CN115909784A - 多车道的智能网联车辆合流控制方法和控制装置 - Google Patents
多车道的智能网联车辆合流控制方法和控制装置 Download PDFInfo
- Publication number
- CN115909784A CN115909784A CN202211567422.8A CN202211567422A CN115909784A CN 115909784 A CN115909784 A CN 115909784A CN 202211567422 A CN202211567422 A CN 202211567422A CN 115909784 A CN115909784 A CN 115909784A
- Authority
- CN
- China
- Prior art keywords
- confluence
- vehicle
- vehicles
- cost
- scheme
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 230000008859 change Effects 0.000 claims description 36
- 238000012545 processing Methods 0.000 claims description 17
- 239000000446 fuel Substances 0.000 claims description 15
- 230000001133 acceleration Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 13
- 230000036461 convulsion Effects 0.000 claims description 9
- 239000000295 fuel oil Substances 0.000 claims description 5
- 230000006855 networking Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 10
- 239000013598 vector Substances 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000006399 behavior Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及无人驾驶技术领域,具体涉及一种多车道的智能网联车辆合流控制方法和控制装置。其中,多车道的智能网联车辆合流控制方法包括,首先获取多车道上进入合流区域的多个车辆的运行状态;然后采用预设的状态约束条件控制多个车辆通过所述合流区域时的运行状态;根据多个车辆的运行状态和状态约束条件,采用预设的合作博弈方法确定至少一种合流方案;计算合流方案的运行成本,确定运行成本最小的合流方案为目标合流方案;最后采用目标合流方案控制多个车辆完成合流。以此实现了对多车道的车辆合流控制,且适用范围更广。
Description
技术领域
本发明涉及无人驾驶技术领域,具体涉及一种多车道的智能网联车辆合流控制方法和控制装置。
背景技术
合流区是造成交通拥堵、交通事故、排放加剧的交通瓶颈之一。智能网联车(CAV)可以通过V2I通信实现对车辆的协同控制,从而提高交通效率和安全性。目前匝道合流研究大多集中于单一主路车辆与匝道车辆的合流控制,而并未考虑主路存在多车道场景下,车辆在真实合流决策过程中做出换道的可能,这与实际驾驶情形不符,并降低了车道的利用率,这会直接影响匝道控制区车辆的合流决策结果。
因此,现有的针对单一主路车辆与匝道车辆的合流控制方法,已经无法适用于现有的多车道车辆合流控制。
发明内容
本发明一种多车道的智能网联车辆合流控制方法和控制装置,其目的在于,实现对多车道的车辆合流控制。
一方面,本发明提供一种多车道的智能网联车辆合流控制方法,包括:
获取多车道上进入合流区域的多个车辆的运行状态;
采用预设的状态约束条件控制所述多个车辆通过所述合流区域时的运行状态;
根据多个车辆的运行状态和状态约束条件,采用预设的合作博弈方法确定至少一种合流方案;
计算所述合流方案的运行成本,确定运行成本最小的合流方案为目标合流方案;
采用所述目标合流方案控制所述多个车辆完成合流。
根据本发明提供的一种多车道的智能网联车辆合流控制方法,所述采用预设的状态约束条件控制所述多个车辆通过所述合流区域时的运行状态,包括:
根据所述多个车辆的运行状态确定所述合流区域中每个车道上的合流点位置;
采用预设的状态约束条件控制所述多个车辆通过所述合流点时的运行速度和每个车道上相邻两个车辆之间的时间间隔。
根据本发明提供的一种多车道的智能网联车辆合流控制方法,所述采用预设的状态约束条件控制所述多个车辆通过所述合流点时的运行速度和每个车道上相邻两个车辆之间的时间间隔,包括:
控制各个所述车辆通过所述合流点以后匀速行驶预设时间段;
控制通过所述合流点时,每个车道上相邻两个车辆之间的时间间隔为预设时长。
根据本发明提供的一种多车道的智能网联车辆合流控制方法,所述计算所述合流方案的运行成本,包括:
针对每个所述合流方案执行以下处理:
计算各个合流方案的效率成本、燃油成本和舒适性成本;
根据所述效率成本、燃油成本和舒适性成本分别对应权重,计算所述合流方案对应的运行成本。
根据本发明提供的一种多车道的智能网联车辆合流控制方法,所述计算所述合流方案的运行成本,包括:
分别计算所述合流方案中每个车辆的合流成本;
根据所述每个车辆的合流成本得到所述合流方案的运行成本。
根据本发明提供的一种多车道的智能网联车辆合流控制方法,所述分别计算所述合流方案中每个车辆的合流成本,包括:
针对所述合流方案中每个车辆执行以下处理:
采用以下公式计算每个车辆的纵向成本:
采用以下公式计算每个车辆的横向成本:
根据所述每个车辆的纵向成本和横向成本,计算每个车辆的合流成本;
上述公式中,t0表示车辆进入合流区域的时间,t1表示车辆换道的起始时间,tf表示车辆到达合流点的时间,vdes表示车辆的期望速度,v、a、u分别代表车辆的速度、加速度和加加速度,ω1、ω2、ω3分别表示所述效率成本、燃油成本和舒适性成的权重,tLC表示车辆完成换道的时间。
另一方面,本发明还提供一种多车道的智能网联车辆合流控制装置,包括:
获取单元,用于获取多车道上进入合流区域的多个车辆的运行状态;
第一控制单元,用于采用预设的状态约束条件控制所述多个车辆通过所述合流区域时的运行状态;
第一处理单元,用于根据多个车辆的运行状态和状态约束条件,所述采用预设的合作博弈方法确定至少一种合流方案;
第二处理单元,用于计算所述合流方案的运行成本,确定运行成本最小的合流方案为目标合流方案;
第二控制单元,用于采用所述目标合流方案控制所述多个车辆完成合流。
另一方面,本发明还提供一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一项所述的多车道的智能网联车辆合流控制方法。
另一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述任一项所述的多车道的智能网联车辆合流控制方法。
另一方面,本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一项所述的多车道的智能网联车辆合流控制方法。
依据本发明实施例提供的多车道的智能网联车辆合流控制方法,首先获取多车道上进入合流区域的多个车辆的运行状态;然后采用预设的状态约束条件控制多个车辆通过所述合流区域时的运行状态;根据多个车辆的运行状态和状态约束条件,采用预设的合作博弈方法确定至少一种合流方案;计算合流方案的运行成本,确定运行成本最小的合流方案为目标合流方案;最后采用目标合流方案控制多个车辆完成合流。以此实现了对多车道的车辆合流控制,且适用范围更广。
附图说明
图1为本发明实施例提供的多车道的智能网联车辆合流控制方法流程示意图;
图2为本发明实施例提供的多车道匝道合并场景示意图;
图3为本发明实施例提供的信息交换下的多车道合流示意图;
图4为本发明实施例提供的多车道多车博弈流程示意图;
图5为本发明实施例提供的多车道的智能网联车辆合流控制装置结构示意图;
图6为本发明实施例提供的一种电子设备的实体结构示意。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中,很多细节描述是为了使得本申请能被更好的理解。然而,本领域技术人员可以毫不费力的认识到,其中部分特征在不同情况下是可以省略的,或者可以由其他元件、材料、方法所替代。在某些情况下,本申请相关的一些操作并没有在说明书中显示或者描述,这是为了避免本申请的核心部分被过多的描述所淹没,而对于本领域技术人员而言,详细描述这些相关操作并不是必要的,他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外,说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时,方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此,说明书和附图中的各种顺序只是为了清楚描述某一个实施例,并不意味着是必须的顺序,除非另有说明其中某个顺序是必须遵循的。
在本发明的实施例中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况,其中A,B可以是单数或者复数。在本发明的文字描述中,字符“/”一般表示前后关联对象是一种“或”的关系。
在以往高速匝道合流决策的研究场景中,往往只涉及单车道主路和匝道车辆,这不太符合现实匝道场景,因此本发明实施例提出了一个更符合真实合流决策的匝道场景,即双车道主路和匝道车辆的合流决策策略研究场景。
本发明实施例提出一种适用于多车道的智能网联车辆合流控制方法。首先,引入双车道主路和单车道匝道的控制场景,以满足主路外侧车道的车辆在与匝道车辆合流时能向内侧车道进行换道,丰富了车辆在合流过程的真实策略选择;其次,基于合流区域内车辆的协同目标,提供了关于车辆行驶效率、舒适性和燃油消耗的博弈成本函数,并将多人合作博弈分解为二人博弈以确定车辆在不同车道上的最佳合并顺序(Merging Sequence,MS);最后,依据最优合流结果,应用庞特里亚金最大值原理求解了车辆轨迹控制,在最小合作策略成本下求得车辆纵向轨迹最优合流方案,实现了合流区域内多车道车辆的协同控制。
下面,将通过下述几个具体的实施例对本发明提供的多车道的智能网联车辆合流控制方法进行详细地说明。可以理解的是,下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1为本发明实施例提供的多车道的智能网联车辆合流控制方法流程示意图,如图1所示,该车辆合流控制方法包括:
S101、获取多车道上进入合流区域的多个车辆的运行状态。
图2为本发明实施例提供的多车道匝道合并场景示意图;如图2所示,在该场景中存在一个控制区域(Control Zone,由虚线框所示),其由中央控制器负责对所有驶入该区域的CAV(无人驾驶)车辆进行合流协调控制,其中合流控制包括车辆的合流顺序和到达合流点的纵向控制。在合流区域两条主路L1和L2的末端分别存在一个合流点,即合流点1和合流点2,其目的在于通过中央控制器编排车辆通行合流区的安全顺序。
CAV车辆一旦进入该合流区域,基于合流区域设置的信息采集装置,如速度采集装置和图像识别装置等,采集各个车辆的位置和速度信息,并将采集的位置和速度信息发送给中央控制器所捕获,并且中央控制器掌握控制区内的道路特征,并对控制区内的车辆有如下运动约束:
①控制区内车辆不允许做出连续换道及超车行为,其中为了不给L2车道继续增加压力,L1上的车辆不被允许向L2换道;
②匝道车辆在与L2上车辆进行汇合时,若L1车道存在满足L2车道车辆的换道条件,则L2上的车辆可向L1车道进行换道。
每辆车进入控制区后的状态方程为:
其中,t表示时间,表示车辆的状态向量,ui(t)表示车辆的控制向量。状态向量xi(t)由三阶运动学方程xi(t)=[xi(t),vi(t),ai(t)]T表示,分别代表了车辆的位置、速度和加速度,三者的集合都为实数的有界子集,ui(t)则为车辆的加加速度(jerk),且满足:
同时,为了保证车辆的运动状态和控制输入位于一个合理的范围内,中央控制器对车辆的速度、加速度、加加速度定义了以下约束:vi(t)∈[0,vmax]、ai(t)∈[amin,amax]、ui(t)∈[umin,umax]。
S102、采用预设的状态约束条件控制多个车辆通过合流区域时的运行状态。
示例的,采用预设的状态约束条件控制多个车辆通过所述合流区域时的运行状态,具体包括:
约束1:根据多个车辆的运行状态确定合流区域中每个车道上的合流点位置,即控制合流点处车辆的加速度为0。
约束2:采用预设的状态约束条件控制多个车辆通过合流点时的运行速度和每个车道上相邻两个车辆之间的时间间距,使得相邻两辆车通过合流点的车头时距为一个常数。即有其中和表示车辆i和(i-1)通过合流点的时间,Ts为一个固定的车头时距。中央控制器在协调车辆队列时,必会让一辆车率先通过相应合流点(如图3中的M1和M3车辆),假定该头车总是行驶在合流点前方,即头车通过合流点的时间可被路侧控制单元所接收被确认,一旦确定了两个合流点头车的通过时间,则控制区内其余车辆的通过时间也将被确定。
S103、根据多个车辆的运行状态和状态约束条件,采用预设的合作博弈方法确定至少一种合流方案。
示例的,如图3所示,对于匝道车辆R1、R2而言,需要先与L2中的车辆M2进行博弈,其中匝道车辆i在到达MP2时的策略集Si={成为前车;成为后车},而主路L2的车辆j的策略集Sj={成为前车;成为后车;换道至L1},因此两条车道的车辆的合作博弈矩阵如表1所示。
表1.车辆通过MP2的博弈成本矩阵
由于通过合流点的顺序只能是同车道的先后顺序或以不同车道通过,因此表1中两车同时做出“成为前车”或“成为后车”决策时的成本是无穷的,因为这势必会造成车辆碰撞;而对于L2上的车辆而言,如果匝道车辆选择“成为后车”策略,L2上的车辆仍选择“换道”策略,该策略组合的成本一定会高于{匝道车辆成为前车;主路L2车辆换道}的成本,因此,原本2×3的六个策略组合,仅需分析三个策略组合的最优成本即可。
对于主路的L1车道而言,由于控制区内不考虑主路L1上车辆的换道行为,且匝道R上的车辆不允许连续换道,因此当主路L2的车辆不发生换道时,通过MP1的车辆仅为主路L1上的车辆,此时MP1的MS为L1车辆的先进先出(FIFO)顺序;当L2上的车辆发生向左换道时,此时MP1的MS将会发生较大变化,因此L2上车辆的行为将会显著影响MP1和MP2的车辆MS。
S104、计算合流方案的运行成本,确定运行成本最小的合流方案为目标合流方案。
示例的,计算合流方案的运行成本包括:
针对每个合流方案执行以下处理:
计算各个合流方案的效率成本、燃油成本和舒适性成本;根据效率成本、燃油成本和舒适性成本分别对应权重,计算合流方案对应的运行成本。
示例的,计算合流方案的运行成本包括:
分别计算合流方案中每个车辆的合流成本;
根据每个车辆的合流成本得到合流方案的运行成本。
现有技术中针对车辆合流的成本设计通常较为片面,或只考虑安全性与经济性(燃油),或考虑效率与舒适,其在对车辆纵向行驶的优化过程中考虑的不够全面。因此,本实施例在满足车辆安全合流的基础上,提出了一个包含车辆效率、油耗和驾驶舒适性的纵向成本函数,并根据车辆的换道类型,设计满足车辆横向舒适性的横向成本函数。通过最优控制理论实现车辆的纵向多目标优化。
示例的,分别计算合流方案中每个车辆的合流成本,包括:
针对合流方案中每个车辆执行以下处理:
采用以下公式计算每个车辆的纵向成本:
采用以下公式计算每个车辆的横向成本:
根据每个车辆的纵向成本和横向成本,计算每个车辆的合流成;
上述公式中,t0表示车辆进入合流区域的时间,tf表示车辆到达合流点的时间,vdes表示车辆的期望速度,本实施例可将该期望速度设定为道路最大限速值,v、a、u分别代表车辆的速度、加速度和加加速度,ω1、ω2、ω3分别表示效率成本、燃油成本和舒适性成本的权重,tLC表示车辆换道所花费时间。其中减少实际车速与期望速度的差值能提高车辆的效率,减少加速度a(t)可以间接降低油耗,减少加加速度u(t)能提高车辆的驾驶舒适性。对于横向成本,由于匝道车辆发生的是强制换道行为,则在本实施例中不做特殊考虑。而L2中车辆的换道行为属于自由换道行为,其根据选择策略的不同而确定是否换道,并是否产生该成本。因此横向成本又可以视作为换道成本的一部分,其函数值是针对L2中车辆的策略所设定的。
本发明通过合作博弈的方式来实现合流区内多车道车辆的安全合流决策,并以车辆通过合流点的时间间隔作为车辆的安全决策标准,实现中央控制器对多车道车辆的合流顺序的编排。最后,通过最优控制方法,在考虑车辆效率、燃油、舒适性的基础上实现对车辆的纵向速度和加速度规划,以提升车辆通行合流控制区的平均速度,并降低车辆的总体油耗。
具体的,首先由于匝道车辆的汇入,将匝道车辆与主路L2车道的车辆进行博弈分析,得出两车分别成为{前车}和{后车}的成本。同时,考虑L2车道的车辆会换道至L1车道的可能性,并对L2车道的车辆与L1车道的车辆进行博弈分析,一旦二者的博弈结果为L2车道的车辆成为{前车},则记录此时车辆的换道成本,并参与前两项成本的对比中。
图4为本发明实施例提供的多车道多车博弈流程示意图,以图4为例,可能出现的合流结果如下:
1)M2与匝道车辆博弈时选择不换道策略:当M2与R1的博弈结果为M2成为前车,则MP2的MS为{R2→R1→M2→M1};若博弈结果为M2成为后车,则M2继续与R2进行博弈,若M2成为前车,则MP2的MS为{R2→M2→R1→M1},若M2成为后车,则MP2的MS为{M2→R2→R1→M1};此时MP1的MS则是车辆通行主路L1的FIFO顺序;
2)M2与匝道车辆博弈时选择换道策略:M2无论是在与R1或者R2博弈时选择换道策略都不会影响MP2的MS,即MP2的MS为{R2→R1→M1}。此时M2主要会与L1中车辆进行交互,由于M3为该路段的头车,则M2仅需与M4博弈,若博弈结果为M2成为前车,则MP1的MS结果为{M4→M2→M3},若M4成为前车,则MS为{M2→M4→M3},当然,若进入控制区时M4后方仍有车辆,则此时M2会与后方车辆继续博弈以确定最终的MS。同理,若M2后方也仍有车辆,其在博弈过程中若选择不换道策略时则会重复1)中步骤,若选择换道策略时,则会重复2)中的步骤。具体的,M2的相关博弈流程图如4所示。
车辆一旦进入控制区,则会被中央控制器视作为博弈参与者,其中MP2的MS是中央控制器主要解决的问题,MP1处的MS主要在L2中车辆发生换道时进行博弈确定。因此本实施例定义匝道车辆的成本JR=Jlon,L2中车辆的成本JL2=Jlon+AJlat,L1中车辆的成本JL1=Jlon。其中当L2中车辆选择换道动作时,A=1,并且JL1参与博弈计算,否则A=0,L1上的车辆遵循先入先出顺序。
基于合作博弈的CAV车辆MS决策问题可以表示为:
其中U*表示N辆CAV博弈后的两两博弈下的最优结果。
具体的,本实施例基于庞特里亚金最大值原理的最优控制求解。
基于上述合作博弈求解后,中央控制器可获得车辆通过主路两车道的MS。随后根据车辆通行控制区的始末状态,中央控制器通过最优控制理论对车辆的运动轨迹进行规划控制。在求解中,我们通过庞特里亚金最大值原理来求解上述问题,其中针对车辆进入控制区的成本函数和状态方程,引入协状态变量λ=[λ1,λ2,λ3],分别对纵向成本和横向成本建立哈密顿函数并求解。
H=L(xi(t),ui(t),t)+λTf(xi(t),ui(t),t) (8)
(1)纵向成本求解:
哈密顿函数:
协态方程:
控制方程:
通过求解上述微分方程,可以得到车辆在合流区域的运动状态:
其中:
分析始末状态,设x(t0)=0,x(tf)=L,L为控制区长度;vx(t0)、ax(t0)取决于车辆进入控制区的初始状态;vx(tf)=v、ax(tf)=0,因此有下列等式:
其中,
继而可以求得常数向量
通过求解后的常数向量,即可得到车辆关于位置、速度、加速度和jerk的纵向解析解。
(2)横向成本求解
哈密顿函数:
协态方程:
控制方程:
通过求解上述微分方程,可以得到车辆在换道过程中的运动状态:
由于横向成本是车辆换道产生的,因此其始末状态为y(t1)=0,y(tLC)=D,D为车道宽度,一般取3.75m;vy(t1)、ay(t1)、vy(tLC)、ay(tLC)分别为车辆起始换道和结束换道时的速度和加速度,为保证换道的安全,上述四个值都为0,因此得到下列等式:
因此求得常数向量为:
同理,通过求解横向成本的常数向量可以得到L2车道上车辆选择换道策略时的横向运动轨迹。值得一提的是,本文并未对t1和tLC的具体数值进行讨论,因为我们将车辆通过合流点的时间变量作为博弈的决策目标,代表L2中车辆一定可以向L1换道,只不过因车辆间不同的策略选择导致了不同的成本大小,因此本文只考虑了t1和tLC的差值大小,其表示了车辆的换道时间,一般换道时间取4~6s,本实施例将在后续研究中确定车辆的具体换道时刻,以便对车辆的具体换道轨迹进行规划。
最终,通过常数向量可以获得每辆车轨迹、速度和加速度的解析解,在求解最优u*并确定最小成本J*对应的策略后,两车博弈的帕累托效率可以从成本矩阵中获得。
S105、采用目标合流方案控制多个车辆完成合流。
示例的,当车辆进入合流区域(可以理解为控制区)时,中央控制器决定最佳合并序列,基于在每个采样时间收集的车辆状态,更新每个车辆的最佳轨迹以处理干扰,直到完成合并顺序,最后基于上述求解得到的运行成本最小的方案,对应控制所有车辆完成合流过程。
本实施例引入双车道主路和单车道匝道的控制场景,以满足主路外侧车道的车辆在与匝道车辆合流时能向内侧车道进行换道,丰富了车辆在合流过程的真实策略选择;其次,基于合流区域内车辆的协同目标,设计了关于车辆行驶效率、舒适性和燃油消耗的博弈成本函数,并将多人合作博弈分解为二人博弈以确定车辆在不同车道上的最佳合并顺序(Merging Sequence,MS);最后,依据最优合流结果,应用庞特里亚金最大值原理求解了车辆轨迹控制,在最小合作策略成本下求得车辆纵向轨迹最优解析解,实现了合流区内多车道车辆的协同控制。实验首先通过与已有的单车道主路合流博弈算法和FIFO算法进行对比发现,本文模型最大可减少控制区内23.6%的燃油消耗,提高车辆25.79%的平均速度;进一步通过与真实数据集匝道区域进行对比,发现本实施例的合流方法与实际情况一致,即模型具有较高的真实拟人性,并在决策一致的情形下,本文的加速度优化更加平滑稳定,相较于真实数据降低了4.95%的燃油消耗。
下面对本发明提供的多车道的智能网联车辆合流控制装置进行描述,下文描述的多车道的智能网联车辆合流控制装置与上文描述的多车道的智能网联车辆合流控制方法可相互对应参照。
图5为本发明实施例提供的多车道的智能网联车辆合流控制装置结构示意图,如图5所示,该多车道的智能网联车辆合流控制装置50包括:
获取单元501,用于获取多车道上进入合流区域的多个车辆的运行状态。
第一控制单元502,用于采用预设的状态约束条件控制多个车辆通过合流区域时的运行状态。
第一处理单元503,用于根据多个车辆的运行状态和状态约束条件,采用预设的合作博弈方法确定至少一种合流方案。
第二处理单元504,用于计算合流方案的运行成本,确定运行成本最小的合流方案为目标合流方案。
第二控制单元505,用于采用目标合流方案控制多个车辆完成合流。
可选的,第一控制单元502,具体用于采用预设的状态约束条件控制多个车辆通过所述合流区域时的运行状态。
可选的,第一控制单元502,具体用于控制各个车辆通过合流点以后匀速行驶预设时间段;控制通过合流点时,每个车道上相邻两个车辆之间的时间间隔为预设时长。
可选的,第二处理单元504,具体用于针对每个合流方案执行以下处理:
计算各个合流方案的效率成本、燃油成本和舒适性成本;
根据效率成本、燃油成本和舒适性成本分别对应权重,计算合流方案对应的运行成本。
可选的,第二处理单元504,具体用于分别计算合流方案中每个车辆的合流成本;根据每个车辆的合流成本得到合流方案的运行成本,即将合流方案所有车辆的合流成本相加得到合流方案的运行成本。
可选的,第二处理单元504,具体用于针对合流方案中每个车辆执行以下处理:
采用以下公式计算每个车辆的纵向成本:
采用以下公式计算每个车辆的横向成本:
根据每个车辆的纵向成本和横向成本,计算每个车辆的合流成;
上述公式中,t0表示车辆进入合流区域的时间,t1表示车辆换道的起始时间,tf表示车辆到达合流点的时间,vdes表示车辆的期望速度,v、a、u分别代表车辆的速度、加速度和加加速度,ω1、ω2、ω3分别表示效率成本、燃油成本和舒适性成的权重,tLC表示车辆换道所花费时间。
图6为本发明实施例提供的一种电子设备的实体结构示意图,如图6所示,该电子设备可以包括:处理器(processor)610、通信接口(Communications Interface)620、存储器(memory)630和通信总线640,其中,处理器610,通信接口620,存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令,以执行多车道的智能网联车辆合流控制方法。
其中,多车道的智能网联车辆合流控制方法包括:
获取多车道上进入合流区域的多个车辆的运行状态;采用预设的状态约束条件控制多个车辆通过合流区域时的运行状态;根据多个车辆的运行状态和状态约束条件,采用预设的合作博弈方法确定至少一种合流方案;计算合流方案的运行成本,确定运行成本最小的合流方案为目标合流方案;采用目标合流方案控制多个车辆完成合流。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如上述任一种多车道的智能网联车辆合流控制方法。其中,多车道的智能网联车辆合流控制方法包括:获取多车道上进入合流区域的多个车辆的运行状态;采用预设的状态约束条件控制多个车辆通过合流区域时的运行状态;根据多个车辆的运行状态和状态约束条件,采用预设的合作博弈方法确定至少一种合流方案;计算合流方案的运行成本,确定运行成本最小的合流方案为目标合流方案;采用目标合流方案控制多个车辆完成合流。
又一方面,本发明还提供一种计算机程序产品,包括计算机程序,计算机程序被处理器执行时实现如上述任一种多车道的智能网联车辆合流控制方法。其中,多车道的智能网联车辆合流控制方法包括:获取多车道上进入合流区域的多个车辆的运行状态;采用预设的状态约束条件控制多个车辆通过合流区域时的运行状态;根据多个车辆的运行状态和状态约束条件,采用预设的合作博弈方法确定至少一种合流方案;计算合流方案的运行成本,确定运行成本最小的合流方案为目标合流方案;采用目标合流方案控制多个车辆完成合流。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
以上应用了具体个例对本发明进行阐述,只是用于帮助理解本发明,并不用以限制本发明。对于本发明所属技术领域的技术人员,依据本发明的思想,还可以做出若干简单推演、变形或替换。
Claims (10)
1.一种多车道的智能网联车辆合流控制方法,其特征在于,包括:
获取多车道上进入合流区域的多个车辆的运行状态;
采用预设的状态约束条件控制所述多个车辆通过所述合流区域时的运行状态;
根据多个车辆的运行状态和状态约束条件,采用预设的合作博弈方法确定至少一种合流方案;
计算所述合流方案的运行成本,确定运行成本最小的合流方案为目标合流方案;
采用所述目标合流方案控制所述多个车辆完成合流。
2.如权利要求1所述的多车道的智能网联车辆合流控制方法,其特征在于,所述采用预设的状态约束条件控制所述多个车辆通过所述合流区域时的运行状态,包括:
根据所述多个车辆的运行状态确定所述合流区域中每个车道上的合流点位置;
采用预设的状态约束条件控制所述多个车辆通过所述合流点时的运行速度和每个车道上相邻两个车辆之间的时间间隔。
3.如权利要求3所述的多车道的智能网联车辆合流控制方法,其特征在于,所述采用预设的状态约束条件控制所述多个车辆通过所述合流点时的运行速度和每个车道上相邻两个车辆之间的时间间隔,包括:
控制各个所述车辆通过所述合流点以后匀速行驶预设时间段;
控制通过所述合流点时,每个车道上相邻两个车辆之间的时间间隔为预设时长。
4.如权利要求3所述的多车道的智能网联车辆合流控制方法,其特征在于,所述计算所述合流方案的运行成本,包括:
针对每个所述合流方案执行以下处理:
计算各个合流方案的效率成本、燃油成本和舒适性成本;
根据所述效率成本、燃油成本和舒适性成本分别对应权重,计算所述合流方案对应的运行成本。
5.如权利要求4所述的多车道的智能网联车辆合流控制方法,其特征在于,所述计算所述合流方案的运行成本,包括:
分别计算所述合流方案中每个车辆的合流成本;
根据所述每个车辆的合流成本得到所述合流方案的运行成本。
7.一种多车道的智能网联车辆合流控制装置,其特征在于,包括:
获取单元,用于获取多车道上进入合流区域的多个车辆的运行状态;
第一控制单元,用于采用预设的状态约束条件控制所述多个车辆通过所述合流区域时的运行状态;
第一处理单元,用于根据多个车辆的运行状态和状态约束条件,所述采用预设的合作博弈方法确定至少一种合流方案;
第二处理单元,用于计算所述合流方案的运行成本,确定运行成本最小的合流方案为目标合流方案;
第二控制单元,用于采用所述目标合流方案控制所述多个车辆完成合流。
8.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至6任一项所述的多车道的智能网联车辆合流控制方法。
9.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的多车道的智能网联车辆合流控制方法。
10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的多车道的智能网联车辆合流控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211567422.8A CN115909784B (zh) | 2022-12-07 | 2022-12-07 | 多车道的智能网联车辆合流控制方法和控制装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211567422.8A CN115909784B (zh) | 2022-12-07 | 2022-12-07 | 多车道的智能网联车辆合流控制方法和控制装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115909784A true CN115909784A (zh) | 2023-04-04 |
CN115909784B CN115909784B (zh) | 2023-10-27 |
Family
ID=86470925
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211567422.8A Active CN115909784B (zh) | 2022-12-07 | 2022-12-07 | 多车道的智能网联车辆合流控制方法和控制装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115909784B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117218881A (zh) * | 2023-11-08 | 2023-12-12 | 北京理工大学前沿技术研究院 | 全网联环境下智能车辆协同汇入决策规划方法及系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150054957A1 (en) * | 2013-08-23 | 2015-02-26 | Xerox Corporation | System and method for automated sequencing of vehicle under low speed conditions from video |
EP3579211A1 (en) * | 2018-06-06 | 2019-12-11 | Honda Research Institute Europe GmbH | Method and system for assisting an operator of an ego-vehicle in controlling the ego-vehicle by determining a future behavior and an associated trajectory for the ego-vehicle |
CN110667578A (zh) * | 2018-12-29 | 2020-01-10 | 长城汽车股份有限公司 | 自动驾驶车辆的横向决策系统及横向决策确定方法 |
CN110718074A (zh) * | 2019-11-06 | 2020-01-21 | 清华大学 | 混合交通交叉路口的信号灯与车辆的协同控制方法 |
US20200307589A1 (en) * | 2019-03-29 | 2020-10-01 | Chongqing Jinkang New Energy Vehicle, Ltd. | Automatic lane merge with tunable merge behaviors |
CN112289076A (zh) * | 2020-10-30 | 2021-01-29 | 长安大学 | 双车道智能网联车协同换道方法、装置、设备及存储介质 |
CN113362619A (zh) * | 2021-06-04 | 2021-09-07 | 东南大学 | 混合交通环境下智能网联车辆匝道协同合流控制方法及装置 |
CN114067559A (zh) * | 2021-09-27 | 2022-02-18 | 北京交通大学 | 一种自动车专用道并入普通车道的合流优化控制方法 |
CN114132341A (zh) * | 2021-11-12 | 2022-03-04 | 中汽院智能网联科技有限公司 | 一种车联网环境下自动驾驶车辆上匝道轨迹规划模型 |
US20220185289A1 (en) * | 2020-12-14 | 2022-06-16 | Zoox, Inc. | Lane change gap finder |
CN114639246A (zh) * | 2022-05-18 | 2022-06-17 | 哈尔滨工业大学 | 一种高速公路匝道合流区车路协同控制方法及系统 |
CN114664078A (zh) * | 2022-03-18 | 2022-06-24 | 河北工业大学 | 基于自动驾驶车辆队列的道路合流区协作汇入控制方法 |
CN114852105A (zh) * | 2022-06-21 | 2022-08-05 | 长安大学 | 一种自动驾驶车辆换道轨迹规划方法及系统 |
-
2022
- 2022-12-07 CN CN202211567422.8A patent/CN115909784B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150054957A1 (en) * | 2013-08-23 | 2015-02-26 | Xerox Corporation | System and method for automated sequencing of vehicle under low speed conditions from video |
EP3579211A1 (en) * | 2018-06-06 | 2019-12-11 | Honda Research Institute Europe GmbH | Method and system for assisting an operator of an ego-vehicle in controlling the ego-vehicle by determining a future behavior and an associated trajectory for the ego-vehicle |
CN110667578A (zh) * | 2018-12-29 | 2020-01-10 | 长城汽车股份有限公司 | 自动驾驶车辆的横向决策系统及横向决策确定方法 |
US20200307589A1 (en) * | 2019-03-29 | 2020-10-01 | Chongqing Jinkang New Energy Vehicle, Ltd. | Automatic lane merge with tunable merge behaviors |
CN110718074A (zh) * | 2019-11-06 | 2020-01-21 | 清华大学 | 混合交通交叉路口的信号灯与车辆的协同控制方法 |
CN112289076A (zh) * | 2020-10-30 | 2021-01-29 | 长安大学 | 双车道智能网联车协同换道方法、装置、设备及存储介质 |
US20220185289A1 (en) * | 2020-12-14 | 2022-06-16 | Zoox, Inc. | Lane change gap finder |
CN113362619A (zh) * | 2021-06-04 | 2021-09-07 | 东南大学 | 混合交通环境下智能网联车辆匝道协同合流控制方法及装置 |
CN114067559A (zh) * | 2021-09-27 | 2022-02-18 | 北京交通大学 | 一种自动车专用道并入普通车道的合流优化控制方法 |
CN114132341A (zh) * | 2021-11-12 | 2022-03-04 | 中汽院智能网联科技有限公司 | 一种车联网环境下自动驾驶车辆上匝道轨迹规划模型 |
CN114664078A (zh) * | 2022-03-18 | 2022-06-24 | 河北工业大学 | 基于自动驾驶车辆队列的道路合流区协作汇入控制方法 |
CN114639246A (zh) * | 2022-05-18 | 2022-06-17 | 哈尔滨工业大学 | 一种高速公路匝道合流区车路协同控制方法及系统 |
CN114852105A (zh) * | 2022-06-21 | 2022-08-05 | 长安大学 | 一种自动驾驶车辆换道轨迹规划方法及系统 |
Non-Patent Citations (1)
Title |
---|
张征, 曹慧: "北京市汽车工业与城市环境关系的实证研究", 中国软科学, no. 11 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117218881A (zh) * | 2023-11-08 | 2023-12-12 | 北京理工大学前沿技术研究院 | 全网联环境下智能车辆协同汇入决策规划方法及系统 |
CN117218881B (zh) * | 2023-11-08 | 2024-02-13 | 北京理工大学前沿技术研究院 | 全网联环境下智能车辆协同汇入决策规划方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115909784B (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110362910B (zh) | 基于博弈论的自动驾驶车辆换道冲突协调模型建立方法 | |
CN108595823B (zh) | 一种联合驾驶风格和博弈理论的自主车换道策略计算方法 | |
CN108510764B (zh) | 一种基于q学习的多路口自适应相位差协调控制系统及方法 | |
CN111081065A (zh) | 路段混行条件下的智能车辆协同换道决策模型 | |
CN106997689A (zh) | 基于路口的v2p避免碰撞方法 | |
CN112233413B (zh) | 一种面向智能网联车辆的多车道时空轨迹优化方法 | |
Wang et al. | Velocity control in car-following behavior with autonomous vehicles using reinforcement learning | |
CN115909784A (zh) | 多车道的智能网联车辆合流控制方法和控制装置 | |
CN113867354A (zh) | 一种自动驾驶多车智能协同的区域交通流导引方法 | |
Yang et al. | Multi-lane coordinated control strategy of connected and automated vehicles for on-ramp merging area based on cooperative game | |
CN114852105A (zh) | 一种自动驾驶车辆换道轨迹规划方法及系统 | |
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 | |
Qu et al. | Analysis and modeling of lane-changing game strategy for autonomous driving vehicles | |
Wei et al. | Mixed-autonomy traffic control with proximal policy optimization | |
Li et al. | Enhancing cooperation of vehicle merging control in heavy traffic using communication-based soft actor-critic algorithm | |
CN113312752A (zh) | 一种主路优先控制交叉口交通仿真方法及装置 | |
Li et al. | Modeling and simulation of vehicle group collaboration behaviors in an on-ramp area with a connected vehicle environment | |
Jiang et al. | Integrating traffic signal optimization with vehicle microscopic control to reduce energy consumption in a connected and automated vehicles environment | |
Jia et al. | Interactive decision-making with switchable game modes for automated vehicles at intersections | |
Liu et al. | Eco-Friendly On-Ramp Merging Strategy for Connected and Automated Vehicles in Heterogeneous Traffic | |
Li et al. | Three-player cooperative game with side-payments for discretionary lane changes of connected vehicles | |
Du et al. | Impacts of vehicle-to-infrastructure communication on traffic flows with mixed connected vehicles and human-driven vehicles | |
Kaushik et al. | Learning driving behaviors for automated cars in unstructured environments | |
Lin et al. | Multi-level objective control of AVs at a saturated signalized intersection with multi-agent deep reinforcement learning approach | |
Zhang et al. | Cooperative behaviors of connected autonomous vehicles and pedestrians to provide safe and efficient traffic in industrial sites |
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 |