CN111554083A - 基于车辆状态信息的无人车队控制方法 - Google Patents
基于车辆状态信息的无人车队控制方法 Download PDFInfo
- Publication number
- CN111554083A CN111554083A CN202010311005.1A CN202010311005A CN111554083A CN 111554083 A CN111554083 A CN 111554083A CN 202010311005 A CN202010311005 A CN 202010311005A CN 111554083 A CN111554083 A CN 111554083A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- state information
- model
- information
- unit
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/22—Platooning, i.e. convoy of communicating vehicles
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/06—Selective distribution of broadcast services, e.g. multimedia broadcast multicast service [MBMS]; Services to user groups; One-way selective calling services
-
- 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]
- H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Traffic Control Systems (AREA)
Abstract
一种基于车辆状态信息的无人车队控制方法,通过第一辆车即头车且具有加速减速控制权,后续为从车且没有独立控制权,即不能够进行加速减速的处理,头车通过无线信道向后广播包括各辆从车的加速度控制信息的指派数据包;从车通过无线信道接收指派数据包,解析出各自对应的加速度信息并控制各自行驶状态的同时将各自的纠正状态信息与模型信息周期地发送至头车。本发明通过传输模型来做到估计状态信息,通过状态信息纠正包来避免估计误差过大。
Description
技术领域
本发明涉及的是一种无人驾驶领域的技术,具体是一种基于车辆状态信息的无人车队控制方法。
背景技术
车联网未来会成为物联网技术的重要组成部分。在车联网场景中,车辆会频繁地传输状态信息,比如车辆的位置、与前车的距离、速度等状态信息。这些信息会被用于车联网业务,比如编队行驶等等。车联网是延时敏感网络,因为车辆是高速移动的终端,且安全是第一标准。传输重要的车辆状态信息的延时过高对于安全的驾驶是危险的。这些状态信息在车联网中会通过无线接口进行发送和接收。无线信道是无线设备共享的。使用信道的设备越多,无线信道资源就越可能不够,最终导致接收设备失败接收。
在车联网场景中,每一辆车都会接入车辆网络。通常认为车辆的信号发送的范围是半径400m左右的圆。在交通密集的场景下,这个范围内会出现上百辆车辆。这么多车辆要在低延时的情况下还能不冲突地使用无线信道,是一个艰难的任务。
欧洲电信标准化协会(ETSI)指出状态信息是周期产生发送的。这在众多研究文献中都是按照找个标准进行实验的。所以状态信息在现有技术中是周期发送的,为了安全可靠,这个发送的频率在ms这个级别。在LTE-V2V使用的Sidelink Mode 4中(这是LTE中专门用于车到车通信的物理层技术),这个周期最小20ms最大1000ms。随着车辆数量的上升,频繁地通信车辆状态信息会导致信道的拥塞,进而影响无线传输的可靠性,最终导致车辆网驾驶的安全出现问题。
发明内容
本发明针对现有技术存在的上述不足,提出一种基于车辆状态信息的无人车队控制方法,通过传输模型来做到估计状态信息,通过状态信息纠正包来避免估计误差过大。
本发明是通过以下技术方案实现的:
本发明涉及一种基于车辆状态信息的无人车队控制方法,以车队方式行驶,第一辆车即头车且具有加速减速控制权,后续为从车且没有独立控制权,即不能够进行加速减速的处理,其中:头车通过无线信道向后广播包括各辆从车的加速度控制信息的指派数据包;从车通过无线信道接收指派数据包,解析出各自对应的加速度信息并控制各自行驶状态的同时将各自的纠正状态信息与模型信息周期地发送至头车。
所述的纠正状态信息是指:用于纠正的状态信息。状态信息是指:车辆运动过程中的状态,包括但不限于:与前车的距离、本车辆的当前速度、本车辆的当前加速度。
所述的模型信息包括平行模型和模型参数。
本发明涉及一种实现上述方法的系统,包括:设置于头车的指派数据生成单元、指派数据发送单元、状态信息接收单元、模型信息解析单元、误差纠正单元以及设置于从车的平行模型参数生成单元、模型信息发送单元、状态检测单元,状态信息误差检测单元,状态信息发送单元,其中:误差纠正单元与状态信息接收单元相连并传输纠正状态信息,模型信息解析单元与状态信息接收单元相连并传输估计状态信息,状态信息接收单元与指派数据生成单元相连并传输结果状态信息,指派数据生成单元与指派数据发送单元相连并传输指派数据包;平行模型参数生成单元与模型信息发送单元相连并传输模型信息,平行模型参数生成单元与状态信息误差监测单元相连并传输模型信息,状态检测单元与状态信息误差检测单元相连并传输状态信息,状态信息误差检测单元与状态信息发送单元相连并发送纠正状态信息。
技术效果
本发明整体解决了在车辆编队行驶的场景下,减少上述状态信息的发送频率,同时保证状态信息的准确,快速的传输的技术问题。
与现有技术相比,本发明减少状态信息发送频率,以此减少与现有技术相同的车辆节点数量条件下的无线信道占用情况。
附图说明
图1为实施例编队行驶下车辆通信数据环示意图;
图2为实施例误差和数据包发送时刻图。
具体实施方式
本实施例实现场景为编队行驶:以车队方式行驶,第一辆车即头车且具有加速减速控制权,后续为从车且没有独立控制权,即不能够进行加速减速的处理,编队行驶的目标是所有车辆间距保持一定同步行驶以节省车辆的油耗。
如图1所示,所述的头车通过无线信道向后广播包括各辆从车的加速度信息的指派数据包;从车通过无线信道接收指派数据包并解析出各自对应的加速度信息并照此控制各自行驶状态,同时从车周期性地在线更新模型信息中的模型参数,并将更新后的模型信息以同样周期发送至头车供离线更新从车模型。
当从车的状态检测单元得到的实际状态信息和根据模型信息估计得到的估计状态信息误差大于阈值时,从车向头车进一步发送实际状态信息供头车解析得到纠正状态信息。
所述的状态检测单元周期性地检测误差是否大于阈值且周期小于所述模型参数的在线更新及发送周期。
所述的头车通过离线更新从车模型并通过从车模型计算得到从车的估计状态信息,直至收到纠正状态信息,即头车以纠正状态信息替换估计状态信息作为从车的实际状态信息。
所述的估计状态信息,通过当前时刻的速度v和加速度a和到前车距离d计算估计得到,具体为:下一时刻的估计与前车距离为dNext,下一时刻估计速度为vNext,状态估计公式为其中:v,d为当前时刻的与前车距离和速度,a为当前时刻的加速度,A与B都是平行模型中的参数,以矩阵的形式表示,a0~a3为2x2参数矩阵A中的每个元素的值,b0~b1为2x1参数矩阵B中的每个元素的值。
所述的头车根据实际状态信息或估计状态信息计算指派加速度,具体为:所述的各辆从车的指派加速度根据头车的状态,从车前一辆车的状态,从车的状态加权得到,具体为:ai=w1×(dFront-L)-w2×(vSelf-vFront)-w3×(vSelf-vLead)+w×aFront+w5×aLead,其中:i为从车序号,L为目标车间距,w1~w5为加权系数,dFront为从车i距离其前一辆车的车间距,vSelf为从车i的速度,vFront为从车i前一辆车的速度,vLead为头车的速度,aFront为从车i前一辆车的加速度,aLead为头车的加速度,各个加权系数根据实际行驶情况设置。
所述的在线更新是指:从车优选以最小二乘法以本从车记录的每一个时刻的状态信息计算获得平行模型参数矩阵A、B,并周期发送至头车,头车根据接收到的模型参数恢复出各个从车的模型信息,并且根据模型信息和当前时刻的从车的状态信息得到估计状态信息,具体为:模型的参数的确定是一个在线更新的过程,即参数会随着系统的运行不断更新。在状态信息估计公式中中,需要找到用最小二乘的方法寻找模型参数使得输入状态信息和加速度确定的情况下,估计的下一时刻状态信息和实际的下一时刻的状态信息误差最小。这个模型的参数就是使用的模型参数。模型会周期(同下一段发送模型参数的的周期)在更新确保模型参数能够很好的描述状态信息的变化。模型参数矩阵A、B通过最小二乘法计算获得的具体数学表征为:设其中vt0…vtn是从时刻t0到时刻tn的本从车的速度,dt0…dtn是从时刻t0到时刻tn的本从车的与前车距离,at0…atn是从时刻t0到时刻tn的本从车的加速度。设其中vt1…vtn+1是从时刻t1到时刻tn+1的本从车的速度,dt1…dtn+1是从时刻t1到时刻tn+1的本从车的与前车距离。其中AT和BT分别是所需要的更新后的A和B的转置矩阵,xDataT-1是xData的转置矩阵的伪逆矩阵,yDataT是yData的转置矩阵。
本实施例具体通过两台NI-USRP 2974,运行LTE Sidelink Mode4物理层框架,数据发送最快周期设为10ms;每台USRP运行上述方法,两台中一台设定为头车,一台设定为从车。同时在两台USRP中构造一个车辆运动仿真器,用来生成两车运行过程中的数据。车辆的速度和前车距离有1%的随机误差模拟传感器误差。
实验设置纠正数据包传输的最小周期是10ms,模型参数包的周期是100ms。误差阈值为0.1m+m/s。
实验结果如图2所示,三张图的横坐标单位为ms。第一张纵坐标是估计的状态信息的误差,为估计距离误差和估计速度误差的和,单位为m+m/s。第二张和第三章分别表示纠正包和状态参数更新包的发送时刻,当前横坐标时刻有发送,纵坐标就为1。
首先注意前500ms的高误差,这是由于两台机器不是同时开机,有一个车辆(USRP)没有参与到系统导致的。从500ms开始正常进入设计的流程。
从500ms开始到1200ms左右,模型参数正在在线更新,模型不能很好的拟合状态信息。这时候,模型估计的状态信息经常会有很大的误差。会频繁发送纠正包来保证状态信息的正确传输。从数值上分析,这段时间数据包传输最大频率为每秒100个包,即间隔10ms。相对于传统方法必须每个周期间隔10ms都要传数据,数据包数量小于等于传统方法,由于模型还未更新完毕导致的最大误差在0.32m+m/s内,可以接受。
从1200ms之后,模型更新完毕,纠正包的数量大大减少,几乎没有。只剩下100ms周期的模型参数更新包。传输间隔降低了1/10,信道占用情况减少了近90%。
若采用更加激进的参数设置,信道占用情况可以减少99%。可能会导致误差变大,但只要误差在车辆行驶允许的范围内,是可行的。
上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整,本发明的保护范围以权利要求书为准且不由上述具体实施所限,在其范围内的各个实现方案均受本发明之约束。
Claims (8)
1.一种基于车辆状态信息的无人车队控制方法,其特征在于,以车队方式行驶,第一辆车即头车且具有加速减速控制权,后续为从车且没有独立控制权,即不能够进行加速减速的处理,其中:头车通过无线信道向后广播包括各辆从车的加速度控制信息的指派数据包;从车通过无线信道接收指派数据包,解析出各自对应的加速度信息并控制各自行驶状态的同时将各自的纠正状态信息与模型信息周期地发送至头车;
所述的纠正状态信息是指:用于纠正的状态信息,状态信息是指:车辆运动过程中的状态;
所述的模型信息包括平行模型和模型参数。
2.根据权利要求1所述的无人车队控制方法,其特征是,当从车检测得到的实际状态信息和根据模型信息估计得到的估计状态信息误差大于阈值时,从车向头车进一步发送实际状态信息供头车解析得到纠正状态信息。
3.根据权利要求2所述的无人车队控制方法,其特征是,所述的检测误差是否大于阈值且周期小于所述模型参数的在线更新及发送周期。
4.根据权利要求1所述的无人车队控制方法,其特征是,所述的头车通过离线更新从车模型并通过从车模型计算得到从车的估计状态信息,直至收到纠正状态信息,即头车以纠正状态信息替换估计状态信息作为从车的实际状态信息。
6.根据权利要求1所述的无人车队控制方法,其特征是,所述的头车根据实际状态信息或估计状态信息计算指派加速度,具体为:所述的各辆从车的指派加速度根据头车的状态,从车前一辆车的状态,从车的状态加权得到,具体为:ai=w1×(dFront-L)-w2×(vSelf-vFront)-w3×(vSelf-vLead)+w×aFront+w5×aLead,其中:i为从车序号,L为目标车间距,w1~w5为加权系数,dFront为从车i距离其前一辆车的车间距,vSelf为从车i的速度,vFront为从车i前一辆车的速度,vLead为头车的速度,aFront为从车i前一辆车的加速度,aLead为头车的加速度,各个加权系数根据实际行驶情况设置。
7.根据权利要求5所述的无人车队控制方法,其特征是,所述的在线更新是指:从车优选以最小二乘法以本从车记录的每一个时刻的状态信息计算获得平行模型参数矩阵A、B,并周期发送至头车,头车根据接收到的模型参数恢复出各个从车的模型信息,并且根据模型信息和当前时刻的从车的状态信息得到估计状态信息,具体为:模型的参数的确定是一个在线更新的过程,即参数会随着系统的运行不断更新;在状态信息估计公式中中,需要找到用最小二乘的方法寻找模型参数使得输入状态信息和加速度确定的情况下,估计的下一时刻状态信息和实际的下一时刻的状态信息误差最小;这个模型的参数就是使用的模型参数;模型会周期地在更新确保模型参数能够很好的描述状态信息的变化;模型参数矩阵A、B通过最小二乘法计算获得的具体数学表征为:设其中vt0…vtn是从时刻t0到时刻tn的本从车的速度,dt0…dtn是从时刻t0到时刻tn的本从车的与前车距离,at0…atn是从时刻t0到时刻tn的本从车的加速度;设其中vt1…vtn+1是从时刻t1到时刻tn+1的本从车的速度,dt1…dtn+1是从时刻t1到时刻tn+1的本从车的与前车距离;其中AT和BT分别是所需要的更新后的A和B的转置矩阵,是xData的转置矩阵的伪逆矩阵,yDataT是yData的转置矩阵。
8.一种实现上述权利要求1~7中任一所述方法的系统,其特征在于,包括:设置于头车的指派数据生成单元、指派数据发送单元、状态信息接收单元、模型信息解析单元、误差纠正单元以及设置于从车的平行模型参数生成单元、模型信息发送单元、状态检测单元,状态信息误差检测单元,状态信息发送单元,其中:误差纠正单元与状态信息接收单元相连并传输纠正状态信息,模型信息解析单元与状态信息接收单元相连并传输估计状态信息,状态信息接收单元与指派数据生成单元相连并传输结果状态信息,指派数据生成单元与指派数据发送单元相连并传输指派数据包;平行模型参数生成单元与模型信息发送单元相连并传输模型信息,平行模型参数生成单元与状态信息误差监测单元相连并传输模型信息,状态检测单元与状态信息误差检测单元相连并传输状态信息,状态信息误差检测单元与状态信息发送单元相连并发送纠正状态信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010311005.1A CN111554083B (zh) | 2020-04-20 | 2020-04-20 | 基于车辆状态信息的无人车队控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010311005.1A CN111554083B (zh) | 2020-04-20 | 2020-04-20 | 基于车辆状态信息的无人车队控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111554083A true CN111554083A (zh) | 2020-08-18 |
CN111554083B CN111554083B (zh) | 2023-04-14 |
Family
ID=72000057
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010311005.1A Active CN111554083B (zh) | 2020-04-20 | 2020-04-20 | 基于车辆状态信息的无人车队控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111554083B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113343230A (zh) * | 2021-06-30 | 2021-09-03 | 上海大学 | 检测数据篡改攻击的车辆编队实现方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6757579B1 (en) * | 2001-09-13 | 2004-06-29 | Advanced Micro Devices, Inc. | Kalman filter state estimation for a manufacturing system |
US20100256836A1 (en) * | 2009-04-06 | 2010-10-07 | Gm Global Technology Operations, Inc. | Autonomous vehicle management |
US20130218365A1 (en) * | 2012-02-21 | 2013-08-22 | Toyota Motor Engineering & Mftg. N. America (TEMA) | Vehicular platooning using distributed receding horizon control |
US20160124434A1 (en) * | 2014-10-31 | 2016-05-05 | Clearpath Robotics, Inc. | System, computing device and method for unmanned vehicle fleet control |
CN108616810A (zh) * | 2018-05-10 | 2018-10-02 | 上海交通大学 | 一种车队自主跟车系统、便携式装置及方法 |
US20190079540A1 (en) * | 2017-09-13 | 2019-03-14 | Lg Electronics Inc. | Method for platooning of vehicles and vehicle using same |
KR20190096864A (ko) * | 2019-07-30 | 2019-08-20 | 엘지전자 주식회사 | 자율주행시스템에서 군집주행의 제어방법 |
CN110276945A (zh) * | 2019-07-19 | 2019-09-24 | 东北大学 | 一种自动驾驶车辆编组方法 |
CN110446160A (zh) * | 2019-08-13 | 2019-11-12 | 南京戎智信息创新研究院有限公司 | 一种基于多路径信道状态信息的车辆位置估计的深度学习方法 |
CA3159409A1 (en) * | 2018-07-07 | 2020-01-16 | Peloton Technology, Inc. | Control of automated following in vehicle convoys |
-
2020
- 2020-04-20 CN CN202010311005.1A patent/CN111554083B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6757579B1 (en) * | 2001-09-13 | 2004-06-29 | Advanced Micro Devices, Inc. | Kalman filter state estimation for a manufacturing system |
US20100256836A1 (en) * | 2009-04-06 | 2010-10-07 | Gm Global Technology Operations, Inc. | Autonomous vehicle management |
US20130218365A1 (en) * | 2012-02-21 | 2013-08-22 | Toyota Motor Engineering & Mftg. N. America (TEMA) | Vehicular platooning using distributed receding horizon control |
US20160124434A1 (en) * | 2014-10-31 | 2016-05-05 | Clearpath Robotics, Inc. | System, computing device and method for unmanned vehicle fleet control |
US20190079540A1 (en) * | 2017-09-13 | 2019-03-14 | Lg Electronics Inc. | Method for platooning of vehicles and vehicle using same |
CN108616810A (zh) * | 2018-05-10 | 2018-10-02 | 上海交通大学 | 一种车队自主跟车系统、便携式装置及方法 |
CA3159409A1 (en) * | 2018-07-07 | 2020-01-16 | Peloton Technology, Inc. | Control of automated following in vehicle convoys |
CN110276945A (zh) * | 2019-07-19 | 2019-09-24 | 东北大学 | 一种自动驾驶车辆编组方法 |
KR20190096864A (ko) * | 2019-07-30 | 2019-08-20 | 엘지전자 주식회사 | 자율주행시스템에서 군집주행의 제어방법 |
CN110446160A (zh) * | 2019-08-13 | 2019-11-12 | 南京戎智信息创新研究院有限公司 | 一种基于多路径信道状态信息的车辆位置估计的深度学习方法 |
Non-Patent Citations (1)
Title |
---|
付思雨,姜之源,张舜卿: "基于C-V2X 直连通信的车辆编队行驶性能优化", 《中兴通讯技术》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113343230A (zh) * | 2021-06-30 | 2021-09-03 | 上海大学 | 检测数据篡改攻击的车辆编队实现方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111554083B (zh) | 2023-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9532194B2 (en) | Dynamic adjustment of wireless communication transmission rates | |
US11129002B2 (en) | Method for supporting a first mobile station to predict the channel quality for a planned decentralized wireless communication to a communication partner station, mobile station, and transportation vehicle | |
EP3316062A1 (en) | Platoon control | |
Cho et al. | Channel-aware congestion control in vehicular cyber-physical systems | |
JP5089234B2 (ja) | 通信装置 | |
Shaghaghi et al. | Adaptive green traffic signal controlling using vehicular communication | |
US10432496B2 (en) | Apparatus and method for controlling message communications load | |
Fallah et al. | Context and network aware communication strategies for connected vehicle safety applications | |
Baiocchi et al. | Age of Information in IEEE 802.11 p | |
Volk et al. | Towards realistic evaluation of collective perception for connected and automated driving | |
CN111554083B (zh) | 基于车辆状态信息的无人车队控制方法 | |
US11082497B2 (en) | Efficient real time vehicular traffic reporting and sharing over NB-IoT using D2D | |
Liu et al. | Cpa-mac: A collision prediction and avoidance mac for safety message dissemination in mec-assisted vanets | |
Jornod et al. | Environment-aware communications for cooperative collision avoidance applications | |
CN103903464B (zh) | 交通阻塞信息预告方法及系统 | |
US9985900B2 (en) | Method and system for determining a number of vehicle-to-X messages to be discarded | |
CN111824138A (zh) | 车辆防碰撞方法、装置和计算机可读存储介质 | |
CN113225712B (zh) | 协同车辆安全系统中参考模型自适应速率控制系统及方法 | |
Agosta et al. | Toward a V2I-based solution for traffic lights optimization | |
US20220295336A1 (en) | Systems And Methods Of Detecting And Predicting Quality Of Service Of Communication Links Of Connected Vehicles | |
Hidayatullah et al. | Cooperative perception using cellular V2X in mixed traffic scenario | |
CN115315670A (zh) | 用于调用远程操作驾驶会话的方法、计算机程序和装置 | |
US10693726B2 (en) | Method and device for the configuration of a transmission link | |
Selvaraj | Development of a framework for sensor-and communication-assisted Vehicle Dynamic. | |
Tielert | Rate-adaptation based congestion control for vehicle safety communications |
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 |