CN111968377B - 面向节油和驾驶舒适的基于车辆网的车辆轨迹优化方法 - Google Patents

面向节油和驾驶舒适的基于车辆网的车辆轨迹优化方法 Download PDF

Info

Publication number
CN111968377B
CN111968377B CN202010901580.7A CN202010901580A CN111968377B CN 111968377 B CN111968377 B CN 111968377B CN 202010901580 A CN202010901580 A CN 202010901580A CN 111968377 B CN111968377 B CN 111968377B
Authority
CN
China
Prior art keywords
vehicle
area
vehicles
track
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.)
Active
Application number
CN202010901580.7A
Other languages
English (en)
Other versions
CN111968377A (zh
Inventor
姜忠太
于德新
栾偲良
周户星
孟凡运
彭博
谢晨
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202010901580.7A priority Critical patent/CN111968377B/zh
Publication of CN111968377A publication Critical patent/CN111968377A/zh
Application granted granted Critical
Publication of CN111968377B publication Critical patent/CN111968377B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3469—Fuel consumption; Energy use; Emission aspects
    • 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
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Abstract

一种面向节油和驾驶舒适的基于车辆网的车辆轨迹优化方法，属于智能交通领域。现有的研究均针对单一的城市交叉口或者高速公路匝道车辆交织区域的智能控制，没有同时考虑高速公路下匝道与城市道路交织区和城市道路交叉口的智能控制问题。一种面向燃油经济性和驾驶舒适性的基于车辆网的车辆行驶轨迹优化方法，界定车辆轨迹优化区域；对界定的城市道路交叉口进行网格化，设定车辆控制规则；识别车辆到达顺序，根据车辆控制规则，确定轨迹优化区域内车辆通行顺序以及离开时间；建立车辆轨迹优化模型，根据确定的车辆通行顺序进行车辆轨迹优化。本发明能够在确保车辆通行效率最大化的基础上，提高车辆的燃油经济性和驾驶舒适性。

Description

面向节油和驾驶舒适的基于车辆网的车辆轨迹优化方法
技术领域
本发明涉及一种面向节油和驾驶舒适的基于车辆网的车辆轨迹优化方法。
背景技术
随着社会经济和信息技术的迅速发展，以及近年来中国对该行业的高度重视和大力发展，中国车联网实现了突飞猛进的技术进步。2020年包括中国发改委等中国的十一个部委联合颁布了《智能汽车创新发展战略》，将智能车辆提升到了国家发展战略的高度，引发了车联网技术的新一轮产业发展，这充分体现出了车联网技术已经成为国家级科技竞赛的核心行业之一。
在道路交通系统中，车辆交织区域是提高道路通行能力的主要瓶颈点，因为车辆的交织运动阻碍了车辆行驶的连续性，使车辆容易出现“走-停”的情况，从而导致车辆拥堵或者交通事故的发生，城市道路交叉口和高速公路上下匝道作为道路系统中最常见的两种道路瓶颈点，是制约道路通行能力的主要区域。
在城市交叉口智能控制方面，国内外众多学者从基于车辆队列的智能控制和基于计划的智能控制两方面展开了相应的研究。基于车辆队列的方法主要是研究车辆的到达过程以及车辆的运行状态，预测车辆的到达时间，将车辆划分为多个队列，将交叉口处车辆的控制转化为对队列的控制，这种理念很早的就被提出，但随着车联网技术的发展，这种方法逐渐的成为现实。基于计划的控制方法的研究对象是每辆车，计算每辆车的到达时间，多是建立基于混合整数规划问题的优化模型。
在高速公路上下匝道的智能控制方面，针对匝道车辆协作合并提出的算法具有相同的特点，都是通过协调车辆到达交织区域的运动来实现的，但是，由于车辆智能化的程度，道路的几何结构等的不同，控制算法也存在着一些不同，比如，存在着集中式和分散式的控制规则。前者方法中有一个交通控制中心统一发布所有车辆的控制信息，后者的控制是分散在每辆车上的，通过车辆间的通信实现协作。
综上，现有的研究均是针对单一的城市交叉口或者高速公路匝道车辆交织区域的智能控制，没有同时考虑高速公路下匝道与城市道路交织区和城市道路交叉口的智能控制问题，这个区域既存在着高速公路下匝道车辆与城市道路主流车辆的合并汇入问题，又存在着下游交叉口的控制问题。针对上述问题，本发明将考虑这些区域构建整体的车辆轨迹优化模型。
发明内容
本发明的目的在于提供一种面向节油和驾驶舒适的基于车辆网的车辆轨迹优化方法，在保证车辆通行效率最大化的基础上，提高车辆燃油经济性和驾驶舒适性，用于解决现有研究中没有统一性的考虑高速公路下匝道与城市道路合流区和城市道路交叉口以及两者连接区域的车辆智能控制问题。
一种面向节油和驾驶舒适的基于车辆网的车辆轨迹优化方法，具体步骤是：
步骤1：车辆轨迹优化区域界定，需要界定的轨迹优化区域包括高速公路下匝道与城市道路合流区、下游城市道路交叉口以及两者连接区域；
步骤2：对步骤1的城市道路交叉口进行网格化，并设定轨迹优化区域内车辆控制规则；
步骤3：识别车辆到达顺序，根据步骤2的车辆控制规则，确定轨迹优化区域内车辆通行顺序以及离开时间；
步骤4：建立车辆轨迹优化模型，并根据步骤3确定出的车辆通行顺序进行车辆轨迹优化。
本发明的有益效果为：
本发明公开了一种面向节油和驾驶舒适的基于车辆网的车辆轨迹优化方法。该方法基于联网和自动驾驶车辆，对包含高速公路下匝道与城市道路合流区、下游城市道路交叉口以及两者连接区域的整个区域进行车辆轨迹优化区域界定，并对城市道路交叉口区域进行网格化，随后根据车辆控制规则确定车辆的通行顺序和离开时间，最后建立车辆轨迹优化模型，对车辆行驶轨迹进行优化，在确保车辆通行效率最大化的基础上，提高了车辆的燃油经济性和驾驶舒适性，为包含高速公路下匝道与城市道路合流区、下游城市道路交叉口以及两者连接区域的整个区域的车辆轨迹控制提供参考。
附图说明
图1为本发明所述的车辆轨迹优化总体流程图；
图2为本发明所述的区域划分示意图；
图3为本发明所述的城市交叉口网格化示意图。
具体实施方式
下面结合附图，对本发明的具体实施方法做进一步的详细描述。
一种面向节油和驾驶舒适的基于车辆网的车辆轨迹优化方法，包括以下步骤：
步骤1：车辆轨迹优化区域界定，如图2所示，需要界定的轨迹优化区域包括高速公路下匝道与城市道路合流区、下游城市道路交叉口以及两者连接区域；具体包括以下步骤：
步骤1.1：确定高速公路与城市道路合流处的车辆轨迹优化区域，具体包括控制区域和合流区两个区域；
步骤1.2：确定城市交叉口的车辆轨迹优化区域，具体包括控制区域和交织区两个区域；
步骤1.3：在步骤1.1对高速公路与城市道路合流处划分车辆轨迹优化区域以及步骤1.2对城市交叉口划分车辆轨迹优化区域的基础上，确定连接区域的车辆轨迹优化区域范围；
步骤1.4：确定车辆轨迹优化区域内各子区域尺寸；
以城市道路为双向两车道道路、高速公路下匝道为单向单车道道路为例， 高速公路与城市道路合流处以及城市交叉口的控制区域长度均为
Figure 917079DEST_PATH_IMAGE001
，交织区是边长为
Figure 741816DEST_PATH_IMAGE002
的正方形，则合流区是边长为
Figure 657819DEST_PATH_IMAGE003
的正方形，设定整个车辆轨迹优化区域总长度为
Figure 782246DEST_PATH_IMAGE004
，则连接区域的长度为
Figure 150910DEST_PATH_IMAGE005
；
步骤2：对步骤1的城市道路交叉口进行网格化，并设定车辆轨迹优化区域内车辆控制规则；
步骤2.1：如图3所示，对根据步骤1.2确定的城市交叉口交织区采用面积均匀等分策略进行网格化，则A、B、C、D均为边长为
Figure 248179DEST_PATH_IMAGE003
的正方形，由此，来自于交叉口不同方向的车辆可以同时进入交织区，行驶在不同的网格而不会产生冲突，可以减少交叉口处车辆的等待时间；
步骤2.2：设定每个区域车辆控制规则。具体的，
控制区域是车辆轨迹优化的主要区域，对该区域内的车辆运用轨迹优化模型，确定最佳行驶轨迹；
合流区是来自于城市道路以及高速公路下匝道车辆的合流区域，设定具有合流冲突的车辆不允许同时进入该区域，并且车辆在该区域内保持匀速行驶；
交织区是来自于交叉口不同方向车辆的交织通行区域，根据步骤2.1对该区域的网格化，设定该区域内只存在车辆的直行，并且车辆在该区域保持匀速行驶；
连接区域的作用是连接上游合流处与下游控制区域，设定该区域内车辆保持匀速行驶；
步骤3：识别车辆到达顺序，根据步骤2的车辆控制规则，确定轨迹优化区域内车辆通行顺序以及离开时间；
对车辆轨迹控制的首要目的是实现车辆通行效率的最大化，换句话说，就是在给定车辆到达的情况下，确保车辆通行时间的最小化。具体方法为：
步骤3.1：分析高速公路与城市道路合流处的车辆位置关系，确定车辆的通行顺序以及离开时间；
第一，以标号为i的车辆为研究对象，在控制区域内存在两种车辆位置关系：
位置关系一：标号为i的车辆与标号为i-1的车辆处于同一车道，这里，i-1车是i车的直接前车，这时，两辆车存在跟车行驶情况，需要满足如下的最小安全跟车时距要求：
Figure 221951DEST_PATH_IMAGE006
式中，
Figure 379263DEST_PATH_IMAGE007
为最小安全跟车时距；
位置关系二：标号为i的车辆与标号为i-1的车辆处于不同车道，并且在合流区具有合流冲突，这里，i-1车是前车，这时，两辆车需要满足如下的安全通行顺序要求：
Figure 235224DEST_PATH_IMAGE008
式中，
Figure 277129DEST_PATH_IMAGE009
为i车到达合流区时间；
Figure 964462DEST_PATH_IMAGE010
为i-1车到达合流区时间；
Figure 495938DEST_PATH_IMAGE011
为i-1车到达合流区的速度；
此外，当不存在与i车有上述两种位置关系的车时，i车可以自由行驶，需要满足如下最大行驶速度的限制：
Figure 776877DEST_PATH_IMAGE012
式中，
Figure 419211DEST_PATH_IMAGE013
为i车到达控制区的时间；
Figure 226630DEST_PATH_IMAGE014
为i车以最大速度通过控制区的时间；
第二，根据车辆到达顺序，结合上述车辆位置关系，设定高速公路与城市道路合流处车辆遵循先进先出的规则，从而可以确定车辆通行顺序以及离开时间；
步骤3.2：分析城市交叉口的车辆位置关系，确定车辆的通行顺序以及离开时间；
第一，以标号为i的车辆为研究对象，在控制区域内存在两种车辆位置关系：
位置关系一：标号为i的车辆与标号为i-1的车辆处于同一车道，这里，i-1车是i车的直接前车，这时，两辆车存在跟车行驶情况，需要满足如下的最小安全跟车时距要求：
Figure 929007DEST_PATH_IMAGE006
式中，
Figure 431664DEST_PATH_IMAGE007
为最小安全跟车时距；
位置关系二：标号为i的车辆与标号为i-1的车辆来自于不同方向，并且在交织区存在交叉冲突，这里，i-1车是前车，这时，两辆车需要满足如下的安全通行顺序要求：
Figure 940006DEST_PATH_IMAGE015
式中，
Figure 539614DEST_PATH_IMAGE016
为i车到达交织区时间；
Figure 350575DEST_PATH_IMAGE017
为i-1车到达交织区时间；
Figure 668424DEST_PATH_IMAGE018
为i-1车到达交织区的速度；
此外，当不存在与i车有上述两种位置关系的车时，i车可以自由行驶，需要满足如下最大行驶速度的限制：
Figure 980457DEST_PATH_IMAGE019
式中，
Figure 434572DEST_PATH_IMAGE020
为i车到达控制区的时间；
Figure 150855DEST_PATH_IMAGE014
为i车以最大速度通过控制区的时间；
第二，根据车辆到达顺序，结合上述车辆位置关系，依照步骤2.1对交织区的网格化，可以确定车辆通行顺序以及离开时间；
步骤3.3：根据步骤2.2对连接区域车辆控制规则的设定，车辆遵循先进先出的通行规则，车辆离开连接区域的时间为：
Figure 18317DEST_PATH_IMAGE021
式中，
Figure 806144DEST_PATH_IMAGE022
为i车到达连接区域的时间；
Figure 318028DEST_PATH_IMAGE023
为i车到达连接区域的速度；
步骤4：建立车辆轨迹优化模型，并根据步骤3确定出的车辆通行顺序进行车辆轨迹优化；
步骤4.1：构建高速公路与城市道路合流处的控制区域车辆轨迹优化模型，对该区域的车辆进行轨迹优化；
步骤4.1.1：构建控制区域最优控制模型，包括：
第一，构建系统状态方程：
Figure 533109DEST_PATH_IMAGE024
式中，
Figure 887867DEST_PATH_IMAGE025
分别表示i车在t时刻的位置、速度、加速度、急动度，通过三阶微分方程表示它们的关系，其中，急动度通常用来表示驾驶舒适性，加速度表示车辆的燃油消耗；
第二，构建系统性能指标：
Figure 213806DEST_PATH_IMAGE026
式中，
Figure 588986DEST_PATH_IMAGE027
，
Figure 240547DEST_PATH_IMAGE028
分别代表控制区域车辆加速度与急动度的权重，对两者进行归一化：令
Figure 551442DEST_PATH_IMAGE029
，则
Figure 618756DEST_PATH_IMAGE030
；
步骤4.1.2：利用Pontryagin极小值原理对模型求解；
第一，构建Hamiltonian方程：
Figure 167549DEST_PATH_IMAGE031
第二，求解该方程，获得无约束下的车辆轨迹优化解析式：
Figure 786749DEST_PATH_IMAGE032
Figure 788203DEST_PATH_IMAGE033
Figure 659207DEST_PATH_IMAGE034
Figure 62506DEST_PATH_IMAGE035
式中，
Figure 852608DEST_PATH_IMAGE036
都是未知参数，根据该系统的初末条件可以求知；
步骤4.1.3：车辆约束被激活时，对步骤4.1.2的轨迹优化方程进行调整。具体的，
第一，当速度下限被激活时，即根据步骤4.1.2的轨迹优化方程获得的车辆速度为负值时，将违反速度约束的车辆轨迹部分替换为车辆停车等待，进而，将通过求解步骤4.1.2的解析式获得的车辆轨迹划分为多个加速、停车、减速段，并对每个加速、减速分别运用步骤4.1的轨迹优化方法，如此反复，从而获得满足速度约束的车辆优化轨迹；
第二，车辆跟车约束被激活时，根据步骤4.1.2获得的车辆轨迹，假定
Figure 13462DEST_PATH_IMAGE037
违反了车辆跟车约束，取
Figure 484895DEST_PATH_IMAGE038
，分别对
Figure 805017DEST_PATH_IMAGE039
与
Figure 969283DEST_PATH_IMAGE040
时间段进行轨迹优化，并运用步骤4.1的轨迹优化方法，如此反复，从而获得满足跟车约束的车辆优化轨迹；
步骤4.1.4：根据步骤3.1设定的合流区车辆通行规则，结合步骤4.1.1-4.1.3求解的控制区域车辆轨迹优化结果，获得合流区车辆轨迹优化结果；
步骤4.2：根据步骤2.2确定的连接区域车辆控制规则，结合步骤4.1求解的高速公路与城市道路合流处车辆轨迹优化结果，获得连接区域车辆轨迹优化结果；
步骤4.3：构建城市交叉口的控制区域车辆轨迹优化模型，对该区域的车辆进行轨迹优化；
步骤4.3.1：构建控制区域最优控制模型，包括：
第一，构建系统状态方程：
Figure 883012DEST_PATH_IMAGE041
Figure 892556DEST_PATH_IMAGE042
第二，构建系统性能指标：
Figure 332765DEST_PATH_IMAGE043
式中，
Figure 402352DEST_PATH_IMAGE044
，
Figure 803377DEST_PATH_IMAGE045
分别代表控制区域车辆加速度与急动度的权重，对两者进行归一化：令
Figure 616613DEST_PATH_IMAGE046
，则
Figure 645749DEST_PATH_IMAGE047
；
步骤4.3.2：利用Pontryagin极小值原理对模型求解。根据步骤4.1.2求解方法，获得如下城市交叉口控制区域车辆轨迹优化解析式：
Figure 89499DEST_PATH_IMAGE048
Figure 774559DEST_PATH_IMAGE049
Figure 453802DEST_PATH_IMAGE050
Figure 540706DEST_PATH_IMAGE051
式中，
Figure 155358DEST_PATH_IMAGE052
都是未知参数，根据该系统的初末条件可以求知；
步骤4.3.3：车辆约束被激活时，根据步骤4.1.3优化方法，获得车辆速度下限约束和跟车约束分别被激活时，对步骤4.3.2求解的车辆轨迹结果的优化；
步骤4.4：进行滚动优化，输出每辆车辆的优化轨迹。

Claims (1)

1.一种面向节油和驾驶舒适的基于车辆网的车辆轨迹优化方法，其特征在于，通过以下步骤实现：
步骤1：车辆轨迹优化区域界定，需要界定的轨迹优化区域包括高速公路下匝道与城市道路合流区、下游城市道路交叉口以及两者连接区域；
步骤2：对步骤1的城市道路交叉口进行网格化，并设定轨迹优化区域内车辆控制规则；
步骤3：识别车辆到达顺序，根据步骤2的车辆控制规则，确定轨迹优化区域内车辆通行顺序以及离开时间，确定思路为：
对车辆轨迹控制的首要目的是实现车辆通行效率的最大化，换句话说，就是在给定车辆到达的情况下，确保车辆通行时间的最小化； 具体方法为：
步骤3.1：分析高速公路与城市道路合流处的车辆位置关系，确定车辆的通行顺序以及离开时间；
第一，以标号为i的车辆为研究对象，在控制区域内存在两种车辆位置关系：
位置关系一：标号为i的车辆与标号为i-1的车辆处于同一车道，这里，i-1车是i车的直接前车，这时，两辆车存在跟车行驶情况，需要满足如下公式的最小安全跟车时距要求：
ti-ti-1≥Δi
式中，Δi为最小安全跟车时距；
位置关系二：标号为i的车辆与标号为i-1的车辆处于不同车道，并且在合流区具有合流冲突，这里，i-1车是前车，这时，两辆车需要满足如下公式的安全通行顺序要求：
Figure FDA0003677910020000011
式中，
Figure FDA0003677910020000012
为i车到达合流区时间；
Figure FDA0003677910020000013
为i-1车到达合流区时间；
Figure FDA0003677910020000014
为i-1车到达合流区的速度；DI为交织区边长；
此外，当不存在与i车有上述两种位置关系的车时，i车可以自由行驶，需要满足如下公式的最大行驶速度限制：
Figure FDA0003677910020000021
式中，
Figure FDA0003677910020000022
为i车到达控制区的时间；
Figure FDA0003677910020000023
为i车以最大速度通过控制区的时间；
第二，根据车辆到达顺序，结合上述车辆位置关系，设定高速公路与城市道路合流处车辆遵循先进先出的规则，从而可以确定车辆通行顺序以及离开时间；
步骤3.2：分析城市交叉口的车辆位置关系，确定车辆的通行顺序以及离开时间；
第一，以标号为i的车辆为研究对象，在控制区域内存在两种车辆位置关系：
位置关系一：标号为i的车辆与标号为i-1的车辆处于同一车道，这里，i-1车是i车的直接前车，这时，两辆车存在跟车行驶情况，需要满足如下公式的最小安全跟车时距要求：
ti-ti-1≥Δi
式中，Δi为最小安全跟车时距；
位置关系二：标号为i的车辆与标号为i-1的车辆来自于不同方向，并且在交织区存在交叉冲突，这里，i-1车是前车，这时，两辆车需要满足如下公式的安全通行顺序要求：
Figure FDA0003677910020000024
式中，
Figure FDA0003677910020000025
为i车到达交织区时间；
Figure FDA0003677910020000026
为i-1车到达交织区时间；
Figure FDA0003677910020000027
为i-1车到达交织区的速度；
此外，当不存在与i车有上述两种位置关系的车时，i车可以自由行驶，需要满足如下公式的最大行驶速度限制：
Figure FDA0003677910020000028
式中，
Figure FDA0003677910020000029
为i车到达控制区的时间；
Figure FDA00036779100200000210
为i车以最大速度通过控制区的时间；
第二，根据车辆到达顺序，结合上述车辆位置关系，确定车辆通行顺序以及离开时间；
步骤3.3：连接区域车辆遵循先进先出的通行规则，车辆离开连接区域的时间为：
Figure FDA0003677910020000031
式中，
Figure FDA0003677910020000032
为i车到达连接区域的时间；
Figure FDA0003677910020000033
为i车到达连接区域的速度；DU为连接区域长度；
步骤4：建立车辆轨迹优化模型，并根据步骤3确定出的车辆通行顺序进行车辆轨迹优化，具体方法为：
步骤4.1：构建高速公路与城市道路合流处的控制区域车辆轨迹优化模型，对该区域的车辆进行轨迹优化；
步骤4.1.1：构建控制区域最优控制模型，包括：
第一，构建系统状态方程：
Figure FDA0003677910020000034
式中，di(t)、vi(t)、ai(t)、ji(t)分别表示i车在t时刻的位置、速度、加速度、急动度，通过三阶微分方程表示它们的关系，其中，急动度通常用来表示驾驶舒适性，加速度表示车辆的燃油消耗；
第二，构建系统性能指标：
Figure FDA0003677910020000035
式中，
Figure FDA0003677910020000036
为i车到达控制区的时间；
Figure FDA0003677910020000037
为i车到达合流区时间；w1，w2分别代表控制区域车辆加速度与急动度的权重，对两者进行归一化：令w2＝1，则
Figure FDA0003677910020000038
步骤4.1.2：利用Pontryagin极小值原理对模型求解；
第一，构建Hamiltonian方程：
Figure FDA0003677910020000041
式中，
Figure FDA0003677910020000042
为i车对于位置的协态因子；
Figure FDA0003677910020000043
为i车对于速度的协态因子；
Figure FDA0003677910020000044
为i车对于加速度的协态因子；
第二，求解该方程，获得无约束下的车辆轨迹优化解析式：
Figure FDA0003677910020000045
Figure FDA0003677910020000046
Figure FDA0003677910020000047
Figure FDA0003677910020000048
式中，b1,b2,b3,b4,b5,b6都是未知参数，根据该系统的初末条件可以求知；
步骤4.1.3：车辆约束被激活时，对步骤4.1.2的轨迹优化方程进行调整； 具体的，
第一，当速度下限被激活时，即根据步骤4.1.2的轨迹优化方程获得的车辆速度为负值时，将违反速度约束的车辆轨迹部分替换为车辆停车等待，进而，将通过求解步骤4.1.2的解析式获得的车辆轨迹划分为多个加速、停车、减速段，并对每个加速、减速分别运用步骤4.1的轨迹优化方法，如此反复，从而获得满足速度约束的车辆优化轨迹；
第二，车辆跟车约束被激活时，根据步骤4.1.2获得的车辆轨迹，假定
Figure FDA0003677910020000049
违反了车辆跟车约束，其中
Figure FDA00036779100200000410
为车辆违反跟车约束的开始时刻，
Figure FDA00036779100200000411
是车辆违反跟车约束的结束时刻，取
Figure FDA00036779100200000412
分别对
Figure FDA00036779100200000413
与
Figure FDA00036779100200000414
时间段进行轨迹优化，并运用步骤4.1的轨迹优化方法，如此反复，从而获得满足跟车约束的车辆优化轨迹；
步骤4.1.4：根据合流区车辆通行规则，结合步骤4.1.1-4.1.3求解的控制区域车辆轨迹优化结果，获得合流区车辆轨迹优化结果；
步骤4.2：根据连接区域车辆控制规则，结合步骤4.1求解的高速公路与城市道路合流处车辆轨迹优化结果，获得连接区域车辆轨迹优化结果；
步骤4.3：构建城市交叉口的控制区域车辆轨迹优化模型，对该区域的车辆进行轨迹优化；
步骤4.3.1：构建控制区域最优控制模型，包括：
第一，构建系统状态方程：
Figure FDA0003677910020000051
式中，DC为控制区域长度；DU为连接区域长度；DI为交织区边长；
第二，构建系统性能指标：
Figure FDA0003677910020000052
式中，
Figure FDA0003677910020000053
为i车到达控制区的时间；
Figure FDA0003677910020000054
为i车到达交织区的时间；w3，w4分别代表控制区域车辆加速度与急动度的权重，对两者进行归一化：令w4＝1，则
Figure FDA0003677910020000055
步骤4.3.2：利用Pontryagin极小值原理对模型求解； 根据步骤4.1.2求解方法，获得如下城市交叉口控制区域车辆轨迹优化解析式：
Figure FDA0003677910020000056
Figure FDA0003677910020000057
Figure FDA0003677910020000058
Figure FDA0003677910020000061
式中，c1,c2,c3,c4,c5,c6都是未知参数，根据该系统的初末条件可以求知；
步骤4.3.3：车辆约束被激活时，根据步骤4.1.3优化方法，获得车辆速度下限约束和跟车约束分别被激活时，对步骤4.3.2求解的车辆轨迹结果的优化；
步骤4.4：进行滚动优化，输出每辆车辆的优化轨迹。
CN202010901580.7A 2020-08-31 2020-08-31 面向节油和驾驶舒适的基于车辆网的车辆轨迹优化方法 Active CN111968377B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010901580.7A CN111968377B (zh) 2020-08-31 2020-08-31 面向节油和驾驶舒适的基于车辆网的车辆轨迹优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010901580.7A CN111968377B (zh) 2020-08-31 2020-08-31 面向节油和驾驶舒适的基于车辆网的车辆轨迹优化方法

Publications (2)

Publication Number Publication Date
CN111968377A CN111968377A (zh) 2020-11-20
CN111968377B true CN111968377B (zh) 2022-07-15

Family

ID=73400797

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010901580.7A Active CN111968377B (zh) 2020-08-31 2020-08-31 面向节油和驾驶舒适的基于车辆网的车辆轨迹优化方法

Country Status (1)

Country Link
CN (1) CN111968377B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112762952B (zh) * 2020-12-24 2021-09-28 西南交通大学 一种行驶轨迹的优化方法、装置、设备及可读存储介质
CN112750318B (zh) * 2020-12-30 2022-07-05 山东高速信息集团有限公司 一种基于边缘云的匝道合流控制方法及系统
CN113011634B (zh) * 2021-02-09 2024-03-22 北京工业大学 一种基于分布式最优控制的智能网联车匝道合并方法
CN112820125B (zh) * 2021-03-24 2023-01-17 苏州大学 车辆混行情况的智能网联车辆的通行引导方法及引导系统
CN113077644B (zh) * 2021-03-24 2022-05-27 中车青岛四方机车车辆股份有限公司 一种交叉口车辆通行控制方法及系统
CN114446065B (zh) * 2022-02-25 2023-03-31 西南交通大学 一种车辆行驶轨迹优化方法、装置、设备及可读存储介质
CN115131965B (zh) * 2022-06-23 2023-07-07 重庆长安汽车股份有限公司 车辆控制方法、装置、系统、电子设备及存储介质
CN115376335B (zh) * 2022-10-25 2023-01-31 创辉达设计股份有限公司 一种城市道路交织区多目标优化控制方法及装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104778851A (zh) * 2015-02-16 2015-07-15 北京交通大学 一种基于行驶轨迹的生态驾驶优化方法和系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7755510B2 (en) * 2007-01-22 2010-07-13 Mergex Traffic Systems Corporation Intelligent system for managing vehicular traffic flow
KR101407401B1 (ko) * 2012-06-29 2014-06-17 서울대학교산학협력단 주행정보를 이용한 하이브리드 차량의 동력 제어 방법 및 시스템
CN105741585B (zh) * 2016-04-25 2018-08-28 哈尔滨工业大学 面向节油的基于车联网的车辆轨迹平滑控制方法
CN106601002B (zh) * 2016-11-23 2019-06-07 苏州大学 车联网环境下的入口匝道车辆通行引导系统及其引导方法
CN107067710B (zh) * 2017-04-21 2019-11-29 同济大学 一种考虑节能的城市公交车运行轨迹优化方法
CN111477016A (zh) * 2019-01-24 2020-07-31 阿里巴巴集团控股有限公司 快速路匝道信号控制方法、装置和系统
CN110120151A (zh) * 2019-04-24 2019-08-13 华南理工大学 一种高速公路入口匝道合流区车辆冲突概率预测方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104778851A (zh) * 2015-02-16 2015-07-15 北京交通大学 一种基于行驶轨迹的生态驾驶优化方法和系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
信号交叉口网联自动驾驶车辆时空轨迹优化控制系统;姜慧夫等;《科学技术与工程》;20180718(第20期);第167-173页 *
混入智能车的下匝道瓶颈路段交通流建模与仿真分析;董长印等;《物理学报》;20180630;第67卷(第14期);第1-14页 *

Also Published As

Publication number Publication date
CN111968377A (zh) 2020-11-20

Similar Documents

Publication Publication Date Title
CN111968377B (zh) 面向节油和驾驶舒适的基于车辆网的车辆轨迹优化方法
CN108877268B (zh) 一种面向无人驾驶的无红绿灯十字路口智能调度方法
Yao et al. Reducing gasoline consumption in mixed connected automated vehicles environment: A joint optimization framework for traffic signals and vehicle trajectory
CN108564234B (zh) 一种智能网联汽车的交叉口无信号自组织通行控制方法
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
CN108986488B (zh) 一种车车通信环境下匝道汇入协同轨迹确定方法及设备
CN102360532B (zh) 路口交通信号控制系统及其控制方法
CN103996289B (zh) 一种流量-速度匹配模型及行程时间预测方法及系统
CN112258875B (zh) 基于车路协同与自动驾驶的交叉口智能管控方法
CN109584539A (zh) 一种高饱和度路段上下游交叉口间相位差优化方法
CN101308604B (zh) 大范围战略交通协调控制方法
CN105788301B (zh) 借道左转交叉口预停车线及预信号设置方法
CN108986509B (zh) 一种基于车路协同的城市区域路径实时规划方法
CN113781806A (zh) 一种用于智能网联环境下的混合交通流通行方法
CN112233413B (zh) 一种面向智能网联车辆的多车道时空轨迹优化方法
CN108281026A (zh) 一种自动驾驶环境下交叉路口无信号灯车辆调度方法
CN108399740A (zh) 一种信号控制交叉口机动车冲突概率预测方法
CN106355905B (zh) 一种基于卡口数据的高架信号控制方法
CN103824446A (zh) 一种子区多交叉口群决策控制方法
Yu et al. An eco-driving strategy for partially connected automated vehicles at a signalized intersection
CN104464311A (zh) 一种城市道路路口信号协调控制的优化方法
CN1207693C (zh) 基于元胞自动机的城市交通信号自组织控制方法
CN109523808A (zh) 一种移位左转交叉口的渠化优化方法
Jiang et al. A two-level model for traffic signal timing and trajectories planning of multiple CAVs in a random environment
CN112309120A (zh) 一种最佳进口车道选择的自动驾驶交叉口交通控制方法

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