100*(acc.metrics.spacingRms-cacc.metrics.spacingRms)/max(acc.metrics.spacingRms,eps));fprintf('CACC相对普通ACC的速度误差降低 %.2f%%。\n',...100*(acc.metrics.speedRms-cacc.metrics.speedRms)/max(acc.metrics.speedRms,eps));fprintf('队列稳定性指标小于1表示扰动沿车队传播时没有被放大。\n');%% 结果绘图% 通过独立绘图函数生成五个结果图窗；图窗保持纯净，不在 MATLAB 窗口内添加水印。plotSpeedTracking(t,leadV,acc,cacc);plotSpacingError(t,acc,cacc);plotAcceleration(t,leadA,acc,cacc);plotDelayImpact(delayList,delayRms,delayAmp);plotStringStability(t,acc,cacc);%% 局部函数function[x,v,a]=makeLeadVehicle(t,dt)a=zeros(size(t));a(t=8t15)=0.85;a(t=24t32)=-1.15;a(t=42t50)=0.65;a(t=58t66)=-0.70;a=smoothdata(a,'movmean',max(3,round(0.6/dt)));v=zeros(size(t));v(1)=20.0;fori=2:numel(t)v(i)=max(8.0,min(29.0,v(i-1)+a(i-1)*dt))
