CN113635900A - 一种预测巡航过程中基于能量管理的换道决策控制方法 - Google Patents
一种预测巡航过程中基于能量管理的换道决策控制方法 Download PDFInfo
- Publication number
- CN113635900A CN113635900A CN202110913386.5A CN202110913386A CN113635900A CN 113635900 A CN113635900 A CN 113635900A CN 202110913386 A CN202110913386 A CN 202110913386A CN 113635900 A CN113635900 A CN 113635900A
- Authority
- CN
- China
- Prior art keywords
- time
- vehicle
- current
- predicted
- lane
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000008859 change Effects 0.000 title claims abstract description 51
- 230000008569 process Effects 0.000 title claims abstract description 26
- 230000001133 acceleration Effects 0.000 claims abstract description 60
- 238000005457 optimization Methods 0.000 claims description 23
- 238000006073 displacement reaction Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 7
- 230000002093 peripheral effect Effects 0.000 claims description 7
- 238000005265 energy consumption Methods 0.000 abstract description 10
- 230000006870 function Effects 0.000 description 16
- 238000004088 simulation Methods 0.000 description 15
- 230000008901 benefit Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000005096 rolling process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 101001093748 Homo sapiens Phosphatidylinositol N-acetylglucosaminyltransferase subunit P Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- 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
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/14—Adaptive cruise control
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
- B60W2520/105—Longitudinal acceleration
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4041—Position
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4042—Longitudinal speed
-
- 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
- B60W2720/00—Output or target parameters relating to overall vehicle dynamics
- B60W2720/10—Longitudinal speed
- B60W2720/106—Longitudinal acceleration
Abstract
本发明公开了一种预测巡航过程中基于能量管理的换道决策控制方法,包括循环执行:获取控制车辆和周围车辆当前k时刻的速度、加速度、位置和车道信息;预测控制车辆和周围车辆在预测时域时长m内的行驶状态;预测时域时长m内的行驶状态由n个i时刻行驶状态构成;分别将控制车辆和周围车辆n个i时刻行驶状态,输入预先建立的目标函数中,根据约束条件,输出控制车辆在预测时域时长m内的每个i时刻对应的最优结果;将按照时间顺序的第一个i时刻对应的最优结果作为控制车辆在当前k时刻所执行的最优加速度和换道策略。本方法可以通过收集周围车辆及本车辆行驶状态,获取控制车辆短期最优加速度和行驶车道,进而使车辆在最短的时间始终以最低的能耗行驶。
Description
技术领域
本发明涉及自动驾驶决策技术领域,特别涉及一种预测巡航过程中基于能量管理的换道决策控制方法。
背景技术
随着车联网及雷达等技术的发展,人-车、车-车以及车-路通信成为可能,可通过收集周围车辆行驶状态并进行短期预测,从而控制车辆短期最优加速度与行驶车道,进而控制本车行驶以降低整车能耗。随着计算机技术的不断发展,计算机性能、计算精度与计算速度等大幅提升,使得车载实时计算变得可行,从而可实时更新周围车辆行驶状态,实时计算并控制本车行驶状态。另外,MPC技术较为成熟,原理及应用较为成熟广泛,可通过滚动优化来求得全局最优解。
目前在车辆自动巡航过程中,若前方存在车辆则开启跟车行驶模式,而不会主动进行换道操作以获得更高的速度优势。此时若前方车辆速度较低或时常加减速导致速度不稳定,则控制车辆跟车体验较差,主要表现为行驶时间和整车能耗较大与频繁加减速舒适性较差。
因此,在现有的车辆自动巡航技术的基础上,如何提供一种预测巡航过程中基于能量管理的换道决策控制方法,使车辆始终运行在最优加速度和最优车道上,成为本领域技术人员亟需解决的问题。
发明内容
鉴于上述问题,本发明提出了一种至少解决上述部分技术问题的预测巡航过程中基于能量管理的换道决策控制方法,该方法可实时更新周围车辆行驶状态,实时计算并控制本车行驶状态,使车辆始终运行在最优加速度和最优车道上。
本发明实施例提供一种预测巡航过程中基于能量管理的换道决策控制方法,循环执行如下步骤:
S1、获取控制车辆当前k时刻的速度、加速度、位置和车道信息;预测所述控制车辆在预测时域时长m内的行驶状态;所述预测时域时长m内的行驶状态由n个i时刻行驶状态构成;所述n=m/i;
S2、获取所述控制车辆的预设范围内周围车辆当前k时刻的速度、加速度、位置和车道信息;预测所述周围车辆在预测时域时长m内的行驶状态;
S3、将所述控制车辆n个i时刻行驶状态,以及所述周围车辆n个i时刻行驶状态,输入预先建立的目标函数中,根据约束条件,输出所述控制车辆在预测时域时长m内的每个i时刻对应的最优结果;
S4、将按照时间顺序的第一个i时刻对应的最优结果作为所述控制车辆在当前k时刻所执行的最优加速度和换道策略。
进一步地,所述S2中,通过车间通讯V2V获取所述控制车辆的预设范围内周围车辆当前k时刻的速度、加速度、位置和车道信息。
进一步地,所述S1中,预测控制车辆在预测时域时长m内的行驶状态,公式为:
式(1)中,vh(i|k)表示在当前k时刻预测第i时刻所述控制车辆瞬时速度;vh(i-1|k)表示在当前k时刻预测第i-1时刻所述控制车辆瞬时速度;ah(i-1|k)表示在当前k时刻预测第i-1时刻所述控制车辆瞬时加速度;t表示所述控制车辆优化时间;sh(i|k)表示在当前k时刻预测第i时刻所述控制车辆位移;c(i|k)表示在当前k时刻预测第i时刻所述控制车辆行驶的车道情况;c(i-1|k)表示在当前k时刻预测第i-1时刻所述控制车辆行驶的车道情况;μ(i|k)表示在当前k时刻预测第i时刻所述控制车辆换道情况。
进一步地,所述S2中,预测周围车辆在预测时域时长m内的行驶状态,公式为:
式(2)中,ar(i|k)表示在当前k时刻预测第i时刻所述周围车辆瞬时加速度;ar(k)表示当前k时刻所述周围车辆实际瞬时加速度;vr(i|k)表示在当前k时刻预测第i时刻所述周围车辆瞬时速度;vr(i-1|k)表示在当前k时刻预测第i-1时刻所述周围车辆瞬时速度;ar(i-1|k)表示在当前k时刻预测第i-1时刻所述周围车辆的瞬时加速度;t表示所述控制车辆优化时间;sr(i|k)表示在当前k时刻预测第i时刻所述周围车辆位移。
进一步地,所述S3中,目标函数为:
式(3)中,ω1、ω2、ω3、ω4、ω5分别为各项成本函数的比例常数;k表示当前所处时刻;m表示预测时域时长;Δvh(i|k)表示在当前k时刻预测第i时刻所述控制车辆瞬时速度与期望车速之差;vf表示设定的所述控制车辆期望车速;ah(i|k)表示在当前k时刻预测第i时刻所述控制车辆瞬时加速度;μ(i|k)表示在当前k时刻预测第i时刻所述控制车辆换道情况;M表示目标函数限制数;Υ(i|k)和β(i|k)为安全判断系数,Υ(i|k)表示在当前k时刻预测第i时刻所述控制车辆处于本车道时的安全状况,β(i|k)表示在当前k时刻预测第i时刻所述控制车辆处于目标车道时的安全状况;c(i|k)表示在当前k时刻预测第i时刻所述控制车辆行驶的车道情况;Δt1(i|k)表示在当前k时刻预测第i时刻所述控制车辆以期望车速追赶上实际车道左车道前车所需的时间;Δt2(i|k)表示在当前k时刻预测第i时刻所述控制车辆以期望车速追赶上实际车道右车道前车所需的时间。
进一步地,所述Δt1(i|k)与Δt2(i|k)的计算公式为:
进一步地,所述c(i|k)和μ(i|k)的取值为:
进一步地,所述β(i|k)和Υ(i|k)的取值为:
安全距离=后车车速×0.5+最小安全距离s0。
进一步地,所述S3中,约束条件为:
式(4)中,Δd1(i|k)表示在当前k时刻预测第i时刻所述控制车辆与目标车道前车之间的距离;dsf1表示所述控制车辆与前车之间的安全距离;Δd2(i|k)表示在当前k时刻预测第i时刻所述控制车辆与目标车道后车之间的距离;dsf2表示所述控制车辆与后车之间的安全距离;μ(i|k)表示在当前k时刻预测第i时刻所述控制车辆换道情况;ah(i|k)表示在当前k时刻预测第i时刻所述控制车辆瞬时加速度;vh(i|k)表示在当前k时刻预测第i时刻所述控制车辆瞬时速度;vf表示设定的所述控制车辆期望车速。
本发明实施例提供的上述技术方案的有益效果至少包括:
本发明实施例提供的一种预测巡航过程中基于能量管理的换道决策控制方法,包括循环执行:获取控制车辆当前k时刻的速度、加速度、位置和车道信息;预测控制车辆在预测时域时长m内的行驶状态;预测时域时长m内的行驶状态由n个i时刻行驶状态构成;n=m/i;获取控制车辆的预设范围内周围车辆当前k时刻的速度、加速度、位置和车道信息;预测周围车辆在预测时域时长m内的行驶状态;分别将控制车辆和周围车辆n个i时刻行驶状态,输入预先建立的目标函数中,根据约束条件,输出控制车辆在预测时域时长m内的每个i时刻对应的最优结果;将按照时间顺序的第一个i时刻对应的最优结果作为控制车辆在当前k时刻所执行的最优加速度和换道策略。本方法可以通过收集周围车辆及本车辆行驶状态,并进行短期预测,以获取控制车辆短期最优加速度和行驶车道,进而有效降低车辆整车能耗,使控制车辆在最短的时间始终以最低的能耗行驶。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例提供的一种预测巡航过程中基于能量管理的换道决策控制方法流程图;
图2为本发明实施例提供的滚动优化流程简图;
图3为本发明实施例提供的三车道第一仿真场景图;
图4为本发明实施例提供的三车道第二仿真场景图;
图5为本发明实施例提供的三车道仿真场景情况①下控制车辆仿真过程中换道曲线;
图6为本发明实施例提供的三车道仿真场景情况②下控制车辆仿真过程中换道曲线;
图7为本发明实施例提供的三车道仿真场景情况③下控制车辆仿真过程中换道曲线;
图8为本发明实施例提供的三车道仿真场景情况④下控制车辆仿真过程中换道曲线。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供一种预测巡航过程中基于能量管理的换道决策控制方法,参照图1所示,循环执行如下步骤:
S1、获取控制车辆当前k时刻的速度、加速度、位置和车道信息;预测控制车辆在预测时域时长m内的行驶状态;预测时域时长m内的行驶状态由n个i时刻行驶状态构成;n=m/i;
S2、获取控制车辆的预设范围内周围车辆当前k时刻的速度、加速度、位置和车道信息;预测周围车辆在预测时域时长m内的行驶状态;
S3、将控制车辆n个i时刻行驶状态,以及周围车辆n个i时刻行驶状态,输入预先建立的目标函数中,根据约束条件,输出控制车辆在预测时域时长m内的每个i时刻对应的最优结果;
S4、将按照时间顺序的第一个i时刻对应的最优结果作为控制车辆在当前k时刻所执行的最优加速度和换道策略。
本实施例,可以通过收集周围车辆行驶状态并进行短期预测,获取到控制车辆短期最优加速度和行驶车道,并进行实时滚动优化,使车辆始终运行在最优加速度和最优车道上,进而降低整车能耗。当车辆行驶前方存在车辆时,可以自动进行换道并调整最优加速度,以获得更高的速度优势,可有效减少行驶时间和整车能耗,使控制车辆在最短的时间始终以最低的能耗行驶,降低车辆频繁加减速,提升用户舒适度。
具体地,本实施例提供的一种预测巡航过程中基于能量管理的换道决策控制方法,前提假设条件为:在预测时域内控制车辆的周围车辆不改变其车道,各车辆加速度始终为当前时刻加速度,各车辆速度及位移均按照物理中的运动学规律进行计算。在预测时域内,周围车辆不进行换道。在预测时域内,控制车辆只允许换道一次。控制车辆一步换道只能换到相邻车道,不可跨两车道换道。换道时间可忽略。周围车辆信息获取无错误、数据传输无延迟。控制车辆无误差执行优化结果。视野范围内所有车辆均正常行驶,不会无原因急刹车或急加速。汽车行驶过程中所受阻力相同,燃油消耗只与行驶速度与加速度有关。非换道正常巡航过程中本车只需保证与前车之间的安全距离,与后车安全距离由后车保证。
可选地,步骤S1中,通过车间通讯V2V,获取控制车辆当前k时刻的速度、加速度、位置和车道信息。步骤S2中,通过车间通讯V2V,获取控制车辆的预设范围内周围车辆当前k时刻的速度、加速度、位置和车道信息。车间通信V2V系统,使车辆可以自动获取周围车辆的行驶状况。连入车间通信V2V系统的车辆,可以通过短程无线电技术(DSRC)自动向附近几百米内发送自己的行驶信息,其中包括:GPS位置、速度、方向盘角度(预测车辆前进轨迹)、刹车踏板位置等。周围的车辆可利用接收到的信息,构建一个即时的动态地图。
可选地,本实施例中,步骤S2中,周围车辆的预设规则可根据人为设定,本实施例对其不作限定。比如包括:控制车辆所在车道的前后车(前后各一辆),左右两侧车道的前后车(前方一辆,后方一辆)。当控制车辆超过某辆车后,该车自动由前车识别为后车,然后重新定义前车。
可选地,步骤S4执行后,时间继续向前推进一步,可以重新获取周车信息并重复上述步骤S1—S3进行继续优化,以获取控制车辆k+t时刻所执行的最优加速度和换道策略。该流程简图参照图2所示。
具体地,步骤S1中,预测控制车辆在预测时域时长m内的行驶状态,公式为:
式(1)中,vh(i|k)表示在当前k时刻预测第i时刻控制车辆瞬时速度;vh(i-1|k)表示在当前k时刻预测第i-1时刻控制车辆瞬时速度;ah(i-1|k)表示在当前k时刻预测第i-1时刻控制车辆瞬时加速度;t表示控制车辆优化时间(该时间即设定的控制车辆多长时间刷新一次数据优化计算一次,所对应的时间);sh(i|k)表示在当前k时刻预测第i时刻控制车辆位移;c(i|k)表示在当前k时刻预测第i时刻控制车辆行驶的车道情况;c(i-1|k)表示在当前k时刻预测第i-1时刻控制车辆行驶的车道情况;μ(i|k)表示在当前k时刻预测第i时刻控制车辆换道情况。
具体地,步骤S2中,预测周围车辆在预测时域时长m内的行驶状态,公式为:
式(2)中,ar(i|k)表示在当前k时刻预测第i时刻周围车辆瞬时加速度;ar(k)表示当前k时刻周围车辆实际瞬时加速度;vr(i|k)表示在当前k时刻预测第i时刻周围车辆瞬时速度;vr(i-1|k)表示在当前k时刻预测第i-1时刻周围车辆瞬时速度;ar(i-1|k)表示在当前k时刻预测第i-1时刻周围车辆的瞬时加速度;t表示控制车辆优化时间(该时间即设定的控制车辆多长时间刷新一次数据优化计算一次,所对应的时间);sr(i|k)表示在当前k时刻预测第i时刻周围车辆位移。
具体地,步骤S3中,目标函数为:
其中:
安全距离=后车车速×0.5+最小安全距离s0
式(3)中,ω1、ω2、ω3、ω4、ω5分别为各项成本函数的比例常数;k表示当前所处时刻;m表示预测时域时长;Δvh(i|k)表示在当前k时刻预测第i时刻控制车辆瞬时速度与期望车速之差;vf表示设定的控制车辆期望车速;ah(i|k)表示在当前k时刻预测第i时刻控制车辆瞬时加速度;μ(i|k)表示在当前k时刻预测第i时刻控制车辆换道情况;M表示目标函数限制数(表示一个很大的数以限制目标函数的开闭);Υ(i|k)和β(i|k)为安全判断系数,Υ(i|k)表示在当前k时刻预测第i时刻控制车辆处于本车道时的安全状况,β(i|k)表示在当前k时刻预测第i时刻控制车辆处于目标车道时的安全状况;c(i|k)表示在当前k时刻预测第i时刻控制车辆行驶的车道情况;Δt1(i|k)表示在当前k时刻预测第i时刻控制车辆以期望车速追赶上实际车道左车道前车所需的时间;Δt2(i|k)表示在当前k时刻预测第i时刻控制车辆以期望车速追赶上实际车道右车道前车所需的时间。
可选地,最小安全距离s0取2m。
具体地,上述目标函数由与期望车速差值项、加速度项(加速度越小越节能)、换道控制项、安全项和目标车道效益项组成。上述目标函数由五项相加构成:
ω1对应项为速度优化项,目的为保证控制车辆在设定的目标速度附近运行。
ω2对应项为加速度优化项,目的为保证控制车辆加速度较小,以满足整车经济性要求,使整车能耗最低。
ω3对应项为车道优化项,目的为保证控制车辆在本车道无行驶障碍时不随意换道。
ω4对应项为安全保证项,目的为保证控制车辆在正常行驶及换道时均可保证与前后车的安全距离。若控制车辆预测时域内换道且与目标车道前后车距离小于安全距离,或控制车辆不换道且其与前方车辆距离小于安全距离,则此项成本很大,反之为0。
ω5对应项为车道选择项,目的为当可选的目标车道有不止一条时,通过比较两条车道的优劣优化选择一条车道。当且仅当预测控制车辆处于当前时刻所处实际车道且准备换道时此项才发挥作用,选择追赶时间最长的一条车道(追赶时间越长说明前车越晚对控制车辆产生影响,控制车辆无干扰运动时间越长,该道路行驶工况越好)。最优车道的选择,不单纯以距离为选择依据,而是用距离除以目标车道前车速度和控制车辆期望车速之差为选择依据,即控制车辆可以自由加速行驶时间越长越好。
进一步地,步骤S3中,约束条件为:
控制车辆与目标车道前后车之间距离均大于安全距离:
Δd1(i|k)≥dsf1
Δd2(i|k)≥dsf2
控制车辆在预测时域内仅能换道一次:
控制车辆加速度绝对值小于3m/s:
|ah(i|k)|≤3
控制车辆速度绝对值小于某一设定值(比如期望车速):
|vh(i|k)|≤vf
其中,Δd1(i|k)表示在当前k时刻预测第i时刻控制车辆与目标车道前车之间的距离;dsf1表示控制车辆与前车之间的安全距离;Δd2(i|k)表示在当前k时刻预测第i时刻控制车辆与目标车道后车之间的距离;dsf2表示控制车辆与后车之间的安全距离;μ(i|k)表示在当前k时刻预测第i时刻控制车辆换道情况;ah(i|k)表示在当前k时刻预测第i时刻控制车辆瞬时加速度;vh(i|k)表示在当前k时刻预测第i时刻控制车辆瞬时速度;vf表示设定的控制车辆期望车速。
可选地,可对本实施例提供的一种预测巡航过程中基于能量管理的换道决策控制方法,进行优化仿真。通过MATLAB计算周围车辆在预测时域内的速度、位移等,后通过yalmip调用gurobi求解器对控制车辆此时最优加速度与行驶车道进行优化,然后仿真控制车辆运动情况,时间向前推进一步,并重新获得控制车辆与周车当前行驶状态,再次进行预测并重复上述步骤实现滚动优化。
比如:假如预测时域m是0.5s,每0.05s(i)出一个最优值,分别获取控制车辆和周围车辆当前时刻的车辆信息,并预测控制车辆和周围车辆第0.05s、第0.1s、第0.15s、第0.2s、第0.25s、第0.3s、第0.35s、第0.4s、第0.45s和第0.5s的10个(n)行驶状态,输入预先建立的目标函数中,那么输出的最终结果是未来的第0.05s、第0.1s、第0.15s、第0.2s、第0.25s、第0.3s、第0.35s、第0.4s、第0.45s和第0.5s,10个最优值,然后将第0.05秒结果作用在控制车辆上,控制车辆运行0.05s。之后再重新预测控制车辆和周围车辆下一个预测时域0.5s内的10个行驶状态信息,输入目标函数中,进行下一轮预测计算,控制车辆运行下一个0.05s。
其中,优化求解为gurobi软件自动求解,只需用matlab设置仿真步数,计算周围车辆及本车实际及预测时域内的速度位移等,并将建立好的模型与模型内各参数值传递给gurobi求解器即可得到最优解。滚动求解为每经过预设时间,更新一次周围车辆及本车实际加速度车速等信息,重新利用gurobi优化求解。yalmip是由Lofberg开发的一种优化求解工具,其可以集成许多外部的最优化求解器,形成一种统一的建模求解语言。gurobi求解器为由美国Gurobi公司开发的新一代大规模数学规划优化器。
以下以一个三车道仿真场景及结果为例,对本实施例提供的自动巡航过程中基于能量管理的换道决策方法,进行详细描述:
本例中设定同向存在三条车道且控制车辆可选择车道数目为2,需选择更加有利的车道作为目标车道,启动目标函数对其进行优化。
应用场景:三车道道路。中间车道车辆1以5m/s恒速度位于8m处,控制车辆以初速度8m/s位于中间车道0m位移处,参照图3和图4所示,其中图3为三车道第一仿真场景图,控制车辆目标车道前车相对速度相同但相对距离不同;图4为三车道第二仿真场景图,控制车辆目标车道前车相对距离相同但相对速度不同,试验四种情况是否换道:
①左车道车辆2以5m/s恒速度位于15m处,右车道车辆3以5m/s恒速度位于25m处;
②左车道车辆2以5m/s恒速度位于25m处,右车道车辆3以5m/s恒速度位于15m处;
③左车道车辆2以5m/s恒速度位于25m处,右车道车辆3以8m/s恒速度位于25m处;
④左车道车辆2以8m/s恒速度位于25m处,右车道车辆3以5m/s恒速度位于25m处。
优化开始,观察其换道情况是否与期望相同。
换道结果:当目标车道前车速度相同时选择相对距离较大车道,当目标车道与前车相对距离相同时选择前车速度较大车道,当两者均不相同时进行计算选择相对追赶时间较大车道,具体换道曲线参照图5-图8所示(其中1表示向右换道,-1表示向左换道,0表示本步不换道)。
上述结果表明此方法可以准确的选择工况更好的车道并执行换道,符合期望。
本实施例提供的一种预测巡航过程中基于能量管理的换道决策控制方法,可以有效解决自动驾驶过程中,前方车辆不适宜跟车行驶时车辆的换道问题,为自动驾驶车辆的行驶状态增加了横向自由度,提升了自动驾驶车辆的智能性。本车辆换道决策方法不以目标车道车辆之间的相对距离为单一车道选择标准,而是以相对距离与相对车速之比为选择条件,更好的判断了目标车道的通行条件,使得车道选择更加智能,可以有效避免换入前方距离较大而车辆行驶缓慢的车道。本方法可以有效满足节能,力求耗能最低,目标函数中用加速度的平方近似表示,数值越小越节能。除了能量管理,本方法还可以以更快的速度运行。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种预测巡航过程中基于能量管理的换道决策控制方法,其特征在于,循环执行如下步骤:
S1、获取控制车辆当前k时刻的速度、加速度、位置和车道信息;预测所述控制车辆在预测时域时长m内的行驶状态;所述预测时域时长m内的行驶状态由n个i时刻行驶状态构成;所述n=m/i;
S2、获取所述控制车辆的预设范围内周围车辆当前k时刻的速度、加速度、位置和车道信息;预测所述周围车辆在预测时域时长m内的行驶状态;
S3、将所述控制车辆n个i时刻行驶状态,以及所述周围车辆n个i时刻行驶状态,输入预先建立的目标函数中,根据约束条件,输出所述控制车辆在预测时域时长m内的每个i时刻对应的最优结果;
S4、将按照时间顺序的第一个i时刻对应的最优结果作为所述控制车辆在当前k时刻所执行的最优加速度和换道策略。
2.如权利要求1所述的一种预测巡航过程中基于能量管理的换道决策控制方法,其特征在于,所述S2中,通过车间通讯V2V获取所述控制车辆的预设范围内周围车辆当前k时刻的速度、加速度、位置和车道信息。
3.如权利要求1所述的一种预测巡航过程中基于能量管理的换道决策控制方法,其特征在于,所述S1中,预测控制车辆在预测时域时长m内的行驶状态,公式为:
式(1)中,vh(i|k)表示在当前k时刻预测第i时刻所述控制车辆瞬时速度;vh(i-1|k)表示在当前k时刻预测第i-1时刻所述控制车辆瞬时速度;ah(i-1|k)表示在当前k时刻预测第i-1时刻所述控制车辆瞬时加速度;t表示所述控制车辆优化时间;sh(i|k)表示在当前k时刻预测第i时刻所述控制车辆位移;c(i|k)表示在当前k时刻预测第i时刻所述控制车辆行驶的车道情况;c(i-1|k)表示在当前k时刻预测第i-1时刻所述控制车辆行驶的车道情况;μ(i|k)表示在当前k时刻预测第i时刻所述控制车辆换道情况。
5.如权利要求1所述的一种预测巡航过程中基于能量管理的换道决策控制方法,其特征在于,所述S3中,目标函数为:
式(3)中,ω1、ω2、ω3、ω4、ω5分别为各项成本函数的比例常数;k表示当前所处时刻;m表示预测时域时长;Δvh(i|k)表示在当前k时刻预测第i时刻所述控制车辆瞬时速度与期望车速之差;vf表示设定的所述控制车辆期望车速;ah(i|k)表示在当前k时刻预测第i时刻所述控制车辆瞬时加速度;μ(i|k)表示在当前k时刻预测第i时刻所述控制车辆换道情况;M表示目标函数限制数;Υ(i|k)和β(i|k)为安全判断系数,Υ(i|k)表示在当前k时刻预测第i时刻所述控制车辆处于本车道时的安全状况,β(i|k)表示在当前k时刻预测第i时刻所述控制车辆处于目标车道时的安全状况;c(i|k)表示在当前k时刻预测第i时刻所述控制车辆行驶的车道情况;Δt1(i|k)表示在当前k时刻预测第i时刻所述控制车辆以期望车速追赶上实际车道左车道前车所需的时间;Δt2(i|k)表示在当前k时刻预测第i时刻所述控制车辆以期望车速追赶上实际车道右车道前车所需的时间。
9.如权利要求1所述的一种预测巡航过程中基于能量管理的换道决策控制方法,其特征在于,所述S3中,约束条件为:
式(4)中,Δd1(i|k)表示在当前k时刻预测第i时刻所述控制车辆与目标车道前车之间的距离;dsf1表示所述控制车辆与前车之间的安全距离;Δd2(i|k)表示在当前k时刻预测第i时刻所述控制车辆与目标车道后车之间的距离;dsf2表示所述控制车辆与后车之间的安全距离;μ(i|k)表示在当前k时刻预测第i时刻所述控制车辆换道情况;ah(i|k)表示在当前k时刻预测第i时刻所述控制车辆瞬时加速度;vh(i|k)表示在当前k时刻预测第i时刻所述控制车辆瞬时速度;vf表示设定的所述控制车辆期望车速。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110913386.5A CN113635900B (zh) | 2021-08-10 | 2021-08-10 | 一种预测巡航过程中基于能量管理的换道决策控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110913386.5A CN113635900B (zh) | 2021-08-10 | 2021-08-10 | 一种预测巡航过程中基于能量管理的换道决策控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113635900A true CN113635900A (zh) | 2021-11-12 |
CN113635900B CN113635900B (zh) | 2024-03-19 |
Family
ID=78420452
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110913386.5A Active CN113635900B (zh) | 2021-08-10 | 2021-08-10 | 一种预测巡航过程中基于能量管理的换道决策控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113635900B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116805445A (zh) * | 2023-07-21 | 2023-09-26 | 交通运输部公路科学研究所 | 车辆换道行驶控制方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103754221A (zh) * | 2014-01-24 | 2014-04-30 | 清华大学 | 一种车辆自适应巡航控制系统 |
US20150194055A1 (en) * | 2012-08-23 | 2015-07-09 | Robert Bosch Gmbh | Lane change assistant for optimizing the traffic flow (traffic flow assistant) |
DE102017216202A1 (de) * | 2017-09-13 | 2019-03-14 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur Prädiktion einer optimalen Fahrspur auf einer mehrspurigen Straße |
CN110297494A (zh) * | 2019-07-15 | 2019-10-01 | 吉林大学 | 一种基于滚动博弈的自动驾驶车辆换道决策方法及系统 |
CN110908379A (zh) * | 2019-11-29 | 2020-03-24 | 苏州智加科技有限公司 | 基于历史信息的车辆轨迹预测方法、装置及存储介质 |
CN111361564A (zh) * | 2020-04-29 | 2020-07-03 | 吉林大学 | 一种考虑效益最大化的车道变更系统及综合决策方法 |
CN111791887A (zh) * | 2020-07-03 | 2020-10-20 | 北京理工大学 | 一种基于分层式车速规划的车辆节能驾驶方法 |
CN111959492A (zh) * | 2020-08-31 | 2020-11-20 | 重庆大学 | 一种网联环境下考虑换道行为的hev能量管理分层控制方法 |
WO2021077725A1 (zh) * | 2019-10-21 | 2021-04-29 | 南京航空航天大学 | 一种基于驾驶意图的周围车辆运动状态预测系统及方法 |
CN113012433A (zh) * | 2021-03-18 | 2021-06-22 | 中国北方车辆研究所 | 车载联网节能辅助驾驶控制方法与系统 |
-
2021
- 2021-08-10 CN CN202110913386.5A patent/CN113635900B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150194055A1 (en) * | 2012-08-23 | 2015-07-09 | Robert Bosch Gmbh | Lane change assistant for optimizing the traffic flow (traffic flow assistant) |
CN103754221A (zh) * | 2014-01-24 | 2014-04-30 | 清华大学 | 一种车辆自适应巡航控制系统 |
DE102017216202A1 (de) * | 2017-09-13 | 2019-03-14 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur Prädiktion einer optimalen Fahrspur auf einer mehrspurigen Straße |
CN110297494A (zh) * | 2019-07-15 | 2019-10-01 | 吉林大学 | 一种基于滚动博弈的自动驾驶车辆换道决策方法及系统 |
WO2021077725A1 (zh) * | 2019-10-21 | 2021-04-29 | 南京航空航天大学 | 一种基于驾驶意图的周围车辆运动状态预测系统及方法 |
CN110908379A (zh) * | 2019-11-29 | 2020-03-24 | 苏州智加科技有限公司 | 基于历史信息的车辆轨迹预测方法、装置及存储介质 |
CN111361564A (zh) * | 2020-04-29 | 2020-07-03 | 吉林大学 | 一种考虑效益最大化的车道变更系统及综合决策方法 |
CN111791887A (zh) * | 2020-07-03 | 2020-10-20 | 北京理工大学 | 一种基于分层式车速规划的车辆节能驾驶方法 |
CN111959492A (zh) * | 2020-08-31 | 2020-11-20 | 重庆大学 | 一种网联环境下考虑换道行为的hev能量管理分层控制方法 |
CN113012433A (zh) * | 2021-03-18 | 2021-06-22 | 中国北方车辆研究所 | 车载联网节能辅助驾驶控制方法与系统 |
Non-Patent Citations (1)
Title |
---|
郭露露;高炳钊;陈虹;: "汽车经济性行驶优化", 中国科学:信息科学, no. 05 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116805445A (zh) * | 2023-07-21 | 2023-09-26 | 交通运输部公路科学研究所 | 车辆换道行驶控制方法及系统 |
CN116805445B (zh) * | 2023-07-21 | 2024-04-02 | 交通运输部公路科学研究所 | 车辆换道行驶控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113635900B (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11216748B2 (en) | Predictive control techniques for ground vehicles | |
Dong et al. | Practical application of energy management strategy for hybrid electric vehicles based on intelligent and connected technologies: Development stages, challenges, and future trends | |
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 | |
CN112437412A (zh) | 一种基于车路协同的混行驾驶车辆编队控制方法 | |
SE1151256A1 (sv) | Metod och modul för att styra ett fordons hastighet genom simulering | |
SE1151246A1 (sv) | Metod och modul för att styra ett fordons hastighet baserat på regler och/eller kostnader | |
Zhang et al. | Data-driven based cruise control of connected and automated vehicles under cyber-physical system framework | |
Tajeddin et al. | Ecological adaptive cruise control with optimal lane selection in connected vehicle environments | |
Xu et al. | A nash Q-learning based motion decision algorithm with considering interaction to traffic participants | |
Chen et al. | A hierarchical hybrid system of integrated longitudinal and lateral control for intelligent vehicles | |
Bahram et al. | Microscopic traffic simulation based evaluation of highly automated driving on highways | |
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 | |
CN113515038A (zh) | 一种车辆换道方法、装置、设备及可读存储介质 | |
Zhao et al. | “InfoRich” Eco-Driving Control Strategy for Connected and Automated Vehicles | |
Wei et al. | Game theoretic merging behavior control for autonomous vehicle at highway on-ramp | |
Tran et al. | Improved responsibility-sensitive safety algorithm through a partially observable Markov decision process framework for automated driving behavior at non-signalized intersection | |
CN113635900B (zh) | 一种预测巡航过程中基于能量管理的换道决策控制方法 | |
Cheng et al. | Enhancing mixed traffic flow safety via connected and autonomous vehicle trajectory planning with a reinforcement learning approach | |
Yan et al. | A hierarchical motion planning system for driving in changing environments: Framework, algorithms, and verifications | |
CN112542061A (zh) | 基于车联网的借道超车控制方法、装置、系统及存储介质 | |
Lu et al. | Cooperative driving in mixed traffic of manned and unmanned vehicles based on human driving behavior understanding | |
Zhai et al. | Design of switching strategy for adaptive cruise control under string stability constraints | |
Li et al. | Distributed MPC for multi-vehicle cooperative control considering the surrounding vehicle personality | |
CN113674529A (zh) | 一种自主超车方法及系统 |
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 |