CN113359719A - 一种acc车辆连续通过多个交叉口的经济速度规划系统及方法 - Google Patents
一种acc车辆连续通过多个交叉口的经济速度规划系统及方法 Download PDFInfo
- Publication number
- CN113359719A CN113359719A CN202110591561.3A CN202110591561A CN113359719A CN 113359719 A CN113359719 A CN 113359719A CN 202110591561 A CN202110591561 A CN 202110591561A CN 113359719 A CN113359719 A CN 113359719A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- speed
- green
- intersection
- des
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000005457 optimization Methods 0.000 claims abstract description 16
- 230000007246 mechanism Effects 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 34
- 230000001133 acceleration Effects 0.000 claims description 29
- 230000006870 function Effects 0.000 claims description 24
- 238000012300 Sequence Analysis Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 7
- 101001093748 Homo sapiens Phosphatidylinositol N-acetylglucosaminyltransferase subunit P Proteins 0.000 claims description 6
- 230000008447 perception Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 239000002131 composite material Substances 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 230000003068 static effect Effects 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims 1
- 238000005265 energy consumption Methods 0.000 abstract description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种ACC车辆连续通过多个交叉口的经济速度规划系统及方法,该经济速度规划系统包括环境感知模块、车速规划模块、ACC控制器和执行机构;环境感知模块获取车辆行驶状态信息、车间行驶状态信息及信号灯状态及其配时信息;车速规划模块将电机能耗作为目标函数并对车辆在各交叉口下的通行行为进行决策,从而确定待优化问题的约束条件,然后基于优化算法获得规划车速并对其进行分析以决定是否进行重新规划;ACC控制器根据车辆行驶状态信息、车间行驶状态信息和规划车速在速度跟踪和距离跟踪之间切换,输出控制指令至执行机构以驱动车辆通过交叉口。本发明可以使车辆经济快速地通过交叉路口,有效减少车辆的停车次数,缩短出行时间。
Description
技术领域
本发明属于ACC车辆速度规划技术领域,具体涉及一种ACC车辆连续通过多个交叉口的经济速度规划系统及方法。
背景技术
自适应巡航(ACC)车辆基于毫米波雷达等车载传感器可以获得自车与前车之间的相对运动状态信息,进而由控制器决策出目标指令并经执行机构作用于受控车辆,从而完成跟驰行驶。由于目前的交通流主要由手动驾驶车辆和ACC车辆组成,当目标跟随车辆为手动驾驶车辆,由于驾驶员存在不当的驾驶习惯,尤其是在交叉口处如频繁的加减速和过早刹停等待红灯等行为,会大大影响ACC车辆的使用性能,甚至造成路口拥堵。基于V2I通信获得的前方多个路口的信号灯状态及其配时信息可以被ACC车辆用于速度规划,一方面可以降低车辆通过交叉口的能耗,另一方面可以使车辆保持一定的车速通过路口而不需要停车,减少车辆停车后重新启动所需要的大功率输出的同时有利于提高路口的通行效率,降低平均出行时间。
发明内容
针对现有技术中存在不足,本发明提供了一种ACC车辆连续通过多个交叉口的经济速度规划系统及方法,以提高ACC车辆通过交叉口的能力。
本发明是通过以下技术手段实现上述技术目的的。
一种ACC车辆连续通过多个交叉口的经济速度规划系统,包括:
环境感知模块,包括GPS导航系统、DSRC专用短程通信设备以及车载传感器,所述GPS导航系统获取各交叉口之间的距离xTL,所述DSRC专用短程通信设备获取各交叉口的信号灯状态TL及其配时信息t,车载传感器获取车辆行驶状态信息和车间行驶状态信息;
车速规划模块,包括速度规划子模块和规划车速序列分析子模块,所述速度规划子模块利用优化算法对ACC车辆连续通过多个交叉口的车速进行规划,所述规划车速序列分析子模块对速度规划子模块获得的规划车速序列是否满足约束条件进行判断并确定是否重新进行车速规划;
ACC控制器,包括安全跟驰子模块、速度控制器、距离控制器和逆纵向动力学模型,所述安全跟驰子模块对车辆的行驶模式进行决策,输出规划车速vdes或者期望车间距xdes,所述速度控制器用于自主巡航模式下对规划车速的跟踪控制,所述距离控制器用于跟驰模式下对期望车间距的跟踪控制,所述逆纵向动力学模型将期望加速度ades转化为期望电机转矩Tmot-des和期望液压压强Phyd-des;
执行机构,包括驱动电机和液压制动系统,所述驱动电机用于对主车提供动态转矩Tmot-fact,所述液压制动系统用于对驱动电机的电制动力补偿,并提供实际液压压强Phyd-fact。
一种ACC车辆连续通过多个交叉口的经济速度规划方法,所述速度规划子模块根据环境感知模块获得的信息以及车辆历史平均车速vaverage,建立目标函数和约束条件,使用优化算法对ACC车辆连续通过多个交叉口的车速进行规划;所述安全跟驰子模块基于间距策略、车辆行驶状态信息、车间行驶状态信息和规划车速序列对车辆的行驶模式进行决策,并输出规划车速vdes或者期望车间距xdes;所述速度控制器在自主巡航模式下对规划车速进行跟踪控制,输出期望加速度ades,所述距离控制器在跟驰模式下对期望车间距进行跟踪控制,输出期望加速度ades;所述逆纵向动力学模型将期望加速度ades转化为期望电机转矩Tmot-des和期望液压压强Phyd-des,驱动电机根据期望电机转矩Tmot-des为主车提供动态转矩Tmot-fact,使得主车连续通过交叉口.
进一步地,驱动电机的电制动力需要补偿时,液压制动系统根据期望液压压强Phyd-des提供实际液压压强Phyd-fact。
进一步地,使用优化算法对ACC车辆连续通过多个交叉口的车速进行规划,具体为:
记采样时间为Ts秒,红灯全部时长为tred秒,绿灯全部时长为tgreen秒,黄灯全部时长为tyellow秒,信号灯周期tcycle=tgreen+tyellow+tred秒,各交叉口之间的距离为xTLj米,路口长度为xgapj米,tj为初始时刻第j个交叉口的信号灯配时信息,第j个交叉口的约束条件为Consj;记矩阵Ej1=[e1 e2],向量向量矩阵Ej2=[e3 e4],向量向量其中N为规划车速序列长度,N1、N2为信号灯状态确定的各路口的规划车速序列长度;
各交叉口下的距离约束条件的判断方法为:
在第1个交叉口处,如果初始时刻信号灯为红色,剩余时长为t1,则通行决策flag1=0,车辆在绿灯开始时刻再通过交叉口,绿灯开始时刻tgreen_start(1)=t1,那么第1个交叉口的约束条件 如果信号灯为绿色,剩余时长为t1,且t1+tyellow≥tmin,则通行决策flag1=1,车辆在当前剩余绿灯时长内通过交叉口,绿灯开始时刻tgreen_start(1)=0,此时第1个交叉口的约束条件为Cons1=0.5Ts·E11(K11T+K12+K21T+K22)≥xTL1+xgap1,若t1+tyellow<tmin,则通行决策flag1=0,车辆需要在下一个绿灯开始时再通过交叉口,绿灯开始时刻tgreen_start(1)=t1+tyellow+tred,约束条件为
在第j个交叉口处,记第j-1个交叉口绿灯开始时刻为tgreen_start(j-1);如果初始时刻信号灯为红色,剩余时长为tj,tgreen_start(j)=tj;若tgreen_start(j)<tgreen_start(j-1)+tmin,则通行决策flagj=0,更新tgreen_start(j),使得flagj=1,更新公式为tgreen_start(j)=tgreen_start(j)+tcycle,直至tgreen_start(j)≥tgreen_start(j-1)+tmin,此时通行决策flagj=1,那么第j个交叉口的约束条件为 如果初始时刻信号灯为绿色,剩余时长为tj,则tgreen_start(j)=tj+tyellow+tred,若tgreen_start(j)<tgreen_start(j-1)+tmin,则通行决策flagj=0,更新tgreen_start(j),使得flagj=1,更新公式为tgreen_start(j)=tgreen_start(j)+tcycle,直至tgreen_start(j)≥tgreen_start(j-1)+tmin,此时通行决策flagj=1,那么第j个交叉口的约束条件为
单个车辆连续通过多个交叉口的约束条件为:Cons1∪Cons2∪…∪Consj;
基于上述目标函数、距离约束条件以及转矩约束、车辆加速度约束和路口限速约束,优化算法获得规划车速序列vdes。
更进一步地,最后一个交叉路口的约束条件中增加如下约束,使得车辆在通过交叉口后回到初始车速:H(K11T+K12)=v0,矩阵H=[0 0 … 0 1](1×N)。
更进一步地:
所述转矩约束表示为Tmin≤T≤Tmax,ΔTincrement_min≤ΔTincrement≤ΔTincrement_max;
所述限速约束表示为(K11T+K12)≤Vmax·Ts;
其中Tmin为电机外特性限制的最小输出转矩,Tmax为电机外特性限制的最大输出转矩,ΔTincrement_min为最小电机输出转矩增量,ΔTincrement_max为最大电机输出转矩增量,amax为车辆通过交叉口的最大加速度限制,Vmax为车辆通过交叉口的最大速度限制。
更进一步地,所述规划车速序列分析子模块对规划车速序列是否满足约束条件进行判断,若不满足相关约束,则需要重新对车速进行规划,直至满足相关约束条件后再输出规划车速。
进一步地,所述间距策略基于固定车头时距,期望车间距xdes=thvh+d0,其中th为固定车头时距,d0为静止条件下主车与前车的最小车间距。
进一步地,所述距离控制器是基于线性矩阵不等式的滑模变结构,具体为:
ades=-(B2 TWB2)-1B2 TWA2x-(B2 TWB2)-1[|B2 TWB2|δf+ε0]sign(s)
进一步地,所述速度控制器是基于复合趋近律的滑模变结构,具体为:
ades(k)=(CeB1)-1·(CeR(k+1)-CeA1x-s(k)-ds(k))
其中,矩阵Ce=[c 1],c为滑模函数系数;A1、B1为状态方程的系数矩阵;R(k+1)为期望值;s(k)为滑模函数,ds(k)为复合趋近律。
本发明的有益效果为:
(1)本发明ACC车辆根据车辆的历史平均车速、多个交叉口的信号灯状态及配时信息进行通行行为决策,进而确定各交叉口下的约束条件,通过将电机能耗作为目标函数,可以获得相关约束下能够使车辆经济性地通过交叉口而不需要停车等待的规划车速,进而减少平均出行时间。
(2)本发明使用基于复合趋近律的滑模变结构控制所设计的速度控制器可以有效提高车辆在速度跟踪时的响应并减少系统抖振;使用基于线性矩阵不等式的滑模变结构控制所设计的距离控制器可以有效克服外界扰动,提高系统的鲁棒性;速度控制器和距离控制器的切换可以有效保证车辆行驶过程中的安全性。
附图说明
图1为本发明所述ACC车辆连续通过多个交叉口的经济速度规划系统结构示意图;
图2为本发明各交叉口下的距离约束条件的判断方法流程图;
图3为本发明主车跟驰规划车速示意图;
图4为本发明主车跟驰规划车速通过交叉口示意图。
具体实施方式
下面结合附图以及具体实施例对本发明作进一步的说明,但本发明的保护范围并不限于此。
如图1所示,一种ACC车辆连续通过多个交叉口的经济速度规划系统,包括环境感知模块、车速规划模块、ACC控制器和执行机构。
环境感知模块由GPS导航系统、DSRC专用短程通信设备以及车载传感器组成。GPS导航系统用于获取各交叉口之间的距离xTL,DSRC专用短程通信设备用于获取各交叉口的信号灯状态TL及其配时信息t(图中n为本车前方交叉口的数量),车载传感器用于获取主车速度vh、主车加速度ah、前车车速vp(车辆行驶状态信息)以及实际车间距xrel、相对车速vrel(车间行驶状态信息);由实际车间距xrel和相对车速vrel获取前车车速vp(vp=vrel+vh),vp也属于车辆行驶状态信息;由主车速度vh的历史数据,获得车辆历史平均车速vaverage。
车速规划模块包括速度规划子模块和规划车速序列分析子模块。速度规划子模块根据环境感知模块获得的信息以及车辆历史平均车速vaverage,通过建立目标函数和约束条件并使用优化算法对ACC车辆连续通过多个交叉口的车速进行规划;规划车速序列分析子模块对速度规划子模块获得的规划车速序列进行是否满足约束条件(包括位移约束、转矩约束、车辆加速度约束和路口限速约束)的判断,若不满足相关约束,则需要重新对车速进行规划,直至满足相关约束条件后再输出规划车速。
基于优化算法对ACC车辆连读通过多个交叉口时的车速进行规划,具体为:记采样时间为Ts秒,红灯全部时长为tred秒,绿灯全部时长为tgreen秒,黄灯全部时长为tyellow秒,信号灯周期tcycle=tgreen+tyellow+tred秒,各交叉口长度为xTLj米,路口长度为xgapj米,tj为当前时刻第j个交叉口的信号灯配时信息,第j个交叉口的约束条件为Consj,车速规划时长为tplanning,规划车速序列长度记矩阵Ej1=[e1 e2],向量向量矩阵Ej2=[e3 e4],向量向量N1、N2为各路口状态确定的规划车速序列长度。优化算法的目标函数为T(i)表示电机转矩,n(i)表示电机转速。
如图2所示,各交叉口下的距离约束条件的判断方法为:
在第1个交叉口处:如果初始时刻信号灯为红色,剩余时长为t1,则通行决策flag1=0,车辆在绿灯开始时刻再通过交叉口,绿灯开始时刻tgreen_start(1)=t1,那么第1个交叉口的约束条件 如果信号灯为绿色,剩余时长为t1,且t1+tyellow≥tmin(tmin为通过交叉口的最短时间,且则通行决策flag1=1,车辆在当前剩余绿灯时长内通过交叉口,绿灯开始时刻tgreen_start(1)=0,此时第1个交叉口的约束条件为Cons1=0.5Ts·E11(K11T+K12+K21T+K22)≥xTL1+xgap1,如果t1+tyellow<tmin,则通行决策flag1=0,车辆需要在下一个绿灯开始时再通过交叉口,绿灯开始时刻tgreen_start(1)=t1+tyellow+tred,约束条件为
在第j个交叉口处(j=2,3,…),记第j-1个交叉口绿灯开始时刻为tgreen_start(j-1);如果初始时刻信号灯为红色,剩余时长为tj,tgreen_start(j)=tj;若tgreen_start(j)<tgreen_start(j-1)+tmin,则通行决策flagj=0,需要更新tgreen_start(j)以使得flagj=1,更新公式为txreen_start(j)=tgreen_start(j)+tcycle,直至tgreen_start(j)≥tgreen_start(j-1)+tmin,此时通行决策flagj=1,那么第j个交叉口的约束条件为此时 如果初始时刻信号灯为绿色,剩余时长为tj,则tgreen_start(j)=tj+tyellow+tred,若tgreen_start(j)<tgreen_start(j-1)+tmin,则通行决策flagj=0,需要更新tgreen_start(j)以使得flagj=1,更新公式为tgreen_start(j)=tgreen_start(j)+tcycle,直至tgreen_start(j)≥tgreen_start(j-1)+tmin,此时通行决策flagj=1,那么第j个交叉口的约束条件为此时 其中矩阵 且中间量k2=-(gfcosα+gsinα);v0为规划初始时刻车辆速度。
单个车辆连续通过多个交叉口的约束条件为:Cons1∪Cons2∪…∪Consj。为了使终止时刻的车速等于初始车速,最后一个交叉路口的约束条件中增加如下约束使得车辆在通过交叉口后回到初始车速:H(K11T+K12)=v0,v0为车辆初始速度,矩阵H=[0 0…0 1](1×N)。
除了上述距离约束之外,速度规划还需要满足转矩约束、车辆加速度约束和路口限速约束。其中转矩约束表示为Tmin≤T≤Tmax,ΔTincrement_min≤ΔTincrement≤ΔTincrement_max,加速度约束表示为G(K11T+K12)≤amax·Ts,其中矩阵限速约束表示为(K11T+K12)≤Vmax·Ts;其中Tmin为电机外特性限制的最小输出转矩,Tmax为电机外特性限制的最大输出转矩,ΔTincrement_min为最小电机输出转矩增量,ΔTincrement_max为最大电机输出转矩增量,amax为车辆通过交叉口的最大加速度限制,Vmax为车辆通过交叉口的最大速度限制。
基于上述确定的目标函数和约束条件,通过优化算法获得最优转矩序列T*及其对应的规划车速序列vdes(为现有技术)。
ACC控制器包括安全跟驰子模块、速度控制器、距离控制器和逆纵向动力学模型。安全跟驰子模块基于间距策略、车辆行驶状态信息、车间行驶状态信息和规划车速序列对车辆的行驶模式进行决策,并输出规划车速vdes或者期望车间距xdes;速度控制器用于自主巡航模式下(非跟驰模式)对规划车速的跟踪控制;距离控制器用于跟驰模式下对期望车间距的跟踪控制。间距策略基于固定车头时距,期望车间距xdes=thvh+d0,其中th为固定车头时距,本实施例取2秒,d0为静止条件下主车与前车的最小车间距,本实施例取4m。跟驰模式的判定,具体为:当xrel>xdes时,判定车辆处于自主巡航模式,此时速度控制器接受规划车速vdes和主车加速度ah,实现速度跟踪控制;当xrel≤xdes,判定车辆处于跟驰模式,此时距离控制器接收实际车间距xrel、相对车速vrel和主车加速度ah,完成距离跟踪控制;速度控制器和距离控制器均输出期望加速度ades。
距离控制器是基于线性矩阵不等式的滑模变结构,其状态方程为:
其中,τ为时间常数,本实施例取0.25秒;A2、B2为状态方程的系数矩阵;u为控制律,u=ades。
定义滑模函数s=B2 TWx,其中状态反馈矩阵W通过建立线性矩阵不等式问题求解得到,具体表现为取李雅普诺夫函数V=xTWx,定义控制律u(t)=-Zx+v,Z为状态反馈矩阵,中间量v=Zx+ueq+un,等效控制项ueq=-(B2 TWB2)-1B2 TWA2x,鲁棒控制项un=-(B2 TWB2)-1[|B2 TWB2|δf+ε0]sign(s),δf为外界扰动幅值,取0.5,ε0为用于克服扰动,且ε0=0.1。
为了保证李雅普诺夫函数的一阶导数根据状态方程和控制律,得到关于W的不等式:A2X+XA2 T-B2L-LTB2 T<0,中间量X=W-1、L=ZX,由上述不等式,求解出的X,所以W=X-1。因此基于线性矩阵不等式的距离控制器可以表示为:
ades=-(B2 TWB2)-1B2 TWA2x-(B2 TWB2)-1[|B2 TWB2|δf+ε0]sign(s)。
速度控制器是基于复合趋近律的滑模变结构,其状态方程为:
其中,Ts为采样时间,状态量x(k)=[vrel(k);ah(k)],A1、B1为状态方程的系数矩阵;
选取滑模函数:
s(k)=c(vrel_des(k)-vrel(k))+(ah_des(k)-ah(k))=Ce·(R(k)-x(k))
其中,矩阵Ce=[c 1],c为滑模函数系数,本实施例中c取12;期望值R(k)=[vrel_des(k);ah_des(k)],vrel_des为期望相对车速,本实施例取为0,ah_des为期望主车加速度,本实施例取为0,因此R=[0;0]。
将状态方程代入趋近律根据滑模函数各分量的绝对值之和的大小在指数趋近律和变速趋近律之间进行切换,记滑模函数各分量的绝对值之和为sat(k)=|(vrel_des(k)-vrel(k))+|(ah_des(k)-ah(k))|;其中等速趋近系数p>0,指数趋近系数q>0,本实施例中p=20、q=20、satmin=0.001。
则基于复合趋近律的速度控制器可以表示为:
ades(k)=(CeB1)-1·(CeR(k+1)-CeA1x-s(k)-ds(k))。
逆纵向动力学模型将期望加速度ades转化为期望电机转矩Tmot-des和期望液压压强Phyd-des,其中期望电机转矩计算公式为:
公式中,m为汽车质量,g为重力加速度,f为滚动阻力系数,α为道路坡度,Cd为空气阻力系数,A为迎风面积,r为车轮半径,ig为变速器传动力,i0为主减速器传动比,ηt为传动系统的效率;本实施例中,m=775kg、f=0.018、a=0、Cd=0.25、A=2.08m2、r=0.252m、ig=1、i0=6.515、ηt=0.95、τ1=0.05、kp=100。
执行机构包括驱动电机和液压制动系统,驱动电机用于对主车提供动态转矩Tmot-fact,液压制动系统用于对驱动电机的电制动力补偿并提供实际液压压强Phyd-fact。
其中动态转矩的计算公式为:
式中,τ1为电机模型的时间常数。
实际液压压强的计算公式为:
式中,τ2为液压制动系统的迟滞时间常数。
当期望转矩Tmot_des<Tmot_min,则电机需要液压制动力进行补偿,期望的液压压强计算公式为其中Tmot_min为电机外特性限制下的最大电制动力,ΔT为需要补偿的电制动力,kp为制动力与液压压强之间的转换系数。
本实施例中优化算法以遗传算法为例。其中,采样时间Ts=1秒,红灯全部时长为20秒,绿灯全部时长为15秒,黄灯全部时长为3秒,信号灯周期tcycle=38秒,各交叉口之间的距离xTLj=200米,路口长度xgapj=20米,车速规划时长为120秒,规划车速序列长度车辆初始速度vinit=10m/s,tj为初始时刻第j个交叉口的信号灯配时信息;本实施例共有4个交叉路口,第j个交叉口的约束条件为Consj,初始时刻各信号灯的配时信息如下:第1个交叉口为红灯,剩余时长为20秒;第2个交叉口为绿灯,剩余时长为12秒;第3个交叉口为红灯,剩余时长为2秒;第4个交叉口为红灯,剩余时长为17秒。遗传算法的适应度函数为约束条件为:
在第1个交叉口处,初始时刻的信号灯为红色,t1=20,通行决策flag1=0,车辆等绿灯开始时再通过,tgreen_start(1)=20,第一个交叉口的约束条件其中E11=[e1 e2],e1=[1 1 … 1](1×20),e2=[0 0 … 0](1×100),e12=[e3 e4],e3=[1 1 … 1](1×38),e4=[0 0 … 0](1×82);
在第2个交叉口处,初始时刻的信号灯为绿色,取历史平均车速取为15m/s,那么tgreen_start(2)=12+3+20=35,由于35≥20+14.667,通行决策flag2=1,第2个交叉路口的约束条件其中E21=[e1 e2],e1=[1 1 … 1](1×35),e2=[0 0 … 0](1×85),E22=[e3 e4],e3=[1 1 … 1](1×53),e4=[0 0 … 0](1×67);
在第3个交叉路口处,初始时刻的信号灯为红色,tgreen_start(3)=2,由于tgreen_start(2)=35,且2≤35+14.6667,因此通行决策flag3=0,需要更新tgreen_start(3),经历一个信号灯周期后,tgreen_start(3)=2+38=40,由于40≤35+14.6667,通行决策flag3=0,因此继续更新tgreen_start(3)=40+38=78,此时78≥35+14.6667,通行决策flag3=1,因此第3个交叉口的约束条件其中E31=[e1 e2],e1=[11 … 1](1×78),e1=[0 0 … 0](1×42),E32=[e3 e4],e3=[1 1 … 1](1×96),e4=[0 0 …0](1×24);
在第4个交叉路口处,初始时刻的信号灯为红色,tgreen_start(3)=17,由于tgreen_stret(3)=78,且17≤78+14.6667,因此通行决策flag4=0,需要更新tgreen_start(4),经历一个信号灯周期后,tgreen_start(3)=17+38=55,由于55≤78+14.6667,通行决策flag4=0,继续更新tgreen_start(3)=55+38=93,此时93≥78+14.6667,通行决策flag4=1,因此第4个交叉口的约束条件其中E41=[e1e2],e1=[1 1 … 1](1×93),e2=[0 0 … 0](1×27),E42=[e3 e4],e3=[1 1 … 1](1×111),e4=[0 0 … 0](1×9),H=[0 0 … 0 1](1×120)。因此,单个车辆连续通过多个交叉口的距离约束条件为:Cons1∪Cons2∪Cons3∪Cons4。
基于上述确定的适应度函数和约束条件,可以通过遗传算法获得最优转矩序列T*及其对应的规划车速序列vdes。
从图3可以看出来,主车的实际车速平稳跟驰利用本发明ACC车辆连续通过多个交叉口的经济速度规划系统规划的车速,在连续通过四个交叉口时最低车速为7.5m/s左右,未出现减速至零停车等待绿灯通行的情况,同时在第120秒回到车辆的初始车速10m/s。
图4可知,主车跟踪规划车速行驶时,能够在规定的绿灯时长内顺利通过交叉口而未出现闯红灯的情景。
所述实施例为本发明的优选的实施方式,但本发明并不限于上述实施方式,在不背离本发明的实质内容的情况下,本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。
Claims (10)
1.一种ACC车辆连续通过多个交叉口的经济速度规划系统,其特征在于,包括:
环境感知模块,包括GPS导航系统、DSRC专用短程通信设备以及车载传感器,所述GPS导航系统获取各交叉口之间的距离xTL,所述DSRC专用短程通信设备获取各交叉口的信号灯状态TL及其配时信息t,车载传感器获取车辆行驶状态信息和车间行驶状态信息;
车速规划模块,包括速度规划子模块和规划车速序列分析子模块,所述速度规划子模块利用优化算法对ACC车辆连续通过多个交叉口的车速进行规划,所述规划车速序列分析子模块对速度规划子模块获得的规划车速序列是否满足约束条件进行判断并确定是否重新规划;
ACC控制器,包括安全跟驰子模块、速度控制器、距离控制器和逆纵向动力学模型,所述安全跟驰子模块对车辆的行驶模式进行决策,输出规划车速vdes或者期望车间距xdes,所述速度控制器用于自主巡航模式下对规划车速进行跟踪控制,所述距离控制器用于跟驰模式下对期望车间距进行跟踪控制,所述逆纵向动力学模型将期望加速度ades转化为期望电机转矩Tmot-des和期望液压压强Phyd-des;
执行机构,包括驱动电机和液压制动系统,所述驱动电机用于对主车提供动态转矩Tmot-fact,所述液压制动系统用于对驱动电机的电制动力补偿,并提供实际液压压强Phyd-fact。
2.一种根据权利要求1所述的ACC车辆连续通过多个交叉口的经济速度规划系统的经济速度规划方法,其特征在于,所述速度规划子模块根据环境感知模块获得的信息以及车辆历史平均车速vaverage,建立目标函数和约束条件,使用优化算法对ACC车辆连续通过多个交叉口的车速进行规划;所述安全跟驰子模块基于间距策略、车辆行驶状态信息、车间行驶状态信息和规划车速序列对车辆的行驶模式进行决策,并输出规划车速vdes或者期望车间距xdes;所述速度控制器在自主巡航模式下对规划车速的跟踪控制,输出期望加速度ades,所述距离控制器在跟驰模式下对期望车间距的跟踪控制,输出期望加速度ades;所述逆纵向动力学模型将期望加速度ades转化为期望电机转矩Tmot-des和期望液压压强Phyd-des,驱动电机根据期望电机转矩Tmot-des为主车提供动态转矩Tmot-fact,使得主车连续通过交叉口。
3.根据权利要求2所述的经济速度规划方法,其特征在于,所述驱动电机的电制动力需要补偿时,液压制动系统根据期望液压压强Phyd-des提供实际液压压强Phyd-fact。
4.根据权利要求2所述的经济速度规划方法,其特征在于,使用优化算法对ACC车辆连续通过多个交叉口的车速进行规划,具体为:
记采样时间为Ts秒,红灯全部时长为tred秒,绿灯全部时长为tgreen秒,黄灯全部时长为tyellow秒,信号灯周期tcycle=tgreen+tyellow+tred秒,各交叉口之间的距离为xTLj米,路口长度为xgapj米,tj为初始时刻第j个交叉口的信号灯配时信息,第j个交叉口的约束条件为Consi;记矩阵Ej1=[e1 e2],向量向量矩阵Ej2=[e3 e4],向量向量其中N为规划车速序列长度,N1、N2为各信号灯状态确定的各路口的规划车速序列长度;
各交叉口下的距离约束条件的判断方法为:
在第1个交叉口处,如果初始时刻信号灯为红色,剩余时长为t1,则通行决策flag1=0,车辆在绿灯开始时刻再通过交叉口,绿灯开始时刻tgreen_start(1)=t1,那么第1个交叉口的约束条件 如果信号灯为绿色,剩余时长为t1,且t1+tyellow≥tmin,则通行决策flag1=1,车辆在当前剩余绿灯时长内通过交叉口,绿灯开始时刻tgreen_start(1)=0,此时第1个交叉口的约束条件为Cons1=0.5Ts·E11(K11T+K12+K21T+K22)≥xTL1+xgap1,若t1+tyellow<tmin,则通行决策flag1=0,车辆需要在下一个绿灯开始时再通过交叉口,绿灯开始时刻tgreen_start(1)=t1+tyellow+tred,约束条件为 其中tmin为通过交叉口的最短时间,且矩阵且中间量k2=-(gfcosα+gsinα),v0为规划初始时刻车辆速度;
在第j个交叉口处,记第j-1个交叉口绿灯开始时刻为tgreen_start(j-1);如果初始时刻信号灯为红色,剩余时长为tj,则tgreen_start(j)=tj;若tgreen_start(j)<tgreen_start(j-1)+tmin,则通行决策flagj=0,更新tgreen_start(j),使得flagj=1,更新公式为tgreen_start(j)=tgreen_start(j)+tcycle,直至tgreen_start(j)≥tgreen_start(j-1)+tmin,此时通行决策flagj=1,那么第j个交叉口的约束条件为 如果初始时刻信号灯为绿色,剩余时长为tj,则tgreen_start(j)=tj+tyellow+tred,若tgreen_start(j)<tgreen_start(j-1)+tmin,则通行决策flagj=0,更新tgreen_start(j),使得flagj=1,更新公式为tgreen_start(j)=tgreen_start(j)+tcycle,直至tgreen_start(j)≥tgreen_start(j-1)+tmin,此时通行决策flagj=1,那么第j个交叉口的约束条件为
单个车辆连续通过多个交叉口的约束条件为:Cons1∪Cons2∪…∪Consj;
基于上述目标函数、距离约束条件以及转矩约束、车辆加速度约束和路口限速约束,优化算法获得规划车速序列vdes。
5.根据权利要求4所述的经济速度规划方法,其特征在于,最后一个交叉路口的约束条件中增加如下约束,以使得车辆在通过交叉口后回到初始车速:H(K11T+K12)=v0,矩阵H=[00 … 0 1](1×N)。
7.根据权利要求6所述的经济速度规划方法,其特征在于,所述规划车速序列分析子模块对规划车速序列是否满足约束条件进行判断,若不满足相关约束,则需要重新对车速进行规划,直至满足相关约束条件后再输出规划车速。
8.根据权利要求2所述的经济速度规划方法,其特征在于,所述间距策略基于固定车头时距,期望车间距xdes=thvh+d0,其中th为固定车头时距,d0为静止条件下主车与前车的最小车间距。
10.根据权利要求2所述的经济速度规划方法,其特征在于,所述速度控制器是基于复合趋近律的滑模变结构,具体为:
ades(k)=(CeB1)-1·(CeR(k+1)-CeA1x-s(k)-ds(k))
其中,矩阵Ce=[c 1],c为滑模函数系数;A1、B1为状态方程的系数矩阵;R(k+1)为期望值;s(k)为滑模函数,ds(k)为复合趋近律。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110591561.3A CN113359719A (zh) | 2021-05-28 | 2021-05-28 | 一种acc车辆连续通过多个交叉口的经济速度规划系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110591561.3A CN113359719A (zh) | 2021-05-28 | 2021-05-28 | 一种acc车辆连续通过多个交叉口的经济速度规划系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113359719A true CN113359719A (zh) | 2021-09-07 |
Family
ID=77528180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110591561.3A Pending CN113359719A (zh) | 2021-05-28 | 2021-05-28 | 一种acc车辆连续通过多个交叉口的经济速度规划系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113359719A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113963564A (zh) * | 2021-10-12 | 2022-01-21 | 清华大学 | 连续信号灯道路车辆最优通行速度规划方法、系统及介质 |
CN114648878A (zh) * | 2022-05-18 | 2022-06-21 | 华砺智行(武汉)科技有限公司 | 一种智能网联环境下连续路口速度诱导方法 |
CN116859952A (zh) * | 2023-08-10 | 2023-10-10 | 上海理工大学 | 基于二阶连续滑模的车队纵向复合控制方法及系统 |
-
2021
- 2021-05-28 CN CN202110591561.3A patent/CN113359719A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113963564A (zh) * | 2021-10-12 | 2022-01-21 | 清华大学 | 连续信号灯道路车辆最优通行速度规划方法、系统及介质 |
CN114648878A (zh) * | 2022-05-18 | 2022-06-21 | 华砺智行(武汉)科技有限公司 | 一种智能网联环境下连续路口速度诱导方法 |
CN116859952A (zh) * | 2023-08-10 | 2023-10-10 | 上海理工大学 | 基于二阶连续滑模的车队纵向复合控制方法及系统 |
CN116859952B (zh) * | 2023-08-10 | 2024-05-03 | 上海理工大学 | 基于二阶连续滑模的车队纵向复合控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113359719A (zh) | 一种acc车辆连续通过多个交叉口的经济速度规划系统及方法 | |
CN112373472B (zh) | 一种自动驾驶交叉口车辆进入时刻与行驶轨迹控制方法 | |
US20200031361A1 (en) | Autonomous Efficient Driving Strategy Using Behavior-Based Learning | |
Pananurak et al. | Adaptive cruise control for an intelligent vehicle | |
CN101152842B (zh) | 行驶控制装置 | |
CN102834852B (zh) | 车辆行驶辅助装置 | |
CN111873998B (zh) | 一种自动驾驶车辆纵向加速度规划方法 | |
CN111332283B (zh) | 用于控制机动车的方法和系统 | |
CN106004875A (zh) | 自适应巡航控制系统 | |
SE1151256A1 (sv) | Metod och modul för att styra ett fordons hastighet genom simulering | |
JP2001236600A (ja) | 車両走行制御装置 | |
Kamal et al. | Intersection vehicle cooperative eco-driving in the context of partially connected vehicle environment | |
CN108349485B (zh) | 用于在车辆中自适应地调节车速的方法以及速度调节设备 | |
CN110799402B (zh) | 车辆控制装置 | |
CN110481562B (zh) | 汽车自动换道最优轨迹规划、控制方法及系统 | |
CN113012448A (zh) | 一种解决路口交通拥堵的汽车配发编队智能驾驶系统 | |
CN107428341A (zh) | 用于适配车辆的车辆速度的方法和设备 | |
CN115662131A (zh) | 网联环境下道路事故路段的多车道协同换道方法 | |
Kamal et al. | Look-ahead driving schemes for efficient control of automated vehicles on urban roads | |
CN116118730B (zh) | 一种预见性巡航系统的控制方法、装置、设备及介质 | |
CN111413979B (zh) | 一种基于快速模型预测的汽车轨迹跟踪控制方法 | |
CN115320616A (zh) | 一种自动驾驶车辆速度的控制方法、装置、设备及介质 | |
CN115352443A (zh) | 一种基于旁车切入识别的自适应巡航控制方法及设备 | |
US20230174096A1 (en) | Method for steering a vehicle | |
JP2002052951A (ja) | 車両の制御装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210907 |