非信控交叉路口混合多车无模型预测协同控制方法技术

本发明专利技术属于智能交通技术领域，特别涉及针对非信控交叉路口混合多车无模型预测协同控制技术。1)通过估计HDVs时变速度并结合预测控制在线滚动优化求解ICVs速度控制量，实现HDVs与ICVs的行驶交互行为状态重构，并实现其安全稳定行驶；2)ICVs混合编队系统根据EC控制器下发的混合交通流组队控制命令实现ICVs动态编队；3)在获得HDVs速度、位置信息的基础上，设计混合虚拟编队通行策略；4)基于各ICVs混合编队系统的非线性动力学模型，分别构建基于跟车距离误差和速度误差的混合编队线性反馈控制器和混合虚拟车辆编队的车辆控制器。本发明专利技术通过在交叉路口边缘云控制系统中重构HDVs与ICVs行驶状态来保证不同MPR和不同交通流量下的行车安全性，提升道路通行效率。提升道路通行效率。提升道路通行效率。

【技术实现步骤摘要】
非信控交叉路口混合多车无模型预测协同控制方法


[0001]本专利技术属于智能交通
，特别涉及针对非信控交叉路口混合多车无模型预测协同控制技术。

技术介绍

[0002]新一代信息通信技术使能的ICVs融合了网联技术的车
‑
路
‑
云信息共享和协同优势，为解决车辆通过非信控交叉路口耗时长、安全性差等问题提供了新的思路。考虑到目前的交通形势，ICVs与HDVs并存的混合交通模式仍会长期存在，而由于人工驾驶行为的动态性和随机性，对于ICVs与HDVs之间的协同行驶提出了更高的要求。因此在这段过渡时期中，有必要设计优化方案来协调ICVs与HDVs的混合交通车流，这对于提高车辆安全性、改善交通通行效率具有重要意义，能够为未来城市交叉路口大规模混合车群的控制管理提供重要理论基础。
[0003]目前，针对ICVs不同市场渗透率(Market Penetration Rate，MPR)下的多车协同控制方法，大多面向信号控制交叉路口，主要研究集中在交通信号配时及混合队列协同优化等。但随着通信网络基础设施和网联车辆智能化水平的不断提升，交通系统将更加智能化，交通信号灯将被称为交叉路口管理器(Intersection Manager，IM)的基础设施所取代。目前，针对非信控交叉路口不同MPR下的多车协同控制方法研究较少，且相关研究中均考虑针对ICV设计控制策略，并使其影响HDVs的行车状态，即假设HDVs的行驶状态是精确已知的。但HDVs的时变速度难以精确已知，为了解决该问题，通用方法是采用交叉路口综合管理系统，根据IDM(Intelligent Driver Model)模型采用POMDP(Partially Observable Markov Decision Process)建模方法估计HDVs的驾驶员意图。但该方法依赖回报函数模型和状态转移概率模型等参数设置，求解复杂度较高，较难应用于大规模混合交通流下的多车协同控制。此外，研究表明ICVs队列化能够显著提高驾驶安全性和道路通行效率，但上述研究中均针对每一辆ICV进行诱导，尚未考虑非信控交叉路口ICVs混合编队系统与HDVs混合行驶下的多车协同控制性能。
[0004]为了克服现有技术的不足，本专利技术旨在综合考虑HDVs行车速度的随机时变特性和混合ICVs混合编队系统与HDVs的协同控制性能，提出一种仅采用HDVs和ICVs行车数据的多车无模型预测协同控制方法(Multi
‑
vehicle Model
‑
free Predictive Cooperative Control，MMAPCC)，保证不同MPR和不同交通流量下的行车安全性，提升道路通行效率。

技术实现思路

[0005]本专利技术的目的在于提供一种非信控交叉路口混合多车无模型预测协同控制方法，综合考虑HDVs行车速度的随机时变特性和混合ICVs混合编队系统与HDVs的协同控制性能，提出一种仅采用HDVs和ICVs行车数据的多车无模型预测协同控制方法，并通过在交叉路口边缘云控制系统中重构HDVs与ICVs行驶状态来保证不同MPR和不同交通流量下的行车安全性，提升道路通行效率。
[0006]为了达到上述目的，本专利技术提供了如下技术方案：
[0007]一种非信控交叉路口混合多车无模型预测协同控制方法，所述方法包括如下步骤：
[0008]步骤1，针对HDVs行车速度时变特性，在EC控制器中仅采用HDVs和ICVs的行车数据设计无模型自适应预测控制器重构HDVs的行驶状态，通过估计HDVs时变速度并结合预测控制在线滚动优化求解ICVs速度控制量，实现ICVs的行驶交互行为状态重构，并实现其安全稳定行驶；
[0009]步骤2，针对路段区域设计具体随机混合交通流多车协同交互编队控制策略，ICVs混合编队系统根据EC控制器下发的混合交通流组队控制命令实现ICVs动态编队；
[0010]步骤3，针对路口区域混合交通流，由于存在不同车道混合交通流合流、交叉、分流等相互冲突关系，为实现混合交通流多车时空冲突消解，在获得HDVs速度、位置信息的基础上，设计混合虚拟编队通行策略；
[0011]步骤4：基于各ICVs混合编队系统的非线性动力学模型，分别构建基于跟车距离误差和速度误差的混合编队线性反馈控制器和混合虚拟车辆编队的车辆控制器。
[0012]步骤1包括以下步骤：
[0013]步骤1.1，通过ICVs与路侧信息采集与传输单元之间的信息交互，根据当前时刻同一车道内相邻多车系统的车况信息，获得混合交通流中多车系统间距、实时位置和实时速度信息；
[0014]步骤1.2，将驶入交叉路口的HDVs考虑为一类离散时间非线性系统，并基于伪偏导数的时变参数使得系统转化为紧格式动态线性化数据模型：
[0015][0016]公式1中，Δy
h,i
(k+1)表示在k时刻的关于EC重构系统中HDVs的位移增量，Δy
h,i
(k+1)＝y
h,i
(k+1)
‑
y
h,i
(k)，单位为m；y
h,i
(k+1)，y
h,i
(k)分别表示HDVs在k+1和k时刻位置，单位为m；为在k时刻，关于HDVs的PPD时变参数矩阵；Δu
h,i
(k)表示在k时刻，EC控制器中重构HDVs状态后的系统输入，单位为m/s2；d(k)表示在k时刻，HDVs在行驶过程中的不确定性，单位为m/s2；
[0017]步骤1.3，基于固定时间收敛扰动观测器设计HDVs随机时变速度扰动观测器，分别估计驶入路口的HDVs的速度扰动信息：
[0018][0019]其中，υ(
·
)为观测器的修正项，其满足：其中sign(
·
)为符号函数；为的估计值，其形式为：
[0020][0021]公式2和公式3中，v
h,i
(k)表示HDVs在行驶过程中实际速度，单位为m/s；d(k)表示HDVs在行驶过程中的不确定性，单位为m/s2；Δu
h,i
(k
‑
1)、Δu
h,i
(k)分别表示在k
‑
1时刻、k
时刻，在EC控制器中重构HDVs状态后的系统输入，单位为m/s2；分别表示在k+1时刻关于HDVs速度v
h,i
(k)、随机时变扰动d(k)的估计值，单位为m/s；分别表示在k时刻关于v
h,i
(k)、d(k)的估计值，单位为m/s；k1、k2为待设计的扰动观测器参数，其满足条件k1,k2＞0且θ为观测器参数，其满足θ≥0；α、β分别表示观测器的修正系数，取值范围为α∈(0.5,1)、β∈(1,1.5)；T为采样时间，单位为s；η为步长因子且η∈(0,1]；μ为权重因子且μ＞0；
[0022]步骤1.4，利用所述步骤1.3中HDVs估计信息设本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种非信控交叉路口混合多车无模型预测协同控制方法，其特征在于：所述方法包括如下步骤：步骤1，针对HDVs行车速度时变特性，在EC控制器中仅采用HDVs和ICVs的行车数据设计无模型自适应预测控制器重构HDVs的行驶状态，通过估计HDVs时变速度并结合预测控制在线滚动优化求解ICVs速度控制量，实现ICVs的行驶交互行为状态重构，并实现其安全稳定行驶；步骤2，针对路段区域设计具体随机混合交通流多车协同交互编队控制策略，ICVs混合编队系统根据EC控制器下发的混合交通流组队控制命令实现ICVs动态编队；步骤3，针对路口区域混合交通流，由于存在不同车道混合交通流合流、交叉、分流等相互冲突关系，为实现混合交通流多车时空冲突消解，在获得HDVs速度、位置信息的基础上，设计混合虚拟编队通行策略；步骤4：基于各ICVs混合编队系统的非线性动力学模型，分别构建基于跟车距离误差和速度误差的混合编队线性反馈控制器和混合虚拟车辆编队的车辆控制器。2.如权利要求1所述的非信控交叉路口混合多车无模型预测协同控制方法，其特征在于：步骤1包括以下步骤：步骤1.1，通过ICVs与路侧信息采集与传输单元之间的信息交互，根据当前时刻同一车道内相邻多车系统的车况信息，获得混合交通流中多车系统间距、实时位置和实时速度信息；步骤1.2，将驶入交叉路口的HDVs考虑为一类离散时间非线性系统，并基于伪偏导数的时变参数使得系统转化为紧格式动态线性化数据模型：公式1中，Δy
h，i
(k+1)表示在k时刻的关于EC重构系统中HDVs的位移增量，Δy
h，i
(k+1)＝y
h，i
(k+1)
‑
y
h，i
(k)，单位为m；y
h，i
(k+1)，y
h，i
(k)分别表示HDVs在k+1和k时刻位置，单位为m；为在k时刻，关于HDVs的PPD时变参数矩阵；Δu
h，i
(k)表示在k时刻，EC控制器中重构HDVs状态后的系统输入，单位为m/s2；d(k)表示在k时刻，HDVs在行驶过程中的不确定性，单位为m/s2；步骤1.3，基于固定时间收敛扰动观测器设计HDVs随机时变速度扰动观测器，分别估计驶入路口的HDVs的速度扰动信息：其中，υ(
·
)为观测器的修正项，其满足：其中sign(
·
)为符号函数；为的估计值，其形式为：公式2和公式3中，v
h，i
(k)表示HDVs在行驶过程中实际速度，单位为m/s；d(k)表示HDVs在行驶过程中的不确定性，单位为m/s2；Δu
h，i
(k
‑
1)、Δu
h，i
(k)分别表示在k
‑
1时刻、k时刻，
在EC控制器中重构HDVs状态后的系统输入，单位为m/s2；分别表示在k+1时刻关于HDVs速度v
h，i
(k)、随机时变扰动d(k)的估计值，单位为m/s；分别表示在k时刻关于v
h，i
(k)、d(k)的估计值，单位为m/s；k1、k2为待设计的扰动观测器参数，其满足条件k1，k2＞0且θ为观测器参数，其满足θ≥0；α、β分别表示观测器的修正系数，取值范围为α∈(0.5，1)、β∈(1，1.5)；T为采样时间，单位为s；η为步长因子且η∈(0，1]；μ为权重因子且μ＞0；步骤1.4，利用所述步骤1.3中HDVs估计信息设计滑模控制器，使得HDVs的状态跟踪误差e能够收敛到平衡点，进而获得ICVs混合编队系统的恒定时距期望跟车位置，实现ICVs混合编队系统重构几何构型建模设计；定义位置跟踪误差设计离散滑模控制面：公式4中，s(k)表示所设计的关于k时刻的离散滑模控制面函数；为y
h，i
(k)的估计值，e(k)为位置跟踪误差，单位为m/s；y
hi
(k)和y
hi
(k
‑
1)分别表示HDVs在k和k
‑
1时刻的位置，单位为m；T为采样时间，单位为s；为v
h，i
(k)的估计值，单位为m/s；进一步地，考虑系统趋近模态的有限时间可达性，设计有限时间内收敛的双幂次趋近律，使EC控制器中滑模变量s能够在有限时间内趋向于0，即保证重构系统模态在有限时间内趋向于滑模面：公式5中，表示EC控制器中关于滑模变量s的导数，β1、β2分别表示控制系统修正项系数，取值范围为0＜β1＜1、β2＞1；k1、k2分别表示待设计的扰动观测器参数，其满足条件k1，k2＞0且s为EC控制器中滑模变量；sign(
·
)为符号函数；将公式5离散化，并将公式4代入，并且为了减少抖振现象，采用饱和函数sat(s)代替sign(s)，整理得到如下控制率：公式6中：表示在k+1时刻的第i辆的HDVs的位置估计信息，单位为m；y
h，i
(k)表示在k时刻的第i辆车的HDVs的实际位置信息，单位为m；T表示采样时间，单位为s；表示在k时刻的速度信息，单位为m/s；表示在k时刻的加速度信息，单位为m/s2；Δ为阈值参数；为在k时刻，关于HDVs的PPD时变参数；k1、k2为待设计的扰动观测器参数，其满足条件k1，k2＞0且s(k)表示离散滑模控制面函数；β1和β2分别表示系统修正项系数；
步骤1.5，计算ICVs系统恒定时距跟车期望位置计算ICVs系统恒定时距跟车期望位置公式7中，为跟车期望位置，单位m；y
h，i
‑1(k)为k时刻第i
‑
1辆HDVs的位置，单位为m；Δu
h，i
‑1(k)为k时刻在EC控制器中重构的第i
‑
1辆HDVs的控制输入速度增量，单位为m/s2；d
safe
为期望跟车间距，单位为m；d
safe
＝d
min
+τ
h
v
c，i
，d
min
为最小跟车间距，单位为m；τ
h
为跟车时距，单位为s/veh；v
c，i
为第i辆ICV的速度，单位为m/s；为在k时刻，关于HDVs的PPD时变参数；步骤1.6，为实现ICVs的安全稳定行驶，通过预测控制在线滚动优化求解ICVs重构系统的速度控制量，设计预测与滚动优化控制器；基于CFDL模型的一步向前输出预测方程为：公式8中，y
c，i
(k+1)、y
c，i
(k)分别表示在k+1时刻、k时刻第l辆ICV的位置，单位为m；Δu
c，i
(k)为k时刻第i辆ICV的控制输入速度增量，单位为m/s2；为PPD参数φ
c
(k)的估计值；给出N步向前预测方程如下：公式9中，Y
c，i
(k)、Y
c，i
(k+1)分别表示在k时刻、k+1时刻的系统N步向前预测输出，单位为m；A1(k)为关于的预测矩阵，ΔU
Nu
(k)表示在k时刻关于ICVs的系统最优预测输入控制序列，单位为m/s2，由于A1(k)含有未知的PPD参数(k)含有未知的PPD参数需要设计PPD参数估计算法来获得：公式10中，如果|Δu
c，i
(k+1)|≤ε或者那么其中，Δy
c，i
(k)表示在k时刻的关于ICVs的位移增量，单位为m；分别表示关于PPD参数φ
c
在k
‑
1时刻、k时刻的估计值；Δu
c，i
(k
‑
1)表示在k
‑
1时刻的关于ICVs的控制量，单位为m/s2；η为步长因子且η∈(0，1]；μ为权重因子且μ＞0；ε表示一个较小的常数，ε＞0；sign(
·
)表示符号函数；采用自回归模型预测k+j时刻后的伪偏导数采用自回归模型预测k+j时刻后的伪偏导数公式11中，如果或j表示预测阶数，j＝
1，...，N
u
‑
1；θ
i
为系数，i＝1，
…
，n
p
为适当的阶次；ε表示一个较小的常数，ε＞0；sign(
·
)表示符号函数；令它可由下式确定：公式12中，θ(k
‑
1)、θ(k)分别表示在k
‑
1时刻、k时刻的系统系数序列；表示在k
‑
1时刻关于估计矩阵，j＝1，
…
，n
p
为适当的阶次且T表示系统采样时间，单位为s；δ表示权重因子，δ∈(0，1]；进一步地，令Y
c，i
(k+i)＝[y
c，i
(k+i)，...，y
c，i
(k+N)]
T
，设计考虑ICVs行驶交互行为重构系统的输出误差和加权控制输入增量的二次型性能指标在线优化计算控制输入增量：公式13中，N
u
为预测时域常数，单位为s；λ是权重因子，λ＞0；表示系统在k+i时刻系统的期望输出，单位为m；Y
c，i
(k+1)表示系统在k+i时刻系统的预测输出，单位为m；ΔU
Nu
(k)表示在k时刻关于ICVs的系统最优预测控制输入，单位为m/s2；T表示系统采样时间，单位为s；将公式9带入公式13，并令得到k时刻的ICVs动态行为的最优控制量：公式14中，ΔU
Nu
(k)表示在k时刻关于ICVs的系统最优预测控制输入，单位为m/s2；表示系统在k+i时刻系统的期望输出，单位为m；Y
c，i
(k)表示系统在k时刻系统的预测输出，单位为m；λ表示系统权重因子；I表示单位矩阵；在k时刻关于的预测矩阵；T表示系统采样时间，单位为s；当前时刻控制量为：u
c，i
(k)＝u
c，i
(k1)+Tg
T
ΔU
Nu
(k)公式15公式15中，u
c，i
(k
‑
1)、u
c，i
(k
‑
1)分别表示在k
‑
1时刻、k时刻，在EC控制器中关于ICVs状态后的系统输入，单位为m/s2；T表示系统采样时间，单位为s；g表示系数矩阵，ΔU
Nu
(k)表示在k时刻关于ICVs的系统最优预测控制输入，单位为m/s2；步骤1.7，多车无模型预...

【专利技术属性】
技术研发人员：孔伟伟，于杰，蔡田茂，邢春辉，江发潮，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：