CN114999163A - 一种封闭区域无人驾驶车辆集群优化控制方法 - Google Patents

一种封闭区域无人驾驶车辆集群优化控制方法 Download PDF

Info

Publication number
CN114999163A
CN114999163A CN202210929681.4A CN202210929681A CN114999163A CN 114999163 A CN114999163 A CN 114999163A CN 202210929681 A CN202210929681 A CN 202210929681A CN 114999163 A CN114999163 A CN 114999163A
Authority
CN
China
Prior art keywords
vehicle
vehicle cluster
vehicles
road network
energy consumption
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.)
Granted
Application number
CN202210929681.4A
Other languages
English (en)
Other versions
CN114999163B (zh
Inventor
杨珏
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.)
University of Science and Technology Beijing USTB
Original Assignee
University of Science and Technology Beijing USTB
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 University of Science and Technology Beijing USTB filed Critical University of Science and Technology Beijing USTB
Priority to CN202210929681.4A priority Critical patent/CN114999163B/zh
Publication of CN114999163A publication Critical patent/CN114999163A/zh
Application granted granted Critical
Publication of CN114999163B publication Critical patent/CN114999163B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Quality & Reliability (AREA)
  • Analytical Chemistry (AREA)
  • Game Theory and Decision Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Operations Research (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种封闭区域无人驾驶车辆集群优化控制方法，属于无人驾驶车辆集群运行过程控制技术领域。所述方法包括：根据车辆数量、需要运输的物料的数量与路网信息生成车辆集群运行计划；基于生成的车辆集群运行计划，以所有车辆在路网中没有路权冲突和车辆集群的能耗‑效率综合评价指标最优为目标，根据车辆集群运行状态参数，确定每一辆车的出发时间和运行速度。采用本发明，能够在保证所有车辆在路网中没有路权冲突的同时，保证车辆集群的能耗‑效率综合评价指标最优。

Description

一种封闭区域无人驾驶车辆集群优化控制方法
技术领域
本发明涉及无人驾驶车辆集群运行过程控制技术领域，特别是指一种封闭区域无人驾驶车辆集群优化控制方法。
背景技术
封闭区域无人驾驶车辆集群系统，比如无人驾驶矿用汽车、园区（厂区）内无人驾驶物流车辆等，运输路网具有确定的空间构成，针对任何车辆在每一条确定路径上，都存在运输效率（简称：效率）和能量消耗（简称：能耗）最优的速度策略。
针对车辆集群运输，在路网中的路口处会出现交通路权冲突，在路径两端（装载点和卸载点）会出现排队的情况，车辆集群最优速度策略应该具有以下特点：
1）每一辆车都运行在最优速度策略上，即不出现因路权冲突的减速、停车而造成的速度策略中断，需要消除交通路权的冲突；
2）每一辆车在路径两端的排队时间最短。
目前，无法在同时满足1）、2）的情况下，得到车辆集群最优速度策略。
发明内容
本发明实施例提供了封闭区域无人驾驶车辆集群优化控制方法，能够在保证所有车辆在路网中没有路权冲突的同时，保证车辆集群的能耗-效率综合评价指标最优。所述方法包括：
S101，根据车辆数量、需要运输的物料的数量与路网信息生成车辆集群运行计划；
S102，基于生成的车辆集群运行计划，以所有车辆在路网中没有路权冲突和车辆集群的能耗-效率综合评价指标最优为目标，根据车辆集群运行状态参数，确定每一辆车的出发时间和运行速度，其中，效率为运输效率。
进一步地，所述根据车辆数量、需要运输的物料的数量与路网信息生成车辆集群运行计划包括：
根据车辆数量、需要运输的物料的数量与路网信息，利用混合整数线性规划方法，并对每条路径上的运行车辆数量进行均匀化处理，生成车辆集群运行计划。
进一步地，生成的车辆集群运行计划包括：
整个运输任务所使用的路网信息，确定每一个装载点和卸载点之间全部可能的路径；
整个运输任务时间内，每一个装载点和卸载点处，车辆到达与离开的时间安排；
整个运输任务时间内，每台车辆的路径选择安排。
进一步地，生成的车辆集群运行计划满足以下条件：
以最短的时间完成运输任务；
均匀分配每条路径上的运输任务；
均匀分配全部车辆的运输任务。
进一步地，所述基于生成的车辆集群运行计划，以所有车辆在路网中没有路权冲突和车辆集群的能耗-效率综合评价指标最优为目标，根据车辆集群运行状态参数，确定每一辆车的出发时间和运行速度包括：
基于生成的车辆集群运行计划，将每一辆车的运行速度
Figure 8376DEST_PATH_IMAGE001
以及其开始每一次运输 前的等待时间t作为被控参数，根据路权冲突约束条件以及车辆集群运行状态参数，确定每 一辆车的出发时间，以确保每一辆车在路网中都有独占的时间-空间区间，即没有路权冲；
以车辆集群的能耗-效率综合评价指标最优为目标，确定每一辆车的运行速度；其中，能耗-效率综合评价指标表示为：
Figure 754484DEST_PATH_IMAGE002
其中，
Figure 263963DEST_PATH_IMAGE003
为能耗-效率综合评价指标，
Figure 781532DEST_PATH_IMAGE004
为车辆集群中车辆数量，
Figure 743672DEST_PATH_IMAGE005
为车辆运行效 率系数，
Figure 168837DEST_PATH_IMAGE006
为车辆运行能耗系数，
Figure 595139DEST_PATH_IMAGE007
为第
Figure 814768DEST_PATH_IMAGE008
辆车的运行速度，
Figure 326521DEST_PATH_IMAGE009
为第
Figure 24218DEST_PATH_IMAGE008
辆车的能耗。
进一步地，路权冲突约束条件包括：
每一个交叉路口处，所有经过的车辆都有独占的时间-空间区间，即没有路权冲突；
路网上所有同向行驶的车辆都有独占的时间-空间区间，即没有路权冲突。
进一步地，在基于生成的车辆集群运行计划，以所有车辆在路网中没有路权冲突和车辆集群的能耗-效率综合评价指标最优为目标，根据车辆集群运行状态参数，确定每一辆车的出发时间和运行速度之后，所述方法还包括：
当有车辆出现故障，更新S101中的车辆数量后，重新执行S101，更新车辆集群运行计划；
更新S102中的车辆集群控制对象后，S102基于更新后的车辆集群运行计划，以所有车辆在路网中没有路权冲突和车辆集群的能耗-效率综合评价指标最优为目标，重新确定每一辆车的出发时间和运行速度。
进一步地，在基于生成的车辆集群运行计划，以所有车辆在路网中没有路权冲突和车辆集群的能耗-效率综合评价指标最优为目标，根据车辆集群运行状态参数，确定每一辆车的出发时间和运行速度之后，所述方法还包括：
当路网有变化时，更新S101中的路网信息后，重新执行S101，更新车辆集群运行计划；
S102基于更新后的车辆集群运行计划，以所有车辆在路网中没有路权冲突和车辆集群的能耗-效率综合评价指标最优为目标，重新确定每一辆车的出发时间和运行速度。
本发明实施例提供的技术方案带来的有益效果至少包括：
1）能够在保证所有车辆在路网中没有路权冲突的同时，保证车辆集群的能耗-效率综合评价指标最优。
2）以车辆集群的能耗-效率综合评价指标最优为目标，确定每一辆车的运行速度，以确保每一辆车都有最优的速度策略；
3）根据路权冲突约束条件，确定每一辆车的出发时间，得到每辆车在路径两端的排队策略，自动避免路权冲突；
4）能够自动处理状态异常车辆对车辆集群运行的影响；
5）能够自动处理路网变化对车辆集群运行的影响。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的封闭区域无人驾驶车辆集群优化控制方法的流程示意图；
图2为本发明实施例提供的封闭区域无人驾驶车辆集群优化控制方法的整体流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
如图1和图2所示，本发明实施例提供了一种封闭区域无人驾驶车辆集群优化控制方法，并以此方法搭建的车辆集群优化控制系统，该系统具有自动优化功能，所述系统包括2个模块：
1）车辆集群运行规划模块，用于根据车辆数量、需要运输的物料的数量与路网信息生成车辆集群运行计划；
2）车辆集群运行实时管理模块，用于基于生成的车辆集群运行计划，以所有车辆在路网中没有路权冲突和车辆集群的能耗-效率综合评价指标最优为目标，根据车辆集群运行状态参数，确定每一辆车的出发时间和运行速度。
本发明实施例提供的所述封闭区域无人驾驶车辆集群优化控制方法具体可以包括以下步骤：
S101，根据车辆数量、需要运输的物料的数量与路网信息生成车辆集群运行计划；
本实施例中，根据车辆数量、需要运输的物料的数量与路网信息，利用混合整数线性规划方法，并对每条路径上的运行车辆数量进行均匀化处理，生成车辆集群运行计划；其中，
生成的车辆集群运行计划包括：
1）整个运输任务所使用的路网信息，确定每一个装载点和卸载点之间全部可能的路径；
2）整个运输任务时间内，每一个装载点和卸载点处，车辆到达与离开的时间安排；
3）整个运输任务时间内，每台车辆的路径选择安排。
生成的车辆集群运行计划满足以下条件：
1）以最短的时间完成运输任务；
2）均匀分配每条路径上的运输任务；
3）均匀分配全部车辆的运输任务。
S102，基于生成的车辆集群运行计划，以所有车辆在路网中没有路权冲突和车辆集群的能耗-效率综合评价指标最优为目标，根据车辆集群运行状态参数，确定每一辆车的出发时间和运行速度，其中，效率为运输效率，具体可以包括以下步骤：
A1，基于生成的车辆集群运行计划，将每一辆车的运行速度
Figure 977131DEST_PATH_IMAGE010
以及其开始每一次运 输前的等待时间t作为被控参数，根据路权冲突约束条件以及车辆集群运行状态参数，确定 每一辆车的出发时间，以确保每一辆车在路网中都有独占的时间-空间区间，即没有路权 冲，从而自动避免路权冲突；其中，路权冲突约束条件包括：
每一个交叉路口处，所有经过的车辆都有独占的时间-空间区间，即没有路权冲突；
路网上所有同向行驶的车辆都有独占的时间-空间区间，即没有路权冲突。
本实施例中，本实施例中，所述车辆集群运行状态参数包括：路径两端车辆的排队状态、路网中车辆运行的位置与速度，调整车辆在路径起点的出发时间、路口附近的运行速度。
A2，以车辆集群的能耗-效率综合评价指标最优为目标，确定每一辆车的运行速度，以确保每一辆车都有最优的速度策略，从而达到车辆集群运行的能耗与运输效率最优；其中，能耗-效率综合评价指标表示为：
Figure 367661DEST_PATH_IMAGE002
其中，
Figure 101131DEST_PATH_IMAGE003
为能耗-效率综合评价指标，
Figure 602519DEST_PATH_IMAGE004
为车辆集群中车辆数量，
Figure 472255DEST_PATH_IMAGE005
为车辆运行效 率系数，
Figure 33686DEST_PATH_IMAGE006
为车辆运行能耗系数，
Figure 192135DEST_PATH_IMAGE007
为第
Figure 762794DEST_PATH_IMAGE008
辆车的运行速度，
Figure 487036DEST_PATH_IMAGE009
为第
Figure 219369DEST_PATH_IMAGE008
辆车的能耗。
本实施例，能耗-效率综合评价指标表达式中的两个权重系数
Figure 661851DEST_PATH_IMAGE005
和
Figure 505043DEST_PATH_IMAGE006
，代表了能耗 与效率在评价指标J中的权重，并保证J为最优目标。
Figure 552633DEST_PATH_IMAGE005
和
Figure 846080DEST_PATH_IMAGE006
的确定是以车辆集群运行场景 特点为依据。
本实施例中，在基于生成的车辆集群运行计划，以所有车辆在路网中没有路权冲突和车辆集群的能耗-效率综合评价指标最优为目标，根据车辆集群运行状态参数，确定每一辆车的出发时间和运行速度之后，所述方法还包括：
B1，当有车辆出现故障，更新S101中的车辆数量后，重新执行S101，更新车辆集群运行计划；
B2，更新S102中的车辆集群控制对象后，S102基于更新后的车辆集群运行计划，以所有车辆在路网中没有路权冲突和车辆集群的能耗-效率综合评价指标最优为目标，重新确定每一辆车的出发时间和运行速度。
本实施例中，车辆集群控制对象为车队中所有的车辆。
本实施例中，能够自动处理状态异常车辆对车辆集群运行的影响。
本实施例中，在基于生成的车辆集群运行计划，以所有车辆在路网中没有路权冲突和车辆集群的能耗-效率综合评价指标最优为目标，根据车辆集群运行状态参数，确定每一辆车的出发时间和运行速度之后，所述方法还包括：
C1，当路网有变化时，更新S101中的路网信息后，重新执行S101，更新车辆集群运行计划；
C2，S102基于更新后的车辆集群运行计划，以所有车辆在路网中没有路权冲突和车辆集群的能耗-效率综合评价指标最优为目标，重新确定每一辆车的出发时间和运行速度。
本实施例中，能够自动处理路网变化对车辆集群运行的影响。
本发明实施例所述的封闭区域无人驾驶车辆集群优化控制方法，至少具有以下有益效果：
1）能够在保证所有车辆在路网中没有路权冲突的同时，保证车辆集群的能耗-效率综合评价指标最优。
2）以车辆集群的能耗-效率综合评价指标最优为目标，确定每一辆车的运行速度，以确保每一辆车都有最优的速度策略；
3）根据路权冲突约束条件，确定每一辆车的出发时间，得到每辆车在路径两端的排队策略，自动避免路权冲突；
4）能够自动处理状态异常车辆对车辆集群运行的影响；
5）能够自动处理路网变化对车辆集群运行的影响。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种封闭区域无人驾驶车辆集群优化控制方法，其特征在于，包括：
S101，根据车辆数量、需要运输的物料的数量与路网信息生成车辆集群运行计划；
S102，基于生成的车辆集群运行计划，以所有车辆在路网中没有路权冲突和车辆集群的能耗-效率综合评价指标最优为目标，根据车辆集群运行状态参数，确定每一辆车的出发时间和运行速度，其中，效率为运输效率。
2.根据权利要求1所述的封闭区域无人驾驶车辆集群优化控制方法，其特征在于，所述根据车辆数量、需要运输的物料的数量与路网信息生成车辆集群运行计划包括：
根据车辆数量、需要运输的物料的数量与路网信息，利用混合整数线性规划方法，并对每条路径上的运行车辆数量进行均匀化处理，生成车辆集群运行计划。
3.根据权利要求1所述的封闭区域无人驾驶车辆集群优化控制方法，其特征在于，生成的车辆集群运行计划包括：
整个运输任务所使用的路网信息，确定每一个装载点和卸载点之间全部可能的路径；
整个运输任务时间内，每一个装载点和卸载点处，车辆到达与离开的时间安排；
整个运输任务时间内，每台车辆的路径选择安排。
4.根据权利要求1所述的封闭区域无人驾驶车辆集群优化控制方法，其特征在于，生成的车辆集群运行计划满足以下条件：
以最短的时间完成运输任务；
均匀分配每条路径上的运输任务；
均匀分配全部车辆的运输任务。
5.根据权利要求1所述的封闭区域无人驾驶车辆集群优化控制方法，其特征在于，所述基于生成的车辆集群运行计划，以所有车辆在路网中没有路权冲突和车辆集群的能耗-效率综合评价指标最优为目标，根据车辆集群运行状态参数，确定每一辆车的出发时间和运行速度包括：
基于生成的车辆集群运行计划，将每一辆车的运行速度
Figure 42645DEST_PATH_IMAGE001
以及其开始每一次运输前的 等待时间t作为被控参数，根据路权冲突约束条件以及车辆集群运行状态参数，确定每一辆 车的出发时间，以确保每一辆车在路网中都有独占的时间-空间区间，即没有路权冲；
以车辆集群的能耗-效率综合评价指标最优为目标，确定每一辆车的运行速度；其中，能耗-效率综合评价指标表示为：
Figure 835151DEST_PATH_IMAGE002
其中，
Figure 755834DEST_PATH_IMAGE003
为能耗-效率综合评价指标，
Figure 229672DEST_PATH_IMAGE004
为车辆集群中车辆数量，
Figure 184989DEST_PATH_IMAGE005
为车辆运行效率系 数，
Figure 86080DEST_PATH_IMAGE006
为车辆运行能耗系数，
Figure 494059DEST_PATH_IMAGE007
为第
Figure 13730DEST_PATH_IMAGE008
辆车的运行速度，
Figure 26816DEST_PATH_IMAGE009
为第
Figure 98808DEST_PATH_IMAGE008
辆车的能耗。
6.根据权利要求1所述的封闭区域无人驾驶车辆集群优化控制方法，其特征在于，路权冲突约束条件包括：
每一个交叉路口处，所有经过的车辆都有独占的时间-空间区间，即没有路权冲突；
路网上所有同向行驶的车辆都有独占的时间-空间区间，即没有路权冲突。
7.根据权利要求1所述的封闭区域无人驾驶车辆集群优化控制方法，其特征在于，在基于生成的车辆集群运行计划，以所有车辆在路网中没有路权冲突和车辆集群的能耗-效率综合评价指标最优为目标，根据车辆集群运行状态参数，确定每一辆车的出发时间和运行速度之后，所述方法还包括：
当有车辆出现故障，更新S101中的车辆数量后，重新执行S101，更新车辆集群运行计划；
更新S102中的车辆集群控制对象后，S102基于更新后的车辆集群运行计划，以所有车辆在路网中没有路权冲突和车辆集群的能耗-效率综合评价指标最优为目标，重新确定每一辆车的出发时间和运行速度。
8.根据权利要求1所述的封闭区域无人驾驶车辆集群优化控制方法，其特征在于，在基于生成的车辆集群运行计划，以所有车辆在路网中没有路权冲突和车辆集群的能耗-效率综合评价指标最优为目标，根据车辆集群运行状态参数，确定每一辆车的出发时间和运行速度之后，所述方法还包括：
当路网有变化时，更新S101中的路网信息后，重新执行S101，更新车辆集群运行计划；
S102基于更新后的车辆集群运行计划，以所有车辆在路网中没有路权冲突和车辆集群的能耗-效率综合评价指标最优为目标，重新确定每一辆车的出发时间和运行速度。
CN202210929681.4A 2022-08-04 2022-08-04 一种封闭区域无人驾驶车辆集群优化控制方法 Active CN114999163B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210929681.4A CN114999163B (zh) 2022-08-04 2022-08-04 一种封闭区域无人驾驶车辆集群优化控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210929681.4A CN114999163B (zh) 2022-08-04 2022-08-04 一种封闭区域无人驾驶车辆集群优化控制方法

Publications (2)

Publication Number Publication Date
CN114999163A true CN114999163A (zh) 2022-09-02
CN114999163B CN114999163B (zh) 2022-10-25

Family

ID=83022266

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210929681.4A Active CN114999163B (zh) 2022-08-04 2022-08-04 一种封闭区域无人驾驶车辆集群优化控制方法

Country Status (1)

Country Link
CN (1) CN114999163B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003026335A (ja) * 2001-07-17 2003-01-29 Mitsubishi Heavy Ind Ltd 配車スケジュール方法及びその設定用プログラム、該プログラムを格納した記憶媒体
CN111879327A (zh) * 2020-06-18 2020-11-03 北京九曜智能科技有限公司 集群自动驾驶车辆泊位作业的空间配置和时序规划方法
CN111882474A (zh) * 2020-06-22 2020-11-03 北京九曜智能科技有限公司 一种用于自动驾驶车辆集群调度的fds功能设计方法
CN112953780A (zh) * 2021-03-23 2021-06-11 同济大学 封闭场景下无人驾驶车群构建及评价方法
CN113450005A (zh) * 2021-07-02 2021-09-28 北京科技大学 一种封闭区域无人驾驶车辆集群管理调度方法及装置
CN113566840A (zh) * 2021-08-06 2021-10-29 上海振华重工(集团)股份有限公司 封闭式、密网型、自动化物流园区的多车路径规划方法
CN114742340A (zh) * 2022-01-18 2022-07-12 浙江大学 一种大规模路网中智能网联共享电动车充电站的优化布设求解方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003026335A (ja) * 2001-07-17 2003-01-29 Mitsubishi Heavy Ind Ltd 配車スケジュール方法及びその設定用プログラム、該プログラムを格納した記憶媒体
CN111879327A (zh) * 2020-06-18 2020-11-03 北京九曜智能科技有限公司 集群自动驾驶车辆泊位作业的空间配置和时序规划方法
CN111882474A (zh) * 2020-06-22 2020-11-03 北京九曜智能科技有限公司 一种用于自动驾驶车辆集群调度的fds功能设计方法
CN112953780A (zh) * 2021-03-23 2021-06-11 同济大学 封闭场景下无人驾驶车群构建及评价方法
CN113450005A (zh) * 2021-07-02 2021-09-28 北京科技大学 一种封闭区域无人驾驶车辆集群管理调度方法及装置
CN113566840A (zh) * 2021-08-06 2021-10-29 上海振华重工(集团)股份有限公司 封闭式、密网型、自动化物流园区的多车路径规划方法
CN114742340A (zh) * 2022-01-18 2022-07-12 浙江大学 一种大规模路网中智能网联共享电动车充电站的优化布设求解方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孙柱等: "基于粒子群算法的智能车辆多目标跟踪", 《森林工程》 *

Also Published As

Publication number Publication date
CN114999163B (zh) 2022-10-25

Similar Documents

Publication Publication Date Title
Besselink et al. Cyber–physical control of road freight transport
US20210009128A1 (en) Vehicle control method and apparatus
CN112833905B (zh) 基于改进a*算法的分布式多agv无碰撞路径规划方法
CN113240907B (zh) 基于c-v2x的车辆调度方法、系统、电子设备及存储介质
CN108873905A (zh) 自动驾驶车辆控制方法、自动驾驶车辆及可读存储介质
CN111445692A (zh) 一种无信号灯路口智能网联汽车的速度协同优化方法
CN113450005B (zh) 一种封闭区域无人驾驶车辆集群管理调度方法及装置
CN102947159A (zh) 用于控制车辆速度的方法和模块
CN109941211B (zh) 一种汽车智能驾驶系统结构共用型架构及构建方法
CN111724602B (zh) 一种城市非信控多交叉路口环境下的多车协同控制方法
CN113658432B (zh) 基于车辆通行优先级博弈的无信号灯交叉口通行优化方法
CN110647398A (zh) 一种面向边缘计算的基于任务关键度和时效性的交叉口控制任务调度方法
CN114999163B (zh) 一种封闭区域无人驾驶车辆集群优化控制方法
CN117133143A (zh) 一种无人驾驶车队调度方法、装置及电子设备
CN113511203B (zh) 车辆编队跟驰行驶控制方法、系统、设备及存储介质
CN111785028B (zh) 一种车-港-船协同调度方法及系统
CN112101751A (zh) 一种公共交通优化方法、系统、装置及存储介质
CN114822007B (zh) 自动驾驶车辆调度方法及系统
CN117022398A (zh) 考虑客流分配的城市轨道交通列车时刻表优化方法及系统
CN113743739B (zh) 一种基于混合整数规划、组合优化算法的agv调度方法
CN116198385A (zh) 一种可电驱动车辆的自助充电方法、装置、系统和部件
CN114495578B (zh) 一种基于冲突点的多虚拟车队的无信号灯路口车辆调度方法
CN114463974B (zh) 优先路权条件下混合车辆群体的协同控制系统及其方法
WO2023059994A1 (en) Management and optimization of freight delivery vehicle fleets
CN116485137B (zh) 一种基于大数据的智慧公交调度方法、设备及介质

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