CN115472032B - 一种高速公路匝道合流区车辆自动换道决策系统及方法 - Google Patents

Abstract

本发明提出了一种高速公路匝道合流区车辆自动换道决策系统及方法。本发明包括换道决策系统。本发明车联网信息平台与车载设备实时采集交通信息数据；通过实时采集到的交通信息数据实时计算特征数据；通过实时采集数据和计算的实时特征数据计算自动驾驶车辆实时行程时间和自动驾驶车辆退出实时概率；通过动驾驶车辆行程时间和动驾驶车辆退出概率建立自动驾驶车辆退出点决策实时函数；将自动驾驶车辆退出点决策实时函数最大化作为优化目标,构建约束条件，使用粒子群算法求解最优退出决策点，在最优退出决策点执行换道。本发明降低危险换道行为引起的交通安全事故发生率，使得车辆更安全的换道退出匝道。

Description

一种高速公路匝道合流区车辆自动换道决策系统及方法

技术领域

本发明涉及智能交通控制领域，具体为一种高速公路匝道合流区车辆自动换道决策系统及方法。

背景技术

近年来，自动化车辆在全世界引起了极大的关注。自动驾驶汽车被认为在提高交通安全、缓解交通拥堵、提高交通流稳定性、减少交通污染等方面具有巨大的潜力。业界和研究界认为AVs可能在未来几十年内快速发展。其中，通行安全和效率是交通系统所追求的2个终极目标。为了防止人为错误造成的事故，高级驾驶辅助系统在自动驾驶领域已经发展了10多年。高速公路匝道出口决策点的位置对自动车辆的安全性和效率有着重要的影响。根据调查显示，每年在高速匝道发生的交通事故占总事故的30％以上，通常事故的发生都是由于车辆进入匝道不正规行驶引起的。对于自动驾驶车辆而言，如果变道位置离出口匝道太近，CAV可能无法成功退出，甚至可能与其他车辆相撞。如果决策点离出口匝道太远，CAV会过早进入慢车道，增加行驶时间。然而，在现有的理论方法中，有两个领域与高速公路出口位置决策问题有关。第一个是AVs的强制换道决策，它试图决定目标车道对于换道是否安全，何时/何处执行换道，以及目标车道上的间隙是否可以接受，这是高速公路出口位置决策问题的一部分。第二个是在高速公路的交织段为人类驾驶员提供换道咨询，旨在通过向驾驶员建议换道位置来减少交通延迟，旨在控制所有车辆以提高交通效率，但不为单个车辆做出换道决定。虽然这两个问题与本文中的问题相似，但它们有显著的不同，现有研究中提出的方法不能应用于解决AVs的高速公路出口决策位置问题。

发明内容

为解决上述技术问题，本发明提供了一种高速公路匝道合流区车辆自动换道决策系统及方法。

所述高速公路匝道合流区车辆自动换道决策系统包括：云端服务器、汽车微机控制器、距离传感器、速度传感器、GPS定位器、车载显示器、路基信号接收器、路基信号发射器、云端无线传输模块、车联网信息平台；

所述的汽车微机控制器分别与所述的距离传感器、速度传感器、GPS定位器、车载显示器、路基信号接收器、云端无线传输模块依次连接；所述云端无线传输模块与所述云端服务器通过无线通信方式连接；所述路基信号接收器与所述路基信号发射器通过无线通信方式连接；所述车联网信息平台与所述云端服务器通过无线通信方式连接；

所述的汽车微机控制器安装在车辆上，用于整合从所述的速度传感器、距离传感器、路基信号接收器采集的信息，用于读取所述云端服务器发送的指令并执行指令；

所述的云端服务器用于储存、共享、收集从车辆上所述的距离传感器、速度传感器、路基信号接收器获取的车辆实时行驶数据，并对收集的车辆实时行驶数据进行综合处理分析，得出车辆在不同道路类型下的习惯惯性行驶数据，驾驶员对事故反应时长和车辆在不同道路下的刹车时长和距离；根据当前采集的车辆实时行驶数据，判断车辆行驶是否存在威胁，对司机做出提示和警告，辅助车辆更加安全的行驶；

所述的云端无线传输模块安装在车辆上，用于将车辆行驶数据上传至所述云端服务器，接收所述云端服务器的数据及指令；

所述的距离传感器安装于车辆前端中部保险杆处，用于探测车辆的跟车距离；

所述的速度传感器安装在变速器输出轴上用于获取车辆行驶速度；

所述的GPS定位器安装在车底底盘用于获取车辆经纬度；

所述的车载显示器安装在汽车中控台中部，用于向驾驶员提供信息，并以声音、文字图像形式表式；

所述的路基信号发射器设置在道路上并沿路铺设，用于向车辆提供道路类型；

所述的路基信号接收器安装在车辆前方左右探照灯上部处，用于接收路基信号发射器提供的道路类型。

所述高速公路匝道合流区车辆自动换道决策方法，包括以下步骤：

步骤1：车联网信息平台与车载设备实时采集交通信息数据：所述的汽车微机控制器通过所述速度传感器采集实时车辆速度，将实时车辆速度通过所述云端无线传输模块无线上传至所述云端服务器，所述云端服务器对实时车辆速度进行预处理得到预处理后实时车辆速度；所述的汽车微机控制器通过所述GPS定位器获得实时车辆位置，将实时车辆位置通过所述云端无线传输模块无线上传至所述云端服务器；所述的汽车微机控制器通过所述路基信号接收器无线接收所述路基信号发射器无线发射的实时道路类型，将实时获取道路类型通过所述云端无线传输模块无线上传至所述云端服务器；所述车联网信息平台将实时驶出匝道出口的平均速度无线传输至所述云端服务器；

步骤2：通过实时采集到的交通信息数据实时计算特征数据：通过实时车辆位置、实时道路类型计算自动驾驶车辆到匝道出口的实时距离以及自动驾驶车辆右侧离车道交汇线的实时横向距离；通过实时道路类型计算得到车道宽度；计算车辆在执行换道的时间、车辆在原车道搜索安全换道间隙的时间、车辆在目标车道上的行驶的时间、车辆行驶的最大时间、车辆行驶的最小时间、安全车头时距、在剩余距离中自动驾驶车辆在目标车道上遇到的间隙的数量特征数据：

步骤3：通过实时采集数据和计算的实时特征数据计算自动驾驶车辆实时行程时间和自动驾驶车辆退出实时概率：通过车辆在执行换道的时间、车辆在原车道搜索安全换道间隙的实时时间、车辆在目标车道上的行驶的实时时间、车辆行驶的实时最大时间、车辆行驶的实时最小时间计算自动驾驶车辆实时行程时间；通过实时安全车头时距、在剩余距离中自动驾驶车辆在目标车道上可以遇到的间隙的实时数量计算自动驾驶车辆退出实时概率；

步骤4：通过动驾驶车辆行程时间和动驾驶车辆退出概率建立自动驾驶车辆退出点决策实时函数；

步骤5：将自动驾驶车辆退出点决策实时函数最大化作为优化目标,构建约束条件，使用粒子群算法求解最优退出决策点，在最优退出决策点执行换道。

作为优选，步骤1中所述对车辆的速度进行预处理为：

将实时采集车辆速度进行无效值处理,若v_i为空值或缺失，则令v_i＝0；

步骤1所述的预处理后实时车辆速度为：v_i,i∈[1,N]

其中，N为采集时刻的数量，v_i表示预处理后第i个采集时刻的车辆速度；

步骤1所述实时车辆位置，定义为：x_i，y_i,i∈[1,N]

其中，N为采集时刻的数量，x_i表示第i个采集时刻的车辆纵向坐标，y_i表示第i个采集时刻的车辆横向坐标；

步骤1所述实时道路类型为：w_i,i∈[1,N]

其中，N为采集时刻的数量，w_i表示第i个采集时刻的道路类型；

步骤1所述第i个采集时刻目标车道上驶出匝道出口的平均速度，具体定义为：V_i,i∈[1,N]

其中，N为采集时刻的数量，V_i表示第i个采集时刻的驶出匝道出口的平均速度。

作为优选，步骤2所述计算自动驾驶车辆到匝道出口的实时距离为：

S_i,max＝X-x_i,max

其中，S_i,max为第i个采集时刻车辆开始间隙搜索时到出口纵向距离，X为匝道出口的纵向坐标，x_i,max为第i个采集时刻车辆开始间隙搜索时到出口纵向坐标；

步骤2所述计算自动驾驶车辆右侧离车道交汇线的实时横向距离为：

W_i＝Y-y_i,max

其中，W_i为第i个采集时刻车辆右前参考点离车道交汇线的实时距离，Y为车辆所在车道右侧的车道线的横向坐标，y_i,max为第i个采集时刻车辆开始间隙搜索时到出口横向坐标；

步骤2所述计算车辆在执行换道的时间为：

其中，t_c为车辆在执行换道的时间，a_{y max}为车辆横向换道时的横向加速度峰值，D为车道宽度；

步骤2所述计算车辆在原车道搜索安全换道间隙的实时时间为：

其中，t_i,ss为车辆在原车道搜索安全换道间隙的实时时间，S_i,max为第i个采集时刻车辆开始间隙搜索时到出口纵向距离，S为退出决策点到出口纵向距离，v_i为预处理后第i个采集时刻的车辆行驶速度；

步骤2所述计算车辆在目标车道上的行驶的实时时间为：

其中，t_i,cf为车辆在目标车道上的行驶的第i个采集时刻，S为退出决策点到出口纵向距离，V_i为第i个采集时刻目标车道上驶出匝道出口的平均速度，v_i为第i个采集时刻车辆行驶速度，t_c为车辆在执行换道的时间；

步骤2所述计算车辆行驶的实时最大时间为：

其中，t_i,max为第i个采集时刻车辆行驶的实时最大时间，S_i,max为第i个采集时刻车辆开始间隙搜索时到出口纵向距离，t_c为车辆在执行换道的时间，V_i为第i个采集时刻目标车道上驶出匝道出口的平均速度，v_i为预处理后第i个采集时刻的车辆行驶速度；

步骤2所述计算车辆行驶的实时最小时间为：

其中，t_i,min为第i个采集时刻车辆行驶的实时最小时间，S_i,max为第i个采集时刻车辆开始间隙搜索时到出口纵向距离，t_c为车辆在执行换道的时间，V_i为第i个采集时刻目标车道上驶出匝道出口的平均速度，v_i为预处理后第i个采集时刻车辆行驶速度；

步骤2所述计算车辆换道时到达目标车道与原车道交汇线的时间为：

其中，D为车道宽度，t_L为车辆换道时到达目标车道与原车道交汇线的时间，a_{y max}为车辆横向加速的最大加速度，C为车辆宽度；

步骤2所述计算车辆实时最小安全距离为：

其中，MSD_i为车辆实时最小安全距离，V_i为第i个采集时刻目标车道上驶出匝道出口的平均速度，v_i为预处理后第i个采集时刻的车辆行驶速度，a_{x max}为车辆纵向加速的最大加速度，W为车辆右前参考点离车道交汇线的距离，D为车道宽度，t_L为车辆换道时到达目标车道与原车道交汇线的时间；

步骤2所述计算车辆实时安全时距为：

其中，H_i,safe为第i个采集时刻安全车头时距，MSD_i为车辆实时最小安全距离，v_i为预处理后第i个采集时刻的车辆行驶速度；

步骤2所述计算车辆到达最终退出点的实时距离为：

S_i,2＝S-0.5*t_c*₍V_i+v_i)

其中，S_i,2为车辆到达最终退出点的实时距离，S为车辆退出决策点到出口纵向距离，t_c为车辆在执行换道的时间，V_i为第i个采集时刻目标车道上驶出匝道出口的平均速度，v_i为预处理后第i个采集时刻的车辆行驶速度；

步骤2所述计算在剩余距离中自动驾驶车辆在目标车道上可以遇到的间隙的实时数量：

其中，M_i,1为第i个采集时刻在剩余距离中自动驾驶车辆在目标车道上可以遇到的间隙的实时数量，V_i为第i个采集时刻目标车道上驶出匝道出口的平均速度，v_i为预处理后第i个采集时刻车辆行驶速度，S₂为车辆到达最终退出点的距离。

作为优选，步骤3中所述计算自动驾驶车辆实时行程时间为：

其中，J_i,1为第i个采集时刻实时行程时间效用，t_c为车辆在执行换道的时间，t_i,cf为第i个采集时刻车辆在目标车道上的实时行驶时间，t_i,ss为第i个采集时刻车辆在原车道搜索安全换道间隙的实时时间，t_i,max为第i个采集时刻车辆行驶的实时最大时间，t_i,min为第i个采集时刻车辆行驶的实时最小时间；

步骤3中所述计算实时退出概率效用为：

J_i,2＝1-(1-e^-Hi,safe)^Mi,1

其中，J_i,2为第i个采集时刻实时退出概率效用，H_i,safe为第i个采集时刻安全车头时距，M_i,1为第i个采集时刻在剩余距离中自动驾驶汽车在车道1上可以遇到的间隙的实时数量。

作为优选，步骤4中所述自动驾驶车辆退出决策点实时函数为：

J_i＝0.45*J_i,1+0.55*J_i,2

其中，J_i为第i个采集时刻退出点实时效用，J_i,1为第i个采集时刻实时行程时间效用，J_i,2为第i个采集时刻实时退出概率效用。

作为优选，步骤5中所述优化目标为：

maxJ_i,s*,S*∈[S_i,max-0.5*t_c*₍V_i+v_i),S_i,max]

其中，max J_i,s*为第i个采集时刻自动驾驶车辆在决策空间范围

S∈[S_i,max-0.5*t_c*(V_i+v_i),S_i,max]中通过在距离匝道出口S*时开始执行换道时取得的最大实时效用，S*为第i个采集时刻自动驾驶车辆在决策空间范围

S∈[S_i,max-0.5*t_c*(V_i+v_i),S_i,max]中的最优退出决策点，S_i,max为第i个采集时刻车辆开始间隙搜索时到出口纵向距离，t_c为车辆在执行换道的时间，V_i为第i个采集时刻目标车道上驶出匝道出口的平均速度，v_i为第i个采集时刻车辆行驶速度；

步骤5所述约束条件，具体为：

S∈[S_i,max-0.5*t_c*(V_i+vi₎,S_i,max]

t∈[0,t_i,max]

p∈[0,1]

其中，S为车辆退出决策点到出口纵向距离，t为车辆行驶时刻，p为自动车辆成功驶出匝道出口的概率，S_i,max为第i个采集时刻车辆开始间隙搜索时到出口纵向距离，t_c为车辆在执行换道的时间，V_i为第i个采集时刻目标车道上驶出匝道出口的平均速度，v_i为第i个采集时刻车辆行驶速度，t_i,max为第i个采集时刻车辆行驶的实时最大时间；

步骤5中所述最优退出决策点的纵向坐标计算方法为：

x*＝X-S*

其中，S*为第i个采集时刻自动驾驶车辆在决策空间范围

S∈[S_i,max-0.5*t_c*(V_i+v_i),S_i,max]中的最优退出决策点，X为匝道出口的纵向坐标，x*为第i个采集时刻自动驾驶车辆在决策空间范围

S∈[S_i,max-0.5*t_c*(V_i+v_i),S_i,max]中的最优退出决策点的纵向坐标

通过前述云端服务器将实时纵向坐标与最优退出决策点进行比较，当满足判定条件时，自动驾驶车辆执行换道并驶出匝道口；

步骤5中所述执行在最优退出决策点换道并驶出匝道口的判定条件为：

x_k＝x*换道

x_k≠x*保持直行

其中，x*为第i个采集时刻自动驾驶车辆在决策空间范围；

S∈[S_i,max-0.5*t_c*(V_i+v_i),S_i,max]中的最优退出决策点的纵向坐标，x_k为第k个采集时刻自动驾驶车辆的纵向位置坐标。

本发明的有益效果为：本发明提供了一种高速公路匝道合流区车辆自动换道决策方法及系统，降低危险换道行为引起的交通安全事故发生率，使得车辆更安全的换道。保证安全收益的情况下，提高了运输效益，同时云端网络所记录的车辆行驶数据，也为交通事故发生后的事故原因分析和责任判定提供数据支撑。

附图说明

图1：本发明实施例的方法流程图；

图2：本发明实施例的自动车辆驶出匝道出口情景图。

具体实施方式

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，所描述的实施例仅仅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，本领域普通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。

具体实施时，本发明技术方案提出的方法可由本领域技术人员采用计算机软件技术实现自动运行流程，实现方法的系统装置例如存储本发明技术方案相应计算机程序的计算机可读存储介质以及包括运行相应计算机程序的计算机设备，也应当在本发明的保护范围内。

下面结合图1至图2介绍本发明实施例的具体实现方式为：

如图1所示，为本发明实施例的系统结构示意图，一种高速公路匝道合流区车辆自动换道决策系统及方法。

所述高速公路匝道合流区车辆自动换道决策系统包括：云端服务器、汽车微机控制器、距离传感器、速度传感器、GPS定位器、车载显示器、路基信号接收器、路基信号发射器、云端无线传输模块、车联网信息平台；

所述的汽车微机控制器分别与所述的距离传感器、速度传感器、GPS定位器、车载显示器、路基信号接收器、云端无线传输模块依次连接；所述云端无线传输模块与所述云端服务器通过无线通信方式连接；所述路基信号接收器与所述路基信号发射器通过无线通信方式连接；所述车联网信息平台与所述云端服务器通过无线通信方式连接；

所述的汽车微机控制器安装在车辆上，用于整合从所述的速度传感器、距离传感器、路基信号接收器采集的信息，用于读取所述云端服务器发送的指令并执行指令；

所述的云端服务器用于储存、共享、收集从车辆上所述的距离传感器、速度传感器、路基信号接收器获取的车辆实时行驶数据，并对收集的车辆实时行驶数据进行综合处理分析，得出车辆在不同道路类型下的习惯惯性行驶数据，驾驶员对事故反应时长和车辆在不同道路下的刹车时长和距离；根据当前采集的车辆实时行驶数据，判断车辆行驶是否存在威胁，对司机做出提示和警告，辅助车辆更加安全的行驶；

所述的云端无线传输模块安装在车辆上，用于将车辆行驶数据上传至所述云端服务器，接收所述云端服务器的数据及指令；

所述的距离传感器安装于车辆前端中部保险杆处，用于探测车辆的跟车距离；

所述的速度传感器安装在变速器输出轴上用于获取车辆行驶速度；

所述的GPS定位器安装在车底底盘用于获取车辆经纬度；

所述的车载显示器安装在汽车中控台中部，用于向驾驶员提供信息，并以声音、文字图像形式表式；

所述的路基信号发射器设置在道路上并沿路铺设，用于向车辆提供道路类型；

所述的路基信号接收器安装在车辆前方左右探照灯上部处，用于接收路基信号发射器提供的道路类型；

所述汽车微机控制器选型为CP80617；

所述距离传感器选型为TF02；

所述速度传感器选型为Bi5-M18-AZ3X；

所述路基信号接收器选型为BF-686；

所述路基信号发射器选型为25-0571-0059；

所述云端无线传输模块选型为82C250；

为了达到上述目的，本发明方法实施例的技术方案为高速公路匝道合流区车辆自动换道决策方法，具体步骤如下：

步骤1：车联网信息平台与车载设备实时采集交通信息数据：所述的汽车微机控制器通过所述速度传感器采集实时车辆速度，将实时车辆速度通过所述云端无线传输模块无线上传至所述云端服务器，所述云端服务器对实时车辆速度进行预处理得到预处理后实时车辆速度；所述的汽车微机控制器通过所述GPS定位器获得实时车辆位置，将实时车辆位置通过所述云端无线传输模块无线上传至所述云端服务器；所述的汽车微机控制器通过所述路基信号接收器无线接收所述路基信号发射器无线发射的实时道路类型，将实时获取道路类型通过所述云端无线传输模块无线上传至所述云端服务器；所述车联网信息平台将实时驶出匝道出口的平均速度无线传输至所述云端服务器；

步骤1中所述对车辆的速度进行预处理为：

将实时采集车辆速度进行无效值处理,若v_i为空值或缺失，则令v_i＝0；

步骤1所述的预处理后实时车辆速度为：v_i,i∈[1,N]

其中，N＝1024为采集时刻的数量，v_i表示预处理后第i个采集时刻的车辆速度；步骤1所述实时车辆位置，定义为：x_i，y_i,i∈[1,N]

其中，N为采集时刻的数量，x_i表示第i个采集时刻的车辆纵向坐标，y_i表示第i个采集时刻的车辆横向坐标；

步骤1所述实时道路类型为：w_i,i∈[1,N]

其中，N为采集时刻的数量，w_i表示第i个采集时刻的道路类型；

步骤1所述第i个采集时刻目标车道上驶出匝道出口的平均速度，具体定义为：V_i,i∈[1,N]

其中，N为采集时刻的数量，V_i表示第i个采集时刻的驶出匝道出口的平均速度。

步骤2：通过实时采集到的交通信息数据实时计算特征数据：通过实时车辆位置、实时道路类型计算自动驾驶车辆到匝道出口的实时距离以及自动驾驶车辆右侧离车道交汇线的实时横向距离；通过实时道路类型计算得到车道宽度；计算车辆在执行换道的时间、车辆在原车道搜索安全换道间隙的时间、车辆在目标车道上的行驶的时间、车辆行驶的最大时间、车辆行驶的最小时间、安全车头时距、在剩余距离中自动驾驶车辆在目标车道上遇到的间隙的数量特征数据：

步骤2所述计算自动驾驶车辆到匝道出口的实时距离为：

S_i,max＝X-x_i,max

其中，S_i,max为第i个采集时刻车辆开始间隙搜索时到出口纵向距离，X为匝道出口的纵向坐标，x_i,max为第i个采集时刻车辆开始间隙搜索时到出口纵向坐标；

步骤2所述计算自动驾驶车辆右侧离车道交汇线的实时横向距离为：

W_i＝Y-y_i,max

其中，W_i为第i个采集时刻车辆右前参考点离车道交汇线的实时距离，Y为车辆所在车道右侧的车道线的横向坐标，y_i,max为第i个采集时刻车辆开始间隙搜索时到出口横向坐标；

步骤2所述计算车辆在执行换道的时间为：

其中，t_c为车辆在执行换道的时间，a_{y max}为车辆横向换道时的横向加速度峰值，D为车道宽度；

步骤2所述计算车辆在原车道搜索安全换道间隙的实时时间为：

其中，t_i,ss为车辆在原车道搜索安全换道间隙的实时时间，S_i,max为第i个采集时刻车辆开始间隙搜索时到出口纵向距离，S为退出决策点到出口纵向距离，v_i为预处理后第i个采集时刻的车辆行驶速度；

步骤2所述计算车辆在目标车道上的行驶的实时时间为：

其中，t_i,cf为车辆在目标车道上的行驶的第i个采集时刻，S为退出决策点到出口纵向距离，V_i为第i个采集时刻目标车道上驶出匝道出口的平均速度，v_i为第i个采集时刻车辆行驶速度，t_c为车辆在执行换道的时间；

步骤2所述计算车辆行驶的实时最大时间为：

其中，t_i,max为第i个采集时刻车辆行驶的实时最大时间，S_i,max为第i个采集时刻车辆开始间隙搜索时到出口纵向距离，t_c为车辆在执行换道的时间，V_i为第i个采集时刻目标车道上驶出匝道出口的平均速度，v_i为预处理后第i个采集时刻的车辆行驶速度；

步骤2所述计算车辆行驶的实时最小时间为：

其中，t_i,min为第i个采集时刻车辆行驶的实时最小时间，S_i,max为第i个采集时刻车辆开始间隙搜索时到出口纵向距离，t_c为车辆在执行换道的时间，V_i为第i个采集时刻目标车道上驶出匝道出口的平均速度，v_i为预处理后第i个采集时刻车辆行驶速度；

步骤2所述计算车辆换道时到达目标车道与原车道交汇线的时间为：

其中，D为车道宽度，t_L为车辆换道时到达目标车道与原车道交汇线的时间，a_{y max}为车辆横向加速的最大加速度，C为车辆宽度；

步骤2所述计算车辆实时最小安全距离为：

其中，MSD_i为车辆实时最小安全距离，V_i为第i个采集时刻目标车道上驶出匝道出口的平均速度，v_i为预处理后第i个采集时刻的车辆行驶速度，a_{x max}为车辆纵向加速的最大加速度，W为车辆右前参考点离车道交汇线的距离，D为车道宽度，t_L为车辆换道时到达目标车道与原车道交汇线的时间；

步骤2所述计算车辆实时安全时距为：

其中，H_i,safe为第i个采集时刻安全车头时距，MSD_i为车辆实时最小安全距离，v_i为预处理后第i个采集时刻的车辆行驶速度；

步骤2所述计算车辆到达最终退出点的实时距离为：

S_i,2＝S-0.5*t_c*(V_i+v_i)

其中，S_i,2为车辆到达最终退出点的实时距离，S为车辆退出决策点到出口纵向距离，t_c为车辆在执行换道的时间，V_i为第i个采集时刻目标车道上驶出匝道出口的平均速度，v_i为预处理后第i个采集时刻的车辆行驶速度；

步骤2所述计算在剩余距离中自动驾驶车辆在目标车道上可以遇到的间隙的实时数量：

其中，M_i,1为第i个采集时刻在剩余距离中自动驾驶车辆在目标车道上可以遇到的间隙的实时数量，V_i为第i个采集时刻目标车道上驶出匝道出口的平均速度，v_i为预处理后第i个采集时刻车辆行驶速度，S₂为车辆到达最终退出点的距离。

步骤3：通过实时采集数据和计算的实时特征数据计算自动驾驶车辆实时行程时间和自动驾驶车辆退出实时概率：通过车辆在执行换道的时间、车辆在原车道搜索安全换道间隙的实时时间、车辆在目标车道上的行驶的实时时间、车辆行驶的实时最大时间、车辆行驶的实时最小时间计算自动驾驶车辆实时行程时间；通过实时安全车头时距、在剩余距离中自动驾驶车辆在目标车道上可以遇到的间隙的实时数量计算自动驾驶车辆退出实时概率；

步骤3中所述计算自动驾驶车辆实时行程时间为：

其中，J_i,1为第i个采集时刻实时行程时间效用，t_c为车辆在执行换道的时间，t_i,cf为第i个采集时刻车辆在目标车道上的实时行驶时间，t_i,ss为第i个采集时刻车辆在原车道搜索安全换道间隙的实时时间，t_i,max为第i个采集时刻车辆行驶的实时最大时间，t_i,min为第i个采集时刻车辆行驶的实时最小时间；

步骤3中所述计算实时退出概率效用为：

J_i,2＝1-(1-e^-Hi,safe)^Mi,1

其中，J_i,2为第i个采集时刻实时退出概率效用，H_i,safe为第i个采集时刻安全车头时距，M_i,1为第i个采集时刻在剩余距离中自动驾驶汽车在车道1上可以遇到的间隙的实时数量。

步骤4：通过动驾驶车辆行程时间和动驾驶车辆退出概率建立自动驾驶车辆退出点决策实时函数；

步骤4中所述自动驾驶车辆退出决策点实时函数为：

J_i＝0.45*J_i,1+0.55*J_i,2

其中，J_i为第i个采集时刻退出点实时效用，J_i,1为第i个采集时刻实时行程时间效用，J_i,2为第i个采集时刻实时退出概率效用。

步骤5：将自动驾驶车辆退出点决策实时函数最大化作为优化目标,构建约束条件，使用粒子群算法求解最优退出决策点，在最优退出决策点执行换道。

步骤5中所述优化目标为：

maxJ_i,s*,S*∈[S_i,max-0.5*t_c*(V_i+v_i),S_i,max]

其中，maxJ_i,s*为第i个采集时刻自动驾驶车辆在决策空间范围

S∈[S_i,max-0.5*t_c*(V_i+v_i),S_i,max]中通过在距离匝道出口S*时开始执行换道时取得的最大实时效用，S*为第i个采集时刻自动驾驶车辆在决策空间范围

S∈[S_i,max-0.5*t_c*(V_i+v_i),S_i,max]中的最优退出决策点，S_i,max为第i个采集时刻车辆开始间隙搜索时到出口纵向距离，t_c为车辆在执行换道的时间，V_i为第i个采集时刻目标车道上驶出匝道出口的平均速度，v_i为第i个采集时刻车辆行驶速度；

步骤5所述约束条件，具体为：

S∈[S_i,max-0.5*t_c*(V_i+v_i),S_i,max]

t∈[0,t_i,max]

p∈[0,1]

其中，S为车辆退出决策点到出口纵向距离，t为车辆行驶时刻，p为自动车辆成功驶出匝道出口的概率，S_i,max为第i个采集时刻车辆开始间隙搜索时到出口纵向距离，t_c为车辆在执行换道的时间，V_i为第i个采集时刻目标车道上驶出匝道出口的平均速度，v_i为第i个采集时刻车辆行驶速度，t_i,max为第i个采集时刻车辆行驶的实时最大时间；

步骤5中所述最优退出决策点的纵向坐标计算方法为：

x*＝X-S*

其中，S*为第i个采集时刻自动驾驶车辆在决策空间范围

S∈[S_i,max-0.5*t_c*(V_i+v_i),S_i,max]中的最优退出决策点，X为匝道出口的纵向坐标，x*为第i个采集时刻自动驾驶车辆在决策空间范围

S∈[S_i,max-0.5*t_c*(V_i+v_i),S_i,max]中的最优退出决策点的纵向坐标

通过前述云端服务器将实时纵向坐标与最优退出决策点进行比较，当满足判定条件时，自动驾驶车辆执行换道并驶出匝道口；

步骤5中所述执行在最优退出决策点换道并驶出匝道口的判定条件为：

x_k＝x*换道

x_k≠x*保持直行

其中，x*为第i个采集时刻自动驾驶车辆在决策空间范围；

S∈[S_i,max-0.5*t_c*(V_i+v_i),S_i,max]中的最优退出决策点的纵向坐标，x_k为第k个采集时刻自动驾驶车辆的纵向位置坐标。

应当理解的是，本说明书未详细阐述的部分均属于现有技术。

尽管本文较多地使用了云端服务器、汽车微机控制器、距离传感器、速度传感器、车载显示器、路基信号接收器、路基信号发射器、云端无线传输模块等术语，但并不排除使用其他术语的可能性。使用这些术语仅仅是为了更方便的描述本发明的本质，把它们解释成任何一种附加的限制都是与本发明精神相违背的。

应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。

Claims (1)

1.一种换道决策系统的高速公路匝道合流区换道决策方法，其特征在于：包括：

所述换道决策系统包括：云端服务器、汽车微机控制器、距离传感器、速度传感器、GPS定位器、车载显示器、路基信号接收器、路基信号发射器、云端无线传输模块、车联网信息平台；

所述的汽车微机控制器分别与所述的距离传感器、速度传感器、GPS定位器、车载显示器、路基信号接收器、云端无线传输模块依次连接；所述云端无线传输模块与所述云端服务器通过无线通信方式连接；所述路基信号接收器与所述路基信号发射器通过无线通信方式连接；所述车联网信息平台与所述云端服务器通过无线通信方式连接；

所述的汽车微机控制器安装在车辆上，用于整合从所述的速度传感器、距离传感器、路基信号接收器采集的信息，用于读取所述云端服务器发送的指令并执行指令；

所述的云端服务器用于储存、共享、收集从车辆上所述的距离传感器、速度传感器、路基信号接收器获取的车辆实时行驶数据，并对收集的车辆实时行驶数据进行综合处理分析，得出车辆在不同道路类型下的习惯惯性行驶数据，驾驶员对事故反应时长和车辆在不同道路下的刹车时长和距离；根据当前采集的车辆实时行驶数据，判断车辆行驶是否存在威胁，对司机做出提示和警告，辅助车辆更加安全的行驶；

所述的云端无线传输模块安装在车辆上，用于将车辆行驶数据上传至所述云端服务器，接收所述云端服务器的数据及指令；

所述的距离传感器安装于车辆前端中部保险杆处，用于探测车辆的跟车距离；

所述的速度传感器安装在变速器输出轴上用于获取车辆行驶速度；

所述的GPS定位器安装在车底底盘用于获取车辆经纬度；

所述的车载显示器安装在汽车中控台中部，用于向驾驶员提供信息，并以声音、文字图像形式表式；

所述的路基信号发射器设置在道路上并沿路铺设，用于向车辆提供道路类型；

所述的路基信号接收器安装在车辆前方左右探照灯上部处，用于接收路基信号发射器提供的道路类型；

所述高速公路匝道合流区换道决策方法：包括以下步骤：

步骤1：车联网信息平台与车载设备实时采集交通信息数据：所述的汽车微机控制器通过所述速度传感器采集实时车辆速度，将实时车辆速度通过所述云端无线传输模块无线上传至所述云端服务器，所述云端服务器对实时车辆速度进行预处理得到预处理后实时车辆速度；所述的汽车微机控制器通过所述GPS定位器获得实时车辆位置，将实时车辆位置通过所述云端无线传输模块无线上传至所述云端服务器；所述的汽车微机控制器通过所述路基信号接收器无线接收所述路基信号发射器无线发射的实时道路类型，将实时获取道路类型通过所述云端无线传输模块无线上传至所述云端服务器；所述车联网信息平台将实时驶出匝道出口的平均速度无线传输至所述云端服务器；

步骤2：通过实时采集到的交通信息数据实时计算特征数据：通过实时车辆位置、实时道路类型计算自动驾驶车辆到匝道出口的实时距离以及自动驾驶车辆右侧离车道交汇线的实时横向距离；通过实时道路类型计算得到车道宽度；计算车辆在执行换道的时间、车辆在原车道搜索安全换道间隙的时间、车辆在目标车道上的行驶的时间、车辆行驶的最大时间、车辆行驶的最小时间、安全车头时距、在剩余距离中自动驾驶车辆在目标车道上遇到的间隙的数量特征数据：

步骤3：通过实时采集数据和计算的实时特征数据计算自动驾驶车辆实时行程时间和自动驾驶车辆退出实时概率：通过车辆在执行换道的时间、车辆在原车道搜索安全换道间隙的实时时间、车辆在目标车道上的行驶的实时时间、车辆行驶的实时最大时间、车辆行驶的实时最小时间计算自动驾驶车辆实时行程时间；通过实时安全车头时距、在剩余距离中自动驾驶车辆在目标车道上可以遇到的间隙的实时数量计算自动驾驶车辆退出实时概率；

步骤4：通过动驾驶车辆行程时间和动驾驶车辆退出概率建立自动驾驶车辆退出点决策实时函数；

步骤5：将自动驾驶车辆退出点决策实时函数最大化作为优化目标,构建约束条件，使用粒子群算法求解最优退出决策点，在最优退出决策点执行换道；

步骤1中对车辆的速度进行预处理为：

将实时采集车辆速度进行无效值处理,若v_i为空值或缺失，则令v_i＝0；

步骤1所述的预处理后实时车辆速度为：v_i,i∈[1,N]

其中，N为采集时刻的数量，v_i表示预处理后第i个采集时刻的车辆速度；

步骤1所述实时车辆位置，定义为：x_i，y_i,i∈[1,N]

其中，N为采集时刻的数量，x_i表示第i个采集时刻的车辆纵向坐标，y_i表示第i个采集时刻的车辆横向坐标；

步骤1所述实时道路类型为：w_i,i∈[1,N]

其中，N为采集时刻的数量，w_i表示第i个采集时刻的道路类型；

步骤1所述第i个采集时刻目标车道上驶出匝道出口的平均速度，具体定义为：V_i,i∈[1,N]

其中，N为采集时刻的数量，V_i表示第i个采集时刻的驶出匝道出口的平均速度；

步骤2所述计算自动驾驶车辆到匝道出口的实时距离为：

S_i,max＝X-x_i,max

其中，S_i,max为第i个采集时刻车辆开始间隙搜索时到出口纵向距离，X为匝道出口的纵向坐标，x_i,max为第i个采集时刻车辆开始间隙搜索时到出口纵向坐标；

步骤2所述计算自动驾驶车辆右侧离车道交汇线的实时横向距离为：

W_i＝Y-y_i,max

其中，W_i为第i个采集时刻车辆右前参考点离车道交汇线的实时距离，Y为车辆所在车道右侧的车道线的横向坐标，y_i,max为第i个采集时刻车辆开始间隙搜索时到出口横向坐标；

步骤2所述计算车辆在执行换道的时间为：

其中，t_c为车辆在执行换道的时间，a_ymax为车辆横向换道时的横向加速度峰值，D为车道宽度；

步骤2所述计算车辆在原车道搜索安全换道间隙的实时时间为：

其中，t_i,ss为车辆在原车道搜索安全换道间隙的实时时间，S_i,max为第i个采集时刻车辆开始间隙搜索时到出口纵向距离，S为退出决策点到出口纵向距离，v_i为预处理后第i个采集时刻的车辆行驶速度；

步骤2所述计算车辆在目标车道上的行驶的实时时间为：

其中，t_i,cf为车辆在目标车道上的行驶的第i个采集时刻，S为退出决策点到出口纵向距离，V_i为第i个采集时刻目标车道上驶出匝道出口的平均速度，v_i为第i个采集时刻车辆行驶速度，t_c为车辆在执行换道的时间；

步骤2所述计算车辆行驶的实时最大时间为：

其中，t_i,max为第i个采集时刻车辆行驶的实时最大时间，S_i,max为第i个采集时刻车辆开始间隙搜索时到出口纵向距离，t_c为车辆在执行换道的时间，V_i为第i个采集时刻目标车道上驶出匝道出口的平均速度，v_i为预处理后第i个采集时刻的车辆行驶速度；

步骤2所述计算车辆行驶的实时最小时间为：

其中，t_i,min为第i个采集时刻车辆行驶的实时最小时间，S_i,max为第i个采集时刻车辆开始间隙搜索时到出口纵向距离，t_c为车辆在执行换道的时间，V_i为第i个采集时刻目标车道上驶出匝道出口的平均速度，v_i为预处理后第i个采集时刻车辆行驶速度；

步骤2所述计算车辆换道时到达目标车道与原车道交汇线的时间为：

其中，D为车道宽度，t_L为车辆换道时到达目标车道与原车道交汇线的时间，a_ymax为车辆横向加速的最大加速度，C为车辆宽度；

步骤2所述计算车辆实时最小安全距离为：

其中，MSD_i为车辆实时最小安全距离，V_i为第i个采集时刻目标车道上驶出匝道出口的平均速度，v_i为预处理后第i个采集时刻的车辆行驶速度，a_xmax为车辆纵向加速的最大加速度，W为车辆右前参考点离车道交汇线的距离，D为车道宽度，t_L为车辆换道时到达目标车道与原车道交汇线的时间；

步骤2所述计算车辆实时安全时距为：

其中，H_i,safe为第i个采集时刻安全车头时距，MSD_i为车辆实时最小安全距离，v_i为预处理后第i个采集时刻的车辆行驶速度；

步骤2所述计算车辆到达最终退出点的实时距离为：

S_i,2＝S-0.5*t_c*(V_i+v_i)

其中，S_i,2为车辆到达最终退出点的实时距离，S为车辆退出决策点到出口纵向距离，t_c为车辆在执行换道的时间，V_i为第i个采集时刻目标车道上驶出匝道出口的平均速度，v_i为预处理后第i个采集时刻的车辆行驶速度；

步骤2所述计算在剩余距离中自动驾驶车辆在目标车道上可以遇到的间隙的实时数量：

其中，M_i,1为第i个采集时刻在剩余距离中自动驾驶车辆在目标车道上可以遇到的间隙的实时数量，V_i为第i个采集时刻目标车道上驶出匝道出口的平均速度，v_i为预处理后第i个采集时刻车辆行驶速度，S₂为车辆到达最终退出点的距离；

步骤3中所述计算自动驾驶车辆实时行程时间为：

其中，J_i,1为第i个采集时刻实时行程时间效用，t_c为车辆在执行换道的时间，t_i,cf为第i个采集时刻车辆在目标车道上的实时行驶时间，t_i,ss为第i个采集时刻车辆在原车道搜索安全换道间隙的实时时间，t_i,max为第i个采集时刻车辆行驶的实时最大时间，t_i,min为第i个采集时刻车辆行驶的实时最小时间；

步骤3中所述计算实时退出概率效用为：

其中，J_i,2为第i个采集时刻实时退出概率效用，H_i,safe为第i个采集时刻安全车头时距，M_i,1为第i个采集时刻在剩余距离中自动驾驶汽车在车道1上可以遇到的间隙的实时数量；

步骤4中所述自动驾驶车辆退出决策点实时函数为：

J_i＝0.45*J_i,1+0.55*J_i,2

其中，J_i为第i个采集时刻退出点实时效用，J_i,1为第i个采集时刻实时行程时间效用，J_i,2为第i个采集时刻实时退出概率效用；

步骤5中所述优化目标为：

max J_i,s*,S*∈[S_i,max-0.5*t_c*(V_i+v_i),S_i,max]

其中，maxJ_i,s*为第i个采集时刻自动驾驶车辆在决策空间范围S∈[S_i,max-0.5*t_c*(V_i+v_i),S_i,max]中通过在距离匝道出口S*时开始执行换道时取得的最大实时效用，S*为第i个采集时刻自动驾驶车辆在决策空间范围S∈[S_i,max-0.5*t_c*(V_i+v_i),S_i,max]中的最优退出决策点，S_i,max为第i个采集时刻车辆开始间隙搜索时到出口纵向距离，t_c为车辆在执行换道的时间，V_i为第i个采集时刻目标车道上驶出匝道出口的平均速度，v_i为第i个采集时刻车辆行驶速度；

步骤5所述约束条件，具体为：

S∈[S_i,max-0.5*t_c*(V_i+v_i),S_i,max]

t∈[0,t_i,max]

p∈[0,1]

其中，S为车辆退出决策点到出口纵向距离，t为车辆行驶时刻，p为自动车辆成功驶出匝道出口的概率，S_i,max为第i个采集时刻车辆开始间隙搜索时到出口纵向距离，t_c为车辆在执行换道的时间，V_i为第i个采集时刻目标车道上驶出匝道出口的平均速度，v_i为第i个采集时刻车辆行驶速度，t_i,max为第i个采集时刻车辆行驶的实时最大时间；

步骤5中所述最优退出决策点的纵向坐标计算方法为：

x*＝X-S*

其中，S*为第i个采集时刻自动驾驶车辆在决策空间范围S∈[S_i,max-0.5*t_c*(V_i+v_i),S_i,max]中的最优退出决策点，X为匝道出口的纵向坐标，x*为第i个采集时刻自动驾驶车辆在决策空间范围S∈[S_i,max-0.5*t_c*(V_i+v_i),S_i,max]中的最优退出决策点的纵向坐标

通过前述云端服务器将实时纵向坐标与最优退出决策点进行比较，当满足判定条件时，自动驾驶车辆执行换道并驶出匝道口；

步骤5中所述执行在最优退出决策点换道并驶出匝道口的判定条件为：

x_k＝x*换道

x_k≠x*保持直行

其中，x*为第i个采集时刻自动驾驶车辆在决策空间范围；S∈[S_i,max-0.5*t_c*(V_i+v_i),S_i,max]中的最优退出决策点的纵向坐标，x_k为第k个采集时刻自动驾驶车辆的纵向位置坐标。