【技术实现步骤摘要】
本专利技术属于交通工程，具体涉及一种考虑纵横向移动的智能网联汽车生态驾驶轨迹规划方法。
技术介绍
1、城镇化及机动化的快速进程使得交通拥堵、交通安全和交通能耗成为城市道路交通系统的常见问题，成为制约城市可持续发展的主要因素。随着车路协同技术的发展，智能网联汽车被广泛认为是缓解城市交通拥堵、降低车辆能耗的关键技术。因此，在车路协同及智能网联环境下，如何规划智能网联汽车的生态驾驶轨迹，是亟需解决的关键科学问题。本专利技术有助于提高道路交通系统的运行效率，并降低车辆行驶能耗。
2、与此同时，现有关于智能网联汽车生态驾驶轨迹规划的研究，如chengyuan ma、chunhui yu和xiaoguang yang发表的论文trajectory planning for connected andautomated vehicles at isolated signalized intersections under mixed trafficenvironment；申请号为202210290849.1，专利技术名称为基于伪谱法的多信号灯路况下网联车辆节能驾驶控制方法；及申请号为202211074470.3，专利技术名称为一种智能网联汽车不停车通过交叉口的生态驾驶方法的专利技术专利，以上论文或专利均提出了一种智能网联汽车在信号交叉口的生态驾驶方法。然而，上述方法关于能耗的估计较为简单，不能反映智能网联汽车真实工况下的行驶能耗，难以使智能网联汽车以最优能耗驶出信控交叉口；除此之外，上述方法大多聚焦于智能网联汽车在纵向行驶的控制策
技术实现思路
1、本专利技术的目的在于解决现有技术目标函数较为简单、不能反映智能网联汽车的真实行驶能耗、难以使智能网联汽车以最优能耗驶出交叉口、缺乏对智能网联汽车横向换道过程轨迹的研究，提出一种考虑纵横向移动的智能网联汽车生态驾驶轨迹规划方法，适用于在信号交叉口的城市道路，在获取当前信号交叉口信号相位配时和道路信息的基础上，以纵向行驶能耗和横向换道舒适度为代价函数，考虑车辆行驶的横纵向速度、加速度大小限制和动力学约束，并基于换道需求和交叉口信号相位信息，确定车辆驶出交叉口的状态值，构建最优控制模型；并基于伪谱法将该最优控制问题转化为非线性规划问题，通过序列二次规划算法求解得到智能网联汽车综合考虑出行能耗和换道舒适度的最优生态行驶轨迹。
2、为了达到上述目的，本专利技术所采用的技术方案是：
3、一种考虑纵横向移动的智能网联汽车生态驾驶轨迹规划方法，包括以下步骤：
4、步骤s1、获取本车当前速度、位置信息，交叉口道路长度、车道数和车道宽度，交叉口信号相位及配时信息；
5、本车通过车路通信技术获取当前时间t0；本车的纵横向位置向量s(t0)＝[x0,y0]t、当前纵横向速度向量交叉口道路长度l、交叉口车道数nw、交叉口车道宽度w；交叉口绿灯相位时长tg、红灯相位时长tr、信号周期时长tcyc；其中，x0是当前时间下本车的纵向位置，y0是当前时间下本车的横向位置，是当前时间下本车的纵向速度，是当前时间下本车的横向速度；
6、步骤s2、确定车辆换道需求；
7、智能网联汽车在交叉口行驶过程中可能需要在特定时间内执行换道，记换道起始时间为换道终止时间为换道车道数为nw；
8、步骤s3、确定车辆生态驾驶优化控制目标和约束条件；
9、智能网联汽车在行驶过程中需要考虑纵向行驶能耗和换道舒适度，故选择车辆在行驶当前时刻t0至驶出交叉口时刻tf的累计能耗和横向加速度变化率为控制目标；此外需对智能网联汽车在行驶过程中的横纵向速度、加速度区间进行约束，并确定车辆位置、速度和加速度关系，以满足车辆的动力学和性能要求；
10、所述步骤s3确定车辆生态驾驶优化控制目标和约束条件，具体为：
11、记车辆纵横向最大速度限制向量最小速度限制向量最大加速度限制向量最小加速度限制向量并记车辆在当前时刻t0和终点时刻tf间的纵横向位置向量为s(t)＝[x(t),y(t)]t、纵横向速度向量为v(t)＝[vx(t),vy(t)]t、横纵向加速度向量为a(t)＝[ax(t),ay(t)]t。
12、所述步骤s3具体包括：
13、步骤s31、确定智能网联汽车生态驾驶优化控制目标
14、
15、其中，j为智能网联汽车生态驾驶的控制目标，由车辆纵向瞬时行驶能耗和横向加速度变化率加权积分求和得到；f(vx(t),ax(t),t)为车辆纵向瞬时行驶能耗，被表示为速度和加速度的函数；ay(t)2为车辆横向的加速度率，用于描述车辆换道舒适度；γ1和γ1分别表示能耗和换道舒适度的控制权重。
16、关于车辆纵向瞬时行驶能耗函数f(vx(t),ax(t),t)，本专利技术考虑能耗函数与真实工况的切合度，选用由biggsd c、akcelik r在论文energy-related model ofinstantaneous fuel consumption中提出的燃油汽车瞬时能耗模型估计车辆能耗，该模型能真实和准确地估计车辆在真实工况下的行驶能耗，受到国内外学者的广泛认可。该能耗模型的表达式为：
17、
18、
19、其中，α为怠速油耗率；m为智能网联汽车的质量；g为重力加速度；θ为坡度；r(vx,ax)为车辆扭矩的大小；β1，β2，b1和b2为拟合参数。关于能耗模型的参数取值，可在biggsd c和akcelik r的论文中获取。
20、步骤s32、为符合车辆制动性能和道路限速，需要对车辆的横纵向速度和加速度进行约束，表示为：
21、vmin≤v(t)≤vmax、
22、amin≤a(t)≤amax；
23、步骤s33、车辆的当前纵向初始位置为y0、车道宽度为w、车辆在时刻t的纵向位置为y(t)；车辆需在换道起始时刻和换道终点时刻内完成换道，即时间t小于时，车辆保留在当前车道；时间t大于小于等于时，车辆执行换道过程；时间t大于时，车辆换道并保持在目标车道，则换道约束可表示为：
24、
25、步骤s34、车辆行驶过程中横纵向位置、速度和加速度满足牛顿第二运动定律，即车辆位置的微分为车辆速度，车辆速度的微分为车辆加速度，为下式微分方程：
26、
27、步骤s4、确定车辆驶出交叉口状态；
28、根据车辆动力学约束和交叉口信号相位信息，确定智能网联汽车通过交叉口的时刻tf；根据交叉口道路信息、车辆换道需求及道路限速，确定智能网联汽车通过交叉口时刻的纵横向位置s(tf)＝[xf,yf]t、纵横向速度
29、所述步骤s4确定车辆驶出交叉口状态，具体为：
30、记不考虑信号灯条件下车辆通过交叉口的最小时刻为te，驶出交叉口状本文档来自技高网...
【技术保护点】
1.一种考虑纵横向移动的智能网联汽车生态驾驶轨迹规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种考虑纵横向移动的智能网联汽车生态驾驶轨迹规划方法，其特征在于：步骤S3中，记车辆纵横向最大速度限制向量最小速度限制向量最大加速度限制向量最小加速度限制向量并记车辆在当前时刻t0和终点时刻tf间的纵横向位置向量为s(t)＝[x(t),y(t)]T、纵横向速度向量为v(t)＝[vx(t),vy(t)]T、纵横向加速度向量为a(t)＝[ax(t),ay(t)]T；
3.根据权利要求2所述的一种考虑纵横向移动的智能网联汽车生态驾驶轨迹规划方法，其特征在于：步骤S4中记不考虑信号灯条件下车辆通过交叉口的最小时刻为te，所述步骤S4具体包括：
4.根据权利要求3所述的一种考虑纵横向移动的智能网联汽车生态驾驶轨迹规划方法，其特征在于：所述步骤S5建立最优控制模型，具体为：
5.根据权利要求4所述的一种考虑纵横向移动的智能网联汽车生态驾驶轨迹规划方法其特征在于：步骤S6中使用伪谱法将步骤S5的最优控制问题转化为非线性规划问题，并通过序列
...【技术特征摘要】
1.一种考虑纵横向移动的智能网联汽车生态驾驶轨迹规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种考虑纵横向移动的智能网联汽车生态驾驶轨迹规划方法，其特征在于：步骤s3中，记车辆纵横向最大速度限制向量最小速度限制向量最大加速度限制向量最小加速度限制向量并记车辆在当前时刻t0和终点时刻tf间的纵横向位置向量为s(t)＝[x(t),y(t)]t、纵横向速度向量为v(t)＝[vx(t),vy(t)]t、纵横向加速度向量为a(t)＝[ax(t),ay(t)]t；
3.根据权利...
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。