CN113823079A - 一种基于车路协同的有人/无人驾驶车辆的编队控制方法 - Google Patents

Abstract

本发明公开了一种基于车路协同的有人/无人驾驶车辆的编队控制方法，包括以下步骤，将目标路段划分为缓冲区和控制区，采集缓冲区的无人驾驶车辆的第一状态信息、有人驾驶车辆的第二状态信息以及无人驾驶车辆相对于有人驾驶车辆的第一位置信息；基于缓冲区与控制区的第二位置信息以及第一位置信息，通过调整第一状态信息、第二状态信息，将无人驾驶车辆和有人驾驶车辆在控制区进行编队；本发明在有人/无人驾驶车辆共存的环境下，提出了车辆编队形成的方式，并且通过测量车流量和速度来进行编队宏观调控，避免编队过短或过长带来的问题，双层运动规划能够平滑地切换车辆编队的不同结构，适应不同的交通场景，可以提升交通效率，提高燃油经济性。

Description

一种基于车路协同的有人/无人驾驶车辆的编队控制方法

技术领域

本发明涉及车路协同技术领域，尤其涉及一种基于车路协同的有人/无人驾驶车辆的编队控制方法。

背景技术

车路协同技术是道路上的车辆和路侧单元RSU进行V2R通信，车辆将其实时速度、前保险杠位置、加速度等信息发送给RSU，RSU通过对车辆各信息汇总和处理，将对车辆的控制信息下发给具体车辆。

智能网联车辆通过在道路上形成车辆编队，有望提高交通容量和能源效率。但车辆逐步智慧化的过程中，会存在无人驾驶车辆UV和有人驾驶车辆HV共存的混合交通流。预计，2060年前，路网上不会覆盖100％的UV。由于人类驾驶行为具有随机性，因此智能网联车辆(CV)面临有人驾驶和无人驾驶混合交通流的挑战，因此，需要一种涉及有人/无人混合车辆环境下的车辆编队方法。当道路上UV覆盖率较低且编队较短时，UV的优点不明显。当车辆编队过长时，编队后方的HV反应不灵敏且会降低交通通行效率。因此，RSU需根据交通状态确定一个编队最大长度阈值调整编队长度。

当UV与后面跟随的HV形成车辆编队后，在现有的车辆编队控制方法中，车辆编队切换过程是预先定义好的，没有详细考虑到车辆间的冲突和碰撞。并且车辆编队结构在不同场景下切换不平滑。因此，需要一种多车道道路上多辆UV的队形控制方法改善上述缺点。

发明内容

本发明的目的是提供一种车路协同场景下有人/无人混合车辆编队形成与控制策略，通过研究有人驾驶车辆(HV)和无人驾驶车辆(UV)动力学之间的相互作用，提出了车辆编队形成方法，即路网内的UV根据路侧单元RSU中存储的HV的信息在适当的时刻减速，迫使后方跟随行驶的HV形成稳定的车辆编队。

为了实现上述目的，本发明提供了一种基于车路协同的有人/无人驾驶车辆的编队控制方法，包括以下步骤：

将目标路段划分为缓冲区和控制区，采集缓冲区的无人驾驶车辆的第一状态信息、有人驾驶车辆的第二状态信息以及无人驾驶车辆相对于有人驾驶车辆的第一位置信息；

基于缓冲区与控制区的第二位置信息以及第一位置信息，通过调整第一状态信息、第二状态信息，将无人驾驶车辆和有人驾驶车辆在控制区进行编队，其中，编队后的无人驾驶车辆和有人驾驶车辆具有相同的第三状态信息。

优选地，在进行编队的过程中，参与编队的两辆连续有人驾驶车辆之间的排间距相同，排间距用于表示两辆连续有人驾驶车辆车辆之间的后保险杠到前保险杠的车间距和动态跟车间距的差值，其中，

动态跟车间距的表示式为：

a_i(t)＝τ_i·v_i(t)+a₀

式中，τ_i表示第i辆有人驾驶车辆跟随前一有人驾驶车辆时需要保持的理想时间差，a(t)表示动态跟车间距，v_i(t)表示两相邻车辆中后一辆车辆的速度，a₀表示静态距离，即停车时两相邻车辆前一辆车的后保险杠与后一辆车的前保险杠的最小距离。

优选地，在进行编队的过程中，排间距用于确定有人驾驶车辆的驾驶行为，确定驾驶行为的方法包括：

当排间距大于0，驾驶行为表示为非耦合跟随模式，每辆有人驾驶车辆的速度趋向正无穷；

当排间距小于0，驾驶行为表示为耦合跟随模式，每一辆有人驾驶车辆的速度趋向于前一辆车的速度；

当有人驾驶车辆的前方没有车辆时速度趋向于正无穷；

其中，排间距的表达式为：

s(t)＝o_i-1(t)-o_i(t)-a_i(t)-len

式中，o_i-1(t)表示两相邻车辆中前一辆车前保险杠位置，o_i(t)表示两相邻车辆中后一辆车前保险杠的位置，a_i(t)是动态跟车间距，len是车辆前保险杠到后保险杠的长度，假设每辆车长度相同。

优选地，根据排间距、第一状态信息、第二状态信息，获取每辆有人驾驶汽车的跟车耦合动力学模型，跟车耦合动力学模型的表达式为：

w_i(t)＝ρ(F_i(p_i(t-δ_i),s_i(t-δ_i))-v_i(t-δ_i))

式中，ρ表示司机的灵敏系数，δ_i是司机的感知延迟，F_i(s_i(t-δ_i),a_i(t-δ_i))为平衡速度-空间函数，其中，平衡速度-空间函数的表达式为：

优选地，在进行编队的过程中，参与编队的无人驾驶车辆的控制输入表达式为：

式中，t_c表示无人驾驶车辆进入控制区的时刻，t_t表示车辆从非耦合自由流模式转为耦合跟随模式的时刻，t_f表示无人驾驶车辆离开控制区的时刻，w_p表示在t_c到t_t时间内，无人驾驶车辆的控制输入减速度。w_min即是允许的最大减速度。

优选地，在进行编队的过程中，控制无人驾驶车辆在进行编队前，判断车辆是否满足编队条件，如果满足，则进行编队，如果不满足，则不编队，编队条件为：

式中，Δ(t)表示最前方的无人驾驶车辆与编队中最后一辆有人驾驶车辆的累计排间距，Δ(t_c)就是在t_c时刻的累计排间距，w_p即为无人驾驶车辆的控制输入减速度，从t_c到t_t之间的车辆编队过渡持续时间为T_t，即无人驾驶车辆后方跟随的有人驾驶车辆从非耦合模式转变为耦合跟随模式所需要的时间，其中w_p(t)小于0。

优选地，在进行编队的过程中，T_t的取值范围如下：

其中，

H₂＝L_c-v₁(t_c)·T_s，

式中，L_c表示控制区的长度，L_c表示控制区的长度，v₁(t_c)表示无人驾驶车辆在t_c时刻的速度，T_s表示编队到达稳定所需要的时间，即t_p-t_s，t_p是编队形成的时刻，v_min是路段上允许的最小速度。

优选地，在进行编队的过程中，还包括，当无人驾驶车辆在控制区加速或变道时，则解散无人驾驶车辆引导的车辆编队。

优选地，在进行编队的过程中，还包括，采集编队长度，并根据设置的编队最大长度阈值和最小长度阈值，进行编队控制，编队控制的方法为：

当编队长度大于编队最大长度阈值时，控制超过编队最大长度阈值的有人驾驶车辆进行变道；

当编队长度小于编队最小长度阈值时，放弃编队。

优选地，在形成编队的过程后，还包括在控制区的多个编队的编队控制方法，编队控制方法包括以下步骤：

根据控制区的相对坐标系，生成编队几何结构，并根据待分配的编队数量以及编队数量针对编队几何结构的相对距离，进行无碰撞统筹分配，其中，

编队几何结构用于在队列中留有空位，使换道更加方便，适应多车道车辆协调；

无碰撞统筹分配的方法用于通过对不同的编队冲突问题进行分类，对于不同的冲突类型，通过设置各编队不同的优先度或者交换两编队的目标点来解决冲突。

本发明公开了以下技术效果：

本发明在有人/无人驾驶车辆共存的环境下，提出了车辆编队形成的方式，并且通过测量车流量和速度来进行编队宏观调控，避免编队过短或过长带来的问题，双层运动规划能够平滑地切换车辆编队的不同结构，适应不同的交通场景，可以提升交通效率，提高燃油经济性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例所述的在道路缓冲区和控制区上编队形成的流程示意图；

图2为本发明实施例所述的双层运动规划结构图；

图3为本发明实施例所述的相对坐标系下的相对路径规划；

图4为本发明所述的车辆编队中各时间点示意图；

图5为本发明所述的两相邻车辆动态跟随参数示意图。

具体实施方式

下为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

如图1-5所示，本发明提供了一种基于车路协同的有人/无人驾驶车辆的编队控制方法，包括以下步骤：

将目标路段划分为缓冲区和控制区，采集缓冲区的无人驾驶车辆的第一状态信息、有人驾驶车辆的第二状态信息以及无人驾驶车辆相对于有人驾驶车辆的第一位置信息；

基于缓冲区与控制区的第二位置信息以及第一位置信息，通过调整第一状态信息、第二状态信息，将无人驾驶车辆和有人驾驶车辆在控制区进行编队，其中，编队后的无人驾驶车辆和有人驾驶车辆具有相同的第三状态信息。

进一步地，在进行编队的过程中，参与编队的两辆连续有人驾驶车辆之间的排间距相同，排间距用于表示两辆连续有人驾驶车辆车辆之间的后保险杠到前保险杠的车间距和动态跟车间距的差值，其中，

动态跟车间距的表示式为：

a_i(t)＝τ_i·v_i(t)+a₀

式中，τ_i表示第i辆有人驾驶车辆跟随前一有人驾驶车辆时需要保持的理想时间差，a(t)表示动态跟车间距，v_i(t)表示两相邻车辆中后一辆车辆的速度，a₀表示静态距离，即停车时两相邻车辆前一辆车的后保险杠与后一辆车的前保险杠的最小距离。

进一步地，在进行编队的过程中，排间距用于确定有人驾驶车辆的驾驶行为，确定驾驶行为的方法包括：

当排间距大于0，驾驶行为表示为非耦合跟随模式，每辆有人驾驶车辆的速度趋向正无穷；

当排间距小于0，驾驶行为表示为耦合跟随模式，每一辆有人驾驶车辆的速度趋向于前一辆车的速度；

当有人驾驶车辆的前方没有车辆时速度趋向于正无穷；

其中，排间距的表达式为：

s(t)＝o_i-1(t)-o_i(t)-a_i(t)-l_c

式中，o_i-1(t)表示两相邻车辆中前一辆车前保险杠位置，o_i(t)表示两相邻车辆中后一辆车前保险杠的位置，a_i(t)是动态跟车间距，len是车辆前保险杠到后保险杠的长度，假设每辆车长度相同。

进一步地，根据排间距、第一状态信息、第二状态信息，获取每辆有人驾驶汽车的跟车耦合动力学模型，跟车耦合动力学模型的表达式为：

w_i(t)＝ρ(F_i(p_i(t-δ_i),s_i(t-δ_i))-v_i(t-δ_i))

式中，ρ表示司机的灵敏系数，δ_i是司机的感知延迟，F_i(s_i(t-δ_i),a_i(t-δ_i))为平衡速度-空间函数，其中，平衡速度-空间函数的表达式为：

进一步地，在进行编队的过程中，参与编队的无人驾驶车辆的控制输入表达式为：

式中，t_c表示无人驾驶车辆进入控制区的时刻，t_t表示车辆从非耦合自由流模式转为耦合跟随模式的时刻，t_f表示无人驾驶车辆离开控制区的时刻，w_p表示在t_c到t_t时间内，无人驾驶车辆的控制输入减速度。w_min即是允许的最大减速度。

进一步地，在进行编队的过程中，控制无人驾驶车辆在进行编队前，判断车辆是否满足编队条件，如果满足，则进行编队，如果不满足，则不编队，编队条件为：

式中，Δ(t)表示最前方的无人驾驶车辆与编队中最后一辆有人驾驶车辆的累计排间距，Δ(t_c)就是在t_c时刻的累计排间距，w_p即为无人驾驶车辆的控制输入减速度，从t_c到t_t之间的车辆编队过渡持续时间为T_t，即无人驾驶车辆后方跟随的有人驾驶车辆从非耦合模式转变为耦合跟随模式所需要的时间。其中w_p(t)小于0。

进一步地，在进行编队的过程中，T_t的取值范围如下：

其中，

H₂＝L_c-v₁(t_c)·T_s，

式中，L_c表示控制区的长度(如图4所示)，v₁(t_c)表示无人驾驶车辆在t_c时刻的速度，T_s表示编队到达稳定所需要的时间，即t_p-t_s，t_p是编队形成的时刻(如图5所示)，v_min是路段上允许的最小速度。

进一步地，在进行编队的过程中，还包括，当无人驾驶车辆在控制区加速或变道时，则解散无人驾驶车辆引导的车辆编队。

进一步地，在进行编队的过程中，还包括，采集编队长度，并根据设置的编队最大长度阈值和最小长度阈值，进行编队控制，编队控制的方法为：

当编队长度大于编队最大长度阈值时，控制超过编队最大长度阈值的有人驾驶车辆进行变道；

当编队长度小于编队最小长度阈值时，放弃编队。

进一步地，在形成编队的过程后，还包括在控制区的多个编队的编队控制方法，编队控制方法包括以下步骤：

根据控制区的相对坐标系，生成编队几何结构，并根据待分配的编队数量以及编队数量针对编队几何结构的相对距离，进行无碰撞统筹分配，其中，

编队几何结构用于在队列中留有空位，使换道更加方便，适应多车道车辆协调；

无碰撞统筹分配的方法用于通过对不同的编队冲突问题进行分类，对于不同的冲突类型，通过设置各编队不同的优先度或者交换两编队的目标点来解决冲突。

用于实现上述方法的系统包括，

数据采集模块，用于将目标路段划分为缓冲区和控制区，采集缓冲区的无人驾驶车辆的第一状态信息、有人驾驶车辆的第二状态信息以及无人驾驶车辆相对于有人驾驶车辆的第一位置信息；

编队控制模块，用于基于缓冲区与控制区的第二位置信息以及第一位置信息，通过调整第一状态信息、第二状态信息，将无人驾驶车辆和有人驾驶车辆在控制区进行编队，其中，编队后的无人驾驶车辆和有人驾驶车辆具有相同的第三状态信息；

显示模块，用于显示第一状态信息、第二状态信息、第三状态信息、编队情况信息等；

通信模块，用于该系统与其他智能系统进行数据交互，其中，其他智能系统包括设置在无人驾驶车辆上的无人驾驶控制系统、有人驾驶车辆上的智能控制系统、移动设备上的智能系统等。

实施例1：本发明提供一种车路协同场景下有人/无人混合车辆编队形成与控制策略，涉及车路协同技术领域。由于人类驾驶行为具有随机性，因此智能网联车辆(CV)面临有人驾驶和无人驾驶混合交通流的挑战。本发明通过研究有人驾驶车辆(HV)和无人驾驶车辆(UV)动力学之间的相互作用，提出了车辆编队形成方法，即路网内的UV根据路侧单元RSU中存储的HV的信息在适当的时刻减速，迫使后方跟随行驶的HV形成稳定的车辆编队。

此外，RSU需根据交通状态(各车道上的车流量和车辆速度)来确定一个编队最大长度阈值，当编队长度超过阈值时，RSU便会通过V2R通信对编号超过阈值的车辆广播变道信息。

此外，本发明还提出了多车道道路上多个UV编队结构的控制方法，即双层运动规划框架。在上层建立相对坐标系，规划无冲突的相对路径。在下层，控制车辆编队以生成的轨迹行驶。

本发明采用了如下技术方案：对于车辆编队的形成。首先将目标路段划分为两部分，分别为缓冲区和控制区。一辆UV后面跟随多辆HV。由于HV不与任何外部设施共享它们的状态信息，所以需要RSU收集在缓冲区内跟随在UV后的HV的状态信息。RSU通过V2I通信将缓冲区内HV状态信息传输给UV。UV的目标是在控制区某一时刻实现控制输入(减速)，从而减少与其后跟随的HV的排间距，迫使跟随在它后面的HV切换运行模式，进行减速并且速度会逐渐趋近于前一辆车的速度，从而形成一个速度相同，排间距相等的车辆编队。当前方的UV换道行驶或加速行驶时，由此辆UV引导的车辆编队便会解散。具体如下：

两辆连续车辆i和i-1之间的动态跟车间距表达式为a_i(t)＝τ_i·v_i(t)+a₀，其中τ_i表示HVi在跟随前一辆车时需要保持的理想时间差。排间距s(t)是两辆连续车辆之间的后保险杠到前保险杠车间距和动态跟车间距a(t)之间的差值。s(t)＝o_i-1(t)-o_i(t)-a_i(t)-l_c。每辆HV的跟车耦合动力学模型表达式为w_i(t)＝ρ(F_i(p_i(t-δ_i),s_i(t-δ_i))-v_i(t-δ_i))，其中ρ表示司机的灵敏系数，δ_i是司机的感知延迟(其上限为

)，F_i(s_i(t-δ_i),a_i(t-δ_i))为平衡速度-空间函数，其表达式为

每辆HV的驾驶行为分为两种模式，分别为(1)当s(t)＞0时为非耦合自由流模式，每一辆HV的速度趋向正无穷(2)当s(t)＜0时为耦合跟随模式，每一辆HV的速度趋向于前一辆车的速度。当前方没有车辆时速度也趋向于正无穷。

UV进入道路控制区的时刻为t_c，车辆从非耦合自由流模式转为耦合跟随模式的时刻为t_t，从t_c到t_t之间的车辆编队过渡持续时间为T_t。t_s是车辆编队形成并稳定的时刻，从t_t到t_s之间车辆编队到达稳定的持续时间为T_s。对UV的控制只在控制区进行，离开控制区后，UV的动力学遵循跟车耦合动力学模型。

当编队中的每辆车都保持速度恒定并且排间距s_t恒定，为一个小于或等于0的常数，才算形成一个车辆编队。

UV的控制输入表达式为：

t_f为UV离开控制区的时刻。

当给定了w₁(t)后，车辆编队要满足下面条件，

其中，w_p(t)要严格小于0车辆才会编队。

为了增强鲁棒性，HV中司机感知延迟取最大值

T_r是取决于司机敏感系数ρ的反应时间、所允许的最大速度波动和平衡速度-空间函数，它的值会提前给出，因此，HV到达稳定的持续时间T_s不需要实时计算，只需重点关注过渡持续时间T_t，T_t的取值范围如下：

其中，

式中，L_c表示控制区的长度。

当道路上UV覆盖率较低且编队较短时，UV的优点不明显。当车辆编队过长时，编队后方的HV反应不灵敏且会降低交通通行效率，后方HV需要车道加入到其他UV引导的编队。因此，RSU需根据交通状态(各车道上的车流量和车辆速度)来确定一个编队最大长度阈值α_p和最小长度阈值α_m，当编队长度超过最大阈值α_p时，RSU便会通过V2R通信对编号超过阈值α_p的车辆广播变道信息。为保障自身速度，接受到广播的车辆需要进行变道，优先变到长度小于最大阈值的编队所在的车道处，进入自由流模式或者与其他UV组成新的车辆编队。

在车辆编队形成后，需要一种适用于多UV的多车道车辆编队控制方法，以提高总体交通效率，并保证不同场景间车辆编队切换过程的平稳性。双层运动规划的上层建立相对坐标系进行相对路径规划和运动调节，下层进行轨迹规划和跟踪。在上层中进行的工作如下：

相对坐标系的建立方法：以最边缘车道上最前方编队的第一辆UV为相对坐标原点，并且该UV所处的车道编号为0，X轴设定为穿过车辆横轴并且以逆车辆行驶方向为正方向，Y轴设定为穿过车辆纵轴以大编号车道为正方向。对于HVi来说，它的x坐标表示为

其中s_i0表示x轴方向的HVi与坐标原点车辆的欧几里得距离，s_ig表示同车道上两相邻车辆的安全距离，y坐标表示HVi所处车道的编号。(x_i,y_i)即表示编队中车辆的相对坐标。当横纵坐标都是整数时，可称作一个关键相对坐标点p_key。由于RCS是一个随编队中车辆移动的动态坐标系，RCS中的p_key0在固定时间点与地面坐标系统中的关键道路点p_key1一一匹配。

如图3所示，相对坐标系下的相对路径规划分为三步：1)筛选并生成编队几何结构。2)车辆和目标点的最优分配。3)车辆间的冲突解决。

编队几何结构要求在队列中留有一定的空位，使换道更加方便，适应多车道车辆协调。然后根据几何结构生成目标，目标数量等于待分配的编队数量，编队和目标一对一匹配。编队分配到目标的成本(相对距离)最小即为最优分配。对于最优分配和相对最优路径问题，需要一种无碰撞分配算法统筹解决。首先对不同的编队冲突问题进行分类，对于不同的冲突类型，可以通过设置各编队不同的优先度或者交换两编队的目标点来解决冲突。

上层规划器规划出避免碰撞的相对路径的关键点后，在下层，车辆借助贝兹曲线生成实际运行轨迹，依次通过上层计算的关键点。曲线从第一个控制点开始，到最后一个控制点结束，中间控制点确定曲线的形状和曲率。贝兹曲线在起点处与前两个控制点的直线相切，在终点处与后两个控制点的直线相切。

实施例2：目标道路上有2辆汽车正在行驶，最前方的1辆为无人驾驶车辆UV，编号为1，后面跟随的1辆为有人驾驶车辆HV，编号为2。将目标道路划分为两个区域，分别为缓冲区和控制区。缓冲区中安装有RSU，收集HV2的状态信息(包括前保险杠位置，车辆速度等)，并每隔一段时间传递给最前方的UV1进行更新。此时，这2辆车均遵循跟车耦合动力学模型，并且，UV1通过RSU传递来的信息计算出连续车辆间的排间距s_i(t)。计算得到的排间距大于0，2辆车均是非耦合自由流模式，每辆车均以道路段允许的最大速度v_max在缓冲区前进，s_i(t)保持恒定且大于0。当UV1离开缓冲区，于t_c时刻进入控制区后，持续给UV1一个控制输入w₁(t)＜0。UV1接受控制后由道路段允许的最大速度v_max不断减速，而其后跟随的HV2仍然保持v_max，故二者距离不断缩小。直到t_t时刻二者排间距s_i(t)＝0，HV2由非耦合自由流模式转为耦合跟随模式，其速度由v_max降低为趋向UV的速度v₁。从t_c到t_t之间的过渡持续时间T_t依据下式确定

由于HV2减速有一个过程，因此2辆车的排间距p_i(t)继续减小，小于零，该过程为HV到达稳定的持续时间T_s。该值可以提前计算出。最终在t_p时刻，两相邻车辆速度相等，排间距p_i(t)保持恒定，车辆编队形成。后续不断有新的HV加入此编队，RSU需要根据交通状态(各车道上的车流量和车辆速度)确定一个最大编队长度阈值α_p，并广播告知车辆编号大于该阈值α_p的HV，让其更换车道来保证其通行体验。在多车道上形成了多个车辆编队后，首先上层规划需要建立相对坐标系RCS。然后RSU规划出各编队的几何结构，然后按照这个几何结构需要根据最小成本原则进行编队-目标最优分配。无碰撞算法可以解决最优分配以及计算出无碰撞路径规划关键点。在下层，每个编队的UV通过连接上层规划的各关键点的贝兹曲线到达目标点，编队中其他车辆需要靠RSU提供的广播信息依据贝兹曲线到达目标点。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种基于车路协同的有人/无人驾驶车辆的编队控制方法，其特征在于，包括以下步骤：

将目标路段划分为缓冲区和控制区，采集所述缓冲区的无人驾驶车辆的第一状态信息、有人驾驶车辆的第二状态信息以及所述无人驾驶车辆相对于所述有人驾驶车辆的第一位置信息；

基于所述缓冲区与所述控制区的第二位置信息以及所述第一位置信息，通过调整所述第一状态信息、所述第二状态信息，将所述无人驾驶车辆和所述有人驾驶车辆在所述控制区进行编队，其中，编队后的所述无人驾驶车辆和所述有人驾驶车辆具有相同的第三状态信息。

2.根据权利要求1所述一种基于车路协同的有人/无人驾驶车辆的编队控制方法，其特征在于：

在进行编队的过程中，参与编队的两辆连续所述有人驾驶车辆之间的排间距相同，所述排间距用于表示两辆连续所述有人驾驶车辆车辆之间的后保险杠到前保险杠的车间距和动态跟车间距的差值，其中，

所述动态跟车间距的表示式为：

a_i(t)＝τ_i·v_i(t)+a₀

式中，τ_i表示第i辆所述有人驾驶车辆跟随前一所述有人驾驶车辆时需要保持的理想时间差，a(t)表示动态跟车间距，v_i(t)表示两相邻车辆中后一辆车辆的速度，a₀表示静态距离，所述静态距离表示停车时两相邻车辆前一辆车的后保险杠与后一辆车的前保险杠的最小距离。

3.根据权利要求2所述一种基于车路协同的有人/无人驾驶车辆的编队控制方法，其特征在于：

在进行编队的过程中，所述排间距用于确定所述有人驾驶车辆的驾驶行为，确定所述驾驶行为的方法包括：

当所述排间距大于0，所述驾驶行为表示为非耦合跟随模式，每辆所述有人驾驶车辆的速度趋向正无穷；

当所述排间距小于0，所述驾驶行为表示为耦合跟随模式，每一辆所述有人驾驶车辆的速度趋向于前一辆车的速度；

当所述有人驾驶车辆的前方没有车辆时速度趋向于正无穷；

其中，所述排间距的表达式为：

s(t)＝o_i-1(t)-o_i(t)-a_i(t)-len

式中，o_i-1(t)表示两相邻车辆中前一辆车前保险杠位置，o_i(t)表示两相邻车辆中后一辆车前保险杠的位置，a_i(t)是动态跟车间距，len是车辆前保险杠到后保险杠的长度，假设每辆车长度相同。

4.根据权利要求3所述一种基于车路协同的有人/无人驾驶车辆的编队控制方法，其特征在于：

根据所述排间距、所述第一状态信息、所述第二状态信息，获取每辆所述有人驾驶汽车的跟车耦合动力学模型，所述跟车耦合动力学模型的表达式为：

w_i(t)＝ρ(F_i(p_i(t-δ_i),s_i(t-δ_i))-v_i(t-δ_i))

式中，ρ表示司机的灵敏系数，δ_i是司机的感知延迟，F_i(s_i(t-δ_i),a_i(t-δ_i))为平衡速度-空间函数，其中，所述平衡速度-空间函数的表达式为：

5.根据权利要求4所述一种基于车路协同的有人/无人驾驶车辆的编队控制方法，其特征在于：

在进行编队的过程中，参与编队的所述无人驾驶车辆的控制输入表达式为：

式中，t_c表示无人驾驶车辆进入控制区的时刻，t_t表示车辆从非耦合自由流模式转为耦合跟随模式的时刻，t_f表示无人驾驶车辆离开控制区的时刻，w_p表示在t_c到t_t时间内，无人驾驶车辆的控制输入减速度。w_min即是允许的最大减速度。

6.根据权利要求5所述一种基于车路协同的有人/无人驾驶车辆的编队控制方法，其特征在于：

在进行编队的过程中，控制所述无人驾驶车辆在进行编队前，判断车辆是否满足编队条件，如果满足，则进行编队，如果不满足，则不编队，所述编队条件为：

式中，Δ(t)表示最前方的无人驾驶车辆与编队中最后一辆有人驾驶车辆的累计排间距，Δ(t_c)就是在t_c时刻的累计排间距，w_p为无人驾驶车辆的控制输入减速度，从t_c到t_t之间的车辆编队过渡持续时间为T_t，即无人驾驶车辆后方跟随的有人驾驶车辆从非耦合模式转变为耦合跟随模式所需要的时间，其中w_p(t)小于0。

7.根据权利要求6所述一种基于车路协同的有人/无人驾驶车辆的编队控制方法，其特征在于：

在进行编队的过程中，T_t的取值范围如下：

其中，

H₂＝L_c-v₁(t_c)·T_s，

式中，L_c表示控制区的长度，v₁(t_c)表示无人驾驶车辆在t_c时刻的速度，T_s表示编队到达稳定所需要的时间，即t_p-t_s，t_p是编队形成的时刻，v_min是路段上允许的最小速度。

8.根据权利要求7所述一种基于车路协同的有人/无人驾驶车辆的编队控制方法，其特征在于：

在进行编队的过程中，还包括，当所述无人驾驶车辆在所述控制区加速或变道时，则解散所述无人驾驶车辆引导的车辆编队。

9.根据权利要求8所述一种基于车路协同的有人/无人驾驶车辆的编队控制方法，其特征在于：

在进行编队的过程中，还包括，采集编队长度，并根据设置的编队最大长度阈值和最小长度阈值，进行编队控制，所述编队控制的方法为：

当所述编队长度大于所述编队最大长度阈值时，控制超过所述编队最大长度阈值的所述有人驾驶车辆进行变道；

当所述编队长度小于所述编队最小长度阈值时，放弃编队。

10.根据权利要求8所述一种基于车路协同的有人/无人驾驶车辆的编队控制方法，其特征在于：

在形成编队的过程后，还包括在所述控制区的多个编队的编队控制方法，所述编队控制方法包括以下步骤：

根据所述控制区的相对坐标系，生成编队几何结构，并根据待分配的编队数量以及所述编队数量针对所述编队几何结构的相对距离，进行无碰撞统筹分配，其中，

所述编队几何结构用于在队列中留有空位，使换道更加方便，适应多车道车辆协调；

所述无碰撞统筹分配的方法用于通过对不同的编队冲突问题进行分类，对于不同的冲突类型，通过设置各编队不同的优先度或者交换两编队的目标点来解决冲突。

Images