CN101264762A - 车辆跟驰运动的速度控制方法 - Google Patents

Abstract

一种车辆跟驰运动的速度控制方法：由3次前后两车的相对距离、前后车的车速及前后两车的相对距离采集的时间间隔Δt得到前车的加速度lva并作为第二输入量。以ds及lva为模糊控制器的两个输入变量，以后车的加速度为模糊控制器的输出变量fva，ds、lva及fva分别划分为7个模糊词集：负大、负中、负小、零、正小、正中、正大，分别用nb、nm、ns、ze、ps、pm、pb表示，所述的7个模糊词集的隶属度函数取常用三角函数。模糊控制器的模糊推理规则采用规则表归纳出49条规则；采用最大－最小法，计算输出变量fva的模糊集。最后，采用质心法，对输出变量fva的模糊集进行解模糊，得到后车加速度。

Description

车辆跟驰运动的速度控制方法

技术领域

本发明涉及一种基于模糊推断的车辆跟驰方法，将模糊逻辑运用到车辆跟驰的控制及决策中。

背景技术

随着道路交通的迅速发展，驾驶行为的研究对交通安全、行为能力的提高起着越来越重要的作用。正确理解驾驶员在驾驶过程中如何操纵车辆，是设计交通运输装置及管理方案的基础。传统的车辆跟驰方法难以体现驾驶员的感觉、理解、判断、决定等一系列心理、生理活动的不确定性和不一致性。许多研究认为在车辆跟驰过程中前导车的刺激和后随车的反应之间存在着确定的联系，即前后车动作之间存在着一定的因果关系。但一个驾驶员的动作所作出的反应，可能不是基于一个确定性的一对一的联系，而是基于由驾驶员经验积累而来的一系列驾驶准则上的。而且影响跟驰行为的因素具有多样性、复杂性、随机性，所以难以有一个统一的方法。随着城市交通微观模拟技术的发展，车辆跟驰模拟方法也成为了研究热点。传统的跟驰方法主要有如下几种：

1.GM方法，此方法是Pipes等人提出的最早期的跟车方法，其工作具有开创性的意义，虽然这种方法现在已不能令人满意，但是其形式简单，物理意义明确，在实际中曾得到了广泛的应用。此方法采用简单的刺激——反应特性，过于简单，难以反映驾驶员在行车过程中其感知、反应、判断等心理、生理行为特性，并且还存在如下一些缺点：

(1)前车的刺激于后车的反应是一一对应的关系，而现实中的跟车行为是随交通条件和流量条件的变化而变化的。

(2)候车能以确定的方式对前车的相对速度的微笑变化做出反应，且后车对正负相对速度的敏感程度相同。而实际观测表明当两车的距离增加或减小时，后车的反映不相同。

(3)前后两车的车速相同时，允许两车的车头时距无限减少直至为零。

2.线性跟车模型

Helly提出了一种新线性跟车方法，其考虑了前方两辆车是否制动减速对后车加速度的影响项。由于该方法物理意义明确、简单、实用，目前人们在实践中大量地使用该方法。

3.生理——心理方法

此方法是将刺激抽象为前后车之间的相对运动，包括速度差和距离差的变化。这些刺激只有超过阈值才能被司机感知并做出反应，从而建立相应的车辆跟驰。生理——心理方法是将刺激抽象为前后车之间的相对运动，包括速度和距离的变化。这些刺激只有超过阈值才能被司机感知并做出反应，其基础也是刺激——反应关系。由于该模型充分考虑了不同交通环境下，司机的不同反应，从而更接近实际状况。但对各种阈值的调查测量是非常困难的。而且在运用于其它的交通环境时，难以评价原有的参数适用性。现有的阈值确定方法是根据人对其视野中物体的角速度变化的最小可感知值来定，但实测数据中大量存在超过阈值而未反应的事例，因此，仅根据阈值来划分跟驰状态值得进一步探讨。

4.安全距离模型

安全距离方法最基本的关系并非GM方法所倡导的刺激——反应关系，而是寻找一个特定的跟车距离。它可以根据司机行为一般感性假设来标定。大多数情况只需知道司机将采用的最大制动减速度，这样就能满足整个方法的需要。尽管该方法能够得出可以令人接受的结果，但仍有许多问题有待解决，在实际的交通运行中，司机在很多情况下并没有保持安全距离行驶。造成这种情况的原因是多方面的。在实际交通环境中，一方面，前导车极少采用挡墙式制动，造成司机趋于采用冒险的方式进行驾驶；另一方面，司机可以看到前方不止是一辆前导车，而且还有其他车辆以及诸如远方信号灯等交通信息，司机综合判断这些信息后，能及时对前导车的变化做出反应。因此，在利用基于安全间距的跟驰模型进行通行能力的分析，很难与实际最大交通量吻合。

发明内容

技术问题

本发明提出了一个基于模糊推理的车辆跟驰运动的速度控制方法，将模糊逻辑运用到车辆跟驰的控制及决策中。仿真结果表明用模糊推理方法指导驾驶员是可行的，而且通过模糊推理来控制后车的速度能够在满足安全距离的前提下跟随前车安全行驶。

技术方案：

一种车辆跟驰运动的速度控制方法，其特征在于：

步骤1.通过后车的超声波测距仪采集连续的3次前后两车的相对距离d_i、d_i+1和d_i+2，2次前后两车的相对距离采集的时间间隔为Δt，并由前后两车的相对距离及该相对距离采集时的后车速度得到第一输入量ds，由3次前后两车的相对距离d_i、d_i+1和d_i+2、前后车的车速及前后两车的相对距离采集的时间间隔Δt得到前车的加速度lva并作为第二输入量，具体方法如下：

先利用相邻3次测得的前后两车的相对距离d_i、d_i+1和d_i+2及时间间隔Δt，得到前车的两个相邻实时速度v₀ ⁱ、v₀ ⁱ⁺¹：

$v_0^i=(d_{i+1}-d_i)/\mathrm{\Δt}+v_i---\left(1\right)$

$v_0^{i+1}=(d_{i+2}-d_{i+1})/\mathrm{\Δt}+v_{i+1}---\left(2\right)$

其中，v_i、v_i+1为后车的两个相邻实时速度，且该后车的两个相邻实时速度v_i、v_i+1为对应于前车的两个相邻实时速度v₀ ⁱ、v₀ ⁱ⁺¹的时间点的速度，

然后，由前车的两个相邻实时速度v₀ ⁱ、v₀ ⁱ⁺¹得到前车的加速度lva：

$\mathrm{lva}=(v_0^{i+1}-v_0^i)/\mathrm{\Δt}---\left(3\right)$

步骤2.建立模糊控制器，得到后车加速度：

(1)以第一输入量ds及第二输入量lva为模糊控制器的两个输入变量，以后车的加速度为模糊控制器的输出变量fva，所述第二输入量lva为前车的加速度，将第一输入量ds、第二输入量lva及输出变量fva分别划分为7个模糊词集：负大、负中、负小、零、正小、正中、正大，分别用nb、nm、ns、ze、ps、pm、pb表示，所述的7个模糊词集的隶属度函数取常用三角函数，

(2)模糊控制器的模糊推理规则采用规则表归纳出49条规则，该规则表为：

(3)采用最大-最小法，计算输出变量fva的模糊集：

设任意一个模糊控制规则为如下形式：

R_i：if $\mathrm{ds}=A_1^i$ and $\mathrm{lva}=A_2^i$ then fva＝B_i

其中：i＝1，2，…，49(现有49条规则)

对于第i条规则，这个模糊判断句可表示为：

$R_i=(A_1^i\×A_2^i)\×B_i$

R_i的隶属函数为：

这49条规则的合成结果为：

$R=\underset{i=1}{\overset{49}{\mathrm{\∪}}}{R}_i$

R的隶属函数为：

现假定输入为：ds＝A₁，lva＝A₂。则由总推理关系R得到相应的输出B为：

B＝(A₁×A₂)οR

即对任意fva∈U，有

输出量的隶属函数

以上式中：

A₁ ⁱ表示ds的任一模糊词集，A₂ ⁱ表示lva的任一模糊词集，B_i表示fva的任一模糊词集。

表示A₁ ⁱ隶属函数，

表示A₂ ⁱ隶属函数，

表示B_i隶属函数。

∧表示取小运算，∨表示取大运算。

A₁表示ds的任一模糊词集，A₂表示lva的任一模糊词集，B表示fva的任一模糊词集。

表示A₁隶属函数，

表示A₂隶属函数。

U表示输出变量fva所在的论域。

步骤3.采用质心法，对输出变量fva的模糊词集进行解模糊，得到后车加速度fva^*为：

$\mathrm{fva}*\frac{\underset{\mathrm{fva}\∈U}{\∫}\mathrm{fva}\·\mathrm{\μ}(\mathrm{ds},\mathrm{lva},\mathrm{fva})}{\underset{\mathrm{fva}\∈U}{\∫}\mathrm{\μ}(\mathrm{ds},\mathrm{lva},\mathrm{fva})}$

上式各符号含义与上相同。

有益效果

本方法提供的车辆跟驰效果通过两个算例得到验证：

算例1：前后车间的初始距离为100m，前车突然刹车，以5m/s^2减速运动。仿真结果如图1、图2和图3所示。可以看出在大约11s的时候后随车在距离前车10m处停下。

算例2：前后车之间的初始距离为20m，后车的速度为20.83m/s，前车的速度为18.06m/s，并保持该速度不变。仿真结果如图4、图5和图6所示。可以看出两车之间的距离与安全距离差的值在大约8s前有相对较大的波动，之后做不断的小范围波动，范围波动在4m内。两车之间的实际距离在8s后几乎保持不变，后随车紧紧跟随前导车运动。

通过上述的两个算例可以得出本文提出的基于模糊推理的车辆跟驰方法在一定程度上较好地反映了驾驶员的决策过程。通过模糊推理所得到的后随车的速度能够实现在满足安全距离的前提下跟随前车行驶。仿真结果中可以看到，通过模糊控制后车的车速能够让后车安全的停车，而且可以以微小的车速波动跟随前车行驶。这证实了该模糊控制算法运用到跟驰方法中是可行的。

附图说明

图1是算例1时前后两车的距离与安全距离差的仿真图。

图2是算例1时前后两车之间的实际距离的仿真图。

图3是算例1时后随车的速度变化的仿真图。

图4是算例2时前后两车之间的距离与安全距离差的仿真图。

图5是算例2时前后两车之间的实际距离的仿真图。

图6是算例2时后随车的速度变化的仿真图。

图7是后车速度获取流程图。

图8是相对距离与安全距离差值的隶属函数图。

图9是前车加速度的隶属函数图。

图10是后车加速度的隶属函数图。

具体实施方式

本车辆跟驰方法的实施方式主要由如下几个步骤，其流程图见图7。

一种车辆跟驰运动的速度控制方法：

步骤1.通过后车的超声波测距仪采集连续的3次前后两车的相对距离d_i、d_i+1和d_i+2，2次前后两车的相对距离采集的时间间隔为Δt，并由前后两车的相对距离及该相对距离采集时的后车速度得到第一输入量ds，由3次前后两车的相对距离d_i、d_i+1和d_i+2、前后车的车速及前后两车的相对距离采集的时间间隔Δt得到前车的加速度lva并作为第二输入量，具体方法如下：

先利用相邻3次测得的前后两车的相对距离d_i、d_i+1和d_i+2及时间间隔Δt，得到前车的两个相邻实时速度v₀ ⁱ、v₀ ⁱ⁺¹：

$v_0^i=(d_{i+1}-d_i)/\mathrm{\Δt}+v_i---\left(1\right)$

$v_0^{i+1}=(d_{i+2}-d_{i+1})/\mathrm{\Δt}+v_{i+1}---\left(2\right)$

其中，v_i、v_i+1为后车的两个相邻实时速度，且该后车的两个相邻实时速度v_i、v_i+1为对应于前车的两个相邻实时速度v₀ ⁱ、v₀ ⁱ⁺¹的时间点的速度，Δt可以为：1/6秒，

然后，由前车的两个相邻实时速度v₀ ⁱ、v₀ ⁱ⁺¹得到前车的加速度lva：

$\mathrm{lva}=(v_0^{i+1}-v_0^i)/\mathrm{\Δt}---\left(3\right)$

上述第一输入量ds采用现有的方法得到，该方法可以是：

ds＝d_i-1.5v_i    (4)

其中，ds、d_i及v_i如上所述；

步骤2.建立模糊控制器，得到后车加速度：

(1)以第一输入量ds及第二输入量lva为模糊控制器的两个输入变量，以后车的加速度为模糊控制器的输出变量fva，所述第二输入量lva为前车的加速度，将第一输入量ds、第二输入量lva及输出变量fva分别划分为7个模糊词集：负大、负中、负小、零、正小、正中、正大，分别用nb、nm、ns、ze、ps、pm、pb表示，所述的7个模糊词集的隶属度函数取常用三角函数，第一输入量ds及第二输入量lva及输出变量fva的隶属函数分别如公式5，公式6和公式7所示。

第一输入量ds及第二输入量lva及输出变量fva的隶属函数也可以参考图8，图9和图10。

(2)模糊控制器的模糊推理规则采用规则表归纳出49条规则，该规则表为：

从上述规则表中可以得到下述49条规则：

如果ds为nb且lva为nb，那么fva为nb

如果ds为nb且lva为nm，那么fva为nb

如果ds为nb且lva为ns，那么fva为nb

如果ds为nb且lva为ze，那么fva为nb

如果ds为nb且lva为ps，那么fva为nb

如果ds为nb且lva为pm，那么fva为nb

如果ds为nb且lva为pb，那么fva为nb

如果ds为nm且lva为nb，那么fva为nb

如果ds为nm且lva为nm，那么fva为nb

如果ds为nm且lva为ns，那么fva为nb

如果ds为nm且lva为ze，那么fva为ns

如果ds为nm且lva为ps，那么fva为ze

如果ds为nm且lva为pm，那么fva为ze

如果ds为nm且lva为pb，那么fva为ps

如果ds为ns且lva为nb，那么fva为nb

如果ds为ns且lva为nm，那么fva为nb

如果ds为ns且lva为ns，那么fva为nm

如果ds为ns且lva为ze，那么fva为ns

如果ds为ns且lva为ps，那么fva为ze

如果ds为ns且lva为pm，那么fva为ps

如果ds为ns且lva为pb，那么fva为pm

如果ds为ze且lva为nb，那么fva为nb

如果ds为ze且lva为nm，那么fva为nb

如果ds为ze且lva为ns，那么fva为nb

如果ds为ze且lva为ze，那么fva为nb

如果ds为ze且lva为ps，那么fva为nb

如果ds为ze且lva为pm，那么fva为nb

如果ds为ze且lva为pb，那么fva为nb

如果ds为ps且lva为nb，那么fva为nb

如果ds为ps且lva为nm，那么fva为nm

如果ds为ps且lva为ns，那么fva为ns

如果ds为ps且lva为ze，那么fva为ps

如果ds为ps且lva为ps，那么fva为pm

如果ds为ps且lva为pm，那么fva为pb

如果ds为ps且lva为pb，那么fva为pb

如果ds为pm且lva为nb，那么fva为nb

如果ds为pm且lva为nm，那么fva为nm

如果ds为pm且lva为ns，那么fva为ns

如果ds为pm且lva为ze，那么fva为pm

如果ds为pm且lva为ps，那么fva为pb

如果ds为pm且lva为pm，那么fva为pb

如果ds为pm且lva为pb，那么fva为pb

如果ds为pb且lva为nb，那么fva为ps

如果ds为pb且lva为nb，那么fva为pm

如果ds为pb且lva为nb，那么fva为pb

如果ds为pb且lva为nb，那么fva为pb

如果ds为nb且lva为nb，那么fva为pb

如果ds为pb且lva为nb，那么fva为pb

如果ds为pb且lva为nb，那么fva为pb

(3)采用最大-最小法，计算输出变量fva的模糊集：

设任意一个模糊控制规则为如下形式：

R_i：if $\mathrm{ds}=A_1^i$ and $\mathrm{lva}=A_2^i$ then fva＝B_i

其中：i＝1，2，…，49(49条规则)

对于第i条规则，这个模糊判断句可表示为：

$R_i=(A_1^i\×A_2^i)\×B_i$

R_i的隶属函数为：

所述49条规则的合成结果为：

$R=\underset{i=1}{\overset{49}{\∪}}{R}_i$

R的隶属函数为：

现假定输入为：ds＝A₁，lva＝A₂。则由总推理关系R得到相应的输出B为：

B＝(A₁×A₂)οR

即对任意fva∈U，有

输出量的隶属函数

以上式中：

A₁ ⁱ表示ds的任一模糊词集，A₂ ⁱ表示lva的任一模糊词集，B_i表示fva的任一模糊词集。

表示A₁ ⁱ隶属函数，

表示A₂ ⁱ隶属函数，

表示B_i隶属函数。

∧表示取小运算，∨表示取大运算。

A₁表示ds的任一模糊词集，A₂表示lva的任一模糊词集，B表示fva的任一模糊词集。

表示A₁隶属函数，

表示A₂隶属函数。

U表示输出变量fva所在的论域。

步骤3.采用质心法，对输出变量fva的模糊词集进行解模糊，得到后车加速度fva^*为：

$\mathrm{fva}*\frac{\underset{\mathrm{fva}\∈U}{\∫}\mathrm{fva}\·\mathrm{\μ}(\mathrm{ds},\mathrm{lva},\mathrm{fva})}{\underset{\mathrm{fva}\∈U}{\∫}\mathrm{\μ}(\mathrm{ds},\mathrm{lva},\mathrm{fva})}$

上式各符号含义与上相同。

Claims (1)

1.一种车辆跟驰运动的速度控制方法，其特征在于：

步骤1.通过后车的超声波测距仪采集连续的3次前后两车的相对距离d_i、d_i+1和d_i+2，2次前后两车的相对距离采集的时间间隔为Δt，并由前后两车的相对距离及该相对距离采集时的后车速度得到第一输入量ds，由3次前后两车的相对距离d_i、d_i+1和d_i+2、前后车的车速及前后两车的相对距离采集的时间间隔Δt得到前车的加速度lva并作为第二输入量，具体方法如下：

先利用相邻3次测得的前后两车的相对距离d_i、d_i+1和d_i+2及时间间隔Δt，得到前车的两个相邻实时速度v₀ ⁱ、v₀ ⁱ⁺¹：

$v_0^i=(d_{i+1}-d_i)/\mathrm{\Δt}+v_i---\left(1\right)$

$v_0^{i+1}=(d_{i+2}-d_{i+1})/\mathrm{\Δt}+v_{i+1}---\left(2\right)$

其中，v_i、v_i+1为后车的两个相邻实时速度，且该后车的两个相邻实时速度v_i、v_i+1为对应于前车的两个相邻实时速度v₀ ⁱ、v₀ ⁱ⁺¹的时间点的速度，

然后，由前车的两个相邻实时速度v₀ ⁱ、v₀ ⁱ⁺¹得到前车的加速度lva：

$\mathrm{lva}=(v_0^{i+1}-v_0^i)/\mathrm{\Δt}---\left(3\right)$

步骤2.建立模糊控制器，得到后车加速度模糊集：

(1)以第一输入量ds及第二输入量lva为模糊控制器的两个输入变量，以后车的加速度为模糊控制器的输出变量fva，所述第二输入量lva为前车的加速度，将第一输入量ds、第二输入量lva及输出变量fva分别划分为7个模糊词集：负大、负中、负小、零、正小、正中、正大，分别用nb、nm、ns、ze、ps、pm、pb表示，所述的7个模糊词集的隶属度函数取常用三角函数，

(2)模糊控制器的模糊推理规则采用规则表归纳出49条规则，该规则表为：

(3)采用最大-最小法，计算输出变量fva的模糊集：

设任意一个模糊控制规则为如下形式：

R_i：if $\mathrm{ds}=A_1^i$ and $\mathrm{lva}=A_2^i$ then fva＝B_i

其中：i＝1，2，…，49(现有49条规则)

对于第i条规则，这个模糊判断句可表示为：

$R_i=(A_1^i\×A_2^i)\×B_i$

R_i的隶属函数为：

这49条规则的合成结果为：

$R=\underset{i=1}{\overset{49}{\mathrm{\∪}}}{R}_i$

R的隶属函数为：

现假定输入为：ds＝A₁，lva＝A₂。则由总推理关系R得到相应的输出B为：

B＝(A₁×A₂)οR

即对任意fva∈U，有

输出量的隶属函数

以上式中：

A₁ ⁱ表示ds的任一模糊词集，A₂ ⁱ表示lva的任一模糊词集，B_i表示fva的任一模糊词集。

表示A₁ ⁱ隶属函数，

表示A₂ ⁱ隶属函数，

表示B_i隶属函数。

∧表示取小运算，∨表示取大运算。

A₁表示ds的任一模糊词集，A₂表示lva的任一模糊词集，B表示fva的任一模糊词集。

表示A₁隶属函数，

表示A₂隶属函数。

U表示输出变量fva所在的论域。

步骤3.采用质心法，对输出变量fva的模糊集进行解模糊，得到后车加速度fva^*为：

${\mathrm{fva}}^{*}=\frac{\underset{\mathrm{fva}\∈U}{\∫}\mathrm{fva}\·\mathrm{\μ}(\mathrm{ds},\mathrm{lva},\mathrm{fva})}{\underset{\mathrm{fva}\∈U}{\∫}\mathrm{\μ}(\mathrm{ds},\mathrm{lva},\mathrm{fva})}$

上式各符号含义与上相同。

Images