CN113954868B - 一种基于时空交通模型的车道级路径规划方法及系统 - Google Patents
一种基于时空交通模型的车道级路径规划方法及系统 Download PDFInfo
- Publication number
- CN113954868B CN113954868B CN202111170295.3A CN202111170295A CN113954868B CN 113954868 B CN113954868 B CN 113954868B CN 202111170295 A CN202111170295 A CN 202111170295A CN 113954868 B CN113954868 B CN 113954868B
- Authority
- CN
- China
- Prior art keywords
- lane
- vehicle
- road
- section
- space
- 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
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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- 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
- B60W40/02—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 related to ambient conditions
-
- 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
-
- 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
- B60W2050/0028—Mathematical models, e.g. for simulation
-
- 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
-
- 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
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于时空交通模型的车道级路径规划方法及系统,包括:将车辆前方道路沿着道路方向分成K段,每段道路长度为L,且均有I个车道;车辆当前处在第1路段的入口处;建立时空交通模型;将车辆的车道级路径规划问题建立为一个滚动优化问题;求解滚动优化问题,得到车道级路径;根据车道级路径控制车辆行驶至第1路段的最优车道。本发明考虑了车辆前方较长距离的道路上各路段的各车道的交通状态,将车道级路径规划问题建立成一个滚动优化问题,求解道路上各路段的最优车道,以减小车辆的总旅行时间,提高车辆的行驶效率。
Description
技术领域
本发明属于自动驾驶技术领域,具体涉及一种基于时空交通模型的车道级路径规划方法及系统。
背景技术
随着经济的飞速发展,道路上的车辆日益增多,如何能够提高车辆的行驶效率,减少旅行时间是一个重要课题;为此,智能网联技术的概念被提出。在智能网联的环境中,车辆与路侧设备无线通讯,车辆能够实时获取道路前方的交通信息,以便做出有利于整体效率的全局最优决策和路径规划。
现有研究已经提出了一些全局路径规划方法,中国发明专利申请号CN201910249442.2,名称为“一种全局路径规划方法及装置”中提出了一种全局路径规划方法,该方法构建由关键点信息组成的关键点地图,采用路径规划算法对起始关键点到终止关键点的全局路径进行规划,得到目标全局路径。但是,该方法没有具体考虑道路上不同车道上的交通信息对车辆行驶效率的影响。中国发明专利申请号202110417450.0,名称为“一种面向自动驾驶车道级导航的车道级路径规划方法”,该方法建立了车道级路网模型,先搜索全局最优的道路序列,再搜索每条道路上的最优车道,实现了路网中的车道级路径规划。但是,该方法只求解了每条道路上的最优车道,没有考虑单条道路中不同路段的不同车道的交通情况。
然而,在实际的交通情况中,同一条较长的道路上的不同路段的交通状态有明显差异。因此,车辆在道路上各路段行驶的最优车道需要考虑。
发明内容
针对于上述现有技术的不足,本发明的目的在于提供一种基于时空交通模型的车道级路径规划方法及系统,本发明考虑了车辆前方较长距离的道路上各路段的各车道的交通状态,将车道级路径规划问题建立成一个滚动优化问题,求解道路上各路段的最优车道,以减小车辆的总旅行时间,提高车辆的行驶效率。
为达到上述目的,本发明采用的技术方案如下:
本发明的一种基于时空交通模型的车道级路径规划方法,步骤如下:
1)将车辆前方道路沿着道路方向分成K段,每段道路长度为L,且均有I个车道;车辆当前处在第1路段的入口处;车辆接收来自路侧设备的当前时刻t各段道路的各车道的车辆平均速度信号xi,k(t),其被定义为:
式中,Ni,k为第k段道路的第i条车道内的车辆数目,vj为车辆j的速度;
2)建立时空交通模型,描述各段道路的各车道的平均速度在时间和空间上的关联;
3)根据所述时空交通模型,将车辆的车道级路径规划问题建立为一个滚动优化问题;
4)求解步骤3)中建立的滚动优化问题,得到车辆的车道级路径;车辆在进入第1路段时,车辆根据车道级路径驶入该第1路段的最优车道;待车辆行驶到第2路段的入口处时,返回步骤1)。
进一步地,所述步骤1)中将车辆前方10km道路沿着道路方向分成K段。
进一步地,所述步骤2)中的时空交通模型的输入为:
[Xm1(t),Xm2(t),...,Xmi(t),...,XmI(t)]T,式中,Xmi(t)为:
其由当前时刻第1至第K路段中的各路段的第i车道、第i车道的左相邻车道i+1和右相邻车道i-1的车辆平均速度组成;时空交通模型的输出为:
[X1(t+1),X2(t+1),...,Xi(t+1),...,XI(t+1)]T,式中,Xi(t+1)为:
其由下一时刻第1至第K路段中的各路段的第i车道的车辆平均速度组成;时空交通模型的输入输出关系构建为:
式中,矩阵A=diag[A1,A2,...,Ai,...,AI]和矩阵B=[B1,B2,...,Bi,...,BI]T为模型的系数矩阵,根据实际的交通数据拟合求解得到。
进一步地,所述步骤3)中的滚动优化问题由下式描述:
式中,P(t)=[p1,1,p2,1,...,pI,1,p1,2,p2,2,...,pI,2,...,p1,K,p2,K,...,pI,K]1×IK为车辆在各路段的各车道的占有率;当车辆在第k路段的第i车道占有率为1时,即pi,k=1,则表明车辆在第k路段的最优车道为第i车道;车辆的车道级路径由第1路段到第K路段的各路段的最优车道组成,其表示为T(t)=[l1,l2,...,lK]1×K,式中,l1、l2和lK分别表示车辆在第1路段、第2路段和第K路段的最优车道。
本发明还提供一种基于时空交通模型的车道级路径规划系统,包括:
道路分割模块,用于将车辆前方道路沿着道路方向分成K段,每段道路长度为L,且均有I个车道;车辆当前处在第1路段的入口处;
模型建立模块,用于建立时空交通模型,以描述各段道路的各车道的平均速度在时间和空间上的关联;
问题建立模块,用于将车辆的车道级路径规划问题建立为一个滚动优化问题;
优化求解模块,用于求解滚动优化问题,得到车道级路径;
车辆控制模块,用于根据车道级路径控制车辆行驶至第1路段的最优车道。
本发明的有益效果:
本发明考虑车辆前方较长距离的道路上车辆的行驶平均速度,将车道级路径规划问题建立成一个滚动优化问题,通过求解滚动优化问题,得到车辆的车道级路径,使得车辆的全局旅行时间最小,提高了车辆的全局行驶效率。
附图说明
图1为本发明方法流程图。
图2为车道级路径示意图。
具体实施方式
为了便于本领域技术人员的理解,下面结合实施例与附图对本发明作进一步的说明,实施方式提及的内容并非对本发明的限定。
参照图1所示,本发明的一种基于时空交通模型的车道级路径规划方法,步骤如下:
1)将车辆前方道路沿着道路方向分成K段,每段道路长度为L,且均有I个车道;车辆当前处在第1路段的入口处;车辆接收来自路侧设备的当前时刻t各段道路的各车道的车辆平均速度信号xi,k(t),其被定义为:
式中,Ni,k为第k段道路的第i条车道内的车辆数目,vj为车辆j的速度;
优选示例中,所述步骤1)中将车辆前方10km道路沿着道路方向分成K段。
2)建立时空交通模型,描述各段道路的各车道的平均速度在时间和空间上的关联;
其中,所述的时空交通模型的输入为:[Xm1(t),Xm2(t),...,Xmi(t),...,XmI(t)]T,式中,Xmi(t)为:
其由当前时刻第1至第K路段中的各路段的第i车道、第i车道的左相邻车道i+1和右相邻车道i-1的车辆平均速度组成;时空交通模型的输出为:
[X1(t+1),X2(t+1),...,Xi(t+1),...,XI(t+1)]T,式中,Xi(t+1)为:
其由下一时刻第1至第K路段中的各路段的第i车道的车辆平均速度组成;时空交通模型的输入输出关系构建为:
式中,矩阵A=diag[A1,A2,...,Ai,...,AI]和矩阵B=[B1,B2,...,Bi,...,BI]T为模型的系数矩阵,根据实际的交通数据拟合求解得到。
3)根据所述时空交通模型,将车辆的车道级路径规划问题建立为一个滚动优化问题;
所述步骤3)中的滚动优化问题由下式描述:
式中,P(t)=[p1,1,p2,1,...,pI,1,p1,2,p2,2,...,pI,2,...,p1,K,p2,K,...,pI,K]1×IK为车辆在各路段的各车道的占有率;当车辆在第k路段的第i车道占有率为1时,即pi,k=1,则表明车辆在第k路段的最优车道为第i车道;车辆的车道级路径由第1路段到第K路段的各路段的最优车道组成,其表示为T(t)=[l1,l2,...,lK]1×K,式中,l1、l2和lK分别表示车辆在第1路段、第2路段和第K路段的最优车道;参照图2所示。
4)求解步骤3)中建立的滚动优化问题,得到车辆的车道级路径;车辆在进入第1路段时,车辆根据车道级路径驶入该第1路段的最优车道;待车辆行驶到第2路段的入口处时,返回步骤1)。
本发明还提供一种基于时空交通模型的车道级路径规划系统,包括:
道路分割模块,用于将车辆前方道路沿着道路方向分成K段,每段道路长度为L,且均有I个车道;车辆当前处在第1路段的入口处;
模型建立模块,用于建立时空交通模型,以描述各段道路的各车道的平均速度在时间和空间上的关联;
问题建立模块,用于将车辆的车道级路径规划问题建立为一个滚动优化问题;
优化求解模块,用于求解滚动优化问题,得到车道级路径;
车辆控制模块,用于根据车道级路径控制车辆行驶至第1路段的最优车道。
本发明具体应用途径很多,以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以作出若干改进,这些改进也应视为本发明的保护范围。
Claims (3)
1.一种基于时空交通模型的车道级路径规划方法,其特征在于,步骤如下:
1)将车辆前方道路沿着道路方向分成K段,每段道路长度为L,且均有I个车道;车辆当前处在第1路段的入口处;车辆接收来自路侧设备的当前时刻t各段道路的各车道的车辆平均速度信号xi,k(t),其定义为:
式中,Ni,k为第k段道路的第i条车道内的车辆数目,vj为车辆j的速度;
2)建立时空交通模型;
3)根据所述时空交通模型,将车辆的车道级路径规划问题建立为一个滚动优化问题;
4)求解步骤3)中建立的滚动优化问题,得到车辆的车道级路径;车辆在进入第1路段时,车辆根据车道级路径驶入该第1路段的最优车道;待车辆行驶到第2路段的入口处时,返回步骤1);
所述步骤2)中的时空交通模型的输入为:[Xm1(t),Xm2(t),...,Xmi(t),...,XmI(t)]T,式中,Xmi(t)为:
其由当前时刻第1至第K路段中的各路段的第i车道、第i车道的左相邻车道i+1和右相邻车道i-1的车辆平均速度组成;时空交通模型的输出为:
[X1(t+1),X2(t+1),...,Xi(t+1),...,XI(t+1)]T,式中,Xi(t+1)为:
其由下一时刻第1至第K路段中的各路段的第i车道的车辆平均速度组成;时空交通模型的输入输出关系构建为:
式中,矩阵A=diag[A1,A2,...,Ai,...,AI]和矩阵B=[B1,B2,...,Bi,...,BI]T为模型的系数矩阵,根据实际的交通数据拟合求解得到。
2.根据权利要求1所述的基于时空交通模型的车道级路径规划方法,其特征在于,所述步骤1)中将车辆前方10km道路沿着道路方向分成K段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111170295.3A CN113954868B (zh) | 2021-10-08 | 2021-10-08 | 一种基于时空交通模型的车道级路径规划方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111170295.3A CN113954868B (zh) | 2021-10-08 | 2021-10-08 | 一种基于时空交通模型的车道级路径规划方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113954868A CN113954868A (zh) | 2022-01-21 |
CN113954868B true CN113954868B (zh) | 2023-04-25 |
Family
ID=79463686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111170295.3A Active CN113954868B (zh) | 2021-10-08 | 2021-10-08 | 一种基于时空交通模型的车道级路径规划方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113954868B (zh) |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105074793A (zh) * | 2013-03-15 | 2015-11-18 | 凯利普公司 | 用于车辆路径规划和交通管理的车道级车辆导航 |
CN103531024B (zh) * | 2013-10-28 | 2015-04-22 | 武汉旭云科技有限公司 | 一种动态交通路网城市道路要素模型及其建模方法 |
CN105006149B (zh) * | 2015-07-10 | 2017-07-21 | 信融源大数据科技(北京)有限公司 | 交通路况估计动态迭代方法 |
CN106679685B (zh) * | 2016-12-29 | 2020-07-17 | 鄂尔多斯市普渡科技有限公司 | 一种用于车辆导航的行车路径规划方法 |
US10580292B2 (en) * | 2018-04-18 | 2020-03-03 | Here Global B.V. | Lane-level geometry and traffic information |
CN109920246B (zh) * | 2019-02-22 | 2022-02-11 | 重庆邮电大学 | 一种基于v2x通信与双目视觉的协同局部路径规划方法 |
US20200286372A1 (en) * | 2019-03-07 | 2020-09-10 | Here Global B.V. | Method, apparatus, and computer program product for determining lane level vehicle speed profiles |
CN110517492B (zh) * | 2019-08-27 | 2020-12-01 | 中国科学院自动化研究所 | 基于平行集成学习的交通路径推荐方法、系统、装置 |
CN110986975A (zh) * | 2019-11-05 | 2020-04-10 | 中山大学 | 基于时空路网模型的最优路径规划的处理方法及系统 |
CN111063208A (zh) * | 2019-12-26 | 2020-04-24 | 山东科技大学 | 一种基于车联网的车道级交通诱导方法及系统 |
CN111311913B (zh) * | 2020-02-26 | 2021-09-03 | 清华大学 | 一种提高公路变窄路段通行效率的控制方法和系统 |
-
2021
- 2021-10-08 CN CN202111170295.3A patent/CN113954868B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113954868A (zh) | 2022-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108564234B (zh) | 一种智能网联汽车的交叉口无信号自组织通行控制方法 | |
CN104778834B (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
CN105245563B (zh) | 一种基于车辆节点连通稳定度的动态分簇方法 | |
CN106683450B (zh) | 一种城市信号控制交叉口群关键路径识别方法 | |
US20230422379A1 (en) | Method and system for parameter adjustment of street lamps in smart city based on internet of things | |
CN114038212B (zh) | 基于双阶段注意力机制和深度强化学习的信号灯控制方法 | |
CN107490384B (zh) | 一种基于城市路网的最优静态路径选择方法 | |
CN110444015A (zh) | 基于无信号十字路口分区的智能网联汽车速度决策方法 | |
CN111325975B (zh) | 一种智能网联车辆在汇入口区域的集中优化协调方法 | |
CN111845754A (zh) | 一种基于边缘计算和群智算法的自动驾驶车辆的决策预测方法 | |
CN112837534B (zh) | 一种智能网联车环境下多车道环岛车辆协同控制方法 | |
CN112767715B (zh) | 一种交叉路口交通信号灯与智能网联汽车的协同控制方法 | |
CN115662131B (zh) | 网联环境下道路事故路段的多车道协同换道方法 | |
CN112820126B (zh) | 一种非侵入式导向运输车辆路权优先运行控制及仿真方法 | |
CN113954868B (zh) | 一种基于时空交通模型的车道级路径规划方法及系统 | |
CN108592930A (zh) | 基于大系统优化和车联网的新能源汽车智能辅助驾驶方法 | |
CN116935673A (zh) | 网联环境下考虑行人过街的信号交叉口车辆通行方法 | |
CN109345825B (zh) | 车路协同环境下信号交叉口单向交通流控制系统及方法 | |
CN116534018A (zh) | 一种网联环境下快速路分流区cav换道速度调控方法 | |
CN116798240A (zh) | 一种快速路入口匝道信号灯与智能网联汽车的协同控制系统及方法 | |
CN116524745A (zh) | 一种云边协同区域交通信号动态配时系统及方法 | |
CN114783175B (zh) | 基于伪谱法的多信号灯路况下网联车辆节能驾驶控制方法 | |
CN114550471B (zh) | 一种智能交通的信号灯控制方法及控制系统 | |
CN113299083B (zh) | 一种面向通行效率提升的道路信号交叉口渠化设计方法 | |
CN114103969B (zh) | 车速确定方法及系统 |
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 |