CN108919799B - 一种网联智能车辆协作换道方法 - Google Patents
一种网联智能车辆协作换道方法 Download PDFInfo
- Publication number
- CN108919799B CN108919799B CN201810591225.7A CN201810591225A CN108919799B CN 108919799 B CN108919799 B CN 108919799B CN 201810591225 A CN201810591225 A CN 201810591225A CN 108919799 B CN108919799 B CN 108919799B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- controlled
- control
- calculating
- vehicles
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000005457 optimization Methods 0.000 claims abstract description 50
- 238000004891 communication Methods 0.000 claims abstract description 37
- 230000001133 acceleration Effects 0.000 claims abstract description 34
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims description 18
- 230000005540 biological transmission Effects 0.000 claims description 7
- 230000006399 behavior Effects 0.000 abstract description 8
- 238000001816 cooling Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005461 lubrication Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明涉及一种网联智能车辆协作换道方法,第一车道上顺次设受控车辆及第一前方车辆,第二车道上顺次设第一、第二关联车辆及第二前方车辆,第一、第二关联车辆分别位于受控车辆纵向后方和前方,以受控车辆或第一、第二关联车辆任一为中央控制车辆,整体为受控车辆组;以通讯设备获取受控车辆组和第一前方车辆和第二前方车辆的运行状态,对受控车辆组整体加速、制动过程进行控制,利用最优化原理对受控车辆组3个车辆的纵向驾驶过程进行优化。本发明将3辆受控车辆的纵向驾驶行为在一个控制器中优化,将周围车辆驾驶过程纳入优化范围,实现协作驾驶,换道过程实现系统最优,优化算法不需多次迭代,降低计算负荷,计算延迟可预先准确估计。
Description
技术领域
本发明属于车辆动力装置或传动装置的布置或安装;两个以上不同的原动机的布置或安装;车辆制动装置的布置或安装;辅助驱动装置;车辆用仪表或仪表板;与车辆动力装置冷却、进气、排气或燃料供给结合的布置;与车辆制动装置冷却、润滑结合的布置;特别涉及一种使得车辆在换道过程中能够相互协作的网联智能车辆协作换道方法。
背景技术
网联智能车是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,具备车车通信、车路通信、车载传感功能,实现自动驾驶的新一代汽车。网联智能车搭载的通信设备及传感器能实现全面的环境感知,环境感知的信息经控制系统进行决策,控制命令由对应的执行系统完成自动驾驶。
协作换道是指通过协调换道车辆及周围车辆的纵向驾驶过程,使换道车辆与目标车道上前方车辆及后方车辆拉开车头间距,进而使得换道行为安全、平稳发生的控制过程。通过协作换道,换道车辆和周围车辆优化自身速度,调整与前方车辆的车头间距,使得换道车辆在期望换道时刻获得理想车头间距,实现平稳换道过程,并减少对下游车辆的交通影响。
然而,现有的网联智能车辆协作换道方法存在以下明显缺陷:
1.现有的控制方法关注换道行为的实现,对换道前的纵向驾驶过程不进行相应的优化;
2.现有的控制方法仅对换道车辆的行为进行优化,将周围车辆的驾驶行为视为背景交通,没有将换道车辆及受影响车辆统一优化,换道过程无法实现系统最优;
3.现有的控制方法在工作过程中需要对控制方案进行多次数的迭代计算,对计算系统造成较大压力;
4.现有的控制方法计算时间具有不确定性,控制算法的计算延迟不能预先准确估计。
发明内容
本发明解决的技术问题是,现有技术中,网联智能车辆自动换道对车辆换道前的纵向驾驶过程不进行优化,周围车辆驾驶行为视为背景交通,未将周围车辆驾驶过程纳入优化范围,换道过程无法实现系统最优,高负荷运算会对车辆计算系统造成较大压力,不确定的计算时间使得计算延迟不能预先准确估计,进而导致现有控制方法无法实现高精度且快速的车辆协作控制。为此,本发明提供了一种优化的网联智能车辆协作换道方法。
本发明所采用的技术方案是,一种网联智能车辆协作换道方法,所述网联智能车辆设于并列设置的第一车道和第二车道上,所述第一车道上顺次设有受控车辆及第一前方车辆,所述第二车道上顺次设有受控车辆的第一关联车辆、第二关联车辆及第二前方车辆,所述第一关联车辆位于受控车辆纵向后方,所述第二关联车辆位于受控车辆纵向前方;以受控车辆或第一关联车辆或第二关联车辆任一为中央控制车辆,以受控车辆、第一关联车辆和第二关联车辆整体为受控车辆组;所述方法包括以下步骤:
步骤1:中央控制车辆的控制系统每隔时间T采集所有车辆的车辆信息,完成车辆间的通讯;通讯失败,进行步骤2,否则,进行步骤3;
步骤2:出现数据包丢失,中央控制车辆的控制系统从数据库中读取上一次采集存入的数据包,视作当前时刻所有车辆的车辆信息;
步骤3:中央控制车辆的控制系统保存所有车辆的车辆信息至数据库中;
步骤4:中央控制车辆的控制系统计算受控车辆组两两间的车头间距,计算受控车辆与第一前方车辆、第二关联车辆与第二前方车辆此刻的车头间距;
步骤5:中央控制车辆的控制系统结合所有车辆的车辆信息、受控车辆与第一前方车辆及第二关联车辆与第二前方车辆的相对信息,对受控车辆组的加速及制动过程进行纵向驾驶优化;
步骤6:由中央控制车辆与受控车辆组其余2个车辆进行通讯,传递纵向驾驶优化结果;通讯失败,进行步骤7,否则,进行步骤8;
步骤7:出现数据包丢失,受控车辆的控制系统从数据库中读取上一次存入的数据包,视作当前时刻的优化结果;
步骤8:若换道条件满足,换道车辆执行换道过程,受控车辆组的动力系统及制动系统根据优化结果行驶距离S或时间T’,并将优化结果保存至受控车辆组的车辆数据库中;否则,进行步骤1。
优选地,所述步骤1中,所有车辆的车辆信息包括当前时刻的车辆位置、车辆速度。
优选地,所述步骤4中,计算任意车辆车头间距包括以下步骤:
步骤4.1:计算数据库中前方车辆与后方车辆位置最近的两点P1、P2,所述前方车辆对应驶过两点的时间分别为t1、t2;
步骤4.2:计算后方车辆位置距线段P1P2最近的位置P3;
优选地,所述步骤5中,所有车辆的车辆信息包括所有车辆的速度信息,所述受控车辆与第一前方车辆及第二关联车辆与第二前方车辆的相对信息包括车头间距。
优选地,所述步骤5中,对受控车辆组的加速及制动过程进行纵向驾驶优化包括以下步骤:
步骤5.1:计算受控车辆组纵向控制的控制初态其中△v1,0=vA,0-vC,0,△v2,0=vB,0-vD,0,△v3,0=vC,0-vD,0,△v4,0=vC,0-vE,0,△v5,0=vD,0-vE,0;s1,0为第二关联车辆与第二前方车辆间的初态车头间距,s2,0为受控车辆与第一前方车辆间的初态车头间距,s3,0为受控车辆与第二关联车辆间的初态车头间距,s4,0为第一关联车辆与第二关联车辆间的初态车头间距,s5,0为第一关联车辆与受控车辆间的初态车头间距;为第二关联车辆与第二前方车辆间的期望车头间距,为受控车辆与第一前方车辆间的期望车头间距,为受控车辆与第二关联车辆间的期望车头间距,为第一关联车辆与第二关联车辆间的期望车头间距,为第一关联车辆与受控车辆间的期望车头间距;vA,0为第二前方车辆初态速度,vB,0为第一前方车辆初态速度,vC,0为第二关联车辆初态速度,vD,0为受控车辆初态速度,vE,0为第一关联车辆初态速度;
步骤5.2:计算动态矩阵:
步骤5.3:其中,N为控制步数, β1i对应车辆控制过程中的车头间距控制偏好,β1i为正数,i={1,2,3,4,5},β2i对应车辆控制过程中的相对速度控制偏好,β2i为正数,i={1,2,3,4,5},i=1时为第二关联车辆与第二前方车辆间的控制偏好,i=2时为受控车辆与第一前方车辆间的控制偏好,i=3时为受控车辆与第二关联车辆间的控制偏好,i=4时为第一关联车辆与第二关联车辆间的控制偏好,i=5时为受控车辆与第一关联车辆间的控制偏好;β3C、β3D、β3E分别对应车辆控制过程中第二关联车辆、受控车辆和第一关联车辆的加速度控制偏好,β3j为正数,j={C,D,E};
步骤5.5:逆向计算伴随矩阵;
步骤5.6:顺向计算控制向量和状态向量。
优选地,所述步骤5.5中,逆向计算伴随矩阵包括以下步骤:
优选地,所述步骤5.6中,顺向计算控制向量和状态向量包括以下步骤:
步骤5.6.1:根据庞特里雅金极大值原理计算控制向量,u(k)=Gkx(k)+Hk,其中x(k)为第k个控制步的状态向量,aC、aD和aE分别为第二关联车辆、受控车辆和第一关联车辆在第k个控制步的期望加速度,初态控制向量已给出;
步骤5.6.2:如果uj>uj,max,则uj=uj,max;如果uj<uj,min,则uj=uj,min;其中,uj,max为受控车辆最大加速度,uj,min为受控车辆最小加速度,j={C,D,E};
步骤5.6.3:计算状态向量x(k+1)=Skx(k)+Tk。
本发明提供了一种优化的网联智能车辆协作换道方法,通过通讯设备获取受控车辆组和对应的第一前方车辆和第二前方车辆的运行状态,对受控车辆组整体的加速、制动过程进行控制,利用最优化原理对受控车辆组3个车辆的纵向驾驶过程都进行优化。本发明的有益效果在于:
1.将3辆受控车辆的纵向驾驶行为在一个控制器中进行优化,将周围车辆驾驶过程纳入优化范围,实现协作驾驶,换道过程实现系统最优;
2.优化算法不需多次迭代,降低计算负荷,且计算延迟可预先准确估计。
附图说明
图1为本发明的协作换道示意图,其中,A为第二前方车辆,B为第一前方车辆,C为第二关联车辆,D为受控车辆,E为第一关联车辆,第一关联车辆、第二关联车辆和第二前方车辆所在的车道为第二车道,受控车辆和第一前方车辆所在的车道为第一车道,第一车道和第二车道并列设置,实线箭头所指方向为车辆运行方向,虚线箭头所指方向为受控车辆预计变道方向。
具体实施方式
下面结合实施例对本发明做进一步的详细描述,但本发明的保护范围并不限于此。
本发明涉及一种网联智能车辆协作换道方法,所述网联智能车辆设于并列设置的第一车道和第二车道上,所述第一车道上顺次设有受控车辆及第一前方车辆,所述第二车道上顺次设有受控车辆的第一关联车辆、第二关联车辆及第二前方车辆,所述第一关联车辆位于受控车辆纵向后方,所述第二关联车辆位于受控车辆纵向前方;以受控车辆或第一关联车辆或第二关联车辆任一为中央控制车辆,以受控车辆、第一关联车辆和第二关联车辆整体为受控车辆组。所述方法包括以下步骤。
步骤1:中央控制车辆的控制系统每隔时间T采集所有车辆的车辆信息,完成车辆间的通讯;通讯失败,进行步骤2,否则,进行步骤3。
所述步骤1中,所有车辆的车辆信息包括当前时刻的车辆位置、车辆速度。
本发明中,建立模型,模型共包括2个车道、涉及5辆车,2个车道为第一车道和第二车道,在第一车道上顺次有受控车辆及第一前方车辆,第一前方车辆为受控车辆的牵扯,在第二车道上顺次有受控车辆的第一关联车辆、第二关联车辆及第二前方车辆,第二关联车辆为第一关联车辆的前车,第二前方车辆为第二关联车辆的前车。在模型中,构建包括受控车辆、第一关联车辆和第二关联车辆的受控车辆组,并取任一车辆为中央控制车辆,这3个车辆间互相关联,协同控制,同时从纵向来说,受控车辆为第一关联车辆的前车,第二关联车辆为受控车辆的前车。
本发明中,采用方法的整体系统包括置于每个车辆的车辆信息采集装置、通信装置、控制系统和车辆数据库,每个车辆的通信装置连接至车辆信息采集装置,车辆与车辆之间通过通信装置通信连接,每个车辆的通信装置连接至自身的控制系统,每个车辆的控制系统连接至自身的车辆数据库。
本发明中,在实际控制过程中,受控车辆组的控制系统连接至受控车辆组各个车辆的动力系统及制动系统。
本发明中,时间T关系到协作换道作业的精度和系统整体的计算量,本领域技术人员可以依据实际的情况综合考虑后设定,如2s。
步骤2:出现数据包丢失,中央控制车辆的控制系统从数据库中读取上一次采集存入的数据包,视作当前时刻所有车辆的车辆信息。
本发明中,当中央控制车辆与受控车辆组的其余2个车辆通讯失败时,中央控制车辆的控制系统从数据库中读取上一次采集并存入的数据包,视作此时刻其余2个车辆的车辆信息与上一次进行通讯时一致。
本发明中,当中央控制车辆与前方车辆通讯失败时,中央控制车辆的控制系统从数据库中读取上一次采集存入此前方车辆的数据包,视作此时刻受控车辆信息与上一次进行通讯时的前方车辆信息一致。
本发明中,最低的通信要求是中央控制车辆与其他车辆进行双向通信,通过信息中转获得车辆与车辆间的相关信息,在实际的通信环境中,两两相邻车辆进行通讯的条件比此更充分。
步骤3:中央控制车辆的控制系统保存所有车辆的车辆信息至数据库中。
本发明中,本次数据传输结束后,保持受控车辆组及前方车辆的通讯,具体来说,是保持中央控制车辆与其余所有车辆的通讯,也就是中央控制车辆与其余受控车辆及中央控制车辆与两个前方车辆间的通讯,同时针对数据库中的信息进行处理。
步骤4:中央控制车辆的控制系统计算受控车辆组两两间的车头间距,计算受控车辆与第一前方车辆、第二关联车辆与第二前方车辆此刻的车头间距。
所述步骤4中,计算任意车辆车头间距包括以下步骤:
步骤4.1:计算数据库中前方车辆与后方车辆位置最近的两点P1、P2,所述前方车辆对应驶过两点的时间分别为t1、t2;
步骤4.2:计算后方车辆位置距线段P1P2最近的位置P3;
本发明中,前方车辆的定位是按照时间定位的,一般情况下每隔一定时间进行定位,故在计算车头间距时需要取两点,即两次定位,需要的位置点处于两次定位的点之间。一般情况下,默认t1、t2为按照时间顺序排列。
本发明中,当涉及到不同车道的2个车辆时,如受控车辆与第一关联车辆,则仅需考虑纵向的间距数据,进而进行车头间距的计算。
本发明中,根据时间分配计算得到前方车辆驶过P3的时间t3,计算前车从时刻t3到当前时刻的行驶距离,即为车头间距。
本发明中,以△t为前方车辆相邻两次信息传输的时间差,通过速度对时间的积分离散计算得到车头间距(距离),即使在通讯失败后的情况,由于车辆的驾驶状态不可能突变(时间间隔很小),故控制系统仍可以直接取上一次传输的数据进行计算。
本发明中,步骤4主要用于计算前方车辆和后方车辆在初态下的车头间距。
步骤5:中央控制车辆的控制系统结合所有车辆的车辆信息、受控车辆与第一前方车辆及第二关联车辆与第二前方车辆的相对信息,对受控车辆组的加速及制动过程进行纵向驾驶优化。
所述步骤5中,所有车辆的车辆信息包括所有车辆的速度信息,所述受控车辆与第一前方车辆及第二关联车辆与第二前方车辆的相对信息包括车头间距。
所述步骤5中,对受控车辆组的加速及制动过程进行纵向驾驶优化包括以下步骤:
步骤5.1:计算受控车辆组纵向控制的控制初态其中△v1,0=vA,0-vC,0,△v2,0=vB,0-vD,0,△v3,0=vC,0-vD,0,△v4,0=vC,0-vE,0,△v5,0=vD,0-vE,0;s1,0为第二关联车辆与第二前方车辆间的初态车头间距,s2,0为受控车辆与第一前方车辆间的初态车头间距,s3,0为受控车辆与第二关联车辆间的初态车头间距,s4,0为第一关联车辆与第二关联车辆间的初态车头间距,s5,0为第一关联车辆与受控车辆间的初态车头间距;为第二关联车辆与第二前方车辆间的期望车头间距,为受控车辆与第一前方车辆间的期望车头间距,为受控车辆与第二关联车辆间的期望车头间距,为第一关联车辆与第二关联车辆间的期望车头间距,为第一关联车辆与受控车辆间的期望车头间距;vA,0为第二前方车辆初态速度,vB,0为第一前方车辆初态速度,vC,0为第二关联车辆初态速度,vD,0为受控车辆初态速度,vE,0为第一关联车辆初态速度;
步骤5.3:计算成本函数矩阵:
Rk=β3,k∈{0,1,2,…,N};
其中,N为控制步数, β1i对应车辆控制过程中的车头间距控制偏好,β1i为正数,i={1,2,3,4,5},β2i对应车辆控制过程中的相对速度控制偏好,β2i为正数,i={1,2,3,4,5},i=1时为第二关联车辆与第二前方车辆间的控制偏好,i=2时为受控车辆与第一前方车辆间的控制偏好,i=3时为受控车辆与第二关联车辆间的控制偏好,i=4时为第一关联车辆与第二关联车辆间的控制偏好,i=5时为受控车辆与第一关联车辆间的控制偏好;β3C、β3D、β3E分别对应车辆控制过程中第二关联车辆、受控车辆和第一关联车辆的加速度控制偏好,β3j为正数,j={C,D,E};
步骤5.5:逆向计算伴随矩阵;
所述步骤5.5中,逆向计算伴随矩阵包括以下步骤:
步骤5.6:顺向计算控制向量和状态向量。
所述步骤5.6中,顺向计算控制向量和状态向量包括以下步骤:
步骤5.6.1:根据庞特里雅金极大值原理计算控制向量,u(k)=Gkx(k)+Hk,其中x(k)为第k个控制步的状态向量,aC、aD和aE分别为第二关联车辆、受控车辆和第一关联车辆在第k个控制步的期望加速度,初态控制向量已给出;
步骤5.6.2:如果uj>uj,max,则uj=uj,max;如果uj<uj,min,则uj=uj,min;其中,uj,max为受控车辆最大加速度,uj,min为受控车辆最小加速度,j={C,D,E};
步骤5.6.3:计算状态向量x(k+1)=Skx(k)+Tk。
本发明中,β1i对应车辆控制过程中的车头间距控制偏好,β2i对应车辆控制过程中的相对速度控制偏好,β3i对应车辆控制过程中的加速度控制偏好。在实际的实施过程中,可根据具体目标选取参数。β1i越大,车辆车头间距向期望车头间距的相应速度越快;β2i越大,车辆见相对速度波动越小;β3i越大,受控车辆组的速度波动越小。
本发明中,tr为控制步长,N为控制步数,即N×tr为控制时长。控制步长和控制步数均为主动设定。
本发明中,如前方车辆为网联智能车辆,其控制时长内加速度信息可通过车联网获取,如前方车辆为非网联智能车辆,其加速度需由预测得到。因此,步骤5.2中,预测加速度的预测方法包括但不限于:
a)前车加速度在预测时段内保持初态加速度;
b)前车加速度在预测时段内均为零;
c)前车加速度在预测时段内从初态加速度均匀变化至零。
本发明中,优化算法需进行逆向、正向两次迭代运算。最终优化结果为整个优化时长内的三辆受控车辆的纵向驾驶参数。比如以10秒为优化时长,0.1秒为优化步长,则优化结果为三辆车每隔0.1秒的100个控制量。在这种情况下,整个计算过程耗时约11ms。
本发明中,在实际的实施过程中,可取一部分优化结果进行车辆控制,比如仅取前十个控制量控制车辆纵向行驶。这种情况下,正向迭代过程不需要完全进行,只需要计算出前十个控制量即可,以提高运算速度。
本发明中,状态向量给了初态的定义,后续的状态向量通过步骤5.6.3进行计算,定义和初态基本相同,对应的时刻不一样,计算完成后继续迭代5.6.1。
步骤6:由中央控制车辆与受控车辆组其余2个车辆进行通讯,传递纵向驾驶优化结果;通讯失败,进行步骤7,否则,进行步骤8。
本发明中,受控车辆组的3辆车辆的纵向驾驶过程由任择的1中央控制车辆进行优化计算,优化结果通过车车通信传递至受控车辆组的其余2个车辆。
步骤7:出现数据包丢失,受控车辆的控制系统从数据库中读取上一次存入的数据包,视作当前时刻的优化结果。
本发明中,车辆的纵向驾驶过程的优化结果是平滑、连续的,不会发生突变,因此在出现数据包丢失时,受控车辆组可读取上一次存入的优化结果,视作当前优化结果与上一次通讯是的优化结果相同。
步骤8:若换道条件满足,换道车辆执行换道过程,受控车辆组的动力系统、制动系统及转向系统根据优化结果行驶距离S或时间T’,并将优化结果保存至受控车辆组的车辆数据库中;否则,进行步骤1。
本发明中,本次数据传输结束后,保持受控车辆组之间及与前方车辆的通讯,同时针对数据库中的信息进行处理。
本发明中,换道条件包括受控车辆与第一关联车辆和第二关联车辆的车头间距是否满足换道条件、受控车辆与第一关联车辆和第二关联车辆的速度差是否满足换道条件、受控车辆本身车辆速度是否满足换道条件等相关的条件,在实际实施过程中可视偏好选择、设定。
本发明中,受控车辆每隔一定时间间隔判断换道条件是否满足,比如0.1秒。当换道条件满足时,受控车辆执行换道过程,否则进行下一次优化。在实际的实施过程中,受控车辆换道条件满足时,无需等待本次优化过程的优化结果全部执行。比如,每次优化过程取前10个控制量执行,当第5个控制量执行结束后,若换道条件成熟,亦可直接进行换道操作。
本发明通过通讯设备获取受控车辆组和对应的第一前方车辆和第二前方车辆的运行状态,对受控车辆组整体的加速、制动过程进行控制,利用最优化原理对受控车辆组3个车辆的纵向驾驶过程都进行优化。本发明将3辆受控车辆的纵向驾驶行为在一个控制器中进行优化,将周围车辆驾驶过程纳入优化范围,实现协作驾驶,换道过程实现系统最优,优化算法不需多次迭代,降低计算负荷,且计算延迟可预先准确估计。
Claims (7)
1.一种网联智能车辆协作换道方法,其特征在于:所述网联智能车辆设于并列设置的第一车道和第二车道上,所述第一车道上顺次设有受控车辆及第一前方车辆,所述第二车道上顺次设有受控车辆的第一关联车辆、第二关联车辆及第二前方车辆,所述第一关联车辆位于受控车辆纵向后方,所述第二关联车辆位于受控车辆纵向前方;以受控车辆或第一关联车辆或第二关联车辆任一为中央控制车辆,以受控车辆、第一关联车辆和第二关联车辆整体为受控车辆组;所述方法包括以下步骤:
步骤1:中央控制车辆的控制系统每隔时间T采集所有车辆的车辆信息,完成车辆间的通讯;通讯失败,进行步骤2,否则,进行步骤3;
步骤2:出现数据包丢失,中央控制车辆的控制系统从数据库中读取上一次采集存入的数据包,视作当前时刻所有车辆的车辆信息;
步骤3:中央控制车辆的控制系统保存所有车辆的车辆信息至数据库中;
步骤4:中央控制车辆的控制系统计算受控车辆组两两间的车头间距,计算受控车辆与第一前方车辆、第二关联车辆与第二前方车辆此刻的车头间距;
步骤5:中央控制车辆的控制系统结合所有车辆的车辆信息、受控车辆与第一前方车辆及第二关联车辆与第二前方车辆的相对信息,对受控车辆组的加速及制动过程进行纵向驾驶优化;
所述步骤5中,对受控车辆组的加速及制动过程进行纵向驾驶优化包括以下步骤:
步骤5.1:计算受控车辆组纵向控制的控制初态;
步骤5.2:计算动态矩阵;
步骤5.3:计算成本函数矩阵;
步骤5.4:计算末态伴随矩阵;
步骤5.5:逆向计算伴随矩阵;
步骤5.6:顺向计算控制向量和状态向量;
步骤6:由中央控制车辆与受控车辆组其余2个车辆进行通讯,传递纵向驾驶优化结果;通讯失败,进行步骤7,否则,进行步骤8;
步骤7:出现数据包丢失,受控车辆的控制系统从数据库中读取上一次存入的数据包,视作当前时刻的优化结果;
步骤8:若换道条件满足,换道车辆执行换道过程,受控车辆组的动力系统、制动系统及转向系统根据优化结果行驶距离S或时间T’,并将优化结果保存至受控车辆组的车辆数据库中;否则,进行步骤1。
2.根据权利要求1所述的一种网联智能车辆协作换道方法,其特征在于:所述步骤1中,所有车辆的车辆信息包括车辆位置、车辆速度。
4.根据权利要求1所述的一种网联智能车辆协作换道方法,其特征在于:所述步骤5中,所有车辆的车辆信息包括所有车辆的速度信息,所述受控车辆与第一前方车辆及第二关联车辆与第二前方车辆的相对信息包括车头间距。
5.根据权利要求4所述的一种网联智能车辆协作换道方法,其特征在于:所述步骤5中,对受控车辆组的加速及制动过程进行纵向驾驶优化包括以下步骤:
步骤5.1:计算受控车辆组纵向控制的控制初态其中△v1,0=vA,0-vC,0,△v2,0=vB,0-vD,0,△v3,0=vC,0-vD,0,△v4,0=vC,0-vE,0,△v5,0=vD,0-vE,0;s1,0为第二关联车辆与第二前方车辆间的初态车头间距,s2,0为受控车辆与第一前方车辆间的初态车头间距,s3,0为受控车辆与第二关联车辆间的初态车头间距,s4,0为第一关联车辆与第二关联车辆间的初态车头间距,s5,0为第一关联车辆与受控车辆间的初态车头间距;为第二关联车辆与第二前方车辆间的期望车头间距,为受控车辆与第一前方车辆间的期望车头间距,为受控车辆与第二关联车辆间的期望车头间距,为第一关联车辆与第二关联车辆间的期望车头间距,为第一关联车辆与受控车辆间的期望车头间距;vA,0为第二前方车辆初态速度,vB,0为第一前方车辆初态速度,vC,0为第二关联车辆初态速度,vD,0为受控车辆初态速度,vE,0为第一关联车辆初态速度;
步骤5.3:计算成本函数矩阵:
Rk=β3,k∈{0,1,2,…,N};
其中,N为控制步数, β1i对应车辆控制过程中的车头间距控制偏好,β1i为正数,i={1,2,3,4,5},β2i对应车辆控制过程中的相对速度控制偏好,β2i为正数,i={1,2,3,4,5},i=1时为第二关联车辆与第二前方车辆间的控制偏好,i=2时为受控车辆与第一前方车辆间的控制偏好,i=3时为受控车辆与第二关联车辆间的控制偏好,i=4时为第一关联车辆与第二关联车辆间的控制偏好,i=5时为受控车辆与第一关联车辆间的控制偏好;β3C、β3D、β3E分别对应车辆控制过程中第二关联车辆、受控车辆和第一关联车辆的加速度控制偏好,β3i为正数,i={C,D,E};
步骤5.5:逆向计算伴随矩阵;
步骤5.6:顺向计算控制向量和状态向量。
7.根据权利要求5所述的一种网联智能车辆协作换道方法,其特征在于:所述步骤5.6中,顺向计算控制向量和状态向量包括以下步骤:
步骤5.6.1:根据庞特里雅金极大值原理计算控制向量,u(k)=Gkx(k)+Hk,其中x(k)为第k个控制步的状态向量,aC、aD和aE分别为第二关联车辆、受控车辆和第一关联车辆在第k个控制步的期望加速度,初态控制向量已给出;
步骤5.6.2:如果uj>uj,max,则uj=uj,max;如果uj<uj,min,则uj=uj,min;其中,uj,max为受控车辆最大加速度,uj,min为受控车辆最小加速度,j={C,D,E};
步骤5.6.3:计算状态向量x(k+1)=Skx(k)+Tk。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810591225.7A CN108919799B (zh) | 2018-06-10 | 2018-06-10 | 一种网联智能车辆协作换道方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810591225.7A CN108919799B (zh) | 2018-06-10 | 2018-06-10 | 一种网联智能车辆协作换道方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108919799A CN108919799A (zh) | 2018-11-30 |
CN108919799B true CN108919799B (zh) | 2020-08-11 |
Family
ID=64419103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810591225.7A Active CN108919799B (zh) | 2018-06-10 | 2018-06-10 | 一种网联智能车辆协作换道方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108919799B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110920622B (zh) * | 2019-12-06 | 2021-01-26 | 格物汽车科技(苏州)有限公司 | 自动驾驶中车辆变道至目标车道前车之前的预测方法 |
CN112009526B (zh) * | 2020-10-15 | 2021-02-19 | 北京全路通信信号研究设计院集团有限公司 | 一种基于自组网的列车群组控制方法与系统 |
CN112735126B (zh) * | 2020-12-24 | 2023-02-03 | 成都格林希尔德交通科技有限公司 | 一种基于模型预测控制的混合交通流协同优化控制方法 |
CN113264049B (zh) * | 2021-04-26 | 2022-07-05 | 同济大学 | 一种智能网联车队协作换道控制方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105774800A (zh) * | 2016-03-28 | 2016-07-20 | 清华大学 | 一种混合车辆队列中车辆间的碰撞缓解方法及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008021530A1 (de) * | 2008-04-30 | 2009-11-12 | Ford Global Technologies, LLC, Dearborn | Vorrichtung und Verfahren zur Fahrzeugsteuerung |
JP5493585B2 (ja) * | 2009-08-19 | 2014-05-14 | トヨタ自動車株式会社 | 内燃機関の制御装置 |
CN103754224B (zh) * | 2014-01-24 | 2016-02-24 | 清华大学 | 一种车辆多目标协调换道辅助自适应巡航控制方法 |
CN103871241B (zh) * | 2014-03-19 | 2016-04-06 | 同济大学 | 一种面向快速路交织区车道动态划分控制方法 |
CN104960524B (zh) * | 2015-07-16 | 2017-06-06 | 北京航空航天大学 | 基于车车通信的多车协同换道控制系统及其方法 |
CN106985813B (zh) * | 2017-02-23 | 2019-05-31 | 南京航空航天大学 | 一种智能轮电驱动汽车的稳定性集成控制方法 |
-
2018
- 2018-06-10 CN CN201810591225.7A patent/CN108919799B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105774800A (zh) * | 2016-03-28 | 2016-07-20 | 清华大学 | 一种混合车辆队列中车辆间的碰撞缓解方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108919799A (zh) | 2018-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108919799B (zh) | 一种网联智能车辆协作换道方法 | |
CN110991757B (zh) | 一种混合动力电动汽车综合预测能量管理方法 | |
US20180356835A1 (en) | Method for Moving, in Particular Controlling or Regulating, a Line of Vehicles | |
CN110568762B (zh) | 一种抗通信延迟的智能电动车编队自适应鲁棒控制方法 | |
US10730352B2 (en) | System and method for tire wear prognostics | |
CN111703418B (zh) | 一种基于车车通信的多车分布式协同避撞方法及装置 | |
Zha et al. | A survey of intelligent driving vehicle trajectory tracking based on vehicle dynamics | |
CN110794851B (zh) | 车辆远程控制安全防护方法、装置和无人驾驶车辆 | |
CN111619624B (zh) | 一种基于深度强化学习的有轨电车运行控制方法和系统 | |
GB2525079A (en) | Vehicle operator monitoring and operations adjustments | |
CN110615003B (zh) | 基于策略梯度在线学习算法的巡航控制系统及设计方法 | |
GB2541511A (en) | Rapid traffic parameter estimation | |
CN114074680B (zh) | 基于深度强化学习的车辆换道行为决策方法及系统 | |
CN108594830B (zh) | 一种基于空间域的网联智能车编队行驶控制方法 | |
CN114488799B (zh) | 汽车自适应巡航系统控制器参数优化方法 | |
CN114394092B (zh) | 基于车车通信的混合车流汽车协同自适应巡航控制方法 | |
CN108919798B (zh) | 一种基于混合函数域的网联智能车辆编队行驶控制方法 | |
CN112731806B (zh) | 智能网联汽车随机模型预测控制实时性优化方法 | |
CN116176654A (zh) | 一种场景自适应的轨道交通ato控制系统 | |
CN112622922A (zh) | 具有自主车辆参考的非自主车辆速度预测 | |
DE112020003601T5 (de) | Fahrzeugsteuervorrichtung, Fahrzeugsteuerverfahren und Fahrzeugnachfolgesystem | |
CN114670856B (zh) | 一种基于bp神经网络的参数自整定纵向控制方法及系统 | |
CN117104310A (zh) | 基于数据驱动预测控制的虚拟编组控制方法及系统 | |
US20220207348A1 (en) | Real-time neural network retraining | |
CN115123227A (zh) | 变道决策方法、装置以及车辆 |
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 |