CN108592930A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN108592930A CN108592930A CN201810388941.5A CN201810388941A CN108592930A CN 108592930 A CN108592930 A CN 108592930A CN 201810388941 A CN201810388941 A CN 201810388941A CN 108592930 A CN108592930 A CN 108592930A
- Authority
- CN
- China
- Prior art keywords
- speed
- car networking
- optimal
- vehicle
- traffic
- 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.)
- Granted
Links
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
- 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
-
- 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
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3469—Fuel consumption; Energy use; Emission aspects
-
- 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
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种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,提出一种新的知能辅助驾驶技术。以车个城市的交通为研究对象,基于交通大系统智能优化,确定最优行车路线和最优行车速度。从出发节点到目的节点,不是通过一次寻优得到最优行车路线,而是根据实时路况信息,通过多目标滚动优化,不断调整寻优策略得到最终的最优行车路线。通过车联网,获得来自交通大系统的最优车速,根据最优车速与实际车速之间的误差,通过车载控制器调节实际车速,使其实时跟踪最优车速,实现自适应巡航。建立流量、车速和拥堵程度的关系,以拥堵程度最小为目标,基于交通大系统智能优化,求解最优行驶速度。
Description
技术领域
本发明属于新能源汽车领域,特别是涉及一种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。
背景技术
新能源汽车(纯电动汽车和混合动力汽车)通常包含电动驱动装置,具有快速动态响应的特性,因此,适合于自适应巡航、行车纠偏和敏捷导航等智能辅助驾驶和无人驾驶的应用。
目前车联网技术尚处于启步阶段,仅局限于GPS定位和导航、车内状态上报和上网服务等,而以生态为中心,减少化石燃料消耗和碳排放是车联网发展的趋势,特别是碳排放控制、智能协同交通和敏捷导航方面尚处于概念阶段。
当前自适应巡航大多以定速巡航为主,从控制角度来看属于定值调节问题,如图1所示。近年来,基于车联网的概念提出了跟车巡航控制的方法,该方法可归结为目标跟踪控制问题,如图2所示,L为相邻两车距离,L须大于安全距离。
在导航方面虽然也出现了所谓智能导航,通常只有当原先规划的路线出现严重拥堵后,才告知驾驶人员选择另外的路线,因此,这种导航都是属于事后补救性质的,缺乏预见性,对事先预防拥堵没有帮助作用。
根据交通大数据和大系统智能优化技术确定最优行车速度和最优行车路线,确保整个城市的交通在低碳方式下高效运行是势在必行的任务。
发明内容
为了解决现有技术中存在的上述技术问题,本发明提出了利用交通大数据,基于大系统智能优化和车联网技术,确定最优行车速度和行车路线,通过车联网智能辅助驾驶技术实现自适应巡航,按最优行车路线行驶,确保整个城市交通的高效、低碳运行,而不仅仅局限于单车的优化运行。具体技术方案如下:
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,包括如下步骤:
1.基于交通大数据和智能优优技术确定最优行车速度和最优行车路线:
1.1基于车联网和动态路径规划确定车辆最优路径;
1.2基于车联网和大系统智能优化确定车辆最优行驶速度;
2.基于车联网和大系统优化的自适应巡航。
进一步的,1.1基于车联网和动态路径规划确定车辆最优路径,包括:
(1)将出发节点和到达节点告知车联网导航系统,从路径库中提取从重发节点至到达节点的可行的路径网络;
(2)利用交通信息实时数据库存获取i节点至j节点的路径权值向量Wi,j(k),k表示权值种类。
进一步的,1.2基于车联网和大系统智能优化确定车辆最优行驶速度,包括:
设某车辆从i节点至j节点的车速为vi,j,车辆静流入为ΔQ(i,j),正常车容量为LQij;从r节点至i节点的车速为vr,i,车流量为,静流入量为ΔQ(r,i);
Q(r,ij),从节j点至k节点的车速为vj,k,车流量为Q(j,jk),静流入量为ΔQ(j,k);
Q(r,ij)=fij[vri,ΔQ(r,i)] (1)
Q(j,jk)=fjk[vjk,ΔQ(j,k)] (2)
vij=fij[ΔQ(r,i)/LQij] (4)
求解
便可得到低碳高效运行的行车速度vij。
进一步的,2.基于车联网和大系统优化的自适应巡航,包括:
基于实时交通大数据,通过大系统优化确定运行车辆的最优行驶速度vopt(k),基于无线通信技术发送给相应车辆的车载TBOX,采用内部自适应巡航控制器自动跟踪,智能交通大系统基于车联网实时观测车速,当车速偏离最优速度超速行驶时作出预警。
附图说明
图1是定速巡航系统示意图;
图2是跟车巡航系统示意图;
图3是车辆可达路径网络示意图;
图4是流量与车速关系示意图;
图5是基于车联网和大系统优化的自适应巡航示意图。
具体实施方式
下面结合附图对本发明作进一步说明。
本发明的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,包括如下内容:
1.基于交通大数据和智能优优技术确定最优行车速度和最优行车路线
基于车联网技术和实时交通大数据,采用车辆动态路径规划方法,确定车辆的最优行驶路线,基于交通大系统动态优化技术,确定车辆的最佳行驶速度,使车辆根据车联网信息以最佳的路线和车速行驶,从而达到绿色、高效的行车目标。
1.1基于车联网和动态路径规划确定车辆最优路径
为实现动态建模,确定优化周期参数T(时间参数),该参数的大小与路况信息的变化快慢密切相关,应满足采样定理。在每一个优化周期,将实时路况信息映射成路径节点之间的当前路径权值。当由于封道、潮汐车道变化、限行等原因,相邻节点间不可达时,对其路径权值赋予一个很大的权值,以封锁优化策略选择该路径。优化目标不仅仅是空间距离最短,以整个城市交通路网高效运行为目标,不是面向单车控制,而是面向全部车辆的大系统优化问题,使整个城市综合油耗(将电能转换成名义油耗)最低、碳排放最少。通过面向大系统的多目标动态优化,实时确定每辆车的行驶路线,进行实时导航,从而及早预防交通拥堵,实现城市高的高效运行,而不是等出现拥堵后采取补求措时,告知车辆改道行驶。具体实现过程举例如下:
(1)如图3所示,车辆要从节点1出发去节点9,这时将出发节点和到达节点告知车联网导航系统,从路径库中提取从重发节点至到达节点的可行的路径网络。
(2)利用交通信息实时数据库存获取i节点至j节点的路径权值向量Wi,j(k),k表示权值种类,例如:k=1表示物理距离,k=2表示能耗加权距离,k=3表示碳排放加权距离。
按照静态路径规划最优路径为1→3→4→8→9。然而车辆达到节点3后,路径权值向量Wi,j(k)发生了变化,这样从节点3出发的最优路径为3→5→7→9。类似地,到达节点5后,根据变化的权值向量,求得的最优路径为5→8→9。因此,按照动态路径规划:最终得到的最优路径为:1→3→5→8→9。
具体优化求解可采用公知的仿生智能优化算法进行。
1.2基于车联网和大系统智能优化确定车辆最优行驶速度
如图4所示,设某车辆从i节点至j节点的车速为vi,j,车辆静流入为ΔQ(i,j),正常车容量为LQij;从r节点至i节点的车速为vr,i,车流量为,静流入量为ΔQ(r,i);Q(r,ij),从节j点至k节点的车速为vj,k,车流量为Q(j,jk),静流入量为ΔQ(j,k)。
Q(r,ij)=fij[vri,ΔQ(r,i)] (1)
Q(j,jk)=fjk[vjk,ΔQ(j,k)] (2)
vij=fij[ΔQ(r,i)/LQij] (4)
求解如下式优化问题
便可得到低碳高效运行的行车速度vij。
具体优化求解可采用公知的仿生智能优化算法进行。
2.基于车联网和大系统优化的自适应巡航
以整个城市路网及行驶车辆为研究对象,以整个城市节能减排为目标,基于实时交通大数据,通过大系统优化确定运行车辆的最优行驶速度vopt(k),基于无线通信技术发送给相应车辆的车载TBOX,采用内部自适应巡航控制器自动跟踪,从而实现交通大系统优化。智能交通大系统基于车联网实时观测车速,当车速偏离最优速度超速行驶时作出预警。为了确保行车安全,当车距进入车载测距雷达范围,当车距>安全距离下限,且<安全距离上限时,向自主制度系统发送制动信号,通过线制动装置使其进入预防性制动状态,直至车距>安全距离上限。当且车距<安全距离下限时,立即发出紧急制度信号,进入自主紧急制动状态,以免相撞发生。
Claims (4)
1.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,包括如下步骤:
1.基于交通大数据和智能优优技术确定最优行车速度和最优行车路线:
1.1 基于车联网和动态路径规划确定车辆最优路径;
1.2 基于车联网和大系统智能优化确定车辆最优行驶速度;
2.基于车联网和大系统优化的自适应巡航。
2.如权利要求1所述的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,其特征在于:
1.1 基于车联网和动态路径规划确定车辆最优路径,包括:
(1)将出发节点和到达节点告知车联网导航系统,从路径库中提取从重发节点至到达节点的可行的路径网络;
(2)利用交通信息实时数据库存获取i节点至j节点的路径权值向量Wi,j(k),k表示权值种类。
3.如权利要求1所述的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,其特征在于:
1.2 基于车联网和大系统智能优化确定车辆最优行驶速度,包括:
设某车辆从i节点至j节点的车速为vi,j,车辆静流入为ΔQ(i,j),正常车容量为LQij;从r节点至i节点的车速为vr,i,车流量为,静流入量为ΔQ(r,i);Q(r,ij),从节j点至k节点的车速为vj,k,车流量为Q(j,jk),静流入量为ΔQ(j,k);
Q(r,ij)=fij[vri,ΔQ(r,i)] (1)
Q(j,jk)=fjk[vjk,ΔQ(j,k)] (2)
vij=fij[ΔQ(r,i)/LQij] (4)
求解
便可得到低碳高效运行的行车速度vij。
4.如权利要求1所述的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,其特征在于:
2.基于车联网和大系统优化的自适应巡航,包括:
基于实时交通大数据,通过大系统优化确定运行车辆的最优行驶速度vopt(k),基于无线通信技术发送给相应车辆的车载TBOX,采用内部自适应巡航控制器自动跟踪,智能交通大系统基于车联网实时观测车速,当车速偏离最优速度超速行驶时作出预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810388941.5A CN108592930B (zh) | 2018-04-26 | 2018-04-26 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810388941.5A CN108592930B (zh) | 2018-04-26 | 2018-04-26 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108592930A true CN108592930A (zh) | 2018-09-28 |
CN108592930B CN108592930B (zh) | 2020-04-28 |
Family
ID=63610046
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810388941.5A Active CN108592930B (zh) | 2018-04-26 | 2018-04-26 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108592930B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109327818A (zh) * | 2018-11-27 | 2019-02-12 | 浙江工业大学 | 一种基于ieee 802.15.4协议的无线网络化控制系统的调度算法 |
CN112286212A (zh) * | 2020-12-29 | 2021-01-29 | 北京理工华创电动车技术有限公司 | 一种车网协同节能控制方法 |
CN112542042A (zh) * | 2020-12-01 | 2021-03-23 | 东南大学 | 一种考虑机动车碳排放的潮汐车道设置方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040263099A1 (en) * | 2002-07-31 | 2004-12-30 | Maslov Boris A | Electric propulsion system |
CN205038515U (zh) * | 2015-09-14 | 2016-02-17 | 刘书瑞 | 基于互联网的汽车自动驾驶系统 |
CN105489043A (zh) * | 2015-11-30 | 2016-04-13 | 华南理工大学 | 基于车载自组网的实时路径规划方法 |
CN106502098A (zh) * | 2016-11-19 | 2017-03-15 | 合肥工业大学 | 一种基于车联网的最优车速闭环快速预测控制方法及装置 |
CN107389076A (zh) * | 2017-07-01 | 2017-11-24 | 兰州交通大学 | 一种适用于智能网联汽车的节能实时动态路径规划方法 |
-
2018
- 2018-04-26 CN CN201810388941.5A patent/CN108592930B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040263099A1 (en) * | 2002-07-31 | 2004-12-30 | Maslov Boris A | Electric propulsion system |
CN205038515U (zh) * | 2015-09-14 | 2016-02-17 | 刘书瑞 | 基于互联网的汽车自动驾驶系统 |
CN105489043A (zh) * | 2015-11-30 | 2016-04-13 | 华南理工大学 | 基于车载自组网的实时路径规划方法 |
CN106502098A (zh) * | 2016-11-19 | 2017-03-15 | 合肥工业大学 | 一种基于车联网的最优车速闭环快速预测控制方法及装置 |
CN107389076A (zh) * | 2017-07-01 | 2017-11-24 | 兰州交通大学 | 一种适用于智能网联汽车的节能实时动态路径规划方法 |
Non-Patent Citations (1)
Title |
---|
郝亚洲,: ""道路两点间最优化行驶方案"", 《环球市场信息导报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109327818A (zh) * | 2018-11-27 | 2019-02-12 | 浙江工业大学 | 一种基于ieee 802.15.4协议的无线网络化控制系统的调度算法 |
CN109327818B (zh) * | 2018-11-27 | 2021-06-08 | 浙江工业大学 | 一种基于ieee 802.15.4协议的无线网络化控制系统的调度算法 |
CN112542042A (zh) * | 2020-12-01 | 2021-03-23 | 东南大学 | 一种考虑机动车碳排放的潮汐车道设置方法及装置 |
CN112542042B (zh) * | 2020-12-01 | 2021-09-28 | 东南大学 | 一种考虑机动车碳排放的潮汐车道设置方法及装置 |
CN112286212A (zh) * | 2020-12-29 | 2021-01-29 | 北京理工华创电动车技术有限公司 | 一种车网协同节能控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108592930B (zh) | 2020-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112498366B (zh) | 自动驾驶车辆、控制方法、装置、设备及存储介质 | |
CN107084733B (zh) | 一种基于无人驾驶的路径规划的方法、装置及系统 | |
CN108109415B (zh) | 一种具有防拥堵功能的网联自动驾驶控制系统及方法 | |
RU148334U1 (ru) | Устройство регулирования скорости (варианты) | |
CN105035090B (zh) | 基于交通信号灯的自主驾驶车辆轨迹预测控制方法 | |
CN106233355B (zh) | 驾驶辅助装置及驾驶辅助方法 | |
CN104010861B (zh) | 用于确定至少一个参考值的方法和模块 | |
CN108898824A (zh) | 一种基于c-v2x的交叉口公交信号优先控制系统及控制方法 | |
CN105023456A (zh) | 基于交通信号灯信号变化自适应智能线路规划方法 | |
CN108592930A (zh) | 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 | |
WO2022142540A1 (zh) | 基于智能网联信息的新能源汽车滑行控制系统、方法及新能源汽车 | |
CN108922177A (zh) | 一种无人驾驶车辆通过交叉路口时速度控制系统及方法 | |
CN106297357A (zh) | 基于车联网的实时路径规划和poi信息检索系统及方法 | |
CN105245563A (zh) | 一种基于车辆节点连通稳定度的动态分簇方法 | |
CN105702033A (zh) | 陆空一体化车联网系统及其实现导航的方法 | |
CN108680180A (zh) | 路况信息车辆导航系统及其导航方法 | |
CN108682168B (zh) | 一种减少信号交叉口停车的车速引导系统及方法 | |
CN104010863A (zh) | 基于规则和/或成本控制车辆速度的方法和模块 | |
EP2794379A1 (en) | Method and module for controlling a vehicle's speed based on rules and/or costs | |
CN106004864A (zh) | 一种车辆行驶控制方法及系统 | |
CN105279979A (zh) | 基于跟踪车道上车辆位置的可变车道行驶方向切换方法 | |
CN111341107A (zh) | 一种基于云平台数据的共享式交通控制方法 | |
CN115662131B (zh) | 网联环境下道路事故路段的多车道协同换道方法 | |
CN111225336A (zh) | 一种基于智慧灯杆的基站选择与切换方法及系统 | |
CN109229160A (zh) | 应对恶劣天气的列车自动控制方法、装置及车载设备 |
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 |