动态交通场景下智能网联车辆经济性驾驶控制方法技术

本发明专利技术涉及一种动态交通场景下智能网联车辆经济性驾驶控制方法，适用于城市道路环境中，考虑动态信号灯信息和网联车辆交通信息预测能力，基于最优控制，优化出能量最优的行驶车速；以能量消耗最小化为控制目标，构建基于车辆纵向动力学的最优控制问题，并采用极小值原理解析求解最优控制率，得到该问题的通用求解模型；采用双层滚动距离域车速优化策略，以预期终点目标为控制约束，进行上层经济车速规划，得到满足行驶目的上层车速轨迹，并以上层车速轨迹为引导层，结合实际获取的信号灯相位及路口建议车速等信息，进行下层经济车速规划，并采用通用求解模型进行解析求解，优化计算能耗最优的路口通行速度谱。

【技术实现步骤摘要】
动态交通场景下智能网联车辆经济性驾驶控制方法
本专利技术涉及车速优化控制
，尤其是一种动态交通场景下智能网联车辆经济性驾驶控制方法。
技术介绍
交通信号灯作为控制车辆各向通行权限的重要交通标识，有效减少了城市路口的交通事故，保障了行人出行安全。但是由于人类驾驶员无法实时获取前方信号灯相位信息、准确避开红灯相位，在路口反复进行制动、停车，因此造成了不必要的能量损失。现有技术中，基于规则的经济车速控制方法过于依赖人的驾驶经验，节能效果有限。此外，由于车辆模型的复杂性，以动态规划为代表的优化控制方法均以数值求解为主，计算复杂度高，不能实时应用。随着车路协同技术的发展，更多智能驾驶辅助系统应运而生，其中就包括信号灯信息系统以及绿波车速引导系统。前者可以使车辆实时获取信号灯相位信息和位置信息，后者可以提供通过前方路口的建议目标车速。已有研究表明，在车路协同环境下对车辆实施经济性驾驶具有较大的节能潜力。
技术实现思路
针对现有技术的缺陷，本专利技术提供了一种动态交通场景下智能网联车辆经济性驾驶控制方法，解决经济车速控制方法过于依赖人的驾驶经验导致节能效果有限的技术问题。本专利技术采用的技术方案如下：一种动态交通场景下智能网联车辆经济性驾驶控制方法，适用于城市道路环境中。考虑动态信号灯信息和网联车辆交通信息预测能力，动态交通信息获取方法基于V2X(车联网通信技术)和GLOSA(绿波车速引导)，在智能交通系统中获取信号灯相位和路口建议车速等信息，传输至车载控制器；以能量消耗最小化为控制目标，构建基于车辆纵向动力学的最优控制问题，并采用极小值原理解析求解最优控制率，得到该问题的通用求解模型；考虑到动态交通场景中车辆对未来交通信息的预测能力有限、信号灯条件多变等特点，采用双层滚动距离域车速优化策略：依据时间步长，将最优控制问题划分优化问题阶段，在每一子问题中，以预期终点目标为控制约束，进行上层经济车速规划，得到满足行驶目的的上层车速轨迹，并以上层车速轨迹为引导层，结合实际获取的信号灯相位及路口建议车速等信息，进行下层经济车速规划，并采用上述通用求解模型进行解析求解，优化计算能耗最优的路口通行速度谱。具体包括以下步骤：步骤S1：信息获取：获取受控网联车辆的初始位置信息、目的地信息、通行时间tend、终点速度vend和全程道路长度send，从而确定车辆当前状态及终点状态约束；步骤S2：双层滚动距离域车速优化：划分滚动距离域；以车辆当前状态和终点状态为约束，按照最优控制问题规划出全路段最优车速轨迹；以所述全路段最优车速轨迹为引导层，并以车辆当前状态和路口信号灯信息为约束，按照最优控制问题规划出局部路段最优车速轨迹，实时记录当前最优车速；若未获得信号灯信息，则继续跟踪所述全路段最优车速轨迹；步骤S3：将当前最优车速发送至车速控制器，实现最优车速执行；步骤S4：当被控网联车辆到达目的地，结束对车辆控制；所述最优控制问题以受控网联车辆能量消耗最小化为控制目标、基于车辆纵向动力学模型建立，通过解析求解获得通用求解模型。其进一步技术方案为：所述通用求解模型的求解过程如下：选取车辆位移s和纵向速度v为状态量x＝(s，v)，车轮上的单位质量纵向力为控制输入u＝Ft/m，建立用于描述车辆运动状态转移的所述汽车纵向动力学模型，经简化后得：其中，Ft为车辆纵向力，包括驱动力和制动力；m为车辆质量；g为重力加速度；f为滚动阻力系数；δ为旋转质量换算系数；构成所述汽车纵向动力学模型的变量满足描述车辆能耗变化的汽车能耗模型，如下式所示：式中，Pb为电池功率，Pm为电机功率，t0为起点时刻，tf为终点时刻，c＝c1(r/i)2m2，c1为电机特性参数，与电机内阻和转矩常数有关，i为传动系统传动比；r为车轮半径；进而，将求解车辆在t0-tf时间段内能量最小化的最优车速轨迹的问题归纳为如下的通用求解模型：v(t0)＝v0、v(tf)＝vfs(t0)＝s0、s(tf)＝sf其中，v0、s0分别表示车辆在t0时刻的速度和位移，vf、sf分别表示车辆在tf时刻的速度和位移。所述通用求解模型的最优控制输入：u*(t)＝at+b式中，v0、s0表示车辆在t0时刻的速度和位移，vf、sf表示车辆在tf时刻的速度和位移；进而得到最优能量消耗如下式所示：其中，所述步骤S2具体包括以下步骤：步骤S21：滚动距离域划分，将全程道路长度send平均划分为N段，以步长Δd＝send/N向前滚动优化，以k＝0，1，...N-1表示当前步数，并初始化k＝0；步骤S22：上层优化，确定第k步的车辆状态x(k)＝[s(k)，v(k)]，以当前第k步的车辆状态为起点约束，以终点状态[send，vend]为终点约束，按照所述通用求解模型规划全路段最优车速轨迹其中，s(k)，v(k)为当前的车辆位移和纵向速度；步骤S23：下层优化，跟踪经上层优化的所述全路段最优车速轨迹靠近路口时且车辆在预测距离spre内，则获取信号灯信息，以当前车辆状态为起点状态约束，以获取的信号灯信息为终点状态约束，按照所述通用求解模型规划规划出局部路段最优车速轨迹通过路口后，再次进入跟踪阶段，跟踪所述全路段最优车速轨迹并实时记录当前最优车速v*(k)；步骤S24：滚动优化，令k＝k+1；步骤S25：判断循环终止条件，若k＜N，则返回步骤S22；若k＝N，则循环终止；步骤S26：获得最优车速序列v*＝(v*(0)，v*(1)，...，v*(N-1))。通过信号灯信息系统获取绿灯相位开始时刻tgre、信号灯位置Slig，通过GLOSA系统获取建议目标车速vlig，所述信号灯信息为[slig，vlig]；若车辆在预测距离spre外，则无法获取信号灯信息，则继续跟踪上层车速。上层优化总是以当前第k步的车辆状态x(k)＝[s(k)，v(k)]为起点状态约束，以[send，vend]为终点状态约束，基于庞特里亚金极小值原理，利用所述通用求解模型解析求解出全路段的最优控制输入及最优状态轨迹，车辆初始状态x(0)＝[0，0]，将第k步的边界约束条件代入通用求解模型中，即得到全路段最优车速轨迹下层优化过程中，同样基于庞特里亚金极小值原理，利用所述通用求解模型解析求解出车辆当前位置到信号灯的局部路段最优控制输入及最优状态轨迹。对于每个中间设置有信号灯的路段，车辆依次经历第一跟踪阶段、调整阶段和第二跟踪阶段；确定三个阶段的起点和终点状态约束，并在滚动优化过程中将每一步的起点、终点约束代入通用求解模型中，得到每一步的最优控制输入，进而得到能量消耗的解析表达式。所述第一跟踪阶段的起点时间、起点速度、起点位移均为零，第一跟踪阶段的终点位移如下：式中，tT、slig、spre分别为第一跟踪阶段结束时间、信号灯位置、车本文档来自技高网...

【技术保护点】
1.一种动态交通场景下智能网联车辆经济性驾驶控制方法，其特征在于，包括以下步骤：/n步骤S1：信息获取：获取受控网联车辆的初始位置信息、目的地信息、通行时间t

【技术特征摘要】
1.一种动态交通场景下智能网联车辆经济性驾驶控制方法，其特征在于，包括以下步骤：
步骤S1：信息获取：获取受控网联车辆的初始位置信息、目的地信息、通行时间tend、终点速度vend和全程道路长度send，从而确定车辆当前状态及终点状态约束；
步骤S2：双层滚动距离域车速优化：划分滚动距离域；以车辆当前状态和终点状态为约束，按照最优控制问题规划出全路段最优车速轨迹；以所述全路段最优车速轨迹为引导层，并以车辆当前状态和路口信号灯信息为约束，按照最优控制问题规划出局部路段最优车速轨迹，实时记录当前最优车速；若未获得信号灯信息，则继续跟踪所述全路段最优车速轨迹；
步骤S3：将当前最优车速发送至车速控制器，实现最优车速执行；
步骤S4：当被控网联车辆到达目的地，结束对车辆控制；
所述最优控制问题以受控网联车辆能量消耗最小化为控制目标、基于车辆纵向动力学模型建立，通过解析求解获得通用求解模型。


2.根据权利要求1所述的动态交通场景下智能网联车辆经济性驾驶控制方法，其特征在于，所述通用求解模型的求解过程如下：
选取车辆位移s和纵向速度v为状态量x＝(s，v)，车轮上的单位质量纵向力为控制输入u＝Ft/m，建立用于描述车辆运动状态转移的所述汽车纵向动力学模型，经简化后得：



其中，Ft为车辆纵向力，包括驱动力和制动力；m为车辆质量；g为重力加速度；f为滚动阻力系数；δ为旋转质量换算系数；
构成所述汽车纵向动力学模型的变量满足描述车辆能耗变化的汽车能耗模型，如下式所示：



式中，Pb为电池功率，Pm为电机功率，t0为起点时刻，tf为终点时刻，c＝c1(r/i)2m2，c1为电机特性参数，与电机内阻和转矩常数有关，i为传动系统传动比；r为车轮半径；
进而，将求解车辆在t0-tf时间段内能量最小化的最优车速轨迹的问题归纳为如下的通用求解模型：



S.t.
v(t0)＝v0、v(tf)＝vf
s(t0)＝S0、S(tf)＝sf
其中，v0、s0分别表示车辆在t0时刻的速度和位移，vf、sf分别表示车辆在tf时刻的速度和位移。


3.根据权利要求2所述的动态交通场景下智能网联车辆经济性驾驶控制方法，其特征在于，所述通用求解模型的最优控制输入：u*(t)＝at+b
式中，






v0、s0表示车辆在t0时刻的速度和位移，vf、sf表示车辆在tf时刻的速度和位移；
进而得到最优能量消耗如下式所示：



其中，





4.根据权利要求3所述的动态交通场景下智能网联车辆经济性驾驶控制方法，其特征在于，所述步骤S2具体包括以下步骤：
步骤S21：滚动距离域划分，将全程道路长度send平均划分为N段，以步长Δd＝send/N向前滚动优化，以k＝0，1，...N-1表示当前步数，并初始化k＝0；
步骤S2...

【专利技术属性】
技术研发人员：庄伟超，陈浩，殷国栋，董昊轩，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32