CN111383481B - 城市拥堵路口智能网联汽车绿色通行车速优化方法 - Google Patents

Abstract

本发明涉及一种城市拥堵路口智能网联汽车绿色通行车速优化方法，当信号灯为红灯时，获取在控制区域内部或者靠近控制区域的汽车数量以及信号的相位配时信息，利用智能驾驶员跟车模型计算待行队列内汽车的加速度或者减速度，并基于汽车运动学模型计算待行队列的长度与速度变化轨迹，估计待行队列通行时间；接着利用势能函数建立避撞函数，采用模型预测控制算法求解设计包含多约束和多目标的车速优化问题，计算获得绿色通行车速，直至被控汽车驶过路口停车线；本发明充分考虑了实际情况和现有技术水平，有效地提高了交通安全性、汽车节能水平、交通通行效率。

Description

城市拥堵路口智能网联汽车绿色通行车速优化方法

技术领域

本发明涉及一种城市拥堵路口智能网联汽车绿色通行车速优化方法，属于智慧交通领域。

背景技术

随着汽车电子、网络通信、智能控制等领域发展，汽车与交通有机的融合为一个整体，有利于构建智慧的交通体系，促进汽车和交通服务的新模式新业态发展，对提高交通效率、节省资源、减少污染、降低事故发生率、改善交通管理具有重要意义。

其中，路口待行队列影响后续汽车运动速度变化，而运动速度是汽车安全、节能、高效控制的关键；在现有智能网联汽车技术(包含智能网联汽车技术，指汽车与万物的信息交互与共享，例如车车通信V2V、车路通信V2I、车人通信V2P、车网通信V2N等；汽车自主驾驶技术)普及程度较低的情况下，利用现有手段合理地估计待行队列通行时间，并将估计的通行时间应用于汽车经济性行驶车速优化，对于汽车节能驾驶、绿色通行、路口高效通行等先进控制技术的应用有着重要的意义，有效地提高交通安全性、汽车节能水平、交通通行效率。

发明内容

本发明提供一种城市拥堵路口智能网联汽车绿色通行车速优化方法，充分考虑了实际情况和现有技术水平，有效地提高了交通安全性、汽车节能水平、交通通行效率。

本发明解决其技术问题所采用的技术方案是：

一种城市拥堵路口智能网联汽车绿色通行车速优化方法，当信号灯为红灯时，获取在控制区域内部或者靠近控制区域的汽车数量以及信号的相位配时信息，利用智能驾驶员跟车模型计算待行队列内汽车的加速度或者减速度，并基于汽车运动学模型计算待行队列的长度与速度变化轨迹，估计待行队列通行时间；接着利用势能函数建立避撞函数，采用模型预测控制算法求解设计包含多约束和多目标的车速优化问题，计算获得绿色通行车速，直至被控汽车驶过路口停车线；

其中，控制区域，其为与路口停车线之间有预设距离的区域，

被控汽车，其为靠近控制区域或者位于控制区域的智能网联汽车，

待行队列，其为位于路口停车线处等待的通行汽车组成的队列；

作为本发明的进一步优选，具体的包括以下步骤：

初始化：设定控制区域范围为D，初始化待行汽车数量N＝0，初始化时间t＝0，初始化控制器计算单元；

第一步：交通信息获取，待行汽车数量信息由安装在路口的摄像头获取，前车距离采用车载毫米波雷达获取，信号灯信息由安装在路口的信号灯控制器获取，被控汽车数量、信号灯相位配时采用V2I网络发送至车载控制器，前车距离直接通过CAN传输至车载控制器；

第二步：待行队列通行时间估计，采用均匀分布随机化待行汽车参数，并利用加入启动延时判断因子、最大加速度约束、最小制动减速度约束修正智能驾驶员跟车模型计算队列中每辆车的加速度或者减速度，利用汽车运动学模型估计待行队列通行时间；

第三步，势能函数设计，采用势能函数理论，建立被控汽车与待行队列尾车避撞势能函数、建立行驶距离和车速的势能函数；

第四步：绿色通行车速优化，以估计的待行队列通行时间作为问题长度及划分依据，建立汽车能耗模型，采用模型预测控制算法计算出最大保证通行效率的最低车速约束、满足道路限速的最高车速约束、保证舒适性的最大驱动力或者制动力约束，输出绿色通行车速；

结束：当被控汽车驶离路口停车线时，结束对被控汽车控制；

作为本发明的进一步优选，在第二步待行队列通行时间估计中，

定义车身最大长度为L_max，车身最小长度为L_min，汽车最大静止头距为H_max，汽车最小静止头距为H_min，汽车最大启动延时为Z_max，汽车最小启动延时为Z_min，汽车最大运动时距为d_hmax，汽车最小运动时距为d_hmin，路口待行汽车数量为N，第j辆车的长度为L_j，第j辆车的头距为H_j，第j辆车的启动延时为Z_j，第j辆车的运动时距为d_hj，随机均匀分布函数为rand()，克罗内克积为

j为控制区域内汽车标记，头车为1，尾车为N，

则基于随机均匀分布的汽车参数为：

定义s_j为第j辆车位置，v_j为第j辆车速度，a_j为第j辆车加速度/减速度，d*为理想跟车距离，a_max为汽车最大加速度，a_min为汽车最大减速度，v*为理想车速，

为加速因子，K_j为启动判断因子，t为当前时刻，

则基于修正智能驾驶员跟车模型的汽车加速度或者减速度为：

其中：

上式中max()表示取最大值函数，min()表示取最小值函数；

定义S_j为第j辆车距离路口停车线初始位置，D_qj为到第j辆车待行队列初始长度，D_q为待行队列初始总长度，

则第j辆车距离路口停车线初始位置S_j为：

则以第j辆车为尾车，待行队列初始长度D_qj为：

D_qj＝S_j+0.5L_v

待行队列初始静止长度D_q由尾车位置车长度决定：

D_q＝D_qN+0.5L_N

建立以时间离散化的问题，定义离散时间间隔为Δt，信号灯从当前状态转为下一状态的时间为t_s，信号固定配时为t_in，信号灯转为绿灯时间为t_gr，信号灯保持红灯时间为t_re，信号灯状态为P，其中P＝0表示红灯，P＝1表示绿灯，v_max为道路限制的最高车速，

采用离散化计算方法，则在第k步第j辆车运动速度v_j为：

依据信号灯时间定义可得t_re＝t_gr＝t_s，则在第k步第j辆车行驶长度d_qj为：

待行队列是否通过路口依据尾车是否通过决定，则整个队列运动长度由尾车决定d_q(k)＝d_qN(k)，由此可以计算队列通行时间t_q为：

作为本发明的进一步优选，第三步中势能函数设计的具体步骤为：

定义速度势能为J_p，避撞势能为J_b，距离势能为J_d，高斯分布函数系数为σ，避撞势能函数系数为α，距离势能函数系数为A_e，

则速度势能函数为：

则距离势能函数为：

则避撞势能函数为：

作为本发明的进一步优选，第四步中绿色通行车速优化的具体步骤为：

定义g为重力加速度，m为被控汽车质量，f为摩擦阻力系数，θ为道路坡度，C_D为空气阻力系数，ρ为空气密度，d为行驶距离，δ为汽车转动惯量换算系数，F为牵引力，其中正值为驱动力，负值为制动力，x＝[d v]^T表示状态量，采用质点模型描述汽车纵向动力学模型：

定义汽车瞬时油耗率为

定义汽车油耗系数为α₀、α₁、α₂、α₃，β₀，β₁，β₂，上述系数通过试验获得，则汽车瞬时油耗模型为：

定义代价函数为J，初始车速为v_s，终端车速为v_p，最小车速为v_min，优化问题长度为N，预测时域和控制时域长度均为为N_p，速度跟踪代价权重矩阵为Q_P，距离跟踪代价权重矩阵为Q_C，距离跟踪代权重矩阵为Q_e，能耗代价权重矩阵为Q_m，最大驱动力为F_d，其由路面附着和驱动舒适性决定，最大制动力为F_b，其同样由路面附着和制动舒适性决定，则优化问题如下：

满足：

v(k)∈[v_min，v_max]

u(k)∈[F_b(k)，F_d(k)]

通过求解上述方程，即可获得满足要求的最优绿色通行车速。

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、本发明考虑到智能网联汽车尚未普及现状，难以准确获取交通中全部信息的现状，针对较为典型的城市交通场景，采用成熟的智能驾驶员跟车模型，准确估计待行队列通行时间，采用模型预测控制算法优化通行速度，集成避撞控制方法，保证汽车安全、节能、高效通行控制；

2、本发明采用随机方法，在合理的界限内，合理随机化车身长度、静止头距、运动时距、启动延时等汽车性能参数，上述参数因驾驶员和汽车类型差异而不同，随机化的方法可以提高该发明在不同交通场景的适用性；

3、本发明采用经典的汽车运动学模型和智能驾驶员跟车模型，借助于随机参数和加/减速度，提高了待行队列静止长度、动态长度、通行时间、通行速度的计算精度，使其适用于普遍的城市交通场景，同时保证估计精度满足使用要求；

4、本发明采用势能函数与模型预测算法，可以实现车速、加/减速度、道路附着等多约束条件下的，行驶安全、能量消耗最少、通行时间最短等多目标优化，输出满足需求的车速。

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城市拥堵路口智能网联汽车绿色通行车速优化方法的架构；

图2是本发明的优选实施例城市拥堵路口智能网联汽车绿色通行车速优化方法流程；

图3是本发明优选实施例城市拥堵路口智能网联汽车绿色通行车速优化结果，其中3a为车辆位置变化图，3b为车速变化图。

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。

在现有智能网联汽车与万物信息交互共享普及程度较低的情况下，亟需一种新的业态模式，用以提高交通效率、节省资源、降低事故发生率以及改善交通管理等，本申请充分考虑了实际情况和现有技术水平，设计了一种基于车载传感器和V2I技术的信息获取方法，估计待行队列通行时间，建立安全、节能、高效的绿色通行车速优化问题，并采用模型预测控制算法求解此问题，获取最优车速。

实施例1：

本申请车速优化方法基于图1所示的架构图，定义控制区域，其为与路口停车线之间有预设距离的区域；被控汽车，其为靠近控制区域或者位于控制区域的智能网联汽车；待行队列，其为位于路口停车线处等待的通行汽车组成的队列；信号灯相位配时为信号灯当前状态，及转为下一状态所需时间；

实施例2：

基于实施例1的架构，当信号灯为红灯时，在设定的路口控制区域内存在待行队列，影响即将驶入控制区域被控汽车的车速，为避免因过度制动和怠速停车带来的额外能量和时间浪费，被控汽车驶入控制区域后，将依据优化的绿色通行车速行驶，直至被控汽车驶过路口停车线，即获取在控制区域内部或者靠近控制区域的被控汽车数量以及信号的相位配时信息，利用智能驾驶员跟车模型计算待行队列内被控汽车的加速度或者减速度，并基于汽车运动学模型计算待行队列的长度与速度变化轨迹，估计待行队列通行时间；接着利用势能函数建立避撞函数，采用模型预测控制算法求解设计包含多约束和多目标的车速优化问题，计算获得绿色通行车速，直至被控汽车驶过路口停车线；

具体的包括以下步骤：

初始化：设定控制区域范围为D＝300m，初始化待行队列汽车数量N＝0，初始化时间t＝0，初始化控制器计算单元；

第一步：交通信息获取，待行汽车数量信息由安装在路口的摄像头获取，前车距离采用车载毫米波雷达获取，信号灯信息由安装在路口的信号灯控制器获取，被控汽车数量、信号灯相位配时采用V2I网络发送至车载控制器，前车距离直接通过CAN传输至车载控制器；

其中，摄像头安装位置与角度需要提前进行标定，依据像素点分割框定被控区域位置，利用成熟的图像识别算法读取控制区域汽车数量；车载雷达为毫米波雷达，安装于汽车前部，集成信息采集、处理、分析功能，可以直接输出与待行队列尾车距离；信号灯控制器安装在路口周边，可以读取当前信号灯相位配时等信息；V2I通讯通过外接V2I终端实现，直接与汽车、摄像头、信号灯控制器相接，实时信息交互；

第二步：待行队列通行时间估计，采用均匀分布随机化待行汽车参数，并利用加入启动延时判断因子、最大加速度约束、最小制动减速度约束修正智能驾驶员跟车模型计算队列中每辆车的加速度或者减速度，利用汽车运动学模型估计待行队列通行时间；

具体的，定义车身最大长度为L_max＝5.5m，车身最小长度为L_min＝3.5m，车辆最大静止头距为H_max＝3m，车辆最小静止头距为H_min＝3m，车辆最大启动延时为Z_max＝2s，车辆最小启动延时为Z_min＝0.5m，路口待行车辆数目为N＝5，第j辆车的长度为L_j，第j辆车的头距为H_j，第j辆车的启动延时为Z_j，第j辆车的加速或者减速延时常数为τ_j，克罗内克积为

，σ和μ为为高斯函数参数，j为控制区域内车辆标记，头车为1，尾车为N＝5，则基于高斯分布的车辆参数为：

则基于随机均匀分布的汽车参数为：

定义s_j为第j辆车位置，v_j为第j辆车速度，a_j为第j辆车加速度/减速度，d*为理想跟车距离，a_max＝3m/s²为汽车最大加速度，a_min＝-4m/s²为汽车最大减速度，v*＝20m/s为理想车速，

为加速因子，K_j为启动判断因子，t为当前时刻，

则基于修正智能驾驶员跟车模型的汽车加速度或者减速度为：

其中：

上式中max()表示取最大值函数，min()表示取最小值函数；

定义S_j为第j辆车距离路口停车线初始位置，D_qj为到第j辆车待行队列初始长度，D_q为待行队列初始总长度，

则第j辆车距离路口停车线初始位置S_j为：

则以第j辆车为尾车，待行队列初始长度D_qj为：

D_qj＝S_j+0.5L_v

待行队列初始静止长度D_q由尾车位置车长度决定：

D_q＝D_qN+0.5L_N

计算得出D_q＝32.5m.

建立以时间离散化的问题，定义离散时间间隔为Δt，信号灯从当前状态转为下一状态的时间为t_s＝5s，信号固定配时为t_in＝45s，信号灯转为绿灯时间为t_gr＝5s，信号灯保持红灯时间为t_re＝5s，信号灯状态为P，其中P＝0表示红灯，P＝1表示绿灯，v_max＝20m/s为道路限制的最高车速，

采用离散化计算方法，则在第k步第j辆车运动速度v_j为：

依据信号灯时间定义可得t_re＝t_gr＝t_s，则在第k步第j辆车行驶长度d_qj为：

待行队列是否通过路口依据尾车是否通过决定，则整个队列运动长度由尾车决定d_q(k)＝d_qN(k)，由此可以计算队列通行时间t_q为：

计算得出估计的队列通行时间为20.6s；

第三步，势能函数设计，采用势能函数理论，建立被控汽车与待行队列尾车避撞势能函数、建立行驶距离和车速的势能函数；速度势能函数是保证被控汽车趋近保证通行效率的最大车速，距离势能函数为保证被控汽车在规定的时间内正好到达路口停车线位置，避撞势能函数是保证被控汽车与待行队列尾车保持合适安全的跟车距离；

具体步骤为：

定义速度势能为J_p，避撞势能为J_b，距离势能为J_d，高斯分布函数系数为σ，避撞势能函数系数为α，距离势能函数系数为A_e，

则速度势能函数为：

则距离势能函数为：

则避撞势能函数为：

第四步：绿色通行车速优化，以估计的待行队列通行时间作为问题长度及划分依据，建立汽车能耗模型，采用模型预测控制算法计算出最大保证通行效率的最低车速约束、满足道路限速的最高车速约束、保证舒适性的最大驱动力或者制动力约束，输出绿色通行车速；

具体的，

定义g＝9.8m·s^-2为重力加速度，m＝1421kg为被控汽车质量，f＝0.016为摩擦阻力系数，θ＝0为道路坡度，C_D＝0.3为空气阻力系数，ρρ＝1.206为空气密度，d为行驶距离，δ＝1.022为汽车转动惯量换算系数，F为牵引力，其中正值为驱动力，负值为制动力，x＝[dv]^T表示状态量，采用质点模型描述汽车纵向动力学模型：

定义汽车瞬时油耗率为

定义汽车油耗系数为α_0＝0.1569mL·s^-1、α_1＝2.45×10^-2mL·m^-1α_2＝-7.415×10^-4mL·s·m^-2、α_3＝5.975×10^-4mL·s²·m^-3，β₀＝7.224×10^-2mL·s·m^-1，β₁＝9.681×10^-2mL·s²·m^-2，β₂＝1.075×10^-3mL·s³·m^-3，上述系数通过试验获得，则汽车瞬时油耗模型为：

定义代价函数为J，初始车速为v_s＝18m/s，终端车速为v_p＝13m/s，最小车速为v_min＝5m/s，优化问题长度为N，预测时域和控制时域长度均为为N_p＝100，速度跟踪代价权重矩阵为Q_P，距离跟踪代价权重矩阵为Q_C，距离跟踪代权重矩阵为Q_e，能耗代价权重矩阵为Q_m，最大驱动力为F_d，其由路面附着和驱动舒适性决定，最大制动力为F_b，其同样由路面附着和制动舒适性决定，则优化问题如下：

满足：

v(k)∈[v_min，v_max]

u(k)∈[F_b(k)，F_d(k)]

通过求解上述方程，即可获得满足要求的最优绿色通行车速；其中，代价函数为普遍的非线性优化问题，可以通过MATLAB内置的fmincon函数求解；

结束：当被控汽车驶离路口停车线时，结束对被控汽车控制。

通过实施例1的结构，以及基于实施例1架构进行的实施例2，被控汽车依据优化的绿色通行车速行驶，可以避免因过度制动和怠速停车带来的额外能量和时间的浪费。

仿真结果如图3所示，其中3a为车辆位置变化图，3b为车速变化图。仿真结果表明，相较于传统方法，本发明所设计的方法可以避免被控汽车在路口停车，能够在路口待行队列通行后立刻通过路口，且行驶过程保持高效的绿色通行车速。传统方法整个过程油耗122.3ml，本发明设计的方法油耗57.7ml，节能效果提升52.8％。

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 (1)

1.一种城市拥堵路口智能网联汽车绿色通行车速优化方法，其特征在于：当信号灯为红灯时，获取在控制区域内部或者靠近控制区域的汽车数量以及信号的相位配时信息，利用智能驾驶员跟车模型计算待行队列内汽车的加速度或者减速度，并基于汽车运动学模型计算待行队列的长度与速度变化轨迹，估计待行队列通行时间；接着利用势能函数建立避撞函数，采用模型预测控制算法求解设计包含多约束和多目标的车速优化问题，计算获得绿色通行车速，直至被控汽车驶过路口停车线；

其中，控制区域，其为与路口停车线之间有预设距离的区域，

被控汽车，其为靠近控制区域或者位于控制区域的智能网联汽车，

待行队列，其为位于路口停车线处等待的通行汽车组成的队列；具体的包括以下步骤：

初始化：设定控制区域范围为D，初始化路口待行汽车数量N＝0，初始化时间t＝0，初始化控制器计算单元；

第一步：交通信息获取，待行汽车数量信息由安装在路口的摄像头获取，前车距离采用车载毫米波雷达获取，信号灯信息由安装在路口的信号灯控制器获取，被控汽车数量、信号灯相位配时采用V2I网络发送至车载控制器，前车距离直接通过CAN传输至车载控制器；

第二步：待行队列通行时间估计，采用均匀分布随机化待行汽车参数，并利用加入启动延时判断因子、最大加速度约束、最小制动减速度约束修正智能驾驶员跟车模型计算队列中每辆车的加速度或者减速度，利用汽车运动学模型估计待行队列通行时间；

第三步，势能函数设计，采用势能函数理论，建立被控汽车与待行队列尾车避撞势能函数、建立行驶距离和车速的势能函数；

第四步：绿色通行车速优化，以估计的待行队列通行时间作为问题长度及划分依据，建立汽车能耗模型，采用模型预测控制算法计算出最大保证通行效率的最低车速约束、满足道路限速的最高车速约束、保证舒适性的最大驱动力或者制动力约束，输出绿色通行车速；

结束：当被控汽车驶离路口停车线时，结束对被控汽车控制；在第二步待行队列通行时间估计中，

定义车身最大长度为L_max，车身最小长度为L_min，汽车最大静止头距为H_max，汽车最小静止头距为H_min，汽车最大启动延时为Z_max，汽车最小启动延时为Z_min，汽车最大运动时距为d_hmax，汽车最小运动时距为d_hmin，路口待行汽车数量为N，第j辆车的长度为L_j，第j辆车的头距为H_j，第j辆车的启动延时为Z_j，第j辆车的运动时距为d_hj，随机均匀分布函数为rand()，克罗内克积为

j为控制区域内汽车标记，头车为1，尾车为N，

则基于随机均匀分布的汽车参数为：

定义s_j为第j辆车位置，v_j为第j辆车速度，a_j为第j辆车加速度/减速度，d*为理想跟车距离，a_max为汽车最大加速度，a_min为汽车最大减速度，v*为理想车速，

为加速因子，K_j为启动判断因子，t为当前时刻，

则基于修正智能驾驶员跟车模型的汽车加速度或者减速度为：

其中：

上式中max()表示取最大值函数，min()表示取最小值函数；

定义S_j为第j辆车距离路口停车线初始位置，D_qj为到第j辆车待行队列初始长度，D_q为待行队列初始总长度，

则第j辆车距离路口停车线初始位置S_j为：

则以第j辆车为尾车，待行队列初始长度D_qj为：

D_qj＝S_j+0.5L_j

待行队列初始静止长度D_q由尾车位置，车长度决定：

D_q＝D_qN+0.5L_N

上式中，D_qN是从第1辆车到第N辆车的长度，即第1辆车到队列尾车的长度，L_N是队列第N辆车的长度，即队列尾车长度，L_j是队列第j辆车的长度；

建立以时间离散化的问题，定义离散时间间隔为Δt，信号灯从当前状态转为下一状态的时间为t_s，信号固定配时为t_in，信号灯转为绿灯时间为t_gr，信号灯保持红灯时间为t_re，信号灯状态为P，其中P＝0表示红灯，P＝1表示绿灯，v_max为道路限制的最高车速，

采用离散化计算方法，则在第k步第j辆车运动速度v_j为：

依据信号灯时间定义可得t_re＝t_gr＝t_s，则在第k步第j辆车行驶长度d_qj为：

待行队列是否通过路口依据尾车是否通过决定，则整个队列运动长度由尾车决定d_q(k)＝d_qN(k)，由此可以计算队列通行时间t_q为：

Images