CN117636658A - 一种混合交通下的网联自动车控制方法 - Google Patents

Abstract

本发明属于智能汽车运动控制领域，具体涉及一种混合交通下的网联自动车控制方法；该方法包括：构建车辆运动学模型；判断车辆当前所处区域，若车辆进入感知区，则每隔0.1秒～2秒检测车道内的所有车的位置和速度，若车辆进入牵制控制区，则判断网联自动车是否为车队头车，若是，则根据车辆运动学模型执行第一车辆自动控制算法；否则，判断网联自动车是否为车队内第一辆网联自动车，若是，则根据车辆运动学模型执行第二车辆自动控制算法；否则，根据车辆运动学模型执行第三车辆自动控制算法；本发明可改善控制效果，既能保障安全，又能提高通行效率。

Description

一种混合交通下的网联自动车控制方法

技术领域

本发明属于智能汽车运动控制领域，具体涉及一种混合交通下的网联自动车控制方法。

背景技术

无人驾驶车辆是一种新型的智能汽车，也称之为“轮式移动机器人”，主要通过电子控制单元即车载终端设备对车辆中各个部分进行精准的控制与计算分析实现车辆的全自动运行，达到车辆无人驾驶的目的。目前，市面上已经有搭载无人驾驶功能的车辆发售。由于技术发展及法律法规限制，在未来的一段时间内，网联自动驾驶车和传统人驾车组成的混合交通将会是未来交通的主要形式。

在混合交通中，理想条件下的自动驾驶车控制方法的效率会降低，甚至可能会给交通带来负面影响，且交通系统对初始扰动后达到稳定的速度有要求。为此，有必要针对混合交通中的网联自动驾驶车设计控制方法以保证交通安全且实现高效的通行。

发明内容

针对现有技术存在的不足，本发明提出了一种混合交通下的网联自动车控制方法，该方法包括：

S1：构建车辆运动学模型；

S2：判断车辆当前所处区域，若车辆进入感知区，则每隔0.1秒～2秒检测车道内的所有车的位置和速度，若车辆进入牵制控制区，则执行步骤S3；

S3：判断网联自动车是否为车队头车，若是，则根据车辆运动学模型执行第一车辆自动控制算法；否则，执行步骤S4；

S4：判断网联自动车是否为车队内第一辆网联自动车，若是，则根据车辆运动学模型执行第二车辆自动控制算法；否则，执行步骤S5；

S5：根据车辆运动学模型执行第三车辆自动控制算法。

优选的，判断车辆当前所处区域的过程包括：当车辆进入路侧通讯基站的通讯范围内时，则判断车辆进入感知区；当车辆距离路侧通讯基站小于M米时，则判断车辆进入牵制控制区。

优选的，所述车辆运动学模型表示为：

其中，表示第n辆车的状态向量对时间t的一阶导，x_n(t)表示第n辆车的状态向量，A表示系统矩阵，B表示输入矩阵，u_n(t-τ_n)表示第n辆车在时刻t的输入，τ_n表示第n辆车的控制输入时延，T_n表示第n辆车的惯性系数。

优选的，所述第一车辆自动控制算法表示为：

其中，表示执行第一车辆自动控制算法得到的控制参数，x₀(t)表示头车的状态向量，f₀(t,x₀(t))表示头车的状态对其在时刻t输入的影响。

优选的，所述第二车辆自动控制算法表示为：

其中，表示执行第二车辆自动控制算法得到的控制参数，x_n(t)表示第n辆网联自动车的状态向量，x_n-1(t)表示第n辆网联自动车的前车的状态向量，f_n(t,x_n(t))表示第n辆网联自动车的状态向量对其在时刻t输入的影响，f_n,n-1(t,x_n-1(t))表示第n辆网联自动车的前车的状态向量对第n辆车在时刻t输入的影响。

优选的，所述第三车辆自动控制算法表示为：

其中，表示执行第三车辆自动控制算法得到的控制参数，f_n(t,x_n(t))表示第n辆网联自动车的状态向量对其在时刻t输入的影响，/>表示执行第二车辆自动控制算法后的第i辆网联自动车的状态向量对第n辆车的输入的影响，/>表示第n辆网联自动车的指标集，p表示有限时间稳定系数，q表示固定时间稳定系数。

进一步的，所述网联自动车的指标集为根据实际需求确定的会对该网联自动车造成影响的其他车辆组成的集合。

本发明的有益效果为：本发明综合考虑了感知区内的所有车辆信息，从而为车道内的混合车队扰动抑制控制提供了全面的数据信息，为车辆的安全、通行效率的提高奠定了数据基础；本发明采用固定时间扰动抑制控制机制来控制网联自动车的纵向加减速，并能根据相关数据估算出车队达到稳态的上限时间，既能保障安全，又能提高通行效率。

附图说明

图1为本发明中混合交通下的网联自动车控制方法流程图；

图2为本发明中一优选实施例的速度-时间图。

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。

本发明提出了一种混合交通下的网联自动车控制方法，其采用固定时间扰动抑制控制机制来控制网联自动车的纵向加减速；如图1所示，所述方法包括以下内容：

S1：构建车辆运动学模型。

构建车辆运动学模型，表示为：

其中，表示第n辆车的状态向量对时间t的一阶导，x_n(t)＝[p_n(t),v_n(t),a_n(t)]^T表示第n辆车的状态向量，p_n(t),v_n(t),a_n(t)分别为第n辆车在时刻t的纵向位置、纵向速度和纵向加速度；A表示状态矩阵，B表示输入矩阵，u_n(t-τ_n)表示第n辆车在时刻t的输入，t表示时刻t，τ_n表示第n辆车的控制输入时延，T_n表示第n辆车的惯性系数。

S2：判断车辆当前所处区域，若车辆进入感知区，则每隔0.1秒～2秒检测车道内的所有车的位置和速度，若车辆进入牵制控制区，则执行步骤S3。

感知车辆行驶状态的过程包括：当车辆进入路侧通讯基站的通讯范围内时，则判断车辆进入感知区；当车辆距离路侧通讯基站M米时，则判断车辆进入牵制控制区；优选的，M取150。

感知区内设置有感知设备，当车辆进入感知区后，其在每隔0.1秒～2秒检测车道内的所有车的位置和速度。在车辆进入牵制控制区时，网联自动车可以获取网络的控制参数，实现车辆的自动控制。

S3：判断网联自动车是否为车队头车，若是，则根据车辆运动学模型执行第一车辆自动控制算法；否则，执行步骤S4。

视进入感知区内的车队的最前面的一辆车为头车，若判断网联自动车为车队的头车，则执行第一车辆自动控制算法，获取控制参数，网联自动车根据控制参数调整自己的行驶状态；第一车辆自动控制算法表示为：

其中，表示执行第一车辆自动控制算法得到的控制参数，其用到的信息为头车在时刻t的状态；x₀(t)表示头车的状态向量，f₀(t,x₀(t))表示头车的状态对其在时刻t输入的影响。

S4：判断网联自动车是否为车队内第一辆网联自动车，若是，则根据车辆运动学模型执行第二车辆自动控制算法；否则，执行步骤S5。

混合交通中，同时存在网联自动车和普通的人工驾驶车；若判断网联自动车为车队内第一辆网联自动车，则执行第二车辆自动控制算法以调整自己的行驶状态；第二车辆自动控制算法表示为：

其中，表示执行第二车辆自动控制算法得到的控制参数，其用到的信息为前车(即第n-1辆车)在时刻t的状态以及本车在时刻t的状态；x_n(t)表示第n辆网联自动车的状态向量，x_n-1(t)表示第n辆网联自动车的前车的状态向量，f_n(t,x_n(t))表示第n辆网联自动车的状态向量对其在时刻t输入的影响，f_n,n-1(t,x_n-1(t))表示第n辆网联自动车的前车的状态向量对第n辆车在时刻t输入的影响，其值通常根据车载传感器(如车载雷达、车载摄像头等)和路侧基站通讯获取，优选的，影响具体见(1)式。

S5：根据车辆运动学模型执行第三车辆自动控制算法。

若判断网联自动车不是车队内第一辆网联自动车，则执行第三车辆自动控制算法调整自己的行驶状态；

获取第n辆网联自动车的指标集，第n辆网联自动车的指标集为根据实际需求确定的会对该网联自动车辆造成影响的其他车辆组成的集合。

第三车辆自动控制算法表示为：

其中，表示执行第三车辆自动控制算法得到的控制参数，f_n(t,x_n(t))表示第n辆网联自动车的状态向量对其在时刻t输入的影响，/>表示执行第二车辆自动控制算法后的第i辆网联自动车的状态向量对第n辆车的输入的影响，其值通常根据车载传感器(如车载雷达、车载摄像头等)和路侧基站通讯获取，该影响具体见(1)式；/>表示第n辆网联自动车车的指标集；p表示有限时间稳定系数，根据实际需求选取(0,1)区间内某一值；q表示固定时间稳定系数，根据实际需求选取(1,∞)区间内某一值。

本发明采用固定时间扰动抑制控制机制来控制网联自动车的纵向加减速，通过计算可求得交通从扰动状态到稳定状态的收敛时间；具体过程如下：

定义第n个误差状态向量为：

其中，e_n(t)表示第n辆车与第n-1辆车的误差向量，Γ_nj第n辆车与第j辆车的内耦合矩阵，g_n是与第n辆车头车状态差的权重矩阵，a_nj表示第j辆车对第n辆车的影响因子，y_n(t)表示第n辆车的修正状态，y₀(t)表示头车的修正状态。修正状态的计算如下所示：

在上式中，h为用于积分的临时变量，不出现在积分后的结果中，e为自然底数，t为时间，A,B,u_n,τ_n的含义同前。

此时，经线性化后，第一、第二、第三车辆控制算法可写为如下统一形式：

其中，u_n(t)表示第n辆车的输入，γ_n表示第n辆车的误差一阶项敏感系数，α_n表示第n辆车的误差p阶项敏感系数，β_n表示误差q阶项敏感系数，R_n表示误差权重矩阵；sig^p((m_ij)_N×N)＝(|m_ij|^p sign(m_ij)_N×N)。

将统一形式的控制算法代入误差系统，则可得如下方程：

其中：

A＝blkdiag{A,…,A}

D＝blkdiag{D₁,…,D_N}

α＝diag{α₁,…,α_N}

β＝diag{β₁,…,β_N}

γ＝diag{γ₁,…,γ_N}

上述收敛至稳态的时间上限T_s可由下式计算：

其中α＝min{α₁,…,α_N},β＝min{β₁,…,β_N},γ＝min{γ₁,…,γ_N}。

在一些优选实施例中，车队中共6辆车，T_n＝τ_n＝0.1。

其中，T表示时间。

控制算法统一形式：u_n(t)＝-γD^TR e_n(t)-αsig^p(D^TR e_n(t))-βsig^q(D^TR e_n(t))

其中，p＝0.6，q＝1.63，α＝0.1,β＝0.5,γ＝1,D_n＝e^-0.1AB,R＝I。

收敛至稳态的时间上限T_s，可由下式计算：

求得，T_s≈12.8秒。此时速度-时间图如图2所示。从图2可见，当扰动结束后，车队在12.8s内恢复稳态。

综上所述，本发明提供的方法可以实现在网联自动驾驶车占有率不高时，在给定的时间内抑制交通中的扰动。本发明引入了固定时间控制机制，以此来改善控制效果，既能保障安全，又能提高通行效率。

以上所举实施例，对本发明的目的、技术方案和优点进行了进一步的详细说明，所应理解的是，以上所举实施例仅为本发明的优选实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内对本发明所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种混合交通下的网联自动车控制方法，其特征在于，包括：

S1：构建车辆运动学模型；

S2：判断车辆当前所处区域，若车辆进入感知区，则每隔0.1秒～2秒检测车道内的所有车的位置和速度，若车辆进入牵制控制区，则执行步骤S3；

S3：判断网联自动车是否为车队头车，若是，则根据车辆运动学模型执行第一车辆自动控制算法；否则，执行步骤S4；

S4：判断网联自动车是否为车队内第一辆网联自动车，若是，则根据车辆运动学模型执行第二车辆自动控制算法；否则，执行步骤S5；

S5：根据车辆运动学模型执行第三车辆自动控制算法。

2.根据权利要求1所述的一种混合交通下的网联自动车控制方法，其特征在于，判断车辆当前所处区域的过程包括：当车辆进入路侧通讯基站的通讯范围内时，则判断车辆进入感知区；当车辆距离路侧通讯基站小于M米时，则判断车辆进入牵制控制区。

3.根据权利要求1所述的一种混合交通下的网联自动车控制方法，其特征在于，所述车辆运动学模型表示为：

其中，表示第n辆车的状态向量对时间t的一阶导，x_n(t)表示第n辆车的状态向量，A表示系统矩阵，B表示输入矩阵，u_n(t-τ_n)表示第n辆车在时刻t的输入，τ_n表示第n辆车的控制输入时延，T_n表示第n辆车的惯性系数。

4.根据权利要求1所述的一种混合交通下的网联自动车控制方法，其特征在于，所述第一车辆自动控制算法表示为：

其中，表示执行第一车辆自动控制算法得到的控制参数，x₀(t)表示头车的状态向量，f₀(t,x₀(t))表示头车的状态对其在时刻t输入的影响。

5.根据权利要求1所述的一种混合交通下的网联自动车控制方法，其特征在于，所述第二车辆自动控制算法表示为：

其中，表示执行第二车辆自动控制算法得到的控制参数，x_n(t)表示第n辆网联自动车的状态向量，x_n-1(t)表示第n辆网联自动车的前车的状态向量，f_n(t,x_n(t))表示第n辆网联自动车的状态向量对其在时刻t输入的影响，f_n,n-1(t,x_n-1(t))表示第n辆网联自动车的前车的状态向量对第n辆车在时刻t输入的影响。

6.根据权利要求1所述的一种混合交通下的网联自动车控制方法，其特征在于，所述第三车辆自动控制算法表示为：

其中，表示执行第三车辆自动控制算法得到的控制参数，f_n(t,x_n(t))表示第n辆网联自动车的状态向量对其在时刻t输入的影响，/>表示执行第二车辆自动控制算法后的第i辆网联自动车的状态向量对第n辆车的输入的影响，/>表示第n辆网联自动车的指标集，p表示有限时间稳定系数，q表示固定时间稳定系数。

7.根据权利要求6所述的一种混合交通下的网联自动车控制方法，其特征在于，所述网联自动车的指标集为根据实际需求确定的会对该网联自动车造成影响的其他车辆组成的集合。