The invention discloses a decentralized cooperative adaptive cruise control method based on wireless communication near an intersection. The purpose is to provide the best route suggestion for each vehicle, so that the vehicle can pass through the intersection without interruption, minimize the intersection delay, and make as many vehicles as possible through the intersection. The invention makes full use of V2X communication technology and adaptive cruise control system, establishes a vehicle motion model suitable for decentralized cooperative adaptive cruise control at road intersections, effectively reduces vehicle tracking error by using fleet control method based on particle swarm optimization, and adopts trajectory planning method and space management method for convenience. Fleets or individual vehicles choose to accelerate through the intersection or decelerate to wait for the next opportunity; considering vehicle safety, fuel consumption, speed limits, different characteristics of vehicles and passenger comfort, the throughput of the intersection can be improved by restructuring the fleet.
【技术实现步骤摘要】
基于无线通信的交叉口附近分散协同自适应巡航控制方法
本专利技术属于智能交通
，具体涉及一种基于无线通信的交叉口附近分散协同自适应巡航控制方法。
技术介绍
V2X(Vehicle-to-everything，车与任何物)是指车对外界的信息交换，是一系列车载通信技术的总称。V2X主要包括通过无线自组织网络进行通信的车与车(V2V，VehicletoVehicle)和通过专用短程通信(DSRC，DedicatedShort-RangeCommunication)进行通信的V2I(VehicletoInfrastructure车与基础设施)，是智能交通系统的关键技术。基于V2X技术不仅可以大幅度提高交通安全、降低交通事故率、减少拥堵，还可以为自动驾驶、智能交通提供低成本、易部署的支撑和基础平台。自适应巡航控制系统(ACC，AdaptiveCruiseControl)，它通过传感器感知行驶环境和自车状态，辅助驾驶员对车辆进行控制，提高了司机驾驶的安全性和舒适性。但是，目前的ACC系统仍然存在缺点，例如无法实现更复杂的城市场景，并限制前车突然回旋的预期能力。利用V2X技...
【技术保护点】
1.一种基于无线通信的交叉口附近分散协同自适应巡航控制方法，其特征在于：包括步骤：一、建立具有位置、速度和加速度三种状态的纵向车辆模型，通过引入预期速度和预期加速度，计算得到车间距、速度、加速度的跟踪误差；二、在基于PSO的车队控制方法中，定义一个成本函数，根据约束条件建立比较粒子优劣的新准则，得到具有双适应度的改进粒子群算法；三、利用轨迹规划方法，为车辆找到最佳的轨迹；利用空间管理方法量化道路空间，为车辆分配道路空间；四、结合轨迹规划方法和空间管理方法将车队进行重组；再结合基于PSO的车队控制方法，为车辆选择巡航控制方法。
【技术特征摘要】
1.一种基于无线通信的交叉口附近分散协同自适应巡航控制方法，其特征在于：包括步骤：一、建立具有位置、速度和加速度三种状态的纵向车辆模型，通过引入预期速度和预期加速度，计算得到车间距、速度、加速度的跟踪误差；二、在基于PSO的车队控制方法中，定义一个成本函数，根据约束条件建立比较粒子优劣的新准则，得到具有双适应度的改进粒子群算法；三、利用轨迹规划方法，为车辆找到最佳的轨迹；利用空间管理方法量化道路空间，为车辆分配道路空间；四、结合轨迹规划方法和空间管理方法将车队进行重组；再结合基于PSO的车队控制方法，为车辆选择巡航控制方法。2.根据权利要求1所述的一种基于无线通信的交叉口附近分散协同自适应巡航控制方法，其特征在于：所述步骤一中,建立具有位置、速度和加速度三种状态的纵向车辆模型，通过引入预期速度和预期加速度，计算得到车间距、速度、加速度的跟踪误差，具体为：假设没有考虑车辆换道情况，建立具有位置、速度和加速度三种状态的纵向车辆模型，对于第i个车辆Vi，有车辆模型：xi(t)＝[pi(t)vi(t)ai(t)]T(2)式中，xi(t)表示第i个车辆在t时刻的系统状态，表示第i个车辆在t时刻的状态变量，pi(t)，vi(t)和ai(t)分别表示第i个车辆在t时刻的位置、速度和加速度；ui(t)表示第i个车辆在t时刻的控制输入；τi表示第i个车辆动力系统的时间常数；为了使车辆模型离散化，假定车辆模型为：xi(k+1)＝Aixi(k)+Biui(k)(4)式中，xi(k)表示第i个车辆在第k次采样时刻的系统状态，ui(k)表示第i个车辆在第k次采样时刻的控制输入，Ai和Bi表示系统矩阵；车辆模型约束条件为：式中，vi(k)表示第i个车辆在第k次采样时刻的速度，vlimit表示速度限制，umax,i表示第i个车辆的最大控制输入，△ai(k)表示第i个车辆在第k次采样时刻的加速度变化率，|△a|max,i表示第i个车辆的最大加速度变化率，Ptractive,i(k)表示第i个车辆在第k次采样时刻的牵引功率，ηi表示第i个车辆的传动效率，Pengine,i表示第i个车辆的发动机功率，δi(k)表示车辆Vi与前车Vi-1在第k次采样时刻的间距误差，di(k)表示第i个车辆在第k次采样时刻与前车保持的安全距离；车辆Vi的安全距离di(k)表示为：di(k)＝ri·dmin,i+hi·vi(k)(6)式中，ri表示第i个车辆安全系数，dmin,i表示第i个车辆与前车的最小车辆间距离，hi表示第i个车辆识别前车刹车行为的时间延迟；车辆Vi与前车Vi-1的间距误差δi(k)表示为：δi(k)＝pi-1(k)-pi(k)-di(k)-li(7)式中，pi(k)表示第i个车辆在第k次采样时刻的位置，pi-1(k)表示前车Vi-1在第k次采样时刻的位置，li示第i个车辆的长度；vr,i(k)＝(1-ωi)·vi-1(k)+ωi·vl(k)ar,i(k)＝(1-ωi)·ai-1(k)+ωi·al(k)(8)式中，vr,i(k)表示第i个车辆在第k次采样时刻的预期速度，vi-1(k)表示前车在第k次采样时刻的速度，vl(k)表示领导车辆在第k次采样时刻的速度，ar,i(k)表示第i个车辆在第k次采样时刻的预期加速度，ai-1(k)表示前车在第k次采样时刻的加速度，al(k)表示领导车辆在第k次采样时刻的加速度，ωi表示第i个车辆受领导车辆影响的权重，由此，车辆Vi的速度误差△ve,i(k)和加速度误差△ae,i(k)分别表示为：△ve,i(k)＝vi(k)-vr,i(k)△ae,i(k)＝ai(k)-ar,i(k)(9)式中，ai(k)表示第i个车辆在第k次采样时刻的加速度；车辆Vi的踪迹误差ei(k)表示为：ei(k)＝[δi(k)△ve,i(k)△ae,i(k)]。3.根据权利要求1所述的一种基于无线通信的交叉口附近分散协同自适应巡航控制方法，其特征在于：所述步骤二中，在基于PSO的车队控制方法中，定义一个成本函数，根据约束条件建立比较粒子优劣的新准则，得到具有双适应度的改进粒子群算法，具体步骤包括：1)定义成本函数，第i个车辆成本函数J(Vi)为：式中，表示成本函数对于间距、速度和加速度误差的权阵，qi,1、qi,2、qi,3表示间距、速度、加速度误差的权重，Ri＝conti表示控制输入的权重；2)考虑到车辆受到速度限制、功率限制、车辆安全和加速度变化率的影响，将在约束条件下求解最优控制输入的问题转化为约束优化问题，针对约束优化问题，采用将成本函数与约束条件相分离的方法，即：fitness(m)＝J(Vi),voilation(m)＝G(gi)(14)式中，fitness(m)表示粒子m的目标函数，voilation(m)表示粒子m与约束边界的接近程度，G(gi)是由约束条件共同构成的函数，定义为：式中，M表示约束条件的个数；3)建立PSO算法中粒子的比较准则：首先给定一个常数ε＞0，1、当两个粒子m和n都可行时，比较他们之间的目标函数适应度Ffitness(m)和Ffitness(n)，适应度小的个体为优；2、当两个粒子m和n都不可行时，比较他们之间的约束条件适应度Fvoilation(m)和Fvoilation(n)，适应度小的个体为优；3、当m粒子可行而n粒子不可行时，如果voilation(n)<ε，则比较它们的适应度Ffitness(m)和Ffitness(n)，适应度小的个体为优；否则，m粒子为优；为了将不可行解的比例保持在一个固定的水平p＞0,引入如下自适应调整的策略：4)在粒子比较准则的基础上，提出一种具有双适应度群体的PSO算法。4.根据权利要求3所述的一种基于无线通信的交叉口附近分散协同自适应巡航控制方法，其特征在于：所述具有双适应度群体的PSO算法，包括步骤如下：步骤1：初始化粒子群，即为群体中的每个粒子随机赋予初始位置和初始速度；步骤2：计算群体中每个粒子的优化目标函数适应度Ffitness(m)和约束条件适应度Fvoilation(m)；步骤3：根据所计算的粒子双适应度值与粒子比较准则，确定群体中每个粒子迄今为止所经历的最好位置，确定群体迄今为止所经历的最好位置；步骤4：群体中的粒子根据下式速度和位置更新粒子飞行速度和位置：式中，D表示粒子维数，K表示当前迭代次数，c1和c2为加速度常数，β1和...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。