CN114333364B - 一种自动驾驶车辆通过信号交叉口生态驾驶方法 - Google Patents

一种自动驾驶车辆通过信号交叉口生态驾驶方法 Download PDF

Info

Publication number
CN114333364B
CN114333364B CN202111554002.1A CN202111554002A CN114333364B CN 114333364 B CN114333364 B CN 114333364B CN 202111554002 A CN202111554002 A CN 202111554002A CN 114333364 B CN114333364 B CN 114333364B
Authority
CN
China
Prior art keywords
intersection
area
vehicle
automatic driving
time
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
Application number
CN202111554002.1A
Other languages
English (en)
Other versions
CN114333364A (zh
Inventor
温亦晴
郑彭军
邬佳欣
朱旖旎
王文彪
钟良霞
马文卿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ningbo University
Original Assignee
Ningbo University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ningbo University filed Critical Ningbo University
Priority to CN202111554002.1A priority Critical patent/CN114333364B/zh
Publication of CN114333364A publication Critical patent/CN114333364A/zh
Application granted granted Critical
Publication of CN114333364B publication Critical patent/CN114333364B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种自动驾驶车辆通过信号交叉口生态驾驶方法，通过V2V/V2I技术收集道路交通信息和自身信息，得到控制条件，然后根据当前信号灯状态判断能够匀速通过，若能，则匀速通过信号交叉口区域，否则对自动驾驶车辆进行生态驾驶控制，在生态驾驶控制阶段，构建自动驾驶车辆运动状态方程以及成本函数，利用庞特里亚金极小值原理分别对交叉口上游区域和交叉口下游区域进行最优控制轨迹求解，使自动驾驶车辆按照最优轨迹通过信号交叉口区域；优点是能够满足驾驶员真实行驶需求，符合实际道路交通环境条件，并且控制过程简单，计算量小，控制实时性能够得到保证，从而有效降低自动驾驶车辆能耗，提高出行效率，减少对各车‑路设备造成的压力。

Description

一种自动驾驶车辆通过信号交叉口生态驾驶方法
技术领域
本发明涉及一种自动驾驶车辆通过信号交叉口生态驾驶方法，尤其是涉及一种自动驾驶车辆通过信号交叉口驾驶方法。
背景技术
自动驾驶车辆的发展为生态驾驶策略带来更大的发展空间和更多的机遇。通常情况下，由于人类驾驶员自身局限性，其驾驶的车辆不能很好地进行生态驾驶策略，而自动驾驶技术会使车辆更精确地执行驾驶操作，能使生态驾驶有更好的效果。在自动驾驶技术基础上，车辆能够实现感知、收集、分析和处理交通信息的功能，并按照生态驾驶系统输出指示执行相应操作，完成最优生态驾驶，实现车辆能耗最低、能源的节约和经济效益的提高。
道路信号交叉口是造成交通流中断的主要原因，也是车辆经常进行减速、加速和停止的主要交通场景之一，大幅增加车辆能耗。为了减少车辆在信号交叉口造成的消极交通影响，信号交叉口的车辆生态驾驶控制十分必要。信号交叉口的生态驾驶能使车辆不需大幅加减速，减少停车怠速情况的发生，有效降低车辆能耗，并且减少车辆延误等。
而现如今自动驾驶车辆的信号交叉口生态驾驶研究，主要集中于纵向控制，对单一行驶速度的优化控制，忽略了各种道路交通行驶条件对车辆行驶的不利影响。基于规则的生态驾驶方法控制目标单一，仅根据信号状态调整车辆速度，难以满足车辆在复杂交通环境下的驾驶员真实需求。而基于优化的生态驾驶方法能够考虑多目标要求，在复杂交通环境下也能满足各种运行限制，但是其控制过程过于复杂，计算量大，工作过程中实时性不能得到保证，对各车-路设备造成巨大压力。
发明内容
本发明所要解决的技术问题是提供一种能够满足驾驶员真实需求，符合道路交通环境条件，并且控制过程简单，计算量小，控制实时性能够得到保证，从而降低自动驾驶车辆能耗，提高出行效率，减少对各车-路设备造成的压力的自动驾驶车辆通过信号交叉口生态驾驶方法。
本发明解决上述技术问题所采用的技术方案为：一种自动驾驶车辆通过信号交叉口生态驾驶方法，包括以下步骤：
步骤1：将信号交叉口区域分为交叉口上游区域、交叉口中心区域和交叉口下游区域，交叉口上游区域表示驶入自动驾驶车辆开始受到控制的区域，交叉口上游区域的路段距离等于自动驾驶车辆能够获取到交叉口信号灯配时和状态信息的起始位置到交叉口停止线的距离，将交叉口上游区域的路段距离记为l1，l1的具体取值为依据V2V/V2I技术的通讯范围界定；交叉口中心区域即为信号交叉口物理区域，交叉口中心区域的路段距离等于交叉口停止线到交叉口中心区域结束位置的距离，交叉口中心区域的路段距离记为l；交叉口下游区域表示驶出自动驾驶车辆受到控制的区域，交叉口下游区域从交叉口中心区域结束位置开始，将交叉口下游区域的路段距离记为l2，l2根据安全停车距离确定；将自动驾驶车辆在信号交叉口区域完成通行的路段路程记为L，L＝l1+l+l2；
步骤2：自动驾驶车辆行驶进入信号交叉口上游区域时，利用V2V/V2I技术获取信号交叉口区域的道路交通信息，该道路交通信息包括交叉口上游区域路程l1、交叉口中心区域路程l、交叉口下游区域路程l2、交叉口信号灯配时和状态信息以及路面信息；自动驾驶车辆利用GPS技术实时获取当前车辆位置，利用车载传感器设备实时获取当前车辆速度、当前加速度以及道路交通条件信息；
步骤3：从自动驾驶车辆驶入信号交叉口区域开始，根据获取的交叉口信号灯配时和状态信息对自动驾驶车辆进行控制，使自动驾驶车辆能够尽量不停车驶离交叉口，具体控制过程为：
当自动驾驶车辆驶入信号交叉口上游区域时，其当前车速记为v0，若当前信号状态为绿灯，且当前绿灯到下次红灯时间间隔TG不小于自动驾驶车辆以当前车速v0匀速行驶至交叉口停止线的时间，即
Figure GDA0003819662460000021
控制自动驾驶车辆按当前车速v0匀速通过信号交叉口，结束控制；
若当前信号状态为绿灯，且当前绿灯到下次红灯时间间隔TG小于自动驾驶车辆以当前车速v0匀速行驶至交叉口停止线的时间，即
Figure GDA0003819662460000031
则进入步骤4对信号交叉口进行生态驾驶控制；若当前信号状态为红灯，且车辆以当前车速v0匀速行驶至停止线的时间不小于当前红灯剩余时间TR，即
Figure GDA0003819662460000032
则控制自动驾驶车辆按当前车速v0匀速通过交叉口，结束控制；
若当前信号状态为红灯，且当前红灯剩余时间TR大于车辆以当前车速v0匀速行驶至交叉口停止线的时间，即
Figure GDA0003819662460000033
则进入步骤4对信号交叉口进行生态驾驶控制；
步骤4：对信号交叉口进行生态驾驶控制，具体为：
4.1、自动驾驶车辆进入交叉口上游区域或者交叉口下游区域都开始重新计时，将交叉口上游区域和交叉口下游区域起始位置均记为0，计时起始时间均记为0，将自动驾驶车辆在交叉口上游区域或者交叉口下游区域行驶的某时刻记为t；将在交叉口上游区域行驶时，自动驾驶车辆t时刻的位置记为s(t)、速度记为v(t)、加速度记为u(t)，将u(t)作为自动驾驶车辆在交叉口上游区域行驶时t时刻的控制输出；将在交叉口下游区域行驶时，自动驾驶车辆t时刻的位置记为s′(t)、速度记为v′(t)、加速度记为u′(t)，将u′(t)作为自动驾驶车辆在交叉口下游区域行驶时t时刻的控制输出；
根据最优控制理论，将信号交叉口上游区域行驶的自动驾驶车辆运动状态向量描述为：
Figure GDA0003819662460000034
则运动状态方程
Figure GDA0003819662460000035
由运动状态向量x(t)求导得到，表示为：
Figure GDA0003819662460000036
其中，
Figure GDA0003819662460000037
表示运动状态向量x(t)的导数，f(x(t),u(t))表示运动状态方程函数，
Figure GDA0003819662460000038
表示t时刻行驶位置s(t)的变化率，
Figure GDA0003819662460000039
表示t时刻行驶速度v(t)的变化率，即加速度u(t)；
4.2、对自动驾驶车辆在信号交叉口的生态驾驶构建成本函数：
Figure GDA00038196624600000310
其中，F表示成本函数，tf代表交叉口上游区域控制过程或者交叉口下游区域控制过程的终端时间；L(x(t),u(t))为最优控制目标的成本函数，成本函数第一项
Figure GDA0003819662460000041
为实现最优控制的行程时间成本，第二项
Figure GDA0003819662460000042
为自动驾驶车辆的能耗成本，q(t)为自动驾驶车辆t时刻的瞬时能耗，||为取绝对值符号；η1代表时间成本相应的成本权重，η2代表能耗成本相应的成本权重，η1、η2取值范围均为[0,1]，且两者不能同时取值为0；其中，自动驾驶车辆t时刻的瞬时能耗q(t)采用下式表示为：
Figure GDA0003819662460000043
式(3)中，Pm(t)为自动驾驶车辆的电机功率损耗，Pt(t)为自动驾驶车辆的阻力引起的功率损失，Pg(t)为自动驾驶车辆的加速或减速获得的能量，m是自动驾驶车辆的和在车人员的质量和，g是重力系数，frl为自动驾驶车辆的滚动摩擦系数，r是自动驾驶车辆的电机等效电阻，K为自动驾驶车辆的电枢常数和磁通量的乘积，k为自动驾驶车辆的空气阻力系数，R为自动驾驶车辆的轮胎半径；
4.3、对信号交叉口区域自动驾驶车辆行驶轨迹求解，具体为：
4.3.1、根据庞特里亚金极小值原理，确定哈密顿函数H[x(t),u(t),λ]，如式(4)所示：
H[x(t),u(t),λ]＝L(x(t),u(t))+λf(x(t),u(t))＝η1+η2|q(t)|+λ1v(t)+λ2u(t)(4)
其中，状态方程
Figure GDA0003819662460000044
λ为协状态向量，λ1和λ2均为协状态向量元素，关系式为
Figure GDA0003819662460000045
约束f(x(t),u(t))≤0；
4.3.2、交叉口上游区域最优控制求解，具体为：
自动驾驶车辆进入交叉口上游区域的初始时刻为0，交叉口上游区域自动驾驶车辆初始时刻运动状态向量为
Figure GDA0003819662460000046
自动驾驶车辆到达交叉口停止线时刻记为tf1，交叉口上游区域自动驾驶车辆终端时刻的运动状态向量
Figure GDA0003819662460000047
vf1为自动驾驶车辆在时刻tf1的速度；
当前信号状态为绿灯时，为使得交叉口通行效率不受影响，需使自动驾驶车辆到达交叉口停止线时刻tf1的速度为vmax，vmax为自动驾驶车辆获取的道路限制速度最大值，则vf1＝vmax，当前信号状态为红灯时，为使自动驾驶车辆到达交叉口停止线时刻tf1信号状态变为绿灯，则tf1＝TR；
要求解交叉口上游区域自动驾驶车辆最优的控制输出，需要满足下式：
Figure GDA0003819662460000051
Figure GDA0003819662460000052
此时，得到λ1和λ2的表达式：
Figure GDA0003819662460000053
然后将λ1和λ2的表达式带入哈密顿函数H[x(t)，u(t)，λ]，然后令
Figure GDA0003819662460000054
从而得到u(t)的表达式；进而根据交叉口上游区域自动驾驶车辆初始时刻的运动状态向量和终端时刻的运动状态向量，计算得到交叉口上游区域终端时刻tf1、终端时刻速度vf1和控制输出u(t)，此时判断条件umin≤u(t)≤umax是否成立，umin为自动驾驶车辆自身性能的最小加速度，umax为自动驾驶车辆自身性能的最大加速度，如果条件成立，则此时计算得到的u(t)即为交叉口上游区域最优控制输出
Figure GDA0003819662460000055
如果u(t)小于umin，则令u(t)＝umin后，将u(t)作为交叉口上游区域最优控制输出
Figure GDA0003819662460000056
如果u(t)大于umax，则令u(t)＝umax后，将u(t)作为交叉口上游区域最优控制输出
Figure GDA0003819662460000057
4.3.3、交叉口下游区域最优控制求解，具体为：
交叉口下游区域距离由安全停车距离决定，则
Figure GDA0003819662460000058
其中fs为行驶路面的滑动摩擦系数，由V2V/V2I技术获取的路面信息提供，交叉口下游区域自动驾驶车辆t时刻的运动状态向量
Figure GDA0003819662460000059
运动状态方程
Figure GDA00038196624600000510
其中s′(t)为交叉口下游区域自动驾驶车辆在时刻t的位置，v′(t)为交叉口下游区域自动驾驶车辆在时刻t的速度，u′(t)为交叉口下游区域自动驾驶车辆在时刻t的加速度，即交叉口下游区域的控制输出，自动驾驶车辆到达交叉口下游区域时的初始时刻为0，交叉口下游区域自动驾驶车辆初始时刻的状态向量
Figure GDA0003819662460000061
为了使自动驾驶车辆最终恢复进入信号交叉口区域的初始速度，即自动驾驶车辆驶出交叉口下游区域的终端时刻tf2的速度为v0，即自动驾驶车辆在交叉口下游区域终端时刻的状态向量
Figure GDA0003819662460000062
Figure GDA0003819662460000063
λ′为交叉口下游区域协状态向量，λ′1和λ′2均为交叉口下游区域协状态向量元素，关系式为
Figure GDA0003819662460000064
要求解交叉口下游区域自动驾驶车辆最优的控制输出，需要满足：
Figure GDA0003819662460000065
Figure GDA0003819662460000066
此时，得到λ′1和λ′2的表达式：
Figure GDA0003819662460000067
然后将λ′1和λ′2的表达式带入哈密顿函数H[x′(t)，u′(t)，λ′]，接着令
Figure GDA0003819662460000068
从而得到u′(t)的表达式；进而根据交叉口下游区域自动驾驶车辆初始时刻的运动状态向量和终端时刻的运动状态向量，计算得到交叉口下游区域终端时间tf2和控制输出u′(t)，此时判断条件umin≤u′(t)≤umax，如果条件成立，则此时计算得到的u′(t)即为交叉口下游区域最优控制输出
Figure GDA0003819662460000069
如果u′(t)小于umin，则令u′(t)＝umin后，将u′(t)作为交叉口下游区域最优控制输出
Figure GDA00038196624600000610
如果u′(t)大于umax，则令u′(t)＝umax后，将u′(t)作为交叉口上游区域最优控制输出
Figure GDA00038196624600000611
4.4、控制自动驾驶车辆以加速度
Figure GDA00038196624600000612
通过交叉口上游区域，当自动驾驶车辆驶出交叉口上游区域，进入交叉口中心区域时，其速度为vf1，在交叉口中心区域，控制自动驾驶车辆以速度vf1匀速通过，当自动驾驶车辆驶出交叉口中心区域，进入交叉口下游区域时，控制自动驾驶车辆以加速度
Figure GDA00038196624600000613
通过交叉口下游区域；当自动驾驶车辆驶出信号交叉口区域时，结束生态驾驶控制。
与现有技术相比，本发明的优点在于将信号交叉口区域划分为三部分，分别为交叉口上游区域、交叉口中心区域和交叉口下游区域；自动驾驶车辆通过V2V/V2I技术收集道路交通信息和自身信息，得到自动驾驶车辆控制条件，然后根据当前信号灯状态，判断是否能匀速通过，若能，则匀速通过信号交叉口区域，若不能，则对自动驾驶车辆进行生态驾驶控制，进入生态驾驶控制阶段，在生态驾驶控制阶段，构建自动驾驶车辆运动状态方程以及在信号交叉口行驶的成本函数，以满足降低能耗、减少行程时间的要求，利用庞特里亚金极小值原理分别对交叉口上游区域和交叉口下游区域进行最优控制轨迹求解，得到自动驾驶车辆在信号交叉口区域行驶的最优轨迹，最后，使自动驾驶车辆按照最优轨迹通过信号交叉口区域，由此本方法能够满足驾驶员真实行驶需求，符合实际道路交通环境条件，并且控制过程简单，生态驾驶控制计算量小，控制实时性能够得到保证，从而有效降低自动驾驶车辆能耗，提高出行效率，减少对各车-路设备造成的压力。
附图说明
图1为本发明的自动驾驶车辆通过信号交叉口生态驾驶方法中信号交叉口的结构示意图；
图2为本发明的自动驾驶车辆通过信号交叉口生态驾驶方法中自动驾驶车辆在交叉口的加速度变化规律图；
图3为本发明的自动驾驶车辆通过信号交叉口生态驾驶方法中自动驾驶车辆水平方向速度变化图；
图4为本发明的自动驾驶车辆通过信号交叉口生态驾驶方法中自动驾驶车辆行驶距离变化图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
实施例：如图1所示，一种自动驾驶车辆通过信号交叉口生态驾驶方法，包括以下步骤：
步骤1：将信号交叉口区域分为交叉口上游区域、交叉口中心区域和交叉口下游区域，交叉口上游区域表示驶入自动驾驶车辆开始受到控制的区域，交叉口上游区域的路段距离等于自动驾驶车辆能够获取到交叉口信号灯配时和状态信息的起始位置到交叉口停止线的距离，将交叉口上游区域的路段距离记为l1，l1的具体取值为依据V2V/V2I技术的通讯范围界定；交叉口中心区域即为信号交叉口物理区域，交叉口中心区域的路段距离等于交叉口停止线到交叉口中心区域结束位置的距离，交叉口中心区域的路段距离记为l；交叉口下游区域表示驶出自动驾驶车辆受到控制的区域，交叉口下游区域从交叉口中心区域结束位置开始，将交叉口下游区域的路段距离记为l2，l2根据安全停车距离确定；将自动驾驶车辆在信号交叉口区域完成通行的路段路程记为L，L＝l1+l+l2；
步骤2：自动驾驶车辆行驶进入信号交叉口上游区域时，利用V2V/V2I技术获取信号交叉口区域的道路交通信息，该道路交通信息包括交叉口上游区域路程l1、交叉口中心区域路程l、交叉口下游区域路程l2、交叉口信号灯配时和状态信息以及路面信息；自动驾驶车辆利用GPS技术实时获取当前车辆位置，利用车载传感器设备实时获取当前车辆速度、当前加速度以及道路交通条件信息；
步骤3：从自动驾驶车辆驶入信号交叉口区域开始，根据获取的交叉口信号灯配时和状态信息对自动驾驶车辆进行控制，使自动驾驶车辆能够尽量不停车驶离交叉口，具体控制过程为：
当自动驾驶车辆驶入信号交叉口上游区域时，其当前车速记为v0，若当前信号状态为绿灯，且当前绿灯到下次红灯时间间隔TG不小于自动驾驶车辆以当前车速v0匀速行驶至交叉口停止线的时间，即
Figure GDA0003819662460000081
控制自动驾驶车辆按当前车速v0匀速通过信号交叉口，结束控制；
若当前信号状态为绿灯，且当前绿灯到下次红灯时间间隔TG小于自动驾驶车辆以当前车速v0匀速行驶至交叉口停止线的时间，即
Figure GDA0003819662460000082
则进入步骤4对信号交叉口进行生态驾驶控制；若当前信号状态为红灯，且车辆以当前车速v0匀速行驶至停止线的时间不小于当前红灯剩余时间TR，即
Figure GDA0003819662460000083
则控制自动驾驶车辆按当前车速v0匀速通过交叉口，结束控制；
若当前信号状态为红灯，且当前红灯剩余时间TR大于车辆以当前车速v0匀速行驶至交叉口停止线的时间，即
Figure GDA0003819662460000091
则进入步骤4对信号交叉口进行生态驾驶控制；
步骤4：对信号交叉口进行生态驾驶控制，具体为：
4.1、自动驾驶车辆进入交叉口上游区域或者交叉口下游区域都开始重新计时，将交叉口上游区域和交叉口下游区域起始位置均记为0，计时起始时间均记为0，将自动驾驶车辆在交叉口上游区域或者交叉口下游区域行驶的某时刻记为t；将在交叉口上游区域行驶时，自动驾驶车辆t时刻的位置记为s(t)、速度记为v(t)、加速度记为u(t)，将u(t)作为自动驾驶车辆在交叉口上游区域行驶时t时刻的控制输出；将在交叉口下游区域行驶时，自动驾驶车辆t时刻的位置记为s′(t)、速度记为v′(t)、加速度记为u′(t)，将u′(t)作为自动驾驶车辆在交叉口下游区域行驶时t时刻的控制输出；
根据最优控制理论，将信号交叉口上游区域行驶的自动驾驶车辆运动状态向量描述为：
Figure GDA0003819662460000092
则运动状态方程
Figure GDA00038196624600000911
由运动状态向量x(t)求导得到，表示为：
Figure GDA0003819662460000093
其中，
Figure GDA0003819662460000094
表示运动状态向量x(t)的导数，f(x(t)，u(t))表示运动状态方程函数，
Figure GDA0003819662460000095
表示t时刻行驶位置s(t)的变化率，
Figure GDA0003819662460000096
表示t时刻行驶速度v(t)的变化率，即加速度u(t)；
4.2、对自动驾驶车辆在信号交叉口的生态驾驶构建成本函数：
Figure GDA0003819662460000097
其中，F表示成本函数，tf代表交叉口上游区域控制过程或者交叉口下游区域控制
过程的终端时间；L(x(t)，u(t))为最优控制目标的成本函数，成本函数第一项
Figure GDA0003819662460000098
为实现最优控制的行程时间成本，第二项
Figure GDA0003819662460000099
为自动驾驶车辆的能耗成本，q(t)为自动驾驶车辆t时刻的瞬时能耗，||为取绝对值符号；η1代表时间成本相应的成本权重，η2代表能耗成本相应的成本权重，η1、η2取值范围均为[0，1]，且两者不能同时取值为0；其中，自动驾驶车辆t时刻的瞬时能耗q(t)采用下式表示为：
Figure GDA00038196624600000910
式(3)中，Pm(t)为自动驾驶车辆的电机功率损耗，Pt(t)为自动驾驶车辆的阻力引起的功率损失，Pg(t)为自动驾驶车辆的加速或减速获得的能量，m是自动驾驶车辆的和在车人员的质量和，g是重力系数，frl为自动驾驶车辆的滚动摩擦系数，r是自动驾驶车辆的电机等效电阻，K为自动驾驶车辆的电枢常数和磁通量的乘积，k为自动驾驶车辆的空气阻力系数，R为自动驾驶车辆的轮胎半径；
4.3、对信号交叉口区域自动驾驶车辆行驶轨迹求解，具体为：
4.3.1、根据庞特里亚金极小值原理，确定哈密顿函数H[x(t)，u(t)，λ]，如式(4)所示：
H[x(t)，u(t)，λ]＝L(x(t)，u(t))+λf(x(t)，u(t))＝η1+η2|q(t)|+λ1v(t)+λ2u(t)(4)
其中，状态方程
Figure GDA0003819662460000106
λ为协状态向量，λ1和λ2均为协状态向量元素，关系式为
Figure GDA0003819662460000101
约束f(x(t)，u(t))≤0；
4.3.2、交叉口上游区域最优控制求解，具体为：
自动驾驶车辆进入交叉口上游区域的初始时刻为0，交叉口上游区域自动驾驶车辆初始时刻运动状态向量为
Figure GDA0003819662460000102
自动驾驶车辆到达交叉口停止线时刻记为tf1，交叉口上游区域自动驾驶车辆终端时刻的运动状态向量
Figure GDA0003819662460000103
vf1为自动驾驶车辆在时刻tf1的速度；
当前信号状态为绿灯时，为使得交叉口通行效率不受影响，需使自动驾驶车辆到达交叉口停止线时刻tf1的速度为vmax，vmax为自动驾驶车辆获取的道路限制速度最大值，则vf1＝vmax，当前信号状态为红灯时，为使自动驾驶车辆到达交叉口停止线时刻tf1信号状态变为绿灯，则tf1＝TR；
要求解交叉口上游区域自动驾驶车辆最优的控制输出，需要满足下式：
Figure GDA0003819662460000104
Figure GDA0003819662460000105
此时，得到λ1和λ2的表达式：
Figure GDA0003819662460000111
然后将λ1和λ2的表达式带入哈密顿函数H[x(t)，u(t)，λ]，然后令
Figure GDA0003819662460000112
从而得到u(t)的表达式；进而根据交叉口上游区域自动驾驶车辆初始时刻的运动状态向量和终端时刻的运动状态向量，计算得到交叉口上游区域终端时刻tf1、终端时刻速度vf1和控制输出u(t)，此时判断条件umin≤u(t)≤umax是否成立，umin为自动驾驶车辆自身性能的最小加速度，umax为自动驾驶车辆自身性能的最大加速度，如果条件成立，则此时计算得到的u(t)即为交叉口上游区域最优控制输出
Figure GDA0003819662460000113
如果u(t)小于umin，则令u(t)＝umin后，将u(t)作为交叉口上游区域最优控制输出
Figure GDA0003819662460000114
如果u(t)大于umax，则令u(t)＝umax后，将u(t)作为交叉口上游区域最优控制输出
Figure GDA0003819662460000115
4.3.3、交叉口下游区域最优控制求解，具体为：
交叉口下游区域距离由安全停车距离决定，则
Figure GDA0003819662460000116
其中fs为行驶路面的滑动摩擦系数，由V2V/V2I技术获取的路面信息提供，交叉口下游区域自动驾驶车辆t时刻的运动状态向量
Figure GDA0003819662460000117
运动状态方程
Figure GDA0003819662460000118
其中s′(t)为交叉口下游区域自动驾驶车辆在时刻t的位置，v′(t)为交叉口下游区域自动驾驶车辆在时刻t的速度，u′(t)为交叉口下游区域自动驾驶车辆在时刻t的加速度，即交叉口下游区域的控制输出，自动驾驶车辆到达交叉口下游区域时的初始时刻为0，交叉口下游区域自动驾驶车辆初始时刻的状态向量
Figure GDA0003819662460000119
为了使自动驾驶车辆最终恢复进入信号交叉口区域的初始速度，即自动驾驶车辆驶出交叉口下游区域的终端时刻tf2的速度为v0，即自动驾驶车辆在交叉口下游区域终端时刻的状态向量
Figure GDA00038196624600001110
Figure GDA00038196624600001111
λ′为交叉口下游区域协状态向量，λ′1和λ′2均为交叉口下游区域协状态向量元素，关系式为
Figure GDA00038196624600001112
要求解交叉口下游区域自动驾驶车辆最优的控制输出，需要满足：
Figure GDA0003819662460000121
Figure GDA0003819662460000122
此时，得到λ′1和λ′2的表达式：
Figure GDA0003819662460000123
然后将λ′1和λ′2的表达式带入哈密顿函数H[x′(t)，u′(t)，λ′]，接着令
Figure GDA0003819662460000124
从而得到u′(t)的表达式；进而根据交叉口下游区域自动驾驶车辆初始时刻的运动状态向量和终端时刻的运动状态向量，计算得到交叉口下游区域终端时间tf2和控制输出u′(t)，此时判断条件umin≤u′(t)≤umax，如果条件成立，则此时计算得到的u′(t)即为交叉口下游区域最优控制输出
Figure GDA0003819662460000125
如果u′(t)小于umin，则令u′(t)＝umin后，将u′(t)作为交叉口下游区域最优控制输出
Figure GDA0003819662460000126
如果u′(t)大于umax，则令u′(t)＝umax后，将u′(t)作为交叉口上游区域最优控制输出
Figure GDA0003819662460000127
4.4、控制自动驾驶车辆以加速度
Figure GDA0003819662460000128
通过交叉口上游区域，当自动驾驶车辆驶出交叉口上游区域，进入交叉口中心区域时，其速度为vf1，在交叉口中心区域，控制自动驾驶车辆以速度vf1匀速通过，当自动驾驶车辆驶出交叉口中心区域，进入交叉口下游区域时，控制自动驾驶车辆以加速度
Figure GDA0003819662460000129
通过交叉口下游区域；当自动驾驶车辆驶出信号交叉口区域时，结束生态驾驶控制。
本实施例中，交叉口上游区域路程l1为300米，交叉口中心区域路程l为50米，交叉口下游区域路程l2为150米，交叉口区域总路程L为500米，信号交叉口信号配时周期为123s，其中绿灯60s，红灯60s，当前信号灯状态为绿灯。自动驾驶车辆驶入信号交叉口区域的初始速度v0＝40km/h≈11.11m/s。根据收集到的信息，当前信号状态为绿灯，剩余绿灯时间为17s，此时自动驾驶车辆当前以初始速度匀速无法通过交叉口，即
Figure GDA00038196624600001210
所以需要进行生态驾驶控制。
能耗成本函数中参数取值依据具体的车辆配置设置，通常情况下，车辆驱动力的大小与瞬时能耗率成正比。因此，本实施例结合车辆情况简化后的能耗成本函数
Figure GDA00038196624600001211
假设驾驶员认为行驶时间成本以及能耗成本同等重要，则指标函数的权重系数η1和η2取值均为1，指标函数为
Figure GDA0003819662460000131
此区域道路最大限制速度vmax＝60km/h≈16.67m/s。自动车辆平稳行驶的最大加速度umax＝2.50m/s2，最大减速度为umin＝3m/s2。
在交叉口上游区域：自动车辆到达交叉口上游区域的初始时刻的状态向量为
Figure GDA0003819662460000132
为使得交叉口通行效率不受影响，使自动驾驶车辆到达停止线的速度，即终端时刻tf＝tf1时的速度为vmax，则终端状态为
Figure GDA0003819662460000133
Figure GDA0003819662460000134
最终求解得到交叉口上游区域最优控制输出
Figure GDA0003819662460000135
最优状态变量
Figure GDA0003819662460000136
如下：
Figure GDA0003819662460000137
Figure GDA0003819662460000138
在交叉口中心区域：自动驾驶车辆保持速度vmax匀速通过，时间成本为3.00。
在交叉口下游区域：自动驾驶车辆到达交叉口下游区域初始时刻的状态向量
Figure GDA0003819662460000139
其中s′(0)为交叉口下游区域自动驾驶车辆的初始位置，v′(0)为交叉口下游区域自动驾驶车辆初始速度。为了使自动驾驶车辆最终恢复进入信号交叉口区域的初始速度，使自动驾驶车辆驶出交叉口下游区域，即终端时刻tf＝tf2时的速度为v0，则终端状态为
Figure GDA00038196624600001310
最终求解得到交叉口下游区域最优控制输出
Figure GDA00038196624600001311
最优状态变量
Figure GDA00038196624600001312
如下：
Figure GDA00038196624600001313
Figure GDA00038196624600001314
其中，本发明的自动驾驶车辆通过信号交叉口生态驾驶方法中自动驾驶车辆在交叉口的加速度变化规律图如图2所示；本发明的自动驾驶车辆通过信号交叉口生态驾驶方法中自动驾驶车辆水平方向速度变化图如图3所示；本发明的自动驾驶车辆通过信号交叉口生态驾驶方法中自动驾驶车辆行驶距离变化图如图4所示。

Claims (1)

1.一种自动驾驶车辆通过信号交叉口生态驾驶方法，其特征在于包括以下步骤：
步骤1：将信号交叉口区域分为交叉口上游区域、交叉口中心区域和交叉口下游区域，交叉口上游区域表示驶入自动驾驶车辆开始受到控制的区域，交叉口上游区域的路段距离等于自动驾驶车辆能够获取到交叉口信号灯配时和状态信息的起始位置到交叉口停止线的距离，将交叉口上游区域的路段距离记为l1，l1的具体取值为依据V2V/V2I技术的通讯范围界定；交叉口中心区域即为信号交叉口物理区域，交叉口中心区域的路段距离等于交叉口停止线到交叉口中心区域结束位置的距离，交叉口中心区域的路段距离记为l；交叉口下游区域表示驶出自动驾驶车辆受到控制的区域，交叉口下游区域从交叉口中心区域结束位置开始，将交叉口下游区域的路段距离记为l2，l2根据安全停车距离确定；将自动驾驶车辆在信号交叉口区域完成通行的路段路程记为L，L＝l1+l+l2；
步骤2：自动驾驶车辆行驶进入信号交叉口上游区域时，利用V2V/V2I技术获取信号交叉口区域的道路交通信息，该道路交通信息包括交叉口上游区域路程l1、交叉口中心区域路程l、交叉口下游区域路程l2、交叉口信号灯配时和状态信息以及路面信息；自动驾驶车辆利用GPS技术实时获取当前车辆位置，利用车载传感器设备实时获取当前车辆速度、当前加速度以及道路交通条件信息；
步骤3：从自动驾驶车辆驶入信号交叉口区域开始，根据获取的交叉口信号灯配时和状态信息对自动驾驶车辆进行控制，使自动驾驶车辆能够尽量不停车驶离交叉口，具体控制过程为：
当自动驾驶车辆驶入信号交叉口上游区域时，其当前车速记为v0，若当前信号状态为绿灯，且当前绿灯到下次红灯时间间隔TG不小于自动驾驶车辆以当前车速v0匀速行驶至交叉口停止线的时间，即
Figure FDA0003819662450000011
控制自动驾驶车辆按当前车速v0匀速通过信号交叉口，结束控制；
若当前信号状态为绿灯，且当前绿灯到下次红灯时间间隔TG小于自动驾驶车辆以当前车速v0匀速行驶至交叉口停止线的时间，即
Figure FDA0003819662450000012
则进入步骤4对信号交叉口进行生态驾驶控制；若当前信号状态为红灯，且车辆以当前车速v0匀速行驶至停止线的时间不小于当前红灯剩余时间TR，即
Figure FDA0003819662450000021
则控制自动驾驶车辆按当前车速v0匀速通过交叉口，结束控制；
若当前信号状态为红灯，且当前红灯剩余时间TR大于车辆以当前车速v0匀速行驶至交叉口停止线的时间，即
Figure FDA0003819662450000022
则进入步骤4对信号交叉口进行生态驾驶控制；
步骤4：对信号交叉口进行生态驾驶控制，具体为：
4.1、自动驾驶车辆进入交叉口上游区域或者交叉口下游区域都开始重新计时，将交叉口上游区域和交叉口下游区域起始位置均记为0，计时起始时间均记为0，将自动驾驶车辆在交叉口上游区域或者交叉口下游区域行驶的某时刻记为t；将在交叉口上游区域行驶时，自动驾驶车辆t时刻的位置记为s(t)、速度记为v(t)、加速度记为u(t)，将u(t)作为自动驾驶车辆在交叉口上游区域行驶时t时刻的控制输出；将在交叉口下游区域行驶时，自动驾驶车辆t时刻的位置记为s′(t)、速度记为v′(t)、加速度记为u′(t)，将u′(t)作为自动驾驶车辆在交叉口下游区域行驶时t时刻的控制输出；
根据最优控制理论，将信号交叉口上游区域行驶的自动驾驶车辆运动状态向量描述为：
Figure FDA0003819662450000023
则运动状态方程
Figure FDA0003819662450000024
由运动状态向量x(t)求导得到，表示为：
Figure FDA0003819662450000025
其中，
Figure FDA0003819662450000026
表示运动状态向量x(t)的导数，f(x(t),u(t))表示运动状态方程函数，
Figure FDA00038196624500000211
表示t时刻行驶位置s(t)的变化率，
Figure FDA0003819662450000027
表示t时刻行驶速度v(t)的变化率，即加速度u(t)；
4.2、对自动驾驶车辆在信号交叉口的生态驾驶构建成本函数：
Figure FDA0003819662450000028
其中，F表示成本函数，tf代表交叉口上游区域控制过程或者交叉口下游区域控制过程的终端时间；L(x(t),u(t))为最优控制目标的成本函数，成本函数第一项
Figure FDA0003819662450000029
为实现最优控制的行程时间成本，第二项
Figure FDA00038196624500000210
为自动驾驶车辆的能耗成本，q(t)为自动驾驶车辆t时刻的瞬时能耗，||为取绝对值符号；η1代表时间成本相应的成本权重，η2代表能耗成本相应的成本权重，η1、η2取值范围均为[0,1]，且两者不能同时取值为0；其中，自动驾驶车辆t时刻的瞬时能耗q(t)采用下式表示为：
Figure FDA0003819662450000031
式(3)中，Pm(t)为自动驾驶车辆的电机功率损耗，Pt(t)为自动驾驶车辆的阻力引起的功率损失，Pg(t)为自动驾驶车辆的加速或减速获得的能量，m是自动驾驶车辆的和在车人员的质量和，g是重力系数，frl为自动驾驶车辆的滚动摩擦系数，r是自动驾驶车辆的电机等效电阻，K为自动驾驶车辆的电枢常数和磁通量的乘积，k为自动驾驶车辆的空气阻力系数，R为自动驾驶车辆的轮胎半径；
4.3、对信号交叉口区域自动驾驶车辆行驶轨迹求解，具体为：
4.3.1、根据庞特里亚金极小值原理，确定哈密顿函数H[x(t),u(t),λ]，如式(4)所示：
H[x(t),u(t),λ]＝L(x(t),u(t))+λf(x(t),u(t))＝η1+η2|q(t)|+λ1v(t)+λ2u(t) (4)
其中，状态方程
Figure FDA0003819662450000032
λ为协状态向量，λ1和λ2均为协状态向量元素，关系式为
Figure FDA0003819662450000033
约束f(x(t),u(t))≤0；
4.3.2、交叉口上游区域最优控制求解，具体为：
自动驾驶车辆进入交叉口上游区域的初始时刻为0，交叉口上游区域自动驾驶车辆初始时刻运动状态向量为
Figure FDA0003819662450000034
自动驾驶车辆到达交叉口停止线时刻记为tf1，交叉口上游区域自动驾驶车辆终端时刻的运动状态向量
Figure FDA0003819662450000035
vf1为自动驾驶车辆在时刻tf1的速度；
当前信号状态为绿灯时，为使得交叉口通行效率不受影响，需使自动驾驶车辆到达交叉口停止线时刻tf1的速度为vmax，vmax为自动驾驶车辆获取的道路限制速度最大值，则vf1＝vmax，当前信号状态为红灯时，为使自动驾驶车辆到达交叉口停止线时刻tf1信号状态变为绿灯，则tf1＝TR；
要求解交叉口上游区域自动驾驶车辆最优的控制输出，需要满足下式：
Figure FDA0003819662450000041
Figure FDA0003819662450000042
此时，得到λ1和λ2的表达式：
Figure FDA0003819662450000043
然后将λ1和λ2的表达式带入哈密顿函数H[x(t),u(t),λ]，然后令
Figure FDA0003819662450000044
从而得到u(t)的表达式；进而根据交叉口上游区域自动驾驶车辆初始时刻的运动状态向量和终端时刻的运动状态向量，计算得到交叉口上游区域终端时刻tf1、终端时刻速度vf1和控制输出u(t)，此时判断条件umin≤u(t)≤umax是否成立，umin为自动驾驶车辆自身性能的最小加速度，umax为自动驾驶车辆自身性能的最大加速度，如果条件成立，则此时计算得到的u(t)即为交叉口上游区域最优控制输出
Figure FDA0003819662450000045
如果u(t)小于umin，则令u(t)＝umin后，将u(t)作为交叉口上游区域最优控制输出
Figure FDA0003819662450000046
如果u(t)大于umax，则令u(t)＝umax后，将u(t)作为交叉口上游区域最优控制输出
Figure FDA0003819662450000047
4.3.3、交叉口下游区域最优控制求解，具体为：
交叉口下游区域距离由安全停车距离决定，则
Figure FDA0003819662450000048
其中fs为行驶路面的滑动摩擦系数，由V2V/V2I技术获取的路面信息提供，交叉口下游区域自动驾驶车辆t时刻的运动状态向量
Figure FDA0003819662450000049
运动状态方程
Figure FDA00038196624500000410
其中s′(t)为交叉口下游区域自动驾驶车辆在时刻t的位置，v′(t)为交叉口下游区域自动驾驶车辆在时刻t的速度,u′(t)为交叉口下游区域自动驾驶车辆在时刻t的加速度，即交叉口下游区域的控制输出，自动驾驶车辆到达交叉口下游区域时的初始时刻为0，交叉口下游区域自动驾驶车辆初始时刻的状态向量
Figure FDA00038196624500000411
为了使自动驾驶车辆最终恢复进入信号交叉口区域的初始速度，即自动驾驶车辆驶出交叉口下游区域的终端时刻tf2的速度为v0，即自动驾驶车辆在交叉口下游区域终端时刻的状态向量
Figure FDA00038196624500000412
Figure FDA00038196624500000413
λ′为交叉口下游区域协状态向量，λ′1和λ′2均为交叉口下游区域协状态向量元素，关系式为
Figure FDA0003819662450000051
要求解交叉口下游区域自动驾驶车辆最优的控制输出，需要满足：
Figure FDA0003819662450000052
Figure FDA0003819662450000053
此时，得到λ′1和λ′2的表达式：
Figure FDA0003819662450000054
然后将λ′1和λ′2的表达式带入哈密顿函数H[x′(t),u′(t),λ′]，接着令
Figure FDA0003819662450000055
从而得到u′(t)的表达式；进而根据交叉口下游区域自动驾驶车辆初始时刻的运动状态向量和终端时刻的运动状态向量，计算得到交叉口下游区域终端时间tf2和控制输出u′(t)，此时判断条件umin≤u′(t)≤umax，如果条件成立，则此时计算得到的u′(t)即为交叉口下游区域最优控制输出
Figure FDA0003819662450000056
如果u′(t)小于umin，则令u′(t)＝umin后，将u′(t)作为交叉口下游区域最优控制输出
Figure FDA0003819662450000057
如果u′(t)大于umax，则令u′(t)＝umax后，将u′(t)作为交叉口上游区域最优控制输出
Figure FDA0003819662450000058
4.4、控制自动驾驶车辆以加速度
Figure FDA0003819662450000059
通过交叉口上游区域，当自动驾驶车辆驶出交叉口上游区域，进入交叉口中心区域时，其速度为vf1，在交叉口中心区域，控制自动驾驶车辆以速度vf1匀速通过，当自动驾驶车辆驶出交叉口中心区域，进入交叉口下游区域时，控制自动驾驶车辆以加速度
Figure FDA00038196624500000510
通过交叉口下游区域；当自动驾驶车辆驶出信号交叉口区域时，结束生态驾驶控制。
CN202111554002.1A 2021-12-17 2021-12-17 一种自动驾驶车辆通过信号交叉口生态驾驶方法 Active CN114333364B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111554002.1A CN114333364B (zh) 2021-12-17 2021-12-17 一种自动驾驶车辆通过信号交叉口生态驾驶方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111554002.1A CN114333364B (zh) 2021-12-17 2021-12-17 一种自动驾驶车辆通过信号交叉口生态驾驶方法

Publications (2)

Publication Number Publication Date
CN114333364A CN114333364A (zh) 2022-04-12
CN114333364B true CN114333364B (zh) 2022-11-18

Family

ID=81052366

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111554002.1A Active CN114333364B (zh) 2021-12-17 2021-12-17 一种自动驾驶车辆通过信号交叉口生态驾驶方法

Country Status (1)

Country Link
CN (1) CN114333364B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115497314B (zh) * 2022-09-03 2023-10-24 河海大学 一种智能网联汽车不停车通过交叉口的生态驾驶方法
CN115455795B (zh) * 2022-09-19 2023-04-07 大连海事大学 一种考虑运营稳定性的公交车生态驾驶诱导方法
CN116092310B (zh) * 2023-01-28 2023-07-18 西南交通大学 面向混合交通环境的路口协同生态驾驶控制方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017166474A1 (zh) * 2016-03-29 2017-10-05 中国科学院深圳先进技术研究院 一种基于交叉口群的交通控制方法及系统
CN113734175A (zh) * 2021-07-30 2021-12-03 中汽研（天津）汽车工程研究院有限公司 一种变时条件下两交叉口间节能驾驶策略实时寻优方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8938348B2 (en) * 2011-12-13 2015-01-20 Mitsubishi Electric Research Laboratories, Inc. Method for optimizing run curve of vehicles
US9792575B2 (en) * 2016-03-11 2017-10-17 Route4Me, Inc. Complex dynamic route sequencing for multi-vehicle fleets using traffic and real-world constraints
CN108765982A (zh) * 2018-05-04 2018-11-06 东南大学 车路协同环境下信号控制交叉口车速引导系统及引导方法
CN110223512A (zh) * 2019-05-13 2019-09-10 广州南洋理工职业学院 车联网环境下城区交通诱导系统
IT201900010431A1 (it) * 2019-06-28 2020-12-28 Fpt Motorenforschung Ag Metodo e sistema per controllare un veicolo su una missione
JP2021020563A (ja) * 2019-07-26 2021-02-18 本田技研工業株式会社 車両エネルギ管理システム及び車両エネルギ管理方法
CN111532264A (zh) * 2020-04-17 2020-08-14 东南大学 一种面向变坡度和变限速交通场景的智能网联汽车巡航车速优化方法
CN112776673B (zh) * 2020-12-06 2022-06-21 吉林大学 智能网联燃料电池汽车实时能量优化管理系统
CN113561793B (zh) * 2021-08-02 2023-09-08 昆明理工大学 一种动态约束的智能燃料电池汽车能量管理策略

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017166474A1 (zh) * 2016-03-29 2017-10-05 中国科学院深圳先进技术研究院 一种基于交叉口群的交通控制方法及系统
CN113734175A (zh) * 2021-07-30 2021-12-03 中汽研（天津）汽车工程研究院有限公司 一种变时条件下两交叉口间节能驾驶策略实时寻优方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Timetable Coordination of the First Trains for Subway Network With Maximum Passenger Perceived Transfer Quality;Xuan Li et al.;《IEEE Access》;20190328;全文 *

Also Published As

Publication number Publication date
CN114333364A (zh) 2022-04-12

Similar Documents

Publication Publication Date Title
CN114333364B (zh) 一种自动驾驶车辆通过信号交叉口生态驾驶方法
CN107730931B (zh) 一种车路协同环境下车辆编队控制及其信号优化方法
CN108986488B (zh) 一种车车通信环境下匝道汇入协同轨迹确定方法及设备
WO2022142540A1 (zh) 基于智能网联信息的新能源汽车滑行控制系统、方法及新能源汽车
CN113192347B (zh) 动态交通场景下智能网联车辆经济性驾驶控制方法
CN107628029A (zh) 一种网联汽车队列的节能型稳定性运动控制方法
CN114973733B (zh) 一种信号交叉口处混合流下网联自动车轨迹优化控制方法
CN112309120B (zh) 一种最佳进口车道选择的自动驾驶交叉口交通控制方法
CN111091721A (zh) 一种面向智慧车列交通系统的匝道合流控制方法及系统
CN108489500A (zh) 一种基于能耗经济性的全局路径规划方法及系统
CN109552338A (zh) 一种纯电动汽车生态驾驶行为评估方法及系统
Wu et al. Supplementary benefits from partial vehicle automation in an ecoapproach and departure application at signalized intersections
CN107862121B (zh) 基于绿波带的电动汽车能耗模型设计方法及其系统
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
CN102855755B (zh) 一种基于运行车速预测的城市干道车队离散模型的建模方法
CN113312752A (zh) 一种主路优先控制交叉口交通仿真方法及装置
CN102505593B (zh) 出入口纵深长度确定方法
CN108944905A (zh) 一种基于模型预测控制的phev红绿灯路口通过控制方法
CN113734175B (zh) 一种变时条件下两交叉口间节能驾驶策略实时寻优方法
Kamal et al. Eco-driving using real-time optimization
He et al. Real-Time Traffic Prediction Considering Lane Changing Maneuvers with Application to Eco-Driving Control of Electric Vehicles
CN114783175A (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
CN113844462A (zh) 一种考虑能耗的自动驾驶车辆路段行驶轨迹优化方法
Dong et al. A hierarchical strategy for velocity optimization of connected vehicles with the existence of multiple traffic lights
CN116804852B (zh) 一种混合车队生态驾驶轨迹优化方法

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