一种基于公交信号优先的交叉口网联自动驾驶方法技术

本发明专利技术涉及一种基于公交信号优先的交叉口网联自动驾驶方法，包括：建立网联自动驾驶公交车的车辆系统动态模型：建立双目标成本函数，根据双目标成本函数，通过动态规划算法计算系统控制输入u，根据u控制网联自动驾驶公交车行驶。与现有技术相比，本发明专利技术具有自动换道超车功能，避免优先策略失效，同时考虑了公交优先信号的影响，兼顾公交延误和油耗。兼顾公交延误和油耗。兼顾公交延误和油耗。

【技术实现步骤摘要】
一种基于公交信号优先的交叉口网联自动驾驶方法


[0001]本专利技术涉及网联自动驾驶汽车和交通控制领域，尤其是涉及一种基于公交信号优先的交叉口网联自动驾驶方法。

技术介绍

[0002]随着人口数量以及私有汽车保有量的增长，道路交通系统正面临着前所未有的压力，比如交通拥堵、能源消耗以及环境污染。可靠的公共交通运输系统能够有效分到交通压力，提高交通运输效率。在此背景之下，已有许多研究提出了公交信号优先策略，旨在提高公交车在城市信控交叉口的通行效率，进而强化公共交通运输的运载能力。如今已有例如绿灯相位延长、红灯相位提前结束等传统信号优先策略。
[0003]然而，简单依靠为公交车提供优先信号仍不足以显著提升公交的通行效率，反而会对其他社会车辆的通行时间造成巨大损失。因此，许多研究基于先进的智能网联技术以及车路协同技术，对公交信号优先方法进行了迭代升级。新方法的设计不再仅仅局限于信号配时的调节与优化，而是更加关注如何利用可实时获取的交通信息(车辆信息、信号灯信息)，设计面向公交优先的驾驶辅助系统，对智能网联公交车的行驶速度或轨迹进行规划，使公交车能够充分利用优先信号，从而实现降低公交延误，提高公共交通运输系统效率的目的，也能加速推进智能网联技术的落地应用。
[0004]现有实现公交信号优先的驾驶辅助系统主要采用多约束线性规划的方法，但是目前的技术和方法存在以下明显缺陷：
[0005](1)现有的面向公交信号优先的驾驶辅助系统仅仅限于车速规划，即只能实现网联自动驾驶公交车的纵向自动化，车辆的换道和超车需要驾驶员介入，当前方有慢速车辆阻碍时，网联自动驾驶公交车只能降速跟驰，这使公交错失优先信号，造成更大的通行延误；
[0006](2)现有的面向公交信号优先的驾驶辅助系统都没有考虑周围交通的不确定性干扰。有别于网联自动驾驶车辆，人工驾驶车辆的驾驶行为存在随机性，若不考虑这一点将会造成巨大的交通安全隐患；
[0007](3)现有的面向公交信号优先的驾驶辅助系统无法准确预估到达停止线的时间，造成公交在交叉口前停车，进而导致优先绿灯时间浪费，公交延误提升。

技术实现思路

[0008]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于公交信号优先的交叉口网联自动驾驶方法，具有自动换道超车功能，避免优先策略失效，同时考虑了公交优先信号的影响，兼顾公交延误和油耗。
[0009]本专利技术的目的可以通过以下技术方案来实现：
[0010]一种基于公交信号优先的交叉口网联自动驾驶方法，包括：
[0011]建立网联自动驾驶公交车的车辆系统动态模型：
[0012][0013]其中，z为系统状态向量，u为系统控制输入，ω为随机噪声，A、B和D分别为系统矩阵、控制矩阵和噪声矩阵；
[0014]建立双目标成本函数，根据双目标成本函数，通过动态规划算法计算系统控制输入u，根据u控制网联自动驾驶公交车行驶；
[0015]其中，所述的系统控制输入u的表达式为：
[0016]u＝[δ
f
,a
x
]T
[0017]其中，δ
f
和a
x
分别为网联自动驾驶公交车的方向盘转角和纵向加速度；
[0018]所述的双目标成本函数J的表达式为：
[0019][0020]其中，t0和v0分别为网联自动驾驶公交车到达交叉口时的时刻和初始速度，T为网联自动驾驶公交车到达停止线所需的通行时间，L为网联自动驾驶公交车初始位置与停止线的距离，β0、β1、β2、β3和β4为可调权重系数；
[0021]若(t0,v0)∈Ω，则β0,β1,β2,β3,β4＞0，否则β0,β1,β3＞0，β2＝0，β4＝0；
[0022]所述的Ω的表达式为：
[0023][0024][0025]其中，t
queue
为交叉口前排队长度，R为红灯时长，v
q1
为排队累积速度，v
q2
为排队消散速度，v
q3
为排队清空速度，G
TSP
为公交优先信号，即信号优先策略给予网联自动驾驶公交车的额外绿灯通行时间；
[0026]应用动态规划算法，规划最佳行驶轨迹，通过控制网联自动驾驶公交车的方向盘转角和纵向加速度，使网联自动驾驶公交车沿最佳行驶轨迹行驶，实现对网联自动驾驶公交车的纵横向耦合控制，使网联自动驾驶公交车具有自动换道超车功能，避免了在遭遇前方有慢行车辆阻碍时公交无法充分利用优先绿灯信号，致使优先策略失效的问题；
[0027]双目标成本函数在考虑降低公交延误的同时，兼顾车辆油耗，减少网联自动驾驶公交车的行驶排放，提高生态性，同时考虑了公交优先信号的影响，公交优先信号G
TSP
影响t0和v0是否落入集合Ω内，从而决定成本函数权重系数β0、β1、β2、β3和β4的选取，若t0和v0落入集合Ω内，说明网联自动驾驶公交车能够以当前速度匀速顺利通过交叉口，则速度权系数β2和β4需大于0，以保障网联自动驾驶公交车匀速低能耗行驶；若t0和v0未落入集合Ω内，说明网联自动驾驶公交车需进行加速操作，以更快的速度驶过停车线，则速度权系数β2和β4需等于0，使网联自动驾驶公交车不再匀速巡航，能够根据实时的交叉口车辆排队状况以及信号配时信息，实时规划公交通过交叉口的最佳时间，最小化公交延误。
[0028]进一步地，建立双目标成本函数的线性碰撞约束，所述的线性碰撞约束包括：
[0029]满足第一线性碰撞约束条件或第二线性碰撞约束条件；
[0030]所述的第一线性碰撞约束条件为：
[0031][0032]所述的第二线性碰撞约束条件为：
[0033][0034]其中，为网联自动驾驶公交车与第i辆社会车辆的纵向安全距离，为网联自动驾驶公交车与第i辆社会车辆的横向安全距离，为纵向反分布函数参数，为横向反分布函数参数；
[0035]所述的线性碰撞约束考虑了实际道路交通环境的不确定性，将人工驾驶车辆的行驶状态视为服从一定概率分布的随机变量，把具有不确定性的碰撞约束转化为线性概率约束，为消除交通安全隐患提供了解决方案。
[0036]进一步地，所述的通过动态规划算法计算系统控制输入的具体过程包括：
[0037]31)离散化车辆线性化系统动态，计算离散矩阵A
k
和B
k
，k∈{0,1,...,N}；
[0038]32)将双目标成本函数转化为二次型矩阵形式，并计算权重矩阵Q
k
和R
k
，Q
k
和R
k
的计算公式为：
[0039][0040][0041]33)逆向计算最优控制律：
[0042]当k＝N+1时，
[0043]从k＝N至k＝0逆向计算以下方程：
[0044][0045][0046][0047][0048][0049][0050]S...

【技术保护点】

【技术特征摘要】
1.一种基于公交信号优先的交叉口网联自动驾驶方法，其特征在于，包括：建立网联自动驾驶公交车的车辆系统动态模型：其中，z为系统状态向量，u为系统控制输入，ω为随机噪声，A、B和D分别为系统矩阵、控制矩阵和噪声矩阵；建立双目标成本函数，根据双目标成本函数，通过动态规划算法计算系统控制输入u，根据u控制网联自动驾驶公交车行驶；其中，所述的系统控制输入u的表达式为：u＝[δ
f
,a
x
]
T
其中，δ
f
和a
x
分别为网联自动驾驶公交车的方向盘转角和纵向加速度；所述的双目标成本函数J的表达式为：其中，t0和v0分别为网联自动驾驶公交车到达交叉口时的时刻和初始速度，T为网联自动驾驶公交车到达停止线所需的通行时间，L为网联自动驾驶公交车初始位置与停止线的距离，β0、β1、β2、β3和β4为可调权重系数；若(t0,v0)∈Ω，则β0,β1,β2,β3,β4＞0，否则β0,β1,β3＞0，β2＝0，β4＝0；所述的Ω的表达式为：所述的Ω的表达式为：其中，t
queue
为交叉口前排队长度，R为红灯时长，v
q1
为排队累积速度，v
q2
为排队消散速度，v
q3
为排队清空速度，G
TSP
为公交优先信号，即信号优先策略给予网联自动驾驶公交车的额外绿灯通行时间。2.根据权利要求1所述的一种基于公交信号优先的交叉口网联自动驾驶方法，其特征在于，建立双目标成本函数的线性碰撞约束，所述的线性碰撞约束包括：满足第一线性碰撞约束条件或第二线性碰撞约束条件；所述的第一线性碰撞约束条件为：所述的第二线性碰撞约束条件为：其中，为网联自动驾驶公交车与第i辆社会车辆的纵向安全距离，为网联自动驾驶公交车与第i辆社会车辆的横向安全距离，为纵向反分布函数参数，为横向反分布函数参数。
3.根据权利要求1所述的一种基于公交信号优先的交叉口网联自动驾驶方法，其特征在于，所述的通过动态规划算法计算系统控制输入的具体过程包括：31)离散化车辆线性化系统动态，计算离散矩阵A
k
和B
k
，k∈{0,1,...,N}；32)计算权重矩阵Q
k
和R
k
，Q
k
和R
k
的计算公式为：的计算公式为：33)逆向计算最优控制律：当k＝N+1时，从k＝N至k＝0逆向计算以下方程：从k＝N至k＝0逆向计算以...

【专利技术属性】
技术研发人员：胡笳，张子晗，冯永威，李欣，
申请(专利权)人：同济大学，
类型：发明
国别省市：