CN108694841A - 一种基于v2x技术的智能车辆通行路口红绿灯方法 - Google Patents

Abstract

本发明涉及一种基于V2X技术的智能车辆通行路口红绿灯方法，属于智能驾驶技术领域,解决了现有智能车辆因驾驶不当带来的经济性、舒适性降低及交通拥堵问题。步骤如下：启动智能车辆智能驾驶功能；智能车辆同时接收本车和前车的位置、速度及红绿灯状态信息；生成本车候选加速度序列，结合本车的速度、位置，生成预测时域内本车的速度矩阵和位置矩阵；根据前车的位置、速度，生成预测时域内前车的速度矩阵和位置矩阵；确定智能车辆每一个候选加速度所对应的总成本，将总成本最小的候选加速度作为期望加速度；根据所述期望加速度和对应的期望速度通行路口红绿灯。实现了智能车辆经济、舒适地通行路口红绿灯，减轻了因驾驶不当带来的交通拥堵问题。

Description

一种基于V2X技术的智能车辆通行路口红绿灯方法

技术领域

本发明涉及智能驾驶技术领域，尤其涉及一种基于V2X技术的智能车辆通行路口红绿灯方法。

背景技术

智能驾驶车辆是集环境感知、规划决策、运动控制与执行等多项功能于一体的综合系统，涵盖了机械、控制、传感器技术、信号处理、模式识别、人工智能和计算技术等多学科知识。

随着国家自然科学基金委“视听觉信息的认知计算”重大研究计划的深入开展以及“中国智能车未来挑战赛”连续七届的成功举办，我国智能驾驶车辆相关技术的研究已取得长足的进展，能够满足智能驾驶车辆在小范围、简单城区环境下的低速行驶要求，以及城际公路简单环境中的高速行驶需求。

红绿灯作为城市真实交通环境中的一个重要因素，能够对车辆行驶速度产生重要影响，智能驾驶车辆通过红绿灯时由于真实交通情况的复杂性，容易采取不当驾驶行为，如有时会采取急加速急减速、怠速停车、频繁换道等行为，这些不当行为会导致本车经济性、舒适性的降低，同时影响到了其他车辆的行驶，造成交通拥堵。

发明内容

鉴于上述的分析，本发明旨在提供一种基于V2X技术的智能车辆通行路口红绿灯方法，用以解决现有智能驾驶车辆因驾驶不当带来的经济性、舒适性降低及由此造成的交通拥堵问题。

本发明的目的主要是通过以下技术方案实现的：

一种基于V2X技术的智能车辆通行路口红绿灯方法，包括以下步骤：

启动智能车辆智能驾驶功能；

智能车辆同时接收本车和前车的位置、速度及红绿灯状态信息；

生成本车候选加速度序列，结合本车的速度、位置，生成预测时域内本车的速度矩阵和位置矩阵；

根据前车的位置、速度，生成预测时域内前车的速度矩阵和位置矩阵；

确定智能车辆每一个候选加速度所对应的总成本，将总成本最小的候选加速度作为期望加速度；

根据所述期望加速度和对应的期望速度通行路口红绿灯。

本发明有益效果如下：本实施例提供的基于V2X技术的智能车辆通行路口红绿灯方法，利用V2X技术获取本车、前车及红绿灯信息之后，智能车辆在遵守交通法规的同时与其他车辆协作行驶，并表现出合理的驾驶行为。本发明考虑到交通环境中存在其他社会车辆，使智能驾驶车辆通行红绿灯路口时不仅能够经济平顺的行驶，同时能够与前方车辆协调，保证智能驾驶的安全性。

在上述方案的基础上，本发明还做了如下改进：

进一步，智能车辆通过V2X通信接收本车的位置、速度信息及红绿灯状态信息；

智能车辆通过毫米波雷达接收前车的位置、速度信息。

采用上述进一步方案的有益效果是：通过采集智能车辆本车和前车的位置、速度等信息，便于根据已知信息分析智能车辆行驶状况，作出进一步行驶决策。

进一步，本车候选加速度序列中第i个候选加速度为：

其中，1≤i≤n₁、a_max为智能车辆通行红绿灯最大加速度、a_max为智能车辆通行红绿灯最小加速度、n₁为候选加速度个数；

预测时域t内的时间间隔为：

t_s＝t/n₂ (2)

其中，n₂为时间间隔个数。

采用上述进一步方案的有益效果是：根据智能车辆通行红绿灯最大加速度、最小加速度，得到本车候选加速度序列，并定义预测时域内的时间间隔，便于对预测时域内的本车行驶状况进行分析。

进一步，根据候选加速度序列，生成预测时域内本车加速度矩阵A，A中元素a_ij：

a_ij＝a_i (3)

其中，矩阵A的行数为候选加速度个数n₁，列数为时间间隔个数n₂，a_i为候选加速度序列中第i个候选加速度；

生成预测时域内本车速度矩阵V，V中元素v_ij：

v_ij＝v₀+a_ij*t_s*(j-1) (4)

其中，矩阵V的行数为候选加速度个数n₁，列数为时间间隔个数n₂，v₀为本车当前车速，v_ij表示第i个候选加速度j时刻对应的速度，其中，1≤j≤n₂；

生成预测时域内本车位置矩阵S，S中元素s_ij：

s_ij＝s₀+v_ij*t_s*(j-1)+0.5*a_ij*t_s*(j-1)*t_s*(j-1) (5)

其中，矩阵S的行数为候选加速度个数n₁，列数为时间间隔个数n₂，s₀为本车当前位置，s_ij表示第i个候选加速度j时刻对应的位置。

采用上述进一步方案的有益效果是：根据候选加速度序列及本车的速度、位置信息，得到预测时域内本车的速度、位置信息，便于对预测时域内的本车行驶状况进行分析。

进一步，保存t₁时间内等间隔的n₃个前车速度v_m及每个速度对应时间，其中1≤m≤n₃，对t₁时间内的速度进行直线拟合，得到每一时间点的拟合速度v_m1，其中1≤m1≤n₃，拟合直线斜率为k；

t₁时间内拟合速度和前车速度之间的误差为e_m＝v_m-v_m1，若e_m小于误差阈值v_th，则该点拟合成功，记拟合成功个数为n₄，

若n₄/n₃≥r，表示拟合成功，前车加速度预测值a_predict＝k，

其中，所述r为评价系数；

否则，用t₁时间内最后两个速度计算得到前车加速度预测值a_predict；生成前车速度矩阵V_p，V_p中元素vp_ij：

v_pij＝v_p+a_predict*t_s*(j-1) (6)

其中，矩阵V_p的行数为候选加速度的个数，列数为时间间隔个数，v_p为前车当前时刻车速；vp_ij表示前车速度矩阵V_p中第i行j时刻对应的速度，1≤j≤n₂；

生成前车位置矩阵S_p，S_p中元素sp_ij：

sp_ij＝s_p0+vp_ij*t_s*(j-1)+0.5*a_predcit*t_s*(j-1)*t_s*(j-1) (7)

其中，矩阵S_p的行数为候选加速度个数n₁，列数为时间间隔个数n₂，sp₀为前车当前位置，sp_ij表示前车位置矩阵S_p中第i行j时刻对应的位置，1≤j≤n₂。

采用上述进一步方案的有益效果是：根据前车的位置、速度信息，并通过分析前车规定时间内的速度、位置，便于对预测时间内前车的行驶状况进行分析。

进一步，智能车辆每一个候选加速度所对应的总成本根据表示智能车辆行驶经济性、安全性、时效性、舒适性、通行红绿灯的成本函数及其各自权重计算得到；

建立舒适性成本函数矩阵C_comfort，其中C_comfort(i,j)＝|a_ij|；

建立经济性成本函数C_fuel,其中

建立时效性成本函数C_time，其中C_time(i,j)＝1-v_ij/v_limit；

建立安全性成本函数C_safe；

建立通行红绿灯成本函数C_traffic。

采用上述进一步方案的有益效果是：通过对智能车辆通行红绿灯路口情况进行分析，考虑到智能车辆通行红绿灯路口的经济性、安全性、时效性、舒适性、通行红绿灯的成本问题，建立了相应的经济性、安全性、时效性、舒适性、通行红绿灯成本函数，便于综合考虑智能车辆通行红绿灯的各方面成本，得出最优的通行方案。

进一步，建立通行红绿灯成本函数C_traffic，通行红绿灯参考速度v_light＝d_light/t_light，其中d_light为本车和红绿灯路口之间的距离，t_light为当前红绿灯状态剩余时间；

包括以下情况：

当前红绿灯状态为红灯或者黄灯时：

若v_ij≤v_light，C_traffic(i,j)＝|a_ij|；

若v_ij＞v_light，计算出车辆匀减速行驶d_light所消耗的时间刚好为红灯的剩余时间t_light所需要的减速度a_dec，C_traffic(i,j)＝a_dec-a_ij；

当前红绿灯状态为绿灯时：

若v_ij≥v_light，C_traffic(i,j)＝|a_ij|；

若v_ij＜v_light且C_traffic(i,j)＝a_max-a_ij；

若v_ij＜v_light且减速度a_dec＝v²/2/d_light，C_traffic(i,j)＝a_dec-a_ij。

采用上述进一步方案的有益效果是：智能车辆通行红绿灯时，红绿灯不同的状态直接影响通行红绿灯成本函数，通过对红绿灯处于不同状况的星狂进行分析，能够得到更有针对性的通行红绿灯成本函数。

进一步，建立安全性成本函数C_safe：

首先计算出每一个参考加速度a_ij所对应的相对速度vr_ij和相对距离dr_ij，其中，vr_ij＝v_ij-vp_ij，dr_ij＝s_ij-sp_ij，

本车与前车的碰撞时间TTC(i,j)＝dr_ij/vr_ij；

若TTC(i,j)＜0，即表示本车较慢，安全性成本C_safe(i,j)＝0；

若0≤TTC(i,j)＜TTC_max，安全性成本C_safe(i,j)＝1-TCC(i,j)/TTC_max；

其中，TTC_max为碰撞时间最大值；

若TTC(i,j)≥TTC_max，则TTC(i,j)＝TTC_max，C_safe(i,j)＝0。

采用上述进一步方案的有益效果是：通过计算碰撞时间，并对碰撞时间进行分段，得到具有针对性的、不同碰撞时间范围内的安全性成本函数。

进一步，求出智能车辆每一个候选加速度所对应的总成本，包括以下步骤：

各成本函数值归一化，使其范围在[0,1]之间；

根据不同的通行方案为各成本函数赋予权重；

综合考虑各成本的每一参考加速度a_ij对应的通行红绿灯总成本函数C_total：

其中，分别表示归一化后的舒适性成本函数、安全性成本函数、时效性成本函数、经济性成本函数、通行红绿灯成本函数，w_comfort、w_safe、w_time、w_fuel、w_traffic分别表示舒适性权重、安全性权重、时效性权重、经济性权重、通行红绿灯权重；

建立预测时域内综合考虑各成本的各候选加速度的总成本函数C：

其中，y为不同时间间隔的权重系数基数；

选取候选加速度的总成本函数C中的最小值所对应的候选加速度值作为期望加速度。

采用上述进一步方案的有益效果是：通过各成本函数和相应权重，能够得到预测时间内每一候选加速度对应的总成本函数，选取候选加速度的总成本函数C中的最小值所对应的候选加速度值作为期望加速度，给出了一种选择最优加速度的方法。

进一步，将期望加速度和其对应的期望速度下发给智能车辆速度控制器执行，智能车辆根据速度控制器指令通过路口红绿灯，

其中，期望速度为期望加速度所对应的速度矩阵中第一个时间间隔处的速度。

采用上述进一步方案的有益效果是：通过将期望加速度和其对应的期望速度下发给智能车辆速度控制器执行，智能车辆即可根据速度控制器指令通过路口红绿灯，避免了因驾驶不当带来的经济性、舒适性降低及由此造成的交通拥堵问题。

本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书、权利要求书以及附图中所特别指出的内容中来实现和获得。

附图说明

附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。

图1为本发明中基于V2X技术的智能车辆通行红绿灯方法整体流程图。

具体实施方式

下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。

本发明的一个具体实施例，如图1所示，公开了一种基于V2X技术的智能车辆通行路口红绿灯方法，包括以下步骤：

步骤S1：启动智能车辆智能驾驶功能；

步骤S2：智能车辆同时接收本车和前车的位置、速度及红绿灯状态信息；

步骤S3：生成本车候选加速度序列，结合本车的速度、位置，生成预测时域内本车的速度矩阵和位置矩阵；

步骤S4：根据前车的位置、速度，生成预测时域内前车的速度矩阵和位置矩阵；

步骤S5：确定智能车辆每一个候选加速度所对应的总成本，将总成本最小的候选加速度作为期望加速度；

步骤S6：根据所述期望加速度和对应的期望速度通行路口红绿灯。

与现有技术相比，本实施例提供的基于V2X技术的智能车辆通行路口红绿灯方法，利用V2X技术获取本车、前车及红绿灯信息之后，智能车辆在遵守交通法规的同时与其他车辆协作行驶，并表现出合理的驾驶行为。本发明考虑到交通环境中存在其他社会车辆，使智能驾驶车辆通行红绿灯路口时不仅能够经济平顺的行驶，同时能够与前方车辆协调，保证智能驾驶的安全性。

启动智能车辆智能驾驶功能，具体包括：启动智能车辆，开启各项硬件设备开关(如规划工控机、感知工控机、交换机、相机、毫米波雷达、GPS等)，接通无线通信设备，开启智能驾驶车辆各个软件模块(各个软件模块包括智能车辆感知模块、决策规划模块、路径规划模块、速度规划模块、横纵向控制模块)，检查车辆运行状态，在软硬件运行正常情况后启动车辆智能驾驶功能。通过车载相机检测道路车道线并保持该车道行驶。

进一步，智能车辆通过V2X通信接收本车的位置、速度信息及红绿灯状态信息；智能车辆通过毫米波雷达接收前车的位置、速度信息。

红绿灯发送端发送红绿灯状态数据包，智能车辆接收到数据包后根据设定好的通信协议进行解包，解析到的信息包括当前红绿灯状态(红灯、绿灯或者黄灯)、当前红绿灯剩余时间、红绿灯经纬度。

智能车辆通过毫米波雷达接收前车速度信息方法如下：毫米波雷达可以获取前方64个目标的信息，包括目标的序号、目标与本车之间的距离、目标与本车之间的角度、目标与本车之间的相对速度。通过以上信息计算出每一个目标到智能车辆之间的横向距离和纵向距离，通过横向距离与车道线宽度l筛选出在本车道上的前方车辆，之后遍历在本车道上的所有目标点，找到与智能车辆相距最近的车辆作为前方车辆。

在红绿灯附近安装无线通信设备作为通信的发送端，智能车辆利用V2X进行无线通信，接收到红绿灯发送端传来的道路前方的红绿灯状态，发送端和接收端之间为UDP通信协议。智能车辆通过车载毫米波雷达接收到前车速度和位置信息。智能车辆通过接收到的红绿灯信息和前车信息进行速度规划，最终生成加速、减速、匀速的控制指令。

步骤S3具体实现过程如下：

定义预测时域t＝5s，即算法对本车及前车未来5秒内的行为进行前向仿真；

定义智能车辆通行红绿灯最大加速度a_max为3m/s2。

定义智能车辆通行红绿灯最小加速度a_min为-3m/s2。

定义智能车辆通行红绿灯最大限速v_limit为60Km/h。

本车候选加速度序列中第i个候选加速度为：

其中，a_max为智能车辆通行红绿灯最大加速度、a_min为智能车辆通行红绿灯最小加速度、n₁为候选加速度个数；

预测时域t内的时间间隔为：

t_s＝t/n₂ (2)

其中，n₂为时间间隔个数。本实施例中，设置时间间隔个数为5，相应地，时间间隔为1s。

根据候选加速度序列，生成预测时域内本车加速度矩阵A，A中元素a_ij：

a_ij＝a_i (3)

其中，矩阵A的行数为候选加速度个数n₁，列数为时间间隔个数n₂，a_i为第i个候选加速度，所述加速度矩阵A表示智能车辆以该恒定的候选加速度在预测时域内行驶的情况；

生成预测时域内本车速度矩阵V，V中元素v_ij：

v_ij＝v₀+a_ij*t_s*(j-1) (4)

其中，矩阵V的行数为候选加速度个数n₁，列数为时间间隔个数n₂，v₀为本车当前车速；v_ij表示第i个候选加速度j时刻对应的速度，其中，1≤j≤n₂；

生成预测时域内本车位置矩阵S，S中元素s_ij：

s_ij＝s₀+v_ij*t_s*(j-1)+0.5*a_ij*t_s*(j-1)*t_s*(j-1) (5)

其中，矩阵S的行数为候选加速度个数n₁，列数为时间间隔个数n₂，s₀为本车当前位置；s_ij表示第i个候选加速度j时刻对应的位置，1≤j≤n₂。

保存1s内等间隔的n₃个前车速度v_m及每个速度对应时间，其中1≤m≤n₃，对1s内的速度进行直线拟合，得到每一时间点的拟合速度v_m1，1≤m1≤n₃，拟合直线斜率为k；

1s内拟合速度和前车速度之间的误差为e_m＝v_m-v_m1，若e_m小于误差阈值v_th，则该点拟合成功，记拟合成功个数为n₄，

若n₄/n₃≥r，表示拟合成功，前车加速度预测值a_predict＝k，其中，所述r为评价系数；

否则，表示拟合失败，说明处理周期内速度波动较大，速度变化规律不适合用匀加速模型来表示，则用1s内最后两个速度计算得到前车加速度预测值a_predict；

生成前车速度矩阵V_p，V_p中元素vp_ij：

v_pij＝v_p+a_predict*t_s*(j-1) (6)

其中，矩阵V_p的行数为候选加速度的个数，列数为时间间隔个数，v_p为前车当前时刻车速；vp_ij表示前车速度矩阵V_p中第i行j时刻对应的速度，1≤j≤n₂；

生成前车位置矩阵S_p，S_p中元素sp_ij：

sp_ij＝sp₀+vp_ij*t_s*(j-1)+0.5*a_predcit*t_s*(j-1)*t_s*(j-1) (7)

其中，矩阵S_p的行数为候选加速度个数n₁，列数为时间间隔个数n₂，sp₀为前车当前位置，sp_ij表示前车位置矩阵S_p中第i行j时刻对应的位置，1≤j≤n₂。

智能车辆候选加速度总成本根据表示智能车辆行驶经济性、安全性、时效性、舒适性、通过红绿灯性能的成本函数及其各自权重计算得到；

对于每一个候选加速度，建立舒适性成本矩阵C_comfort，步骤如下：

矩阵行数为候选加速度的个数n₁，列数为时间间隔个数n₂。遍历矩阵C_comfort每一个元素，对于第i行第j列所对应的舒适性成本C_comfort(i,j)＝|a_ij|，本车舒适性成本用本车加速度表示，本车加速度的值越大，舒适性越差，舒适性成本越大。

对于每一个候选加速度，建立经济性成本矩阵C_fuel，步骤如下：

矩阵行数为候选加速度的个数n₁，列数为时间间隔个数n₂。参考相关论文中燃油消耗率的计算公式，燃油消耗率可以表示为速度的函数。遍历矩阵C_fuel每一个元素，对于第i行第j列所对应的经济性成本

本车经济性成本用燃油消耗率表示，燃油消耗率越高，经济性成本越高。

对于每一个候选加速度，建立时效性成本函数C_time，步骤如下：

矩阵行数为候选加速度的个数n₁，列数为时间间隔个数n₂。时效性成本函数C_time(i,j)＝1-v_ij/v_limit，其中v_limit为道路限速。即本车时效性成本用本车速度表示，速度越高，时效性成本越小，车辆通行时间越短。

对于每一个候选加速度，建立安全性成本函数C_safe，步骤如下：

矩阵行数为候选加速度的个数n₁，列数为时间间隔个数n₂。首先计算出每一个参考加速度a_ij所对应的相对速度vr_ij和相对距离dr_ij，其中，vr_ij＝v_ij-vp_ij，dr_ij＝s_ij-sp_ij，

本车与前车的碰撞时间TTC(i,j)＝dr_ij/vr_ij；

若TTC(i,j)＜0，即表示本车较慢，安全性成本C_safe(i,j)＝0；

若0≤TTC(i,j)＜TTC_max，安全性成本C_safe(i,j)＝1-TCC(i,j)/TTC_max；

其中，TTC_max为碰撞时间最大值；

若TTC(i,j)≥TTC_max，则TTC(i,j)＝TTC_max，C_safe(i,j)＝0。

本车安全性成本用碰撞时间表示，碰撞时间越小，安全性成本越低。

对于每一个候选加速度，建立通行红绿灯成本函数C_traffic，步骤如下：

矩阵行数为候选加速度的个数n₁，列数为时间间隔个数n₂。通行红绿灯参考速度v_light＝d_light/t_light，其中d_light为本车和红绿灯路口之间的距离，t_light为当前红绿灯状态剩余时间；

包括以下情况：

当前红绿灯状态为红灯或者黄灯时：

若v_ij≤v_light，C_traffic(i,j)＝|a_ij|；

若v_ij＞v_light，计算出车辆匀减速行驶d_light所消耗的时间刚好为红灯的剩余时间t_light所需要的减速度a_dec，C_traffic(i,j)＝a_dec-a_ij；

当前红绿灯状态为绿灯时：

若v_ij≥v_light，C_traffic(i,j)＝|a_ij|；

若v_ij＜v_light且C_traffic(i,j)＝a_max-a_ij；

若v_ij＜v_light且减速度a_dec＝v²/2/d_light，C_traffic(i,j)＝a_dec-a_ij。

求出智能车辆每一个候选加速度所对应的总成本，包括以下步骤：

各成本函数值归一化，使其范围在[0,1]之间：

对于舒适性成本函数C_comfort，其最大C_{comfort_max}＝a_max值，最小值C_{comfort_min}＝0，归一化后的舒适性成本函数：

对于经济性成本函数C_fuel，根据车速与燃油消耗率的关系及速度区间[0,16.6]可以得到其最大值C_{fuel_max}＝0.76，最小值C_{fuel_min}＝0.76，归一化后的经济性成本函数：

对于时效性成本函数C_time，其值已经在[0,1]区间内，归一化后的时效性成本函数：

对于安全性成本函数C_safe，其值已经在[0,1]区间内，归一化后的时效性成本函数：

对于通行红绿灯成本函数C_traffic，

其最大值C_{traffic_max}＝a_max，最小值C_{traffic_min}＝0，归一化后的通行红绿灯成本函数：

根据不同的通行方案为各成本函数赋予权重；

本实施例提供了两种不同的通行红绿灯优化方案：第一种方案注重车辆燃油经济性，第二种注重车辆通行效率，使得通行红绿灯期间所占用的时间最短。智能车辆需要提前明确所采取的通行方案。

根据不同的通行方案为各成本函数赋予权重。如果采取第一种通行方案，设置归一化后的安全性权重w_safe＝0.3，归一化后的通行红绿灯权重w_traffic＝0.3，归一化后的舒适性权重w_comfort＝0.1，归一化后的时效性权重w_time＝0，归一化后的经济性权重w_fuel＝0.3。

如果采取第二种通行方案，设置归一化后的安全性权重w_safe＝0.3，归一化后的通行红绿灯权重w_traffic＝0.3，归一化后的舒适性权重w_comfort＝0.1，归一化后的时效性权重w_time＝0.3，归一化后的经济性权重w_fuel＝0。

综合考虑各成本的每一参考加速度a_ij对应的通行红绿灯总成本函数C_total：

其中，分别表示归一化后的舒适性成本函数、安全性成本函数、时效性成本函数、经济性成本函数、通行红绿灯成本函数，w_comfort、w_safe、w_time、w_fuel、w_traffic分别表示舒适性权重、安全性权重、时效性权重、经济性权重、通行红绿灯权重；

建立预测时域内综合考虑各成本的各候选加速度的总成本函数C：

其中，y为不同时间间隔的权重系数基数，用来权衡未来时刻与当前时刻之间的关系。

选取候选加速度的总成本函数C中的最小值所对应的候选加速度值作为期望加速度。

将期望加速度和其对应的期望速度下发给智能车辆速度控制器执行智能车辆根据速度控制器指令通行路口红绿灯。

综上所述，本发明实施例提供了一种基于V2X技术的智能车辆通行路口红绿灯方法。通过V2X通信，智能车辆能够根据接收到的道路前方红绿灯的信息提前规划本车纵向行为。本发明考虑到交通环境中存在其他社会车辆，使智能驾驶车辆通行红绿灯路口时不仅能够经济平顺的行驶，避免急加速、急减速等行为以提高通行时间、燃油经济性和舒适性，尽可能实现绿波通行并提高道路整个交通效率；同时能够与前方车辆协调，保证智能驾驶的安全性。

本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种基于V2X技术的智能车辆通行路口红绿灯方法，其特征在于，包括以下步骤：

启动智能车辆智能驾驶功能；

智能车辆同时接收本车和前车的位置、速度及红绿灯状态信息；

生成本车候选加速度序列，结合本车的速度、位置，生成预测时域内本车的速度矩阵和位置矩阵；

根据前车的位置、速度，生成预测时域内前车的速度矩阵和位置矩阵；

确定智能车辆每一个候选加速度所对应的总成本，将总成本最小的候选加速度作为期望加速度；

根据所述期望加速度和对应的期望速度通行路口红绿灯。

2.根据权利要求1所述的基于V2X技术的智能车辆通行路口红绿灯方法，其特征在于，

智能车辆通过V2X通信接收本车的位置、速度信息及红绿灯状态信息；

智能车辆通过毫米波雷达接收前车的位置、速度信息。

3.根据权利要求1所述的基于V2X技术的智能车辆通行路口红绿灯方法，其特征在于，本车候选加速度序列中第i个候选加速度为：

其中，1≤i≤n₁、a_max为智能车辆通行红绿灯最大加速度、a_max为智能车辆通行红绿灯最小加速度、n₁为候选加速度个数；

预测时域t内的时间间隔为：

t_s＝t/n₂ (2)

其中，n₂为时间间隔个数。

4.根据权利要求3所述的基于V2X技术的智能车辆通行路口红绿灯方法，其特征在于，

根据候选加速度序列，生成预测时域内本车加速度矩阵A，A中元素a_ij：

a_ij＝a_i (3)

其中，矩阵A的行数为候选加速度个数n₁，列数为时间间隔个数n₂，a_i为候选加速度序列中第i个候选加速度；

生成预测时域内本车速度矩阵V，V中元素v_ij：

v_ij＝v₀+a_ij*t_s*(j-1) (4)

其中，矩阵V的行数为候选加速度个数n₁，列数为时间间隔个数n₂，v₀为本车当前车速，v_ij表示第i个候选加速度j时刻对应的速度，其中，1≤j≤n₂；

生成预测时域内本车位置矩阵S，S中元素s_ij：

s_ij＝s₀+v_ij*t_s*(j-1)+0.5*a_ij*t_s*(j-1)*t_s*(j-1) (5)

其中，矩阵S的行数为候选加速度个数n₁，列数为时间间隔个数n₂，s₀为本车当前位置，s_ij表示第i个候选加速度j时刻对应的位置。

5.根据权利要求1所述的基于V2X技术的智能车辆通行路口红绿灯方法，其特征在于，

保存t₁时间内等间隔的n₃个前车速度v_m及每个速度对应时间，其中1≤m≤n₃，对t₁时间内的速度进行直线拟合，得到每一时间点的拟合速度v_m1，其中1≤m1≤n₃，拟合直线斜率为k；

t₁时间内拟合速度和前车速度之间的误差为e_m＝v_m-v_m1，若e_m小于误差阈值v_th，则该点拟合成功，记拟合成功个数为n₄，

若n₄/n₃≥r，表示拟合成功，前车加速度预测值a_predict＝k，

其中，所述r为评价系数；

否则，用t₁时间内最后两个速度计算得到前车加速度预测值a_predict；生成前车速度矩阵V_p，V_p中元素vp_ij：

vp_ij＝v_p+a_predict*t_s*(j-1) (6)

其中，矩阵V_p的行数为候选加速度的个数，列数为时间间隔个数，v_p为前车当前时刻车速；vp_ij表示前车速度矩阵V_p中第i行j时刻对应的速度，1≤j≤n₂；

生成前车位置矩阵S_p，S_p中元素sp_ij：

sp_ij＝s_p0+vp_ij*t_s*(j-1)+0.5*a_predcit*t_s*(j-1)*t_s*(j-1) (7)

其中，矩阵S_p的行数为候选加速度个数n₁，列数为时间间隔个数n₂，sp₀为前车当前位置，sp_ij表示前车位置矩阵S₁中第i行j时刻对应的位置，1≤j≤n₂。

6.根据权利要求1-5中任一项所述的基于V2X技术的智能车辆通行路口红绿灯方法，其特征在于，

智能车辆每一个候选加速度所对应的总成本根据表示智能车辆行驶经济性、安全性、时效性、舒适性、通行红绿灯的成本函数及其各自权重计算得到；

建立舒适性成本函数C_comfort，其中C_comfort(i,j)＝|a_ij|；

建立经济性成本函数C_fuel,其中

建立时效性成本函数C_time，其中C_time(i,j)＝1-v_ij/v_limit；

建立安全性成本函数C_safe；

建立通行红绿灯成本函数C_traffic。

7.如权利要求6所述的基于V2X技术的智能车辆通行路口红绿灯方法，其特征在于，

建立通行红绿灯成本函数C_traffic，通行红绿灯参考速度v_light＝d_light/t_light，其中d_light为本车和红绿灯路口之间的距离，t_light为当前红绿灯状态剩余时间；

包括以下情况：

当前红绿灯状态为红灯或者黄灯时：

若v_ij≤v_light，C_traffic(i,j)＝|a_ij|；

若v_ij＞v_light，计算出车辆匀减速行驶d_light所消耗的时间刚好为红灯的剩余时间t_light所需要的减速度a_dec，C_traffic(i,j)＝a_dec-a_ij；

当前红绿灯状态为绿灯时：

若v_ij≥v_light，C_traffic(i,j)＝|a_ij|；

若v_ij＜v_light且C_traffic(i,j)＝a_max-a_ij；

若v_ij＜v_light且减速度a_dec＝v2/2/d_light，C_traffic(i,j)＝a_dec-a_ij。

8.根据权利要求6所述的基于V2X技术的智能车辆通行路口红绿灯方法，其特征在于，建立安全性成本函数C_safe：

首先计算出每一个参考加速度a_ij所对应的相对速度vr_ij和相对距离dr_ij，其中，vr_ij＝v_ij-vp_ij，dr_ij＝s_ij-sp_ij，

本车与前车的碰撞时间TTC(i,j)＝dr_ij/vr_ij；

若TTC(i,j)＜0，即表示本车较慢，安全性成本C_safe(i,j)＝0；

若0≤TTC(i,j)＜TTC_max，安全性成本C_safe(i,j)＝1-TCC(i,j)/TTC_max；

其中，TTC_max为碰撞时间最大值；

若TTC(i,j)≥TTC_max，则TTC(i,j)＝TTC_max，C_safe(i,j)＝0。

9.根据权利要求6所述的基于V2X技术的智能车辆通行路口红绿灯方法，其特征在于，

求出智能车辆每一个候选加速度所对应的总成本，包括以下步骤：

各成本函数值归一化，使其范围在[0,1]之间；

根据不同的通行方案为各成本函数赋予权重；

综合考虑各成本的每一参考加速度a_ij对应的通行红绿灯总成本函数C_total：

其中，分别表示归一化后的舒适性成本函数、安全性成本函数、时效性成本函数、经济性成本函数、通行红绿灯成本函数，w_comfort、w_safe、w_time、w_fuel、w_traffic分别表示舒适性权重、安全性权重、时效性权重、经济性权重、通行红绿灯权重；

建立预测时域内综合考虑各成本的各候选加速度的总成本函数C：

其中，y为不同时间间隔的权重系数基数；

选取候选加速度的总成本函数C中的最小值所对应的候选加速度值作为期望加速度。

10.根据权利要求9所述的基于V2X技术的智能车辆通行路口红绿灯方法，其特征在于，将期望加速度和其对应的期望速度下发给智能车辆速度控制器执行，智能车辆根据速度控制器指令通过路口红绿灯，

其中，期望速度为期望加速度所对应的速度矩阵中第一个时间间隔处的速度。