基于神经网络的车辆队列控制模式切换系统及切换方法技术方案

本发明专利技术公开了一种基于神经网络的车辆队列控制模式切换系统及切换方法，其系统包括数据采集模块、数据处理模块和控制器切换模块；数据采集模块用于接收当前车辆和前方车辆的数据信息；数据处理模块用于对当前车辆和前方车辆的数据信息进行处理；控制器切换模块用于根据处理后的数据信息，切换当前车辆的控制方式。本发明专利技术的车辆队列控制模式切换系统可以使神经网络处理产生的数据信息更接近前方车辆的真实轨迹信息，并在从CACC控制器方式切换到ACC控制器方式时，使得每一辆车只接受前方一辆车的数据信息，从而提高了预测数据的准确性。性。性。

【技术实现步骤摘要】
基于神经网络的车辆队列控制模式切换系统及切换方法


[0001]本专利技术属于智能交通
，具体涉及一种基于神经网络的车辆队列控制模式切换系统及切换方法。

技术介绍

[0002]在城市道路驾驶环境中，由于车辆无法提前预知前方车辆的动态变化(加速，减速和换道等)，可能会导致车速控制不当，使得车辆队列不稳定的情况时有发生，这意味着更多的交通拥堵，大量的燃油浪费，甚至会引发交通事故，对人生命财产造成重大威胁。
[0003]针对该问题，目前存在两种主要的技术：一种是基于车载传感器的自适应巡航控制(Adaptive Cruise Control，ACC)，在ACC模式下的每辆车通过车载传感器测量其与前车的相对距离和相对速度信息，辅助驾驶员对车辆进行控制，有助于提高行车的安全性；另一种是基于车
‑
车通信的协作式自适应巡航控制(Cooperative Adaptive Cruise Control，CACC)，其通过车
‑
车通信实现车辆的协同控制，相比于ACC模式，CACC模式能通过通信获得车辆队列中更多的车辆信息，从而进行控制器的设计，在保证车辆安全的前提下，车辆间以更小的车间距行驶，提高道路交通的吞吐量，减小车辆间距波动幅度，降低行车能耗，提高交通效率而对外部干扰的抑制能力也更强。
[0004]然而，在实际通信网络环境中，对于大规模车辆队列控制系统，通信延时的情况不可避免，对车辆的协同控制也造成了严重的影响。因此，当车辆队列中的车辆发生通信延时，如何设计巡航模式切换策略，使得车辆队列的串稳定性得到补偿，从而使车辆队列的间距不发生较大的波动，保证系统稳定安全运行是亟待解决的问题。

技术实现思路

[0005]本专利技术的目的是为了解决通信延时影响车辆队列稳定性的问题，提出了一种基于神经网络的车辆队列控制模式切换系统及切换方法。
[0006]本专利技术的技术方案是：一种基于神经网络的车辆队列控制模式切换系统包括数据采集模块、数据处理模块和控制器切换模块；
[0007]数据采集模块用于接收当前车辆和前方车辆的数据信息；数据信息包括车辆的速度、水平位置坐标和垂直位置坐标；
[0008]数据处理模块用于对当前车辆和前方车辆的数据信息进行处理；
[0009]控制器切换模块用于根据处理后的数据信息，切换当前车辆的控制方式。
[0010]本专利技术的有益效果是：本专利技术的车辆队列控制模式切换系统可以使神经网络处理产生的数据信息更接近前方车辆的真实轨迹信息，并在从CACC控制器方式切换到ACC控制器方式时，使得每一辆车只接受前方一辆车的数据信息，从而提高了预测数据的准确性。
[0011]在本专利技术实施例中，为了防止系统接收到的车辆行车信息中包含异常的数据，数据处理模块用于将雷达设备接收到的前车行车信息数据进行清洗，其次将清洗后的数据选取80％进行训练，20％进行测试放入到网络中进行训练。为了提高预测数据的准确性，选取
了不同的输入参数进行试验。例如：分别将第一车辆的水平位置坐标、第二车辆的水平位置坐标和垂直位置坐标、第三车辆的水平位置坐标和垂直位置坐标以及车辆的行驶速度作为网络的输入参数，通过改变网络的内部结构，即从单影响变量到多影响变量的转换，进行多次的实验，同时记录每次实验的RMSE结果，选取结果值更优的输入情况作为网络的输入参数进行试验预测，使得通过网络处理产生的数据信息更接近前方车辆的真实行驶轨迹信息。
[0012]控制器切换模块，是当系统感知到车辆行驶的当前区域存在较大的信息延迟时，为了避免车辆队列的不稳定情况更加严重，系统将在头车巡航的阶段(此处不是立即切换)，车辆队列中的车辆将采用神经网络输出的数据作为此时车辆的接收数据，替代了车辆前端雷达设备的接收数据。同时系统将采取由CACC控制器切换方式到ACC控制器方式，使得每一辆车只接受前方一辆车的数据信息，从而降低了车辆在行驶过程中的系统开销，提高了在通信延时条件下车辆队列的稳定性。
[0013]基于以上系统，本专利技术还提出一种基于神经网络的车辆队列控制模式切换方法，包括以下步骤：
[0014]S1：利用数据采集模块采集当前车辆和前方车辆的数据信息，并利用深度学习法预测前方车辆的加速度；
[0015]S2：根据当前车辆的数据信息、当前车辆的加速度、前方车辆的数据信息和前方车辆的加速度，利用控制器切换模块判断当前车辆的行驶区域的消息延迟是否超过阈值，若是进入步骤S3，否则进入步骤S4；
[0016]S3：利用神经网络模型预测当前车辆的数据信息，并将当前车辆的CACC模式切换至ACC模式，控制车辆的行驶轨迹，并进入步骤S5；
[0017]S4：继续接收前方车辆的数据信息，并进入步骤S5；
[0018]S5：判断前方车辆和当前车辆的车头时距是否恒定，若是则完成车辆队列控制，否则返回步骤S1。
[0019]进一步地，步骤S2中，判断当前车辆的行驶区域是否存在消息延迟的具体方法为：若当前车辆的响应信号和前方车辆的响应信号满足||Λ
i
(t)||2≤||Λ
i
‑1(t)||2,则当前车辆的行驶区域存在消息延迟，其中，Λ
i
(t)表示当前第i辆车的响应信号，Λ
i
‑1(t)表示前方第i
‑
1辆车的响应信号，||
·
||2表示信号能量，响应信号包括车辆的间距误差、速度和加速度。
[0020]进一步地，步骤S3包括以下子步骤：
[0021]S31：利用数据处理模块对前方车辆的数据信息进行清洗；
[0022]S32：选取清洗后前方车辆的数据信息的80％对神经网络模型进行训练，选取清洗后前方车辆的数据信息的20％对神经网络模型进行测试，得到神经网络模型的输出数据；
[0023]S33：将神经网络模型的输出数据作为当前车辆的数据信息，并将当前车辆的CACC模式切换至ACC模式。
[0024]进一步地，步骤S32中，对神经网络模型进行训练的具体方法为：将当前车辆的速度作为神经网络模型的第一输入参数，将当前车辆的速度和水平位置坐标作为神经网络模型的第二输入参数，将当前车辆的速度、水平位置坐标和垂直位置坐标作为神经网络模型的第三输入参数，分别计算第一输入参数、第二输入参数和第三输入参数的均方根误差，利
用最小均方根误差对应的输入参数对神经网络模型进行训练。
[0025]本专利技术的有益效果是：本专利技术在通信延时条件下，基于神经网络预测的方式对车辆队列的控制模式进行切换，降低了车辆在行驶过程中的系统开销，提高了在通信延时条件下车辆队列的稳定性。
附图说明
[0026]图1为车辆队列控制模式切换方法的流程图；
[0027]图2为串稳定性较差情况下的加速度曲线图；
[0028]图3为串稳定性较好情况下的加速度曲线图；
[0029]图4为LSTM三层预测结构示意图；
[0030]图5为车辆本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的车辆队列控制模式切换系统，其特征在于，包括数据采集模块、数据处理模块和控制器切换模块；所述数据采集模块用于接收当前车辆和前方车辆的数据信息；所述数据信息包括车辆的速度、水平位置坐标和垂直位置坐标；所述数据处理模块用于对当前车辆和前方车辆的数据信息进行处理；所述控制器切换模块用于根据处理后的数据信息，切换当前车辆的控制方式。2.一种基于神经网络的车辆队列控制模式切换方法，其特征在于，包括以下步骤：S1：利用数据采集模块采集当前车辆和前方车辆的数据信息，并利用深度学习法预测前方车辆的加速度；S2：根据当前车辆的数据信息、当前车辆的加速度、前方车辆的数据信息和前方车辆的加速度，利用控制器切换模块判断当前车辆的行驶区域的消息延迟是否超过阈值，若是进入步骤S3，否则进入步骤S4；S3：利用神经网络模型预测当前车辆的数据信息，并将当前车辆的CACC模式切换至ACC模式，控制车辆的行驶轨迹，并进入步骤S5；S4：继续接收前方车辆的数据信息，并进入步骤S5；S5：判断前方车辆和当前车辆的车头时距是否恒定，若是则完成车辆队列控制，否则返回步骤S1。3.根据权利要求2所述的基于神经网络的车辆队列控制模式切换方法，其特征在于，所述步骤S2中，判断当前车辆的行驶区域存在消息延迟的具体方法为：若当前车辆的响应信号和前方车辆的响应信号满足则当前车...

【专利技术属性】
技术研发人员：童星，赵祥模，田彬，徐志刚，张鑫，
申请(专利权)人：长安大学，
类型：发明
国别省市：