CN115092139A - 一种智能网联车辆交织区协同运动规划方法 - Google Patents

Abstract

本发明涉及一种智能网联车辆交织区协同运动规划方法，该方法包括：获取交织区范围内车辆信息；对各受控车辆的运动状态进行优化：以最小化速度差异为目标，建立运动控制模型；对运动控制模型进行求解，获取各受控车辆的控制信息。与现有技术相比，本发明通过减少交织区内车辆之间的相对速度误差，减少由于换道带来的冲突与车速震荡，有效地提高交通效率，本方法计算效率高，可行性强，仅需要被控车辆具有纵向自动化，且可以与其它自动驾驶运动规划方法相结合，适合应用于实际工程中。

Description

一种智能网联车辆交织区协同运动规划方法

技术领域

本发明涉及智能网联与自动驾驶技术领域，尤其是涉及一种智能网联车辆交织区协同运动规划方法。

背景技术

交织区域被定义为在一段相当长距离的单向行驶的行车道内，一股或多股车流在没有交通控制的情况下行驶的区域。当一个入匝道(合并区)紧接一个出匝道(分流区)时，通常在0.76公里以内形成交织区。交织区内会产生大量的车辆换道行为，通常会导致车辆速度的快速变化，从而导致更多的交通事故和交通效率的降低。根据美国警方报告的所有事故显示，由于换道造成的事故占4％，死亡人数约占0.5％。此外，几乎10％的交通延误是由交通事故造成的。结合交通安全问题和交通效率的考虑，交织区被认为是许多城市高速公路系统的瓶颈。因此，提出一种提高交织区机动性的新方法具有重要的意义。

智能网联汽车搭载了先进的传感器、控制器、执行器等装置，融合了现代通信技术、网络技术，具备车车、车路通信，车载感知等功能。车载通信设备、车载感知设备使智能网联汽车具备了环境感知的能力，环境感知信息经由控制系统进行决策从而产生控制指令，最终由车辆执行器完成自动驾驶的控制操作。

协同式自动驾驶利用V2X技术，将多个智能网联汽车组建成车队，由统一的调度中心来规划、调度、认证和监管各个车辆，通过高精度定位实现精准的轨迹记录和跟踪，通过智能网联汽车车载传感设备探测前方的道路和障碍物，实现世界建模，然后通过传达自己的驾驶行为意图，来告诉车队内其他车辆，以降低车队内部车辆的跟车间距，从而提高1倍道路理论通行能力、降低12％的燃油消耗和14％的碳排放。通过车辆之间以及与基础设施之间的通信，智能网联汽车能够利用实时交通信息和合作驾驶，在提高安全性、增强通行能力、提高交通效率和降低燃油消耗，被认为是未来交通的解决方案。

为缓解交织区对交通系统的负面影响，研究人员在揭示车辆之间的交互机制、开发新的交通控制方法等方面做了大量工作，然而，现有的理论方法存在以下缺陷：

1、现有控制算法中，协同换道过程中不考虑周围的交通情况，即不考虑上下游非换道车辆与换道车辆之间的相互作用，该情景假设不利于模拟实际复杂换道过程，模型结果将与实际将产生较大偏差。

2、现有控制算法中，尽管在一定程度上显示出提高交通流量与效率的结果，但仍缺乏解决交通流量震荡或以降低交通吞吐量作为代价，没有从交织区运动规划层面对协同换道模型进行研究。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种智能网联车辆交织区协同运动规划方法。

本发明的目的可以通过以下技术方案来实现：

一种智能网联车辆交织区协同运动规划方法，该方法包括：

获取交织区范围内车辆信息；

对各受控车辆的运动状态进行优化：以最小化速度差异为目标，建立运动控制模型；

对运动控制模型进行求解，获取各受控车辆的控制信息。

优选地，所述的交织区范围内的车辆信息包括道路坐标系的纵向位置、车辆速度、加速度、轴距。

优选地，建立运动控制模型包括：

S21、设待换道的车辆为C和D，C的前车和后车分别为A和E，D的前车和后车分别为B和F；

S22、定义状态向量和控制向量分别为：

其中，ξ(i)为状态向量；u(i)为控制向量；

为期望间距向量；x_i为实际间距向量；Δv为相对速度；a为加速度；x^*为期望间距；x为实际间距；下标i为控制步长；下标A、B、C、D、E、F为车辆索引；

S23、计算离散形式运动规划动力学方程：

ξ(i+1)＝A_iξ(i)+B_iu(i)+C_i

其中，A_i、B_i与C_i为动力学方程系数；

S24、构建成本函数：

其中，N为总控制步数；J为总成本；L_i为第i步的运行成本；Φ为最终成本；τ为时间域控制步长；

S25、构建车辆速度、加速度以及车辆间距约束。

优选地，所述的第i步的运行成本表示为：

其中，q₁、q₂、q₃为成本系数矩阵。

优选地，所述的最终成本表示为：

其中，x_CD,e为最后控制步长中车辆C与D之间的相对距离，Δv_cD,e为最后控制步长中车辆C与D之间的相对速度，q₄、q₅为最后控制步长中车辆C与D间距误差和速度误差的成本系数。

优选地，骤S25中的约束为：车辆A～F的加速度在最大减速和最大加速度范围内；车辆A～F的速度界于0与最大速度之间；车辆之间的间距要求大于安全距离。

优选地，对运动控制模型进行求解时受控车辆的状态信息包括速度、位置、时间，控制信息包括加速度。

优选地，受控车辆的状态信息通过车载传感器获取。

优选地，车辆运动过程中通过V2V通信方式与周围车辆共享本地信息。

优选地，该协调运动规划方法运行于交织区范围内任意一个车辆上的中央控制器上，完成协同运动规划后，中央控制器通过V2X通信方式向各车辆发送控制指令。

与现有技术相比，本发明具有如下优点：

(1)本发明提供的一种智能网联车辆交织区协同运动规划方法，其核心目标为最小化速度差异，速度差过大既不利于交通效率，也不利于交通安全：一方面，速度差会导致车辆频繁加速或减速，甚至走走停停，带来较大的燃油消耗与碳排放；另一方面，追尾事故的严重程度与相关车辆的车速差密切相关，通过减小速度差，所提出的协同运动规划方法有助于减小速度振荡。

(2)本发明利用智能网联车辆先进技术进行车辆运动规划，够促进换道车辆与周边车辆之间的协同运动规划，能够减轻织造区内车辆频繁换道带来的不利影响；

(3)本发明算法具有工程应用级别的计算效率，降低运算负荷。

附图说明

图1为本发明一种智能网联车辆交织区协同运动规划方法的流程框图；

图2为本发明实施例中交织区换道情景。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。注意，以下的实施方式的说明只是实质上的例示，本发明并不意在对其适用物或其用途进行限定，且本发明并不限定于以下的实施方式。

实施例

本发明基于协同式自动驾驶，协调与优化车流交汇形成的交织区内车辆间换道动作，车载传感器检测车辆的速度、车头时距等局部信息；并与周围车辆共享本地信息，中央控制器结合各车辆信息和头车目标轨迹，通过综合考虑前方一段距离内的误差，在安全跟车、舒适加减速、速度阈值等约束下，利用模型预测控制方法，优化受控车辆的加速和制动过程，将优化结果传输至受控车辆的动力装置与制动装置。本发明通过减少交织区内车辆之间的相对速度误差，减少由于换道带来的冲突与车速震荡，有效地提高交通效率，本方法计算效率高，可行性强，仅需要被控车辆具有纵向自动化，且可以与其它自动驾驶运动规划方法相结合，适合应用于实际工程中。

如图1所示，本实施例提供一种智能网联车辆交织区协同运动规划方法，该方法包括：

S1、获取交织区范围内车辆信息。

具体包括：

S11、车载传感器检测车辆的速度、车头时距等局部信息；车载传感器所收集到的各受控车辆信息包括：在道路坐标系中的位置信息、车辆速度、加速度、轴距等纵向信息。为了采集到这些信息，本发明所应用的车辆应该具有：车辆信息采集装置、通信装置、车辆数据库、置于任意一个车辆上的控制中心。

S12、通过V2V通信方式与周围车辆共享本地信息；以获得足够的信息进行协同运动规划。如图1的示例中，车辆F需要获得车辆B的间距和相对速度，从而准备足够的间隙使车辆C安全地完成换道动作。在这种情况下，可以将车辆D检测到的信息传递给它的后方车辆，随后车辆F将接收到的信息与自身获得的局部信息相结合，得到其相对于车辆B的间距。

S2、对各受控车辆的运动状态进行优化：以最小化速度差异为目标，建立运动控制模型。

具体包括：

S21、设待换道的车辆为C和D，C的前车和后车分别为A和E，D的前车和后车分别为B和F；

S22、定义状态向量和控制向量分别为：

其中，ξ(i)为状态向量；u(i)为控制向量；

为期望间距向量；x_i为实际间距向量；Δv为相对速度；a为加速度；x^*为期望间距；x为实际间距；下标i为控制步长；下标A、B、C、D、E、F为车辆索引；

S23、计算离散形式运动规划动力学方程：

ξ(i+1)＝A_iξ(i)+B_iu(i)+C_i

其中，A_i、B_i与C_i为动力学方程系数；

S24、构建成本函数：

其中，N为总控制步数；J为总成本；L_i为第i步的运行成本；Φ为最终成本；τ为时间域控制步长；

S25、构建车辆速度、加速度以及车辆间距约束。

其中，所述的第i步的运行成本表示为：

其中，q₁、q₂、q₃为成本系数矩阵，可表示为：

q₁＝diag([q_1,1 q_1,2…q_1,10 q_1,11])

q₂＝diag([q_2,1 q_2,2…q_2,10 q_2,11])

q₃＝diag([q_3,C q_3,D q_3,E q_3,F])

所述的最终成本表示为：

其中，x_CD,e为最后控制步长中车辆C与D之间的相对距离，Δv_CD,e为最后控制步长中车辆C与D之间的相对速度，q₄、q₅为最后控制步长中车辆C与D间距误差和速度误差的成本系数。

换道车辆的速度差受到运行成本和最终成本的双重约束，这有助于减少交通振荡。在末端状态下，C和D的间距趋于理想的间距，且C和D的速度大致相同。这就实现了核心逻辑。

骤S25中的约束为：车辆A～F的加速度在最大减速和最大加速度范围内；车辆A～F的速度界于0与最大速度之间；车辆之间的间距要求大于安全距离。

S3、对运动控制模型进行求解，获取各受控车辆的控制信息。

具体包括：

步骤S31、获取运动规划动力学方程中系数A_i、B_i与C_i；

C_i＝[0_11×1 a_A a_A a_B a_B 0 0 0 0 0 a_A a_B]^T×τ

其中τ为时间域控制步长，由于当τ足够小时，二次项与线性项相比可忽略不计，因此可通过引入控制步长的二次项，以系统动力学表达式。

步骤S32、计算第1至第N步的运行成本矩阵：

R_i＝q₃×τ fori∈{0,1,...,N}

步骤S33、计算第N+1步的最终成本矩阵：

R_N+1＝0_4×4

步骤S34、对于第N+1步，定义伴随矩阵为：

步骤S35、逆向计算伴随矩阵

步骤S36、计算

S_i＝A_i+B_iG_i，T_i＝B_iH_i+C_i；

步骤S371、正向计算控制向量与状态向量u(i)＝min[max(G_iC(i)+H_i,a_min),a_max]，ξ(i+1)＝x_iξ(i)+T_i。

计算辆车变道的总时间为10s，计算分辨率为0.1s；当车辆间距大于预先设定的安全间距(40m)时，两辆换道车辆分别在5s和10s进行换道操纵，计算分辨率为0.1s。

该协调运动规划方法运行于交织区范围内任意一个车辆上的中央控制器上，完成协同运动规划后，中央控制器通过V2X通信方式向各车辆发送控制指令。具体地，本发明通过中央控制器对建立的运动控制模型进行求解，包含伴随矩阵的逆向计算与控制向量状态向量的正向计算。示例中后方车辆(C、D、E、F)的所有运动由统一的中央运动规划器规划，并假设局部信息全部由车辆C收集，协同运动规划也由车辆C执行。得益于智能网联技术，车辆之间组成通信网，故任何车辆(A、B、C、D、E、F)均可进行中央运动规划。

本发明中，通过减少车辆换道间的相对速度，理想状态下车辆以相同的速度进行换道，且最终完成换道后，车辆间距也接近期望距离。本发明在空间域内考虑车辆在未来一段距离内的偏差，从而提高了车辆在当前状态下优化控制精度。基本发明考虑到了换道车辆与周围车辆之间的相互影响，更加贴合实际应用场景，同时本发明中的控制算法具有工程应用级别的计算效率，大量实验证明该运动规划器的计算时间为20毫秒，计算时间范围为10s，分辨率为0.1s。计算效率高，适合应用于实际中。

上述实施方式仅为例举，不表示对本发明范围的限定。这些实施方式还能以其它各种方式来实施，且能在不脱离本发明技术思想的范围内作各种省略、置换、变更。

Claims (10)

1.一种智能网联车辆交织区协同运动规划方法，其特征在于，该方法包括：

获取交织区范围内车辆信息；

对各受控车辆的运动状态进行优化：以最小化速度差异为目标，建立运动控制模型；

对运动控制模型进行求解，获取各受控车辆的控制信息。

2.根据权利要求1所述的一种智能网联车辆交织区协同运动规划方法，其特征在于，所述的交织区范围内的车辆信息包括道路坐标系的纵向位置、车辆速度、加速度、轴距。

3.根据权利要求1所述的一种智能网联车辆交织区协同运动规划方法，其特征在于，建立运动控制模型包括：

S21、设待换道的车辆为C和D，假设行驶方向正前方存在车辆A和B，行驶方向后方存在车辆E和F；

S22、定义状态向量和控制向量分别为：

其中，ξ(i)为状态向量；u(i)为控制向量；

为期望间距向量；x_i为实际间距向量；Δv为相对速度；a为加速度；x^*为期望间距；x为实际间距；下标i为控制步长；下标A、B、C、D、E、F为车辆索引；

S23、计算离散形式运动规划动力学方程：

ξ(i+1)＝A_iξ(i)+B_iu(i)+C_i

其中，A_i、B_i与C_i为动力学方程系数；

S24、构建成本函数：

其中，N为总控制步数；J为总成本；L_i为第i步的运行成本；Φ最终成本；τ为时间域控制步长；

S25、构建车辆速度、加速度以及车辆间距约束。

4.根据权利要求3所述的一种智能网联车辆交织区协同运动规划方法，其特征在于，所述的第i步的运行成本表示为：

其中，q₁、q₂、q₃为成本系数矩阵。

5.根据权利要求3所述的一种智能网联车辆交织区协同运动规划方法，其特征在于，所述的最终成本表示为：

其中，x_CD,e为最后控制步长中车辆C与D之间的相对距离，Δv_CD,e为最后控制步长中车辆C与D之间的相对速度，q₄、q₅为最后控制步长中车辆C与D间距误差和速度误差的成本系数。

6.根据权利要求3所述的一种智能网联车辆交织区协同运动规划方法，其特征在于，步骤S25中的约束为：车辆A～F的加速度在最大减速和最大加速度范围内；车辆A～F的速度界于0与最大速度之间；车辆之间的间距要求大于安全距离。

7.根据权利要求3所述的一种智能网联车辆交织区协同运动规划方法，其特征在于，对运动控制模型进行求解时受控车辆的状态信息包括速度、位置、时间，控制信息包括加速度。

8.根据权利要求7所述的一种智能网联车辆交织区协同运动规划方法，其特征在于，受控车辆的状态信息通过车载传感器获取。

9.根据权利要求1所述的一种智能网联车辆交织区协同运动规划方法，其特征在于，车辆运动过程中通过V2V通信方式与周围车辆共享本地信息。

10.根据权利要求1所述的一种智能网联车辆交织区协同运动规划方法，其特征在于，该协调运动规划方法运行于交织区范围内任意一个车辆上的中央控制器上，完成协同运动规划后，中央控制器通过V2X通信方式向各车辆发送控制指令。

Images