CN114537420B - 一种基于动态规划的城市快速公交节能驾驶控制方法 - Google Patents

Abstract

本发明公开了一种基于动态规划的城市快速公交节能驾驶控制方法，涉及智能交通技术领域，解决了现有车速规划无法兼顾城市快速公交车辆经济性与准时性的技术问题，其技术方案要点是可采用速度规划方法，并将实现安全适性约束作为变量约束，将经济性与准时性作为优化目标，建立最优控制模型。同时基于动态规划方法，将最优控制模型在空间域上进行离散，从终点到起点进行逆向求解，根据目标函数最小进行正向寻优得到最优速度轨迹和巡航时间。减少车辆队列行驶过程中的激进驾驶或频繁启停所产生的额外能量损失，并实现准时到站。

Description

一种基于动态规划的城市快速公交节能驾驶控制方法

技术领域

本申请涉及智能交通技术领域，具体涉及城市快速公交车辆智能决策与规划技术，尤其涉及一种基于动态规划的城市快速公交节能驾驶控制方法。

背景技术

城市通勤面临着日益严重的交通拥堵问题。《新能源汽车产业发展规划(2021—2035年)》中指出，要实施智能网联技术创新工程，发展智能决策与规划技术，发展一体化智慧出行服务，加快新能源汽车在城市公交上的应用。城市快速公交的速度决策与规划技术在提高交通效率、安全性和环境可持续性方面具有巨大潜力，并且在提升交通流稳定性、减少车辆的变速与启停的同时，也能够提高行驶经济性。

城市路网下，快速公交车辆是人们的重要出行方式，快速公交系统以其运力、效率、准时、安全、环保等优势，在大中城市公共交通中占有重要地位。由于城市交通环境的复杂性，快速公交可能受到信号灯与其他交通参与者的影响，造成车辆停车、通行效率降低、甚至堵车的现象，从而无法保证公交车辆到站的准时性。因此，综合考虑道路坡度、信号灯相位及时间等因素，对快速公交的速度进行规划，可以降低车辆行驶能耗。但是传统的速度规划方法针对一般的社会车辆，将车辆安全性、舒适性、经济性作为优化目标，而无法满足城市快速公交车辆的准时性要求。因此，综合考虑城市快速公交的安全性、舒适性、经济性、准时性等目标，开发能够适应复杂城市交通环境的速度规划与控制算法是一个亟待解决的问题。

发明内容

本申请提供了一种基于动态规划的城市快速公交节能驾驶控制方法，其技术目的是使城市快速公交车辆在运行过程中兼顾经济性和准时性。

本申请的上述技术目的是通过以下技术方案得以实现的：

一种基于动态规划的城市快速公交节能驾驶控制方法，包括：

S1：获取道路坡度角、信号灯相位、信号灯窗口时间g_ij和r_ij、目标巡航时间t_target以及车辆状态；其中，所述车辆状态包括当前车辆的初始速度v₀和初始位置s₀，g_ij表示第i个信号灯的第j个绿灯的开始时间，r_ij表示第i个信号灯的第j个红灯的开始时间；

S2：将信号灯窗口时间g_ij和r_ij的约束转化为速度约束；

S3：建立包含目标函数与约束条件的最优控制模型，所述最优控制模型的优化目标包括电机能耗和行驶时间，所述最优控制模型的约束条件包括公交车辆纵向动力学模型、道路限速、电机输出扭矩T_m、速度约束和目标距离；

S4：基于动态规划对所述最优控制模型进行求解，得到最优速度轨迹和巡航时间；

S5：判断巡航时间是否满足准时性要求，若不满足，则基于二分法对巡航时间的权重系数进行调整，根据调整后的权重系数对速度轨迹进行重新规划，重复执行步骤S1-S4，直至巡航时间满足准时性要求。

本申请的有益效果在于：本申请采用速度规划算法，并将实现安全适性约束作为变量约束，将经济性与准时性作为优化目标，建立最优控制模型。同时基于动态规划方法，将最优控制问题在空间域上进行离散，从终点到起点进行逆向求解，根据目标函数最小进行正向寻优得到最优速度轨迹和巡航时间。减少车辆队列行驶过程中的激进驾驶或频繁启停所产生的额外能量损失，并实现准时到站。该动态规划方法不仅适用于平直道路，也可以适用于包含坡度信息的道路，道路的坡度信息反映在车辆的非线性动力学模型约束当中。

本申请在实际应用中可以作为其他速度规划算法的参考基准。由于动态规划方法具有全局最优特性，因此，也可以用来检验其他速度规划算法的有效性。通过仿真发现，基于动态规划方法对同一路段进行速度规划的结果，与固定速度巡航相比节省能耗11.56％。

附图说明

图1为本申请的节能驾驶控制方法流程图；

图2中(a)为道路示意图，(b)为本申请与固定速度方法规划所得的速度轨迹对比图；

图3为本申请与固定速度方法规划所得的转矩变化对比示意图；

图4为本申请与固定速度方法规划所得的能耗变化对比示意图。

具体实施方式

下面将结合附图对本申请技术方案进行详细说明。

图1为本申请的节能驾驶控制方法流程图，如图1所示，该基于动态规划的城市快速公交节能驾驶控制方法包括：

S1：获取道路坡度角、信号灯相位、信号灯窗口时间g_ij和r_ij、目标巡航时间t_target以及车辆状态；其中，所述车辆状态包括当前车辆的初始速度v₀和初始位置s₀，g_ij表示第i个信号灯的第j个绿灯的开始时间，r_ij表示第i个信号灯的第j个红灯的开始时间。

S2：将信号灯窗口时间g_ij和r_ij的约束转化为速度约束。

具体地，根据车辆当前与信号灯路口的距离和信号灯窗口时间g_ij和r_ij，再与道路限速的速度区间[v_{road_min},v_{road_max}]求交集，计算对应的速度约束区间[v_min,v_max]，即：

其中，d_i表示车辆距离前方第i个信号灯路口的距离，v_{road_min}表示道路限速的最小值，v_{road_max}表示道路限速的最大值。

S3：建立包含目标函数与约束条件的最优控制模型，所述最优控制模型的优化目标包括电机能耗和行驶时间，所述最优控制模型的约束条件包括公交车辆纵向动力学模型、道路限速、电机输出扭矩T_m、速度约束和目标距离。

具体地，首先选取车辆行驶距离s与行驶速度v作为状态变量，选取电机输出扭矩T_m作为控制变量，根据电动车辆动力系统与行驶工况建立公交车辆纵向动力学模型，表示为：

其中，M表示整车质量，R_tire表示轮胎半径，ρ表示空气密度，C_d表示气动阻力系数，A_F表示车辆的迎风面积,f_r表示滚阻系数，g表示重力加速度，θ表示道路坡度角，F_R表示行驶阻力。

公交车辆采用电机驱动，电机可以根据当前输出转矩与转速计算效率，则电机的功率模型表示为：

其中，P_m表示电机功率，ω_m表示电机转速，η_m表示电机输出转矩作为驱动转矩时的效率，η_e表示电机输出转矩作为制动转矩时的效率。

为保证车辆行驶过程中的安全性，考虑道路限速和的电机输出扭矩T_m约束表示为：

v_min≤v≤v_max； (4)

T_min≤T_m≤T_max； (5)

所述最优控制模型的优化目标包括电机能耗和行驶时间，则目标函数表示为：

其中，α表示巡航时间的权重系数，t_f表示巡航时间。

则通过式(1)至式(6)构建包含目标函数与约束条件的最优控制模型表示为：

S4：基于动态规划对所述最优控制模型进行求解，得到最优速度轨迹和巡航时间，具体包括：

S41：将所述最优控制模型在空间域上进行离散，得到离散后的目标函数，表示为：

其中，t_k表示第k个离散区间的巡航时间，P_k表示离散后的第k个离散区间的电机功率，N表示离散区间数量；α的初始化取值为

表示第1个二分区间的下界，

表示第1个二分区间的上界。

S42：对式(2)的公交车辆纵向动力学模型进行离散得到：

S43:对道路限速的约束和电机输出扭矩T_m的约束进行离散得到：

S44:对离散后的最优控制模型进行求解，得到最优速度轨迹和巡航时间，表示为：

其中，L(v_k,u(v_k))表示状态转移代价，J^*(v^*(k))表示第k步的最优目标函数值，u^*(k)表示最优控制率，v^*(k)表示最优状态变量，即最优速度轨迹。

S5：判断巡航时间是否满足准时性要求，若不满足，则基于二分法对巡航时间的权重系数进行调整，根据调整后的权重系数对速度轨迹进行重新规划，重复执行步骤S1-S4，直至巡航时间满足准时性要求。

步骤S5具体包括：

S51：判断巡航时间

是否满足准时性要求，即：

其中，δ表示允许的误差范围。

S52：若巡航时间

不满足准时性要求，则根据二分法更新巡航时间的权重系数α，更新过程如下：

其中，

表示第n+1个二分区间的下界，

表示第n个二分区间的下界，

表示第n+1个二分区间的上界，

表示第n个二分区间的下界，n表示迭代次数。

S53：基于式(13)得到的权重系数对速度轨迹进行重新规划，重复步骤S1-S4，直至巡航时间满足准时性要求。

作为具体实施例地，以下通过仿真试验对上述实施例的节能驾驶控制方法加以验证：

选择从真实交通环境中采集的带有坡度信息的2000m道路，道路包含坡道信息如图2(a)所示，其中信号灯位于1000m处，每一个信号灯周期由20s红灯和30s绿灯组成，整个路段限速区间为[5,40]km/h。。

车辆从0时刻出发，到站时间范围为290±5s，初速度v0＝15km/h，终端速度约束为[15,20]km/h。按照本申请的节能控制方法，首先按照步骤S1-S3建立最优控制模型，将该最优控制模型在行驶距离上进行离散，离散步长为10m。通过逆向求解各个离散节点的最小目标函数，再正向寻找最优速度轨迹。

考虑到城市快速公交有准时到站的需求，需要基于二分法对目标函数中的时间权重进行调整，设置行驶时间的权重系数初始二分区间为

经过4次迭代之后得到满足要求的时间权重系数为-3750，车辆的到站时间为292s，满足准时性要求。仿真结果如图2(b)、图3、图4所示，经过速度规划，车辆可以顺利通过位于1000m处的信号灯路口，实现不停车通过信号灯路口，提高了交通效率。与相同平均速度的固定速度巡航策略相比，基于动态规划的速度策略可以为城市快速公交节省11.56％的能耗，具有较好的经济效益。

如图1所示，用于实施上述实施例的城市快速公交节能驾驶控制方法的控制系统包括V2X通讯设备、网联车辆、车载定位设备、车载控制器；所述V2X通信设备与所述车载定位设备用于获取车辆前方道路坡度信息、信号灯相位及时间信息用于车载控制器的速度规划求解；所述车载控制器根据获取的车辆道路信息利用所述节能驾驶控制方法，规划当前车辆所处信号灯路段的经济性速度，为城市快速公交提供参考速度轨迹；所述城市快速公交根据所述经济性速度轨迹行驶，直至到达终点。

本申请使用动态规划方法规划城市快速公交城市工况下的经济性速度，使得车辆可以避免在信号灯路口的启停，并减少能耗。通过二分法迭代求解目标函数中的行驶时间权重系数，从而保障城市快速公交的准时到站。

以上为本申请示范性实施例，本申请的保护范围由权利要求书及其等效物限定。

Claims (1)

1.一种基于动态规划的城市快速公交节能驾驶控制方法，其特征在于，包括：

S1：获取道路坡度角、信号灯相位、信号灯窗口时间g_ij和r_ij、目标巡航时间t_target以及车辆状态；其中，所述车辆状态包括当前车辆的初始速度v₀和初始位置s₀，g_ij表示第i个信号灯的第j个绿灯的开始时间，r_ij表示第i个信号灯的第j个红灯的开始时间；

S2：将信号灯窗口时间g_ij和r_ij的约束转化为速度约束；

S3：建立包含目标函数与约束条件的最优控制模型，所述最优控制模型的优化目标包括电机能耗和行驶时间，所述最优控制模型的约束条件包括公交车辆纵向动力学模型、道路限速、电机输出扭矩T_m、速度约束和目标距离；

S4：基于动态规划对所述最优控制模型进行求解，得到最优速度轨迹和巡航时间；

S5：判断巡航时间是否满足准时性要求，若不满足，则基于二分法对巡航时间的权重系数进行调整，根据调整后的权重系数对速度轨迹进行重新规划，重复执行步骤S1-S4，直至巡航时间满足准时性要求；

其中，所述步骤S2包括：

根据车辆当前与信号灯路口的距离和信号灯窗口时间g_ij和r_ij，再与道路限速的速度区间[v_{road_min}，v_{road_max}]求交集，计算对应的速度约束区间[v_min，v_max]，即：

d_i表示车辆距离前方第i个信号灯路口的距离，v_{road_min}表示道路限速的最小值，v_{road_max}表示道路限速的最大值；

所述步骤S3包括：

选取车辆行驶距离s与行驶速度v作为状态变量，选取电机输出扭矩T_m作为控制变量，根据电动车辆动力系统与行驶工况建立公交车辆纵向动力学模型，表示为：

M表示整车质量，E_tire表示轮胎半径，ρ表示空气密度，C_d表示气动阻力系数，A_F表示车辆的迎风面积，f_r表示滚阻系数，g表示重力加速度，θ表示道路坡度角，F_R表示行驶阻力；

根据当前输出转矩与转速计算效率，则电机的功率模型表示为：

其中，P_m表示电机功率，ω_m表示电机转速，η_m表示电机输出转矩作为驱动转矩时的效率，η_e表示电机输出转矩作为制动转矩时的效率；

道路限速的约束表示为：v_min≤v≤v_max； (4)

电机输出扭矩T_m的约束表示为：T_min≤T_m≤T_max； (5)

所述最优控制模型的优化目标包括电机能耗和行驶时间，则目标函数表示为：

其中，α表示巡航时间的权重系数，t_f表示巡航时间；

则包含目标函数与约束条件的最优控制模型表示为：

所述步骤S4包括：

S41：将所述最优控制模型在空间域上进行离散，得到离散后的目标函数，表示为：

其中，t_k表示第k个离散区间的巡航时间，P_k表示离散后的第k个离散区间的电机功率，N表示离散区间数量；α的初始化取值为

表示第1个二分区间的下界，

表示第1个二分区间的上界；

S42：对式(2)的公交车辆纵向动力学模型进行离散得到：

S43：对道路限速的约束和电机输出扭矩T_m的约束进行离散得到：

S44：对离散后的最优控制模型进行求解，得到最优速度轨迹和巡航时间，表示为：

其中，L(v_k，u(v_k))表示状态转移代价，J^*(v^*(k))表示第k步的最优目标函数值，u^*(k)表示最优控制率，v^*(k)表示最优状态变量，即最优速度轨迹；

所述步骤S5包括：

S51：判断巡航时间

是否满足准时性要求，即：

其中，δ表示允许的误差范围；

S52：若巡航时间

不满足准时性要求，则根据二分法更新巡航时间的权重系数α，更新过程如下：

其中，将权重系数α更新为

表示第n+1个二分区间的下界，

表示第n个二分区间的下界，

表示第n+1个二分区间的上界，

表示第n个二分区间的下界，n表示迭代次数；

S53：基于式(13)得到的权重系数对速度轨迹进行重新规划，重复步骤S1-S4，直至巡航时间满足准时性要求。

Images