CN107389076B - 一种适用于智能网联汽车的节能实时动态路径规划方法 - Google Patents

一种适用于智能网联汽车的节能实时动态路径规划方法 Download PDF

Info

Publication number
CN107389076B
CN107389076B CN201710555940.0A CN201710555940A CN107389076B CN 107389076 B CN107389076 B CN 107389076B CN 201710555940 A CN201710555940 A CN 201710555940A CN 107389076 B CN107389076 B CN 107389076B
Authority
CN
China
Prior art keywords
time
road
path
vehicle
road section
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201710555940.0A
Other languages
English (en)
Other versions
CN107389076A (zh
Inventor
王建强
李世威
周文娟
朱巧珍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lanzhou Jiaotong University
Original Assignee
Lanzhou Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Lanzhou Jiaotong University filed Critical Lanzhou Jiaotong University
Priority to CN201710555940.0A priority Critical patent/CN107389076B/zh
Publication of CN107389076A publication Critical patent/CN107389076A/zh
Application granted granted Critical
Publication of CN107389076B publication Critical patent/CN107389076B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种适用于智能网联汽车的节能实时动态路径规划方法，具体为：在ICV行驶环境下，建立考虑时间维度的三维路网模型；获取各个路段末端信号灯的状态；根据起始点与终点，采用全可行路径搜索算法在路网中搜索所有可行路径；依据交通流量信息计算最短通行时间和推算路段上的理论通行时间；推荐时间最短的路径作为实时动态路径；在车辆行驶过程中，考虑车辆位置变化因素，在进入路段末端有效范围内时，重新调用动态路径规划算法，进而更新当前车辆的最优实时动态路径。本发明的优点是：该方法可以搜索到三维时空网络当中的全程理论通行时间最短的出行路径；该方法可以显著的降低车辆行驶能耗，达到节能出行的目标。

Description

一种适用于智能网联汽车的节能实时动态路径规划方法
技术领域
本发明涉及一种智能网联汽车领域，具体为一种适用于智能网联汽车的节能实时动态路径规划方法。
背景技术
2015年，中国工业和信息化部在对《中国制造2025》政策文件进行的解读中提出了智能网联汽车(Intelligent Connected Vehicle，ICV)的概念，即搭载先进的车载传感器、控制器、执行器等装置，并融合现代通信与网络技术，实现车与X(人、车、路、后台等)智能信息交换共享，具备复杂的环境感知、智能决策、协同控制和执行等功能，可实现安全、舒适、节能、高效行驶，并最终可替代人来操作的新一代汽车。也就是说，ICV是一种集环境感知、智能决策与控制执行辅助于一体的，跨界交融的综合系统终端，包括“智能”、“网联”，“汽车”三个层面：“智能”即搭载先进的车载传感器，控制器、执行器等装置和车载系统模块，具备复杂环境感知、智能化决策与控制等功能；“网联”主要指信息互联共享能力，即通过通信与网络技术，实现车内、车与环境间的信息交互；“汽车”作为智能终端载体外观形态。
针对全新的实时交通信息和信号灯状态信息可以预知的行驶环境，新一代ICV可以为用户提供更为人性化的路径规划服务。追求避免拥堵的时间最短路径和能耗最小的不停车行驶方案已然成为出行者必然的出行需求，而这样的需求在传统的车辆行驶环境下是无法实现的。
较之当前车辆当中广泛使用的静态路径诱导(如车载导航)，动态路径诱导技术可以充分利用路网实时交通流信息对路径进行规划。而较之当前可以提供部分动态路径规划服务的主流动态路径诱导(如高德导航、百度地图等)，实时动态路径规划技术则更好的利用了车联网等提供的多源交通信息，为出行者提供了更为灵活且优质的路径出行服务，也客观上一定程度的实现了路网当中交通流的均衡分配。更为重要的是，当下各行各业的能耗矛盾日益突出，作为能源消耗大户的汽车必须充分考虑节能要素。
考虑节能要素的实时动态路径规划方法是一项全新的研究。目前，国内外尚未有相类似的文献报道和公开专利(截止2017年5月)。基于上述认识，本发明提出一种适用于未来ICV的节能实时动态路径规划方法，使ICV实现交通运行性能(出行时间以及节能等指标)达到最优。
发明内容
本发明现有的动态路径规划技术主要有如下3个缺点：
(1)未考虑实时动态路径规划。受制于网络通信技术和车辆数据处理能力，现行的动态路径规划方法没有实时考虑变化的交通信息，规划的动态路径往往只是出发时刻的最优路径，而在行驶期间一般不进行路径的更新。但实际上，实时交通信息的变化有可能会导致原规划路径的改变，不考虑这样的更新与改变会明显降低路径规划的服务质量。ICV实时接收车联网提供的道路状态信息以及周围感知信息，并具有数据存储与计算能力，客观上具备实时更新动态路径的物理基础。
(2)未考虑车辆行驶节能要素对实时动态路径规划的影响。当前的路径规划技术未考虑车辆速度(如加速、匀速、制动等)对行驶过程中能量消耗的影响。
①当汽车匀速行驶时，加速度为零。由于汽车是匀速运动，汽车的速度为定值，耗能J与速度vc以及行驶时间t的关系如下：
Figure BSA0000147357230000021
②当汽车加速行驶时，耗能J与加速度a以及加速时间t的关系如下：
J＝0.01125a3t4+112.5at2+1500a2t2
由于加速度a＝vc/t，此时vc为加速后达到的最终速度，则耗能与最终速度vc的关系如下：
J＝0.01125vc 3t+112.5vct+1500vc 2
因此，加(减)速情况下要比匀速行驶时耗能更多。这样以来，控制车辆尽可能少的加(减)速行驶，可以明显地降低能量消耗。
(3)未考虑路网当中信号灯的周期变化对实时动态路径规划的影响。路网当中行驶的车辆被迫启停和变速的重要原因之一是交叉口处周期变化的信号灯，这无疑会增加车辆行驶期间的能源消耗。因此，在进行实时动态路径规划之初，就应该充分考虑信号灯的状态信息，控制车辆行驶速度，尽可能使车辆做到不停车通过交叉路口。
本发明较好的克服了以上3点不足，在实现出行时间最短的同时，达到了总行驶能耗最低。
本发明解决的技术问题是：未来车联网环境下行驶的智能网联汽车可以实时感知自身车辆的行驶状态信息和周围环境信息，并且具有一定的数据存储和计算能力。同时，较之传统汽车，智能网联汽车也具有控制自身行驶轨迹和路径选择的能力。由此，本发明率先考虑引入实时道路交通流状态信息、交叉口信号灯状态信息、自身车辆行驶状态信息(速度、方向)等，以时间最短和能源消耗最小为目标，提出一种适用于智能网联汽车的节能实时动态路径规划方法体系。本方法主要设计了路网中全部路径搜索算法、依据交叉口信号灯状态信息不停车轨迹优化控制方法、实时最优(时间最短和能耗最小)路径规划方法。
本发明的目的是提供一种适用于ICV的节能实时动态路径规划方法。本发明中，建立路网模型，给定起始点和终点，在路网中搜索出所有的可行路径，根据路径上各个交叉口处的实时信号灯状况，计算出理论通行时间最短的出行路径。在ICV出行过程中利用实时更新的交通数据，实现动态路径规划。
根据本发明提供的一种适用于智能网联汽车的节能实时动态路径规划方法，包括：
步骤1：在ICV行驶环境下，建立考虑时间维度的三维时空路网模型；
步骤2：获取各个路段末端(交叉口)信号灯的基本属性和实时状态；
步骤3：根据起始点与终点(起始点非终点)，采用全可行路径搜索算法在路网中搜索所有可行路径；
步骤4：获得当下各个路段上的可能最短通行时间；
步骤5：根据路段的当下可能最短通行时间及路段末端处信号灯的状态，推算路段当下的理论通行时间；
步骤6：计算当下所有可行路径的理论通行时间，推荐时间最短的路径作为当前最优实时动态路径；
步骤7：在车辆行驶过程中，考虑车辆位置变化因素，在进入路段末端(交叉口)有效范围内时，重新调用动态路径规划算法(变换新的起点)，若新的起点不是路径的终点，返回步骤3，计算并更新当前的最优实时动态路径；否则结束路径规划。
进一步的，所述步骤1包括：动态路径规划系统需要考虑路网交通状况随时间变化的关系，建立了考虑时间维度的三维路网模型Gd(V，A，Qd)，用以表示d时刻整个交通网络状态；V代表结点集合，V＝{vj|j＝1，2，3，...，n}，vj＝(xj，yj)，xj，yj分别为结点vj的经、纬度，vr代表起点，vs代表终点，且vr，vs∈V；A代表有向路段集合，a代表路网中的任一有向路段，且
Figure BSA0000147357230000031
Qd表示d时刻所有路段的交通流集合，
Figure BSA0000147357230000032
表示d时刻路网中的路段a的交通流，
Figure BSA0000147357230000033
Krs表示vr和vs间(rs)所有可行路径的集合；k表示rs间的任一可行路径，且k∈Krs，
Figure BSA0000147357230000034
Figure BSA0000147357230000035
表示路径k上的第e个路段，
Figure BSA0000147357230000036
为rs间路段a与路径k的相关变量，即0-1变量，若路段a在连接rs间的第k条路径上，则
Figure BSA0000147357230000037
否则
Figure BSA0000147357230000038
ξa，a′为路段a和a′的连接方向指示量，且
Figure BSA0000147357230000039
其中，0代表不相邻，1代表向左转，2代表直行，3代表向右转；Drs，k是路径k上的相邻路段连接方向构成集合，
Figure BSA00001473572300000310
进一步的，所述步骤2包括：
设置T时刻路段a的信号灯为
Figure BSA00001473572300000311
turn表示该路段末端的信号灯转向方向，且
Figure BSA00001473572300000312
turn＝{1，2，3}，1代表左转信号灯，2代表直行信号灯，3代表右转信号灯。
Figure BSA00001473572300000313
为0-1变量，
Figure BSA00001473572300000314
代表T时刻路段a上相应转向方向的信号灯(左、中、右)为红灯，
Figure BSA00001473572300000315
代表T时刻路段a上相应转向方向的信号灯(左、中、右)为绿灯。如式(1)所示：
Figure BSA0000147357230000041
其中，Ta为路段a的信号灯周期，
Figure BSA0000147357230000042
为T时刻路段a的turn信号灯周期数，
Figure BSA0000147357230000043
为路段a的turn方向信号灯的绿灯持续时间，
Figure BSA0000147357230000044
为路段a的turn分析信号灯的相位差。
进一步的，所述步骤3包括：
步骤3.1：输入起点vr和终点vs；
步骤3.2：将vj的邻接结点按编号顺序从小到大依次存入数组
Figure BSA0000147357230000045
中；初始化指针数组
Figure BSA0000147357230000046
新建一个栈Stack；i＝1；
步骤3.3：push(vr)；
步骤3.4：若Stack不为空，则vk＝peek()；否则，转向步骤3.8；
步骤3.5：若
Figure BSA0000147357230000047
则
Figure BSA0000147357230000048
否则，pop()，
Figure BSA0000147357230000049
转向步骤2.4；
步骤3.6：若peek()≠vs，转向步骤3.4；
步骤3.7：逆序打印栈Stack中的全部元素，记录至Krs，m，i＝i+1，pop()，转向步骤3.4；
步骤3.8：生成新的集合Krs＝{Krs，i|i∈N*}；
步骤3.9：算法结束。
所述push(vr)定义为：将数据元素vr压入栈顶，同理
Figure BSA00001473572300000410
所述peek()定义为：读取栈顶元素并返回其值。
所述pop()定义为：删除栈顶元素。
进一步的，所述步骤4包括：
d时刻路段a的可能最短通行时间
Figure BSA00001473572300000411
与该路段的交通流量
Figure BSA00001473572300000412
有关，可以使用美国联邦公路局提出的BPR函数；如式(2)所示：
Figure BSA00001473572300000413
其中，
Figure BSA00001473572300000414
为零流阻抗，即路段a上流量为零时车辆行驶所需时间；ca为路段a的通行能力；α1，α2为阻滞系数。
进一步的，所述步骤5包括：根据当下时刻和可能最短通行时间确定信号灯的状态，由信号灯状态改变理论通行时间，调整行驶速度，从而实现以不停车为前提的节能；具体步骤如下：
情况1：若T时刻路段
Figure BSA00001473572300000415
的turn转向信号灯状态方程满足式(3)：
Figure BSA0000147357230000051
其中，τ为交叉口的平均通行时间。
那么，车辆可以以最大可能速度通过此路段，则在d时刻所用理论通行时间为
Figure BSA0000147357230000052
如式(4)所示：
Figure BSA0000147357230000053
情况2：若T时刻路段
Figure BSA0000147357230000054
的turn转向信号灯状态方程满足式(5)：
Figure BSA0000147357230000055
那么，车辆在d时刻通过此路段所用理论通行时间
Figure BSA0000147357230000056
可由式(6)和(7)计算；
Figure BSA0000147357230000057
Figure BSA0000147357230000058
其中，
Figure BSA0000147357230000059
为路段
Figure BSA00001473572300000510
的turn转向信号灯的红灯持续的时间；
综上所述，在d时刻通过路段a的理论通行时间可由式(8)表示：
Figure BSA00001473572300000511
在d时刻路段
Figure BSA00001473572300000512
的理论平均行驶速度为
Figure BSA00001473572300000513
可由式(9)表示：
Figure BSA00001473572300000514
其中，la为路段a的长度。
进一步的，所述步骤6包括：
d时刻rs间第k条路径的理论通行时间
Figure BSA00001473572300000515
可由式(10)所示：
Figure BSA00001473572300000516
进一步的，所述步骤7包括：
车辆在d时刻的位置为ψd(xd，yd)，定义当前汽车未经过结点集合VU，如式(11)：
VU＝V\VW (11)
其中，VW代表当前车辆已经经过的结点集合。
通过计算欧氏距离，搜索车辆即将到达的下一个结点，可由式(12)计算：
Figure BSA0000147357230000061
其中，disj为vj到ψd的欧氏距离。
当满足式(13)时，说明当前车辆已进入有效动态路径规划范围。
Figure BSA0000147357230000062
在d时刻，与车辆位置的欧氏距离最小的结点为vj′(vj′∈VU)。若结点vj′不是终点vs，则将结点vj′作为新的起点，返回步骤3，重新计算并更新当前的最优路径；否则即将到达终点vs，结束路径规划。
本发明的优点是：1.充分利用车联网和智能网联汽车的技术优势，以现实的出行需求为依据，为时兴的智能网联汽车提供了一种实时动态路径规划方法。该方法可以搜索到时空三维网络当中的全程总通行时间最短的出行路径；2.在保证总通行时间最短的前提下，实现了考虑路网当中全部信号灯状态因素的能源消耗最少的动态路径规划方法和车辆行驶轨迹控制方法。该方法可以显著的降低车辆行驶能耗，达到节能出行的目标；3.从整体交通网络的角度来看，由于使得每个智能网联汽车都实现了个体层面上的时间和能耗两个方面的最优路径出行，客观上促成了整个交通网络的交通流分配更加合理均衡，避免了所有出行者在个别路径上的集聚，也消除了由于不必要的启停和加(减)速而带来的能源浪费。
附图说明
图1所示为一种适用于智能网联汽车的节能实时动态路径规划方法的流程图，阐述了一种适用于智能网联汽车的节能实时动态路径规划方法的步骤。
图2为全可行路径搜索算法流程图。
图3为路段与信号灯位置关系示意图。
图4为同一路径上各个信号灯状态以及不同时刻出发的规划路径示意图。
图5为动态路径规划流程图。
图6为本发明的仿真路网示意图；图中边上的数字顺序依次为路段编号、长度(单位：km)、交通容量(单位：veh/h)。
具体实施方式
建立实时交通路网模型，如图5所示的仿真路网。图中边上的数字顺序依次为路段编号、长度(单位：km)、交通容量(单位：veh/h)。
根据车辆的出行目的，从起点编号1到终点编号15，计算出所有的可行路径。如表1所示。
表1全可行路径
Figure BSA0000147357230000063
Figure BSA0000147357230000071
以路径编号10为例，路径经过1-2-5-8-11-12-15，途径路段编号1-4-9-14-17-20，其中路段1，4，9，14末端处有信号灯，假设当前时刻d＝0，信号灯周期分别为65s(绿灯35s，红灯30s)、90s(绿灯50s，红灯40s)、70s(绿灯35s，红灯35s)和100s(绿灯60s，红灯40s)，各个信号灯相位差都为0s，交叉口的平均通行时间为10s。不停车行驶情况下，时间速度计算结果如表2所示。
表2不停车行驶时间速度表
Figure BSA0000147357230000072
此情况下，路径的通行时间为(5.4167+4.3352+2.3245+2.9236+4.6483+4.6352)×60＝1457.01s。
此情况下，能量消耗如表3所示。
表3不停车行驶时间能耗表
Figure BSA0000147357230000073
以最大可能速度通过(需要等红灯)的情况下，时间速度计算结果如表4所示。
表4以最大速度(需要等红灯)行驶时间速度表
Figure BSA0000147357230000074
Figure BSA0000147357230000081
此情况下，路径的通行时间为
(5.1840+4.3352+2.3245+2.5929+4.6483+4.6352)×60+(13.9600+19.8440)＝1457.01s。但是，等待红灯的时间为13.9600+19.8440＝33.804s。
此情况下，假设启动加速时间均为6s，能量消耗如表5所示。
表5以最大速度(需要等红灯)行驶能耗表
Figure BSA0000147357230000082
由此可见，不停车行驶相比于以最大速度(需要等红灯)行驶，路径总时间相同，但是停车等待时间减少，同时重要的是减少了能量消耗。
本发明的关键点和发明人欲保护点是：1.针对智能网联汽车的实时动态路径规划过程，同时引入道路交通流状态和路网当中多个交叉口信号灯周期变化状态而实现的总理论通行时间最短的路径规划求解方法；2.针对智能网联汽车的实时动态路径规划过程，以降低车辆行驶能耗为目标，考虑全程不停车(无启停)的和减少加(减)速次数的车辆轨迹控制方法而实现的节能路径规划方法；3.为实现实时动态路径规划，构建了路网当中多个信号灯不同周期、不同相位等相关信息的统一建模方法，即同时考虑了交叉口信号灯的有无、各个信号灯的相位、周期、初始状态等，并将其用统一的数学模型表出；4.在交通网络中，采用栈思想实现的求解从起点到终点所有可行路径集合的回溯算法。

Claims (3)

1.一种适用于智能网联汽车的节能实时动态路径规划方法，其特征在于包括如下步骤：
步骤1：在ICV行驶环境下，建立考虑时间维度的三维时空路网模型；
步骤2：获取各个路段末端信号灯的基本属性和实时状态；
步骤3：根据起始点与终点，采用全可行路径搜索算法在路网中搜索所有可行路径；
步骤4：获得当下各个路段上的可能最短通行时间；
步骤5：根据路段的当下可能最短通行时间及路段末端处信号灯的状态，推算路段当下的理论通行时间；
步骤6：计算当下所有可行路径的理论通行时间，推荐时间最短的路径作为当前最优实时动态路径；
步骤7：在车辆行驶过程中，考虑车辆位置变化因素，在进入路段末端有效范围内时，重新调用动态路径规划算法；若新的起点不是路径的终点，返回步骤3，计算并更新当前的最优实时动态路径；否则结束路径规划；
所述步骤1包括：动态路径规划系统需要考虑路网交通状况随时间变化的关系，建立了考虑时间维度的三维路网模型Gd(V，A，Qd)，用以表示d时刻整个交通网络状态；V代表结点集合，V＝{vj|j＝1，2，3，...，n}，vj＝(xj，yj)，xj，yj分别为结点vj的经、纬度，vr代表起点，vs代表终点，且vr，vs∈V；A代表有向路段集合，a代表路网中的任一有向路段，且
Figure FSB0000186466380000011
Qd表示d时刻所有路段的交通流集合，
Figure FSB0000186466380000012
表示d时刻路网中的路段a的交通流，
Figure FSB0000186466380000013
Krs表示vr和vs间(rs)所有可行路径的集合；k表示rs间的任一可行路径，且k∈Krs，
Figure FSB0000186466380000014
表示路径k上的第e个路段，
Figure FSB0000186466380000015
为rs间路段a与路径k的相关变量，即0-1变量，若路段a在连接rs间的第k条路径上，则
Figure FSB0000186466380000016
否则
Figure FSB0000186466380000017
ξa，a′为路段a和a′的连接方向指示量，且
Figure FSB0000186466380000018
其中，0代表不相邻，1代表向左转，2代表直行，3代表向右转；Drs，k是路径k上的相邻路段连接方向构成集合，
Figure DEST_PATH_IMAGE002
；
所述步骤2包括：
设置T时刻路段a的信号灯为
Figure FSB0000186466380000022
turn表示该路段末端的信号灯转向方向，且
Figure FSB0000186466380000023
1代表左转信号灯，2代表直行信号灯，3代表右转信号灯；
Figure FSB0000186466380000024
为0-1变量，
Figure FSB0000186466380000025
代表T时刻路段a上相应转向方向的信号灯(左、中、右)为红灯，
Figure FSB0000186466380000026
代表T时刻路段a上相应转向方向的信号灯(左、中、右)为绿灯；如式(1)所示：
Figure FSB0000186466380000027
其中，Ta为路段a的信号灯周期，
Figure FSB0000186466380000028
为T时刻路段a的turn信号灯周期数，
Figure FSB0000186466380000029
为路段a的turn方向信号灯的绿灯持续时间，
Figure FSB00001864663800000210
为路段a的turn方向信号灯的相位差；
所述步骤3包括：
步骤3.1：输入起点vr和终点vs；
步骤3.2：将vj的邻接结点按编号顺序从小到大依次存入数组
Figure FSB00001864663800000211
中；初始化指针数组
Figure FSB00001864663800000212
新建一个栈Stack；i＝1；
步骤3.3：push(vr)；
步骤3.4：若Stack不为空，则vk＝peek()；否则，转向步骤3.8；
步骤3.5：若
Figure FSB00001864663800000213
则
Figure FSB00001864663800000214
否则，pop()，
Figure FSB00001864663800000215
转向步骤3.4；
步骤3.6：若peek()≠vs，转向步骤3.4；
步骤3.7：逆序打印栈Stack中的全部元素，记录至Krs，m，i＝i+1，pop()，转向步骤3.4；
步骤3.8：生成新的集合Krs＝{Krs，i|i∈N*}；
步骤3.9：算法结束；
所述步骤4包括：
d时刻路段a的可能最短通行时间
Figure FSB0000186466380000031
与该路段的交通流量
Figure FSB0000186466380000032
有关，可以使用美国联邦公路局提出的BPR函数；如式(2)所示：
Figure FSB0000186466380000033
其中，
Figure FSB0000186466380000034
为零流阻抗，即路段a上流量为零时车辆行驶所需时间；ca为路段a的通行能力；α1，α2为阻滞系数；
所述步骤5包括：
根据当前时刻和可能最短通行时间确定信号灯的状态，由信号灯状态改变理论通行时间，调整行驶速度，从而实现以不停车为前提的节能；具体步骤如下：
情况1：若T时刻路径k上的路段
Figure FSB0000186466380000035
对应的turn转向信号灯状态方程满足式(3)：
Figure FSB0000186466380000036
其中，τ为交叉口的平均通行时间；
那么，车辆可以以最大可能速度通过路径k上对应的路段
Figure FSB0000186466380000037
则在d时刻所用理论通行时间为
Figure FSB0000186466380000038
如式(4)所示：
Figure FSB0000186466380000039
情况2：若T时刻路段
Figure FSB00001864663800000310
的turn转向信号灯状态方程满足式(5)：
Figure FSB00001864663800000311
那么，车辆在d时刻通过此路段所用理论通行时间
Figure FSB00001864663800000312
可由式(6)和(7)计算；
Figure FSB00001864663800000313
Figure FSB00001864663800000314
其中，
Figure FSB00001864663800000315
为路段
Figure FSB00001864663800000316
的turn转向信号灯的红灯持续的时间；
综上所述，在d时刻通过路段
Figure FSB00001864663800000317
的理论通行时间可由式(8)表示：
Figure FSB0000186466380000041
在d时刻路径k上对应的路段
Figure FSB0000186466380000042
的理论平均行驶速度为
Figure FSB0000186466380000043
可由式(9)表示：
Figure FSB0000186466380000044
其中，
Figure FSB0000186466380000045
为路径k上对应的路段
Figure FSB0000186466380000046
的长度。
2.根据权利要求1所述的一种适用于智能网联汽车的节能实时动态路径规划方法，其特征在于：所述步骤6包括：
d时刻rs间第k条路径的理论通行时间
Figure FSB0000186466380000047
可由式(10)所示：
Figure FSB0000186466380000048
3.根据权利要求1所述的一种适用于智能网联汽车的节能实时动态路径规划方法，其特征在于：所述步骤7包括：
车辆在d时刻的位置为ψd(xd，yd)，定义当前车辆未经过结点集合VU，如式(11)：
VU＝V\VW (11)
其中，VW代表当前车辆已经经过的结点集合；
通过计算欧氏距离，搜索车辆即将到达的下一个结点，可由式(12)计算：
Figure FSB0000186466380000049
其中，disj为vj到ψd的欧氏距离；
当满足式(13)时，说明当前车辆已进入有效动态路径规划范围；
Figure FSB00001864663800000410
在d时刻，与车辆位置的欧氏距离最小的结点为vj′(vj′∈VU)；若结点vj′不是终点vs，则将结点vj′作为新的起点，返回步骤3，重新计算并更新当前最优路径；否则即将到达终点vs，结束路径规划。
CN201710555940.0A 2017-07-01 2017-07-01 一种适用于智能网联汽车的节能实时动态路径规划方法 Expired - Fee Related CN107389076B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710555940.0A CN107389076B (zh) 2017-07-01 2017-07-01 一种适用于智能网联汽车的节能实时动态路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710555940.0A CN107389076B (zh) 2017-07-01 2017-07-01 一种适用于智能网联汽车的节能实时动态路径规划方法

Publications (2)

Publication Number Publication Date
CN107389076A CN107389076A (zh) 2017-11-24
CN107389076B true CN107389076B (zh) 2020-08-21

Family

ID=60335562

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710555940.0A Expired - Fee Related CN107389076B (zh) 2017-07-01 2017-07-01 一种适用于智能网联汽车的节能实时动态路径规划方法

Country Status (1)

Country Link
CN (1) CN107389076B (zh)

Families Citing this family (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108491971B (zh) * 2018-03-20 2022-04-15 北京交通大学 基于出行计划的三维地图的最优路径规划方法
CN109489672B (zh) * 2018-03-25 2022-03-18 哈尔滨工程大学 考虑海流与无人艇动力学影响的节能a星路径规划方法
CN108592930B (zh) * 2018-04-26 2020-04-28 浙江工业大学 基于大系统优化和车联网的新能源汽车智能辅助驾驶方法
CN108648447B (zh) * 2018-05-08 2019-04-05 清华大学 基于行车安全场的车辆智能安全决策方法
CN109448364B (zh) * 2018-10-15 2020-08-14 同济大学 一种考虑舒适度和节能减排的公交动态轨迹优化方法
CN109300308B (zh) * 2018-10-23 2021-08-20 杭州翔毅科技有限公司 一种基于动态交通图谱分析的智能管理平台
CN113015885A (zh) * 2018-11-13 2021-06-22 麦格纳国际公司 使用大数据进行车辆路由的系统和方法
CN109374006A (zh) * 2018-12-06 2019-02-22 兰州交通大学 多目标的危险品道路运输路径规划方法
CN109461320A (zh) * 2018-12-20 2019-03-12 清华大学苏州汽车研究院（吴江） 基于车联网的交叉路口车速规划方法
CN110674990B (zh) * 2019-09-24 2023-05-09 重庆城市管理职业学院 设置滑动窗口更新机制的即时配送路径选择方法及系统
CN110617834B (zh) * 2019-10-31 2021-02-26 电子科技大学 一种高斯过程路网下的最短路径规划方法
CN110941277B (zh) * 2019-12-13 2023-02-17 华南智能机器人创新研究院 一种小车路线规划方法及系统
CN111145565B (zh) * 2019-12-16 2020-12-15 银江股份有限公司 一种用于城市交通的协调路线和协调方案的推荐方法及系统
CN111445713B (zh) * 2020-03-05 2022-03-08 苏州工业园区测绘地理信息有限公司 基于车路协同的智能网联车辆驾驶车速引导方法
US11486710B2 (en) * 2020-04-06 2022-11-01 The Boeing Company System and method for determining a three-dimensional travel path for a vehicle
CN111397631A (zh) * 2020-04-10 2020-07-10 上海安吉星信息服务有限公司 一种导航路径的规划方法、装置和导航设备
CN112289062B (zh) * 2020-10-26 2021-10-08 公安部交通管理科学研究所 一种基于绿灯时刻图的车辆行驶路径动态导航方法
CN112347216B (zh) * 2020-11-06 2023-10-31 思创数码科技股份有限公司 一种基于动态路网的初始线路搜索方法
CN112700639B (zh) * 2020-12-07 2022-03-08 电子科技大学 一种基于联邦学习与数字孪生的智能交通路径规划方法
CN113296513B (zh) * 2021-05-24 2022-06-07 东南大学 网联环境下基于滚动时域的应急车辆动态路径规划方法
CN113551685B (zh) * 2021-07-30 2022-08-26 重庆大学 用于双时变路网的多偏好路线规划方法
CN114137973B (zh) * 2021-11-26 2024-05-07 湖北亿纬动力有限公司 一种路径规划的方法、装置、设备及存储介质
CN114550482B (zh) * 2022-01-25 2023-08-01 中国人民武装警察部队工程大学 一种基于低碳目标的导航方法及停车场导航方法
CN115891740B (zh) * 2022-12-30 2023-09-12 交通运输部规划研究院 一种高速公路新能源汽车电量预警系统
CN116295684B (zh) * 2023-03-07 2023-11-24 智能网联汽车(山东)协同创新研究院有限公司 一种智能网联环境下汽车瞬时油耗监测系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090129867A (ko) * 2008-06-13 2009-12-17 (주)엠앤소프트 경로 탐색 방법 및 그를 위한 내비게이션
WO2010068627A1 (en) * 2008-12-11 2010-06-17 Telogis, Inc. System and method for efficient routing on a network in the presence of multiple-edge restrictions and other constraints
CN105865472A (zh) * 2016-04-06 2016-08-17 重庆邮电大学 一种基于最佳油耗的车载导航方法
CN106197442A (zh) * 2016-06-24 2016-12-07 深圳市元征科技股份有限公司 导航方法以及设备
CN106679685A (zh) * 2016-12-29 2017-05-17 鄂尔多斯市普渡科技有限公司 一种用于车辆导航的行车路径规划方法
CN106846871A (zh) * 2017-03-21 2017-06-13 广东数相智能科技有限公司 一种根据导航路径规划车速的方法、装置及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6007929B2 (ja) * 2014-02-24 2016-10-19 トヨタ自動車株式会社 移動支援装置、移動支援方法、及び運転支援システム

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090129867A (ko) * 2008-06-13 2009-12-17 (주)엠앤소프트 경로 탐색 방법 및 그를 위한 내비게이션
WO2010068627A1 (en) * 2008-12-11 2010-06-17 Telogis, Inc. System and method for efficient routing on a network in the presence of multiple-edge restrictions and other constraints
CN105865472A (zh) * 2016-04-06 2016-08-17 重庆邮电大学 一种基于最佳油耗的车载导航方法
CN106197442A (zh) * 2016-06-24 2016-12-07 深圳市元征科技股份有限公司 导航方法以及设备
CN106679685A (zh) * 2016-12-29 2017-05-17 鄂尔多斯市普渡科技有限公司 一种用于车辆导航的行车路径规划方法
CN106846871A (zh) * 2017-03-21 2017-06-13 广东数相智能科技有限公司 一种根据导航路径规划车速的方法、装置及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Joint optimization of high一speed train timetables and speed profiles:A unified modeling approach using space一time一speed grid networks;Leishan Zhou 等;《Transportation Research Part B》;20170113(第97期);第160-165页第2节 *

Also Published As

Publication number Publication date
CN107389076A (zh) 2017-11-24

Similar Documents

Publication Publication Date Title
CN107389076B (zh) 一种适用于智能网联汽车的节能实时动态路径规划方法
CN105865472B (zh) 一种基于最佳油耗的车载导航方法
EP3602513B1 (en) Method, apparatus and computer program product for comprehensive management of signal phase and timing of traffic lights
CN107944605B (zh) 一种基于数据预测的动态交通路径规划方法
US8949028B1 (en) Multi-modal route planning
CN110264757B (zh) 基于连续信号灯信息的智能网联汽车分层速度规划方法
CN102314545A (zh) 计算行驶路线的燃料量的系统及其方法
CN106327871B (zh) 一种融合历史数据和预约数据的高速公路拥挤预测方法
US11733050B2 (en) Method and apparatus for providing an isoline map of a time to park at a destination
CN102052926B (zh) 减少燃料消耗和成本的方法
CN102436466A (zh) 基于gis分类的公交换乘查询方法
CN110222786B (zh) 基于出行信息的动态拼车方法及系统
CN113155145B (zh) 一种面向自动驾驶车道级导航的车道级路径规划方法
CN108171979B (zh) 一种有轨电车全天运营时刻优化方法及系统
CN104794915A (zh) 一种连续交叉路口车辆通行控制方法及装置
CN111028511B (zh) 一种交通拥堵预警方法及装置
CN112017439B (zh) 一种自动驾驶交叉口行人过街摆渡车控制方法
CN113963564B (zh) 连续信号灯道路车辆最优通行速度规划方法、系统及介质
CN111951571A (zh) 一种交通事故下路段拥堵车辆疏导系统及方法
CN113987103B (zh) 一种面向城市综合交通网的组合出行路径搜索方法及系统
CN109584554A (zh) 一种道路交叉口通行控制方法和系统
Liu et al. Efficient real-time routing for autonomous vehicles through bayes correlated equilibrium: An information design framework
CN105806355A (zh) 一种车辆绿色路径导航系统及方法
CN103498394A (zh) 一种机动车用平面路网系统
Shladover What If Cars Could Drive Themselves?

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200821

Termination date: 20210701