CN117764331A - 一种机场飞机牵引车有人和无人驾驶混行调度优化方法 - Google Patents
一种机场飞机牵引车有人和无人驾驶混行调度优化方法 Download PDFInfo
- Publication number
- CN117764331A CN117764331A CN202311742610.4A CN202311742610A CN117764331A CN 117764331 A CN117764331 A CN 117764331A CN 202311742610 A CN202311742610 A CN 202311742610A CN 117764331 A CN117764331 A CN 117764331A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- tractor
- unmanned
- lane change
- area
- 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
- 238000000034 method Methods 0.000 title claims abstract description 65
- 230000008859 change Effects 0.000 claims abstract description 141
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 230000008713 feedback mechanism Effects 0.000 claims abstract description 10
- 230000003068 static effect Effects 0.000 claims abstract description 9
- 230000004888 barrier function Effects 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 41
- 238000004891 communication Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 13
- 230000001133 acceleration Effects 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 10
- 230000010006 flight Effects 0.000 claims description 9
- 230000006399 behavior Effects 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 7
- 231100000817 safety factor Toxicity 0.000 claims description 7
- 230000002457 bidirectional effect Effects 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000035484 reaction time Effects 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 239000000295 fuel oil Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000003921 oil Substances 0.000 description 2
- 238000005381 potential energy Methods 0.000 description 2
- 235000006696 Catha edulis Nutrition 0.000 description 1
- 240000007681 Catha edulis Species 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 101150067055 minC gene Proteins 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
Abstract
本发明涉及一种机场飞机牵引车有人和无人驾驶混行调度优化方法,包括:设定有人驾驶牵引车的作业轨迹固定,规划无人驾驶牵引车的作业轨迹;采用A*算法生成无人驾驶牵引车全局性路径规划;对无人驾驶牵引车局部路径规划,分别从保持跟驰状态、进行换道行为以及交叉口抢行行为三种情况考虑,并针对较复杂的换道行为和抢行行为建立反馈机制;考虑到要避免机场跑道车机冲突事故,提出进入跑道区前的决策判断模型;本发明直接避开了静态障碍物对车辆运行环境的影响;使无人驾驶和有人驾驶混合车流可以无冲突的高效快速到达作业区,降低了牵引车在航班时间窗内的作业延误,保障了机场地面服务车辆安全作业。
Description
技术领域
本发明涉及车辆调度技术领域,尤其是指一种机场飞机牵引车有人和无人驾驶混行调度优化方法。
背景技术
飞机牵引车可将飞机推离机场廊桥或停机坪,将飞机推上飞机跑道,将飞机推离维修场地,并在特殊情况下作应急牵引车辆。目前,飞机牵引车多由人工引导完成牵引作业,而在车辆作业过程中,存在人员误操作的可能性且对操作人员有极高的要求。
目前,我国正在加速发展车路协同系统,将无人驾驶技术落地机场,随着车路协同技术的发展以及智能机场的建设,无人驾驶牵引车采用先进的传感器和导航技术,可以实时监测周围环境,有效避免人员接触,解决人工误操作的难题,提高机坪作业的安全性,同时还可降低机场运营成本;因此,机场采用无人驾驶车队替代有人驾驶地面服务车辆是未来发展的新趋势,并且在未来一段时间内,必然或出现无人与有人驾驶地面服务车辆混行的机场交通环境的场景;为了保障无人驾驶和有人驾驶地面服务车辆的高效作业和冲突消解,考虑机场牵引车混行环境下的调度优化方法至关重要。
与之相关的现有技术有:Khat i b提出了人工势场法,该算法把目标点和障碍物对无人车的影响转化为人工势场,目标点位于低势能处,障碍物位于高势能处,即目标点对车辆提供引力,障碍物对车辆提供斥力,无人车的运动方向与引力和斥力的合力方向一致,但在复杂的势场环境中,它还容易陷入局部极小值点和目标不可达的情况;熊晓勇考虑到非结构化环境下的车辆轮廓约束以及运动学约束,提出一种基于A*算法改进的轨迹规划方法,针对结构化环境下缺乏决策反馈机制以及换道时间与空间优化问题,建立了以车道线参数为参考的驾驶决策反馈机制;王洪昌将影响自动驾驶半挂牵引车换道的多个因素归纳为相对加速度单一影响因素,以当前车道和目标车道前车相对加速度指标为依据模糊推理得到换道必要性指标;以此换道必要性指标联合目标车道后车相对加速度指标模糊推理得到换道可行性指标,作为是否实施换道的依据;最后利用MATLAB模糊逻辑设计应用程序验证了决策模型的有效性;肖相杰将冲突点看作资源并提出了有人无人车辆在交叉口的避撞条件,明确具有潜在冲突点的两辆车的到达该冲突点的时间要错开并保证最小安全车头时距。以上现有技术考虑到无人驾驶车辆轨迹规划及无信号交叉口冲突消解,为车辆混行情景下引导机场地面服务车辆安全、快速到达停机坪进行作业提供了参考,降低了时间成本,提高了机场地面的安全性。
以上现有机场摆渡车的调度技术存在以下缺陷:
(1)目前研究大多着眼于无人驾驶车辆多场景的轨迹规划,未考虑无人驾驶车辆和有人驾驶车辆混行场景下,有人驾驶车辆对行车的干扰性和随机性;
(2)部分探讨机场地面服务车辆的协同优化调度以及单车型车辆的数量优化调度的研究,未考虑机场无人驾驶车辆和有人驾驶车辆混行场景下车辆的轨迹规划;
(3)在有人驾驶车辆和无人驾驶车辆混行的场景下,大多研究仅考虑了无人驾驶车辆的换道行为,对于车辆作为跟驰车辆的研究和车辆在允许换道区域的换道行为研究不足;
(4)未合理引导牵引车穿越跑道,可能会导致牵引车辆与跑道上飞机相互碰撞,发生危险事故。
发明内容
为此,本发明所要解决的技术问题在于克服现有技术中未考虑无人驾驶车辆和有人驾驶车辆混行场景下,有人驾驶车辆对行车的干扰性和随机性;未考虑机场无人驾驶车辆和有人驾驶车辆混行场景下车辆的轨迹规划;对于车辆作为跟驰车辆的研究和车辆在允许换道区域的换道行为研究不足;未合理引导牵引车穿越跑道,可能会导致牵引车辆与跑道上飞机相互碰撞,发生危险事故的问题。
为解决上述技术问题,本发明提供了一种机场飞机牵引车有人和无人驾驶混行调度优化方法,包括:
对不同车型的牵引车进行分类编号;根据航班信息,可知待服务航班对应的飞机机型,从而确定待服务航班可调用的牵引车车型;根据待服务航班可调用的牵引车的信息,从中选取一辆牵引车服务该航班;
在规定区域内实时对牵引车定位,利用中央控制器与该区域内牵引车建立通信连接;可建立通信连接的为无人驾驶牵引车,无法建立通信连接的为有人驾驶牵引车;
设定有人驾驶牵引车的作业轨迹固定;采用A*算法对所有正在服务的无人驾驶牵引车同时进行全局性路径规划,确定当前所有正在服务的无人驾驶牵引车行驶路线;
分别对所有正在服务的无人驾驶牵引车进行分析;根据当前无人驾驶牵引车周围交通环境,考虑避开动态障碍物,对当前无人驾驶牵引车进行局部路径规划,构建车辆冲突决策,包括:
在考虑车辆跟驰时,当处于正常道路车辆跟驰场景下,根据车辆跟驰理论,增加人工震荡项,确定车辆间需要保持的安全跟驰距离;当处于机场道路无信号交叉口场景下,考虑分流和合流冲突情况,确定车辆间需要保持的安全跟驰距离;
在考虑车辆换道时,将机场交叉口的道路划分为行驶区、缓冲区以及限制区,进行换道情况讨论,规定车辆必须在限制区前换道成功,限制区内不允许换道;考虑换道总次数、换道总延误以及行车安全性因素,建立换道代价函数;同时考虑车辆换道跨越的车道数,换道时间约束以及连续换道时间约束,并求解得出可执行的最优换道决策;
在考虑车辆抢行时,处于机场道路无信号交叉口场景下,此时将交叉路口双向车流发生冲突的概率大于阈值的区域设置为冲突区,牵引车进入限制区时刻开始,向中央控制器发送通行需求,中央控制器计算此时双向车流中不同车辆从限制区边界行驶至冲突区边界所需时间,并判断不同车辆对应的该段时间是否重叠,若不重叠,则正常行驶;若重叠,则中央控制器向距离冲突区近的车辆发布抢行指令;
中央控制器向无人驾驶牵引车发布牵引作业指令,无人驾驶牵引车根据规划路径执行对应指令。
在本发明的一个实施例中,所述对不同车型的牵引车进行分类编号;根据航班信息,可知待服务航班对应的飞机机型,从而确定待服务航班可调用的牵引车车型;根据待服务航班可调用的牵引车的信息,从中选取一辆牵引车服务该航班包括:
牵引车的车型可分为小型牵引车、中型牵引车以及大型牵引车,根据牵引车的车型进行分类编号,即Qsi、Qmi、Qli,i=1,2,3...其中,s表示小型牵引车,Qsi表示对应小型牵引车的集合;m表示中型牵引车,Qmi表示对应中型牵引车的集合;l表示大型牵引车,Qli表示对应大型牵引车的集合;
不同车型的牵引车可牵引的最大重量不同,飞机也有不同的机型,因此考虑使用恰当车型的牵引车以牵引对应机型的飞机;则根据航班信息,可知待服务航班对应的飞机机型,从而可确定待服务航班可调用的牵引车车型;
根据牵引车的信息、飞机历史停位时长以及航班离港时间,从待服务航班可调用的牵引车中,确定选取一辆牵引车服务该航班;
所述牵引车的信息包括牵引车状态、牵引车的油量或电量、距离飞机作业坪的实际距离;其他服务车辆历史平均作业时间之和;所述牵引车状态包括空闲状态以及作业状态,其中,处于空闲状态的牵引车包括上一次作业完成处于返程途中的牵引车,以及处于停车场等待调令的牵引车。
在本发明的一个实施例中,所述在规定区域内实时对牵引车定位,利用中央控制器与该区域内牵引车建立通信连接;可建立通信连接的为无人驾驶牵引车,无法建立通信连接的为有人驾驶牵引车包括:
在牵引车停车场到飞机停机坪区域,采用无线传感器网络实时对车辆定位;对于服务车辆停车场至飞机停机坪的区域β,中央控制器与区域内车辆建立通信连接,其中,可以建立通信连接的是无人驾驶牵引车,无法建立通信连接的是有人驾驶牵引车;并根据通信连接结果,对无人驾驶牵引车以及有人驾驶牵引车进行再一次编号,如AVi、RVi,i=1,2,3...;因此,在中央控制器中结合数字地图可以实时得到两种行驶状态车辆的位置信息,进而进行调度以及轨迹追踪。
在本发明的一个实施例中,所述设定有人驾驶牵引车的作业轨迹固定;采用A*算法对所有正在服务的无人驾驶牵引车同时进行全局性路径规划,确定当前所有正在服务的无人驾驶牵引车行驶路线包括:
设定有人驾驶牵引车的作业轨迹固定:对有人驾驶牵引车,按照既有行驶路线行驶,同时给有人驾驶车辆配备车载语音包,用以引导纠正驾驶员的驾驶风格,确保其按照规范行驶;其中,既有行驶路线指机场现实情况中现有的有人驾驶牵引车的行驶路线;为了减少成本,在行驶过程中保持有人驾驶牵引车路线不变;
采用A*算法对所有正在服务的无人驾驶牵引车同时进行全局性路径规划,确定当前所有正在服务的无人驾驶牵引车行驶路线:将服务车辆停车场至飞机停机坪的区域β划分为多个大小相同的栅格单元,且假设在路径规划的过程中,静态障碍物的位置和大小是已知且静止的;并假设规划的车辆行驶路径,每一步都占据整个栅格;当栅格被占用时,则认为当前栅格有障碍物;当栅格未被占用时,则认为此栅格为无障碍物的自由空间;利用A*算法,根据不同栅格最低成本,即最小评价函数值,获取当前点至终点的最佳路径,其中,由于空闲状态牵引车会出现正在返程途中的情况,则此时当前点不一定是起点;
A*算法的评价函数为
f(n)=g(n)+h(n)
其中,g(n)=(Xn-Xs)2+(Yn-Ys)2;h(n)=(Xt-Xn)2+(Yt-Yn)2;f(n)是当前点的评价函数;g(n)是过去成本函数,用于评价起点到当前点的代价;h(n)是当前成本函数,用于评价当前点到目标节点的代价;此时均用欧式距离计算;(Xs,Ys)是起点Ps的坐标,(Xn,Yn)是当前点Pn坐标,(Xt,Yt)是目标点Pt坐标。
在本发明的一个实施例中,所述在车辆跟驰时,当处于正常道路车辆跟驰场景下,根据车辆跟驰理论,增加人工震荡项,确定车辆间需要保持的安全跟驰距离;当处于机场道路无信号交叉口场景下,考虑分流和合流冲突情况,确定车辆间需要保持的安全跟驰距离,包括:
当处于正常道路车辆跟驰场景下时,为了保证车辆行车安全,车辆在道路上行驶时,车辆之间要保证一定的安全距离,根据跟驰理论,可知正常道路路段车辆跟驰的基本公式,考虑到机场牵引车有人和无人驾驶车辆混行的情况,在基本公式上增加了人工震荡项则可得出车辆间需要保持的安全跟驰距离为
其中,d0表示t时刻两车间的车头间距;d1表示前车在时间t+T内的走行距离;d2表示当前车辆在时间t+T内走行距离,其中T=(v1-v2)/a;v1表示前车速度;v2表示当前车辆的速度;t表示当前车辆的反应时间;a表示当前车辆的减速度;表示人工驾驶车辆行驶的速度平均值,/>表示人工驾驶车辆行驶的平均时间;
当处于机场道路无信号交叉口场景下时,车辆保持跟驰状态,车辆在行驶过程中会出现分流冲突、合流冲突的情况,为了保证机场地面服务车辆行驶安全,在分流和合流情况下,车辆间需要保持的安全跟驰距离为
其中,xmin表示跟驰两车间的最小安全距离,表示车辆转弯离开车道时的弧径长,由车辆动力学理论可知
其中,r表示车辆转弯半径,h表示车道宽度。
在本发明的一个实施例中,所述在考虑车辆换道时,将机场交叉口的道路划分为行驶区、缓冲区以及限制区,进行换道情况讨论,规定车辆必须在限制区前换道成功,限制区内不允许换道;考虑换道总次数、换道总延误以及行车安全性因素,建立换道代价函数;同时考虑车辆换道跨越的车道数,换道时间约束以及连续换道时间约束,并求解得出可执行的最优换道决策,包括:
考虑地面服务车辆行车安全性,将机场近交叉口的道路划分为不同的区域,分别为自由驾驶区、缓冲区以及限制区,规定车来那个必须在限制区域前换道成功,限制区域内不允许换道;进行换道情形讨论:
若车辆当前行驶车道前方无车辆行驶,或与前方车辆距离远大于最小安全距离dsafe(dsafe=x)时,表明车辆当前行驶车道处于空闲状态,保持在当前车道行驶;
若车辆当前行驶车道前方近距离处有车辆行驶,且相邻车道前方无车辆行驶,无人驾驶车辆可自由换道至相邻空闲车道行驶;
若前方和相邻车道均有车辆时,则首先判断行驶车辆与当前车道前方车辆的距离d与dsafe的大小关系,其次判断行驶车辆与相邻车道前车和后车的距离与相应最小安全距离的大小关系,即d_a与dsafe_a、d_b与dsafe_b的大小关系;当d≥dsafe时,车辆仍保持在当前车道行驶;当d≤dafe则且d_a≥dsafe_a、d_b≥dsafe_b、d≤d_a时,车辆必须执行换道指令,避免发生碰撞;此时若相邻左右车道均满足该条件,则判断换道代价函数的大小,执行最优换道决策;否则,车辆不能执行换道指令,当前车辆降低车速,继续保持跟驰状态;
若车辆在限制区有转向需求时,必须执行换道决策;
考虑换道总次数、换道总延误以及行车安全性因素,对其赋予不同的权重,建立换道代价函数,求取最小值,则表示为
其中,α1、α2、α3表示不同权重系数,不同情况下可取不同值,α1+α2+α3=1;Ni表示第i辆车的换道总次数;ti表示第i辆车的换道时间,Li表示第i辆车的换道路程长;根据机场高精度地图与GPS定位技术可得,ti-Li/V表示第i辆车的换道延误时间;yi0表示第i辆车换道开始点的纵坐标;yi1表示当前车道前方车辆在换道开始时的纵坐标;yi2表示第i辆车换道结束点的纵坐标;故车辆与当前车道前方车辆的距离d=yi1-yi0-L;
为保证车辆行驶的稳定性与安全性,对换道代价函数进行如下约束:
(1)规定车辆进行换道行为时,依次换道仅能换至相邻车道,即li≤1,其中,li表示第i车辆一次允许跨越的车道数
(2)换道时间约束;车辆不可能任意执行换道决策,则规定车辆必须在允许的最大换道长度内完成换道,即车辆的换道时间必须小于所规定允许的最大换道时间,即
其中,Tmax表示规定允许的最大换道时间、Lmax表示允许的最大换道长度;V表示当前车辆行驶速度;
(3)连续换道时间约束;为满足车辆行驶需求,车辆允许多次连续换道,规定车辆换道时间满足
其中,表示第i辆车换道结束的时间点,/>表示第i辆车下一次换道结束的时间点,Tmin表示允许的最小连续换道时间;
根据约束条件,求取换道代价函数的最小值。
在本发明的一个实施例中,所述在考虑车辆抢行时,处于机场道路无信号交叉口场景下,此时将交叉路口双向车流发生冲突的概率大于阈值的区域设置为冲突区,牵引车进入限制区时刻开始,向中央控制器发送通行需求,中央控制器计算此时双向车流中不同车辆从限制区边界行驶至冲突区边界所需时间,并判断不同车辆对应的该段时间是否重叠,若不重叠,则正常行驶;若重叠,则中央控制器向距离冲突区近的车辆发布抢行指令,包括:
将交叉路口双向车流发生冲突的概率大于阈值的区域设置为冲突区;当牵引车辆换道结束后,进入限制区时刻开始,向中央控制器发送通行需求,中央控制器通过计算此时双向车流中不同车辆从限制区边界行驶至冲突区域所需时间,判断限制区边界点纵坐标到冲突区域边界点后一个车身宽度纵坐标的时间段Δt是否会重叠,即判断Δtm=(tm,t'm)与Δtn=(tn,t'n)是否重叠;
其中t'm=tm+(wm+L)/V、t'n=tn+(wn+L)/V;tm表示第m辆车到达限制区边界的时刻;t'm表示第i辆车到达冲突区边界的时刻;tn表示第n辆车到达限制区边界的时刻;t'n表示第n辆车到达冲突区边界的时刻;wm表示第m辆车限制区边界点到冲突区域边界点的纵坐标差;wn表示第n辆车限制区边界点到冲突区域边界点的纵坐标差;第m辆车和第n辆车位置位于交叉口的不同方向。若Δt不重叠,则双向车流正常行驶;若Δt重叠,则中央控制器向距离冲突点更近的无人驾驶车辆发布加速抢行指令,即向min{wm,wn}对应的的无人驾驶车辆发布加速抢行指令;无人驾驶车辆按照最大加速度amax加速至最高限速Vmax后匀速行驶通过限制段,此时无人驾驶汽车可抢先通过交叉口。
在本发明的一个实施例中,针对较复杂的换道行为和抢行行为,考虑交通情况突发变化,建立反馈机制包括:
在决策指令执行期间,考虑交通环境突然发生变化,对车辆安全造成威胁,建立决策反馈机制,设置0-1变量f,便于及时中断指令;
其中,当f=0时,表示决策正在执行,不执行其他指令,此时当前指令属于可中断状态;当f=1时,表示决策已经完成或被中止,可继续执行新的指令,此时当前指令结束,无法被中断反馈;
若当决策属于跟驰状态时,此时执行状态设置为已完成,即f=1;
若此时决策指令为换道指令,结合高精度地图以及GPS,判定车辆与车道线间距离Δl大小变化,以及车辆与车道线距离为0的时刻th;根据Δl和th判断车辆换道是否结束;在距离越来越小但仍未变至0前,即处于th时刻之前时可发布换道中断指令,否则不可中断指令;
若此时决策指令为加速抢行指令,结合高精度地图以及GPS,得出车辆处于限制区域段时,在任意Δt时间段内的行驶时间ta;若ta小于车辆匀速行驶时间,则表明车辆正在加速,此时可发布抢行中断指令,即可令f=0,进而继续判断下一周期指令,否则不可中断指令。
在本发明的一个实施例中,为避免在机场跑道中发生车机冲突事故,设置二进制状态变量,建立进入跑道区前的决策判断模型,从而判定牵引车穿越飞机跑道的状态,直至飞机安全到达停车坪进行牵引作业包括:
牵引车辆到达机场跑道前,所有车辆收到暂停等待指令,将车辆进入跑道前的状态用一个二进制状态变量g表示,则车辆收到暂停指令暂停等待时,g=0;车辆继续通行时,g=1;
若中央控制器未接收到飞机通过跑道的指令,则下发通行指令给牵引车辆,此时g=1;若收到飞机正在通过跑道的指令,则车辆继续暂停等待,即g=0,直至飞机离开跑道后,下发通行指令给牵引车辆,车辆可继续通行,此时g=1;
若收到飞机即将通过跑道的指令,根据牵引车通过跑道时间t1=l_a/V以及飞机进入跑道的时间t2,进而判断牵引车是否可先行通过跑道,其中l_a表示牵引车穿越跑道的纵向距离,V表示牵引车的行驶速度;
若t0+t1<t2,其中t0表示牵引车到达暂停区的时间,则说明牵引车可在飞机进入跑道前安全通过跑道,为了提高作业的安全高效性,此时可下发通行指令,即g=1,否则g=0;最终牵引车到达对应飞机停机坪,该任务结束。
本发明还提供了一种机场飞机牵引车有人与无人驾驶混行调度优化设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至9任一所述一种机场飞机牵引车有人与无人驾驶混行调度优化方法的步骤。
本发明的上述技术方案相比现有技术具有以下优点:
(1)本发明所述的一种机场飞机牵引车有人和无人驾驶混行调度优化方法,充分考虑更加接近现实的机场无人驾驶牵引车辆与有人驾驶牵引车辆混行的机场地面环境,通过车路协同系统和自动驾驶技术来减弱机场地面服务作业中人为因素的影响,提高机场地面服务作业的安全性、高效性及数字性,保障机场地面安全,为建设数字化智慧机场奠定基础;
(2)本发明所述的一种机场飞机牵引车有人和无人驾驶混行调度优化方法,考虑到飞机牵引车牵引作业的流程,考虑选择当前状态最佳的牵引车到牵引车安全快速到达停机坪为止的每一步流程,提出具体的机场有人无人驾驶牵引车优化调度方案,从而提高牵引车的作业效率,降低其作业成本,减少燃油或电量消耗,提高经济性,提高机场地面服务的安全性,为智慧机场的建设和牵引车混行服务作业提供了参考依据;
(3)本发明所述的一种机场飞机牵引车有人和无人驾驶混行调度优化方法,统筹考虑了无人驾驶牵引车的路径规划问题;利用栅格网络化结合传统的A*算法,生成无人驾驶的全局性路径,保障了行车安全;考虑到车辆行驶过程中行人、其他车辆等动态障碍物的影响,制定了动态避障策略,即规划了局部性路径,其中分为三种可能避障的行为:在保持跟驰状态时,考虑了正常路面及交叉口分流合流两种情况的跟驰特性,以及对应的安全跟驰距离;执行换道指令前,根据车辆间的实际距离与安全距离判定换道的必要性,建立换道代价函数和换道安全性的约束,使得在完成换道任务的同时换道代价函数最小;执行交叉口抢行指令前,通过判定交叉口两个方向车辆与冲突区的纵向距离,进而判定是否可执行抢行指令,减少了风险性较大的行为;除此之外,本发明建立了一种指令反馈机制,在紧急情况下可中断换道及抢行指令,从而保障了车辆行车的稳定性与安全性,减少交通流振荡;
(4)本发明所述的一种机场飞机牵引车有人和无人驾驶混行调度优化方法,考虑到飞机牵引车在进入跑道时,可能会与跑道上滑行的飞机产生车机冲突,提出牵引车穿越飞机跑道的决策方法;根据二进制变量的取值判定牵引车穿越飞机跑道的状态,直至飞机安全到达停车坪进行牵引作业,引导无人驾驶和有人驾驶牵引车安全高效牵引作业,提高机场地面作业效率。
附图说明
为了使本发明的内容更容易被清楚的理解,下面根据本发明的具体实施例并结合附图,对本发明作进一步详细的说明,其中
图1是本发明所提供的机场飞机牵引车有任何无人驾驶混行调度优化方法的流程图;
图2是本发明所提供的车辆换道示意图;
图3是本发明所提供的A*算法生成全局性行驶路线示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好地理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
基于机场无人驾驶和有人驾驶牵引车混行路径规划的预设条件包括:假设已知航班信息,调度员提前开始调度地面服务车辆;假设同车型牵引车配置相同,服务时间相同,初始行驶速度相同;假设一个航班仅由一辆牵引车进行服务,当车辆资源不足时,不会进行服务;假设当车辆服务完成后,可继续选择回停车场或继续服务;假设当牵引车车型与航班对应飞机机型匹配时,该车才能为该航班服务;
实施例1
参照图1所示,图1为所提供的机场飞机牵引车有任何无人驾驶混行调度优化方法的流程图;具体操作步骤如下:
步骤1:牵引车车型分类;
牵引车的车型可分为小型牵引车、中型牵引车以及大型牵引车,根据牵引车的车型进行分类编号,即Qsi、Qmi、Qli,i=1,2,3...其中,s表示小型牵引车,Qsi表示对应小型牵引车的集合;m表示中型牵引车,Qmi表示对应中型牵引车的集合;l表示大型牵引车,Qli表示对应大型牵引车的集合;
不同车型的牵引车可牵引的最大重量不同,飞机也有不同的机型,因此考虑使用恰当车型的牵引车以牵引对应机型的飞机;则根据航班信息,可知待服务航班对应的飞机机型,从而可确定待服务航班可调度的牵引车车型类别;
步骤2:确定牵引车;
根据牵引车的信息、飞机历史停位时长以及航班离港时间,从待服务航班可调用的牵引车中,确定选取一辆牵引车服务该航班;所述牵引车的信息包括牵引车状态、牵引车的油量或电量、距离飞机作业坪的实际距离;其他服务车辆历史平均作业时间之和;所述牵引车状态包括空闲状态以及作业状态,其中,处于空闲状态的牵引车包括上一次作业完成处于返程途中的牵引车,以及处于停车场等待调令的牵引车;
步骤3:车辆驾驶类型识别;
在牵引车停车场到飞机停机坪区域,采用无线传感器网络实时对车辆定位;对于服务车辆停车场至飞机停机坪的区域β,中央控制器与区域内车辆建立通信连接,其中,可建立通信连接的为无人驾驶牵引车,无法建立通信连接的为有人驾驶牵引车;并根据通信连接结果,对无人驾驶牵引车以及有人驾驶牵引车进行再一次编号,如AVi、RVi,i=1,2,3...;因此,在中央控制器中结合数字地图可以实时得到两种行驶状态车辆的位置信息,进而进行调度以及轨迹追踪;
步骤4:车辆路径生成;
对有人驾驶牵引车,按照既有行驶路线行驶,同时给有人驾驶车辆配备车载语音包,用以引导纠正驾驶员的驾驶风格,确保其按照规范行驶;其中,既有行驶路线指机场现实情况中现有的有人驾驶牵引车的行驶路线;为了减少燃油或电量的消耗,提高经济性,在行驶过程中保持有人驾驶牵引车路线不变;
对无人驾驶牵引车行驶路线,采用A*算法进行全局性路径规划:即将服务车辆停车场至飞机停机坪的区域β划分为多个大小相同的栅格单元,且假设在路径规划的过程中,静态障碍物的位置和大小是已知且静止的;并假设规划的车辆行驶路径,每一步都占据整个栅格;当栅格被占用时,则认为当前栅格有障碍物;当栅格未被占用时,则认为此栅格为无障碍物的自由空间;利用A*算法,根据不同栅格最低成本,即最小评价函数值,获取当前点至终点的最佳路径,其中,由于空闲状态牵引车会出现正在返程途中的情况,则此时当前点不一定是起点;
A*算法的评价函数为
f(n)=g(n)+h(n)
其中,g(n)=(Xn-Xs)2+(Yn-Ys)2;h(n)=(Xt-Xn)2+(Yt-Yn)2;f(n)是当前点的评价函数;g(n)是过去成本函数,用于评价起点到当前点的代价;h(n)是当前成本函数,用于评价当前点到目标节点的代价;此时均用欧式距离计算;(Xs,Ys)是起点Ps的坐标,(Xn,Yn)是当前点Pn坐标,(Xt,Yt)是目标点Pt坐标;
步骤5:车辆冲突决策构建;
分别对所有正在服务的无人驾驶牵引车进行分析;当执行牵引任务的不同车辆处于相同时间节点时,若当前车辆行驶轨迹与其他车辆发生冲突或轨迹重合,此时将发生冲突或轨迹重合的点做为冲突节点;则根据当前车辆运行速度、目标车辆位置与冲突节点的距离目标车辆长度以及无人驾驶自身传感器,确定无人驾驶车辆是否需要重新规划线路,从而对目标无人驾驶牵引车进行局部路径规划,构建车辆冲突决策,包括:
(1)车辆跟驰
1)当处于正常道路车辆跟驰场景下时,为了保证车辆行车安全,车辆在道路上行驶时,车辆之间要保证一定的安全距离,根据跟驰理论,可知正常道路路段车辆跟驰的基本公式,考虑到机场牵引车有人和无人驾驶车辆混行的情况,在基本公式上增加了人工震荡项则可得出车辆间需要保持的安全跟驰距离为
其中,d0表示t时刻两车间的车头间距;d1表示前车在时间t+T内的走行距离;d2表示当前车辆在时间t+T内走行距离,其中T=(v1-v2)/a;v1表示前车速度;v2表示当前车辆的速度;t表示当前车辆的反应时间;a表示当前车辆的减速度;表示人工驾驶车辆行驶的速度平均值,/>表示人工驾驶车辆行驶的平均时间;
2)当处于机场道路无信号交叉口场景下时,车辆保持跟驰状态,车辆在行驶过程中会出现分流冲突、合流冲突的情况,为了保证机场地面服务车辆行驶安全,在分流和合流情况下,车辆间需要保持的安全跟驰距离为
其中,xmin表示跟驰两车间的最小安全距离,表示车辆转弯离开车道时的弧径长,由车辆动力学理论可知
其中,r表示车辆转弯半径,h表示车道宽度;
(2)车辆换道
考虑地面服务车辆行车安全性,将机场近交叉口的道路划分为不同的区域,分别为自由驾驶区、缓冲区以及限制区,规定车来那个必须在限制区域前换道成功,限制区域内不允许换道;进行换道情形讨论:
若车辆当前行驶车道前方无车辆行驶,或与前方车辆距离远大于最小安全距离dsafe(dsafe=x)时,表明车辆当前行驶车道处于空闲状态,保持在当前车道行驶;
若车辆当前行驶车道前方近距离处有车辆行驶,且相邻车道前方无车辆行驶,无人驾驶车辆可自由换道至相邻空闲车道行驶;
若前方和相邻车道均有车辆时,则首先判断行驶车辆与当前车道前方车辆的距离d与dsafe的大小关系,其次判断行驶车辆与相邻车道前车和后车的距离与相应最小安全距离的大小关系,即d_a与dsafe_a、d_b与dsafe_b的大小关系;当d≥dsafe时,车辆仍保持在当前车道行驶;当d≤dsafe则且d_a≥dsafe_a、d_b≥dsafe_b、d≤d_a时,车辆必须执行换道指令,避免发生碰撞;此时若相邻左右车道均满足该条件,则判断换道代价函数的大小,执行最优换道决策;否则,车辆不能执行换道指令,当前车辆降低车速,继续保持跟驰状态;
若车辆在限制区有转向需求时,必须执行换道决策;
考虑换道总次数、换道总延误以及行车安全性因素,对其赋予不同的权重,建立换道代价函数,求取最小值,则表示为
其中,α1、α2、α3表示不同权重系数,不同情况下可取不同值,α1+α2+α3=1;Ni表示第i辆车的换道总次数;ti表示第i辆车的换道时间,Li表示第i辆车的换道路程长;根据机场高精度地图与GPS定位技术可得,ti-Li/V表示第i辆车的换道延误时间,yi0表示第i辆车换道开始点的纵坐标,yi1表示当前车道前方车辆在换道开始时的纵坐标,yi2表示第i辆车换道结束点的纵坐标;故车辆与当前车道前方车辆的距离d=yi1-yi0-L;
为保证车辆行驶的稳定性与安全性,对换道代价函数进行如下约束:
1)规定车辆进行换道行为时,依次换道仅能换至相邻车道,即li≤1,其中,li表示第i车辆一次允许跨越的车道数
2)换道时间约束;车辆不可能任意执行换道决策,则规定车辆必须在允许的最大换道长度内完成换道,即车辆的换道时间必须小于所规定允许的最大换道时间,即
其中,Tmax表示规定允许的最大换道时间、Lmax表示允许的最大换道长度;V表示当前车辆行驶速度;
3)连续换道时间约束;为满足车辆行驶需求,车辆允许多次连续换道,规定车辆换道时间满足
其中,表示第i辆车换道结束的时间点,/>表示第i辆车下一次换道结束的时间点,Tmin表示允许的最小连续换道时间;
根据约束条件,求取换道代价函数的最小值;可参照图2
(3)车辆抢道
在考虑车辆抢行时,处于机场道路无信号交叉口场景下,将交叉路口双向车流发生冲突的概率大于阈值的区域设置为冲突区;当牵引车辆换道结束后,进入限制区时刻开始,向中央控制器发送通行需求,中央控制器通过计算此时双向车流中不同车辆从限制区边界行驶至冲突区域所需时间,判断限制区边界点纵坐标到冲突区域边界点后一个车身宽度纵坐标的时间段Δt是否会重叠,即判断Δtm=(tm,t'm)与Δtn=(tn,t'n)是否重叠;
其中t'm=tm+(wm+L)/V、t'n=tn+(wn+L)/V;tm表示第m辆车到达限制区边界的时刻;t'm表示第m辆车到达冲突区边界的时刻;tn表示第n辆车到达限制区边界的时刻;t'n表示第n辆车到达冲突区边界的时刻;Xm表示第m辆车限制区边界点到冲突区域边界点的纵坐标差;Xn表示第n辆车限制区边界点到冲突区域边界点的纵坐标差;第m辆车和第n辆车位置位于交叉口的不同方向;若Δt不重叠,则双向车流正常行驶;若Δt重叠,则中央控制器向距离冲突点更近的无人驾驶车辆发布加速抢行指令,即向min{wm,wn}对应的的无人驾驶车辆发布加速抢行指令;无人驾驶车辆按照最大加速度amax加速至最高限速Vmax后匀速行驶通过限制段,此时无人驾驶汽车可抢先通过交叉口。
(4)反馈机制
在决策指令执行期间,考虑交通环境突然发生变化,对车辆安全造成威胁,建立决策反馈机制,设置0-1变量f,便于及时中断指令;
其中,当f=0时,表示决策正在执行,不执行其他指令,此时当前指令属于可中断状态;当f=1时,表示决策已经完成或被中止,可继续执行新的指令,此时当前指令结束,无法被中断反馈;
则当决策属于跟驰状态时,此时执行状态设置为已完成,即f=1;
若此时决策指令为换道指令,结合高精度地图以及GPS,得出车辆与车道线间距离Δl大小变化,以及车辆与车道线距离为0的时刻th;根据Δl和th判断车辆换道是否结束;在距离越来越小但仍未变至0前,即处于th时刻之前时可发布换道中断指令,否则不可中断指令;
若此时决策指令为加速抢行指令,结合高精度地图以及GPS,得出车辆处于限制区域段时,在任意Δt时间段内的行驶时间ta;若ta小于车辆匀速行驶时间,则表明车辆正在加速,此时可发布抢行中断指令,即可令f=0,进而继续判断下一周期指令,否则不可中断指令;
步骤6:中央控制器向无人驾驶牵引车辆发布牵引车作业指令,无人驾驶牵引车辆按照规划路径执行对应指令;有人驾驶牵引车辆可通过对讲机或者地面指挥人员等方式被告知避开障碍物;
步骤7:牵引车辆到达机场跑道前,所有车辆收到暂停等待指令,将车辆进入跑道前的状态用一个二进制状态变量g表示,则车辆收到暂停指令暂停等待时,g=0;车辆继续通行时,g=1;
若中央控制器未接收到飞机通过跑道的指令,则下发通行指令给牵引车辆,此时g=1;若收到飞机正在通过跑道的指令,则车辆继续暂停等待,即g=0,直至飞机离开跑道后,下发通行指令给牵引车辆,车辆可继续通行,此时g=1;
若收到飞机即将通过跑道的指令,根据牵引车通过跑道时间t1=l_a/V以及飞机进入跑道的时间t2,进而判断牵引车是否可先行通过跑道,其中l_a表示牵引车穿越跑道的纵向距离,V表示牵引车的行驶速度;
若t0+t1<t2,其中t0表示牵引车到达暂停区的时间,则说明牵引车可在飞机进入跑道前安全通过跑道,为了提高作业的安全高效性,此时可下发通行指令,即g=1,否则g=0;最终牵引车到达对应飞机停机坪,该任务结束。
实施例2
无人驾驶牵引车全局性行驶路线,本发明采用A*算法进行全局性路径规划:将区域β划分为多个大小相同的栅格单元,选取栅格网格大小为1.0,车辆运动的每一步都占据整个栅格且假设在路径规划的过程中,静态障碍物的位置和大小是已知且静止的;
设置的起点坐标(Xs,Ys)为(-3,-5),终点坐标(Xt,Yt)为(30,30),边界及障碍物的范围为y=-10,x∈(-10,30);y=60,x∈(-10,60);x=-10,y∈(-10,60);x=40,y∈(20,60);x=60,y∈(-10,40);
计算评价函数值f(n)=g(n)+h(n),最终获得起点至终点的最佳路径;其中,g(n)=(Xn-Xs)2+(Yn-Ys)2;h(n)=(Xt-Xn)2+(Yt-Yn)2;具体可视化结果如图3所示。
实施例3
无人驾驶牵引车进入停车场到飞机停车坪区域,其自身运动状态被GPS定位技术和无线传感器网络技术收集,并被系统识别为无人驾驶车辆,开始对其进行轨迹优化过程;
无人驾驶牵引车通过高精度地图和自身雷达检测设备检测周围交通环境状态信息,将对应车道前后方车辆及其交通信息发送至云端并传输给车载设备,即可以得知各车道紧邻前后方车辆的交通状态信息,如速度、位置;
当无人驾驶车辆得知当前车道前方车辆距离d较小而相邻车道前方车辆距离d_a较大,且满足可以换道的安全距离约束时,产生换道需求;结合换道成本函数minCi中对各个参数的定义,根据不同的目标函数对函数中的各权重α1、α2、α3进行取值,结合目标车道的紧邻前后方车辆位置和速度信息,在使换道成本最小的结果和满足换道安全约束的前提下,选取最合适的换道时机进行换道;
换道结束后,当前车辆与目标车道前方、后方车辆仍需要保持跟驰安全距离x,即
实施例4
本发明具体实施例还提供了一种机场飞机牵引车有人与无人驾驶混行调度优化设备,包括:存储器,用于存储计算机程序;处理器,用于执行所述计算机程序时实现任一所述一种机场飞机牵引车有人与无人驾驶混行调度优化方法的步骤。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,上述实施例仅仅是为清楚地说明所作的举例,并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种机场飞机牵引车有人与无人驾驶混行调度优化方法,其特征在于,包括:
对不同车型的牵引车进行分类编号;根据航班信息,可知待服务航班对应的飞机机型,从而确定待服务航班可调用的牵引车车型;根据待服务航班可调用的牵引车的信息,从中选取一辆牵引车服务该航班;
在规定区域内实时对牵引车定位,利用中央控制器与该区域内牵引车建立通信连接;可建立通信连接的为无人驾驶牵引车,无法建立通信连接的为有人驾驶牵引车;
设定有人驾驶牵引车的作业轨迹固定;采用A*算法对所有正在服务的无人驾驶牵引车同时进行全局性路径规划,确定所有正在服务的无人驾驶牵引车行驶路线;
分别对所有正在服务的无人驾驶牵引车进行分析;根据当前无人驾驶牵引车周围交通环境,考虑避开动态障碍物,对当前无人驾驶牵引车进行局部路径规划,构建车辆冲突决策,包括:
在考虑车辆跟驰时,当处于正常道路车辆跟驰场景下,根据车辆跟驰理论,增加人工震荡项,确定车辆间需要保持的安全跟驰距离;当处于机场道路无信号交叉口场景下,考虑分流和合流冲突情况,确定车辆间需要保持的安全跟驰距离;
在考虑车辆换道时,将机场交叉口的道路划分为行驶区、缓冲区以及限制区,进行换道情况讨论,规定车辆必须在限制区前换道成功,限制区内不允许换道;考虑换道总次数、换道总延误以及行车安全性因素,建立换道代价函数;同时考虑车辆换道跨越的车道数,换道时间约束以及连续换道时间约束,并求解得出可执行的最优换道决策;
在考虑车辆抢行时,处于机场道路无信号交叉口场景下,此时将交叉路口双向车流发生冲突的概率大于阈值的区域设置为冲突区,牵引车进入限制区时刻开始,向中央控制器发送通行需求,中央控制器计算此时双向车流中不同车辆从限制区边界行驶至冲突区边界所需时间,并判断不同车辆对应的该段时间是否重叠,若不重叠,则正常行驶;若重叠,则中央控制器向距离冲突区近的车辆发布抢行指令;
中央控制器向无人驾驶牵引车发布牵引作业指令,无人驾驶牵引车根据规划路径执行对应指令。
2.根据权利要求1所述的一种机场飞机牵引车有人与无人驾驶混行调度优化方法,其特征在于,所述对不同车型的牵引车进行分类编号;根据航班信息,可知待服务航班对应的飞机机型,从而确定待服务航班可调用的牵引车车型;根据待服务航班可调用的牵引车的信息,从中选取一辆牵引车服务该航班,包括:
牵引车的车型可分为小型牵引车、中型牵引车以及大型牵引车,根据牵引车的车型进行分类编号,即Qsi、Qmi、Qli,i=1,2,3...其中,s表示小型牵引车,Qsi表示对应小型牵引车的集合;m表示中型牵引车,Qmi表示对应中型牵引车的集合;l表示大型牵引车,Qli表示对应大型牵引车的集合;
不同车型的牵引车可牵引的最大重量不同,飞机也有不同的机型,因此考虑使用恰当车型的牵引车以牵引对应机型的飞机;则根据航班信息,可知待服务航班对应的飞机机型,从而可确定待服务航班可调用的牵引车车型;
根据牵引车的信息、飞机历史停位时长以及航班离港时间,从待服务航班可调用的牵引车中,确定选取一辆牵引车服务该航班;
所述牵引车的信息包括牵引车状态、牵引车的油量或电量、距离飞机作业坪的实际距离、其他服务车辆历史平均作业时间之和;所述牵引车状态包括空闲状态以及作业状态,其中,处于空闲状态的牵引车包括上一次作业完成处于返程途中的牵引车,以及处于停车场等待调令的牵引车。
3.根据权利要求2所述的一种机场飞机牵引车有人与无人驾驶混行调度优化方法,其特征在于,所述在规定区域内实时对牵引车定位,利用中央控制器与该区域内牵引车建立通信连接;可建立通信连接的为无人驾驶牵引车,无法建立通信连接的为有人驾驶牵引车包括:
在牵引车停车场到飞机停机坪区域,采用无线传感器网络实时对车辆定位;对于服务车辆停车场至飞机停机坪的区域β,中央控制器与区域内车辆建立通信连接,其中,可以建立通信连接的是无人驾驶牵引车,无法建立通信连接的是有人驾驶牵引车;并根据通信连接结果,对无人驾驶牵引车以及有人驾驶牵引车进行再一次编号,如AVi、RVi,i=1,2,3...;因此,在中央控制器中结合数字地图可以实时得到两种行驶状态车辆的位置信息,进而进行调度以及轨迹追踪。
4.根据权利要求3所述的一种机场飞机牵引车有人与无人驾驶混行调度优化方法,其特征在于,所述设定有人驾驶牵引车的作业轨迹固定;采用A*算法对所有正在服务的无人驾驶牵引车同时进行全局性路径规划,确定当前所有正在服务的无人驾驶牵引车行驶路线包括:
设定有人驾驶牵引车的作业轨迹固定:对有人驾驶牵引车,按照既有行驶路线行驶,同时给有人驾驶车辆配备车载语音包,用以引导纠正驾驶员的驾驶风格,确保其按照规范行驶;其中,既有行驶路线指机场现实情况中现有的有人驾驶牵引车的行驶路线;为了减少成本,在行驶过程中保持有人驾驶牵引车路线不变;
采用A*算法对所有正在服务的无人驾驶牵引车同时进行全局性路径规划,确定当前所有正在服务的无人驾驶牵引车行驶路线:将服务车辆停车场至飞机停机坪的区域β划分为多个大小相同的栅格单元,且假设在路径规划的过程中,静态障碍物的位置和大小是已知且静止的;并假设规划的车辆行驶路径,每一步都占据整个栅格;当栅格被占用时,则认为当前栅格有障碍物;当栅格未被占用时,则认为此栅格为无障碍物的自由空间;利用A*算法,根据不同栅格最低成本,即最小评价函数值,获取当前点至终点的最佳路径,其中,由于空闲状态牵引车会出现正在返程途中的情况,则此时当前点不一定是起点;
A*算法的评价函数为
f(n)=g(n)+h(n)
其中,g(n)=(Xn-Xs)2+(Yn-Ys)2;h(n)=(Xt-Xn)2+(Yt-Yn)2;f(n)是当前点的评价函数;g(n)是过去成本函数,用于评价起点到当前点的代价;h(n)是当前成本函数,用于评价当前点到目标节点的代价;此时均用欧式距离计算;(Xs,Ys)是起点Ps的坐标,(Xn,Yn)是当前点Pn坐标,(Xt,Yt)是目标点Pt坐标。
5.根据权利要求1所述的一种机场飞机牵引车有人与无人驾驶混行调度优化方法,其特征在于,所述在车辆跟驰时,当处于正常道路车辆跟驰场景下,根据车辆跟驰理论,增加人工震荡项,确定车辆间需要保持的安全跟驰距离;当处于机场道路无信号交叉口场景下,考虑分流和合流冲突情况,确定车辆间需要保持的安全跟驰距离,包括:
当处于正常道路车辆跟驰场景下时,为了保证车辆行车安全,车辆在道路上行驶时,车辆之间要保证一定的安全距离,根据跟驰理论,可知正常道路路段车辆跟驰的基本公式,考虑到机场牵引车有人和无人驾驶车辆混行的情况,在基本公式上增加了人工震荡项则可得出车辆间需要保持的安全跟驰距离为
其中,d0表示t时刻两车间的车头间距;d1表示前车在时间t+T内的走行距离;d2表示当前车辆在时间t+T内走行距离,其中T=(v1-v2)/a;v1表示前车速度;v2表示当前车辆的速度;t表示当前车辆的反应时间;a表示当前车辆的减速度:表示人工驾驶车辆行驶的速度平均值,/>表示人工驾驶车辆行驶的平均时间;
当处于机场道路无信号交叉口场景下时,车辆保持跟驰状态,车辆在行驶过程中会出现分流冲突、合流冲突的情况,为了保证机场地面服务车辆行驶安全,在分流和合流情况下,车辆间需要保持的安全跟驰距离为
其中,xmin表示跟驰两车间的最小安全距离,表示车辆转弯离开车道时的弧径长,由车辆动力学理论可知
其中,r表示车辆转弯半径,h表示车道宽度。
6.根据权利要求1所述的一种机场飞机牵引车有人与无人驾驶混行调度优化方法,其特征在于,所述在考虑车辆换道时,将机场交叉口的道路划分为行驶区、缓冲区以及限制区,进行换道情况讨论,规定车辆必须在限制区前换道成功,限制区内不允许换道;考虑换道总次数、换道总延误以及行车安全性因素,建立换道代价函数;同时考虑车辆换道跨越的车道数,换道时间约束以及连续换道时间约束,并求解得出可执行的最优换道决策,包括:
考虑地面服务车辆行车安全性,将机场近交叉口的道路划分为不同的区域,分别为自由驾驶区、缓冲区以及限制区,规定车辆必须在限制区域前换道成功,限制区域内不允许换道;
若车辆当前行驶车道前方无车辆行驶,或与前方车辆距离远大于最小安全距离dsafe(dsafe=x)时,表明车辆当前行驶车道处于空闲状态,保持在当前车道行驶;
若车辆当前行驶车道前方近距离处有车辆行驶,且相邻车道前方无车辆行驶,无人驾驶车辆可自由换道至相邻空闲车道行驶;
若前方和相邻车道均有车辆时,则首先判断行驶车辆与当前车道前方车辆的距离d与dsafe的大小关系,其次判断行驶车辆与相邻车道前车和后车的距离与相应最小安全距离的大小关系,即d_a与dsafe_a、d_b与dsafe_b的大小关系;当d≥dsafe时,车辆仍保持在当前车道行驶;当d≤dsafe则且d_a≥dsafe_a、d_b≥dsafe_b、d≤d_a时,车辆必须执行换道指令,避免发生碰撞;此时若相邻左右车道均满足该条件,则判断换道代价函数的大小,执行最优换道决策;否则,车辆不能执行换道指令,当前车辆降低车速,继续保持跟驰状态;
若车辆在限制区有转向需求时,必须执行换道决策;
考虑换道总次数、换道总延误以及行车安全性因素,对其赋予不同的权重,建立换道代价函数,求取最小值,则表示为
其中,α1、α2、α3表示不同权重系数,不同情况下可取不同值,α1+α2+α3=1;Ni表示第i辆车的换道总次数;ti表示第i辆车的换道时间,Li表示第i辆车的换道路程长;根据机场高精度地图与GPS定位技术可得,ti-Li/V表示第i辆车的换道延误时间;yi0表示第i辆车换道开始点的纵坐标;yi1表示当前车道前方车辆在换道开始时的纵坐标;yi2表示第i辆车换道结束点的纵坐标;故车辆与当前车道前方车辆的距离d=yi1-yi0-L;
为保证车辆行驶的稳定性与安全性,对换道代价函数进行如下约束:
(1)规定车辆进行换道行为时,依次换道仅能换至相邻车道,即li≤1,其中,li表示第i车辆一次允许跨越的车道数
(2)换道时间约束;车辆不可能任意执行换道决策,则规定车辆必须在允许的最大换道长度内完成换道,即车辆的换道时间必须小于所规定允许的最大换道时间,即
其中,Tmax表示规定允许的最大换道时间、Lmax表示允许的最大换道长度;V表示当前车辆行驶速度;
(3)连续换道时间约束;为满足车辆行驶需求,车辆允许多次连续换道,规定车辆换道时间满足
其中,表示第i辆车换道结束的时间点,/>表示第i辆车下一次换道结束的时间点,Tmin表示允许的最小连续换道时间;
根据约束条件,求取换道代价函数的最小值。
7.根据权利要求1所述的一种机场飞机牵引车有人与无人驾驶混行调度优化方法,其特征在于,所述在考虑车辆抢行时,处于机场道路无信号交叉口场景下,此时将交叉路口双向车流发生冲突的概率大于阈值的区域设置为冲突区,牵引车进入限制区时刻开始,向中央控制器发送通行需求,中央控制器计算此时双向车流中不同车辆从限制区边界行驶至冲突区边界所需时间,并判断不同车辆对应的该段时间是否重叠,若不重叠,则正常行驶;若重叠,则中央控制器向距离冲突区近的车辆发布抢行指令,包括:
将交叉路口双向车流发生冲突的概率大于阈值的区域设置为冲突区;当牵引车辆换道结束后,进入限制区时刻开始,向中央控制器发送通行需求,中央控制器通过计算此时双向车流中不同车辆从限制区边界行驶至冲突区域所需时间,判断限制区边界点纵坐标到冲突区域边界点后一个车身宽度纵坐标的时间段Δt是否会重叠,即判断Δtm=(tm,t′m)与Δtn=(tn,t′n)是否重叠;
其中t′m=tm+(wm+L)/V、t′n=tn+(wn+L)/V;tm表示第m辆车到达限制区边界的时刻;t′m表示第m辆车到达冲突区边界的时刻;tn表示第n辆车到达限制区边界的时刻;t′n表示第n辆车到达冲突区边界的时刻;Xm表示第m辆车限制区边界点到冲突区域边界点的纵坐标差;Xn表示第n辆车限制区边界点到冲突区域边界点的纵坐标差;第m辆车和第n辆车位置位于交叉口的不同方向。若Δt不重叠,则双向车流正常行驶;若Δt重叠,则中央控制器向距离冲突点更近的无人驾驶车辆发布加速抢行指令,即向min{wm,wn}对应的的无人驾驶车辆发布加速抢行指令;无人驾驶车辆按照最大加速度amax加速至最高限速Vmax后匀速行驶通过限制段,此时无人驾驶汽车可抢先通过交叉口。
8.根据权利要求1所述的一种机场飞机牵引车有人与无人驾驶混行调度优化方法,其特征在于,针对较复杂的换道行为和抢行行为,考虑交通情况突发变化,建立反馈机制包括:
在决策指令执行期间,考虑交通环境突然发生变化,对车辆安全造成威胁,建立决策反馈机制,设置0-1变量f,便于及时中断指令;
其中,当f=0时,表示决策正在执行,不执行其他指令,此时当前指令属于可中断状态;当f=1时,表示决策已经完成或被中止,可继续执行新的指令,此时当前指令结束,无法被中断反馈;
当决策属于跟驰状态时,此时执行状态设置为已完成,即f=1;
若此时决策指令为换道指令,结合高精度地图以及GPS,得出车辆与车道线间距离Δl大小变化,以及车辆与车道线距离为0的时刻th;根据Δl和th判断车辆换道是否结束;在距离越来越小但仍未变至0前,即处于th时刻之前时可发布换道中断指令,否则不可中断指令;
若此时决策指令为加速抢行指令,结合高精度地图以及GPS,得出车辆处于限制区域段时,在任意Δt时间段内的行驶时间ta;若ta小于车辆匀速行驶时间,则表明车辆正在加速,此时可发布抢行中断指令,即可令f=0,进而继续判断下一周期指令,否则不可中断指令。
9.根据权利要求1所述的一种机场飞机牵引车有人与无人驾驶混行调度优化方法,其特征在于,为避免在机场跑道中发生车机冲突事故,设置二进制状态变量,建立进入跑道区前的决策判断模型,从而判定牵引车穿越飞机跑道的状态,直至飞机安全到达停车坪进行牵引作业包括:
牵引车辆到达机场跑道前,所有车辆收到暂停等待指令,将车辆进入跑道前的状态用一个二进制状态变量g表示,则车辆收到暂停指令暂停等待时,g=0;车辆继续通行时,g=1;
若中央控制器未接收到飞机通过跑道的指令,则下发通行指令给牵引车辆,此时g=1;若收到飞机正在通过跑道的指令,则车辆继续暂停等待,即g=0,直至飞机离开跑道后,下发通行指令给牵引车辆,车辆可继续通行,此时g=1;
若收到飞机即将通过跑道的指令,根据牵引车通过跑道时间t1=l_a/V以及飞机进入跑道的时间t2,进而判断牵引车是否可先行通过跑道,其中l_a表示牵引车穿越跑道的纵向距离,V表示牵引车的行驶速度;
若t0+t1<t2,其中t0表示牵引车到达暂停区的时间,则说明牵引车可在飞机进入跑道前安全通过跑道,为了提高作业的安全高效性,此时可下发通行指令,即g=1,否则g=0;最终牵引车到达对应飞机停机坪,该任务结束。
10.一种机场飞机牵引车有人与无人驾驶混行调度优化设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至9任一所述一种机场飞机牵引车有人与无人驾驶混行调度优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311742610.4A CN117764331A (zh) | 2023-12-18 | 2023-12-18 | 一种机场飞机牵引车有人和无人驾驶混行调度优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311742610.4A CN117764331A (zh) | 2023-12-18 | 2023-12-18 | 一种机场飞机牵引车有人和无人驾驶混行调度优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117764331A true CN117764331A (zh) | 2024-03-26 |
Family
ID=90317483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311742610.4A Pending CN117764331A (zh) | 2023-12-18 | 2023-12-18 | 一种机场飞机牵引车有人和无人驾驶混行调度优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117764331A (zh) |
-
2023
- 2023-12-18 CN CN202311742610.4A patent/CN117764331A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7339635B2 (ja) | インテリジェント道路インフラストラクチャシステム(iris):システム及び方法 | |
EP3776512B1 (en) | Joint control of vehicles traveling on different intersecting roads | |
Fayazi et al. | Mixed-integer linear programming for optimal scheduling of autonomous vehicle intersection crossing | |
CN101859494B (zh) | 车队车辆管理 | |
CN109285373A (zh) | 一种面向整体道路网的智能网联交通系统 | |
Li et al. | Sustainability effects of next-generation intersection control for autonomous vehicles | |
WO2021147748A1 (zh) | 一种自动驾驶方法及相关设备 | |
Ashtiani et al. | Multi-intersection traffic management for autonomous vehicles via distributed mixed integer linear programming | |
CN113611141B (zh) | 基于自动、人工驾驶混行的物流园区交通控制系统及方法 | |
Hou et al. | Cooperative and integrated vehicle and intersection control for energy efficiency (CIVIC-E 2) | |
Pourmehrab et al. | Smart intersection control algorithms for automated vehicles | |
Bakibillah et al. | The optimal coordination of connected and automated vehicles at roundabouts | |
Younes et al. | A vehicular network based intelligent lane change assistance protocol for highways | |
CN109857104B (zh) | 一种基于公路虚拟轨道化的无人驾驶技术 | |
CN113971883A (zh) | 车路协同自动驾驶方法及高效运输系统 | |
Baskar et al. | Dynamic speed limits and on-ramp metering for IVHS using model predictive control | |
JP3584679B2 (ja) | 車両走行制御装置 | |
CN117764331A (zh) | 一种机场飞机牵引车有人和无人驾驶混行调度优化方法 | |
CN114463974B (zh) | 优先路权条件下混合车辆群体的协同控制系统及其方法 | |
CN114299761B (zh) | 一种基于无人引导车的航空器引导方法和系统 | |
Shiomi et al. | A lane-change maneuver of automated vehicles for improving traffic flow on highways with multiple lanes | |
Chen et al. | Multi-vehicle Cooperative Merging Control Strategy for Expressway under New Mixed Traffic Environment | |
US20230368675A1 (en) | Systems and Methods for Traffic Management in Interactive Vehicle Transport Networks | |
Hao et al. | V2I-based velocity synchronization at intersection | |
Cheng et al. | A human-like longitudinal decision model of intelligent vehicle at signalized intersections |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |