CN115032931A - 一种基于群集理论的智能网联队列合流控制方法 - Google Patents
一种基于群集理论的智能网联队列合流控制方法 Download PDFInfo
- Publication number
- CN115032931A CN115032931A CN202210677594.4A CN202210677594A CN115032931A CN 115032931 A CN115032931 A CN 115032931A CN 202210677594 A CN202210677594 A CN 202210677594A CN 115032931 A CN115032931 A CN 115032931A
- Authority
- CN
- China
- Prior art keywords
- queue
- intelligent
- network connection
- intelligent network
- vehicle
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/25—Pc structure of the system
- G05B2219/25257—Microcontroller
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于群集理论的智能网联队列合流控制方法,方法包括:系统动态方程建模,所述方程中变量包括车辆横纵向位置、速度和控制输入;在智能网联组群驶入合流区断面时刻,依据智能网联队列合流次序建立智能网联队列的领航车之间的网络拓扑;根据智能网联队列的网络拓扑和智能网联队列长度确定理想控制间距;根据理想控制间距设计智能网联组群控制协议;设计智能网联队列控制协议。本发明提供的方法综合考虑了横向控制在合流场景下的适用性,提出的人工函数能够更好地适用不同合流场景,进而实现队列和组群控制,为道路交通安全提供保障。
Description
技术领域
本发明涉及智能交通控制领域,具体涉及一种基于群集理论的智能网联队列合流控制方法。
背景技术
交通拥堵、安全和污染是关键的生活质量问题。新兴技术为解决这些问题提供了创新机会。信息和通信技术,尤其是车对车通信,在交通领域引起了广泛关注。在这种情况下,共享一些共同特征(例如,目的地、部分重叠路径)的车辆可以通过利用V2V通信协作形成队列。基于队列的驾驶模式是指一系列车辆以协调的速度和预先指定的车间距一起行驶。基于队列协同的驾驶模式的好处包括提高道路吞吐量、缓解交通拥堵、降低能耗和废气排放。
在许多情况下,在不同车道上行驶的多个车辆队列有一些共同的兴趣(例如,目的地,部分重叠的路径),合作驾驶可以在这些场景下应用。上述场景需求推动了多队列车辆编队控制的研究,多队列车辆形成组群,组群中的不仅要在每个子队列内,而且要在整个组群中达到所需的协同状态。
已有研究中智能网联队列之间的协同更多关注系统层面的群体一致,而较少关注不同子群体领航者之间的联系。已有研究提出的横向控制在远离车道线的情况下无法快速收敛,再换道的过程中存在安全隐患。总体来说,现有研究均缺乏对智能网联队列合流的研究,鲜有对智能网联队列合流的不同场景进行充分考虑。就智能网联队列合流来说,合流过程车辆不仅仅直接受到当前队列的控制,而且间接受到整个群组的控制。
发明内容
发明目的:为了克服上述现有技术的不足,本发明目的在于提出一种基于群集理论的智能网联队列合流控制方法,以智能网联队列合流次序和领航者-跟随者的多智能体控制模型为依据,控制领航者的状态变化,进而以智能网联队列和智能网联组群网络拓扑下的车辆位置、速度、加速度数据为基本信息,计算智能网联队列被个跟随车辆横纵向所需的控制输入,从而实现对整个智能网联组群的控制,保障了道路交通安全、高效、平稳的状态。
技术方案:为解决上述技术问题,本发明采用的技术方案为:
一种基于群集理论的智能网联队列合流控制方法,包括如下步骤:
(1)进行系统动态方程建模,所述系统动态方程中变量包括车辆横纵向位置、速度和控制输入;
(2)在智能网联组群驶入合流区断面时刻,依据智能网联队列合流次序,建立智能网联队列的领航车之间的网络拓扑;
(3)根据智能网联队列的领航车之间的网络拓扑和智能网联队列长度,确定理想控制间距;
(4)根据理想控制间距,设计智能网联组群控制器;
(5)设计智能网联队列控制器,以实现智能网联队列的合流控制。
作为优选,步骤(1)中,所述系统动态方程为:
智能网联队列k跟随车辆i的动态方程:
其中,k为智能网联组群中智能网联队列的编号,k=1,...,M,M为智能网联组群中智能网联队列数量;i为智能网联队列中跟随车辆的编号,i=1,...,N-1,N为智能网联队列的车辆数;为智能网联队列k中跟随车辆i在t时刻的纵向位置;为智能网联队列k中跟随车辆i在t时刻的横向位置;为智能网联队列k中跟随车辆i在t时刻的纵向速度;为智能网联队列k中跟随车辆i在t时刻的横向速度;为智能网联队列k中跟随车辆i在t时刻的纵向控制输入;为智能网联队列k中跟随车辆i在t时刻的横向控制输入;
智能网联队列k领航车的动态方程:
其中,和的定义方式与和相似, 为智能网联队列k中领航车在t时刻的纵向位置;为智能网联队列k中领航车在t时刻的横向位置;为智能网联队列k中领航车在t时刻的纵向速度;为智能网联队列k中领航车在t时刻的横向速度;为智能网联队列k中领航车在t时刻的纵向控制输入;为智能网联队列k中领航车在t时刻的横向控制输入。
作为优选,步骤(2)中,所述智能网联队列的领航车之间的网络拓扑的建立方法为:
不同车道上行驶且纵向位置满足设定条件的多列智能网联队列在驶入合流区时形成智能网联组群,在智能网联组群内智能网联队列的合流次序确定后建立由位于第一次序的智能网联队列的领航车向其它队列的领航车发送自身状态信息的网络拓扑。所述设定条件为:在设定智能网联汽车渗透率下任意两列智能网联队列间最大纵向间距小于的其他任一智能网联队列稳态队长。
作为优选,步骤(3)中,期望间距的确定方法为:
理想间距份为智能网联群组内部期望间距与智能网联队列内部期望间距;
智能网联群组内部期望间距计算方法:
智能网联队列内部期望间距为智能网联队列k在稳态下的车头间距 (且i≠j),分别为智能网联队列k中跟随车辆i、中跟随车辆j与领航车的期望间距, 为智能网联队列k中领航车在稳态下纵向位置,为智能网联队列k中尾车在稳态下纵向位置。
作为优选,步骤(4)中,智能网联组群控制器包括纵向控制器和横向控制器,
纵向控制器设计:
横向控制器设计:
1)在行进方向车道为奇数条,合流点所在车道位于最中间时,横向控制输入为:
f′(q)=(eq-1)(1/(M′l)2-1/q2),0<q<2M′l
其中,为智能网联队列k的领航车t时刻在行进道路两最外侧的车道线上的横向位置的投影,为智能网联队列k中领航车t时刻的道路横向控制修正,l为半车道宽度,m(m=1,2)为两条投影目标车道线,M′为车道数;
2)其他情况横向控制输入为:
作为优选,步骤(5)中,智能网联队列控制器包括纵向控制器和横向控制器,
智能网联队列k中跟随车辆i的纵向控制器:
基于代数图论定义智能网联队列内的通信拓扑,队列中每个车辆为带权图的一个通信节点,为智能网联队列k中第i辆跟随车辆与第j辆跟随车辆之间的通信参数,时存在通信链路,为智能网联队列k中领航车与第i辆跟随车辆之间的通信参数,时存在通信链路;
智能网联队列k中跟随车辆i的横向控制器:
f(q)=(q-l)/(lq),0<q<2l
有益效果:本发明提出的一种基于群集理论的智能网联队列合流控制方法,基于智能网联队列的车辆状态和合流次序,确定不同合流队列之间的网络拓扑,进而确定不同队列领航车之间的期望间距和队列内车辆间的期望间距,以期望间距和车辆状态为基础,设计智能网联组群控制协议和智能网联队列控制协议。本发明提供的方法综合考虑了横向控制在合流场景下的适用性,提出的人工函数f(q)能够更好地适用不同合流场景,进而实现队列和组群控制,为道路交通安全提供保障。
附图说明
图1是本发明实施例的方法流程图;
图2是本发明实施例的初始交通状况的示意图;
图3是本发明实施例的坐标系建立示意图;
图4是本发明实施例的合流后的交通状况的示意图。
具体实施方式
为了使本发明的内容更容易被清楚的理解,下面结合附图和具体实施例对本发明作进一步详细的说明。
如图1所示,本发明实施例公开的一种基于场论的驾驶安全等级确定方法,包括如下步骤:
(1)根据车辆运动学建立系统动态方程。
具体的,仅考虑车辆的运动学特征,将车辆视为刚体来简化计算;状态变量有车辆位置、车辆速度和车辆的控制输入,对状态变量进行横纵解耦;对队列领航车和跟随车辆分别建立系统动态方程:
(2)在智能网联组群驶入合流区断面时刻,依据智能网联队列合流次序建立智能网联队列的领航车之间的网络拓扑。
合流区为判断车辆合流次序的区域,大小可由交通密度和智能网联队列的长度决定,一般可取合流点上游450m。设智能网联队列i的领航车、领航车前车和尾车、尾车后跟随车辆的纵向位置为其中n∈{leader,leader-f,last,last-r},leader表示领航车,leader-f表示领航车前车,last表示尾车,last-r表示尾车后跟随车辆;i∈{1,2,3}表示智能网联队列及其所在车道的编号,1表示最内侧车道,2表示中间车道,3表示最外侧车道。
本实施例中,如图2所示的两外侧车道封闭的三车道道路下的混合交通合流场景。智能网联组群是由换道决策时刻并行行驶、纵向位置相近的智能网联队列1、2、3形成的组群,在合流区内,智能网联组群内智能网联汽车形成通讯拓扑,并进行协同控制完成合流过程。
所述智能网联组群的形成条件为一定智能网联汽车渗透率下决策时刻任意两智能网联队列间最大纵向间距小于的另一智能网联队列稳态队长,即队列纵向位置相近程度的度量与智能网联汽车渗透率有关,可以通过控制车辆加减速进而调节车辆组群内队列合流过程,具体为:
智能网联队列2的前后富余间距If和Ir的计算方法为:
Gipps跟驰模型的安全车头间距ssafe=(vj(t)τj+vj-1(t)2/Bj-1+2lj-1-((vj(t+τj)-Bjτj)2-Bj 2τj 2)/Bj)/2,式中vj(t)为t时刻车辆j的速度,τj为车辆j驾驶者的反应时间,vj-1(t)为t时刻车辆j的前车j-1的速度,Bj为车辆j的最大减速度,lj为车辆j的车身长度,其中车辆i为平衡态的人工驾驶车辆。
智能网联队列1和智能网联队列3的长度L1和L3的计算方法为:
L1=N1*H1
L3=N3*H3
式中,N1和N3分别为智能网联队列1和智能网联队列3的车辆数,H1和H3分别为智能网联队列1和智能网联队列3的车辆在队列控制下的车头间距。
智能网联队列的车辆在队列控制下的车头间距H=N(Xleader-Xlast)/(N-1),式中,N为智能网联队列的车辆数,Xleader为智能网联队列的领航车的纵向位置,Xlast为智能网联队列的尾车的纵向位置。
智能网联组群内的智能网联队列在合流点处汇入的次序的判断方法为:
若同时满足:①L1≥L3,②L1+L3>If≥L1,③Ir≥L1+L3或L1+L3>Ir≥L1或L1>Ir≥L3,则合流点处汇入的次序为智能网联队列1、智能网联队列2、智能网联队列3;
若同时满足:①L1≥L3,②L1>If≥L3,③Ir≥L1+L3或L1+L3>Ir≥L1,则合流点处汇入的次序为智能网联队列3、智能网联队列2、智能网联队列1;
若同时满足:①L1<L3,②L3+L1>If≥L3,③Ir≥L3+L1或L3+L1>Ir≥L3或L3>Ir≥L1,则合流点处汇入的次序为智能网联队列3、智能网联队列2、智能网联队列1;
若同时满足:①L1<L3,②L3>If≥L1,③Ir≥L3+L1或L3+L1>Ir≥L3,则合流点处汇入的次序为智能网联队列1、智能网联队列2、智能网联队列3;
本实施例中,L1=90m,L3=120m,If=160m,Ir=140m,满足条件L1<L3,L3+L1>If≥L3,L3+L1>Ir≥L3,则合流次序为智能网联队列3,智能网联队列2,智能网联队列1,建立如图2交通场景的队列间通信拓扑。
(3)根据智能网联队列的网络拓扑和智能网联队列长度,确定理想控制间距。
具体的,假设理想车头间距为30m,则L1=90m,L2=90m,L3=120m,
r3=r1st=0m,r2=r2nd=r3+L3=120m,r1=r3rd=r2+L2=210m。
(4)根据理想控制间距,设计智能网联组群控制器。
图2交通场景下的智能网联组群控制器为:
纵向控制器设计:
横向控制器设计:
f′(q)=(eq-1)(1/(M′l)2-1/q2),0<q<2M′l
由于图2合流交通场景较为简单,车道为直道,则可在大地坐标系下建立如图3所示的位置坐标。
(5)设计智能网联队列控制器,以实现智能网联队列的合流控制。
智能网联队列k中跟随车辆i的纵向控制器:
智能网联队列k中跟随车辆i的横向控制器:
f(q)=(q-l)/(lq),0<q<2l
在上述组群和队列控制器下,所有车辆将收敛到车道2中线位置,交通状况如图4所示。
基于代数图论定义队列内的通信拓扑,队列内跟随车辆拓扑可用G={V,E,a}来描述,V为N-1个节点的集合,为边的集合,每个车辆为带权图的一个通信节点,边表示车辆间的通信链路;图的拓扑结构使用一个邻接矩阵A=[ai,j]表示,ai,j≥0,ai,j>0时存在通信链路;关联矩阵表示跟随车辆与领航车的通信链路,形式为Π=diag(θ1,θ2,...θN-1),θi≥0,θi>0时存在通信链路。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (9)
1.一种基于群集理论的智能网联队列合流控制方法,其特征在于,包括如下步骤:
(1)进行系统动态方程建模,所述系统动态方程中变量包括车辆横纵向位置、速度和控制输入;
(2)在智能网联组群驶入合流区断面时刻,依据智能网联队列合流次序,建立智能网联队列的领航车之间的网络拓扑;
(3)根据智能网联队列的领航车之间的网络拓扑和智能网联队列长度,确定理想控制间距;
(4)根据理想控制间距,设计智能网联组群控制器;
(5)设计智能网联队列控制器,以实现智能网联队列的合流控制。
2.根据权利要求1所述的一种基于群集理论的智能网联队列合流控制方法,其特征在于,步骤(1)中,所述系统动态方程为:
其中,k为智能网联组群中智能网联队列的编号,k=1,...,M,M为智能网联组群中智能网联队列数量;i为智能网联队列中跟随车辆的编号,i=1,...,N-1,N为智能网联队列的车辆数;为智能网联队列k中跟随车辆i在t时刻的纵向位置;为智能网联队列k中跟随车辆i在t时刻的横向位置;为智能网联队列k中跟随车辆i在t时刻的纵向速度;为智能网联队列k中跟随车辆i在t时刻的横向速度;为智能网联队列k中跟随车辆i在t时刻的纵向控制输入;为智能网联队列k中跟随车辆i在t时刻的横向控制输入;为智能网联队列k中领航车在t时刻的纵向位置;为智能网联队列k中领航车在t时刻的横向位置;为智能网联队列k中领航车在t时刻的纵向速度;为智能网联队列k中领航车在t时刻的横向速度;为智能网联队列k中领航车在t时刻的纵向控制输入;为智能网联队列k中领航车在t时刻的横向控制输入。
3.根据权利要求1所述的种基于群集理论的智能网联队列合流控制方法,其特征在于,步骤(2)中,所述智能网联队列的领航车之间的网络拓扑的建立方法为:
不同车道上行驶且纵向位置满足设定条件的多列智能网联队列在驶入合流区时形成智能网联组群,在智能网联组群内智能网联队列的合流次序确定后建立由位于第一次序的智能网联队列的领航车向其它队列的领航车发送自身状态信息的网络拓扑。
4.根据权利要求3所述的种基于群集理论的智能网联队列合流控制方法,其特征在于,所述设定条件为:在设定智能网联汽车渗透率下任意两列智能网联队列间最大纵向间距小于的其他任一智能网联队列稳态队长。
5.根据权利要求1所述的种基于群集理论的智能网联队列合流控制方法,其特征在于,步骤(3)中,理想控制间距分为智能网联群组内部的理想控制间距与智能网联队列内部的理想控制间距,具体确定方法为:
智能网联群组内部的理想控制间距计算方法:
计算Lk=Nk×Hk,其中Lk为智能网联队列k的长度,Nk为智能网联队列k的车辆数,Hk为智能网联队列k的车辆在队列控制下的理想车头间距;
7.根据权利要求1所述的种基于群集理论的智能网联队列合流控制方法,其特征在于,步骤(4)中,智能网联组群控制器包括纵向控制器和横向控制器,具体为:
纵向控制器:
横向控制器分为两种情况:
1)在行进方向车道为奇数条,合流点所在车道位于最中间时,横向控制输入为:
f′(q)=(eq-1)(1/(M′l)2-1/q2),0<q<2M′l
2)其他情况横向控制输入为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210677594.4A CN115032931A (zh) | 2022-06-15 | 2022-06-15 | 一种基于群集理论的智能网联队列合流控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210677594.4A CN115032931A (zh) | 2022-06-15 | 2022-06-15 | 一种基于群集理论的智能网联队列合流控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115032931A true CN115032931A (zh) | 2022-09-09 |
Family
ID=83124622
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210677594.4A Pending CN115032931A (zh) | 2022-06-15 | 2022-06-15 | 一种基于群集理论的智能网联队列合流控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115032931A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116386387A (zh) * | 2023-04-19 | 2023-07-04 | 长安大学 | 混合队列人驾车辆跟驰行为预测方法和装置 |
-
2022
- 2022-06-15 CN CN202210677594.4A patent/CN115032931A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116386387A (zh) * | 2023-04-19 | 2023-07-04 | 长安大学 | 混合队列人驾车辆跟驰行为预测方法和装置 |
CN116386387B (zh) * | 2023-04-19 | 2024-03-08 | 长安大学 | 混合队列人驾车辆跟驰行为预测方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN112116822B (zh) | 基于CAVs混合交通流的车道动态分配的高速公路通行能力协同调控方法 | |
CN108806252B (zh) | 一种高速公路混合交通流协同优化控制方法 | |
CN110930697B (zh) | 一种基于规则的智能网联车辆协同汇入控制方法 | |
Jin et al. | Platoon-based multi-agent intersection management for connected vehicle | |
CN109410561B (zh) | 一种高速路车辆匀异质编队行驶控制方法 | |
CN112258875B (zh) | 基于车路协同与自动驾驶的交叉口智能管控方法 | |
CN112233413B (zh) | 一种面向智能网联车辆的多车道时空轨迹优化方法 | |
CN113489793B (zh) | 一种混合交通场景下的快速路双车道协同控制方法 | |
CN111325975B (zh) | 一种智能网联车辆在汇入口区域的集中优化协调方法 | |
CN106781435A (zh) | 一种基于无线通信的非信控交叉路口车辆编队通行方法 | |
CN110782650A (zh) | 基于自适应事件触发的车流分布式协同编队控制方法 | |
CN111785088B (zh) | 一种网联车辆匝道合并的双层协同优化方法 | |
CN111899509B (zh) | 一种基于车路信息耦合的智能网联汽车状态向量计算方法 | |
Faraj et al. | Platoon-based autonomous vehicle speed optimization near signalized intersections | |
Wang et al. | Cluster-wise cooperative eco-approach and departure application along signalized arterials | |
CN115032931A (zh) | 一种基于群集理论的智能网联队列合流控制方法 | |
CN114999152A (zh) | 面向混合车流的匝道合流边缘云管控方法 | |
Ren et al. | An intersection platoon speed control model considering traffic efficiency and energy consumption in cvis | |
CN115035731B (zh) | 一种基于车辆组群的智能网联队列合流方法 | |
Zhou et al. | Unsignalized intersection management strategy for mixed autonomy traffic streams | |
Zhao et al. | Eco-Friendly On-Ramp Merging Strategy for Connected and Automated Vehicles in Heterogeneous Traffic | |
CN117608298A (zh) | 一种基于图论和安全势场理论的车辆编队优化方法 | |
CN116311863B (zh) | 一种自动驾驶环境下的交叉口连接路段车辆编队控制方法 | |
Wang et al. | Mixed Vehicle Group Merging Control in the Vicinity of Traffic Signals: A Cyber-Physical Perspective |
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 |