CN115257760A - 一种车辆驾驶优化控制方法、装置、存储介质及电子设备 - Google Patents
一种车辆驾驶优化控制方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN115257760A CN115257760A CN202211043925.5A CN202211043925A CN115257760A CN 115257760 A CN115257760 A CN 115257760A CN 202211043925 A CN202211043925 A CN 202211043925A CN 115257760 A CN115257760 A CN 115257760A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- vehicles
- internet
- queue
- lane
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000003860 storage Methods 0.000 title claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 230000001133 acceleration Effects 0.000 claims description 29
- 230000015654 memory Effects 0.000 claims description 23
- 238000005096 rolling process Methods 0.000 claims description 4
- 238000005265 energy consumption Methods 0.000 abstract description 10
- 230000006855 networking Effects 0.000 description 16
- 238000004364 calculation method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 229920006395 saturated elastomer Polymers 0.000 description 3
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 229910052739 hydrogen Inorganic materials 0.000 description 2
- 239000001257 hydrogen Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000005588 Kraus reaction Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910052731 fluorine Inorganic materials 0.000 description 1
- 125000001153 fluoro group Chemical group F* 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18159—Traversing an intersection
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- 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
- G05D1/0011—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement
- G05D1/0027—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement involving a plurality of vehicles, e.g. fleet or convoy travelling
-
- 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
- G05D1/0291—Fleet control
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车辆驾驶优化控制方法、装置、存储介质及电子设备,当检测到车辆进入智能网联车辆控制区,判断所述车辆的类型;当所述车辆为人工辅助驾驶的车联网车辆,判断所述车联网车辆所在的车道前方是否存在车辆队列;当所述车联网车辆所在的车道前方存在车辆队列,根据所述车辆队列的队列长度以及所述车联网车辆的可行驶车速范围判断所述车联网车辆是否能编入所述车辆队列;当所述车联网车辆能编入所述车辆队列,利用预设轨迹优化算法对新的车辆队列中的所述车联网车辆进行优化控制,实现了混合交通流下的车辆驾驶优化控制,并且通过优化控制降低了通过交叉路口车辆的能耗。
Description
技术领域
本发明涉及车辆控制技术领域,具体涉及一种车辆驾驶优化控制方法、装置、存储介质及电子设备。
背景技术
在城市道路中,交叉路口是造成交通拥堵的主要原因之一,在交通拥堵过程中,车辆往往会进行频繁加/减速,增加能源消耗,提高城市交叉路口通行能力以及节能驾驶能力显得尤为重要。
在面向智能网联车辆节能驾驶的交叉路口通行算法中,主要分为两类,第一类面向降低单车的能耗,通过获取车辆路径上的连续多个信号灯相位信息,以不停车通过下游信控交叉口为目标,确定车辆的最优通行速度,此外,也有研究考虑能耗以及驾乘舒适性来选择最优速度和加速度。第二类面向智能网联车辆车队,实现车队整体能耗最低,有研究通过分层式的集中控制器实现,上层优化队列的结构与稳定性,下层优化混动式汽车发动机与电机的协调控制,实现燃油经济性。现有的研究多面向全部为智能网联车辆,对混合交通下的面向节能的优化控制研究较少。故亟待提出一种新的车辆驾驶优化控制方法以实现混合交通下的面向节能的优化控制。
发明内容
有鉴于此,本发明实施例提供了涉及一种车辆驾驶优化控制方法、装置、存储介质及电子设备以实现混合交通下的面向节能的优化控制。
本发明提出的技术方案如下:
本发明实施例第一方面提供一种车辆驾驶优化控制方法,该车辆驾驶优化控制方法包括:当检测到车辆进入智能网联车辆控制区,判断所述车辆的类型;当所述车辆为人工辅助驾驶的车联网车辆,判断所述车联网车辆所在的车道前方是否存在车辆队列;当所述车联网车辆所在的车道前方存在车辆队列,根据所述车辆队列的队列长度以及所述车联网车辆的可行驶车速范围判断所述车联网车辆是否能编入所述车辆队列;当所述车联网车辆能编入所述车辆队列,利用预设轨迹优化算法对新的车辆队列中的所述车联网车辆进行优化控制。
可选地,所述方法还包括:当所述车辆为智能网联车辆,将所述智能网联车辆作为一个新的车辆队列的第一辆车并利用所述预设轨迹优化算法对所述智能网联车辆进行优化控制。
可选地,所述方法还包括:当所述车联网车辆不能编入所述车辆队列或当所述车联网车辆所在的车道前方不存在所述车辆队列,根据所述车联网车辆的可行驶车速范围对所述车联网车辆的行驶速度进行优化控制。
可选地,当所述车联网车辆所在的车道前方存在车辆队列,根据所述车辆队列的队列长度以及所述车联网车辆的可行驶车速范围判断所述车联网车辆是否能编入所述车辆队列,包括:根据所述车联网车辆的可行驶车速范围判断所述车联网车辆是否能与所述车辆队列中其他车辆在同一绿灯相位内通过停止线;根据所述车联网车辆的可行驶车速范围计算所述车辆队列的最大队列长度并将所述车辆队列的队列长度与所述车辆队列的最大队列长度进行比对;根据队列长度比对结果以及是否能在同一绿灯相位内通过停止线的判断结果判断所述车联网车辆是否能编入所述车辆队列。
可选地,当所述车联网车辆能编入所述车辆队列,利用预设轨迹优化算法对新的车辆队列中的所述车联网车辆进行优化控制,包括:获取所述车联网车辆对应的预设纵向动力学模型;根据所述预设纵向动力学模型确定所述车联网车辆的实际加速度;根据所述车联网车辆的实际加速度构建得到对应的目标控制模型;根据所述目标控制模型对所述车联网车辆进行优化控制。
可选地,所述预设纵向动力学模型如下式所示:
式中:xi(t)表示t时刻所述车联网车辆i在所述车道中的纵向位置;vi(t)表示t时刻所述车联网车辆i的速度;α=0.5ρaCDAf,ρa表示空气密度;CD表示空气阻力系数;Af表示所述车联网车辆的迎风面积;f表示所述车联网车辆的滚动阻力系数;Mi表示所述车联网车辆i的质量;g表示所述车联网车辆的重力加速度;θ表示所述车道的路面坡度;ai(t)表示t时刻考虑驾驶员操纵误差后所述车联网车辆i的实际加速度;ai,exp(t)表示优化控制过程中所述车联网车辆i的期望加速度;ai,err(t)表示驾驶员操纵所述车联网车辆i的操纵误差。
可选地,所述方法还包括:当所述车辆队列所在的车道前方存在未编入所述车辆队列的车辆或当所述车辆队列所在的车道前方存在非网联车辆,利用预设车辆跟驰模型计算所述车辆队列中的所述车联网车辆在同一绿灯相位间隔内的最大跟车速度。
可选地,当所述车联网车辆不能编入所述车辆队列或当所述车联网车辆所在的车道前方不存在所述车辆队列,根据所述车联网车辆的可行驶车速范围对所述车联网车辆的行驶速度进行优化控制,包括:获取所述车联网车辆的当前行驶速度;将所述当前行驶速度与所述车联网车辆的可行驶车速范围进行比对;当所述当前行驶速度小于所述可行驶车速范围对应的最小可行驶车速,对所述车联网车辆发送加速行驶控制指令并控制所述车联网车辆加速行驶;当所述当前行驶速度大于所述可行驶车速范围对应的最大可行驶车速,对所述车联网车辆发送减速行驶控制指令并控制所述车联网车辆减速行驶。
本发明实施例第二方面提供一种车辆驾驶优化控制装置,该车辆驾驶优化控制装置包括:第一判断模块,用于当检测到车辆进入智能网联车辆控制区,判断所述车辆的类型;第二判断模块,用于当所述车辆为人工辅助驾驶的车联网车辆,判断所述车联网车辆所在的车道前方是否存在车辆队列;第三判断模块,用于当所述车联网车辆所在的车道前方存在车辆队列,根据所述车辆队列的队列长度以及所述车联网车辆的可行驶车速范围判断所述车联网车辆是否能编入所述车辆队列;控制模块,用于当所述车联网车辆能编入所述车辆队列,利用预设轨迹优化算法对新的车辆队列中的所述车联网车辆进行优化控制。
本发明实施例第三方面提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行如本发明实施例第一方面及第一方面任一项所述的车辆驾驶优化控制方法。
本发明实施例第四方面提供一种电子设备,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行如本发明实施例第一方面及第一方面任一项所述的车辆驾驶优化控制方法。
本发明提供的技术方案,具有如下效果:
本发明实施例提供的车辆驾驶优化控制方法,当检测到车辆进入智能网联车辆控制区,判断所述车辆的类型;当所述车辆为人工辅助驾驶的车联网车辆,判断所述车联网车辆所在的车道前方是否存在车辆队列;当所述车联网车辆所在的车道前方存在车辆队列,根据所述车辆队列的队列长度以及所述车联网车辆的可行驶车速范围判断所述车联网车辆是否能编入所述车辆队列;当所述车联网车辆能编入所述车辆队列,利用预设轨迹优化算法对新的车辆队列中的所述车联网车辆进行优化控制,实现了混合交通流下的车辆驾驶优化控制,并且通过优化控制降低了通过交叉路口车辆的能耗。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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是根据本发明实施例的车辆驾驶优化控制方法的流程图;
图2是根据本发明实施例的车辆驾驶优化控制装置的结构框图;
图3是根据本发明实施例提供的计算机可读存储介质的结构示意图;
图4是根据本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供一种车辆驾驶优化控制方法,如图1所示,该方法包括如下步骤:
步骤S101:当检测到车辆进入智能网联车辆控制区,判断所述车辆的类型。具体地,在道路交叉口设置有智能网联车辆汽车云控系统;智能网联车辆控制区即为该智能网联车辆汽车云控系统可覆盖的交叉路口区域,当有车辆进入该智能网联车辆控制区对该车辆的类型进行判断。其中,车辆类型可以包括智能网联汽车、需要人工辅助驾驶的车联网汽车以及非网联汽车等。
步骤S102:当所述车辆为人工辅助驾驶的车联网车辆,判断所述车联网车辆所在的车道前方是否存在车辆队列。具体地,人工辅助驾驶的车联网车辆表示一种同智能网联汽车一样,可以接收云端发送的控制信息但是需要人工辅助驾驶的网联汽车。当有人工辅助驾驶的车联网车辆进入该智能网联车辆控制区时,判断该车联网车辆所在的车道前面是否有已经存在的车辆队列。
步骤S103:当所述车联网车辆所在的车道前方存在车辆队列,根据所述车辆队列的队列长度以及所述车联网车辆的可行驶车速范围判断所述车联网车辆是否能编入所述车辆队列。具体地,当该车联网车辆所在的车道前面已经存在对应的车辆队列时,判断是否将该车联网车辆编入该车辆队列中进行优化控制;
首先,可以根据车辆队列中存在的车辆数量确定当前车辆队列是否已经处于饱和状态,若还未饱和,则表明可以在该车辆队列的队尾处添加新的车联网车辆;若已经饱和,则表明该车辆队列中无法再添加新的车辆。
然后,当可以在该车辆队列的队尾处添加新的车联网车辆时,为降低添加误差,可以进一步判定当前车联网车辆是否可以与该车辆队列在同一信号灯相位内通过当前交叉路口,具体地,当前车联网车辆以当前速度行驶时,可以与该车辆队列在同一信号灯相位内通过当前交叉路口,则可以在该车辆队列的队尾处添加新的车联网车辆;否则,不能在该车辆队列的队尾处添加新的车联网车辆。
步骤S104:当所述车联网车辆能编入所述车辆队列,利用预设轨迹优化算法对新的车辆队列中的所述车联网车辆进行优化控制。具体地,将该车联网车辆编入对应的车辆队列后,利用预设轨迹优化算法进行优化控制。其中,预设轨迹优化算法可以为二次规划算法、神经网络遗传算法、安全多方计算方法(SMPC)等,本发明对此不做具体限定,只要满足需求即可。
本发明实施例提供的车辆驾驶优化控制方法,实现了混合交通流下的车辆驾驶优化控制,并且通过优化控制降低了通过交叉路口车辆的能耗。
作为本发明实施例一种可选的实施方式,所述方法还包括:当车辆为智能网联车辆,将智能网联车辆作为一个新的车辆队列的第一辆车并利用预设轨迹优化算法对智能网联车辆进行优化控制。具体地,智能网联车辆是车联网与智能车的有机联合,搭载了先进的车载传感器、控制器、执行器等装置,并融合现代通信与网络技术,可以实现车辆与云端的智能信息交换共享,完全按照云端的指令行驶,因此,不会受到驾驶员的操作误差以及不同驾驶风格带来的影响,可以完全按照最优轨迹来进行驾驶;因此,当进入智能网联车辆控制区的车辆为一智能网联车辆时,无需考虑当前车道中是否存在车辆队列,可以直接将该智能网联车辆作为一个新的车辆队列的头车,并根据预设轨迹优化算法得到的最优轨迹在云端直接对该智能网联车辆进行优化控制,实现燃油经济性。
作为本发明实施例一种可选的实施方式,所述方法还包括:当所述车联网车辆不能编入所述车辆队列或当所述车联网车辆所在的车道前方不存在所述车辆队列,根据所述车联网车辆的可行驶车速范围对所述车联网车辆的行驶速度进行优化控制。具体地,车联网车辆所在的车道前方不存在车辆队列包括以下情况:
(1)车联网车辆所在的车道前方不存在已经形成的车辆队列;
(2)车联网车辆所在的车道前方存在已经形成的车辆队列,但是该车辆队列与该车联网车辆中间存在单独的某一个车辆(可以为智能网联车辆、车联网车辆或非网联车辆中的任意一个)。
当车联网车辆不能编入车辆队列,或者车联网车辆所在的车道前方不存在车辆队列时,仅对该车联网车辆的行驶速度进行优化控制。具体地,根据车联网车辆的可行驶车速范围中的最小可行驶车速和最大可行驶车速实现。
首先,获取该车联网车辆的当前行驶速度,其次,将该行驶速度与该可行驶车速范围进行比对。最后,根据比对结果完成对该车联网车辆的行驶速度的优化控制。
具体地,当该行驶速度小于该最小可行驶车速时,此时该车联网车辆需要加速行驶,即云端发送加速行驶控制指令至该车联网车辆并控制该车联网车辆加速行驶;当该行驶速度大于该最大可行驶车速时,此时该车联网车辆需要减速行驶,即云端发送减速行驶控制指令至该车联网车辆并控制该车联网车辆减速行驶。
作为本发明实施例一种可选的实施方式,步骤S103包括:根据车联网车辆的可行驶车速范围判断车联网车辆是否能与车辆队列中其他车辆在同一绿灯相位内通过停止线;根据车联网车辆的可行驶车速范围计算车辆队列的最大队列长度并将车辆队列的队列长度与车辆队列的最大队列长度进行比对;根据比对结果和判断结果判断车联网车辆是否能编入所述车辆队列。
首先,通过下式计算该车联网车辆的可行驶车速范围:
其中,表示车联网车辆i的最大可行驶车速;表示车联网车辆i的最小可行驶车速;di(t)表示位于车辆队列中队首位置的车辆距离当前车道对应的交叉路口停止线的距离;C表示当前车道对应的交叉路口的信号灯循环次数的计数;k表示时刻t在当前信号灯周期中对应的时刻;Tall表示信号灯对应的一个周期时长;Tgreen表示信号灯对应的一个周期时长中绿灯的时长;Tred表示信号灯对应的一个周期时长中红灯的时长。
其次,利用公式(1)、(2)中的C验证该车联网车辆是否能与车辆队列中其他车辆在同一绿灯相位内通过停止线。具体地,当取相同C值计算出的速度上限大于vmax时,说明该车联网车辆无法同该车辆队列一同通过当前交叉路口,即无法在同一绿灯相位内通过停止线,否则,可以在同一绿灯相位内通过停止线。其中,C的取值要使得计算得到的可行驶车速范围满足[0,vmax]。
然后,计算该车辆队列的最大队列长度。
具体地,首先,通过下式计算该车辆队列内的期望间距:
式中,gexp表示期望间距;l表示车辆队列中车辆的平均长度;V1、V2、C1、C2表示最优速度模型中的标定参数,比如,在一实例中,可以为:V1=6.75,V2=7.91,C1=0.13,C2=1.57;其中,最优速度模型为一类跟车模型,主要根据自车与前车的相对速度与相对距离计算自车的期望速度,在本发明中利用该最优速度模型的变形根据可行驶车速范围计算车辆队列内部的期望车间距。
然后,根据该期望间距通过下式计算该车辆队列内的最大队列长度:
式中,Qmax表示最大队列长度。
最后,将该车辆队列的队列长度与该最大队列长度进行比对并根据比对结果和上述车联网车辆是否能与车辆队列中其他车辆在同一绿灯相位内通过停止线对应的判断结果判断该车联网车辆是否能编入该车辆队列。
具体地,当该车辆队列的队列长度大于该最大队列长度,不能将该车联网车辆编入该车辆队列;
当该车辆队列的队列长度小于该最大队列长度时,若该车联网车辆可以同该车辆队列在同一绿灯相位内通过停止线,则可以将该车联网车辆编入该车辆队列;若该车联网车辆无法同该车辆队列在同一绿灯相位内通过停止线,则该车联网车辆不能编入该车辆队列。
作为本发明实施例一种可选的实施方式,步骤S104,包括:获取车联网车辆对应的预设纵向动力学模型;根据预设纵向动力学模型确定车联网车辆的实际加速度;根据车联网车辆的实际加速度构建得到对应的目标控制模型;根据目标控制模型对车联网车辆进行优化控制。
具体地,在当前交叉路口控制范围内,车辆不进行变道行为,因此,只考虑车辆的纵向行为。
首先,根据下式为车辆队列中的车辆构建对应的纵向动力学模型:
式中:xi(t)表示t时刻所述车联网车辆i在所述车道中的纵向位置;vi(t)表示t时刻所述车联网车辆i的速度;α=0.5ρaCDAf,ρa表示空气密度;CD表示空气阻力系数;Af表示所述车联网车辆的迎风面积;f表示所述车联网车辆的滚动阻力系数;Mi表示所述车联网车辆i的质量;g表示所述车联网车辆的重力加速度;θ表示所述车道的路面坡度;ai(t)表示t时刻考虑驾驶员操纵误差后所述车联网车辆i的实际加速度;ai,exp(t)表示优化控制过程中所述车联网车辆i的期望加速度;ai,err(t)表示驾驶员操纵所述车联网车辆i的操纵误差,为驾驶员根据最优速度序列采取的加速度与模型计算所得的最优控制量之间的误差,可以利用驾驶模拟器等方法使用实际数据统计得到。
具体地,该误差具有马尔可夫性,即下一时刻的误差仅与当前时刻的误差有关,将驾驶员的操纵误差离散化后,可以采用状态转移矩阵描述驾驶员操纵误差的变化规律,如下述公式(6)所示。当Ne为9时,1到9级可分别对应驾驶员操纵误差为:-0.4,-0.3,-0.2,-0.1,0,0.1,0.2,0.3,0.4。分级数可根据实际情况进行修改。
式中:τij表示驾驶行为从i状态转移到j状态的概率;Ne表示对驾驶员操纵误差的分级级数。
其次,考虑车辆在行驶过程中的瞬时功率,具体的计算方法如下述公式(7)所示:
式中:Pi(t)表示瞬时功率;b表示轴承阻力系数;Rt表示车辆轮胎半径;r表示电枢阻值;K=Kaφd,Ka表示电枢常数,φd表示磁通量;η表示制动能力回收系统的转换效率;Pe表示车辆上其他电子器件的功率,如空调等。
通过对车辆的优化控制可以降低车辆通过交叉路口时的能耗,因此,将优化目标确定为最小化车队总能耗,如下述公式(8)所示:
式中:NQ表示车辆队列的队列长度;tf表示车辆驶离智能网联车辆控制区的时间;Δt表示纵向动力学模型计算的时间间隔;vmin表示当前车道的最低限速;vmax表示当前车道的最高限速;amin表示实际最小加速度;amax表示实际最大加速度。
最后,基于上述优化目标,根据该车联网车辆的实际加速度构建得到对应的目标控制模型。
具体地,首先,根据下述公式(9)对该纵向动力学模型进行离散化处理:
由于车联网车辆实际由驾驶员控制,对最优速度序列的跟踪存在一定的操纵误差,使用一般形式的MPC控制难以对驾驶员的操纵误差进行建模,导致纵向动力学模型计算的最优控制序列在实际使用中结果存在一定偏差。因此,在本发明中采用随机MPC(SMPC)模型,该模型可以在有限时域内对考虑随机因素及其概率分布,从而提高对具有随机机会约束输入系统的控制效果。
具体地,目标控制模型如下式所示:
其中,该模型的约束条件为:
然后,根据公式(6),可以计算得出一定时间内(比如,t到t+1),驾驶员操纵误差分级由e0变为el的过程中每条路径状态转移可能经过的节点所对应的概率(ps)。具体的计算公式如下述公式(12)所示:
其中,ei表示在t+i时刻的驾驶员操纵误差经离散化后对应的分级。
根据该计算得到的概率即可得到最优轨迹,并通过云端发送至该车联网车辆,完成对该车辆队列中的车联网车辆的优化控制。
作为本发明实施例一种可选的实施方式,所述方法还包括:当所述车辆队列所在的车道前方存在未编入所述车辆队列的车辆或当所述车辆队列所在的车道前方存在非网联车辆,利用预设车辆跟驰模型计算所述车辆队列中的所述车联网车辆在同一绿灯相位间隔内的最大跟车速度。
具体地,当该车辆队列所在的车道前方存在未编入车辆队列的车辆,或者当该车辆队列所在的车道前方存在非网联车辆,此时,在对该车辆队列中的车辆进行优化控制时,还需要控制对应的行驶速度小于最大安全跟车速度。
其中,使用预设车辆跟驰模型(krauss模型)计算该最大安全跟车速度:
式中:vf表示最大安全跟车速度;vl表示前车的行驶速度;τ表示驾驶员反应时间;g表示当前车辆与前车的间距。
本发明实施例还提供一种车辆驾驶优化控制装置,如图2所示,该装置包括:
第一判断模块201,用于当检测到车辆进入智能网联车辆控制区,判断所述车辆的类型;详细内容参见上述方法实施例中步骤S101的相关描述。
第二判断模块202,用于当所述车辆为人工辅助驾驶的车联网车辆,判断所述车联网车辆所在的车道前方是否存在车辆队列;详细内容参见上述方法实施例中步骤S102的相关描述。
第三判断模块203,用于当所述车联网车辆所在的车道前方存在车辆队列,根据所述车辆队列的队列长度以及所述车联网车辆的可行驶车速范围判断所述车联网车辆是否能编入所述车辆队列;详细内容参见上述方法实施例中步骤S103的相关描述。
控制模块204,用于当所述车联网车辆能编入所述车辆队列,利用预设轨迹优化算法对新的车辆队列中的所述车联网车辆进行优化控制;详细内容参见上述方法实施例中步骤S104的相关描述。
本发明实施例提供的车辆驾驶优化控制装置,实现了混合交通流下的车辆驾驶优化控制,并且通过优化控制降低了通过交叉路口车辆的能耗。
作为本发明实施例一种可选的实施方式,所述装置还包括:第一控制模块,用于当所述车辆为智能网联车辆,将所述智能网联车辆作为一个新的车辆队列的第一辆车并利用所述预设轨迹优化算法对所述智能网联车辆进行优化控制。
作为本发明实施例一种可选的实施方式,所述装置还包括:第二控制模块,用于当所述车联网车辆不能编入所述车辆队列或当所述车联网车辆所在的车道前方不存在所述车辆队列,根据所述车联网车辆的可行驶车速范围对所述车联网车辆的行驶速度进行优化控制。
作为本发明实施例一种可选的实施方式,所述第三判断模块包括:第一判断子模块,用于根据所述车联网车辆的可行驶车速范围判断所述车联网车辆是否能与所述车辆队列中其他车辆在同一绿灯相位内通过停止线;第一处理子模块,用于根据所述车联网车辆的可行驶车速范围计算所述车辆队列的最大队列长度并将所述车辆队列的队列长度与所述车辆队列的最大队列长度进行比对;第二判断子模块,用于根据队列长度比对结果以及是否能在同一绿灯相位内通过停止线的判断结果判断所述车联网车辆是否能编入所述车辆队列。
作为本发明实施例一种可选的实施方式,所述控制模块包括:第一获取子模块,用于获取所述车联网车辆对应的预设纵向动力学模型;第一确定子模块,用于根据所述预设纵向动力学模型确定所述车联网车辆的实际加速度;第一构建子模块,用于根据所述车联网车辆的实际加速度构建得到对应的目标控制模型;第一控制子模块,用于根据所述目标控制模型对所述车联网车辆进行优化控制。
作为本发明实施例一种可选的实施方式,所述预设纵向动力学模型如下式所示:
式中:xi(t)表示t时刻所述车联网车辆i在所述车道中的纵向位置;vi(t)表示t时刻所述车联网车辆i的速度;α=0.5ρaCDAf,ρa表示空气密度;CD表示空气阻力系数;Af表示所述车联网车辆的迎风面积;f表示所述车联网车辆的滚动阻力系数;Mi表示所述车联网车辆i的质量;g表示所述车联网车辆的重力加速度;θ表示所述车道的路面坡度;ai(t)表示t时刻考虑驾驶员操纵误差后所述车联网车辆i的实际加速度;ai,exp(t)表示优化控制过程中所述车联网车辆i的期望加速度;ai,err(t)表示驾驶员操纵所述车联网车辆i的操纵误差。
作为本发明实施例一种可选的实施方式,所述装置还包括:计算模块,用于当所述车辆队列所在的车道前方存在未编入所述车辆队列的车辆或当所述车辆队列所在的车道前方存在非网联车辆,利用预设车辆跟驰模型计算所述车辆队列中的所述车联网车辆在同一绿灯相位间隔内的最大跟车速度。
作为本发明实施例一种可选的实施方式,所述第二控制模块包括:第二获取子模块,用于获取所述车联网车辆的当前行驶速度;第一比对子模块,用于将所述当前行驶速度与所述车联网车辆的可行驶车速范围进行比对;第二控制子模块,用于当所述当前行驶速度小于所述可行驶车速范围对应的最小可行驶车速,对所述车联网车辆发送加速行驶控制指令并控制所述车联网车辆加速行驶;第三控制子模块,用于当所述当前行驶速度大于所述可行驶车速范围对应的最大可行驶车速,对所述车联网车辆发送减速行驶控制指令并控制所述车联网车辆减速行驶。
本发明实施例提供的车辆驾驶优化控制装置的功能描述详细参见上述实施例中车辆驾驶优化控制方法描述。
本发明实施例还提供一种存储介质,如图3所示,其上存储有计算机程序301,该指令被处理器执行时实现上述实施例中车辆驾驶优化控制方法的步骤。该存储介质上还存储有音视频流数据,特征帧数据、交互请求信令、加密数据以及预设数据大小等。其中,存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(RandomAccess Memory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random AccessMemory,RAM)、快闪存储器(FlashMemory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
本发明实施例还提供了一种电子设备,如图4所示,该电子设备可以包括处理器41和存储器42,其中处理器41和存储器42可以通过总线或者其他方式连接,图4中以通过总线连接为例。
处理器41可以为中央处理器(Central Processing Unit,CPU)。处理器41还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器42作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明实施例中的对应的程序指令/模块。处理器41通过运行存储在存储器42中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的车辆驾驶优化控制方法。
存储器42可以包括存储程序区和存储数据区,其中,存储程序区可存储操作装置、至少一个功能所需要的应用程序;存储数据区可存储处理器41所创建的数据等。此外,存储器42可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器42可选包括相对于处理器41远程设置的存储器,这些远程存储器可以通过网络连接至处理器41。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器42中,当被所述处理器41执行时,执行如图1所示实施例中的车辆驾驶优化控制方法。
上述电子设备具体细节可以对应参阅图1所示的实施例中对应的相关描述和效果进行理解,此处不再赘述。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (11)
1.一种车辆驾驶优化控制方法,其特征在于,包括如下步骤:
当检测到车辆进入智能网联车辆控制区,判断所述车辆的类型;
当所述车辆为人工辅助驾驶的车联网车辆,判断所述车联网车辆所在的车道前方是否存在车辆队列;
当所述车联网车辆所在的车道前方存在车辆队列,根据所述车辆队列的队列长度以及所述车联网车辆的可行驶车速范围判断所述车联网车辆是否能编入所述车辆队列;
当所述车联网车辆能编入所述车辆队列,利用预设轨迹优化算法对新的车辆队列中的所述车联网车辆进行优化控制。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当所述车辆为智能网联车辆,将所述智能网联车辆作为一个新的车辆队列的第一辆车并利用所述预设轨迹优化算法对所述智能网联车辆进行优化控制。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当所述车联网车辆不能编入所述车辆队列或当所述车联网车辆所在的车道前方不存在所述车辆队列,根据所述车联网车辆的可行驶车速范围对所述车联网车辆的行驶速度进行优化控制。
4.根据权利要求1所述的方法,其特征在于,当所述车联网车辆所在的车道前方存在车辆队列,根据所述车辆队列的队列长度以及所述车联网车辆的可行驶车速范围判断所述车联网车辆是否能编入所述车辆队列,包括:
根据所述车联网车辆的可行驶车速范围判断所述车联网车辆是否能与所述车辆队列中其他车辆在同一绿灯相位内通过停止线;
根据所述车联网车辆的可行驶车速范围计算所述车辆队列的最大队列长度并将所述车辆队列的队列长度与所述车辆队列的最大队列长度进行比对;
根据队列长度比对结果以及是否能在同一绿灯相位内通过停止线的判断结果判断所述车联网车辆是否能编入所述车辆队列。
5.根据权利要求1所述的方法,其特征在于,当所述车联网车辆能编入所述车辆队列,利用预设轨迹优化算法对新的车辆队列中的所述车联网车辆进行优化控制,包括:
获取所述车联网车辆对应的预设纵向动力学模型;
根据所述预设纵向动力学模型确定所述车联网车辆的实际加速度;
根据所述车联网车辆的实际加速度构建得到对应的目标控制模型;
根据所述目标控制模型对所述车联网车辆进行优化控制。
6.根据权利要求5所述的方法,其特征在于,所述预设纵向动力学模型如下式所示:
式中:xi(t)表示t时刻所述车联网车辆i在所述车道中的纵向位置;vi(t)表示t时刻所述车联网车辆i的速度;α=0.5ρaCDAf,ρa表示空气密度;CD表示空气阻力系数;Af表示所述车联网车辆的迎风面积;f表示所述车联网车辆的滚动阻力系数;Mi表示所述车联网车辆i的质量;g表示所述车联网车辆的重力加速度;θ表示所述车道的路面坡度;ai(t)表示t时刻考虑驾驶员操纵误差后所述车联网车辆i的实际加速度;ai,exp(t)表示优化控制过程中所述车联网车辆i的期望加速度;ai,err(t)表示驾驶员操纵所述车联网车辆i的操纵误差。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当所述车辆队列所在的车道前方存在未编入所述车辆队列的车辆或当所述车辆队列所在的车道前方存在非网联车辆,利用预设车辆跟驰模型计算所述车辆队列中的所述车联网车辆在同一绿灯相位间隔内的最大跟车速度。
8.根据权利要求3所述的方法,其特征在于,当所述车联网车辆不能编入所述车辆队列或当所述车联网车辆所在的车道前方不存在所述车辆队列,根据所述车联网车辆的可行驶车速范围对所述车联网车辆的行驶速度进行优化控制,包括:
获取所述车联网车辆的当前行驶速度;
将所述当前行驶速度与所述车联网车辆的可行驶车速范围进行比对;
当所述当前行驶速度小于所述可行驶车速范围对应的最小可行驶车速,对所述车联网车辆发送加速行驶控制指令并控制所述车联网车辆加速行驶;
当所述当前行驶速度大于所述可行驶车速范围对应的最大可行驶车速,对所述车联网车辆发送减速行驶控制指令并控制所述车联网车辆减速行驶。
9.一种车辆驾驶优化控制装置,其特征在于,包括:
第一判断模块,用于当检测到车辆进入智能网联车辆控制区,判断所述车辆的类型;
第二判断模块,用于当所述车辆为人工辅助驾驶的车联网车辆,判断所述车联网车辆所在的车道前方是否存在车辆队列;
第三判断模块,用于当所述车联网车辆所在的车道前方存在车辆队列,根据所述车辆队列的队列长度以及所述车联网车辆的可行驶车速范围判断所述车联网车辆是否能编入所述车辆队列;
控制模块,用于当所述车联网车辆能编入所述车辆队列,利用预设轨迹优化算法对新的车辆队列中的所述车联网车辆进行优化控制。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行如权利要求1-8任一项所述的车辆驾驶优化控制方法。
11.一种电子设备,其特征在于,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行如权利要求1-8任一项所述的车辆驾驶优化控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211043925.5A CN115257760A (zh) | 2022-08-29 | 2022-08-29 | 一种车辆驾驶优化控制方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211043925.5A CN115257760A (zh) | 2022-08-29 | 2022-08-29 | 一种车辆驾驶优化控制方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115257760A true CN115257760A (zh) | 2022-11-01 |
Family
ID=83755498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211043925.5A Pending CN115257760A (zh) | 2022-08-29 | 2022-08-29 | 一种车辆驾驶优化控制方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115257760A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116030645A (zh) * | 2023-01-17 | 2023-04-28 | 东南大学 | 信号交叉口混合交通流环境车辆轨迹与信号协调控制方法 |
-
2022
- 2022-08-29 CN CN202211043925.5A patent/CN115257760A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116030645A (zh) * | 2023-01-17 | 2023-04-28 | 东南大学 | 信号交叉口混合交通流环境车辆轨迹与信号协调控制方法 |
CN116030645B (zh) * | 2023-01-17 | 2023-11-28 | 东南大学 | 信号交叉口混合交通流环境车辆轨迹与信号协调控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112498366B (zh) | 自动驾驶车辆、控制方法、装置、设备及存储介质 | |
US10297151B2 (en) | Traffic lights control for fuel efficiency | |
Yu et al. | Consensus and optimal speed advisory model for mixed traffic at an isolated signalized intersection | |
WO2021098222A1 (zh) | 一种车辆行驶控制方法及相关设备 | |
CN113788021B (zh) | 一种结合前车速度预测的自适应跟车巡航控制方法 | |
CN104010861B (zh) | 用于确定至少一个参考值的方法和模块 | |
CN111332283B (zh) | 用于控制机动车的方法和系统 | |
CN113312732B (zh) | 一种结合预先决策与动态调整的无信控交叉口仿真控制方法及装置 | |
Qi et al. | Connected cooperative ecodriving system considering human driver error | |
Zhang et al. | Data-driven based cruise control of connected and automated vehicles under cyber-physical system framework | |
CN112660126B (zh) | 用于自适应巡航的车辆协同控制方法、装置及车辆 | |
Hu et al. | Cut through traffic to catch green light: Eco approach with overtaking capability | |
CN111464972A (zh) | 经优先级排序的车辆消息传递 | |
CN113165650A (zh) | 根据速度设定值来调节转弯中的车辆速度的调节 | |
CN113593275B (zh) | 一种基于公交信号优先的交叉口网联自动驾驶方法 | |
CN113313949A (zh) | 一种高速公路出口匝道客货车协同控制方法、装置和设备 | |
CN115257760A (zh) | 一种车辆驾驶优化控制方法、装置、存储介质及电子设备 | |
CN113511203B (zh) | 车辆编队跟驰行驶控制方法、系统、设备及存储介质 | |
Pan et al. | Optimal motion control for connected and automated electric vehicles at signal-free intersections | |
Cheng et al. | Enhancing mixed traffic flow safety via connected and autonomous vehicle trajectory planning with a reinforcement learning approach | |
Kaku et al. | Model predictive control for ecological vehicle synchronized driving considering varying aerodynamic drag and road shape information | |
Zhang et al. | An eco-cruise control for electric vehicles moving on slope road with constant speed | |
CN114537420B (zh) | 一种基于动态规划的城市快速公交节能驾驶控制方法 | |
CN113611132B (zh) | 一种基于车路协同系统的饱和单路口公交信号控制方法 | |
CN114783175A (zh) | 基于伪谱法的多信号灯路况下网联车辆节能驾驶控制方法 |
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 |