CN113489793A - 一种混合交通场景下的快速路双车道协同控制方法 - Google Patents

Abstract

本发明公开了一种混合交通场景下的快速路双车道协同控制方法，包括同一行驶方向的快速路的双车道，所述双车道包括第一车道和第二车道；所述双车道上行驶有多辆人驾车HV和多辆网联自动车CAV，其特征在于，包括以下步骤：S1：定义快速路混合交通子车队；S2：子车队中网联自动车的通信拓扑；S3：构建网联自动车控制策略和人驾车模型；S4：基于空间分布的双车道混合交通群体控制方法。本发明根据网联自动车和人驾车在道路上的物理空间位置给出了一种混合交通子车队的划分方法，并基于此构建了新的网联自动车控制算法，使得网联自动车在混合交通场景下控制算法更易实现。

Description

一种混合交通场景下的快速路双车道协同控制方法

技术领域

本发明属于网联智能汽车的控制领域，主要针对性解决快速路场景下，尤其是快速路路段双车道不同类型车辆混合行驶的协同控制方法。

背景技术

随着通信技术和自动化技术的快速发展，交通系统也在朝向智能化不断的升级。为了提高现有道路条件下的交通安全和通行效率，自动驾驶车辆成为当前研究的热点。在可预见的未来，会有越来越多的自动驾驶车辆上路。然而，由于经济和技术的制约，不可避免地会出现自动驾驶车辆与传统人驾车混行于同一交通道路的情况。因此，为了保证混合交通情形下的交通效率和安全，需要借助路侧设备对道路上的车辆状态信息进行感知和传输，在此基础上设计双车道混合交通协同控制策略，以保证双车道下混合交通的通行效率，充分发挥自动驾驶车辆的优势。

通过查阅相关专利和论文发现，目前的研究中，大多只考虑了单一车道上队列内的车辆控制策略，没有考虑队列内车辆的分离到其他车道的情况。专利CN111047871A 设计了一种基于车联网的人机驾驶混合交通协同控制系统及方法，能控制自动驾驶车辆通过拥堵路口,提高通行效率。但是该方法主要是针对有信号的交叉路口混合交通场景，不适用与双车道的快速路路段。专利CN112116822A考虑混合交通场景，通过多因素的约束，建立整数非线性的车道动态分配模型，进而在高速公路上设置网联自动驾驶车辆专用车道，从而实现通行能力的协同调控。然而该方法需要在网联自动驾驶车辆渗透率较高时才能体现其优越性，而且当网联自动驾驶车辆渗透率较低时单独为其分配专用车道也不合理。

发明内容

有鉴于此，本发明的目的是通过应用车路协同技术，基于双车道上车辆的空间位置，考虑传统人驾车(HV)和网联智能汽车(CAV)的驾驶行为差异，首先设计了网联智能汽车(CAV)纵向控制器，并在此基础上设计了双车道混合交通协同控制方法，实现双车道快速路路段混合交通通行效率的提升。

本发明的目的是通过以下技术方案实现的：

一种混合交通场景下基于车辆空间位置的快速路双车道协同控制方法，包括同一行驶方向的快速路的双车道，所述双车道包括第一车道和第二车道；所述双车道上行驶有多辆人驾车HV和多辆网联自动车CAV，包括如下步骤：

步骤1，定义快速路混合交通子车队：

由CAV和HV组成的混合交通可以看成是将人驾车辆随机分配到全部网联自动车辆群体当中，因此，认为混合交通群体由若干个子车队构成，并定义紧跟在人驾车辆后面的网联自动车为一个子车队的次头车，而次头车前面一辆人驾车则为另一个相邻子车队的尾车。

步骤2，子车队中网联自动车的通信拓扑：

道路上所有网联自动车辆被一辆或者多辆人驾车分隔开则形成了许多混合车队，我们定义紧跟在人驾车后面的一辆网联自动车为次头车，因此，混合交通就由次头车领导的子车队构成，在这些子车队中所有的网联自动车都能从离本车最近的网联自动车和它的前车获取相关运动状态信息。

步骤3，构建网联自动车控制策略和人驾车模型：

根据步骤1和步骤2中次头车的定义和子车队的划分，3.1)构建子车队中网联自动车辆控制算法如下：

u_n(t)＝k_s(x_n-1(t-ξ)-x_n(t-ξ)-(s₀+t_hv_n(t-ξ)))+k_Δv(v_n-1(t-ξ)-v_n(t-ξ)+k_Δv,cl(v_cl(t-ξ)-v_n(t-ξ))+k_a,cl(a_cl(t-ξ)-a_n(t-ξ))

这里v_cl(t)和a_cl(t)是距离第n辆车邻近的网联自动车的速度和加速度，s₀是静止时的最小安全距离，t_h是期望的车头时距，ξ表示通信时延，k_s,k_Δv,k_Δv,cl和k_a,cl是控制增益。

3.2)构建人驾车模型：

人驾车的加速度主要是三个参数的函数，即本车与前车的位置差(x_n-1(t)-x_n(t))；本车与前车的速度差(v_n-1(t)-v_n(t))；本车的速度v_n(t)。这个线性化的过程是在一个平衡点处实现的。其中，平衡点可随机选取。当车辆n以恒定速度v^*行驶时，存在一个特定的距离Δx^*(v^*)保证车辆持续以相同速度向前行驶。在平衡点附近，人驾车模型如下：

a_n(t)＝g_s(x_n-1(t)-x_n(t)-Δx^*)+g_Δv(v_n-1(t)-v_n(t))-g_v(v_n(t)-v^*)

这里模型的系数g_s,g_Δv和g_v是正的常数，由给定的跟车模型在平衡点处推导得出。

此外，最优速度函数表达式如下：

步骤4，设计基于空间分布的双车道混合交通群体控制方法：

由现有研究结果可知，CAV和HV的空间分布对车辆的行驶非常重要，并且CAV的分布越均匀，对缓解交通拥堵越有利。因此，在双车道方案中，我们的控制目标是尽可能减小两车道上所有子车队的大小，从而提高CAV分布的均匀性。

4.1)随机选择第一车道或者第二车道中仅包含网联自动车CAV的子车队，随机选择其中一辆网联自动车CAV，判断其是否为次头车，若是，则保持当前行驶状态；若否，则准备执行群体分离策略；

4.2)随机选择第一车道或者第二车道中同时包含人驾车HV和网联自动车CAV的子车队，判断该子车队的次头车和尾车之间是否有网联自动车CAV；若否，则保持当前行驶状态；若是，则随机选择其中一辆网联自动车CAV准备执行分群策略；

4.3)对于步骤4.1)和4.2)中随机选择的准备执行分离策略的网联自动车CAV，判断是否满足换道安全条件；若否，则保持当前行驶状态；若是，则准备执行组群策略；

4.4)判断步骤4.3)中准备进行组群策略的网联自动车CAV，其准备加入的另一车道中的临近前车是否为人驾车HV；若否，则保持当前行驶状态；若是，则执行换到进行组群。

其中，当离开子车队的“个体”与车道分离时，认为一次分群策略完成；当离开子车队的“个体”成功进入另一车道时，认为一次组群策略完成。另外，由于HVs的随机变道现象，在车辆行驶过程中会持续执行组群分群的控制策略，从而保证大尺度子车队的出现时间尽可能短。

有益效果：

本发明的一个有益效果在于根据网联自动车和人驾车在道路上的物理空间位置给出了一种混合交通子车队的划分方法，并基于此构建了新的网联自动车控制算法，使得网联自动车在混合交通场景下控制算法更易实现。

本发明的另一个有益效果在于考虑了传统人驾车的随机性，提出了一种快速路双车道群体控制算法，可以实现网联自动车和传统人驾车的高效协同。

附图说明

图1是混合交通子车队划分示意图；

图2混合交通子车队中网联自动车的通信拓扑；

图3组群和分群前的两车道场景示意图；

图4组群分群后的两车道场景示意图；

图5组群分群流程图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能理解为对本申请的限制。相反，本申请的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。

实施例1：如图1所示，

本发明的目的是通过以下技术方案实现的：

一种混合交通场景下基于车辆空间位置的快速路双车道协同控制方法，包括同一行驶方向的快速路的双车道，所述双车道包括第一车道和第二车道；所述双车道上行驶有多辆人驾车HV和多辆网联只能汽车CAV，包括如下步骤：

步骤1，定义快速路混合交通子车队：

由CAV和HV组成的混合交通可以看成是将人驾车辆随机分配到全部网联自动车辆群体当中，因此，可认为混合交通群体由若干个子车队构成，并定义紧跟在人驾车辆后面的网联自动车为一个子车队的次头车，而次头车前面一辆人驾车则为另一个相邻子车队的尾车。此外，可将包含人驾车和网联车的子车队称为“一般子车队”，而仅含有人驾车或者网联自动车的子车队称为“特殊子车队”。因此，位于车道上的混合交通群体则由一般子车队和特殊子车队构成，其中一般子车队和特殊子车队的多少与网联自动车的渗透率有关。值得注意的是，一般子车队是以网联自动车为头车和人驾车为尾车的形式出现，如图1所示。

步骤2，子车队中网联自动车的通信拓扑：

在单一的网联自动车环境中，通信拓扑结构已有大量学者进行了广泛研究,例如leader-predecessor-following、bidirectional-leader-predecessor等等。从这些通信拓扑结构来看，起领航作用的头车扮演了很重要的角色。然而，对混合交通而言，由于人驾车的不可控性以及它只能接收前车的信息，以前针对单一网联车环境下的通信拓扑结构也不再适用于混合交通。道路上所有网联自动车辆被一辆或者多辆人驾车分隔开则形成了许多混合车队。在本实施例中定义紧跟在人驾车后面的一辆网联自动车为次头车，因此，混合交通就由次头车领导的子车队构成，在这些子车队中所有的网联自动车都能从离本车最近的网联自动车和它的前车获取相关运动状态信息，如图2所示。

步骤3，构建网联自动车控制策略和人驾车模型：

根据步骤1和步骤2中次头车的定义和子车队的划分，3.1)构建子车队中网联自动车辆控制算法如下：

u_n(t)＝k_s(x_n-1(t-ξ)-x_n(t-ξ)-(s₀+t_hv_n(t-ξ)))+k_Δv(v_n-1(t-ξ)-v_n(t-ξ)+k_Δv,cl(v_cl(t-ξ)-v_n(t-ξ))+k_a,cl(a_cl(t-ξ)-a_n(t-ξ))

这里v_cl(t)和a_cl(t)是距离第n辆车邻近的网联自动车的速度和加速度，s₀是静止时的最小安全距离，t_h是期望的车头时距，ξ表示通信时延，k_s,k_Δv,k_Δv,cl和k_a,cl是控制增益。值得注意的是，位置差(x_cl(t-ξ)-x_n(t-ξ))并没有包含在以上控制器中，主要原因是由于第n辆车与其邻近的自动驾驶车辆中间存在人驾车，而人驾车是存在不确定性的，因此导致距离是不可控的。

3.2)构建人驾车模型

对于人驾车而言，目前由许多跟车模型模拟它的驾驶行为，这些模型通常是非线性的但最终都需要线性化处理。因此，现有技术提出了一个统一的线性跟车模型框架，这个框架内包含了许多跟车模型。根据这个统一的模型框架，本实施例可得到人驾车的加速度主要是三个参数的函数，即本车与前车的位置差(x_n-1(t)-x_n(t))；本车与前车的速度差(v_n-1(t)-v_n(t))；本车的速度v_n(t)。

当然，上述线性化的过程是在一个平衡点处实现的。换句话说，当车辆n以恒定速度v^*行驶时，存在一个特定的距离Δx^*(v^*)保证车辆持续以相同速度向前行驶。在平衡点附近，本实施例的人驾车模型如下：

a_n(t)＝g_s(x_n-1(t)-x_n(t)-Δx^*)+g_Δv(v_n-1(t)-v_n(t))-g_v(v_n(t)-v^*)

该模型的系数g_s,g_Δv和g_v是正的常数，由给定的跟车模型在平衡点处推导得出。此外，在本专利中，我们选择的最优速度函数表达式如下：

其中，最优速度一般用于跟车模型中，用来刻画人驾车的驾驶行为。

步骤4，设计基于空间分布的双车道混合交通群体控制方法：

在步骤4中，将对基于空间分布的双车道混合交通控制策略进行详细的描述。首先，由现有研究结果可知，CAV和HV的空间分布对车辆的行驶非常重要，并且CAV的分布越均匀，对缓解交通拥堵越有利。因此，在双车道方案中，控制目标是尽可能减小两车道上所有子车队的大小，从而提高CAV分布的均匀性。

实际上，为了缩小子车队的规模，需要确保子车队中间的CAV在适当的条件下离开当前较大规模的车队，同时，它将在另一条车道上形成一个新的子车队。因此，当离开子车队的“个体”与本车道分离时，认为一次分群策略完成；当离开子车队的“个体”成功进入另一车道时，认为一次组群策略完成。

具体控制策略如下：

4.1)随机选择第一车道或者第二车道中仅包含网联自动车CAV的子车队，随机选择其中一辆网联自动车CAV，判断其是否为次头车，若是，则保持当前行驶状态；若否，则准备执行群体分离策略；

4.2)随机选择第一车道或者第二车道中同时包含人驾车HV和网联自动车CAV的子车队，判断该子车队的次头车和尾车之间是否有网联自动车CAV；若否，则保持当前行驶状态；若是，则随机选择其中一辆网联自动车CAV准备执行分群策略；

4.3)对于步骤4.1)和4.2)中随机选择的准备执行分离策略的网联自动车CAV，判断是否满足换道安全条件；若否，则保持当前行驶状态；若是，则准备执行组群策略；

4.4)判断步骤4.3)中准备进行组群策略的网联自动车CAV，其准备加入的另一车道中的临近前车是否为人驾车HV；若否，则保持当前行驶状态；若是，则执行换到进行组群。

如图3所示，假设在左车道(例如车道1)中有更多的子车队，在右车道(例如车道2)中有更少的CAV。因此，需要将1号车道中规模较大的子车队分开，离开1号车道子车队的“个体”将与2号车道中的HV重新组合(如图3中的红色箭头所示)。图4显示了在完成群体控制策略后，车辆在两条车道上的空间分布。从图中可以看出，车道1和车道2分别形成新的子车队小群体，原来位于车道1的CAV成为车道2的次头车。另外，由于HVs的随机变道现象，在车辆行驶过程中会持续执行组群分群的控制策略，从而保证大尺度子车队的出现时间尽可能短。

本实施例的一个有益效果在于根据网联自动车和人驾车在道路上的物理空间位置给出了一种混合交通子车队的划分方法，并基于此构建了新的网联自动车控制算法，使得网联自动车在混合交通场景下控制算法更易实现。本实施例的另一个有益效果在于考虑了传统人驾车的随机性，提出了一种快速路双车道群体控制算法，可以实现网联自动车和传统人驾车的高效协同。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，但本领域技术人员应当理解，可以在形式上和细节上对其进行各种各样的改变，而不偏离本发明权利要求书所限定的范围。

Claims (4)

1.一种混合交通场景下的快速路双车道协同控制方法，包括同一行驶方向的快速路的双车道，所述双车道包括第一车道和第二车道；所述双车道上行驶有多辆人驾车HV和多辆网联自动车CAV，其特征在于，包括以下步骤：

S1：定义快速路混合交通子车队；

将所述第一车道和第二车道上行驶的车辆分为若干个子车队，其中定义紧跟在人驾车HV后面的网联自动车CAV为一个子车队的次头车，而次头车前面一辆人驾车HV则为另一个相邻子车队的尾车；

S2：子车队中网联自动车的通信拓扑；

所述子车队中所有的网联自动车CAV都能从离本车最近的网联自动车CAV和它的前车获取相关运动状态信息；

S3：构建网联自动车控制策略和人驾车模型；

3.1)构建子车队中网联自动车辆CAV控制算法；

3.2)构建人驾车模型；

3.3)得到最优速度函数表达式

S4：基于空间分布的双车道混合交通群体控制方法；

4.1)随机选择第一车道或者第二车道中仅包含网联自动车CAV的子车队，随机选择其中一辆网联自动车CAV，判断其是否为次头车，若是，则保持当前行驶状态；若否，则准备执行群体分离策略；

4.2)随机选择第一车道或者第二车道中同时包含人驾车HV和网联自动车CAV的子车队，判断该子车队的次头车和尾车之间是否有网联自动车CAV；若否，则保持当前行驶状态；若是，则随机选择其中一辆网联自动车CAV准备执行分群策略；

4.3)对于步骤4.1)和4.2)中随机选择的准备执行分离策略的网联自动车CAV，判断是否满足换道安全条件，即d(t)≥d_sfae+τ₁(v_LD(t)-v_i(t))，其中d表示换道车辆与目标车道后车在纵向方向上的间距，τ₁表示目标车道后车辨别换道发生的反应时间，v_LD(t)和v_i(t)分别表示目标车道后车V_LD和换道车辆V_i在t时刻的速度；若否，则保持当前行驶状态；若是，则准备执行组群策略；

4.4)判断步骤4.3)中准备进行组群策略的网联自动车CAV，其准备加入的另一车道中的临近前车是否为人驾车HV；若否，则保持当前行驶状态；若是，则执行换道进行组群。

2.如权利要求1所述的混合交通场景下的快速路双车道协同控制方法，其特征在于：在步骤3.1)构件子车队中网联自动车辆CAV控制算法如下：

u_n(t)＝k_s(x_n-1(t-ξ)-x_n(t-ξ)-(s₀+t_hv_n(t-ξ)))+k_Δv(v_n-1(t-ξ)-v_n(t-ξ)+k_Δv,cl(v_cl(t-ξ)-v_n(t-ξ))+k_a,cl(a_cl(t-ξ)-a_n(t-ξ))

其中：u_n(t)表示网联自动车的控制器，在这里特指网联自动车在t时刻的加速度。x_n(t)表示第n辆车在t时刻的位置，x_n-1(t)表示第n-1辆车在t时刻的位置，其中n-1辆车为第n辆车的临近前车。t表示时间，t-ξ表示由于时延的存在导致网联自动车的加速度是由CAV在t-ξ时刻的状态决定的。v_n(t)表示第n辆车在t时刻的速度，v_n-1(t)表示第n-1辆车在t时刻的速度，a_n(t)表示第n辆车在t时刻的加速度。

v_cl(t)和a_cl(t)是距离第n辆车邻近的网联自动车的速度和加速度，

s₀是静止时的最小安全距离，

t_h是期望的车头时距，

ξ表示通信时延，

k_s、k_Δv、k_Δv,cl和k_a,cl是控制增益，选取范围为0到1之间。

3.如权利要求2所述的混合交通场景下的快速路双车道协同控制方法，其特征在于：在步骤3.2)构建人驾车模型

a_n(t)＝g_s(x_n-1(t)-x_n(t)-Δx^*)+g_Δv(v_n-1(t)-v_n(t))-g_v(v_n(t)-v^*)

其中：这里的a_n(t)表示人驾车在t时刻的加速度，Δx^*表示在恒定行驶速度下对应的平衡车间距。

(x_n-1(t)-x_n(t))为本车与前车的位置差，

(v_n-1(t)-v_n(t))为本车与前车的速度差；

v^*为本车的恒定行驶速度，

模型的系数g_s,g_Δv和g_v是正的常数，由给定的跟车模型在平衡点处推导得出。

4.如权利要求3所述的混合交通场景下的快速路双车道协同控制方法，其特征在于：在步骤3.3)中最优速度函数的表达式为：

其中：V(Δx)表示最优速度或者期望速度，一般用于跟车模型中，用来刻画人驾车的驾驶行为。v_m表示给定的最大速度，例如快速路上为120km/h，Δx表示同一车道上前后两辆车的车间距。g_l、g_h分别表示给定的最低和最高的车间距，一般g_l可取15m，g_h可取35m。

Images