发明内容
为解决上述技术问题,本发明提出了高速公路网联车协同匝道汇入多目标优化控制方法和系统,通过协匝道控制区域内的车辆行驶轨迹,在完成匝道汇入的同时保证道路整体交通高效、安全、节能运行。
本发明提供高速公路网联车协同匝道汇入多目标优化控制方法,包括如下步骤:
步骤1,采集高速公路控制区域内车辆的状态数据,并对状态数据进行分析和处理;所述控制区域包括高速公路的主路和匝道交叉点、汇入区域、主路部分路段、匝道部分路段以及加速车道部分路段,控制区域的范围即路侧单元的通信范围,所述路侧单元设置于高速公路的主路和匝道交叉点处,所述汇入区域为预先选定的区域,包括加速车道的部分路段以及与加速车道的部分路段平行的主路路段;
步骤2,根据控制区域内车辆的状态数据构建匝道汇入车辆、辅助车辆和引导车辆的可选方案集合;
步骤3,将可选方案集合分别输入基于人工智能的匝道汇入多目标控制模型中,通过最优价值策略进一步确定辅助车辆和引导车辆的选择;
步骤4,根据选择的辅助车、引导车和汇入车辆,对辅助车和引导车进行加速度进行控制调节,确保匝道汇入车辆在选定的汇入区域内从加速车道安全汇入到主路中;
步骤5,采集进行加速度调节后的匝道汇入车辆和辅助车辆的状态数据,并返回步骤4,进行下一时刻的加速度调节。
作为本发明控制方法进一步改进,所述步骤1中,车辆的状态数据包括控制区域内车辆的位置、速度、动力电池状态以及相应的时刻信息。
作为本发明控制方法进一步改进,所述步骤1中,对状态数据进行分析和处理,包括但不限于数据分析、特征提取和信息融合。
作为本发明控制方法进一步改进,所述步骤2-3中,所述对于汇入车辆、引导车辆和辅助车辆的选择的最优价值策略如下:
4.1汇入车辆的选择:将匝道上前保险杆和匝道出口线距离最近的车辆设为汇入车辆,并获取高速公路控制区域所有车辆前t个时间步长的状态信息;
4.2根据所有车辆的位置信息,依据主线车辆与汇入车辆的前后关系,初步选择汇入车辆后方和前方的各z辆主路车辆作为辅助车和引导车的备选车辆,其中z为正整数且小于等于5;
4.3在所有备选车辆中,选取邻近的两辆车作为一组引导车和辅助车,构建该汇入车辆的引导车和辅助车的备选集合AL;
4.4采用遍历法将备选集合AL中的组合分别代入基于人工智能的匝道汇入多目标控制模型中,依据模型的值函数
确定最终选取的汇入车辆、辅助车辆和引导车辆。
作为本发明控制方法进一步改进,所述控制区域所有车辆前t个时间步长的状态信息包括速度、位置及加速度。
作为本发明控制方法进一步改进,所述对于汇入车辆、引导车辆和辅助车辆的选择的最优价值策略的步骤4中,基于人工智能的匝道汇入多目标控制模型,其成功汇入时刻的目标函数及限制条件的构建如下:
6.1设定安全汇入时刻为
,构建安全汇入时刻引导车辆、辅助车辆和匝道汇入车辆需满足的位置和速度关系:
式中,
引导车辆的位置、速度和加速度;
表示辅助车辆的位置、速度和加速度;
和
表示匝道汇入车辆的位置、速度和加速度;
为恒定的时间间隔,L
1为车辆的长度,
为停顿间隙,
分别为汇入区域的起点和终点,汇入区域的长度为
;公式从上到下依次表示匝道汇入车辆在引导车辆后面、匝道汇入车辆在辅助车辆前面、匝道汇入车辆和引导车辆速度一致、匝道汇入车辆和辅助车辆速度一致以及匝道汇入车辆在选定的汇入区域内从加速车道安全汇入到主路中;
6.2在满足6.1的条件下,进一步构建包含但不限于驾驶舒适性、车辆能耗、通行效率等目标的目标函数C如下:
作为本发明控制方法进一步改进,所述对于汇入车辆、引导车辆和辅助车辆的选择的最优价值策略的步骤4中,基于人工智能的匝道汇入多目标控制模型,采用强化学习参与者-评价者算法进行求解,具体过程如下:
7.1状态空间
及行为空间
建立:根据引导车辆、辅助车辆和匝道汇入车辆的状态数据选择六维状态信息
表示环境中最相关的影响因素,
,依据控制对象选择控制行为策略
;
7.2最优目标建立:根据安全汇入时刻
时的车辆限制条件关系,构建匝道汇入最优目标集合
,其中,
为目标空间的集合,
表示满足公式(1)中汇入车辆在引导车辆后面,
表示满足公式(2)中匝道汇入车辆在辅助车辆前面,
表示满足公式(3)中匝道汇入车辆和引导车辆速度一致,
表示满足公式(4)中匝道汇入车辆和辅助车辆速度一致,
表示满足公式(5)中匝道汇入车辆在选定的汇入区域内从加速车道安全汇入到主路中;
7.3目标空间构建:依据7.2最优目标空间集合
所包含的分类,建立目标空间集合
满足
表示匝道汇入车辆与引导车辆的位置关系,
表示匝道汇入车辆和辅助车辆的位置关系,
表示匝道汇入车辆和引导车辆速度关系,
表示匝道汇入车辆和辅助车辆速度关系,
表示匝道汇入车辆的位置与合并区域的关系;
7.4奖励构建:奖励函数为
,每个时间步长的奖励
在包括长期目标汇入奖励
的情况下,根据安全、高效及舒适行驶要求引入至少两种短期目标奖励,其中必须包含的长期目标汇入奖励
表示如下:
7.5数据链的获取:根据7.1至 7.3获取的第t个时间步长的状态、目标、策略和奖励数据得到数据链
并将数据存储入智能优化模块,其中
表示状态
s和目标
的连接;
7.6数据探索拓展及目标空间优化:进一步提出基于多经验重放的虚拟目标构建算法,进行虚拟目标的引入,在对目标空间优化的同时实现数据探索的扩充;
7.7在每个时间步骤中,根据智能优化模块存储的数据链,基于参与者-评价者算法框架,通过以
为参数的深度神经网络来训练汇入控制策略,该策略直接输出动作来控制匝道汇入车辆和辅助车辆的加速度值与状态和目标输入,策略优化的目标是找到最优的行为策略
,使整个行程的回报期望最大化,最终,最优控制策略通过经过训练的网络的前向传递输出:
。
作为本发明控制方法进一步改进,所述强化学习参与者-评价者算法奖励构建中短期目标奖励包括不限于:节能奖励
舒适性奖励
、通行高效奖励
和电池状态奖励
;
所述强化学习参与者-评价者算法的基于耦合切比雪夫的多目标奖励优化方法具体步骤如下:
确定优化奖励项:假设汇入成功后引入多种实时短期目标的数量为
个,则汇入问题的优化奖励项为
个;
确定各奖励的朝理想最优值:构建各个目标的超理想最优值
,其中
为理想值,根据经验数据选择,
为一常数,表示超理想最优值比理想值好的程度;
构建多目标问题的广义加权切比雪夫最优化模型:设
为短期目标的切比雪夫权重,则得多目标问题的转化为广义加权切比雪夫但目标问题,如下式:
其中,
为加权的切比雪夫范数,
,代表各个目标与超理想最优值之间的最大偏差;
为保证算法稳定的项,通常
;
的计算公式参考如下:
奖励函数构建为:
作为本发明控制方法进一步改进,所述强化学习参与者-评价者算法奖励构建中所提出多经验重放的虚拟目标构建算法步骤如下:
t时间步长下的多经验虚拟目标构建及目标空间优化:依据t时间步长下的目标
和数据链
,构建以
为参数的全连接神经网络
获取当前状态下的
l个虚拟目标为:
基于优化目标空间的数据探索优化:依据获取的
l个虚拟目标构建
l个虚拟目标数据链:
;
并将虚拟目标数据链存储入智能优化模块;
全时间步长数据探索优化:对每个时间步长重复步长下的多经验虚拟目标构建及目标空间优化和基于优化目标空间的数据探索优化,完成所有时间步长下的数据探索及目标空间优化;
基于人工智能模型的虚拟目标有效性选择:根据优化后的数据集合进行人工智能模型的训练,并根据训练结果选取每个时间步长下的最优虚拟目标数据链;
虚拟目标全连接神经网络
的校核:根据各个时长下最优虚拟目标数据链对虚拟目标全连接神经网络
的参数
进行校验,不断提升虚拟目标生成的准确性,以保证算法性能和训练速度。
本发明提供高速公路网联车协同匝道汇入多目标优化控制方法的系统,包括信息采集模块、数据传输模块、交通控制模块以及智能优化模块;
所述信息采集模块用于采集控制区域内车辆的状态数据,并对状态数据进行分析和处理,选定匝道汇入车辆、辅助车辆和引导车辆;
所述信息采集模块包括车载单元和路侧单元,所述路侧单元设置于高速公路的主路和匝道交叉点处,所述路侧单元用于采集控制区域内车辆的位置、速度及相应的时刻信息,还用于采集匝道汇入车辆确定的时间及前保险杆到达匝道出口线的时间,所述车载单元用于采集控制区域内车辆的动力电池状态及相应的时刻信息;
所述数据传输模块用于以移动通信技术为主体信息传输通信方式,辅助WiFi/BT、DSRC无线通信方式中的一种或两种实现数据在信息采集模块与交通控制模块、交通控制模块与智能优化模块之间的传输;
所述交通控制模块用于根据信息采集模块提供的车辆状态数据获取实时最优的行为策略a、目标g及奖励r,并将行为策略发送至车载单元,实现车辆实时控制,同时将最优的行为策略a、目标g及奖励r发送至智能优化模块;
所述智能优化模块用于存储所述交通控制模块传入的数据,并基于步骤3所选择的备选车辆集合AL和步骤4所提出的优化算法对匝道汇入多目标控制模型进行优化,并将优化后的模型传输至所述交通控制模块。
有益效果:
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
1、本发明通过控制匝道汇入区域两个车道的车辆,促进了匝道汇入的过程,避免传统匝道控制手段仅使用流率控制导致匝道车辆汇入延迟引发的排队问题,在保证主线通行能力的前提下,同时积极促进了匝道车辆的汇入实现,极大的提高了匝道区域的交通通行效率;且单车控制的方法也保证了车辆之间的安全行驶。
2、本发明使用强化学习进行单车控制匝道汇入,区别于其他单车控制的匝道汇入方法。强化学习的方法无需进行复杂模型的构建,可以从历史数据不断探索并优化控制策略,同时由于探索的多样性,该算法还具有一定的鲁棒性和适应性。
3、本发明引入了多经验虚拟目标构建方法,引入目标空间优化和数据探索步骤,极大的提高了数据的探索效率,有效解决了多目标匝道控制中长期奖励稀疏的问题和长短奖励之间的耦合关系问题,保证了多目标匝道汇入的安全有效。
4、对比发明人所发表的论文,本发明的提升主要有:
1)区别于论文单纯针对新能源汽车面向电池健康问题的汇入方法,提出了适用于多种车辆(包括不限于传统燃油车、新能源汽车等)的混合匝道场景的汇入方法,且本发明提供了应用于现实高速公路汇入场景的关键技术环节。
2)本发明进一步优化了安全成功汇入时刻的车辆限制条件,同时,丰富了控制区域引导车辆、辅助车辆和汇入车辆的选择算法,与论文中简单的选择模式相比,本发明的选择方案可以获取最优的车辆选择方案,进一步提高了算法的最优解,使车辆的运行更为节能,高效、平稳。
3)本发明进一步优化了长期奖励和短期奖励的重要级,并为本发明针对不同实际情况的目标引入预留了接口,且本发明确定了短期奖励之间的系数关系,保证本发明可以适应多种不同目标的情况,进一步提升了本发明的适用范围。
4)本发明对文章提出的数据探索算法进一步优化,引入多经验虚拟目标构建方法,区别于论文简单的选取下一状态作为目标,进一步提高了数据的利用效率,提高数据探索的方向和正确性,极大的避免碰撞等危险情况的发生。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述:
本发明提出的方法基于假设如下:1)网联车辆需具备必要的信息传输、指令实现的能力,即通过车载单元具备信息交互的能力,且车辆完全执行控制指令;2)匝道控制区域包含主路和匝道交叉点、匝道汇入区域及主线和匝道部分路段,且控制区域的范围控制范围为路侧单元的通信范围;3)汇入区域的长度固定,即为
;4)忽略信息传输、数据处理与计算、指令执行存在的延误,即假定各模块的运行的速度足够支撑系统运行;5)忽略车辆的横向运动及温度对车辆的影响。
本发明提出的高速公路网联车协同匝道汇入多目标优化控制系统,包括信息采集模块、数据传输模块、交通控制模块和智能优化模块,其中:
1)信息采集模块,通过车载单元和路侧单元实时采集控制区域内车辆的速度、位置、动力电池状态等状态信息及对应的时刻信息和匝道车辆汇入的开始时刻信息(汇入车辆的选定时刻),并对数据进行分析及处理,数据分析与处理步骤但不限于数据分析、特征提取、信息融合等;
信息采集模块所包含的车载单元和路侧单元信息采集配合如下:
①路侧单元负责交通状态信息的采集,例如区域内车辆的速度、位置以及匝道汇入车辆汇入的开始时刻;
②车载单元负责车辆相关参数信息的采集,例如发动机状态信息、电池状态信息、档位信息。本发明所设计网联汽车动力组成包括:燃油车、纯电动汽车、氢能源汽车及混合动力汽车。
2)数据传输模块,以第五代移动通信技术(5G)为主体信息传输通信方式,辅助WiFi/BT、DSRC等无线通信方式中的一种或多种实现数据在车载单元、路测单元和各个模块之间的传输;
3)交通控制模块,根据信息采集模块提供的交通状态信息获取实时最优的行为策略a、目标g及反馈r,并将策略发送至车载单元,实现车辆实时控制;同时,将交通状态信息集合打包发送至智能优化模块;
4)智能优化模块,包括训练和数据子模块。数据模块将交通控制模块传入的数据进行存储,并应用人工智能数据探索方法获取更多的数据对进行存储;训练模块根据数据模块所提供的数据利用奖励函数对基于人工智能的匝道汇入多目标控制模型进行并将优化后的模型传输至交通控制模块。
控制区域包含主路和匝道交叉点,匝道汇入区域及主线和匝道部分路段,值得说明的是,控制区域的范围控制范围为路侧单元的通信范围,详见图1。
如图2所示,本发明提出的高速公路网联车协同匝道汇入多目标优化控制方法,包括以下步骤:
S01信息采集模块获取控制区域的车辆状态数据;
S02 信息采集模块通过智能数据分析模型对采集数据进行数据分析、信息融合等处理;
S03根据控制区域内车辆的状态数据构建匝道汇入车辆、辅助车辆和引导车辆的可选方案集合AL;
S04将可选方案集合分别输入基于人工智能的匝道汇入多目标控制模型中,通过最优价值策略进一步确定辅助车辆和引导车辆的选择;
S05传输模块将S04步骤选定车辆及车辆相关采集数据传输至控制模块;
S06交通控制模块确认指令发送的车辆,基于人工智能的匝道汇入多目标控制模型进行实施决策,所述基于人工智能的匝道汇入多目标控制模型的框架为强化学习参与者-评价者(Actor-Critic)算法;
S07传输模块将决策信息传输至被控车辆的车载单元,实现车辆安全、高效、节能匝道汇入目标;所述被控车辆为匝道汇入车辆和辅助车辆;
S08采集控制策略下的被控车辆状态信息数据对,并将被控车辆状态信息数据对存入数据子模块,形成闭环控制。
步骤S03-S04,所述的汇入车辆、辅助车辆和引导车辆的选择方法依照最优价值策略算法构架,如下:
1)汇入车辆的选择:将匝道上前保险杆和匝道出口线距离最近的车辆设为汇入车辆,并获取控制区域所有车辆前t个时间步长的状态信息,例如速度、位置及加速度;
2)根据所有车辆的位置信息,依据主线车辆与汇入车辆的前后关系,初步选择汇入车辆后方和前方的各z辆主路车辆作为辅助车和引导车的备选车辆,其中z为正整数且小于等于5;
3)在所有备选车辆中,选取邻近的两辆车作为一组引导车和辅助车,构建该汇入车辆的引导车和辅助车的备选集合AL。
4)采用遍历法将备选集合
AL中的组合分别代入基于人工智能的匝道汇入多目标控制模型中,依据模型的值函数
确定最终选取的汇入车辆、辅助车辆和引导车辆。
5)基于人工智能的匝道汇入多目标控制模型根据选定的引导车辆对汇入车辆、辅助车辆的加速度控制调节,求解多目标下的最优控制,在实现汇入车辆成功汇入主线的同时,保证汇入车辆的能耗优化和道路的高效、安全通行。具体包括问题数学模型构建及基于强化学习的优化求解。
问题数学模型构建如下:
1)设定安全汇入时刻为
,构建安全汇入时刻引导车辆、辅助车辆和匝道汇入车辆需满足的位置和速度关系:
式中,
引导车辆的位置、速度和加速度;
表示辅助车辆的位置、速度和加速度;
和
表示匝道汇入车辆的位置、速度和加速度;
为恒定的时间间隔,L1为车辆的长度,
为停顿间隙,
分别为汇入区域的起点和终点,汇入区域的长度为
;公式从上到下依次表示匝道汇入车辆在引导车辆后面、匝道汇入车辆在辅助车辆前面、匝道汇入车辆和引导车辆速度一致、匝道汇入车辆和辅助车辆速度一致以及匝道汇入车辆在选定的汇入区域内从加速车道安全汇入到主路中;
2)在满足1)的条件下,进一步构建包含但不限于驾驶舒适性、车辆能耗、通行效率等目标的目标函数C如下:
作为本发明方法的优选方案,所述基于人工智能的匝道汇入多目标控制模型采用强化学习参与者-评价者算法Actor-Critic进行求解,具体过程如下:
1)状态空间
及行为空间
建立:根据引导车辆、辅助车辆和匝道汇入车辆的状态数据选择六维状态信息
表示环境中最相关的影响因素,
,依据控制对象选择控制行为策略
;
2)最优目标建立:根据安全汇入时刻
时的车辆限制条件关系,构建匝道汇入最优目标集合
,其中,
为目标空间的集合,
表示满足公式(1)中汇入车辆在引导车辆后面,
表示满足公式(2)中匝道汇入车辆在辅助车辆前面,
表示满足公式(3)中匝道汇入车辆和引导车辆速度一致,
表示满足公式(4)中匝道汇入车辆和辅助车辆速度一致,
表示满足公式(5)中匝道汇入车辆在选定的汇入区域内从加速车道安全汇入到主路中。
3)目标空间构建:依据2)最优目标空间集合
所包含的分类,建立目标空间集合
满足
表示匝道汇入车辆与引导车辆的位置关系,
表示匝道汇入车辆和辅助车辆的位置关系,
表示匝道汇入车辆和引导车辆速度关系,
表示匝道汇入车辆和辅助车辆速度关系,
表示匝道汇入车辆的位置与合并区域的关系。
4)奖励构建:奖励函数为
,每个时间步长的奖励
在包括长期目标汇入奖励
的情况下,可根据安全、高效及舒适等行驶要求引入多种短期目标奖励。
②其他目标可以包括不限于节能、平稳、舒适及高效等,构建可参考:
考虑电池效率与能耗,用安培-时间积分法构建车辆电荷状态(SOC)的下降关系模型:
其中,
为开路电压,
是电阻,
是
t时刻的电池功率,
为电池的容量。
因此,节能奖励包括匝道汇入车辆和辅助车辆的SOC情况,如下式:
因此,电池寿命奖励为匝道汇入车辆和辅助车辆的SOH情况,如下式:
c.平稳性奖励构建
:在不考虑车辆横向移动的情况下,平稳性奖励可以看作实际加速度的变化情况,最大加速度
,具体模型如下:
d.舒适性奖励构建
:为了减少合并车辆的颠簸,提高乘客的舒适度,
表示可承受的最大颠簸值,单位取
,则模型如下:
基于耦合切比雪夫的多目标奖励优化方法,具体步骤如下:
a.确定优化奖励项:假设汇入成功后引入多种实时短期目标的数量为
个,则汇入问题的优化奖励项为
个;
b.确定各奖励的朝理想最优值:构建各个目标的超理想最优值
,其中
为理想值,根据经验数据选择,
为一常数,表示超理想最优值比理想值好的程度;
c.构建多目标问题的广义加权切比雪夫最优化模型:设
为短期目标的切比雪夫权重,则可得多目标问题的转化为广义加权切比雪夫但目标问题,如下式:
其中,
为加权的切比雪夫范数,
,代表各个目标与超理想最优值之间的最大偏差;
为保证算法稳定的项,通常
;
的计算公式参考如下:
④奖励函数构建为:
5)数据链的获取:根据1)至 4)获取的第
t个时间步长的状态、目标、策略和奖励数据可得到数据链
并将数据存储入智能优化模块,其中
表示状态
s和目标
的连接,在没有完成
,
r不包含短期目标
等。
6)数据探索拓展及目标空间优化:根据4)和5)可以发现,满足
的数据是很难获取的,因为
是一个固定的最终目标,对于实时的奖励的指导意义是十分有限的。因此,进一步提出基于多经验重放的虚拟目标构建算法,进行虚拟目标的引入,在对目标空间优化的同时实现数据探索的扩充。所提出多经验重放的虚拟目标构建算法步骤如下:
① t时间步长下的多经验虚拟目标构建及目标空间优化:依据t时间步长下的目标
和数据链
,构建以
为参数的全连接神经网络
获取当前状态下的
l个虚拟目标为:
②基于优化目标空间的数据探索优化:依据获取的l个虚拟目标构建l个虚拟目标数据链:
并将虚拟目标数据链存储入智能优化模块;
③全时间步长数据探索优化:对每个时间步长重复①和②,完成所有时间步长下的数据探索及目标空间优化;
④基于人工智能模型的虚拟目标有效性选择:根据优化后的数据集合进行人工智能模型的训练,并根据训练结果选取每个时间步长下的最优虚拟目标数据链;
⑤虚拟目标全连接神经网络
的校核:根据各个时长下最优虚拟目标数据链对虚拟目标全连接神经网络
的参数
进行校验,不断提升虚拟目标生成的准确性,提升算法训练速度。
7)在每个时间步骤中,根据智能优化模块存储的数据链,基于Actor-Critic框架,通过以
为参数的深度神经网络来训练汇入控制策略,该策略直接输出动作来控制匝道汇入车辆和辅助车辆的加速度值与状态和目标输入,策略优化的目标是找到最优的行为策略
,使整个行程的回报期望最大化,具体步骤如下:
①根据Bellman函数,构建最优价值函数表示为:
式中,
为值函数,
为折损因子,
分别为当前时间步的状态、行为策略、目标,
分别为下一个时间步的状态、行为策略、目标;
②根据①,标准时间差更新方程为:
②利用以
为参数的Critic网络根据公式(16)更新规则估计Q值,构建批评网络的损失函数如下:
③利用随机梯度下降算法通过最小化损失函数来更新临界网络参数,如下:
④该驾驶状态下的最优控制策略通过经过训练的网络的前向传递输出:
8)由此可以获得最优控制策略,从而通过各个模块实现面向高速公路场景的网联车辆的协同匝道汇入多目标优化控制方法及系统的最优控制,实现匝道区域高效、安全、节能驾驶。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作任何其他形式的限制,而依据本发明的技术实质所作的任何修改或等同变化,仍属于本发明所要求保护的范围。