混合交通环境下智能网联车辆匝道协同合流控制方法及装置制造方法及图纸

本发明专利技术公开了一种混合交通环境下智能网联车辆匝道协同合流优化控制方法及装置，控制方法包括：构建车辆状态方程；设定车辆控制目标和控制约束；其中，车辆控制目标包括最小行驶时间和最低能耗；控制约束包括车辆动力约束、安全跟车约束和安全合流约束；构建递归最优控制框架对车辆进行控制；其中，递归最优控制框架采用递归最优控制，方法为：通过智能网联车辆实时收集人为驾驶车辆的信息并重新规划智能网联车的轨迹，以始终满足上述控制约束。本发明专利技术提出的入口匝道合流控制方法可增强智能网联车辆在混合交通环境下的通行效率、节能效率、控制稳定性和鲁棒性。控制稳定性和鲁棒性。控制稳定性和鲁棒性。

【技术实现步骤摘要】
混合交通环境下智能网联车辆匝道协同合流控制方法及装置


[0001]本专利技术涉及一种混合交通环境下智能网联车辆匝道协同合流优化控制技术，属于智能网联车辆控制


技术介绍

[0002]智能网联车辆是国家重点支持发展的领域，结合智能交通系统和先进通讯技术，通过对多智能网联车辆进行协同控制，可实现节能高效的出行。高速入口匝道是典型的交通瓶颈区，通过对匝道区域的智能网联车辆进行协同控制可实现该区域车辆通行安全性、节能性和驾乘舒适性的提升。
[0003]现有对于匝道合流控制的研究大多数针对纯智能网联车辆的场景，采用最优控制方法进行建模研究。然而由于通讯和车辆技术水平的限制，要实现这样的场景仍需要很长一段时间，因此研究智能网联车辆和人为驾驶车辆共存的混合交通场景下的智能网联车辆控制具有更显著的现实意义。在混合交通场景中，人为驾驶车辆不受控制，且其信息无法提前预知，是对智能网联车辆的一种外部扰动，给智能网联车辆匝道合流最优轨迹规划带来困难。即便有部分研究考虑了这样的场景，但几乎都是基于规则的方法，缺乏综合考虑最优目标和安全约束的科学控制方法。

技术实现思路

[0004]本专利技术所要解决的技术问题是针对
技术介绍
中所涉及到的缺陷，提供一种混合交通环境下智能网联车辆匝道协同合流优化控制方法。该方法考虑了行驶安全和车辆动力学约束，并以行驶时间和能量消耗最小化作为控制目标，以增强智能网联车辆在混合交通环境下的通行效率、节能效率、控制稳定性和鲁棒性。
[0005]为达到上述目的，本专利技术采用的技术方案如下：
[0006]本专利技术的一种混合交通环境下智能网联车辆匝道协同合流优化控制方法，包括步骤如下：
[0007]1)构建入口匝道合流场景；
[0008]2)构建智能网联车辆入口匝道合流分布式优化控制问题；
[0009]3)构建递归最优控制框架；
[0010]4)利用基于CBF
‑
CLF的方法重构最优控制问题；
[0011]5)问题离散化为二次规划问题进行求解。
[0012]下面具体展开各步骤。
[0013]步骤1)构建入口匝道合流场景。包括匝道区域场景模型构建，车辆通行顺序和标识ID的定义，车辆通信方式和可控性的界定等内容。
[0014](1)匝道区域场景模型构建
[0015]构建的匝道合流场景构型如图1所示。局部协调器的通讯覆盖区域被称为协调区，协调区对应的车道长度为L，以协调区左边界所在位置记为起始0位置。在该区域内，车道分
为主道和入口匝道两种，其中匝道与加速车道相连。在靠近加速车道终点处指定合流点，在该点处所有车辆要求强制执行最终的横向运动以汇入主道。在只考虑合流车辆的纵向运动，并假设合流车辆的横向运动对其没有影响时，可将横纵向运动分开处理。
[0016](2)车辆通行顺序和标识ID的定义
[0017]对车辆的通行顺序和标识ID进行定义。局部协调器起识别车辆赋予ID和指定合流顺序的功能。在每个时刻，进入协调区域的车辆总数为N(t)。车辆依据先进先出的规则通过协调区，即车辆达到协调区合流点的顺序和进入协调区的顺序一致。车辆进入协调区域后，局部协调器为其分配唯一标识ID：i＝N(t)+1。车辆标识i的值越小，它到达合流点的时间越早。在车辆经过合流点的情况下，该车辆的标识将被消除，并且协调区域中的车辆的标识将相应地减少1。
[0018]对于车辆i而言，它的同车道的前车的ID记为ip，而它的通行顺序上的前车的ID为由局部协调器分配得到的i
‑
1。如果车辆i
‑
1和车辆i在同一车道，那么ip＝i
‑
1，正如附图1中车辆3和车辆2的关系。否则，紧邻车辆i之前通过合流点的车辆i
‑
1在不同车道，而车辆i的同车道前车ip＜i
‑
1，就像图1中车辆4，它的同在匝道的前车ip＝1，但是紧邻车4之前通过合流点的车辆为主道上的车3。需要注意的是，不论是智能网联车辆还是人为驾驶车辆在进入协调区之后都会被分配ID(人为驾驶车辆进入协调区的信息可以被路侧设备捕捉到)。在之后的表述中，车辆标识为i(i＝1,2,
…
,N(t))的车记为：车辆i。
[0019](3)车辆通信方式和可控性的界定
[0020]对车辆的通信方式进行界定。在混合交通场景下，道路上同时存在智能网联车辆和人为驾驶车辆。智能网联车辆可以通过V2X和V2V技术与局部协调器和其他智能网联车辆进行通讯，在广播自车状态信息的同时，实时获取其他智能网联车辆的状态信息。而人为驾驶车辆不具备通讯能力，其运动状态信息只能通过其前后车的车载传感器被实时采集。因此，当智能网联车辆的前车为人为驾驶车辆时，为了保证安全，智能网联车辆需要利用车载传感器(如毫米波雷达)反复地采集前车信息并调整与前车间的距离，以达到安全合流或安全跟车的要求。同时采集到的信息也可以广播给其他智能网联车辆。在分散控制架构下，每辆智能网联车辆根据局部协调器的协调信息和感知到的周围交通环境信息规划自车运动轨迹并实现精确的控制。由于混合交通环境下只有智能网联车辆具有精确可控性，因此如无特殊说明，以下步骤的控制对象均为智能网联车辆，简写为车辆。
[0021]步骤2)构建智能网联车辆入口匝道合流分布式优化控制问题。包含车辆动力学模型建立，车辆控制目标和控制约束制定，构建分布式最优控制问题。
[0022]采用分布式控制策略，每台智能网联车辆均具有车载控制器，可以根据获取的交通环境和其他车辆信息来规划与控制自车的运动轨迹，可以保证每辆车合流决策的灵活度。
[0023](1)车辆动力学模型建立
[0024]对于车辆i，将x
i
(t)记为主道或匝道车辆在t时刻的位置，v
i
(t)是它的车速，两者间满足运动学关系
[0025][0026]车辆动力学为
[0027][0028]其中m
i
是车辆i的质量，u
i
(t)是其控制输入，F
r
(v
i
(t))表征其行驶阻力，通常被表征为
[0029][0030]其中α0＞0,α1＞0以及α2＞0是依据经验确定的常数，sgn(
·
)是符号方程。
[0031]当以车辆位移x
i
(t)和车速v
i
(t)组成状态向量x
i
(t)：＝(x
i
(t),v
i
(t))时，车辆状态方程可以表示成如下形式
[0032][0033](2)车辆控制目标和控制约束的制定
[0034]记是车辆i进入协调区域的时间，是车辆i到达合流点(离开协调区)的时间。在时间段内，车辆i在协调区内应满足安全性及其动态约束，同时以提高交通效率和能源利用率为控制目标。
[0035]①
约束1车辆动力约束
[0036本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.混合交通环境下智能网联车辆匝道协同合流优化控制方法，其特征在于，包括：构建车辆状态方程；设定车辆控制目标和控制约束；其中，车辆控制目标包括最小行驶时间和最低能耗；控制约束包括车辆动力约束、安全跟车约束和安全合流约束；构建递归最优控制框架对车辆进行控制；其中，递归最优控制框架采用递归最优控制，方法为：通过智能网联车辆实时收集人为驾驶车辆的信息并重新规划智能网联车的轨迹，以始终满足上述控制约束。2.根据权利要求1所述的混合交通环境下智能网联车辆匝道协同合流优化控制方法，其特征在于，智能网联车辆实时收集人为驾驶车辆的信息为驾驶车辆的速度、位置和加速度。3.根据权利要求1所述的混合交通环境下智能网联车辆匝道协同合流优化控制方法，其特征在于，构建的车辆状态方程为：式中，为车辆i的位移x
i
(t)关于时间t的导数；为车辆i的速度v
i
(t)关于时间t的导数；v
i
(t)为车辆i的车速，m
i
为车辆i的质量；u
i
(t)为车辆i的控制输入；F
r
(v
i
(t))为车辆i的行驶阻力；x
i
(t)为以车辆位移x
i
(t)和车速v
i
(t)组成的状态向量；其中：x
i
(t)：＝(x
i
(t),v
i
(t))(t))其中，α0＞0,α1＞0以及α2＞0是依据经验确定的常数，sgn(
·
)是符号方程；4.根据权利要求3所述的混合交通环境下智能网联车辆匝道协同合流优化控制方法，其特征在于，构建递归最优控制框架的方法为：将安全约束用控制障碍函数重构：对于车辆动力约束，最大速度限制控制律和最小速度限制控制律分别为：对于车辆动力约束，最大速度限制控制律和最小速度限制控制律分别为：式中，B
i,1
(x
i
(t))为最大速度限制控制障碍函数；B
i,2
(x
i
(t))为最小速度限制控制障碍函数；u
i
(t)为控制输入；L
f
为对f(x
i
(t))的李导数；L
g
为对g(x
i
(t))的李导数；γ
i,1
为最大速度限制控制律中的常系数；γ
i,2
为最小速度限制控制律中的常系数；为车辆i进入协调区
的时刻；为车辆i完成合流的时刻；最大速度限制控制障碍函数最小速度限制控制障碍函数式中，v
max
为智能网联车的最大车速；v
min
为智能网联车的最小车速；控制输入u
i
(t)的约束为：u
i
(t)≤c
a
mg
‑
u
i
(t)≤c
d
mg式中，c
a
为加速系数；c
d
为减速系数；对于安全合流约束，何控制输入u
i
(t)满足如下控制律：式中，B
i,3
(x
i
(t))为安全合流约束控制障碍函数；γ
i,3
为安全合流约束控制律中的常系数；选择式中，z
i,i
‑1(t)＝x
i
‑1(t)
‑
x
i
(t)为车辆i和i
‑
1之间的距离；l为最小安全距离的常数；L为协调区对应的车道长度；为车头时距；对于安全跟车约束，任何控制输入u
i
(t)应满足如下控制律：式中，B
i,4
(x
i
(t))为安全跟车约束控制障碍函数；γ
i,4
为安全跟车约束控制律中的常系数；其中，v
ip
(t)为t时刻第i辆网联车前面一辆车的车速。将控制目标用控制李雅普诺夫函数重构：对于最小行驶时间，定义输出表达式y
i
(x
i
):＝v
i
‑
v
max
，并选择李雅普诺夫函数采用控制李雅普诺夫函数形式的相应控制律为：其中ε＞0是常值系数，δ＞0是使上式成为软约束的松弛变量；对于最低能耗，同时优化能耗和通行效率，可得：
代表选取使式取最小值的解向量u
i
(t)作为最优解向量其中，为最优解向量，是最优控制输入，是最优松弛变量；ω
i
为惩罚系数，ω
i
＞0；基于上述递归最优控制框架，将智能网联车辆i的分布式最优匝道合流控制问题转换为离散二次规划形式，如下所示：该式意为最小化二次规划函数式中H和F为参数矩阵满足约束条件A
clf
u
i
(t)≤b
clf
A
cbf_cf
u
i
(t)≤b
cbf_cf
A
cbf_mer
u
i
(t)≤b
cbf_mer
A
cbf_lim
u
i
(t)≤b
cbf_lim
其中参数矩阵为A
clf
＝[L
g
V(y
i
(t))
ꢀ‑
1]b
clf
＝
‑
L
f
V(y
i
(t))
‑
εV(y
i
(t))(t))A
cbf_mer
＝[L
g
B
i,3
(x
i
(t)) 0]A
cbf_cf
＝[L
g
B
i,4
(x
i
(t)) 0]
5.一种混合交通环境下智能网联车匝道协同合流优化控制装置，其特征在于，包括：局部协调器，具有通讯覆盖的协调区以及在协调区对智能网联车辆进行识别和控制智能网联车辆进入匝道的合流顺序；车载传感器，用于实时获取人为驾驶车辆的信息；通讯设备，用于局部协调器与智能网联车辆及车载控制器之间的通讯；车载控制器，采用递归优化控制架构，与基于控制障碍函数
‑
控制李雅普诺夫函数的控制方法，对不同场景下的智能网联车辆进行控制。6.根据权利要求5所述的混合交通环境下智能网联车匝道协同合流优化控制装置，其特征在于，针对同车道跟随场景，所述车载控制器只考虑式(1)，(12)
‑
(15)，(24)，(25)的约束，求解式(27)的QP问题：具体表示为满足如下约束：为满足如下约束：为满足如下约束：u
i
(t)≤c
a
mg
ꢀꢀꢀꢀꢀꢀ
(14)
‑
u
i
(t)≤c
d
mg
ꢀꢀꢀꢀꢀꢀꢀ
(15)(15)在此基础上求解离散二次规划问题在此基础上求解离散二...

【专利技术属性】
技术研发人员：殷国栋，刘昊吉，庄伟超，李荣粲，郑芝芸，周闪星，董昊轩，任彦君，梁晋豪，
申请(专利权)人：东南大学，
类型：发明
国别省市：