CN109064760A - 一种数据驱动的智能鲁棒车速实时规划方法及系统 - Google Patents

一种数据驱动的智能鲁棒车速实时规划方法及系统 Download PDF

Info

Publication number
CN109064760A
CN109064760A CN201810960435.9A CN201810960435A CN109064760A CN 109064760 A CN109064760 A CN 109064760A CN 201810960435 A CN201810960435 A CN 201810960435A CN 109064760 A CN109064760 A CN 109064760A
Authority
CN
China
Prior art keywords
time
vehicle
road section
delay variable
planning
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
Application number
CN201810960435.9A
Other languages
English (en)
Other versions
CN109064760B (zh
Inventor
孙超
孙逢春
李军求
闵青云
孙海迪
郭婷婷
励夏
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.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
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 Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN201810960435.9A priority Critical patent/CN109064760B/zh
Publication of CN109064760A publication Critical patent/CN109064760A/zh
Application granted granted Critical
Publication of CN109064760B publication Critical patent/CN109064760B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808—Diagnosing performance data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G08G1/08—Controlling traffic signals according to detected number or speed of vehicles

Landscapes

  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开一种数据驱动的智能鲁棒车速实时规划方法及系统。所述方法包括：获取目标路段中各分段的车辆行驶信息；根据所述行驶信息得到路段随机延时变量、与所述随机延时变量相对应的概率密度函数、路段内禁止通行时间；建立道路模型；根据所述道路模型、路段内禁止通行时间确定车辆行驶的机会约束条件；获取油耗、时间和安全性在车辆行驶中的权重系数；根据目标路段和所述权重系数建立车速规划目标函数；根据动态规划算法和机会约束条件对所述车速规划目标函数求解，得到最优车速。采用本发明的方法或系统能够根据需求建立相应的目标函数，达到相应的车速优化效果。

Description

一种数据驱动的智能鲁棒车速实时规划方法及系统
技术领域
本发明涉及车辆车速研究领域，特别是涉及一种数据驱动的智能鲁棒车速实时规划方法及系统。
背景技术
随着道路车辆的增多，交通拥堵和交通事故经常发生，同时车辆怠速时间的增加会导致能耗上升，尤其是信号灯路口这种现象尤为严重，因此对车速轨迹进行规划非常重要。在信号灯路口，存在红灯持续时间、行人通过状况、车辆拥堵状况等不确定性因素，对车速规划的准确性带来干扰。
发明内容
本发明的目的是提供一种数据驱动的智能鲁棒车速实时规划方法及系统，能够根据需求建立相应的目标函数，达到相应的车速优化效果。
为实现上述目的，本发明提供了如下方案：
一种数据驱动的智能鲁棒车速实时规划方法，所述方法包括：
获取目标路段中各分段的车辆行驶信息；
根据所述行驶信息得到路段随机延时变量、与所述随机延时变量相对应的概率密度函数、路段内禁止通行时间；
建立道路模型；
根据所述道路模型、路段内禁止通行时间确定车辆行驶的机会约束条件；
获取油耗、时间和安全性在车辆行驶中的权重系数；
根据目标路段和所述权重系数建立车速规划目标函数，目标函数包括行车能耗成本和行驶时间成本；
构建机会约束条件，基于动态规划算法，求解最小化目标函数的车速规划结果，得到满足约束的最优车速。
可选的，所述车辆行驶信息包括：车辆行驶实时速度、车辆行驶路线坡度、车辆行驶路线道路信息、分段的红灯基准时间和分段交通时间延时和发生概率。
可选的，所述分段交通时间延时的延时变量为所述延时变量对应的发生概率分布为其中，代表交通信号灯自适应变化，交通堵塞，行人通行事件引起的延时。
可选的，所述根据所述行驶信息得到路段随机延时变量、与所述随机延时变量相对应的概率密度函数、路段内禁止通行时间，具体包括：
根据分段交通时间延时的延时变量得到路段随机延时变量
根据所述延时变量得到所述随机延时变量相对应的概率密度函数；
根据所述分段的红灯基准时间确定红灯时长
根据所述红灯时长确定路段内禁止通行时间所述路段内禁止通行时间根据
可选的，所述建立道路模型，具体包括：
获取车辆离开的初始时间和车辆行驶过路段所耗费的时间；
根据所述车辆离开的初始时间和所述车辆行驶过路段所耗费的时间，建立道路模型；
所述道路模型通过表示；
其中，为车辆通过信号灯的信号灯周期时间，为车辆离开的初始时间，为车辆行驶过i段所耗费的时间；为道路信号灯完整循环时间。
可选的，所述根据所述道路模型、路段内禁止通行时间确定车辆行驶的机会约束条件，具体包括：
根据公式得到车辆行驶的机会约束条件；
其中，F-1为αi分布函数的反函数，为分段的红灯基准时间确定红灯时长，为车辆通过信号灯的信号灯周期时间。
一种数据驱动的智能鲁棒车速实时规划系统，所述系统包括：
获取模块，用于获取目标路段中各分段的车辆行驶信息；
延时变量、禁止通行时间确定模块，用于根据所述行驶信息得到路段随机延时变量、与所述随机延时变量相对应的概率密度函数、路段内禁止通行时间；
道路模型建立模块，用于建立道路模型；
约束条件确立模块，用于根据所述道路模型、路段内禁止通行时间确定车辆行驶的机会约束条件；
权重系数确定模块，用于获取油耗、时间和安全性在车辆行驶中的权重系数；
目标函数建立模块，用于根据目标路段和所述权重系数建立车速规划目标函数；
动态规划模块，用于根据动态规划算法和机会约束条件对所述车速规划目标函数求解，得到最优车速。
可选的，所述车辆行驶信息包括：车辆行驶实时速度、车辆行驶路线坡度、车辆行驶路线道路信息、分段的红灯基准时间和分段交通时间延时和发生概率。
可选的，所述分段交通时间延时的延时变量为所述延时变量对应的发生概率分布为其中，代表交通信号灯自适应变化，交通堵塞，行人通行事件引起的延时。
可选的，所述延时变量、禁止通行时间确定模块，具体包括：
延时变量确定单元，用于根据分段交通时间延时的延时变量得到路段随机延时变量
概率密度函数确定单元，用于根据所述延时变量得到所述随机延时变量相对应的概率密度函数；
红灯时长确定单元，用于根据所述分段的红灯基准时间确定红灯时长
禁止通行时间确定单元，用于根据所述红灯时长确定路段内禁止通行时间所述路段内禁止通行时间根据
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供一种数据驱动的智能鲁棒车速实时规划方法，包括：获取目标路段中各分段的车辆行驶信息；根据所述行驶信息得到路段随机延时变量、与所述随机延时变量相对应的概率密度函数、路段内禁止通行时间；建立道路模型；根据所述道路模型、路段内禁止通行时间确定车辆行驶的机会约束条件；获取油耗、时间和安全性在车辆行驶中的权重系数；根据目标路段和所述权重系数建立车速规划目标函数；根据动态规划算法和机会约束条件对所述车速规划目标函数求解，得到最优车速。采用本发明的方法能够根据需求建立相应的目标函数，达到相应的优化效果。如：车速规划以最小化行驶时间为目标函数可以减少行驶时间，提高信号灯路口的交通流效率，减少拥堵；以能耗为目标函数可以实现降低能耗，提高燃油经济性；以行车安全为目标函数，可以提高行车安全效能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为数据驱动的智能鲁棒车速实时规划方法流程图；
图2为数据驱动的智能鲁棒车速实时规划系统结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例数据驱动的智能鲁棒车速实时规划方法流程图。如图1所示，一种数据驱动的智能鲁棒车速实时规划方法，所述方法包括：
步骤101：获取目标路段中各分段的车辆行驶信息；
步骤102：根据所述行驶信息得到路段随机延时变量、与所述随机延时变量相对应的概率密度函数、路段内禁止通行时间；
步骤103：建立道路模型；
步骤104：根据所述道路模型、路段内禁止通行时间确定车辆行驶的机会约束条件；
步骤105：获取油耗、时间和安全性在车辆行驶中的权重系数；
步骤106：根据目标路段和所述权重系数建立车速规划目标函数，目标函数包括行车能耗成本和行驶时间成本；
步骤107：构建机会约束条件，基于动态规划算法，求解最小化目标函数的车速规划结果，得到满足约束的最优车速。
所述车辆行驶信息包括：车辆行驶实时速度、车辆行驶路线坡度、车辆行驶路线道路信息、分段的红灯基准时间和分段交通时间延时和发生概率。
所述分段交通时间延时的延时变量为所述延时变量对应的发生概率分布为其中，代表交通信号灯自适应变化，交通堵塞，行人通行事件引起的延时。
步骤102，具体包括：
根据分段交通时间延时的延时变量得到路段随机延时变量
根据所述延时变量得到所述随机延时变量相对应的概率密度函数；
根据所述分段的红灯基准时间确定红灯时长
根据所述红灯时长确定路段内禁止通行时间所述路段内禁止通行时间根据
步骤103，具体包括：
获取车辆离开的初始时间和车辆行驶过路段所耗费的时间；
根据所述车辆离开的初始时间和所述车辆行驶过路段所耗费的时间，建立道路模型；
所述道路模型通过表示；
其中，为车辆通过信号灯的信号灯周期时间，为车辆离开的初始时间，为车辆行驶过i段所耗费的时间；为道路信号灯完整循环时间。
步骤104，具体包括：
根据公式得到车辆行驶的机会约束条件；
其中，F-1为αi分布函数的反函数，为分段的红灯基准时间确定红灯时长，为车辆通过信号灯的信号灯周期时间。
图2为本发明实施例数据驱动的智能鲁棒车速实时规划系统结构图。如图2所示，一种数据驱动的智能鲁棒车速实时规划系统，所述系统包括：
获取模块201，用于获取目标路段中各分段的车辆行驶信息；
延时变量、禁止通行时间确定模块202，用于根据所述行驶信息得到路段随机延时变量、与所述随机延时变量相对应的概率密度函数、路段内禁止通行时间；
道路模型建立模块203，用于建立道路模型；
约束条件确立模块204，用于根据所述道路模型、路段内禁止通行时间确定车辆行驶的机会约束条件；
权重系数确定模块205，用于获取油耗、时间和安全性在车辆行驶中的权重系数；
目标函数建立模块206，用于根据目标路段和所述权重系数建立车速规划目标函数；
动态规划模块207，用于根据动态规划算法和机会约束条件对所述车速规划目标函数求解，得到最优车速。
所述车辆行驶信息包括：车辆行驶实时速度、车辆行驶路线坡度、车辆行驶路线道路信息、分段的红灯基准时间和分段交通时间延时和发生概率。
所述分段交通时间延时的延时变量为所述延时变量对应的发生概率分布为其中，代表交通信号灯自适应变化，交通堵塞，行人通行事件引起的延时。
所述延时变量、禁止通行时间确定模块202，具体包括：
延时变量确定单元，用于根据分段交通时间延时的延时变量得到路段随机延时变量
概率密度函数确定单元，用于根据所述延时变量得到所述随机延时变量相对应的概率密度函数；
红灯时长确定单元，用于根据所述分段的红灯基准时间确定红灯时长
禁止通行时间确定单元，用于根据所述红灯时长确定路段内禁止通行时间所述路段内禁止通行时间根据
本发明提供了一种数据驱动的智能鲁棒车速实时规划方法。基于交通基础设施-云端-车辆-人的信息传输链路，获取车辆行驶所必要的交通信号灯、车辆限速、行人通行、车辆拥堵和路面状况等信息，形成车辆行驶信息数据集，构建“禁止行驶时间”(OFF)概率分布谱。
在用户指定行驶路线上，建立整车动力学和道路模型，引入基于“OFF”概率谱的延时变量α，将其与动力学模型、道路模型结合建立车速规划的机会约束条件，利用动态规划(DP)求解一定时域内带有机会约束的车速寻优问题，形成鲁棒车速实时规划方法。车速规划的目标函数可定义为最小化行驶时间、能耗、行车危险等。
将所得最优目标车速传输给底层控制器或辅助驾驶系统进行执行，最后将操作执行后的整车状态信息进行闭环反馈。在建模过程中，也可以选择空间变量(行驶距离)为自变量，以规避时间变量下所需预知的车辆到达路口以及终点的时间，提高方法的可实现性。所提出的方法根据目标函数的不同可实现减少拥堵，降低能耗和提高行车安全等效能。
具体实施例1：
步骤1：车辆基于交通基础设施-云端-车辆-人的信息传输链路，对目标线路进行分段，并获取该路段内车辆行驶的必要信息，如交通信号灯时长、拥堵度等，形成历史数据集。
步骤2：依据步骤1中获取的数据集，得到每个路段随机延时变量αi并计算其概率密度函数f(αi)，联合信号灯信息得到“禁止行驶时间(OFF)”变量及概率分布谱，变量随数据更新而更新。
步骤3：整车控制器(HCU)基于步骤1中所获取的信息建立整车动力学模型与道路模型，并基于步骤2中的OFF、α、f(α)变量构建带有机会约束的最优车速规划问题。
步骤4：HCU利用DP或其他优化算法对步骤3中的车速规划问题进行实时求解，得到鲁棒车速规划结果，根据需求可调节行车时间，能量消耗，行车安全等函数在目标函数中的权重，计算结果发送到底层控制器或辅助驾驶系统。
步骤5：底层控制器(针对无人驾驶车辆)或辅助驾驶系统(针对有人驾驶车辆)依据车速规划策略对整车车速状态进行自适应控制或人为调整，并将车辆最终行驶状态进行闭环反馈，形成鲁棒车速规划方法。
步骤1中车辆所获取的必要信息数据包括:
1)车辆行驶实时速度v：可通过车载传感器或云端系统等方式得到车辆实时车速；
2)车辆行驶路线坡度θ：具备GIS的车辆可依据电子地图信息得到当前车辆所处分段内道路坡度；
3)车辆行驶路线道路信息：限速、信号灯位置、停车线位置、行人通行位置等；
4)第i个路线分段内信号灯的红灯基准时间依据云端系统可以查询有信号灯分段与该信号灯的红灯时长，当该路段内无信号灯时取值为零；
5)第i个路线分段内随机发生的交通事件延时αi及发生概率F(αi)：云端历史数据中交通信号灯自适应变化、交通堵塞、行人通行等交通事件的发生对车辆通行延时的影响。
步骤2中计算随机延时变量α与其概率密度函数f(α)具体过程为：
1)依据步骤1中获取的数据集，得到一系列对通行有影响事件造成的延时变量及变量所对应的概率密度分布其中，分别代表交通信号灯自适应变化，交通堵塞，行人通行等事件引起的延时。
2)随机延时变量αi由上述事件叠加所造成的影响所组成，如公式1所示：
3)随机延时变量αi所对应概率密度函数f(αi)可由相应事件发生与否概率乘积计算所得，以事件1为例：当事件1发生时该项因子为不发生则为
4)联合步骤1中获取的信号灯信息中红灯时长可计算得到该路段内禁止通行时间，如公式2所示：
5)各路段禁止通行时间可由步骤1中车速为零或趋近于零区域所反映，且其概率密度函数可通过样本进行统计计算。
步骤3中建立车辆与道路模型以及构建车速规划的机会约束条件的具体过程为：
1)建立整车动力学模型，如公式3所示：
式中，m表示汽车质量，i表示该档位传动比，Teng表示发动机输出转矩，Rwheel表示车轮半径，g表示重力加速度，f表示地面阻力系数，Cd表示风阻系数，A表示车轮迎风面积，Tbrk表示制动力矩，所述整车动力学模型用于计算状态变量v随时间t的变化率a。
2)建立道路模型，将通用时间转换为红绿灯周期时间，如公式4所示：
式中，为车辆通过信号灯的信号灯周期时间，为车辆离开的初始时间，为车辆行驶过i段所耗费的时间。
3)车辆通过信号灯路口必须满足公式5所示约束：
4)将固定约束条件放宽为概率约束条件，如公式6所示：
式中，η表示通行可靠性，可根据不同驾驶需求进行相应取值。
5)经整理，鲁棒性信号灯通行条件可表达为公式6所示：
式中，F-1为αi分布函数的反函数。
步骤4中基于步骤2,3所建立的模型与约束进行鲁棒性最优控制的具体过程为：
1)以空间变量为自变量，选择发动机转矩、制动力矩以及变速箱档位为控制变量，即u＝[Teng(s)，Tbrk(s)，N(s)]T；选择车辆行驶速度与行驶时间为状态变量，即x＝[v(s)，t(s)]T。
2)状态变量动态方程根据整车动力学公式3计算，如公式7所示：
3)构建目标函数，可根据不同加速需求调节权重系数，如公式8所示：
其中，sf代表路段总长度，w1，w2分别代表油耗和时间的权重系数，代表油耗，该参数与发动机转矩转速有关，可由查表获取。
4)建立物理约束条件如下；
5)通行约束条件如下：
v(0)＝v(sf)＝0
t(sf)≤tf
规定起始与终止车速为零，选择一个上限行驶时间tf以平衡经济性以及行驶时间时间需求。
6)逆序计算状态空间内最优价值函数，和对应的最优解。
7)根据最优价值函数和最优解，顺序计算给定初始状态下的最优控制策略，即目标车辆最优发动机转矩、制动转矩、变速箱档位等控制变量。
8)取动态规划第一步计算结果加以应用。
步骤5中所反馈的车辆行驶状态信息包括车辆速度，加速度以及车辆位置等。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种数据驱动的智能鲁棒车速实时规划方法，其特征在于，所述方法包括：
获取目标路段中各分段的车辆行驶信息；
根据所述行驶信息得到路段随机延时变量、与所述随机延时变量相对应的概率密度函数、路段内禁止通行时间；
建立道路模型；
根据所述道路模型、路段内禁止通行时间确定车辆行驶的机会约束条件；
获取油耗、时间和安全性在车辆行驶中的权重系数；
根据目标路段和所述权重系数建立车速规划目标函数，目标函数包括行车能耗成本和行驶时间成本；
构建机会约束条件，基于动态规划算法，求解最小化目标函数的车速规划结果，得到满足约束的最优车速。
2.根据权利要求1所述的数据驱动的智能鲁棒车速实时规划方法，其特征在于，所述车辆行驶信息包括：车辆行驶实时速度、车辆行驶路线坡度、车辆行驶路线道路信息、分段的红灯基准时间和分段交通时间延时和发生概率。
3.根据权利要求2所述的数据驱动的智能鲁棒车速实时规划方法，其特征在于，所述分段交通时间延时的延时变量为所述延时变量对应的发生概率分布为其中，代表交通信号灯自适应变化，交通堵塞，行人通行事件引起的延时。
4.根据权利要求3所述的数据驱动的智能鲁棒车速实时规划方法，其特征在于，所述根据所述行驶信息得到路段随机延时变量、与所述随机延时变量相对应的概率密度函数、路段内禁止通行时间，具体包括：
根据分段交通时间延时的延时变量得到路段随机延时变量
根据所述延时变量得到所述随机延时变量相对应的概率密度函数；
根据所述分段的红灯基准时间确定红灯时长
根据所述红灯时长确定路段内禁止通行时间所述路段内禁止通行时间根据
5.根据权利要求3所述的数据驱动的智能鲁棒车速实时规划方法，其特征在于，所述建立道路模型，具体包括：
获取车辆离开的初始时间和车辆行驶过路段所耗费的时间；
根据所述车辆离开的初始时间和所述车辆行驶过路段所耗费的时间，建立道路模型；
所述道路模型通过表示；
其中，为车辆通过信号灯的信号灯周期时间，为车辆离开的初始时间，为车辆行驶过i段所耗费的时间；为道路信号灯完整循环时间。
6.根据权利要求5所述的数据驱动的智能鲁棒车速实时规划方法，其特征在于，所述根据所述道路模型、路段内禁止通行时间确定车辆行驶的机会约束条件，具体包括：
根据公式得到车辆行驶的机会约束条件；
其中，F-1为αi分布函数的反函数，为分段的红灯基准时间确定红灯时长，为车辆通过信号灯的信号灯周期时间。
7.一种数据驱动的智能鲁棒车速实时规划系统，其特征在于，所述系统包括：
获取模块，用于获取目标路段中各分段的车辆行驶信息；
延时变量、禁止通行时间确定模块，用于根据所述行驶信息得到路段随机延时变量、与所述随机延时变量相对应的概率密度函数、路段内禁止通行时间；
道路模型建立模块，用于建立道路模型；
约束条件确立模块，用于根据所述道路模型、路段内禁止通行时间确定车辆行驶的机会约束条件；
权重系数确定模块，用于获取油耗、时间和安全性在车辆行驶中的权重系数；
目标函数建立模块，用于根据目标路段和所述权重系数建立车速规划目标函数；
动态规划模块，用于根据动态规划算法和机会约束条件对所述车速规划目标函数求解，得到最优车速。
8.根据权利要求7所述的数据驱动的智能鲁棒车速实时规划系统，其特征在于，所述车辆行驶信息包括：车辆行驶实时速度、车辆行驶路线坡度、车辆行驶路线道路信息、分段的红灯基准时间和分段交通时间延时和发生概率。
9.根据权利要求8所述的数据驱动的智能鲁棒车速实时规划系统，其特征在于，所述分段交通时间延时的延时变量为所述延时变量对应的发生概率分布为其中，代表交通信号灯自适应变化，交通堵塞，行人通行事件引起的延时。
10.根据权利要求9所述的数据驱动的智能鲁棒车速实时规划系统，其特征在于，所述延时变量、禁止通行时间确定模块，具体包括：
延时变量确定单元，用于根据分段交通时间延时的延时变量得到路段随机延时变量
概率密度函数确定单元，用于根据所述延时变量得到所述随机延时变量相对应的概率密度函数；
红灯时长确定单元，用于根据所述分段的红灯基准时间确定红灯时长
禁止通行时间确定单元，用于根据所述红灯时长确定路段内禁止通行时间所述路段内禁止通行时间根据
CN201810960435.9A 2018-08-22 2018-08-22 一种数据驱动的智能鲁棒车速实时规划方法及系统 Active CN109064760B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810960435.9A CN109064760B (zh) 2018-08-22 2018-08-22 一种数据驱动的智能鲁棒车速实时规划方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810960435.9A CN109064760B (zh) 2018-08-22 2018-08-22 一种数据驱动的智能鲁棒车速实时规划方法及系统

Publications (2)

Publication Number Publication Date
CN109064760A true CN109064760A (zh) 2018-12-21
CN109064760B CN109064760B (zh) 2020-03-17

Family

ID=64687876

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810960435.9A Active CN109064760B (zh) 2018-08-22 2018-08-22 一种数据驱动的智能鲁棒车速实时规划方法及系统

Country Status (1)

Country Link
CN (1) CN109064760B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111695714A (zh) * 2019-03-12 2020-09-22 北京嘀嘀无限科技发展有限公司 车道渠化合理性检测方法、装置、电子设备及存储介质
CN113415288A (zh) * 2021-06-23 2021-09-21 东风柳州汽车有限公司 分段式纵向车速规划方法、装置、设备及存储介质
DE112021001181T5 (de) 2021-04-01 2023-04-13 Tianjin University Iterativer Optimierungsalgorithmus zur Fusionsvorhersage mit Multiskalen von Fahrzeuggeschwindigkeit für intelligente vernetzte Fahrzeuge

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102944887A (zh) * 2012-11-14 2013-02-27 东南大学 基于油耗与尾气排放的车辆三维导航方法
CN105788289A (zh) * 2014-12-17 2016-07-20 上海宝康电子控制工程有限公司 基于计算机软件系统实现交通路况评估分析的方法和系统
CN106297342A (zh) * 2016-10-19 2017-01-04 胡爱彬 一种提前、实时提示交通信号灯信息的提醒装置及方法
CN107154156A (zh) * 2017-07-13 2017-09-12 李志远 基于自组网数据通信的智能交通控制技术

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102944887A (zh) * 2012-11-14 2013-02-27 东南大学 基于油耗与尾气排放的车辆三维导航方法
CN105788289A (zh) * 2014-12-17 2016-07-20 上海宝康电子控制工程有限公司 基于计算机软件系统实现交通路况评估分析的方法和系统
CN106297342A (zh) * 2016-10-19 2017-01-04 胡爱彬 一种提前、实时提示交通信号灯信息的提醒装置及方法
CN107154156A (zh) * 2017-07-13 2017-09-12 李志远 基于自组网数据通信的智能交通控制技术

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
ASADI BEHRANG: "Predictive Cruise Control: Utilizing Upcoming Traffic Signal Information for Improving Fuel Economy and Reducing Trip Time", 《IEEE TRANSACTIONS ON CONTROL SYSTEMS TECHNOLOGY》 *
SHENYANG CHEN: "Development and simulation application of a dynamic speed dynamic signal strategy for arterial traffic management", 《 2011 14TH INTERNATIONAL IEEE CONFERENCE ON INTELLIGENT TRANSPORTATION SYSTEMS (ITSC)》 *
姚焓东: "面向绿色驾驶的信号交叉口车速动态控制方法研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *
曲鑫: "环境友好型的交通信号多目标优化控制方法研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *
梁玉娟: "延迟概率和最大速度对交通流的影响", 《广西民族大学学报（自然科学版）》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111695714A (zh) * 2019-03-12 2020-09-22 北京嘀嘀无限科技发展有限公司 车道渠化合理性检测方法、装置、电子设备及存储介质
CN111695714B (zh) * 2019-03-12 2023-08-04 北京嘀嘀无限科技发展有限公司 车道渠化合理性检测方法、装置、电子设备及存储介质
DE112021001181T5 (de) 2021-04-01 2023-04-13 Tianjin University Iterativer Optimierungsalgorithmus zur Fusionsvorhersage mit Multiskalen von Fahrzeuggeschwindigkeit für intelligente vernetzte Fahrzeuge
CN113415288A (zh) * 2021-06-23 2021-09-21 东风柳州汽车有限公司 分段式纵向车速规划方法、装置、设备及存储介质
CN113415288B (zh) * 2021-06-23 2022-03-18 东风柳州汽车有限公司 分段式纵向车速规划方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN109064760B (zh) 2020-03-17

Similar Documents

Publication Publication Date Title
Sciarretta et al. Energy-efficient driving of road vehicles
Vahidi et al. Energy saving potentials of connected and automated vehicles
CN107577234B (zh) 一种驾驶员在环的汽车燃油经济性控制方法
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
CN112498366B (zh) 自动驾驶车辆、控制方法、装置、设备及存储介质
CN111717192B (zh) 一种自动驾驶车辆的控制方法及系统
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
US20190375407A1 (en) Ground Vehicle Control Techniques
CN109064760B (zh) 一种数据驱动的智能鲁棒车速实时规划方法及系统
JP4918076B2 (ja) ハイブリッド車両の制御装置およびハイブリッド車両
US10029693B2 (en) Active acceleration limit management and gear shift scheduling based on driving environment
CN109927709A (zh) 一种车辆行驶路线工况确定方法、能量管理方法及系统
US20190375394A1 (en) Ground Vehicle Control Techniques
CN103085816A (zh) 一种用于无人驾驶车辆的轨迹跟踪控制方法及控制装置
CN112201060B (zh) 一种基于Actor-Critic的单交叉口交通信号控制方法
CN112660130A (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
CN112373487B (zh) 自动驾驶车辆、控制方法、装置、设备及存储介质
US20200298866A1 (en) A method and a control arrangement for determining a control profile for a vehicle
Kim et al. Parameterized energy-optimal regenerative braking strategy for connected and autonomous electrified vehicles: A real-time dynamic programming approach
CN106997675A (zh) 基于动态规划的目标车速预测方法
CN114572207A (zh) 用于自主驾驶系统的燃料经济性优化
Sciarretta et al. Energy saving potentials of CAVs
CN106997172A (zh) 基于动态规划的目标车速预测系统
WO2022144129A1 (en) Powertrain control system with state of health information
CN117227502A (zh) 一种分层式车辆队列经济性驾驶协同控制方法

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