CN116013101B - 一种基于网联环境的无信号路口速度建议系统和方法 - Google Patents
一种基于网联环境的无信号路口速度建议系统和方法 Download PDFInfo
- Publication number
- CN116013101B CN116013101B CN202310303131.6A CN202310303131A CN116013101B CN 116013101 B CN116013101 B CN 116013101B CN 202310303131 A CN202310303131 A CN 202310303131A CN 116013101 B CN116013101 B CN 116013101B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- intersection
- speed
- subsystem
- acceleration
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000001133 acceleration Effects 0.000 claims abstract description 68
- 238000005457 optimization Methods 0.000 claims abstract description 8
- 238000004891 communication Methods 0.000 claims description 48
- 238000011156 evaluation Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000013439 planning Methods 0.000 claims description 8
- 230000033001 locomotion Effects 0.000 claims description 7
- 230000003068 static effect Effects 0.000 claims description 7
- 239000002245 particle Substances 0.000 claims description 5
- 238000005265 energy consumption Methods 0.000 claims description 4
- 230000005465 channeling Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 238000011144 upstream manufacturing Methods 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 21
- 238000007726 management method Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 101001093748 Homo sapiens Phosphatidylinositol N-acetylglucosaminyltransferase subunit P Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000004297 night vision Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于网联环境的无信号路口速度建议系统和方法,该方法利用网联环境,实时收集车辆行驶信息,以安全性条件为约束,以提升通行效率、降低油耗排放、提高驾驶舒适性为目标,建立优化问题,获得每辆车在各时刻的速度和加速度,为网联车辆提供速度建议。本发明兼顾驾驶多方面效益,实现了无信号交叉口时空资源的有效分配。
Description
技术领域
本发明涉及智慧交通领域,尤其涉及一种基于网联环境的无信号路口速度建议系统和方法。
背景技术
效率、安全和可持续性一直是交通系统的三大关注点。交通拥堵造成的出行延误、燃油消耗和环境污染与日俱增,与此同时,复杂的交通环境使得交通碰撞频发,威胁人民生命财产安全。因此,为这些问题寻找创新的解决方案是重要且必要的。
随着车对车(V2V)和车对基础设施(V2I)通信技术的发展,联网车辆和自动驾驶车辆能够通过信息共享和车辆协作为驾驶员提供安全的驾驶环境。因此,协同车辆控制的智能交通系统一直是全球热门话题。
城市道路中最常见的场景之一是交叉路口,其中一种避免车辆碰撞和提高交通效率的基本方法是安装交通信号控制系统。交通信号控制系统也存在时间资源和空间资源的浪费等问题,例如绿灯空放、相位设置不合理等问题,同时由于人工驾驶的不确定性,信号系统下也存在车辆碰撞的问题。由于自动驾驶汽车和V2X通信技术的发展,尝试在无信号交叉口利用自动驾驶解决以上问题。
近年来,有一些研究侧重于无信号交叉口的协同驾驶或防撞。其中,一些研究针对车辆轨迹,分别利用模糊控制理论、分布控制理论、动态交叉树理论等,通过消除来自交叉路口所有冲突方法的车辆轨迹的潜在重叠来操纵单个车辆的机动。然而,车辆轨迹的重叠并不意味着真正的碰撞发生,因此该方法需要进一步改进;一些研究以避免碰撞为原则,建立通行规则,将车辆视为智能体,采用强化学习的方法对车辆进行排序,按照排序进行速度分配,由于这类方法的规则难以覆盖多种来车模式,对交通效率的提升有限。此外,这些研究主要考虑交叉路口的效率和安全性,而忽略了可持续性(即环境影响)和驾驶员的舒适度。
发明内容
针对现有技术的不足,本发明针对网联环境下的无信号交叉口,提出了一种基于网联环境的无信号路口速度建议系统和方法,能为车辆提供速度建议,代替信号系统指示,引导车辆高效有序安全地通过路口。
本发明的目的通过如下的技术方案来实现:
一种基于网联环境的无信号路口速度建议系统,该系统包括:车辆终端子系统、路侧设施子系统、通信网络子系统、边缘平台子系统;
所述车辆终端子系统,包括车辆行驶信息采集模块、通信模块、自动驾驶模块;所述车辆行驶信息采集模块用于收集车辆在行驶中的运动数据、路况数据、行驶数据;所述通信模块用于与通信网络子系统实现信息交互;所述自动驾驶模块用于接收边缘平台子系统建议的速度和加速度,实现无需驾驶员干预的车辆自动控制转向、加速或制动;
所述路侧设施子系统,包括路侧计算模块、路侧传感模块、路侧通信模块;所述路侧传感模块用于感知交通环境和道路交通状态;所述路侧计算模块用于将当前路段内所有的路侧传感模块感知到的数据进行整理,通过所述路侧通信模块发送给所述通信网络子系统;
所述通信网络子系统,用于实现所述车辆终端子系统、路侧设施子系统分别与所述边缘平台子系统的数据通信;
所述边缘平台子系统用于接收所管理路口或路段的所述车辆终端子系统和路侧设施子系统的信息,并计算建议速度和加速度,并将建议速度和加速度通过所述通信网络子系统传达给所述车辆终端子系统执行;所述边缘平台子系统还用于计算每个建议速度和加速度方案的评价值。
进一步地,该系统还包括中心平台子系统,用于存储所管理区域的边缘平台子系统的建议速度和加速度方案及其对应的评价值,并根据需要下达优先控制指令给边缘平台子系统。
进一步地,所述中心平台子系统还能定期根据静态路口信息对路口分类;在每个路口类别内,再根据行驶信息对建议速度和加速度方案进行分类,最后将评价值高的建议速度和加速度方案在同类别路口内进行共享。
进一步地,所述静态路口信息包括路口目标范围大小、路口夹角、路口各进出口车道数、路口各进口车道转向渠化信息。
一种基于网联环境的无信号路口速度建议方法,该方法基于无信号路口速度建议系统来实现,该方法包括如下步骤:
步骤S1:在路口设置路口目标区域,路口目标区域范围为各路段从停车线起向道路上游的预设距离;当车辆在行驶过程中,当定位到车辆进入路口目标区域后,由车辆行驶信息采集模块和路侧传感模块同时收集车辆在行驶中的运动数据、路况数据、行驶数据发送给边缘平台子系统;
步骤S2:所述边缘平台子系统对接收到的路口目标区域范围内的数据进行汇总和校核,建立综合考虑通行效率、能耗、驾驶舒适性的目标函数f(ACC):
其中,ACC为加速度an和加速时间T1n组成的加速对(an, T1n)向量,D(ACC)为车辆在路口目标区域内行驶的延误时间,E(ACC)为车辆在路口目标区域内行驶的排放,C(ACC)为车辆在路口目标区域内行驶的舒适度;分别为每种目标的权重组成,且;
步骤S3:所述边缘平台子系统根据道路限速规则和车辆行驶特性,建立速度和加速度安全约束;
步骤S4:所述边缘平台子系统根据车辆行驶的方向角,计算可能发生碰撞的时间TTC,若TTC不小于在路口目标区域的通行时间Tn,则没有碰撞风险;否则,有碰撞风险,建立防碰撞约束;
步骤S5:所述边缘平台子系统建立满足约束条件,且使目标函数最小化的优化问题,并使用基于参考点的多目标规划粒子群算法求解所述优化问题,得到加速对向量ACC;
步骤S6:所述边缘平台子系统将加速对向量ACC发送给所述车辆终端子系统,由所述自动驾驶模块执行加速对向量ACC,达到目标速度,行驶通过路口目标区域。
进一步地,所述速度和加速度安全约束具体为:
vmin≤v≤vmax
amin≤a≤amax
其中,vmax应小于道路限速,对于繁华的交叉路口,vmax≤15km/h;考虑驾驶的舒适度,amax的范围为6-8 m/s2。
进一步地,基于避免碰撞的安全约束条件具体为:
其中,tj、tk分别为车辆j和车辆k到达碰撞点的时间,Hsafe为两辆车发生碰撞的临界车头时距;
同时,若为同方向来多辆车的情况,根据车辆跟驰特性,还需建立车辆跟驰约束:
其中,Xj、Xk为前后跟驰的一组车辆j、k在任意时刻的位置,Lsafe为两辆车发生追尾的临界车头间距。
进一步地,所述边缘平台子系统在车辆驶出路口目标区域后,结束速度建议过程,并计算本次车辆实际运行产生的1/f(ACC),用于对本次建议过程进行评价。
进一步地,所述边缘平台子系统在车辆驶出路口目标区域后,结束速度建议过程,并将本次计算得到的速度和加速度建议方案,以及车辆实际运行产生的评价值整合后,传输给中心平台子系统,进行资料的归档。
进一步地,所述车辆在路口目标区域内行驶的延误时间D(ACC)为路口目标区域内所有车辆实际通过路口目标区域的时间与按自由流速度通过目标区域的时间差的集合;
所述车辆在路口目标区域内行驶的排放E(ACC)为路口目标区域内所有车辆的排放量的集合;每个车辆的排放量等于每种排放物在每种工况区间的排放速率与行驶特征乘积的总和;
车辆在路口目标区域内行驶的舒适度C(ACC)为:
其中,T1i为车辆以加速度ai运行的时间,n为路口目标区域内的车辆数。
本发明的有益效果如下:
本发明的基于网联环境的无信号路口速度建议系统和方法,收集车辆在行驶中的运动数据、路况数据、行驶数据,综合考虑车辆延误、油耗、排放和驾驶员舒适度,将速度建议问题转化为非线性约束规划问题,为车辆提供速度建议,代替信号系统指示,引导车辆高效有序安全地通过路口。本发明可以在保障安全的基础上,实现无信号路口的效率提升,减少通行能耗,提升驾驶舒适度。
附图说明
图1为本发明其中一种实施例的基于网联环境的无信号路口速度建议系统的示意图。
图2为本发明其中一种实施例的基于网联环境的无信号路口速度建议系统的路口设施布置图。
图3为本发明其中一种实施例的基于网联环境的无信号路口速度建议方法的流程图。
具体实施方式
下面根据附图和优选实施例详细描述本发明,本发明的目的和效果将变得更加明白,应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明实施例的基于网联环境的无信号路口速度建议系统,包括车辆终端子系统、路侧设施子系统、通信网络子系统、边缘平台子系统。
(一)车辆终端子系统
车辆终端子系统指在人工驾驶车辆行驶功能之外,满足车辆信息收集、与其他子系统信息交换的车载信息功能系统,包括车辆行驶信息采集模块、通信模块、自动驾驶模块。
车辆行驶信息采集模块,利用激光雷达、GPS定位、陀螺仪等传感器,用于收集车辆在行驶中的运动数据、路况数据、行驶数据,例如车辆在道路空间的地理位置信息、实时速度、实时加速度、与前后车间距、左右车间距、方向角、车辆自身尺寸等。
通信模块用于与通信网络子系统实现信息交互,实现与其他设施的通信,包括与边缘平台子系统通信、与地图提供商通信、与其他行驶车辆通信的功能,其中,与边缘平台子系统通信,交换车辆行驶信息采集模块采集到的车辆行驶信息,边缘平台能够实时跟进车辆的行驶位置、速度、加速度、路径选择等,利用这些信息进行边缘计算,车辆终端接收边缘平台发送的驾驶速度建议;与地图提供商通信,传递定位信息,接收周边地图、交通管控信息(如道路封锁、道路限速)、交通管理设备(如限速拍照、看手机拍照等摄像头)信息等;与其他行驶车辆通信,指与周边范围(半径50m-100m)内具备车辆终端的车辆通信,交换彼此定位信息、速度信息、加速度信息、与本车有关的未来驾驶行为信息(如“在未来x分钟内即将进行换道”、“在未来x分钟内即将以n m/s2的加速度进行加速”)等。
自动驾驶模块用于接收边缘平台子系统建议的速度和加速度,实现无需驾驶员干预的车辆自动控制转向、加速或制动;车辆能够对行驶任务进行指导与决策,并代替驾驶员操控使车辆完成安全行驶。
另外,车辆终端子系统还可以包括导航模块、辅助驾驶模块。导航模块内置电子地图、地图匹配、起终点设置、路径规划等功能,当驾驶员在地图上手动设置起终点后,根据电子地图和实时定位,在行驶过程中,为自动驾驶或者人工驾驶提供路线。辅助驾驶模块,包括车道偏离预警、交通标志检测、信息中心路况推送在内的传统主动安全辅助驾驶功能,还可以包括更加先进的辅助驾驶功能,例如,1)夜视辅助功能,能够在夜间行车时将驾驶员视野范围扩大至200米左右,让驾驶员提前看清近光灯照不到的黑暗中道路中的危险事物,及时采取制动或避让措施;2)车辆维修辅助功能,自动检测发动机运行数据、车辆状况信息、驾驶员操控行为,同时接收GPS卫星定位信息记录车辆所在位置,并通过通信技术将这些信息传递给后台的数据处理中心,通过后台产生的指令信息对汽车进行实时的安全管理、油量精准控制、快速故障报警及智能维修等操作。
(二)路侧设施子系统
路侧设施子系统包括路侧计算模块、路侧传感模块、路侧通信模块等,其中:
路侧传感模块用于感知交通环境和道路交通状态,主要包括:1)检测交通环境中交通参与者状态和道路状况的持续观测或测量设备,如摄像机、毫米波雷达、激光雷达等;2)桥梁、隧道、边坡等基础设施的运行状态和安全的感知设备和监测机电设施分布和运行状态的传感器,如光纤传感器、RFID标签等;3)检测能见度、温度、湿度、风、路面湿滑状态等气象信息的环境监控设施。
路侧计算模块,指部署在道路沿线,用于将当前路段内所有的路侧传感模块感知到的数据进行整理,通过路侧通信模块发送给通信网络子系统,包括MEC(多接入边缘计算,将云计算平台从移动核心网络内部迁移到移动接入网边缘的数据计算单元)、路侧传感器及车辆数据接收单元、数据处理单元、交通事件识别等功能。
路侧通信模块,指与车辆终端子系统进行无线通信的模块,包括支持V2I(车辆与路侧设施间的通信)的路侧设施、支持V2X(车辆与路侧设施、车辆等交通个体的通信)基站等。
路侧设施子系统还可以包括电子标志标线模块,指发送限速、桥隧、弯道等信息的数字化路侧标志牌、情报板,以及可穿越冰雪、雨水、尘土的车道标志设备等。
(三)通信网络子系统
通信网络子系统用于实现车辆终端子系统、路侧设施子系统分别与边缘平台子系统的数据通信,主要包括光纤、以太网等有线网络和LTE、LTE-V2X、NR-V2X、4G/5G蜂窝网、DSRC、物联网(NB-IOT)等无线通信网络。其中,有线网络支持图像和视频等大带宽数据传输的功能,无线通信网络支持 C(平台侧)-V2X 通信功能。
(四)边缘平台子系统
边缘平台子系统用于接收所管理路口或路段的车辆终端子系统和路侧设施子系统的信息,并计算建议速度和加速度,并将建议速度和加速度通过通信网络子系统传达给车辆终端子系统执行;边缘平台子系统还用于计算每个建议速度和加速度方案的评价值。边缘平台子系统支持设备接入、数据分析、事件转发等,是所管理区域范围内低时延、高带宽和高可靠性的运行环境。
为了便于对所有的边缘平台子系统进行管理,基于网联环境的无信号路口速度建议系统还包括中心平台子系统,用于存储所管理区域的边缘平台子系统的建议速度和加速度方案及其对应的评价值,并根据需要下达优先控制指令给某个特定的边缘平台子系统。中心平台子系统是全区域交通信息、分发全局管理信息的管理平台,支持全局数据存储和分析以及和外部、第三方业务系统的对接,具备在管理中心进行全局数据管理、路侧设备管理、交通监控与管控的云协同服务能力。中心平台子系统与边缘平台子系统之间,具备数据同步、协同计算、应用分级部署等能力。
中心平台子系统还能定期(如一周、一个月)根据静态路口信息对路口分类;静态路口信息包括路口目标范围大小、路口夹角、路口各进出口车道数、路口各进口车道转向渠化信息(如左转车道、右转车道、直行车道)等。然后,在每个路口类别内,再根据行驶信息对建议速度和加速度方案进行分类,最后将评价值高的建议速度和加速度方案在同类别路口内进行共享。比如,对于同一类路口,将边缘平台子系统上传的行驶信息、速度建议信息、评价值汇总,按照车辆数、来车方向、车速等行驶信息,对速度建议信息和评价值分类,形成不同行驶信息组合模式下,速度建议信息的范本库。由中心平台将同类静态路口的速度建议范本,发送至同类路口的边缘平台子系统上,当来车后,首先判断是否有存在的范本,如果有范本,则直接采纳范本的建议,加快计算过程。
作为其中一个实施方式,如图2所示,某无信号路口速度建议系统100,包括中心平台110,其管理两个路口的边缘平台子系统一120和边缘平台子系统一220。在第一个路口,各进口道口、出口道口目标区域截止处各安装一个路侧设施子系统130。此时路口目标区域中有n辆装载了车辆终端子系统的车辆C1、C2、···Cn。在车辆进入路口目标区域后,实时接收车辆在道路空间地理位置信息、所在车道、实时速度、实时加速度、目标转向方向。
如图3所示,本发明实施例的基于网联环境的无信号路口速度建议方法,基于无信号路口速度建议系统来实现,包括如下步骤:
步骤S1:在路口设置路口目标区域,路口目标区域范围为各路段从停车线起向道路上游的预设距离(比如30-50m);当车辆在行驶过程中,当定位到车辆进入路口目标区域后,由车辆行驶信息采集模块和路侧传感模块同时收集车辆在行驶中的运动数据、路况数据、行驶数据(包括所在车道、实时速度、实时加速度、目标转向方向、行驶方向角等)发送给边缘平台子系统。
步骤S2:边缘平台子系统对接收到的路口目标区域范围内的数据进行汇总和校核,建立综合考虑通行效率、能耗、驾驶舒适性的目标函数。
所述步骤S2通过以下子步骤来实现:
(S2.1)计算车辆在目标区域内行驶的延误时间D(ACC)。
ACC为加速度an和加速时间T1n组成的加速对(an, T1n)向量,即:
ACC=[(a1,T11), (a2,T12), … , (an ,T1n)],i=1,2, …,n。
延误时间为实际通过目标区域的时间与按自由流速度通过目标区域的时间差。
假设车辆通过目标区域所需行驶的距离分别为Ln,在目标区域内先以初速度为v0n、加速度an匀变速运动到达速度vn,再以速度vn匀速驶过目标区域,车辆自由流速度为vfn。每辆车通过目标区域所需实际时间为Tn,其中T1n为匀变速运动时间,T2n为匀速运动时间。以自由流速度通过路口所需时间为Tfn。
由此,实际通过的情况为:
Tn=T1n + T2n
vn=an·T1n
Ln=v0n·T1n+0.5 an·T1n 2+ vn·T2n
自由流速度通过的情况为:
Ln=vfn·Tfn
单车延误时间Dn为:
Dn= Tn- Tfn
总延误D为:
(S2.2)计算车辆在路口目标区域内行驶的排放E(ACC),总排放量等于每种排放物在每种工况(启动、运行、怠速等)区间的排放速率与行驶特征(运行时间、运行距离、启动次数等)乘积的总和。
总排放E为:
(S2.3)计算车辆在路口目标区域内行驶的舒适度C(ACC)。
单辆车的舒适度函数Cn为:
总舒适度C为:
(S2.4)将延误时间、排放和舒适度乘系数后加和,形成总目标函数f(ACC)。
步骤S3:所述边缘平台子系统根据道路限速规则和车辆行驶特性,建立速度和加速度安全约束。
约束速度v和加速度a的取值范围,即v和a不能大于各自合理取值范围中的最大值,也不能小于各自合理取值范围中的最小值。
假设结合车辆属性、路段限速等条件,车辆行驶的最小速度为vmin,最大速度为vmax,最小加速度为amin,最大加速度为amax,则有速度约束条件:
vmin≤v≤vmax
amin≤a≤amax
其中,vmax应小于道路限速,对于繁华的交叉路口,vmax≤15km/h。考虑驾驶的舒适度,amax的范围为6-8 m/s2。
步骤S4:边缘平台子系统根据车辆行驶的方向角,计算可能发生碰撞的时间TTC,若TTC不小于在路口目标区域的通行时间Tn,则没有碰撞风险;否则,有碰撞风险,建立防碰撞约束。
所述步骤S4通过以下子步骤来实现:
(S4.1)根据车辆行驶的方向角,识别是否可能发生冲突和碰撞;
按照车辆的实际尺寸对车辆可能发生的冲突进行建模,用 Zij =( xij, yij) 表示车辆四个角点坐标,i表示车辆标号, j表示车辆四个角点标号,j =1, 2,3, 4 = (左前方,右前方,右后方,左后方),则有
Zij =0.5×AiKj+(xi0, yi0)
通过上述公式就可确定任意车辆在任意时刻的四个角点坐标。判断其中一车辆上的某个顶点是否在另一车辆的某一边上,就可判断两车是否产生碰撞,冲突判断可由以下表示:
且min(xij’, x1h)≤x2h≤max(xij’, x1h)。
当j’ =1或j’ = 3 时,h = 2 或 h = 4 ;当j’= 2 或 j’= 4 时,h =1 或 h = 3,则有
且min(x11, x14)≤x22≤max(x11, x14)。
将得到的每一车辆质心坐标带入上述各公式,即可得到TTC。
如果对于任一车辆,TTC<Tn,则有碰撞风险。需进入步骤S4.2建立防碰撞约束。
(S4.2)建立防止碰撞约束,即,车辆在进入路口后,按速度v和加速度a行驶时,要满足安全间距。
首先求解按照原定速度行驶到达碰撞点的距离。
假设对于一组可能发生碰撞的车辆j、k,到达碰撞点的距离分别为lj、lk,根据步骤S4.1,到达碰撞点的时间为TTC,可以求得lj、lk,为:
其中v0j、v0k分别为两车进入区域内的初始速度,T1j、T1k分别为进行速度建议前原定的加速时间,aj、ak分别为进行速度建议前原定的加速度,vj、vk分别为进行速度建议前原定的加速完成后的通过速度,vj=v0j+ aj·T1j,vk=v0k+ ak·T1k。
为规避碰撞风险,假设到达碰撞点的时间分别为tj、tk,则有:
假设两辆车发生碰撞的临界车头时距为Hsafe,则确保不发生碰撞的安全约束为:
考虑到乘车人的心理承受能力和误差,Hsafe通常取值为2-5s。
同时,若为同方向来多辆车的情况,根据车辆跟驰特性,还需建立车辆跟驰约束。假设对于前后跟驰的一组车辆j、k,在任意时刻的位置为Xj、Xk,两辆车发生追尾的临界车头间距为Lsafe,则为保证前后车辆行驶安全,应保证不发生追尾的安全约束为:
Lsafe取值范围为5-8m。
步骤S5:边缘平台子系统建立满足约束条件,且使目标函数最小化的优化问题,并使用基于参考点的多目标规划粒子群算法求解所述优化问题,得到加速对向量ACC。
本发明的优化问题为:
由于目标函数为综合考虑了延误、能源、舒适度的超多目标问题,同时需要满足多重约束,为了同时平衡多样性和收敛性,使用基于参考点的多目标规划粒子群算法。其中,参考点策略用来维护解的多样性,通过均匀分布的参考点,将超多目标规划问题转化为多个单目标规划问题。同时使用分解策略中的聚合函数促进收敛性。个体在自身邻域内被赋予聚合函数值,个体极值和群体极值参考点以聚合函数值为依据来更新。与基于分解的方法不同,基于参考点的多目标规划粒子群算法不是用分解完全代替传统的优势法,而是将优势与分解结合,避免早熟收敛。
步骤S6:边缘平台子系统将加速对向量ACC发送给车辆终端子系统,由所述自动驾驶模块执行加速对向量ACC,达到目标速度。
在行驶过程中,持续记录车辆的行驶信息,当车辆驶出路口目标区域后,车辆终端子系统结束速度建议过程,由边缘平台子系统计算车辆实际运行产生的优化目标值1/f(ACC),作为评价值。边缘平台子系统将行驶信息、速度建议信息、评价值整合,传输给中心平台子系统,进行资料的归档。
本领域普通技术人员可以理解,以上所述仅为发明的优选实例而已,并不用于限制发明,尽管参照前述实例对发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实例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。凡在发明的精神和原则之内,所做的修改、等同替换等均应包含在发明的保护范围之内。
Claims (9)
1.一种基于网联环境的无信号路口速度建议方法,其特征在于,该方法基于无信号路口速度建议系统来实现,该系统包括:车辆终端子系统、路侧设施子系统、通信网络子系统、边缘平台子系统;
所述车辆终端子系统,包括车辆行驶信息采集模块、通信模块、自动驾驶模块;所述车辆行驶信息采集模块用于收集车辆在行驶中的运动数据、路况数据、行驶数据;所述通信模块用于与通信网络子系统实现信息交互;所述自动驾驶模块用于接收边缘平台子系统建议的速度和加速度,实现无需驾驶员干预的车辆自动控制转向、加速或制动;
所述路侧设施子系统,包括路侧计算模块、路侧传感模块、路侧通信模块;所述路侧传感模块用于感知交通环境和道路交通状态;所述路侧计算模块用于将当前路段内所有的路侧传感模块感知到的数据进行整理,通过所述路侧通信模块发送给所述通信网络子系统;
所述通信网络子系统,用于实现所述车辆终端子系统、路侧设施子系统分别与所述边缘平台子系统的数据通信;
所述边缘平台子系统用于接收所管理路口或路段的所述车辆终端子系统和路侧设施子系统的信息,并计算建议速度和加速度,并将建议速度和加速度通过所述通信网络子系统传达给所述车辆终端子系统执行;所述边缘平台子系统还用于计算每个建议速度和加速度方案的评价值;
该方法包括如下步骤:
步骤S1:在路口设置路口目标区域,路口目标区域范围为各路段从停车线起向道路上游的预设距离;当车辆在行驶过程中,当定位到车辆进入路口目标区域后,由车辆行驶信息采集模块和路侧传感模块同时收集车辆在行驶中的运动数据、路况数据、行驶数据发送给边缘平台子系统;
步骤S2:所述边缘平台子系统对接收到的路口目标区域范围内的数据进行汇总和校核,建立综合考虑通行效率、能耗、驾驶舒适性的目标函数f(ACC):
其中,ACC为加速度a n 和加速时间T1 n 组成的加速对(a n , T1 n )向量,D(ACC)为车辆在路口目标区域内行驶的延误时间,E(ACC)为车辆在路口目标区域内行驶的排放,C(ACC)为车辆在路口目标区域内行驶的舒适度;分别为每种目标的权重组成,且;
步骤S3:所述边缘平台子系统根据道路限速规则和车辆行驶特性,建立速度和加速度安全约束;
步骤S4:所述边缘平台子系统根据车辆行驶的方向角,计算可能发生碰撞的时间TTC,若TTC不小于在路口目标区域的通行时间T n,则没有碰撞风险;否则,有碰撞风险,建立防碰撞约束;
步骤S5:所述边缘平台子系统建立满足约束条件,且使目标函数最小化的优化问题,并使用基于参考点的多目标规划粒子群算法求解所述优化问题,得到加速对向量ACC;
步骤S6:所述边缘平台子系统将加速对向量ACC发送给所述车辆终端子系统,由所述自动驾驶模块执行加速对向量ACC,达到目标速度,行驶通过路口目标区域。
2.根据权利要求1所述的基于网联环境的无信号路口速度建议方法,其特征在于,该系统还包括中心平台子系统,用于存储所管理区域的边缘平台子系统的建议速度和加速度方案及其对应的评价值,并根据需要下达优先控制指令给边缘平台子系统。
3.根据权利要求2所述的基于网联环境的无信号路口速度建议方法,其特征在于,所述中心平台子系统还能定期根据静态路口信息对路口分类;在每个路口类别内,再根据行驶信息对建议速度和加速度方案进行分类,最后将评价值高的建议速度和加速度方案在同类别路口内进行共享。
4.根据权利要求3所述的基于网联环境的无信号路口速度建议方法,其特征在于,所述静态路口信息包括路口目标范围大小、路口夹角、路口各进出口车道数、路口各进口车道转向渠化信息。
5.根据权利要求1所述的基于网联环境的无信号路口速度建议方法,其特征在于,所述速度和加速度安全约束具体为:
v
min
≤v≤v
max
a
min
≤a≤a
max
其中,v max 应小于道路限速,对于繁华的交叉路口,v max ≤15km/h;考虑驾驶的舒适度,a max 的范围为6-8 m/s2。
7.根据权利要求1所述的基于网联环境的无信号路口速度建议方法,其特征在于,所述边缘平台子系统在车辆驶出路口目标区域后,结束速度建议过程,并计算本次车辆实际运行产生的1/f(ACC),用于对本次建议过程进行评价。
8.根据权利要求7所述的基于网联环境的无信号路口速度建议方法,其特征在于,所述边缘平台子系统在车辆驶出路口目标区域后,结束速度建议过程,并将本次计算得到的速度和加速度建议方案,以及车辆实际运行产生的评价值整合后,传输给中心平台子系统,进行资料的归档。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310303131.6A CN116013101B (zh) | 2023-03-27 | 2023-03-27 | 一种基于网联环境的无信号路口速度建议系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310303131.6A CN116013101B (zh) | 2023-03-27 | 2023-03-27 | 一种基于网联环境的无信号路口速度建议系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116013101A CN116013101A (zh) | 2023-04-25 |
CN116013101B true CN116013101B (zh) | 2023-06-20 |
Family
ID=86037697
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310303131.6A Active CN116013101B (zh) | 2023-03-27 | 2023-03-27 | 一种基于网联环境的无信号路口速度建议系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116013101B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117367831B (zh) * | 2023-12-06 | 2024-04-09 | 中汽研汽车检验中心(天津)有限公司 | 智能驾驶极限测试场景构建方法、设备及介质 |
CN118015838B (zh) * | 2024-04-08 | 2024-07-30 | 中铁三局集团有限公司 | 结合物联网的隧道车辆流动控制方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103927895A (zh) * | 2014-04-25 | 2014-07-16 | 清华大学 | 一种基于车路/车车通讯的车辆弯道通行辅助系统 |
CN111127887A (zh) * | 2019-12-19 | 2020-05-08 | 银江股份有限公司 | 一种基于实时交通状态驱动的信号控制优化系统及方法 |
CN111445015A (zh) * | 2020-06-15 | 2020-07-24 | 之江实验室 | 一种智能网联环境下非网联车位置估计方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7983836B2 (en) * | 1997-10-22 | 2011-07-19 | Intelligent Technologies International, Inc. | Vehicle-traffic control device communication techniques |
CN107331182A (zh) * | 2017-07-13 | 2017-11-07 | 北京航空航天大学 | 一种面向连续信号交叉口的网联环境下自动驾驶车速控制方法 |
CN109523810A (zh) * | 2018-11-21 | 2019-03-26 | 长安大学 | 一种基于车联网的信号交叉口车速引导系统与方法 |
CN110335488A (zh) * | 2019-07-24 | 2019-10-15 | 深圳成谷科技有限公司 | 一种基于车路协同的车辆自动驾驶方法和装置 |
CN112289076B (zh) * | 2020-10-30 | 2021-12-10 | 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 |
CN115273477B (zh) * | 2022-08-10 | 2023-08-01 | 阿波罗智联(北京)科技有限公司 | 路口驾驶建议推送方法、装置、系统和电子设备 |
-
2023
- 2023-03-27 CN CN202310303131.6A patent/CN116013101B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103927895A (zh) * | 2014-04-25 | 2014-07-16 | 清华大学 | 一种基于车路/车车通讯的车辆弯道通行辅助系统 |
CN111127887A (zh) * | 2019-12-19 | 2020-05-08 | 银江股份有限公司 | 一种基于实时交通状态驱动的信号控制优化系统及方法 |
CN111445015A (zh) * | 2020-06-15 | 2020-07-24 | 之江实验室 | 一种智能网联环境下非网联车位置估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116013101A (zh) | 2023-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11842642B2 (en) | Connected automated vehicle highway systems and methods related to heavy vehicles | |
WO2021135371A1 (zh) | 一种自动驾驶方法、相关设备及计算机可读存储介质 | |
CA3052952C (en) | Autonomous vehicle operational management control | |
CN116013101B (zh) | 一种基于网联环境的无信号路口速度建议系统和方法 | |
CA3052953C (en) | Autonomous vehicle operational management blocking monitoring | |
CN109087503B (zh) | 一种基于v2x的车车协同系统及方法 | |
EP3407329B1 (en) | Driving assistance method and device | |
CN118447688A (zh) | 用于使用v2x和传感器数据的系统和方法 | |
EP4086875A1 (en) | Self-driving method and related device | |
JP6575612B2 (ja) | 運転支援方法及び装置 | |
CN113347254A (zh) | 基于v2x的智能交通控制车联网系统及其控制方法 | |
CN114385661A (zh) | 一种基于v2x技术的高精地图更新的系统 | |
CN113085852A (zh) | 自动驾驶车辆的行为预警方法、装置及云端设备 | |
WO2021261227A1 (ja) | 駐停車地点管理装置、駐停車地点管理方法、車両用装置 | |
KR102497716B1 (ko) | 자율주행협력 차량의 권장 제한 속도를 제공하는 관제 서버 | |
Shladover et al. | Using cooperative adaptive cruise control (CACC) to form high-performance vehicle streams | |
Shladover et al. | Using cooperative adaptive cruise control (CACC) to form high-performance vehicle streams. Definitions, literature review and operational concept alternatives | |
Pan et al. | Research on the behavior decision of connected and autonomous vehicle at the unsignalized intersection | |
WO2023155041A1 (zh) | 一种智能驾驶方法、装置及包括该装置的车辆 | |
EP4330106A1 (en) | Vehicle guidance with systemic optimization | |
CN109656242A (zh) | 一种自动驾驶行车路径规划系统 | |
CN114475662A (zh) | 一种基于环境感知和多车协同的车载智能控制系统 | |
CN118034287A (zh) | 一种自动驾驶车队的控制系统 | |
EP4080164A1 (en) | Identifying parkable areas for autonomous vehicles | |
Mahmassani et al. | Concept development and needs identification for Intelligent Network Flow Optimization (INFLO): assessment of relevant prior and ongoing research. |
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 |