【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 ...
【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:
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。