CN113264049B - 一种智能网联车队协作换道控制方法 - Google Patents

一种智能网联车队协作换道控制方法 Download PDF

Info

Publication number
CN113264049B
CN113264049B CN202110453568.9A CN202110453568A CN113264049B CN 113264049 B CN113264049 B CN 113264049B CN 202110453568 A CN202110453568 A CN 202110453568A CN 113264049 B CN113264049 B CN 113264049B
Authority
CN
China
Prior art keywords
vehicle
coordinate system
controlled
control
reference coordinate
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
CN202110453568.9A
Other languages
English (en)
Other versions
CN113264049A (zh
Inventor
胡笳
王浩然
李欣
杜豫川
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.)
Tongji University
Original Assignee
Tongji 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 Tongji University filed Critical Tongji University
Priority to CN202110453568.9A priority Critical patent/CN113264049B/zh
Publication of CN113264049A publication Critical patent/CN113264049A/zh
Application granted granted Critical
Publication of CN113264049B publication Critical patent/CN113264049B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18163—Lane change; Overtaking manoeuvres
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • 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
    • Y02T10/80—Technologies aiming to reduce greenhouse gasses emissions common to all road transportation technologies
    • Y02T10/84—Data processing systems or methods, management, administration

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明涉及一种智能网联车队协作换道控制方法，包括：根据换道模式选定纵向控制和横向控制的参考坐标系，控制智能网联车队内受控车辆协作换道，其中，所述的参考坐标系原点为静止或移动的任意一点。与现有技术相比，本发明具有，机动性强、适应性强和精度高等优点。

Description

一种智能网联车队协作换道控制方法
技术领域
本发明涉及一种车辆自动驾驶技术，尤其是涉及一种智能网联车队协作换道控制方法。
背景技术
智能网联汽车搭载了先进的传感器、控制器和执行器等装置，融合了现代通信技术和网络技术，具备车车、车路通信以及车载感知等功能。车载通信设备和车载感知设备使智能网联汽车具备了环境感知的能力，环境感知信息经由控制系统进行决策从而产生控制指令，最终由车辆执行器完成自动驾驶的控制操作。
智能网联汽车编队驾驶是一种新型的智能网联功能。将多个智能网联汽车组建成车队的形式能够降低车队内部车辆的跟车间距从而提高1倍道路理论通行能力、降低12%的燃油消耗和14%的碳排放。为了实现智能网联汽车的编队驾驶，需要实现完善的智能网联汽车编队控制，即多场景下的多车协同横纵向耦合控制。为了实现这一控制目标，需要中央控制中心通过多车通信技术，采集车队内车辆信息，进行处理并发送车辆控制指令，从而控制车队内部智能网联汽车的加速、制动及转向。
然而，在现实中交通量较大的情况下，由于车流中无法提供足够长的可穿越间隙供智能网联车队换道，现有的智能网联车队换道控制方法的适应性差，导致智能网联车队的机动性低。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种智能网联车队协作换道控制方法，机动性强，适应性强，精度高。
本发明的目的可以通过以下技术方案来实现：
一种智能网联车队协作换道控制方法，包括：
根据换道模式选定纵向控制和横向控制的参考坐标系，控制智能网联车队内受控车辆协作换道；
其中，所述的参考坐标系原点为静止或移动的任意一点。
进一步地，所述的换道模式包括单次整体换道和逐次单车换道，所述的逐次单车换道包括固定位置逐次单车换道和移动位置逐次单车换道。
进一步地，所述的横向控制的参考坐标系选取道路坐标系；
换道模式为单次整体换道时，纵向控制的参考坐标系以自车为坐标原点，以车辆前进方向为纵向正方向；
换道模式为固定位置逐次单车换道时，纵向控制的参考坐标系选取道路坐标系，以车辆前进方向为纵向正方向；
换道模式为移动位置逐次单车换道时，纵向控制的参考坐标系以目标车道上移动车辆的纵向位置为坐标原点，以车辆前进方向为纵向正方向，当利用车流中某一车辆前方可穿越间隙进行换道时，以该车辆的位置为纵向控制的参考坐标系原点，沿道路方向为正方向，横向控制的参考坐标系原点设为道路一侧边缘，以垂直道路方向指向另一侧的方向为横向正方向；
因此，智能网联车队能够利用较小但不小于一辆受控车辆换道空间的间隙完成车队的换道，大大提高了智能网联车队在交通流中的机动性。
进一步地，控制智能网联车队内受控车辆协作换道的过程包括：
1）获取智能网联车队内受控车辆的当前车辆信息，并存入数据库，若获取失败，则执行步骤2），否则执行步骤3）；
2）从数据库中读取受控车辆最新存入的车辆信息，并视作当前车辆信息；
3）根据受控车辆的当前车辆信息计算受控车辆在参考坐标系下的相对位置和车辆间距；
4）根据受控车辆的当前车辆信息、相对位置以及车辆间距，以头车的状态为参考状态，该状态包括头车的相对位置和速度，在空间域中优化受控车辆的加速、制动和转向的控制过程，根据优化结果控制各受控车辆进行协作换道。
进一步地，步骤4）包括：
41）计算受控车辆的初始状态向量
Figure 100002_DEST_PATH_IMAGE002
和初始控制向量
Figure 100002_DEST_PATH_IMAGE004
；
受控车辆的初始状态向量
Figure 100002_DEST_PATH_IMAGE002A
为：
Figure 100002_DEST_PATH_IMAGE007
其中，
Figure 100002_DEST_PATH_IMAGE009
，
Figure 100002_DEST_PATH_IMAGE011
为初始全局时间，
Figure 100002_DEST_PATH_IMAGE013
为初始车辆速度，其单位为
Figure 100002_DEST_PATH_IMAGE015
，
Figure 100002_DEST_PATH_IMAGE017
为相对纵向位置，单位为m，
Figure 100002_DEST_PATH_IMAGE019
为初始相对道路方向的航向角误差，单位为rad，
Figure DEST_PATH_IMAGE021
为初始横向位置；
受控车辆的初始控制向量
Figure 100002_DEST_PATH_IMAGE004A
为：
Figure 100002_DEST_PATH_IMAGE024
其中，
Figure 100002_DEST_PATH_IMAGE026
是受控车辆的初始加速度，单位为
Figure 100002_DEST_PATH_IMAGE028
，
Figure 100002_DEST_PATH_IMAGE030
是车辆的初始前轮偏角，单位为rad；
42）计算状态更新方程系数矩阵：
Figure 100002_DEST_PATH_IMAGE032
Figure 100002_DEST_PATH_IMAGE034
Figure 100002_DEST_PATH_IMAGE036
其中，
Figure 100002_DEST_PATH_IMAGE038
为车辆控制的空间域步长，I为单位矩阵，
Figure 100002_DEST_PATH_IMAGE040
为道路曲率，
Figure 100002_DEST_PATH_IMAGE042
为车辆前轴到质心的距离，
Figure 100002_DEST_PATH_IMAGE044
为车辆后轴到质心的距离；
43）计算成本函数矩阵：
Figure 100002_DEST_PATH_IMAGE046
Figure 100002_DEST_PATH_IMAGE048
其中，
Figure 100002_DEST_PATH_IMAGE050
、
Figure 100002_DEST_PATH_IMAGE052
和
Figure 100002_DEST_PATH_IMAGE054
为正数。
44）计算末态伴随矩阵：
Figure 100002_DEST_PATH_IMAGE056
Figure 100002_DEST_PATH_IMAGE058
Figure 100002_DEST_PATH_IMAGE060
其中，
Figure 100002_DEST_PATH_IMAGE062
为预测时域的总长度；
45）逆向计算伴随矩阵；
46）顺向计算控制向量和状态向量；
47）提取预测时间域中的首个控制向量作为车辆底层控制的输入，实现车辆控制。
进一步地，步骤45）包括：
451）计算迭代参数矩阵
Figure 100002_DEST_PATH_IMAGE064
、
Figure 100002_DEST_PATH_IMAGE066
、
Figure 100002_DEST_PATH_IMAGE068
、
Figure 100002_DEST_PATH_IMAGE070
和
Figure 100002_DEST_PATH_IMAGE072
：
Figure 100002_DEST_PATH_IMAGE074
Figure 100002_DEST_PATH_IMAGE076
Figure 100002_DEST_PATH_IMAGE078
Figure 100002_DEST_PATH_IMAGE080
Figure 100002_DEST_PATH_IMAGE082
其中，
Figure 100002_DEST_PATH_IMAGE084
，
Figure 100002_DEST_PATH_IMAGE086
，
Figure 100002_DEST_PATH_IMAGE088
为预测时域的步数；
452）计算成本函数一次项系数
Figure 100002_DEST_PATH_IMAGE090
以及常数项系数
Figure 100002_DEST_PATH_IMAGE092
：
Figure 100002_DEST_PATH_IMAGE094
Figure 100002_DEST_PATH_IMAGE096
其中，
Figure 100002_DEST_PATH_IMAGE098
为头车在当前位置
Figure 100002_DEST_PATH_IMAGE100
处的状态向量，具体为：
Figure 100002_DEST_PATH_IMAGE102
453）计算：
Figure 100002_DEST_PATH_IMAGE104
Figure 100002_DEST_PATH_IMAGE106
Figure 100002_DEST_PATH_IMAGE108
。
进一步地，步骤46）包括：
461）根据庞特里亚金极大值原理计算控制向量
Figure 100002_DEST_PATH_IMAGE110
；
462）若
Figure 100002_DEST_PATH_IMAGE112
，则令
Figure 100002_DEST_PATH_IMAGE114
，若
Figure 100002_DEST_PATH_IMAGE116
，则令
Figure 100002_DEST_PATH_IMAGE118
，其中，
Figure 100002_DEST_PATH_IMAGE120
和
Figure 100002_DEST_PATH_IMAGE122
为控制向量的最大值和最小值；
463）计算状态向量
Figure 100002_DEST_PATH_IMAGE124
。
进一步地，车辆信息包括参考坐标系原点在道路坐标系下的纵向位置、受控车辆的航偏角、车辆速度、方向盘转角、加速度、轴距、前轮转角以及在道路坐标系下的纵向位置和横向位置。
进一步地，取数据库中时间戳相同的一组数据，所述的受控车辆在参考坐标下的横向位置即其在道路坐标系下的横向位置，所述的受控车辆在参考坐标下的纵向位置
Figure 100002_DEST_PATH_IMAGE126
的计算公式为：
Figure 100002_DEST_PATH_IMAGE128
其中，
Figure 100002_DEST_PATH_IMAGE130
为参考坐标系原点在道路坐标系下的纵向位置，
Figure 100002_DEST_PATH_IMAGE132
为受控车辆在道路坐标系下的纵向位置。
进一步地，所述的受控车辆的车头间距
Figure 100002_DEST_PATH_IMAGE134
的计算公式为：
Figure DEST_PATH_IMAGE136
其中，
Figure DEST_PATH_IMAGE138
为该受控车辆前方最近的一辆相同车道的车辆在道路坐标系下的纵向位置。
与现有技术相比，本发明具有以如下有益效果：
（1）本发明根据换道模式选定纵向控制和横向控制的参考坐标系， 纵向控制和横向控制的参考坐标系相同或不相同，参考坐标系原点为静止或移动的任意一点，选取不同的参考坐标系可以实现不同的换道模式，使得智能网联车队能够利用较小但不小于一辆受控车辆换道空间的间隙完成车队的换道，大大提高了智能网联车队在交通流中的机动性和适应性；
（2）本发明在空间域中优化受控车辆的控制过程，通过采集智能网联车队中受控车辆在参考坐标系中的车辆信息，得到受控车辆的运行状态，综合考虑受控车辆在参考坐标系内未来一段距离内的纵横向误差，进而对各受控车辆的加速、制动及转向过程进行优化控制，将优化结果输出到受控车辆的动力系统、制动系统和转向系统，实现控制过程，提高了受控车辆在当前状态下优化控制精度，同时基于空间域的控制算法具有工程应用级别的计算效率，降低运算负荷，实时性强。
附图说明
图1为智能网联车队协作换道的控制流程图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
一种智能网联车队协作换道控制方法，包括：
根据换道模式选定纵向控制和横向控制的参考坐标系，控制智能网联车队内受控车辆协作换道；
其中，所述的纵向控制和横向控制的参考坐标系相同或不相同，所述的参考坐标系原点为静止或移动的任意一点。
换道模式包括单次整体换道和逐次单车换道，所述的逐次单车换道包括固定位置逐次单车换道和移动位置逐次单车换道。
选取不同的参考坐标系可以实现不同的换道模式，其中，横向控制的参考坐标系选取道路坐标系；
智能网联车队进行单次整体换道时，纵向控制的参考坐标系以自车为坐标原点，以车辆前进方向为纵向正方向；
智能网联车队进行固定位置逐次单车换道时，纵向控制的参考坐标系选取道路坐标系，以车辆前进方向为纵向正方向；
智能网联车队进行移动位置逐次单车换道时，纵向控制的参考坐标系以目标车道上移动车辆的纵向位置为坐标原点，以车辆前进方向为纵向正方向，以智能网联车队换道位置后方的某重型卡车的纵向位置为坐标原点，即可实现在该重型卡车前方逐次单车换道。
因此智能网联车队能够利用较小但不小于一辆受控车辆换道空间的间隙完成车队的换道，大大提高了智能网联车队在交通流中的机动性。
如图1，控制智能网联车队内受控车辆协作换道的过程包括：
1）获取智能网联车队内受控车辆的当前车辆信息，并存入数据库，若获取失败，则执行步骤2），否则执行步骤3）；
2）出现数据丢包，从数据库中读取受控车辆最新存入的车辆信息，并视作当前车辆信息；
3）根据受控车辆的当前车辆信息计算受控车辆在参考坐标系下的相对位置和车辆间距；
4）根据受控车辆的当前车辆信息、相对位置以及车辆间距，以头车的状态为参考状态，该状态包括头车的相对位置和速度，在空间域中优化受控车辆的加速、制动和转向的控制过程，根据优化结果控制各受控车辆进行协作换道。
车辆信息包括参考坐标原点在道路坐标系下的纵向位置
Figure DEST_PATH_IMAGE130A
以及道路坐标系下受控车辆的纵向位置、横向位置、航偏角、车辆速度、方向盘转角、加速度、轴距和前轮转角；
取数据库中时间戳相同的一组数据，受控车辆在道路坐标系下的纵向位置和横向位置分别为
Figure DEST_PATH_IMAGE132A
和
Figure DEST_PATH_IMAGE142
，受控车辆前方最近的一辆相同车道的车辆在道路坐标系下的纵向位置为
Figure DEST_PATH_IMAGE138A
，则受控车辆在参考坐标下的纵向位置
Figure DEST_PATH_IMAGE126A
的计算公式为：
Figure DEST_PATH_IMAGE128A
车头间距
Figure DEST_PATH_IMAGE134A
的计算公式为：
Figure DEST_PATH_IMAGE136A
进一步地，步骤4）包括：
41）计算受控车辆的初始状态向量
Figure DEST_PATH_IMAGE002AA
和初始控制向量
Figure DEST_PATH_IMAGE004AA
；
受控车辆的初始状态向量
Figure DEST_PATH_IMAGE002AAA
为：
Figure DEST_PATH_IMAGE007A
其中，
Figure DEST_PATH_IMAGE009A
，
Figure DEST_PATH_IMAGE011A
为初始全局时间，
Figure DEST_PATH_IMAGE013A
为初始车辆速度，其单位为
Figure DEST_PATH_IMAGE015A
，
Figure DEST_PATH_IMAGE017A
为相对纵向位置，单位为m，
Figure DEST_PATH_IMAGE019A
为初始相对道路方向的航向角误差，单位为rad，
Figure DEST_PATH_IMAGE021A
为初始横向位置；
受控车辆的初始控制向量
Figure DEST_PATH_IMAGE004AAA
为：
Figure DEST_PATH_IMAGE024A
其中，
Figure DEST_PATH_IMAGE026A
是受控车辆的初始加速度，单位为
Figure DEST_PATH_IMAGE028A
，
Figure DEST_PATH_IMAGE030A
是车辆的初始前轮偏角，单位为rad；
42）计算状态更新方程系数矩阵：
Figure DEST_PATH_IMAGE032A
Figure DEST_PATH_IMAGE034A
Figure DEST_PATH_IMAGE036A
其中，
Figure DEST_PATH_IMAGE038A
为车辆控制的空间域步长，I为单位矩阵，
Figure DEST_PATH_IMAGE040A
为道路曲率，
Figure DEST_PATH_IMAGE042A
为车辆前轴到质心的距离，
Figure DEST_PATH_IMAGE044A
为车辆后轴到质心的距离；
若控制精度设置为0.1米，则需要每0.1米确定一个控制量，即
Figure DEST_PATH_IMAGE038AA
=0.1。
43）计算成本函数矩阵：
Figure DEST_PATH_IMAGE046A
Figure DEST_PATH_IMAGE048A
其中，
Figure DEST_PATH_IMAGE050A
、
Figure DEST_PATH_IMAGE052A
和
Figure DEST_PATH_IMAGE054A
为正数，增大
Figure DEST_PATH_IMAGE050AA
有利于受控车辆迅速到达控制目标，增大
Figure DEST_PATH_IMAGE052AA
和
Figure DEST_PATH_IMAGE054AA
有利于减小受控车辆的控制振荡。
44）计算末态伴随矩阵：
Figure DEST_PATH_IMAGE056A
Figure DEST_PATH_IMAGE058A
Figure DEST_PATH_IMAGE060A
其中，
Figure DEST_PATH_IMAGE062A
为预测时域的总长度；
45）逆向计算伴随矩阵；
46）顺向计算控制向量和状态向量；
47）提取预测时间域中的首个控制向量作为车辆底层控制的输入，实现车辆控制。
进一步地，步骤45）包括：
451）计算迭代参数矩阵
Figure DEST_PATH_IMAGE064A
、
Figure DEST_PATH_IMAGE066A
、
Figure DEST_PATH_IMAGE068A
、
Figure DEST_PATH_IMAGE070A
和
Figure DEST_PATH_IMAGE072A
：
Figure DEST_PATH_IMAGE074A
Figure DEST_PATH_IMAGE076A
Figure DEST_PATH_IMAGE078A
Figure DEST_PATH_IMAGE080A
Figure DEST_PATH_IMAGE082A
其中，
Figure DEST_PATH_IMAGE084A
，
Figure DEST_PATH_IMAGE086A
，
Figure DEST_PATH_IMAGE088A
为预测时域的步数；
452）计算成本函数一次项系数
Figure DEST_PATH_IMAGE090A
以及常数项系数
Figure DEST_PATH_IMAGE092A
：
Figure DEST_PATH_IMAGE094A
Figure DEST_PATH_IMAGE096A
其中，
Figure DEST_PATH_IMAGE098A
为头车在当前位置
Figure DEST_PATH_IMAGE100A
处的状态向量，具体为：
Figure DEST_PATH_IMAGE102A
453）计算：
Figure DEST_PATH_IMAGE104A
Figure DEST_PATH_IMAGE106A
Figure DEST_PATH_IMAGE108A
。
进一步地，步骤46）包括：
461）根据庞特里亚金极大值原理计算控制向量
Figure DEST_PATH_IMAGE110A
；
462）若
Figure DEST_PATH_IMAGE112A
，则令
Figure DEST_PATH_IMAGE114A
，若
Figure DEST_PATH_IMAGE116A
，则令
Figure DEST_PATH_IMAGE118A
，其中，
Figure DEST_PATH_IMAGE120A
和
Figure DEST_PATH_IMAGE122A
为控制向量的最大值和最小值；
463）计算状态向量
Figure DEST_PATH_IMAGE124A
。
受控车辆横向控制仅以优化当前偏移量或某一位置偏移量为目标，无法实现对未来一段距离内的误差进行整体考量，从而导致控制精度较低，车辆编队容易发生超调摆动的现象；
车辆横向控制基于时间域进行，不利于模型求解，而且基于时间域的横向控制依赖于纵向控制精度，不利于优化整体循迹精度；
而空间域内考虑受控车辆在未来一段距离内的偏差，从而提高了受控车辆在当前状态下优化控制精度，同时步骤4）在空间域中优化受控车辆的控制过程，控制算法具有工程应用级别的计算效率，降低运算负荷，实时性强。
本发明提出了一种智能网联车队协作换道控制方法，基于灵活可变的参考坐标系，协调控制车队内的受控车辆跟随头车在参考坐标系下的相对轨迹，结合受控车辆信息和头车目标轨迹，在空间域内考虑受控车辆在未来一段距离内的偏差，优化车队内受控车辆的加速、制动及转向过程，将优化结果传输至受控车辆的动力装置、制动装置和转向转置，能够实现多种场景下的换道，包括单次整体换道、固定位置逐次单车换道和移动位置逐次单车换道，从而大大提高智能网联车队在现实交通流中的机动性。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (8)

1.一种智能网联车队协作换道控制方法，其特征在于，包括：
根据换道模式选定纵向控制和横向控制的参考坐标系，控制智能网联车队内受控车辆协作换道；
其中，所述的参考坐标系原点为静止或移动的任意一点；
控制智能网联车队内受控车辆协作换道的过程包括：
1）获取智能网联车队内受控车辆的当前车辆信息，并存入数据库，若获取失败，则执行步骤2），否则执行步骤3）；
2）从数据库中读取受控车辆最新存入的车辆信息，并视作当前车辆信息；
3）根据受控车辆的当前车辆信息计算受控车辆在参考坐标系下的相对位置和车辆间距；
4）根据受控车辆的当前车辆信息、相对位置以及车辆间距，以头车的状态为参考状态，在空间域中优化受控车辆的加速、制动和转向的控制过程，根据优化结果控制各受控车辆进行协作换道；
步骤4）包括：
41）计算受控车辆的初始状态向量
Figure DEST_PATH_IMAGE002
和初始控制向量
Figure DEST_PATH_IMAGE004
；
受控车辆的初始状态向量
Figure DEST_PATH_IMAGE002A
为：
Figure DEST_PATH_IMAGE007
其中，
Figure DEST_PATH_IMAGE009
，
Figure DEST_PATH_IMAGE011
为初始全局时间，
Figure DEST_PATH_IMAGE013
为初始车辆速度，
Figure DEST_PATH_IMAGE015
为相对纵向位置，
Figure DEST_PATH_IMAGE017
为初始相对道路方向的航向角误差，
Figure DEST_PATH_IMAGE019
为初始横向位置；
受控车辆的初始控制向量
Figure DEST_PATH_IMAGE004A
为：
Figure DEST_PATH_IMAGE022
其中，
Figure DEST_PATH_IMAGE024
是受控车辆的初始加速度，
Figure DEST_PATH_IMAGE026
是车辆的初始前轮偏角；
42）计算状态更新方程系数矩阵：
Figure DEST_PATH_IMAGE028
Figure DEST_PATH_IMAGE030
Figure DEST_PATH_IMAGE032
其中，
Figure DEST_PATH_IMAGE034
为车辆控制的空间域步长，I为单位矩阵，
Figure DEST_PATH_IMAGE036
为道路曲率，
Figure DEST_PATH_IMAGE038
为车辆前轴到质心的距离，
Figure DEST_PATH_IMAGE040
为车辆后轴到质心的距离；
43）计算成本函数矩阵：
Figure DEST_PATH_IMAGE042
Figure DEST_PATH_IMAGE044
其中，
Figure DEST_PATH_IMAGE046
、
Figure DEST_PATH_IMAGE048
和
Figure DEST_PATH_IMAGE050
为正数；
44）计算末态伴随矩阵：
Figure DEST_PATH_IMAGE052
Figure DEST_PATH_IMAGE054
Figure DEST_PATH_IMAGE056
其中，
Figure DEST_PATH_IMAGE058
为预测时域的总长度；
45）逆向计算伴随矩阵；
46）顺向计算控制向量和状态向量；
47）提取预测时间域中的首个控制向量作为车辆底层控制的输入，实现车辆控制。
2.根据权利要求1所述的一种智能网联车队协作换道控制方法，其特征在于，所述的换道模式包括单次整体换道和逐次单车换道，所述的逐次单车换道包括固定位置逐次单车换道和移动位置逐次单车换道。
3.根据权利要求2所述的一种智能网联车队协作换道控制方法，其特征在于，所述的横向控制的参考坐标系选取道路坐标系；
换道模式为单次整体换道时，纵向控制的参考坐标系以自车为坐标原点，以车辆前进方向为纵向正方向；
换道模式为固定位置逐次单车换道时，纵向控制的参考坐标系选取道路坐标系，以车辆前进方向为纵向正方向；
换道模式为移动位置逐次单车换道时，纵向控制的参考坐标系以目标车道上移动车辆的纵向位置为坐标原点，以车辆前进方向为纵向正方向。
4.根据权利要求1所述的一种智能网联车队协作换道控制方法，其特征在于，步骤45）包括：
451）计算迭代参数矩阵
Figure DEST_PATH_IMAGE060
、
Figure DEST_PATH_IMAGE062
、
Figure DEST_PATH_IMAGE064
、
Figure DEST_PATH_IMAGE066
和
Figure DEST_PATH_IMAGE068
：
Figure DEST_PATH_IMAGE070
Figure DEST_PATH_IMAGE072
Figure DEST_PATH_IMAGE074
Figure DEST_PATH_IMAGE076
Figure DEST_PATH_IMAGE078
其中，
Figure DEST_PATH_IMAGE080
，
Figure DEST_PATH_IMAGE082
，
Figure DEST_PATH_IMAGE084
为预测时域的步数；
452）计算成本函数一次项系数
Figure DEST_PATH_IMAGE086
以及常数项系数
Figure DEST_PATH_IMAGE088
：
Figure DEST_PATH_IMAGE090
Figure DEST_PATH_IMAGE092
其中，
Figure DEST_PATH_IMAGE094
为头车在当前位置
Figure DEST_PATH_IMAGE096
处的状态向量，具体为：
Figure DEST_PATH_IMAGE098
453）计算：
Figure DEST_PATH_IMAGE100
Figure DEST_PATH_IMAGE102
Figure DEST_PATH_IMAGE104
。
5.根据权利要求1所述的一种智能网联车队协作换道控制方法，其特征在于，步骤46）包括：
461）根据庞特里亚金极大值原理计算控制向量
Figure DEST_PATH_IMAGE106
；
462）若
Figure DEST_PATH_IMAGE108
，则令
Figure DEST_PATH_IMAGE110
，若
Figure DEST_PATH_IMAGE112
，则令
Figure DEST_PATH_IMAGE114
，其中，
Figure DEST_PATH_IMAGE116
和
Figure DEST_PATH_IMAGE118
为控制向量的最大值和最小值；
463）计算状态向量
Figure DEST_PATH_IMAGE120
。
6.根据权利要求1所述的一种智能网联车队协作换道控制方法，其特征在于，车辆信息包括参考坐标系原点在道路坐标系下的纵向位置、受控车辆的航偏角、车辆速度、方向盘转角、加速度、轴距、前轮转角以及在道路坐标系下的纵向位置和横向位置。
7.根据权利要求6所述的一种智能网联车队协作换道控制方法，其特征在于，取数据库中时间戳相同的一组数据，所述的受控车辆在参考坐标下的横向位置即其在道路坐标系下的横向位置，所述的受控车辆在参考坐标下的纵向位置
Figure DEST_PATH_IMAGE122
的计算公式为：
Figure DEST_PATH_IMAGE124
其中，
Figure DEST_PATH_IMAGE126
为参考坐标系原点在道路坐标系下的纵向位置，
Figure DEST_PATH_IMAGE128
为受控车辆在道路坐标系下的纵向位置。
8.根据权利要求7所述的一种智能网联车队协作换道控制方法，其特征在于，所述的受控车辆的车头间距
Figure DEST_PATH_IMAGE130
的计算公式为：
Figure DEST_PATH_IMAGE132
其中，
Figure DEST_PATH_IMAGE134
为该受控车辆前方最近的一辆相同车道的车辆在道路坐标系下的纵向位置。
CN202110453568.9A 2021-04-26 2021-04-26 一种智能网联车队协作换道控制方法 Active CN113264049B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110453568.9A CN113264049B (zh) 2021-04-26 2021-04-26 一种智能网联车队协作换道控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110453568.9A CN113264049B (zh) 2021-04-26 2021-04-26 一种智能网联车队协作换道控制方法

Publications (2)

Publication Number Publication Date
CN113264049A CN113264049A (zh) 2021-08-17
CN113264049B true CN113264049B (zh) 2022-07-05

Family

ID=77229526

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110453568.9A Active CN113264049B (zh) 2021-04-26 2021-04-26 一种智能网联车队协作换道控制方法

Country Status (1)

Country Link
CN (1) CN113264049B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113838305B (zh) * 2021-08-31 2022-11-04 东南大学 一种车队汇入智能网联专用道的控制方法
CN113808436B (zh) * 2021-08-31 2022-10-14 东南大学 一种下匝道车辆驶离智能网联专用道的车队控制方法
CN115206093B (zh) * 2022-06-21 2023-08-29 同济大学 一种基于智能网联车辆的交通流控制方法
CN116311867B (zh) * 2023-01-18 2024-03-19 东南大学 一种基于智能网联车队列控制的多车协同换道方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106843210A (zh) * 2017-01-24 2017-06-13 同济大学 一种基于仿生学的自动驾驶车辆运行控制方法
CN107933551A (zh) * 2017-11-27 2018-04-20 长安大学 一种智能车队换道方法
CN108594830A (zh) * 2018-06-10 2018-09-28 同济大学 一种基于空间域的网联智能车编队行驶控制方法
CN108919799A (zh) * 2018-06-10 2018-11-30 同济大学 一种网联智能车辆协作换道方法
CN111746539A (zh) * 2020-07-02 2020-10-09 清华大学 一种智能网联汽车严格安全换道入队控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10916125B2 (en) * 2018-07-30 2021-02-09 Honda Motor Co., Ltd. Systems and methods for cooperative smart lane selection

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106843210A (zh) * 2017-01-24 2017-06-13 同济大学 一种基于仿生学的自动驾驶车辆运行控制方法
CN107933551A (zh) * 2017-11-27 2018-04-20 长安大学 一种智能车队换道方法
CN108594830A (zh) * 2018-06-10 2018-09-28 同济大学 一种基于空间域的网联智能车编队行驶控制方法
CN108919799A (zh) * 2018-06-10 2018-11-30 同济大学 一种网联智能车辆协作换道方法
CN111746539A (zh) * 2020-07-02 2020-10-09 清华大学 一种智能网联汽车严格安全换道入队控制方法

Also Published As

Publication number Publication date
CN113264049A (zh) 2021-08-17

Similar Documents

Publication Publication Date Title
CN113264049B (zh) 一种智能网联车队协作换道控制方法
CN107139931B (zh) 基于交互式模型预测控制的自主车辆操作
CN110861650B (zh) 车辆的路径规划方法、装置，车载设备和存储介质
CN106681327B (zh) 一种大惯性电动客车的智能驾驶横纵向解耦控制方法及系统
CN102208011B (zh) 图像处理系统及车辆控制系统
US10800427B2 (en) Systems and methods for a vehicle controller robust to time delays
CN111696339B (zh) 一种自动驾驶车队的跟车控制方法、系统及车辆
EP4141736A1 (en) Lane tracking method and apparatus
CN113916246A (zh) 一种无人驾驶避障路径规划方法和系统
CN113570845A (zh) 一种网联式车辆编队行驶方法和系统
CN112977411A (zh) 一种智能底盘控制方法及装置
CN111137298B (zh) 一种车辆自动驾驶方法、装置、系统和存储介质
CN112967516B (zh) 快速停车场端关键参数与整车匹配全局动态路径规划方法
CN114435470B (zh) 自动倒车控制方法、装置、车辆和存储介质
CN115662131B (zh) 网联环境下道路事故路段的多车道协同换道方法
CN111487975A (zh) 一种基于智能网联系统的港口卡车自动编队方法及系统
CN114942642A (zh) 一种无人驾驶汽车轨迹规划方法
CN115320596A (zh) 一种智能网联车队插入式协同换道控制方法
CN109334672A (zh) 一种智能电动汽车路径跟踪和直接横摆力矩协同控制方法
CN109656242A (zh) 一种自动驾驶行车路径规划系统
CN110654386B (zh) 弯道下多智能电动汽车协作式巡航纵横向综合控制方法
CN112699575A (zh) 一种虚拟车辆测试平台中相对位置测算方法及系统
CN114670831B (zh) 一种车辆编队控制方法
CN116206447A (zh) 一种智能网联车辆交叉口生态驾驶控制方法
CN107963120B (zh) 一种胶轮低地板智能轨道列车自动转向控制方法

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