CN114973676B - 一种快速路车道缩减区的混合交通众从牵制控制方法 - Google Patents

Abstract

本发明公开了一种快速路车道缩减区的混合交通众从牵制控制方法，其特征在于，包括：利用路测设备获取控制区内的所有车辆的位置、速度和加速度；确定位于控制区域内的所有网联自动车；确定头车网联自动车和非头车网联自动车；对头车网联自动车应用第一车辆自动控制算法；对非头车网联自动车应用第二车辆自动控制算法。本发明实现了不同智能化等级车辆间的协同运动控制，提高了快速路车道缩减区的通行效率。

Description

一种快速路车道缩减区的混合交通众从牵制控制方法

技术领域

本发明属于涉及网联智能汽车的控制领域，具体的，涉及一种快速路车道缩减区的混合交通众从牵制控制方法。

背景技术

随着信息及通信技术的快速发展及其在交通系统中的广泛应用,交通系统具有信息物理系统(CPS)的典型特征。在交通信息物理系统(T-CPS)中,利用车载通信设备,车与车、车与路侧设备可以通过通信交换数据。然而,交通的全面智能化和自动化不可能一蹴而就。在未来一段时间内,传统人驾车和自动驾驶车将在一段时间内共存,形成一类新型混合交通。由于新型混合交通中的异构车辆在信息获取的类型、范围和实时性上存在较大差异，需要提出一种新的协同行驶的控制手段，保证异构车辆在快速路瓶颈区过程中兼顾车间间距一致性和速度一致性的同时，提高通行效率。

通过查阅相关专利和论文发现，从网络的角度，模型中的每辆车可以视为节点，并挑选特殊的节点对其施加反馈控制，采取牵制控制的思路，可以通过调节自动驾驶车的运动状态,进而间接影响、诱导、控制交通中存在的人驾车,达到优化整个交通系统的目的。专利申请114067559A充分考虑传统一般车辆的随机性,具体为将车道合并瓶颈处的路段分为控制区、合流区和合并下游区，在车辆进入控制区后,实时收集其速度和位置，根据获得的车辆轨迹信息,确定控制区内各车道的车辆数，采用双层优化算法对自动车的最优合流次序和合流轨迹进行设计，提出了一种自动车专用道并入普通车道的合流优化控制方法，但该方法只考虑了自动驾驶车并入普通车道的场景，不具有一般性。专利111583644B将匝道附近路段分为控制区和感知区,构建车辆运动学模型,为所有感知区内的车辆分配编号,根据不同的算法来实现事件触发切换控制机制，提出了一种混合交通快速路上匝道汇流区网联自动车控制方法，但该方法没有考虑自动驾驶车辆对人驾车辆的间接影响，没有充分体现自动驾驶车辆的引导作用。

因此，需要提供一种有效的针对快速路车道缩减区的混合交通众从牵制控制方法。

发明内容

有鉴于此，本发明的目的是提供一种快速路车道缩减区的混合交通众从牵制控制方法。

本发明的目的是通过以下技术方案实现的：

利用路测设备获取控制区内的所有车辆的位置、速度和加速度；

确定位于所述控制区域内的所有网联自动车；

将所述控制区域中的网联自动车中位于沿车流方向最前方的网联自动车记为头车网联自动车，将所述控制区域中的网联自动车中的其他网联自动车记为非头车网联自动车；

对所述头车网联自动车应用第一车辆自动控制算法:

其中，t为执行众从牵制控制的时间，τ_s表示车辆对自身状态的处理导致的时延，x₀(t-τ_s)＝[s₀(t-τ_s),v₀(t-τ_s)]^T表示头车网联自动车在t-τ_s时刻的状态向量，s₀(t-τ_s)＝[x₀(t-τ_s),y₀(t-τ_s)]^T表示头车网联自动车在t-τ_s时刻的位置向量，x₀(t-τ_s)和y₀(t-τ_s)分别表示头车网联自动车在t-τ_s时刻的横向位置和纵向位置，表示头车网联自动车在t-τ_s时刻的速度向量，/>和/>分别表示头车网联自动车在t-τ_s时刻的横向速度和纵向速度，/>表示对x₀(t)中的t求一阶导数，f(t,x₀(t-τ_s))表示头车网联自动车在t-τ_s时刻的运动状态对其自身在t时刻的影响；

对所述非头车网联自动车中的每个非头车网联自动车i应用第二车辆自动控制算法：

其中，x_i(t-τ)＝[s_i(t-τ),v_i(t-τ)]^T表示非头车网联自动车i在t-τ时刻的状态向量，s_i(t-τ)＝[x_i(t-τ),y_i(t-τ)]^T表示非头车网联自动车i在t-τ时刻的位置向量，x_i(t-τ)和y_i(t-τ)分别表示非头车网联自动车i在t-τ时刻的横向位置和纵向位置；表示非头车网联自动车i在t-τ时刻的速度向量，/>和分别表示表示非头车网联自动车i在t-τ时刻的横向速度和纵向速度，其中，τ取τ_s或τ_c，f(t,x_i(t-τ_s))表示非头车网联自动车i的在t-τ_s时刻的运动状态对其自身在t时刻的影响，p(t,x_j(t-τ_c),x_i(t-τ_c))表示车辆j和非头车网联自动车i在t-τ_c时刻的运动状态对非头车网联自动车i在t时刻的影响，τ_c表示车辆j对其周边车辆状态的采集和处理导致的时延，τ_c大于τ_s，车辆j表示所述控制区内除非头车网联自动车i之外的其他车辆，N+1表示控制区内的车辆总数，u_i(t-τ_i)表示牵制控制输入，τ_i表示牵制输入时延；

根据所述第二车辆自动控制算法，确定对非头车网联自动车i的牵制控制输入u_i(t)和车辆j对非头车网联自动车i的影响p(t,x_j(t-τ_c),x_i(t-τ_c))；

将所述牵制控制输入u_i(t-τ_i)和p(t,x_j(t-τ_c),x_i(t-τ_c))输入非头车网联自动车i从而实现对非头车网联自动车i的控制。

进一步地，所述第一车辆自动控制算法中的f(t,x₀(t-τ_s))为：

其中，k₁和k₂分别表示车辆对侧向速度和道路中线的敏感度。

进一步的，所述第二车辆自动控制算法中的f(t,x_i(t-τ_s))、p(t,x_j(t-τ_c),x_i(t-τ_c))和u_i(t-τ_i)分别为：

u_i(t-τ_i)＝P_i(x₀(t-τ_i),x_i(t-τ_i))，

其中，k₁和k₂分别表示车辆对侧向速度和道路中线的敏感度，c₁和c₂分别表示车辆对速度差和车辆间距的敏感度，P_i(x₀(t-τ_i),x_i(t-τ_i))表示非头车网联自动车i的牵制控制输入，其根据自身运动状态与头车网联自动车的运动状态计算得到。

进一步地，所述控制区内的车辆信息可以用加权有向图来描述：

G＝{v,ε,Q}，

其中，v＝{0,1,2,...,N}是节点集，表示所述控制区域内的车辆，是边集，表示两个车辆之间的有向边，(m,n)∈ε表示存在从节点m到节点n的有向边；当(m,n)∈ε时，称节点m为节点n的邻居；Q＝(q_mn)_N×N是G的邻接矩阵，q_mn＝1节点m对节点n有影响，q_mn＝0表示节点m对节点n没有影响。

本发明的有益效果是：

通过获取所有类型车辆(包括自动驾驶车辆和传统人驾车辆)的位置、速度和加速度等信息，并以此来对自动驾驶车辆进行控制，从而间接人驾车辆的驾驶行为，从而实现对整个交通网的牵制控制，优化道路交通。通过实现不同智能化等级车辆间的协同运动控制，提高了快速路车道缩减区的通行效率。另外，在对自动驾驶车辆进行控制时，考虑了车辆对自身状态的处理所导致的时延以及车辆对周边车辆状态的采集和处理所导致的时延，对自动驾驶车辆的控制更加科学和精准。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：

图1是根据本申请的一个实施例所示的快速路车道缩减区的混合交通众从牵制控制方法流程图；

图2是快速路车道缩减区的混合交通路网结构图。

具体实施方式

以下将参照附图，对本发明的优选实施例进行详细的描述。应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。

图1是根据本申请的一个实施例所示的快速路车道缩减区的混合交通众从牵制控制方法流程图。所述车道缩减区可以包括快速路上匝道、道路施工或事故造成的车道缩减等情况。

在步骤101，可以获取路网内控制区域内网联自动车(Connected AutomatedVehicles，CAV)和人驾车(Human-driven Vehicle，HV)的行驶状态数据。所述行驶状态数据可以包含车辆的速度、加速度和位置等信息。在本发明中，网联自动车也可称为“自动驾驶车辆”。在一些实施例中，可以将控制区域内的所有车辆按照车流的方向依次编号，例如，依次编号为0、1、……、N，其中N+1表示控制区域内车辆的总数。所述控制区域是指包含了道路缩减区的一段区域。在控制区域需要执行快速路车道缩减区的混合交通众从牵制控制方法。

图2是快速路车道缩减区的混合交通路网的示意性结构图。在控制区域内既包含了CAV，也包含了HV，车辆之间的物理信息耦合关系可以参考图2中的物理子图和信息子图。其中，物理子图示出了控制区域所有车辆之间的空间相对位置，信息子图示出了控制区域内CAV之间的信息交互情况。

在一些实施例中，所述控制区内的车辆信息可以用加权有向图来描述：

G＝{v,ε,Q}，

其中，v＝{0,1,2,...,N}是节点集，表示所述控制区域内的车辆(包含了CAV和HV)，是边集，表示两个车辆之间的有向边，(m,n)∈ε表示存在从节点m到节点n的有向边；当(m,n)∈ε时，称节点m为节点n的邻居；Q＝(q_mn)_N×N是G的邻接矩阵，q_mn＝1节点m对节点n有影响，q_mn＝0表示节点m对节点n没有影响。在图2的物理子图中，如果两个节点进行了连接，则说明这两个节点所对应的车辆是相互影响的；反之，如果两个节点没有连接，则说明这两个节点所对应的车辆相互之间不受影响。

在步骤102，可以确定控制区域内的所有CAV。在一些实施例中，可以通过查找算法来确定控制区域内的所有的CAV。需要说明的是，在一些实施例中，在一定的检测时间内，控制区域可能不存在CAV，这时，可以间隔一定的时间再进行检测，直到控制区域内出现CAV。

在步骤103，可以确定头车CAV和非头车CAV。在一些实施例中，可以将所述控制区域中的CAV中位于沿车流方向最前方的CAV记为头车网联自动车(也称为“头车CAV”)，将所述控制区域中的CAV中的其他CAV记为非头车网联自动车(也称为“非头车CAV”)。

在一些实施例中，可以根据查找算法来查找头车CAV。具体地，可以依次按照空间先后顺序(即车流方向的位置前后顺序)对车辆依次进行判断，如果该车辆不是CAV，则继续判断下一个车辆是否为CAV，直到查找到头车CAV。其他CAV的查找方法也是类似的，这里不再赘述。

在步骤104，可以对头车CAV应用第一车辆控制算法。该第一车辆控制算法具体可以如(公式1)：

其中，t为执行众从牵制控制的时间，τ_s表示车辆对自身状态的处理导致的时延，x₀(t-τ_s)＝[s₀(t-τ_s),v₀(t-τ_s)]^T表示头车网联自动车在t-τ_s时刻的状态向量，s₀(t-τ_s)＝[x₀(t-τ_s),y₀(t-τ_s)]^T表示头车网联自动车在t-τ_s时刻的位置向量，x₀(t-τ_s)和y₀(t-τ_s)分别表示头车网联自动车在t-τ_s时刻的横向位置和纵向位置，表示头车网联自动车在t-τ_s时刻的速度向量，/>和/>分别表示头车网联自动车在t-τ_s时刻的横向速度和纵向速度，/>表示对x₀(t)中的t求一阶导数，f(t,x₀(t-τ_s))表示头车网联自动车在t-τ_s时刻的运动状态对其自身在t时刻的影响。这里考虑了车辆对自身状态的处理所导致的时延，因此，对车的控制更加科学和精准。

在一些实施例中，f(t,x₀(t-τ_s))具体可以表示如公式2：

其中，k₁和k₂分别表示车辆对侧向速度和道路中线的敏感度。在一些实施例中，k₁可以取0.3，k₂可以取1.1。在一些实施例中，k₁和k₂还可以取其他任意合适的值。

在步骤105，可以对非头车CAV应用第二车辆控制算法。在一些实施例中，可以对所述非头车CAV中的每个非头车CAV应用第二车辆自动控制算法。第二车辆自动控制算法如公式3所示：

其中，i为非头车CAV，x_i(t-τ)＝[s_i(t-τ),v_i(t-τ)]^T表示非头车网联自动车i在t-τ时刻的状态向量，s_i(t-τ)＝[x_i(t-τ),y_i(t-τ)]^T表示非头车网联自动车i在t-τ时刻的位置向量，x_i(t-τ)和y_i(t-τ)分别表示非头车网联自动车i在t-τ时刻的横向位置和纵向位置，表示非头车网联自动车i在t-τ时刻的速度向量，/>和分别表示表示非头车网联自动车i在t-τ时刻的横向速度和纵向速度，其中，τ取τ_s或τ_c，f(t,x_i(t-τ_s))表示非头车网联自动车i的在t-τ_s时刻的运动状态对其自身在t时刻的影响，p(t,x_j(t-τ_c),x_i(t-τ_c))表示车辆j和非头车网联自动车i在t-τ_c时刻的运动状态对非头车网联自动车i在t时刻的影响，τ_c表示车辆j对其周边车辆状态的采集和处理导致的时延，τ_c大于τ_s，车辆j表示所述控制区内除非头车网联自动车i之外的其他车辆，u_i(t-τ_i)表示牵制控制输入，τ_i表示牵制输入时延。

在一些实施例中，f(t,x_i(t-τ_s))具体可以表示如公式4：

其中，k₁和k₂分别表示车辆对侧向速度和道路中线的敏感度。在一些实施例中，k₁可以取0.3，k₂可以取1.1。在一些实施例中，k₁和k₂还可以取其他任意合适的值。

在一些实施例中，p(t,x_j(t-τ_c),x_i(t-τ_c))具体可以表示如公式5：

其中，c₁和c₂分别表示车辆对速度差和车辆间距的敏感度。在一些实施例中，c₁可以取c₂可以取/>在一些实施例中，c₁和c₂还可以取其他任意合适的值。

在一些实施例中，u_i(t-τ_i)具体可以表示如公式6：

u_i(t-τ_i)＝P_i(x₀(t-τ_i),x_i(t-τ_i))， (公式6)

其中，P_i(x₀(t-τ_i),x_i(t-τ_i))表示非头车网联自动车i的牵制控制输入，其根据自身运动状态与头车网联自动车的运动状态计算得到，其具体的函数形式可以根据实际需求确定。在步骤106可以确定对头车CAV和非头车CAV的牵制控制输入。对于头车CAV，可以根据第一车辆自动控制算法来确定对头车CAV的牵制控制输入。对于非头车CAV，可以根据第二车辆自动控制算法来确定对非头车CAV的牵制控制输入。该牵制控制输入包含了车辆在t时刻需要执行的速度和加速度信息。在一些实施例中，还可以根据第二车辆自动控制算法确定车辆j对非头车网联自动车i的影响p(t,x_j(t-τ_c),x_i(t-τ_c))。即，非头车CAV可以根据其自身的运动状态以及周边车辆(即与其同车道内的前车以及相邻车道内距离小于一定距离的车)的运动状态来计算牵制控制输入u_i(t-τ_i)和p(t,x_j(t-τ_c),x_i(t-τ_c))。所述一定距离可以是任意合适的值，例如2.8米。

在步骤107，可以将牵制控制分别输入CAV以实现对CAV的控制。在一些实施例中，可以将上述得到的每个CAV在t时刻对应的速度和加速度分别输入到每个CAV中来实现在t时刻对CAV的控制。在一些实施例中，还可以将p(t,x_j(t-τ_c),x_i(t-τ_c))输入非头车CAV来控制该CAV。

在实现了对CAV的控制之后，交通中的人驾车可以根据其周边车辆的运动状态自发调整自身的运动状态，因此就可以实现通过对CAV的控制来间接实现对HV的控制，从而优化整个道路的交通状态。

需要说明的是，以上只是针对t时刻(t可以取任意时间)的情况进行具体说明。在具体实施时，还可以每间隔一定的时间间隔来重复执行以上众从节流控制方法以实现对整个交通情况的连续控制。所述时间间隔可以是任意长度。在一些实施例中，所述时间间隔可以是0.1秒到2秒之间的任意长度。

另外，以上对于快速路车道缩减区的混合交通众从牵制控制方法的步骤的描述只是示例性的，并不用来限制本发明。在一些实施例中，该方法还可以包含其他步骤。例如，在信息采集阶段，可以利用路测设备检测感知区域内的所有车辆的位置、速度和加速度，然后判断车辆是否进入牵制控制区域，如果车辆进入牵制控制区域，则对控制区内的车辆进行编号。如果没有进入牵制控制区域，则重新回到最初的信息采集的步骤。所述感知区包含了所述控制区域以及其上游一段距离的区域。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (4)

1.一种快速路车道缩减区的混合交通众从牵制控制方法，其特征在于，包括：

利用路测设备获取控制区内的所有车辆的位置、速度和加速度；

确定位于所述控制区域内的所有网联自动车；

将所述控制区域中的网联自动车中位于沿车流方向最前方的网联自动车记为头车网联自动车，将所述控制区域中的网联自动车中的其他网联自动车记为非头车网联自动车；

对所述头车网联自动车应用第一车辆自动控制算法:

其中，t为执行众从牵制控制的时间，τ_s表示车辆对自身状态的处理导致的时延，x₀(t-τ_s)＝[s₀(t-τ_s),v₀(t-τ_s)]^T表示头车网联自动车在t-τ_s时刻的状态向量，s₀(t-τ_s)＝[x₀(t-τ_s),y₀(t-τ_s)]^T表示头车网联自动车在t-τ_s时刻的位置向量，x₀(t-τ_s)和y₀(t-τ_s)分别表示头车网联自动车在t-τ_s时刻的横向位置和纵向位置，表示头车网联自动车在t-τ_s时刻的速度向量，/>和/>分别表示头车网联自动车在t-τ_s时刻的横向速度和纵向速度，/>表示对x₀(t)中的t求一阶导数，f(t,x₀(t-τ_s))表示头车网联自动车在t-τ_s时刻的运动状态对其自身在t时刻的影响；

对所述非头车网联自动车中的每个非头车网联自动车i应用第二车辆自动控制算法：

其中，x_i(t-τ)＝[s_i(t-τ),v_i(t-τ)]^T表示非头车网联自动车i在t-τ时刻的状态向量，s_i(t-τ)＝[x_i(t-τ),y_i(t-τ)]^T表示非头车网联自动车i在t-τ时刻的位置向量，x_i(t-τ)和y_i(t-τ)分别表示非头车网联自动车i在t-τ时刻的横向位置和纵向位置；表示非头车网联自动车i在t-τ时刻的速度向量，/>和分别表示表示非头车网联自动车i在t-τ时刻的横向速度和纵向速度，其中，τ取τ_s或τ_c，f(t,x_i(t-τ_s))表示非头车网联自动车i的在t-τ_s时刻的运动状态对其自身在t时刻的影响，p(t,x_j(t-τ_c),x_i(t-τ_c))表示车辆j和非头车网联自动车i在t-τ_c时刻的运动状态对非头车网联自动车i在t时刻的影响，τ_c表示车辆j对其周边车辆状态的采集和处理导致的时延，τ_c大于τ_s，车辆j表示所述控制区内除非头车网联自动车i之外的其他车辆，N+1表示控制区内的车辆总数，u_i(t-τ_i)表示牵制控制输入，τ_i表示牵制输入时延；

根据所述第二车辆自动控制算法，确定对非头车网联自动车i的牵制控制输入u_i(t-τ_i)和车辆j对非头车网联自动车i的影响p(t,x_j(t-τ_c),x_i(t-τ_c))；

将所述牵制控制输入u_i(t-τ_i)和p(t,x_j(t-τ_c),x_i(t-τ_c))输入非头车网联自动车i从而实现对非头车网联自动车i的控制。

2.根据权利要求1所述的一种快速路车道缩减区的混合交通众从牵制控制方法，其特征在于，所述第一车辆自动控制算法中的f(t,x₀(t-τ_s))为：

其中，k₁和k₂分别表示车辆对侧向速度和道路中线的敏感度。

3.根据权利要求1所述的一种快速路车道缩减区的混合交通众从牵制控制方法，其特征在于，所述第二车辆自动控制算法中的f(t,x_i(t-τ_s))、p(t,x_j(t-τ_c),x_i(t-τ_c))和u_i(t)分别为：

u_i(t-τ_i)＝P_i(x₀(t-τ_i),x_i(t-τ_i))，

其中，k₁和k₂分别表示车辆对侧向速度和道路中线的敏感度，c₁和c₂分别表示车辆对速度差和车辆间距的敏感度，P_i(x₀(t-τ_i),x_i(t-τ_i))表示非头车网联自动车i的牵制控制输入，其根据自身运动状态与头车网联自动车的运动状态计算得到。

4.根据权利要求1所述的一种快速路车道缩减区的混合交通众从牵制控制方法，其特征在于，所述控制区内的车辆信息可以用加权有向图来描述：

G＝{v,ε,Q}，

其中，v＝{0,1,2,...,N}是节点集，表示所述控制区域内的车辆，是边集，表示两个车辆之间的有向边，(m,n)∈ε表示存在从节点m到节点n的有向边；当(m,n)∈ε时，称节点m为节点n的邻居；Q＝(q_mn)_N×N是G的邻接矩阵，q_mn＝1节点m对节点n有影响，q_mn＝0表示节点m对节点n没有影响。