CN111338351A - 一种用于高速匝道入口的多智能网联车辆协同合流控制方法 - Google Patents

一种用于高速匝道入口的多智能网联车辆协同合流控制方法 Download PDF

Info

Publication number
CN111338351A
CN111338351A CN202010211956.1A CN202010211956A CN111338351A CN 111338351 A CN111338351 A CN 111338351A CN 202010211956 A CN202010211956 A CN 202010211956A CN 111338351 A CN111338351 A CN 111338351A
Authority
CN
China
Prior art keywords
vehicle
controlled intelligent
confluence
intelligent networked
time
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
CN202010211956.1A
Other languages
English (en)
Other versions
CN111338351B (zh
Inventor
庄伟超
刘畅
殷国栋
黄泽豪
刘昊吉
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.)
Southeast University
Original Assignee
Southeast 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 Southeast University filed Critical Southeast University
Priority to CN202010211956.1A priority Critical patent/CN111338351B/zh
Publication of CN111338351A publication Critical patent/CN111338351A/zh
Application granted granted Critical
Publication of CN111338351B publication Critical patent/CN111338351B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • 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
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • 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
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种用于高速匝道入口的多智能网联车辆协同合流控制方法，包括上层交通管理系统、中央控制系统、受控智能网联车辆以及V2I通信设备；其中上层交通管理系统对车辆合流安全时距以及合流速度做出限制，同时将限制要求发送至中央控制系统；V2I通信设备获取受控智能网联车辆实时行驶状态的信息流，同时将获取的信息流发送至中央控制系统；中央控制系统对获取的各类限制要求以及实时行驶状态信息进行整合计算，并通过V2I通信设备向受控智能网联车辆发出最优控制量指令；本发明缓解道路交通安全隐患，减少高速入口匝道对主道交通流产生的负面影响，同时解决现有匝道合流车辆轨迹规划方法中计算量大难以应用于实时控制器中的问题。

Description

一种用于高速匝道入口的多智能网联车辆协同合流控制方法
技术领域
本发明涉及一种用于高速匝道入口的多智能网联车辆协同合流控制方法，属于智能交通车辆运动控制领域。
背景技术
匝道合流过程中驾驶员激进或者不合理的驾驶行为将导致交通流不稳定以及通行效率下降，甚至可能引起交通安全事故，同时，匝道上车辆的缓慢行驶以及长时间滞留还将造成额外的燃料消耗以及尾气排放，为减少高速入口匝道对主道交通流产生的负面影响，过去数十年里所提出的解决方案多为匝道信号控制，该方法通过调节匝道车辆的流入速率，以实现对宏观交通状态变量的控制，且该方法未对各个车辆的运动轨迹进行控制。
近些年来，自动驾驶与车路协同技术的蓬勃发展使得对车辆运动轨迹的实时控制成为可能，为解决匝道拥堵问题提供了全新思路。
发明内容
本发明提供一种用于高速匝道入口的多智能网联车辆协同合流控制方法，缓解道路交通安全隐患，减少高速入口匝道对主道交通流产生的负面影响，同时解决现有匝道合流车辆轨迹规划方法中计算量大难以应用于实时控制器中的问题。
本发明解决其技术问题所采用的技术方案是：
一种用于高速匝道入口的多智能网联车辆协同合流控制系统，包括上层交通管理系统、中央控制系统、受控智能网联车辆以及V2I通信设备；
其中上层交通管理系统对车辆合流安全时距以及合流速度做出限制，同时将限制要求发送至中央控制系统；
V2I通信设备获取受控智能网联车辆实时行驶状态的信息流，同时将获取的信息流发送至中央控制系统；
中央控制系统对获取的各类限制要求以及实时行驶状态信息进行整合计算，并通过V2I通信设备向受控智能网联车辆发出最优控制量指令；
一种用于高速匝道入口的多智能网联车辆协同合流控制方法，包括以下步骤：
第一步：上层交通管理系统向中央控制系统发出车辆合流安全时距以及合流速度的要求；
第二步：V2I通信设备获取受控智能网联车辆的车辆位置、实时的速度以及加速度信息，并将信息传送至中央控制系统；
第三步：中央控制系统基于先进先出合流次序，通过合流时刻规划算法，递推计算出各个受控智能网联车辆到达合流点的时刻；
第四步：中央控制系统按照车辆最优轨迹规划算法，计算得到各个受控智能网联车辆的控制输入，即最优控制量，再将最优控制量通过V2I通信设备传送至各个受控智能网联车辆；
第五步：受控智能网联车辆获得最优控制量指令，进行协同合流驾驶；
作为本发明的进一步优选，第三步中合流时刻规划算法具体包括以下：
在每一个时刻t，对控制系统的协同区域内的车辆总数记作N(t)，当有一辆新的车辆进入协同区域，它将被中央控制系统视为受控智能网联车辆i，i＝N(t)+1；
情况一：当受控智能网联车辆i+1首次进入协同区域时，若受控智能网联车辆i+1和其前一个进入协同区域的受控智能网联车辆i在相同车道上，此时规定受控智能网联车辆i在达到合流点后将以合流速度vmer匀速行驶长度为s1的一段距离，受控智能网联车辆i+1到达合流点的时刻将遵循式(2)
Figure BDA0002423129300000021
Figure BDA0002423129300000022
hi+1表示同车道受控智能网联车辆i+1和受控智能网联车辆i合流的最小安全时距，
Figure BDA0002423129300000023
代表受控智能网联车辆i到达合流点的时刻，
Figure BDA0002423129300000024
代表受控智能网联车辆i+1到达合流点的时刻；
情况二：当受控智能网联车辆i+1首次进入协同区域时，若受控智能网联车辆i+1和其前一个进入协同区域的受控智能网联车辆i在不同车道上，此时规定受控智能网联车辆i在达到合流点后将以合流速度vmer匀速行驶长度为s2的一段距离，受控智能网联车辆i+1到达合流点的时刻将遵循式(4)
Figure BDA0002423129300000025
Figure BDA0002423129300000026
h′i+1表示异车道受控智能网联车辆i+1和受控智能网联车辆i合流的最小安全时距；
情况三：定义变量“预期行驶时间”，如式(5)：
Figure BDA0002423129300000027
其中
Figure BDA0002423129300000028
表示受控智能网联车辆i首次进入协同区域的时刻，
Figure BDA0002423129300000029
是在上述情况一与情况二基础上，通过受控智能网联车辆i的合流时刻递推得到受控智能网联车辆i+1的合流时刻，
如果：
Figure BDA00024231293000000210
将不再遵循式(2)或式(4)规则，通过受控智能网联车辆i推导出受控智能网联车辆i+1到达合流点的时刻，重新分配的受控智能网联车辆i+1的合流时刻为：
Figure BDA0002423129300000031
作为本发明的进一步优选，第四步中，车辆最优轨迹规划算法具体包括以下：
将受控智能网联车辆i在时刻
Figure BDA0002423129300000032
由初始状态转移至终点时刻
Figure BDA0002423129300000033
时的目标为最小化如式(8)代价函数：
Figure BDA0002423129300000034
式中Ji表示代价，
Figure BDA0002423129300000035
代表受控智能网联车辆i到达合流点的时刻，
Figure BDA0002423129300000036
表示控制输入，即加加速度，w1和w2为权重因子，可由驾驶员根据其驾驶风格进行适当调整，
最优控制输入如式(9)，最优轨线如式(10)-式(12)
Figure BDA0002423129300000037
Figure BDA0002423129300000038
Figure BDA00024231293000000316
Figure BDA00024231293000000317
其中pi(t)，vi(t)，ai(t)依次代表受控智能网联车辆i在采样时刻t时刻的位置，速度和加速度，
Figure BDA0002423129300000039
k1i，k2i，k3i，k4i，k5i，k6i为积分常量；
作为本发明的进一步优选，前述积分常量k1i～k6i计算方法如下，
在某个采样时刻下，通过求解式(13)即可得到各个常量数值，
Figure BDA00024231293000000310
其中
Ki＝[k3i k4i k1i k2i k5i k6i]T (14)
Figure BDA00024231293000000311
Figure BDA00024231293000000312
Figure BDA00024231293000000313
表示受控智能网联车辆i在到达合流点时刻时的位置，
Figure BDA00024231293000000314
表示受控智能网联车辆i在到达合流点时刻时的速度，
Figure BDA00024231293000000315
表示受控智能网联车辆i在到达合流点时刻时的加速度，pi(t)表示受控智能网联车辆i在采样时刻t时刻的位置，vi(t)表示受控智能网联车辆i在采样时刻t时刻的速度，ai(t)表示受控智能网联车辆i在采样时刻t时刻的加速度，w1和w2为权重因子。
通过以上技术方案，相对于现有技术，本发明具有以下有益效果：
1、本发明缓解了道路交通安全的隐患，有效提高了高速公路匝道入口处车辆通行的效率，减少匝道入口处的拥堵现象，并且实现了安全与高效的车辆合流；
2、本发明通过提高高速公路匝道入口处车辆通行的效率，从而提高了高速公路匝道入口处车辆整体燃油的经济性与乘坐舒适性；
3、本发明创新性的利用庞特里亚金原理得到协同合流轨迹规划算法的解析解，计算量得到减少，容易实现在线实时求解。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明的优选实施例的用于高速匝道入口的多智能网联车辆协同合流控制系统的结构框架示意图；
图2是本发明的优选实施例1的情况示意图；
图3是本发明的优选实施例2的情况示意图；
图4是本发明的优选实施例中各个受控智能网联车辆位置随时间的变化曲线；
图5是本发明的优先实施例中各个受控智能网联车辆速度变化曲线。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
基于目前为减少高速入口匝道对主道交通流产生的影响，均采用匝道信号控制的方法，但是此种方法无法对各个车辆的运动轨迹进行实时控制，因此本申请试图提供一种多智能网联车辆协同合流的控制系统以及控制方法，使得对车辆的运动轨迹的实时控制成为可能。
图1所示，是本申请提供的用于高速匝道入口的多智能网联车辆协同合流控制系统的结构示意图，包括上层交通管理系统、中央控制系统、受控智能网联车辆以及V2I通信设备；上层交通管理系统对车辆合流安全时距以及合流速度做出限制，同时将限制要求发送至中央控制系统，中央控制系统里涉及到的整合计算方法包括基于FIFO合流次序进行的合流时刻规划算法，V2I通信设备获取受控智能网联车辆实时行驶状态的信息流，同时将获取的信息流发送至中央控制系统，中央控制系统对获取的各类限制要求以及实时行驶状态信息进行整合计算，并通过V2I通信设备向受控智能网联车辆发出最优控制量指。
基于上述系统，实施的控制方法包括以下步骤：
第一步：上层交通管理系统向中央控制系统发出车辆合流安全时距以及合流速度的要求；
第二步：V2I通信设备获取受控智能网联车辆的车辆位置、实时的速度以及加速度信息，并将信息传送至中央控制系统；
第三步：中央控制系统基于先进先出合流次序，通过合流时刻规划算法，递推计算出各个受控智能网联车辆到达合流点的时刻；
第四步：中央控制系统按照车辆最优轨迹规划算法，计算得到各个受控智能网联车辆的控制输入，即最优控制量，再将最优控制量通过V2I通信设备传送至各个受控智能网联车辆；
第五步：受控智能网联车辆获得最优控制量指令，进行协同合流驾驶。
实施例1(图2所示)：
第一步：上层交通管理系统向中央控制系统发出车辆合流安全时距以及合流速度的要求；
第二步：V2I通信设备获取受控智能网联车辆的车辆位置、实时的速度以及加速度信息，并将信息传送至中央控制系统；
第三步：中央控制系统基于先进先出合流次序，通过合流时刻规划算法，递推计算出各个受控智能网联车辆到达合流点的时刻，具体的，
在每一个时刻t，对控制系统的协同区域内的车辆总数记作N(t)，当有一辆新的车辆进入协同区域，它将被中央控制系统视为受控智能网联车辆i，i＝N(t)+1，
当受控智能网联车辆i+1首次进入协同区域时，若受控智能网联车辆i+1和其前一个进入协同区域的受控智能网联车辆i在相同车道上，此时规定受控智能网联车辆i在达到合流点后将以合流速度vmer匀速行驶长度为s1的一段距离，受控智能网联车辆i+1到达合流点的时刻将遵循式(2)
Figure BDA0002423129300000051
Figure BDA0002423129300000052
hi+1表示同车道受控智能网联车辆i+1和受控智能网联车辆i合流的最小安全时距，
Figure BDA0002423129300000053
代表受控智能网联车辆i到达合流点的时刻，
Figure BDA0002423129300000054
代表受控智能网联车辆i+1到达合流点的时刻；
需要注意的是，定义变量“预期行驶时间”，如式(5)：
Figure BDA0002423129300000055
其中
Figure BDA0002423129300000056
表示受控智能网联车辆i首次进入协同区域的时刻，
Figure BDA0002423129300000057
是在上述基础上，通过受控智能网联车辆i的合流时刻递推得到受控智能网联车辆i+1的合流时刻，
如果：
Figure BDA0002423129300000058
将不再遵循式(2)规则，通过受控智能网联车辆i推导出受控智能网联车辆i+1到达合流点的时刻，重新分配的受控智能网联车辆i+1的合流时刻为：
Figure BDA0002423129300000061
第四步：中央控制系统按照车辆最优轨迹规划算法，计算得到各个受控智能网联车辆的控制输入，即最优控制量，再将最优控制量通过V2I通信设备传送至各个受控智能网联车辆，具体的，将受控智能网联车辆i在时刻
Figure BDA00024231293000000612
由初始状态转移至终点时刻
Figure BDA00024231293000000613
时的目标为最小化如式(8)代价函数：
Figure BDA0002423129300000062
式中Ji表示代价，
Figure BDA0002423129300000063
代表受控智能网联车辆i到达合流点的时刻，
Figure BDA0002423129300000064
表示控制输入，即加加速度，w1和w2为权重因子，可由驾驶员根据其驾驶风格进行适当调整，
最优控制输入如式(9)，最优轨线如式(10)-式(12)
Figure BDA0002423129300000065
Figure BDA0002423129300000066
Figure BDA0002423129300000067
Figure BDA0002423129300000068
其中pi(t)，vi(t)，ai(t)依次代表受控智能网联车辆i在采样时刻t时刻的位置，速度和加速度，
Figure BDA0002423129300000069
k1i，k2i，k3i，k4i，k5i，k6i为积分常量；
前述积分常量k1i～k6i计算方法如下，
在某个采样时刻下，通过求解式(13)即可得到各个常量数值，
Figure BDA00024231293000000610
其中
Ki＝[k3i k4i k1i k2i k5i k6i]T (14)
Figure BDA00024231293000000611
Figure BDA0002423129300000071
Figure BDA0002423129300000072
表示受控智能网联车辆i在到达合流点时刻时的位置，
Figure BDA0002423129300000073
表示受控智能网联车辆i在到达合流点时刻时的速度，
Figure BDA0002423129300000074
表示受控智能网联车辆i在到达合流点时刻时的加速度，pi(t)表示受控智能网联车辆i在采样时刻t时刻的位置，vi(t)表示受控智能网联车辆i在采样时刻t时刻的速度，ai(t)表示受控智能网联车辆i在采样时刻t时刻的加速度，w1和w2为权重因子。
实施例2(图3所示)：
第一步：上层交通管理系统向中央控制系统发出车辆合流安全时距以及合流速度的要求；
第二步：V2I通信设备获取受控智能网联车辆的车辆位置、实时的速度以及加速度信息，并将信息传送至中央控制系统；
第三步：中央控制系统基于先进先出合流次序，通过合流时刻规划算法，递推计算出各个受控智能网联车辆到达合流点的时刻，具体的，
在每一个时刻t，对控制系统的协同区域内的车辆总数记作N(t)，当有一辆新的车辆进入协同区域，它将被中央控制系统视为受控智能网联车辆i，i＝N(t)+1，
当受控智能网联车辆i+1首次进入协同区域时，若受控智能网联车辆i+1和其前一个进入协同区域的受控智能网联车辆i在不同车道上，此时规定受控智能网联车辆i在达到合流点后将以合流速度vmer匀速行驶长度为s2的一段距离，受控智能网联车辆i+1到达合流点的时刻将遵循式(4)
Figure BDA0002423129300000075
Figure BDA0002423129300000076
h′i+1表示异车道受控智能网联车辆i+1和受控智能网联车辆i合流的最小安全时距；
需要注意的是，定义变量“预期行驶时间”，如式(5)：
Figure BDA0002423129300000077
其中
Figure BDA0002423129300000078
表示受控智能网联车辆i首次进入协同区域的时刻，
Figure BDA0002423129300000079
是在上述基础上，通过受控智能网联车辆i的合流时刻递推得到受控智能网联车辆i+1的合流时刻，
如果：
Figure BDA0002423129300000081
将不再遵循式(4)规则，通过受控智能网联车辆i推导出受控智能网联车辆i+1到达合流点的时刻，重新分配的受控智能网联车辆i+1的合流时刻为：
Figure BDA0002423129300000082
第四步：中央控制系统按照车辆最优轨迹规划算法，计算得到各个受控智能网联车辆的控制输入，即最优控制量，再将最优控制量通过V2I通信设备传送至各个受控智能网联车辆，具体的，将受控智能网联车辆i在时刻
Figure BDA0002423129300000083
由初始状态转移至终点时刻
Figure BDA0002423129300000084
时的目标为最小化如式(8)代价函数：
Figure BDA0002423129300000085
式中Ji表示代价，
Figure BDA0002423129300000086
代表受控智能网联车辆i到达合流点的时刻，
Figure BDA0002423129300000087
表示控制输入，即加加速度，w1和w2为权重因子，可由驾驶员根据其驾驶风格进行适当调整，
最优控制输入如式(9)，最优轨线如式(10)-式(12)
Figure BDA0002423129300000088
Figure BDA0002423129300000089
Figure BDA00024231293000000810
Figure BDA00024231293000000811
其中pi(t)，vi(t)，ai(t)依次代表受控智能网联车辆i在采样时刻t时刻的位置，速度和加速度，
Figure BDA00024231293000000812
k1i，k2i，k3i，k4i，k5i，k6i为积分常量；
前述积分常量k1i～k6i计算方法如下，
在某个采样时刻下，通过求解式(13)即可得到各个常量数值，
Figure BDA00024231293000000813
其中
Ki＝[k3i k4i k1i k2i k5i k6i]T (14)
Figure BDA00024231293000000814
Figure BDA0002423129300000091
Figure BDA0002423129300000092
表示受控智能网联车辆i在到达合流点时刻时的位置，
Figure BDA0002423129300000093
表示受控智能网联车辆i在到达合流点时刻时的速度，
Figure BDA0002423129300000094
表示受控智能网联车辆i在到达合流点时刻时的加速度，pi(t)表示受控智能网联车辆i在采样时刻t时刻的位置，vi(t)表示受控智能网联车辆i在采样时刻t时刻的速度，ai(t)表示受控智能网联车辆i在采样时刻t时刻的加速度，w1和w2为权重因子。
现针对上述实施例1和实施例2给出具体的实施数值，以加以证实，
图2所示，现以两辆车进行协同合流为例进行说明，受控智能网联车辆1进入协同区域时刻为0.6s，初速度为44.18m/s，初始加速度为0，行驶于匝道上，受控智能网联车辆2进入协同区域时刻为1.8s，初始速度为64.59m/s，初始加速度为0，行驶于主道上，结合公式(1)和公式(2)，hi+1表示同车道受控智能网联车辆i+1和受控智能网联车辆i合流的最小安全时距，遵循上层交通管理系统的指示，为1.2s，
Figure BDA0002423129300000095
代表受控智能网联车辆i到达合流点的时刻，
Figure BDA0002423129300000096
代表受控智能网联车辆i+1到达合流点的时刻，此时，受控智能网联车辆i+1会在受控智能网联车辆i匀速驶出合流点20m距离后恰好到达合流点，两车到达合流点的时间间隔为1.2s；
当按照实施例2进行说明时，图3所示，此种情况下，受控智能网联车辆i+1会在受控智能网联车辆i匀速驶出合流点20m距离后恰好到达合流点，两车到达合流点的时间间隔为1.2s，但是如果基于“预期行驶时间”定义变量的话，受控智能网联车辆2与受控智能网联车辆1属于异车道合流，且满足实施例2的情况，受控智能网联车辆1到达合流点时刻为11.4s，受控智能网联车辆2到达合流点时刻为12.6s，受控智能网联车辆2到达合流点比车辆1滞后1.2s，如图3所示，受控智能网联车辆2到达合流点时，受控智能网联车辆1车头与受控智能网联车辆2车头距离为20m；
接着，将上述状态下的数值代入第四步车辆最优轨迹规划算法中，关于公式(8)，在仿真实施例中，取w1＝w2＝1，对于追求节能性的驾驶员可以将w1设置更大，对于追求舒适性的驾驶员可以将w2设置更大，通过将受控智能网联车辆1和受控智能网联车辆2的当前状态以及终点状态代入公式(14)求得六个积分常量的值，代入公式(9)获取中央控制系统的控制量，并且车辆的行驶状态遵循公式(10)-(11)规则；
图4所示，为各个受控智能网联车辆位置随时间的变化曲线，中央控制器按照提出的算法协调协同区域内的每辆受控智能网联车辆的合流时刻以及运动轨迹，完全消除了匝道车辆拥堵及排队等候的现象，同时又避免车相邻车辆在合流点处发生碰撞，图5为受控智能网联车辆速度变化曲线，虽然每辆车出现在协同区域内的初速度在40.82km/h～76.25km/h范围内随机，但受控智能网联车辆到达合流点的最终速度均到达了上层交通管理系统所指定的60km/h，这将有助于形成车辆队列。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
本申请中所述的“和/或”的含义指的是各自单独存在或两者同时存在的情况均包括在内。
本申请中所述的“连接”的含义可以是部件之间的直接连接也可以是部件间通过其它部件的间接连接。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (5)

1.一种用于高速匝道入口的多智能网联车辆协同合流控制系统，其特征在于：包括上层交通管理系统、中央控制系统、受控智能网联车辆以及V2I通信设备；
其中上层交通管理系统对车辆合流安全时距以及合流速度做出限制，同时将限制要求发送至中央控制系统；
V2I通信设备获取受控智能网联车辆实时行驶状态的信息流，同时将获取的信息流发送至中央控制系统；
中央控制系统对获取的各类限制要求以及实时行驶状态信息进行整合计算，并通过V2I通信设备向受控智能网联车辆发出最优控制量指令。
2.一种用于高速匝道入口的多智能网联车辆协同合流控制方法，其特征在于：包括以下步骤：
第一步：上层交通管理系统向中央控制系统发出车辆合流安全时距以及合流速度的要求；
第二步：V2I通信设备获取受控智能网联车辆的车辆位置、实时的速度以及加速度信息，并将信息传送至中央控制系统；
第三步：中央控制系统基于先进先出合流次序，通过合流时刻规划算法，递推计算出各个受控智能网联车辆到达合流点的时刻；
第四步：中央控制系统按照车辆最优轨迹规划算法，计算得到各个受控智能网联车辆的控制输入，即最优控制量，再将最优控制量通过V2I通信设备传送至各个受控智能网联车辆；
第五步：受控智能网联车辆获得最优控制量指令，进行协同合流驾驶。
3.根据权利要求2所述的用于高速匝道入口的多智能网联车辆协同合流控制方法，其特征在于：第三步中合流时刻规划算法具体包括以下：
在每一个时刻t，对控制系统的协同区域内的车辆总数记作N(t)，当有一辆新的车辆进入协同区域，它将被中央控制系统视为受控智能网联车辆i，i＝N(t)+1；
情况一：当受控智能网联车辆i+1首次进入协同区域时，若受控智能网联车辆i+1和其前一个进入协同区域的受控智能网联车辆i在相同车道上，此时规定受控智能网联车辆i在达到合流点后将以合流速度vmer匀速行驶长度为s1的一段距离，受控智能网联车辆i+1到达合流点的时刻将遵循式(2)
Figure FDA0002423129290000011
Figure FDA0002423129290000012
hi+1表示同车道受控智能网联车辆i+1和受控智能网联车辆i合流的最小安全时距，
Figure FDA0002423129290000013
代表受控智能网联车辆i到达合流点的时刻，
Figure FDA0002423129290000021
代表受控智能网联车辆i+1到达合流点的时刻；
情况二：当受控智能网联车辆i+1首次进入协同区域时，若受控智能网联车辆i+1和其前一个进入协同区域的受控智能网联车辆i在不同车道上，此时规定受控智能网联车辆i在达到合流点后将以合流速度vmer匀速行驶长度为s2的一段距离，受控智能网联车辆i+1到达合流点的时刻将遵循式(4)
Figure FDA0002423129290000022
Figure FDA0002423129290000023
h′i+1表示异车道受控智能网联车辆i+1和受控智能网联车辆i合流的最小安全时距；
情况三：定义变量“预期行驶时间”，如式(5)：
Figure FDA0002423129290000024
其中
Figure FDA0002423129290000025
表示受控智能网联车辆i首次进入协同区域的时刻，
Figure FDA0002423129290000026
是在上述情况一与情况二基础上，通过受控智能网联车辆i的合流时刻递推得到受控智能网联车辆i+1的合流时刻，如果：
Figure FDA0002423129290000027
将不再遵循式(2)或式(4)规则，通过受控智能网联车辆i推导出受控智能网联车辆i+1到达合流点的时刻，重新分配的受控智能网联车辆i+1的合流时刻为：
Figure FDA0002423129290000028
4.根据权利要求3所述的用于高速匝道入口的多智能网联车辆协同合流控制方法，其特征在于：第四步中，车辆最优轨迹规划算法具体包括以下：
将受控智能网联车辆i在时刻
Figure FDA0002423129290000029
由初始状态转移至终点时刻
Figure FDA00024231292900000210
时的目标为最小化如式(8)代价函数：
Figure FDA00024231292900000211
式中Ji表示代价，
Figure FDA00024231292900000212
代表受控智能网联车辆i到达合流点的时刻，
Figure FDA00024231292900000213
表示控制输入，即加加速度，w1和w2为权重因子，可由驾驶员根据其驾驶风格进行适当调整，
最优控制输入如式(9)，最优轨线如式(10)-式(12)
Figure FDA00024231292900000214
Figure FDA00024231292900000215
Figure FDA00024231292900000216
Figure FDA00024231292900000217
其中pi(t)，vi(t)，ai(t)依次代表受控智能网联车辆i在采样时刻t时刻的位置，速度和加速度，
Figure FDA0002423129290000031
k1i，k2i，k3i，k4i，k；i，k6i为积分常量。
5.根据权利要求4所述的用于高速匝道入口的多智能网联车辆协同合流控制方法，其特征在于：
前述积分常量k1i～k6i计算方法如下，
在某个采样时刻下，通过求解式(13)即可得到各个常量数值，
Figure FDA0002423129290000032
其中
Ai＝[k3i k4i k1i k2i k5i k6i]T (14)
Figure FDA0002423129290000033
Figure FDA0002423129290000034
Figure FDA0002423129290000035
表示受控智能网联车辆i在到达合流点时刻时的位置，
Figure FDA0002423129290000036
表示受控智能网联车辆i在到达合流点时刻时的速度，
Figure FDA0002423129290000037
表示受控智能网联车辆i在到达合流点时刻时的加速度，pi(t)表示受控智能网联车辆i在采样时刻t时刻的位置，vi(t)表示受控智能网联车辆i在采样时刻t时刻的速度，ai(t)表示受控智能网联车辆i在采样时刻t时刻的加速度，w1和w2为权重因子。
CN202010211956.1A 2020-03-24 2020-03-24 一种用于高速匝道入口的多智能网联车辆协同合流控制方法 Active CN111338351B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010211956.1A CN111338351B (zh) 2020-03-24 2020-03-24 一种用于高速匝道入口的多智能网联车辆协同合流控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010211956.1A CN111338351B (zh) 2020-03-24 2020-03-24 一种用于高速匝道入口的多智能网联车辆协同合流控制方法

Publications (2)

Publication Number Publication Date
CN111338351A true CN111338351A (zh) 2020-06-26
CN111338351B CN111338351B (zh) 2023-01-17

Family

ID=71182728

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010211956.1A Active CN111338351B (zh) 2020-03-24 2020-03-24 一种用于高速匝道入口的多智能网联车辆协同合流控制方法

Country Status (1)

Country Link
CN (1) CN111338351B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112650224A (zh) * 2020-12-11 2021-04-13 国汽(北京)智能网联汽车研究院有限公司 自动驾驶仿真的方法、装置、设备及存储介质
CN113022586A (zh) * 2021-04-14 2021-06-25 福瑞泰克智能系统有限公司 一种车辆行为预测方法、装置及存储介质
CN113223324A (zh) * 2021-03-25 2021-08-06 东南大学 高速匝道入口合流的控制方法
US20210248915A1 (en) * 2018-07-20 2021-08-12 Cybernet Systems Corp. Autonomous transportation system and methods
CN113246985A (zh) * 2021-06-21 2021-08-13 苏州大学 混行条件下快速路匝道智能网联车辆合流变道控制方法
CN113450583A (zh) * 2021-09-01 2021-09-28 长沙理工大学 一种车路协同下高速公路可变限速和变道协同控制方法
CN114067559A (zh) * 2021-09-27 2022-02-18 北京交通大学 一种自动车专用道并入普通车道的合流优化控制方法
CN114241757A (zh) * 2021-12-09 2022-03-25 宁波大学 一种用于智能网联车辆的入口匝道协同汇流控制方法
CN115035731A (zh) * 2022-06-15 2022-09-09 东南大学 一种基于车辆组群的智能网联队列合流方法
CN115909780A (zh) * 2022-11-09 2023-04-04 江苏大学 基于智能网联与rbf神经网络的高速路汇入控制系统与方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001291191A (ja) * 2000-04-11 2001-10-19 Mitsubishi Electric Corp 自動運転道路システム
CN108039053A (zh) * 2017-11-29 2018-05-15 南京锦和佳鑫信息科技有限公司 一种智能网联交通系统
CN108806291A (zh) * 2018-07-27 2018-11-13 东南大学 基于路侧设备的高饱和度匝道车辆汇入引导方法与系统
CN109285373A (zh) * 2018-08-31 2019-01-29 南京锦和佳鑫信息科技有限公司 一种面向整体道路网的智能网联交通系统
CN109598950A (zh) * 2018-12-04 2019-04-09 东南大学 一种智能网联车辆的匝道协同汇入控制方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001291191A (ja) * 2000-04-11 2001-10-19 Mitsubishi Electric Corp 自動運転道路システム
CN108039053A (zh) * 2017-11-29 2018-05-15 南京锦和佳鑫信息科技有限公司 一种智能网联交通系统
CN108806291A (zh) * 2018-07-27 2018-11-13 东南大学 基于路侧设备的高饱和度匝道车辆汇入引导方法与系统
CN109285373A (zh) * 2018-08-31 2019-01-29 南京锦和佳鑫信息科技有限公司 一种面向整体道路网的智能网联交通系统
CN109598950A (zh) * 2018-12-04 2019-04-09 东南大学 一种智能网联车辆的匝道协同汇入控制方法及系统

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210248915A1 (en) * 2018-07-20 2021-08-12 Cybernet Systems Corp. Autonomous transportation system and methods
CN112650224A (zh) * 2020-12-11 2021-04-13 国汽(北京)智能网联汽车研究院有限公司 自动驾驶仿真的方法、装置、设备及存储介质
CN113223324A (zh) * 2021-03-25 2021-08-06 东南大学 高速匝道入口合流的控制方法
CN113022586A (zh) * 2021-04-14 2021-06-25 福瑞泰克智能系统有限公司 一种车辆行为预测方法、装置及存储介质
CN113246985B (zh) * 2021-06-21 2022-08-09 苏州大学 混行条件下快速路匝道智能网联车辆合流变道控制方法
CN113246985A (zh) * 2021-06-21 2021-08-13 苏州大学 混行条件下快速路匝道智能网联车辆合流变道控制方法
CN113450583A (zh) * 2021-09-01 2021-09-28 长沙理工大学 一种车路协同下高速公路可变限速和变道协同控制方法
CN113450583B (zh) * 2021-09-01 2021-11-19 长沙理工大学 一种车路协同下高速公路可变限速和变道协同控制方法
CN114067559A (zh) * 2021-09-27 2022-02-18 北京交通大学 一种自动车专用道并入普通车道的合流优化控制方法
CN114241757A (zh) * 2021-12-09 2022-03-25 宁波大学 一种用于智能网联车辆的入口匝道协同汇流控制方法
CN115035731A (zh) * 2022-06-15 2022-09-09 东南大学 一种基于车辆组群的智能网联队列合流方法
CN115035731B (zh) * 2022-06-15 2023-05-16 东南大学 一种基于车辆组群的智能网联队列合流方法
CN115909780A (zh) * 2022-11-09 2023-04-04 江苏大学 基于智能网联与rbf神经网络的高速路汇入控制系统与方法
CN115909780B (zh) * 2022-11-09 2023-07-21 江苏大学 基于智能网联与rbf神经网络的高速路汇入控制系统与方法

Also Published As

Publication number Publication date
CN111338351B (zh) 2023-01-17

Similar Documents

Publication Publication Date Title
CN111338351B (zh) 一种用于高速匝道入口的多智能网联车辆协同合流控制方法
CN110910663A (zh) 一种车路协同环境下多智能车交叉口通行协调控制方法
US20220076570A1 (en) Collaborative controlling method of variable speed limit and ramp metering for expressways based on crash risk
CN108595823B (zh) 一种联合驾驶风格和博弈理论的自主车换道策略计算方法
Barth et al. Dynamic ECO-driving for arterial corridors
CN107730886B (zh) 一种车联网环境下城市交叉口交通信号动态优化方法
CN113781806A (zh) 一种用于智能网联环境下的混合交通流通行方法
CN106846867A (zh) 一种车联网环境下信号交叉口绿色驾驶车速诱导方法及仿真系统
Aghabayk et al. Comparing heavy vehicle and passenger car lane-changing maneuvers on arterial roads and freeways
CN113312732B (zh) 一种结合预先决策与动态调整的无信控交叉口仿真控制方法及装置
CN114973733B (zh) 一种信号交叉口处混合流下网联自动车轨迹优化控制方法
CN110363997A (zh) 一种有施工区交叉口信号配时优化方法
CN112373485A (zh) 一种考虑交互博弈的自动驾驶车辆决策规划方法
CN113593258B (zh) 基于车路协同的信号配时与车速动态协调控制优化方法
CN114132341B (zh) 一种车联网环境下自动驾驶车辆上匝道轨迹规划模型
Zohdy et al. Enhancing roundabout operations via vehicle connectivity
CN112233413A (zh) 一种面向智能网联车辆的多车道时空轨迹优化方法
CN114861514A (zh) 一种车辆行驶方案的规划方法、装置和存储介质
Chen et al. Dynamic eco-driving speed guidance at signalized intersections: Multivehicle driving simulator based experimental study
WO2024016386A1 (zh) 复杂路口下基于多智能体联邦强化学习的车路协同控制系统及方法
CN115565390A (zh) 智能网联汽车多车道队列通行控制方法、系统及计算机可读存储介质
CN115140094A (zh) 一种基于纵向安全间距模型的实时换道决策方法
CN113120003B (zh) 无人驾驶车辆运动行为决策方法
CN113823076A (zh) 一种基于联网车辆协调控制的即停即走路段缓堵方法
CN113936475A (zh) 一种多道路资源优化的交通控制方法和系统

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