CN113012448A - 一种解决路口交通拥堵的汽车配发编队智能驾驶系统 - Google Patents

一种解决路口交通拥堵的汽车配发编队智能驾驶系统 Download PDF

Info

Publication number
CN113012448A
CN113012448A CN202110184358.4A CN202110184358A CN113012448A CN 113012448 A CN113012448 A CN 113012448A CN 202110184358 A CN202110184358 A CN 202110184358A CN 113012448 A CN113012448 A CN 113012448A
Authority
CN
China
Prior art keywords
vehicle
information
distribution
networking
fleet
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
CN202110184358.4A
Other languages
English (en)
Other versions
CN113012448B (zh
Inventor
李骏
黄朝胜
张新钰
谭启凡
黄毅
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.)
Tsinghua University
Original Assignee
Tsinghua 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 Tsinghua University filed Critical Tsinghua University
Priority to CN202110184358.4A priority Critical patent/CN113012448B/zh
Publication of CN113012448A publication Critical patent/CN113012448A/zh
Application granted granted Critical
Publication of CN113012448B publication Critical patent/CN113012448B/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
    • G08G1/07—Controlling traffic signals
    • G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
    • 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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G08G1/081—Plural intersections under common control
    • G08G1/082—Controlling the time between beginning of the same phase of a cycle at adjacent intersections
    • 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
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096791—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is another vehicle
    • 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
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种解决路口交通拥堵的汽车配发编队智能驾驶系统，包括：车端系统和路侧系统；路侧系统用于根据当前以及上一个红绿灯路口的路口车流量信息，自适应调整下一红绿灯时间；接收来自车端系统的车辆自身特征信息和运动状态，根据这些信息和下一红绿灯时间计算配发车队的每个车辆的组网配发指令信息，向这些车辆下发配发组网指令信息；车端系统包括设置在无人驾驶汽车上的智能配发编队自动驾驶子系统和设置在有人驾驶汽车上的智能配发编队辅助驾驶子系统；智能配发编队自动驾驶子系统用于发送车辆自身特征信息和运动状态到路侧系统，接收并执行路侧系统的配发组网指令信息并进行组网，生成自动驾驶的控制指令。

Description

一种解决路口交通拥堵的汽车配发编队智能驾驶系统
技术领域
本发明涉及智能驾驶领域，具体涉及一种解决路口交通拥堵的汽车配发编队智能驾驶系统。
背景技术
随着先进无线通信技术和新一代互联网等技术的发展，全方位实施车车、车路动态实时信息交互，并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理，充分实现人车路的有效协同，保证交通安全，提高通行效率，从而形成的安全、高效和环保的道路交通系统成为可能。有效的车车协同与车路协同可以极大地提高通行效率，尤其是在路口已经发生交通拥堵的场景下，通过车辆与路侧设备交互实现全局优化调度并协同通过路口成为快速解决拥堵的高效方法。然而，路口处的车路协同驾驶目前仍然存在很多问题。首先，协同系统是一个复杂的混成动态系统，但针对其混成动态特性的研究展现尚不完善。当前，有关智能车辆控制还主要集中在对单一车辆或单一车队的控制中，即主要开展单一类型的车辆或车队的控制方法及其稳定性分析，且没有针对路口拥堵环境的车队协同配发方法或系统的尝试。其次，当前对多车协作机制的方法尚未建立有效的多车协同控制模型。多车协同驾驶的特点主要体现在“协同”上，这就需要针对多车协同驾驶涉及的车辆离散状态进行深入研究，并采用合理的方式对这些离散状态进行分类、表达。同时，还需要一套有效的协作状态切换策略，实现多车协同驾驶系统中的多车协作状态切换控制，最终实现路侧系统配发的功能。最后，当前的多车协同并未涉及决策支持下的智能化行为选择，以及在路侧决策支持系统下的信号灯时间冗余调整策略。如协同驾驶的车队尾端车辆不能按时在绿灯结束前通过路口截止线的情况下，信号灯时间在一定程度上的灵活调整。协同控制作为协同驾驶的基础而被研究与实现，而车车协同控制下与路侧设备的协同驾驶的协作策略是能在够在现实场景中实际使用的关键，在这点上目前并没有太多相关的案例。
发明内容
本发明的目的是建立一个专门解决路口场景下车流量过大且出现交通拥堵问题的车路协同调度管理系统，利用路侧全局优化能力制定配发通行方案，通过车路通讯实现了车路信息交互与路侧决策配发指令传达，通过车车通讯实现了协同驾驶信息共享和按需组网，有效解决路口处拥堵有序疏通与通行提效问题。
为实现上述目的，本发明提出了一种解决路口交通拥堵的汽车配发编队智能驾驶系统，所述系统包括：路侧系统和车端系统；所述车端系统包括设置在无人驾驶汽车上的智能配发编队自动驾驶子系统，以及设置在有人驾驶汽车上的智能配发编队辅助驾驶子系统；
所述路侧系统，用于根据当前以及上一个红绿灯路口的路口车流量信息，自适应调整下一红绿灯时间；接收来自车端系统的车辆自身特征信息和运动状态，根据这些信息和下一红绿灯时间计算配发车队的每个车辆的组网配发指令信息，向这些车辆下发配发组网指令信息；还用于在当前路口配发车队通行的过程中，当配发车队不能够在黄灯结束前通过路口，动态调节黄灯时间长度，以使配发车队在该红绿灯周期内通过路口；
所述智能配发编队自动驾驶子系统，用于发送车辆自身特征信息和运动状态到路侧系统，用于接收并执行路侧系统的配发组网指令信息并进行组网，组网后接收配发车队内其它车辆的信息，基于配发组网指令信息、其它车辆的信息和自身感知的信息，生成自动驾驶的控制指令；
所述智能配发编队辅助驾驶子系统，用于发送车辆自身特征信息和运动状态到路侧系统；用于接收并执行路侧系统的配发组网指令信息并进行组网，为有驾驶员驾驶车辆提供智能协同辅助驾驶服务。
作为上述系统的一种改进，所述智能配发编队自动驾驶子系统包括第一通讯模块、感知模块和计算处理模块；
所述第一通讯模块，用于接收路侧系统发送的组网配发指令信息以及配发车队内交互信息，将组网配发指令信息中的配发车队信息、角色信息，路口通行时间信息，参考速度和信息参考路径信息发送给计算处理模块，将配发车队内其它车辆的信息发送给计算处理模块；还用于将车辆自身特征信息和运动状态发送到路侧系统和配发车队的其它车辆；
所述感知模块，用于感知车辆周围各种环境信息，将自身感知的信息发送至计算处理模块；
所述计算处理模块，用于对路侧配发组网指令信息、车队内其他车辆信息、以及自身感知信息进行处理，进行编队组网加入配发车队，生成自动驾驶的控制指令并发送至底层执行器。
作为上述系统的一种改进，所述第一通讯模块包括路侧V2I通讯子模块和V2V通讯子模块；
所述路侧V2I通讯子模块，用于向路侧系统上传车辆自身特征信息、运动状态以及自身行驶意图；并接收从路侧系统发送的组网配发指令信息；
所述V2V通讯子模块，用于为在组网后与配发车队中其它车辆建立信息交互，实现配发车队内部的信息共享；该信息包括：组网编号以及各个车辆自身特征信息和运动状态。
作为上述系统的一种改进，所述智能配发编队辅助驾驶子系统12包括第二通讯模块，辅助驾驶计算模块和人机交互模块；
第二通讯模块，用于接收路侧系统发送的组网配发指令信息以及配发车队内交互信息，将组网配发指令信息中的配发车队信息、角色信息，路口通行时间信息，参考速度和信息参考路径信息发送给辅助驾驶计算模块，将配发车队内其它车辆的信息发送给辅助驾驶计算模块；还用于将车辆自身特征信息和运动状态发送到路侧系统和配发车队内的其它车辆；
所述辅助驾驶计算模块，用于基于组网配发指令信息和车队内其他车辆信息，为驾驶员提供推荐车道、推荐速度和推荐操纵辅助驾驶信息；
所述的人机交互模块，将人机交互功能展示区域进行可视化，用于显示包括组网配发指令信息，推荐速度信息，辅助驾驶进度条信息，车距信息，配发车队信息以及车辆自身运动信息；为驾驶员提供在车队中行驶的辅助驾驶信息，帮助有驾驶员车辆能够跟上前方车辆并保持车队运动的一致性。辅助驾驶进度条功能是根据当前自身速度与车队中的前车速度、头车速度计算出的动力学方程加速度结果ai，线性对应得到当前进度条位置。辅助驾驶进度条功能上端为刹车减速区域，下端为油门加速区域，中部为最佳行驶进度区域，当进度条处于最佳行驶进度区域时，车辆能够实现良好的跟随协同驾驶状态，当进度条脱离这一区域，便提示驾驶员采取刹车或增加油门等操作以实现良好的协同状态。人机交互功能展示区域还包括当前的推荐车辆速度显示功能，当前时刻车辆在车队中的位置提示功能，路侧组网配发指令状态显示功能，当前车辆行驶状态显示功能，决策支持结果与辅助驾驶建议显示功能。
作为上述系统的一种改进，所述第二通讯模块包括路侧V2I通讯子模块和V2V通讯子模块；
所述路侧V2I通讯子模块，用于向路侧系统上传车辆自身特征信息、运动状态以及自身行驶意图；并接收从路侧系统发送的组网配发指令信息；
所述V2V通讯子模块，用于为在组网后与配发车队中其它车辆建立信息交互，实现配发车队内部的信息共享；该信息包括：组网编号以及各个车辆自身特征信息和运动状态。
作为上述系统的一种改进，所述路侧系统包括，路侧感知模块，路侧配发命令计算模块和路侧无线通讯模块；
所述路侧感知模块，用于对车辆进行定位；
所述路侧配发命令计算模块，用于根据当前以及上一个红绿灯路口的路口车流量信息，计算下一个红绿灯时间；用于根据每个车辆自身特征信息和运动状态和下一红绿灯时间，计算配发车队的每个车辆的组网配发指令信息，发送至路侧无线通讯模块；还用于在当前路口配发车队通行的过程中，当配发车队不能够在黄灯结束前通过路口，动态调节黄灯时间长度，以使配发车队在该红绿灯周期内通过路口；
所述路侧无线通讯模块，用于接收车端系统发送的车辆自身特征信息和运动状态，发送至路侧配发命令计算模块，还用于向每个车端系统下发组网配发指令。
作为上述系统的一种改进，根据每个车辆自身特征信息和运动状态和下一红绿灯时间，计算配发车队的每个车辆的组网配发指令信息，具体包括：
基于每辆车的运动状态，按照协同驾驶的跟车模型进行仿真，预测能够在下一个绿灯停止前通过路口的最大车辆数以及具体车辆的相关信息，从而确定配发车队的所有车辆及其相关信息；
为配发车队的每个车辆生成配发组网指令，包括：配发车队信息、角色信息，路口通行时间信息，参考速度和信息参考路径信息。
作为上述系统的一种改进，所述协同驾驶的跟车模型为：
配发车队内第i辆车的位置，速度，加速度分别为：xi,vi,ai，1≤i≤N，N为配发车队的车辆的总数；头车的位置，速度，加速度分别为x0,v0,a0；
当车辆只受到前车和车队头车的影响，并且能够获取到自身在组网车队中的位置，则其动力学方程为：
Figure BDA0002942409920000041
其中，k和λ均为敏感系数；
Figure BDA0002942409920000042
为第i辆车对于头车加速度的敏感系数，V′(～)表示为在配发车队中的头车加速度与第i辆车加速度存在差异时的期望最佳速度，V(Δxi)表示最优速度函数，具体表示为：
V(Δxi)＝V1+V2tanh(C1(Δxi-lc)-C2)
其中，V1、V2、C1和C2为车辆相关常数，lc为车辆长度；Δxi为第i辆车与前车的位置差；Δvi为第i辆车与前车的速度差。
作为上述系统的一种改进，所述为有驾驶员驾驶车辆提供智能协同辅助驾驶服务，具体为：根据该车辆当前速度、红绿灯时间、以及与路口截止线的距离综合判断能否通过路口，并为有驾驶员车辆提供辅助决策支持。
本发明的技术优势在于：
1、本发明的系统结合V2V与V2I的通讯优势，为智慧交通和智能驾驶提供了通讯交互的基础，提供了车路协同驾驶的信息共享、集中管理、分布执行的平台；此外该系统充分发挥了路侧的强大计算能力，为智能驾驶车辆提供更精确更可靠的感知能力、路况数据支持和辅助决策；
2、本发明的系统通过协同驾驶的路侧引导，极大地缓解了车辆在路口处堆集形成拥堵的问题，能够在短时间内解决路口出现拥堵后的有序疏通问题，提高路口通行车流量且降低了路口交通流的管理成本；
3、本发明的系统同时考虑了无人驾驶车辆与有驾驶员车辆，通过推荐信息解释与发布的方式使车路和车车协同驾驶不仅仅局限于无人系统中，加强了协同驾驶系统应用的普适性，也为有人系统的无人化过程做了长期过渡时期的冗余考虑。
附图说明
图1为本发明的解决路口交通拥堵的汽车配发编队智能驾驶系统的示意图；
图2为本发明的车端系统人机交互模块的功能区域展示图；
图3为本发明的路侧系统的业务流程图；
图4为本发明的车端系统的业务流程图；
图5为决策支持系统的sp1到spM的子进程序列的示意图。
图中标号：1、车端系统，11、自动驾驶子系统，111、第一通讯模块，112、计算处理模块，113、感知模块，12、辅助驾驶子系统，121、第二通讯模块，122、计算处理模块，123、人机交互模块，2、路侧系统，21、路侧感知模块，22、路侧配发命令计算模块，23、路侧无线通讯模块，3、人机交互模块功能展示区域，31、辅助驾驶进度条功能，311、刹车减速区域，312、最佳行驶进度区域，313、油门加速区域，32、推荐车辆速度功能，33、车辆在车队中的位置提示功能，34、路侧配发组网命令显示功能，35、当前车辆行驶状态显示功能，36、决策支持结果与辅助驾驶建议显示功能，41、任务执行：接收路口处所有车辆车端系统信息，42、任务执行：优化下一信号灯周期内的时间分配，43、任务执行：预测配发车队数量并下发配发指令，44、任务判断：当前车辆是否能够在预定时间内通过截止线，45、任务执行：动态调整黄灯时间，46、任务执行：当前车队安全通过路口，51、任务执行：车辆进入路侧系统服务范围，52、任务执行：车端系统发送自身信息到路侧系统，53、任务执行：接受路侧系统指令，54、任务判断：路侧指令是否要求组网配发，55、任务执行：与其他车辆组网形成车队通过路口。
具体实施方式
下面结合附图对本发明的技术方案进行详细说明。
场景定义：
一般来说，路口会有多种的红绿灯规则，此处仅考虑有左转待转区，单个方向左转直行不同步，右转可自由通行，且存在车辆调头。
规则描述：
首先考虑在路口一端，左转直行均为红灯，随后直行绿灯首先亮起，直行车辆通行，左转车辆进入待转区，处于路口前列的调头车辆直接选择调头的场景。随后直行绿灯熄灭，左转绿灯亮起，另一部分调头车辆在左转道选择直接调头。结束开启另一方向绿灯。重复上述环节并循环。红灯绿灯之间都有黄灯穿插，且黄灯的时间为确定值。
路端红绿灯时间定义：
黄灯时间确定为一个动态变化时间，直行绿灯的时间根据上一个红灯结束时的当前路口车流情况设定，且一旦设定则在一个红绿灯间隔内不能更改。
如图1所示，本发明提出了一种解决路口交通拥堵的汽车配发编队智能驾驶系统，该系统包括两个子系统：路侧系统2和车端系统1。其中路侧系统2包括：路侧感知模块21、路侧配发命令计算模块22、路侧无线通讯模块23。所述路侧感知模块21，为通过路口的车辆提供高精度差分定位服务；所述路侧配发命令计算模块22，根据车队的当前运动信息预测车队通行过截止线时间，并动态计算最佳信号灯时间；路侧无线通讯模块23，用于无线信号的接收与发送。其中车端系统1包括自动驾驶子系统11和辅助驾驶子系统12，分别对应于不同的车辆。自动驾驶子系统11对应于自动驾驶车辆，其中包括通讯模块111、感知模块113、计算处理模块112；其中通讯模块111又分为V2V通讯子模块和V2I通讯子模块，V2V通讯子模块用于组网车队内部无线通讯信号的接收与发送，共享车队内部各个车辆运动信息，V2I子模块用于车辆与路侧设备的交互通讯，上传车辆任务信息与实时运动信息，接收路侧配发组网指令；其中感知模块113包扩具有车辆感知能力的各类型传感器，具体包括定位设备GPS与惯性导航单元IMU，为车辆提供定位能力，另外还包括车载相机、超声波雷达、毫米波雷达，为车辆提供环境感知能力；其中计算处理模块112为自动驾驶车载计算机，用于处理来自感知模块113的传感器数据和自动驾驶的各种决策信号并生成控制指令给底层控制器，实现对车辆的控制。辅助驾驶子系统12对应于有驾驶员车辆，其中包括通讯模块121、辅助驾驶计算模块122、人机交互模块123；其中通讯模块121具备与自动驾驶子系统11中通讯模块111相同的功能；辅助驾驶计算模块122，用于对路侧命令进行规划和计算，形成驾驶员可解读的信息，传递给人机交互模块123；如图2所示，人机交互模块123包括人机交互可视化界面，用于为驾驶员呈现辅助驾驶命令或推荐指令信息，呈现内容包括车辆在车队中的角色信息、车辆当前运动信息、车队当前信息、推荐路径、推荐行驶进度条等。
第i辆车的动力学模型为：
非线性输入仿射微分方程为：
Figure BDA0002942409920000071
其中，动力学非线性函数fi(vi,ai)和动力学非线性函数gi(vi)定义为：
Figure BDA0002942409920000072
Figure BDA0002942409920000073
其中，σ表示特定的空气密度，φi表示第i辆车的横截面积，cdi表示阻力系数，mi表示第i辆车的质量，dmi表示机械阻力，τi表示发动机时间常数，
Figure BDA0002942409920000074
表示空气阻力；
bi是第i辆车的引擎输入：
Figure BDA0002942409920000076
其中，ui为设计的参数：
Figure BDA0002942409920000075
作为该发明所对应的智能驾驶方法，主要分为三种：智能自动配发方法、组网协同驾驶方法、信号灯调节方法。
如图3所示，方法一：智能自动配发方法，主要实施主体为路侧系统2。路侧系统2执行接收路口处所有车辆车端系统信息41，通过对路口处车辆的信息的掌握，优化下一信号灯周期内的时间分配42，根据信号灯时间以及车辆运动学信息，预测一个信号灯周期时间内能够通过路口截止线的车辆数，并发送该指令到具体车辆并要求其组队准备通过路口43，除出现特殊情况外(如车队中出现故障单只车队分离)，通过监控车队是否能够通过路口44，动态调节动态黄灯时间45使组队车辆能够在该信号灯周期内通过路口46。
如图4所示，方法二：组网协同驾驶方法，主要实施主体为车端系统1。车辆进入路侧系统2的服务范围51，车端系统1对路侧系统2进行自身信息上传52，并接收路侧系统2给出的指令信号53，按照路口系统2的指令要求组网配发54，与附近的车辆进行V2V信息交互，确认同属一个车队后进行编队信息共享，形成车队通过路口55。处于车队中的车辆执行跟车模型，其期望速度不仅仅受前方车辆的影响，也受到车队中其他车辆的影响，体现出速度加速度串联效果，一同起步一同加速一同停止。
方法三：信号灯调节方法，主要实施主体为路侧系统2。路侧系统2实时对车队运动状态以及是否能够在预定时间内通过截止线进行预测与评估44，获取车队预期通过路口截止线时间，动态调整信号灯的黄灯时间长度45，保障一个编队车队能够顺利安全通过路口46。
在整个系统的信息流传递中，位于路口处的异质车辆配备的车端系统1之间通过V2V通讯进行信息交互，共同维护一张车队信息表，记录同一组网车队中每辆车的特征状态和实时运动信息，实现车队内部的信息共享。每辆汽车均通过V2I通讯与路侧系统2进行交互，上传车队动态信息表，并接收来自路侧系统2的路口信息、路侧辅助局部感知定位信息、推荐行驶路径以及组网编队指令。
辅助驾驶子系统12中利用决策支持功能为驾驶员提供是否加速通过的行为决策辅助信息。依据图5所示二值选择集使用概率序列决策方法获取决策结果，解决在路口不确定区域内加速安全通过路口或减速等待的行为决策，并通过人机交互模块功能展示区域3展现。
该决策支持功能的设计如下：
决策支持模型本质上是二值选择集{stop,go}上的决策过程，即在停车线前决定车辆停车或通过十字路口。使用概率序列决策过程(PS-DMP)作为实现DSM的基本框架。PSDMP包含一个有序的子进程列表，即[sp1,…,spi…,spM]，其中，每个子流程sp都具有一个元组(决策，规则，概率)。每个决策规则(R)都被选择在概率中运行，它要么在选择集中选择一个选项，要么返回空值null。
PS-DMP运行从sp1到spM的子进程序列。对于每个sp，它的决策规则实例与相关的概率一起执行。假设当前的子进程是spi，如果当前spi返回选择集中一个有效的选择，则整个进程终止。否则，进程继续执行下一个子进程spi+1。如果最终的决策规则仍然返回null，则可以在PS-DMP的末尾指定默认输出。PS-DMP的最终输出是二值选择集{stop,go}中的一个决策，作为传统二元决策过程的输出。如图5所示。
决策规则：
基于清除距离的规则：
Figure BDA0002942409920000091
其中Xrem(xD)为到截止线剩余的距离，
Figure BDA0002942409920000092
为清除距离，由公式得到：
Figure BDA0002942409920000093
td为剩余绿灯时间，
Figure BDA0002942409920000094
为随机速度模式的估计平均速度，aest是预估加速度，ta2u为加速到最大限制速度VU的时间，tub为保持在最大限制速度VU的时间。一般来说，εC设置为0。
基于停止距离的规则：
Figure BDA0002942409920000095
其中
Figure BDA0002942409920000096
是刹车的最短距离，可以表示为：
Figure BDA0002942409920000097
Figure BDA0002942409920000098
表示平均刹车加速度，τ为感知的反应时间。
基于停止概率的规则：
当t＝0处估计的停车概率PStop大于给定的停车概率值时，决策规则Rp做出停车决策:
Figure BDA0002942409920000099
停车概率Pstop基于一组预测变量表示车辆在十字路口停车的概率。在现有工作中常用的两种方法是逻辑回归分析和基于模型的临界时间的概念。使用logit函数Kstop的逻辑回归可以拟合典型的现场数据：
Figure BDA0002942409920000101
使用logit Kstop和到截止线的时间tt0来预测Pstop,
Figure BDA0002942409920000102
根据参数v0和x0来预测：
Figure BDA0002942409920000103
其中
Figure BDA0002942409920000104
根据临界时间tcr的预测，这个数值反映了司机的经验与特点，也可以反映无人驾驶的风格：
Figure BDA0002942409920000105
其中
Figure BDA0002942409920000106
σξ，ε为tcr和tt0的协方差，Φ为累积正态分布函数。
Figure BDA0002942409920000107
Figure BDA0002942409920000108
σ2＝2.40
决策实现：
DSM在PS-DMP中的实施分为两个步骤。第一步是定义一个决策规则实例列表，其中每个实例都有一个以后要调用的惟一名称。
Figure BDA0002942409920000109
第二步是定义PS-DMP用例，其中每个用例都可以看作是一个独立的DSM，基于第一步中定义的决策规则实例：
Figure BDA00029424099200001010
Figure BDA0002942409920000111
以CDPt为例来描述PS-DMP的执行。对于sp1＝(R5,1)，它以1的概率执行R5。如果sp1决定离开，整个进程将终止。否则进程将执行下一个sp，即(R1,1)。如果R1决定停止，进程将终止。如果前面的每个子流程都返回null，则可以将最后一个sp视为默认决策。
最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种解决路口交通拥堵的汽车配发编队智能驾驶系统，其特征在于，所述系统包括：车端系统(1)和路侧系统(2)；所述车端系统(1)包括设置在无人驾驶汽车上的智能配发编队自动驾驶子系统(11)，以及设置在有人驾驶汽车上的智能配发编队辅助驾驶子系统(12)；
所述路侧系统(2)，用于根据当前以及上一个红绿灯路口的路口车流量信息，自适应调整下一红绿灯时间；接收来自车端系统(1)的车辆自身特征信息和运动状态，根据这些信息和下一红绿灯时间计算配发车队的每个车辆的组网配发指令信息，向这些车辆下发配发组网指令信息；还用于在当前路口配发车队通行的过程中，当配发车队不能够在黄灯结束前通过路口，动态调节黄灯时间长度，以使配发车队在该红绿灯周期内通过路口；
所述智能配发编队自动驾驶子系统(11)，用于发送车辆自身特征信息和运动状态到路侧系统(2)，用于接收并执行路侧系统(2)的配发组网指令信息并进行组网，组网后接收配发车队内其它车辆的信息，基于配发组网指令信息、其它车辆的信息和自身感知的信息，生成自动驾驶的控制指令；
所述智能配发编队辅助驾驶子系统(12)，用于发送车辆自身特征信息和运动状态到路侧系统(2)；用于接收并执行路侧系统(2)的配发组网指令信息并进行组网，为有驾驶员驾驶车辆提供智能协同辅助驾驶服务。
2.根据权利要求1所述的解决路口交通拥堵的汽车配发编队智能驾驶系统，其特征在于，所述智能配发编队自动驾驶子系统(11)包括第一通讯模块(111)、感知模块(113)和计算处理模块(112)；
所述第一通讯模块(111)，用于接收路侧系统(2)发送的组网配发指令信息以及配发车队内交互信息，将组网配发指令信息中的配发车队信息、角色信息，路口通行时间信息，参考速度和信息参考路径信息发送给计算处理模块(112)，将配发车队内其它车辆的信息发送给计算处理模块(112)；还用于将车辆自身特征信息和运动状态发送到路侧系统(2)和配发车队的其它车辆；
所述感知模块(113)，用于感知车辆周围各种环境信息，将自身感知的信息发送至计算处理模块(112)；
所述计算处理模块(112)，用于对路侧配发组网指令信息、车队内其他车辆信息、以及自身感知信息进行处理，进行编队组网加入配发车队，生成自动驾驶的控制指令并发送至底层执行器。
3.根据权利要求2所述的解决路口交通拥堵的汽车配发编队智能驾驶系统，其特征在于，所述第一通讯模块(111)包括路侧V2I通讯子模块和V2V通讯子模块；
所述路侧V2I通讯子模块，用于向路侧系统(2)上传车辆自身特征信息、运动状态以及自身行驶意图；并接收从路侧系统(2)发送的组网配发指令信息；
所述V2V通讯子模块，用于为在组网后与配发车队中其它车辆建立信息交互，实现配发车队内部的信息共享；该信息包括：组网编号以及各个车辆自身特征信息和运动状态。
4.根据权利要求3所述的解决路口交通拥堵的汽车配发编队智能驾驶系统，其特征在于，所述智能配发编队辅助驾驶子系统(12)包括第二通讯模块(121)、辅助驾驶计算模块(122)；
第二通讯模块(121)，用于接收路侧系统(2)发送的组网配发指令信息以及配发车队内交互信息，将组网配发指令信息中的配发车队信息、角色信息，路口通行时间信息，参考速度和信息参考路径信息发送给辅助驾驶计算模块(122)，将配发车队内其它车辆的信息发送给辅助驾驶计算模块(122)；还用于将车辆自身特征信息和运动状态发送到路侧系统(2)和配发车队内的其它车辆；
所述辅助驾驶计算模块(122)，用于基于组网配发指令信息和车队内其他车辆信息，为驾驶员提供推荐车道、推荐速度和推荐操纵辅助驾驶信息。
5.根据权利要求4所述的解决路口交通拥堵的汽车配发编队智能驾驶系统，其特征在于，所述第二通讯模块(121)包括路侧V2I通讯子模块和V2V通讯子模块；
所述路侧V2I通讯子模块，用于向路侧系统(2)上传车辆自身特征信息、运动状态以及自身行驶意图；并接收从路侧系统(2)发送的组网配发指令信息；
所述V2V通讯子模块，用于为在组网后与配发车队中其它车辆建立信息交互，实现配发车队内部的信息共享；该信息包括：组网编号以及各个车辆自身特征信息和运动状态。
6.根据权利要求5所述的解决路口交通拥堵的汽车配发编队智能驾驶系统，其特征在于，所述路侧系统(2)包括，路侧感知模块(21)，路侧配发命令计算模块(22)和路侧无线通讯模块(23)；
所述路侧感知模块(21)，用于对车辆进行定位；
所述路侧配发命令计算模块(22)，用于根据当前以及上一个红绿灯路口的路口车流量信息，计算下一个红绿灯时间；用于根据每个车辆自身特征信息和运动状态和下一红绿灯时间，计算配发车队的每个车辆的组网配发指令信息，发送至路侧无线通讯模块(23)；还用于在当前路口配发车队通行的过程中，当配发车队不能够在黄灯结束前通过路口，动态调节黄灯时间长度，以使配发车队在该红绿灯周期内通过路口；
所述路侧无线通讯模块(23)，用于接收车端系统(1)发送的车辆自身特征信息和运动状态，发送至路侧配发命令计算模块(22)，还用于向每个车端系统(1)下发组网配发指令。
7.根据权利要求6所述的解决路口交通拥堵的汽车配发编队智能驾驶系统，其特征在于，根据每个车辆自身特征信息和运动状态和下一红绿灯时间，计算配发车队的每个车辆的组网配发指令信息，具体包括：
基于每辆车的运动状态，按照协同驾驶的跟车模型进行仿真，预测能够在下一个绿灯停止前通过路口的最大车辆数以及具体车辆的相关信息，从而确定配发车队的所有车辆及其相关信息；
为配发车队的每个车辆生成配发组网指令，包括：配发车队信息、角色信息，路口通行时间信息，参考速度和信息参考路径信息。
8.根据权利要求7所述的解决路口交通拥堵的汽车配发编队智能驾驶系统，其特征在于，所述协同驾驶的跟车模型为：
配发车队内第i辆车的位置，速度，加速度分别为：xi，vi，ai，1≤i≤N，N为配发车队的车辆的总数；头车的位置，速度，加速度分别为x0，v0，a0；
当车辆只受到前车和车队头车的影响，并且能够获取到自身在组网车队中的位置，则其动力学方程为：
Figure FDA0002942409910000031
其中，k和λ均为敏感系数；
Figure FDA0002942409910000032
为第i辆车对于头车加速度的敏感系数，V′(～)表示为在配发车队中的头车加速度与第i辆车加速度存在差异时的期望最佳速度，V(Δxi)表示最优速度函数，具体表示为：
V(Δxi)＝V1+V2tanh(C1(Δxi-lc)-C2)
其中，V1、V2、C1和C2为车辆相关常数，lc为车辆长度；Δxi为第i辆车与前车的位置差；Δvi为第i辆车与前车的速度差。
9.根据权利要求8所述的解决路口交通拥堵的汽车配发编队智能驾驶系统，其特征在于，所述智能配发编队辅助驾驶子系统(12)还包括人机交互模块(123)，将人机交互功能展示区域(3)进行可视化，用于显示包括组网配发指令信息(34)，推荐速度信息(32)，跟踪行驶进度条信息(31)，车距信息(33)，车辆当前状态信息(35)，以及决策支持功能信息(36)；为驾驶员提供在车队中行驶的辅助驾驶信息，帮助驾驶员驾驶车辆能够跟上前方车辆并保持车队运动的一致性；所述组网配发指令信息(34)来自于从路侧系统(2)接收的命令；所述推荐速度信息(32)为最优速度函数的结果；跟踪行驶进度条信息(31)的计算过程：根据当前自身速度与车队中的前车速度、头车速度计算出的动力学方程加速度ai，在一定的加速度范围内线性对应得到跟踪行驶进度条结果；配发车队信息以及车辆自身运动信息分别来自于路侧系统(2)与车端系统(1)。
10.根据权利要求9所述的解决路口交通拥堵的汽车配发编队智能驾驶系统，其特征在于，所述为有驾驶员驾驶车辆提供辅助决策支持服务，具体为：根据该车辆当前速度、红绿灯时间、以及与路口截止线的距离综合判断能否通过路口，为有驾驶员车辆提供辅助决策支持。
CN202110184358.4A 2021-02-08 2021-02-08 一种解决路口交通拥堵的汽车配发编队智能驾驶系统 Active CN113012448B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110184358.4A CN113012448B (zh) 2021-02-08 2021-02-08 一种解决路口交通拥堵的汽车配发编队智能驾驶系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110184358.4A CN113012448B (zh) 2021-02-08 2021-02-08 一种解决路口交通拥堵的汽车配发编队智能驾驶系统

Publications (2)

Publication Number Publication Date
CN113012448A true CN113012448A (zh) 2021-06-22
CN113012448B CN113012448B (zh) 2022-07-19

Family

ID=76402280

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110184358.4A Active CN113012448B (zh) 2021-02-08 2021-02-08 一种解决路口交通拥堵的汽车配发编队智能驾驶系统

Country Status (1)

Country Link
CN (1) CN113012448B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113256961A (zh) * 2021-06-25 2021-08-13 上海交通大学 基于车辆编队的路口自主车辆调度与控制方法
CN114093166A (zh) * 2021-11-17 2022-02-25 上海交通大学 一种面向无信号灯岔口的集中式混合车辆协调优化方法
CN114103969A (zh) * 2021-12-28 2022-03-01 西南大学 车速确定方法及系统
CN114280609A (zh) * 2021-12-28 2022-04-05 上海恒岳智能交通科技有限公司 一种77GHz毫米波信号探测处理方法与系统
CN115206081A (zh) * 2022-07-07 2022-10-18 智道网联科技(北京)有限公司 自动驾驶车辆的编队控制系统
CN115497313A (zh) * 2022-08-12 2022-12-20 黑芝麻智能科技(重庆)有限公司 网联车队智能协同控制方法、系统、电子设备及存储介质

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102496285A (zh) * 2011-12-23 2012-06-13 上海海事大学 基于视频检测的路口车辆闯红灯判别方法与信号控制系统
CN103280120A (zh) * 2013-05-31 2013-09-04 中国人民解放军军事交通学院 公路火车综合决策装置
CN104123851A (zh) * 2014-08-06 2014-10-29 清华大学 一种基于车路通讯的交叉口车辆快速通行辅助方法及装置
CN105809950A (zh) * 2016-03-28 2016-07-27 重庆邮电大学 一种基于车路协同技术的车辆编队方法及其系统
CN107248276A (zh) * 2017-07-26 2017-10-13 北方工业大学 一种基于车路协同的智能网联汽车编队控制方法及装置
CN107591008A (zh) * 2017-09-18 2018-01-16 同济大学 一种基于路侧设备的分布式交通控制系统
CN107685728A (zh) * 2016-08-05 2018-02-13 韩文峰 基于互联网和前车自动跟踪的智能交通系统
CN107730931A (zh) * 2017-09-20 2018-02-23 北方工业大学 一种车路协同环境下车辆编队控制及其信号优化方法
US20180162409A1 (en) * 2016-12-12 2018-06-14 Hitachi, Ltd. Driving Assistance Apparatus with Human Machine Interface System
CN110796884A (zh) * 2019-10-29 2020-02-14 北京百度网讯科技有限公司 编队行驶的决策方法、装置、设备及计算机可读存储介质
CN111199640A (zh) * 2019-12-31 2020-05-26 新石器慧通（北京）科技有限公司 车辆编队的协同控制方法和装置
CN111260911A (zh) * 2019-12-30 2020-06-09 同济大学 一种基于路侧设备的车队驾驶方法
CN111383481A (zh) * 2020-03-03 2020-07-07 东南大学 城市拥堵路口智能网联汽车绿色通行车速优化方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102496285A (zh) * 2011-12-23 2012-06-13 上海海事大学 基于视频检测的路口车辆闯红灯判别方法与信号控制系统
CN103280120A (zh) * 2013-05-31 2013-09-04 中国人民解放军军事交通学院 公路火车综合决策装置
CN104123851A (zh) * 2014-08-06 2014-10-29 清华大学 一种基于车路通讯的交叉口车辆快速通行辅助方法及装置
CN105809950A (zh) * 2016-03-28 2016-07-27 重庆邮电大学 一种基于车路协同技术的车辆编队方法及其系统
CN107685728A (zh) * 2016-08-05 2018-02-13 韩文峰 基于互联网和前车自动跟踪的智能交通系统
US20180162409A1 (en) * 2016-12-12 2018-06-14 Hitachi, Ltd. Driving Assistance Apparatus with Human Machine Interface System
CN107248276A (zh) * 2017-07-26 2017-10-13 北方工业大学 一种基于车路协同的智能网联汽车编队控制方法及装置
CN107591008A (zh) * 2017-09-18 2018-01-16 同济大学 一种基于路侧设备的分布式交通控制系统
CN107730931A (zh) * 2017-09-20 2018-02-23 北方工业大学 一种车路协同环境下车辆编队控制及其信号优化方法
CN110796884A (zh) * 2019-10-29 2020-02-14 北京百度网讯科技有限公司 编队行驶的决策方法、装置、设备及计算机可读存储介质
CN111260911A (zh) * 2019-12-30 2020-06-09 同济大学 一种基于路侧设备的车队驾驶方法
CN111199640A (zh) * 2019-12-31 2020-05-26 新石器慧通（北京）科技有限公司 车辆编队的协同控制方法和装置
CN111383481A (zh) * 2020-03-03 2020-07-07 东南大学 城市拥堵路口智能网联汽车绿色通行车速优化方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
刘金元等: "一种基于5G技术的车路协同组网方案", 《信息通信》 *
姚志洪等: "基于Robertson模型的异质交通流车队离散研究", 《交通运输系统工程与信息》 *
宁志猛等: "基于车路协同的特种车辆辅助驾驶系统", 《工业控制计算机》 *
韩牟等: "车载自组网中高效的群组协商通信协议", 《通信学报》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113256961A (zh) * 2021-06-25 2021-08-13 上海交通大学 基于车辆编队的路口自主车辆调度与控制方法
CN113256961B (zh) * 2021-06-25 2022-05-24 上海交通大学 基于车辆编队的路口自主车辆调度与控制方法
CN114093166A (zh) * 2021-11-17 2022-02-25 上海交通大学 一种面向无信号灯岔口的集中式混合车辆协调优化方法
CN114103969A (zh) * 2021-12-28 2022-03-01 西南大学 车速确定方法及系统
CN114280609A (zh) * 2021-12-28 2022-04-05 上海恒岳智能交通科技有限公司 一种77GHz毫米波信号探测处理方法与系统
CN114280609B (zh) * 2021-12-28 2023-10-13 上海恒岳智能交通科技有限公司 一种77GHz毫米波信号探测处理方法与系统
CN114103969B (zh) * 2021-12-28 2024-03-12 西南大学 车速确定方法及系统
CN115206081A (zh) * 2022-07-07 2022-10-18 智道网联科技(北京)有限公司 自动驾驶车辆的编队控制系统
CN115497313A (zh) * 2022-08-12 2022-12-20 黑芝麻智能科技(重庆)有限公司 网联车队智能协同控制方法、系统、电子设备及存储介质

Also Published As

Publication number Publication date
CN113012448B (zh) 2022-07-19

Similar Documents

Publication Publication Date Title
CN113012448B (zh) 一种解决路口交通拥堵的汽车配发编队智能驾驶系统
US11216748B2 (en) Predictive control techniques for ground vehicles
US10732645B2 (en) Methods and systems for semi-autonomous vehicular convoys
US10933876B2 (en) Vehicle propulsion systems and methods
CN103347757B (zh) 通过使用预测环境和驾驶员行为信息来优化燃油经济性的系统和方法
CN101542553B (zh) 行驶控制计划生成系统以及计算机程序
US9645579B2 (en) Vehicle platooning systems and methods
Girard et al. A control architecture for integrated cooperative cruise control and collision warning systems
CN111002993B (zh) 一种基于场景识别的自动驾驶低油耗运动规划方法及系统
KR20150066303A (ko) 운전자의 주행 패턴을 반영하는 자율 주행 장치 및 그 방법
Baskar et al. Hierarchical traffic control and management with intelligent vehicles
KR20210070387A (ko) 자율 주행 차량들에 대한 폴백 거동들을 구현하기 위한 시스템
CN110288847A (zh) 一种自动驾驶决策方法、装置、系统、存储介质及终端
Zhao et al. “InfoRich” Eco-Driving Control Strategy for Connected and Automated Vehicles
AU2018373022B2 (en) Using discomfort for speed planning for autonomous vehicles
CN117315970A (zh) 涉及交叉路口处交通拥堵的自主车辆的车道改变
US20230316920A1 (en) System and Method for Jointly Controlling Connected Autonomous Vehicles (CAVs) and Manual Connected Vehicles (MCVs)
CN115171414B (zh) 一种基于Frenet坐标系的CACC跟驰车流控制系统
CN114217601B (zh) 自驾车的混合决策方法及其系统
Wei Autonomous vehicle social behavior for highway driving
Hesami et al. Proactive Eco-Driving Control of an Autonomous Electric Vehicle in Presence of Signalized Intersections and Preceding Vehicles
CN117227727A (zh) 车辆控制方法、装置及车辆
CN116677769A (zh) 一种车辆换挡控制方法、装置和车辆
CN117922612A (zh) 基于协同感知和自适应信息融合的互联自动驾驶决策方法

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