CN107146408B - 一种基于车联网的道路环保驾驶***的控制方法 - Google Patents
一种基于车联网的道路环保驾驶***的控制方法 Download PDFInfo
- Publication number
- CN107146408B CN107146408B CN201710394520.9A CN201710394520A CN107146408B CN 107146408 B CN107146408 B CN 107146408B CN 201710394520 A CN201710394520 A CN 201710394520A CN 107146408 B CN107146408 B CN 107146408B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- current vehicle
- current
- acceleration
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于车联网的道路环保驾驶***的控制方法，通过车辆检测器采集经过道路起点处的信息和信号控制信息，对非受控车辆的行驶轨迹及速度进行预测，并对自动驾驶车辆进行速度曲线优化，利用车辆间的相互影响实现对所有车辆的环保驾驶控制。本发明的有益效果在于：交叉口吞吐量具有最高优先权，即在保障交叉口吞吐量的基础上最大程度地降低***整体燃油消耗与污染物排放；对非受控车辆的间接控制，即根据车辆跟驰规律，合理利用自动驾驶车辆对后方非受控车辆的速度的影响，进而实现对所有车辆的控制。
Description
技术领域
本发明属于车辆动力装置或传动装置的布置或安装；两个以上不同的原动机的布置或安装；辅助驱动装置；车辆用仪表或仪表板；与车辆动力装置的冷却、进气、排气或燃料供给结合的布置的技术领域，特别涉及一种根据实时采集的车辆信息对车道上的部分加入车联网的自动驾驶车辆进行速度曲线优化、使得车辆依此运行的基于车联网的道路环保驾驶***的控制方法。
背景技术
城市中的信号交叉口对交通流有隔断作用，车辆在此处经常性加速、减速、怠速和停车，往往造成大量的机动车污染物排放及燃油消耗。为了解决信号交叉口带来的负面影响，采用信号交叉口环保驾驶控制对车辆进行控制，信号交叉口环保驾驶控制能够有效减少或缩短交叉口范围内车辆的加减速及停车怠速过程，降低燃油消耗与污染物排放。
然而，现有的信号交叉口环保驾驶控制***存在以下明显缺陷：
1、控制***及相应的控制方法主要面向全自动驾驶环境进行设计与开发，无法在短时间内应用于实际的交通控制当中；
2、现有控制***在工作过程中需要对控制方案进行高频率的更新计算，这将对通讯***和计算机***造成较大压力；
3、现有控制***中的控制方法多集中于单一车辆的速度优化控制，忽略了道路交通状况对车辆运行的影响，致使在实际应用过程中无法达到预期的控制目标，其控制效果随交通饱和度的升高而逐渐降低；
4、现有控制方法中控制目标仅为减少燃油消耗及污染物排放量，未对交叉口吞吐量进行考量，无法充分利用信号控制的绿灯时长，对交叉口吞吐量造成严重的负面影响，不适用于交通压力较大的交叉口。
发明内容
本发明解决的技术问题是，现有技术中，现有的信号交叉口环保驾驶控制***主要面向全自动驾驶车辆，无法在短时间内应用于实际的交通控制当中，高频运算会对通讯***和计算机***造成较大压力，控制非针对整体路网，较为片面的控制模式使得控制效果随交通饱和度的升高而逐渐降低，无法充分利用信号控制的绿灯时长，对交叉口吞吐量造成严重的负面影响，不适用于交通压力较大的交叉口的问题，进而提供了一种优化的基于车联网的道路环保驾驶***的控制方法。
本发明所采用的技术方案是，一种基于车联网的道路环保驾驶***的控制方法，所述***包括设置在道路起点处的车辆检测器，所述道路终点处设有信号灯，所述车辆检测器连接至控制器，所述控制器连接有信息采集设备，所述控制器连接至车辆，所述控制器连接至数据库；
所述方法包括以下步骤：
步骤1：车辆行驶至道路起点处，车辆检测器检测车辆信息，控制器与车辆进行通讯连接；
步骤2：连接失败，控制器判断车辆为非受控车辆时，进行步骤3；连接成功，控制器判断车辆为自动驾驶车辆时，进行步骤4；
步骤3：对于当前车辆进行微观车辆跟驰模型计算，得到当前车辆的运动轨迹与速度曲线，结果存储于数据库中；进行步骤5；
步骤4：控制器读取车辆检测器采集的车辆信息，结合上一车辆的运动轨迹与速度曲线，对于当前车辆进行运动轨迹与速度曲线的优化，将优化结果传输至当前车辆，结果存储于数据库中，断开当前车辆和控制器间的连接；
步骤5：结束对当前车辆的控制。
优选地，所述步骤1中，车辆检测器检测当前车辆的到达时间、位置和速度。
优选地，所述步骤3中，得到当前车辆的运动轨迹与速度曲线的方法包括以下步骤：
步骤3.1：计算当前车辆的加速度
其中，其中，为当前车辆的最大加速度，vn(t)为当前车辆的速度，为当前车辆的期望速度，δ为加速度指数，为当前车辆与前序车辆的期望最小距离，△sn(t)为当前车辆与前序车辆的实际距离，s0为拥堵距离，T为安全车头时距，△vn(t)为当前车辆与前序车辆的速度差，为当前车辆的期望减速度，为当前车辆到达车辆检测器的初始时间；
步骤3.2：获取数据库中的交通灯信息，得到绿灯时间集合ξ，判断当前车辆是否可以与前车在同一周期的绿灯时间通过交叉口，若可以，则当前车辆的加速度应为其中，为当前车辆到达车辆检测器的初始时间，当前车辆通过停车线的终端时间若不行，则当前车辆前方的第一个红灯的起始时刻为其中，R为信号灯的红灯时长，G为信号灯的绿灯时长；
步骤3.3：在路口设置当前车辆前方的第一个红灯时刻的虚拟静止车辆，当前车辆的加速度为
其中，L为停车线的位置，sn(t)为当前车辆的位置，tR为信号灯为红灯的起始时刻。
优选地，所述步骤3.3中，当前车辆前方为红灯时，当前车辆的前车为所述虚拟静止车辆，当前车辆前方为绿灯时，当前车辆的前车为实际前序车辆。
优选地，所述步骤4中，得到当前车辆的运动轨迹与速度曲线的方法包括以下步骤：
步骤4.1：计算当前车辆驶过交叉口的预期时间其中，当前车辆的候选终端时间当前车辆在不考虑前车及信号灯的控制情况下通过停车线的最早时间th为在停车线处两个连续车辆的预设车头时距，vlim为当前道路的法定限速值；
步骤4.2：根据庞特里雅金极大值原理定义协状态
其中，△t为迭代的时间步长，设定最大容许误差εmax；
步骤4.3：初始化协状态，Λ(0)(i)＝0，时空轨迹sn(i)＝0，加速度un(i)＝0；初始化速度 为当前车辆的初始速度；
步骤4.4：基于约束条件，利用上一迭代得出的协状态Λ(m-1)(i)沿道路自起始位置至终点位置求解状态x(m)(i)＝(vn(i),un(i))T；
步骤4.5：利用上一迭代得出的x(m)(i)沿道路自终点位置至起始位置求解协状态方程得出λ(m)(i)；
步骤4.6：利用上一迭代的λ(m)和Λ(m-1)平滑更新协状态Λ(m)＝(1-γ)Λ(m-1)+γ·λ(m)；0≤γ≤1；
步骤4.7：当满足||Λ(m)-λ(m)||<εmax时停止迭代，其他情况下设置m＝m+1并返回步骤4.4；
步骤4.8：判断生成的自动驾驶车辆时空轨迹与前车时空轨迹是否存在冲突，若不存在，则判定生成的速度曲线为有效曲线；若存在，则将当前自动驾驶车辆设置为非受控车辆，进行步骤3。
优选地，所述步骤4.4中，根据庞特里雅金极大值原理其中，w3∈R+，加速度变化率
sn(i+1)＝sn(i)+△t(vn(i)+0.5·un(i)·△t)；β1和β2为燃油消耗与污染物排放模型中的参数。
优选地，所述步骤4.4中，约束条件包括：
加速度变化率 为当前车辆的最大加速度变化率，kn为当前车辆的最小加速度变化率；
加速度 为当前车辆的最大加速度，u n为当前车辆的最小加速度；
速度 v n为当前车辆的最低速度限制；
当加速度un(i)≥0时，运行成本
当加速度un(i)＜0时，运行成本
α0,α1,α2,α3,β1,β2为燃油消耗与污染物排放模型中的参数。
优选地，所述步骤4.5中，自动驾驶车辆的终端加速度为终端条件为
λ1(p)＝2w1(sn(p)-L),λ2(p)＝2w2(vn(p)-vlim)，w1∈R+，w2∈R+，后向求解λ1(j)，λ2(j)，j∈(p,p-1,...,2)，λ1(j-1)＝λ1(j)，λ2(j-1)＝λ2(j)+w3(-α0·vn(j)-2+α2+2α3·vn(t))·△t+λ1(j-1)·△t。
本发明提供了一种优化的基于车联网的道路环保驾驶***的控制方法，通过车辆检测器采集经过道路起点处的信息和信号控制信息，对非受控车辆的行驶轨迹及速度进行预测，并对自动驾驶车辆进行速度曲线优化，利用车辆间的相互影响实现对所有车辆的环保驾驶控制。
本发明的有益效果在于：
1、交叉口吞吐量具有最高优先权，即在保障交叉口吞吐量的基础上最大程度地降低***整体燃油消耗与污染物排放；
2、对非受控车辆的间接控制，即根据车辆跟驰规律，合理利用自动驾驶车辆对后方非受控车辆的速度的影响，进而实现对所有车辆的控制。
附图说明
图1为本发明的道路环保驾驶***的结构框图。
具体实施方式
下面结合实施例对本发明做进一步的详细描述，但本发明的保护范围并不限于此。
如图所示，本发明涉及一种基于车联网的道路环保驾驶***的控制方法，所述***包括设置在道路起点处的车辆检测器，所述道路终点处设有信号灯，所述车辆检测器连接至控制器，所述控制器连接有信息采集设备，所述控制器连接至车辆，所述控制器连接至数据库。
所述方法包括以下步骤。
步骤1：车辆行驶至道路起点处，车辆检测器检测车辆信息，控制器与车辆进行通讯连接。
所述步骤1中，车辆检测器检测当前车辆的到达时间、位置和速度。
本发明中，信息采集设备主要用于对驶入控制区域的车辆进行信息采集，采集的信息包括车辆在车辆检测器处的到达时间、位置和速度。每当有新的车辆到达车辆检测器处，车辆检测器反馈信息至控制器，信息采集设备即被激活，并将采集到的信息传递给控制器，用于判断当前车辆是否受控，以及计算其优化信息。
本发明中，控制器中包括非受控车辆建模模块和自动驾驶车辆优化模块。非受控车辆建模模块对非受控车辆的时空轨迹和速度曲线进行预测，利用信息采集设备传送至控制器的车辆信息，结合信号控制信息和前车的时空轨迹与速度曲线信息，计算非受控车辆的时空轨迹与速度曲线，并将计算结果存储于数据库中等待后续计算过程中调用。自动驾驶车辆优化模块对自动驾驶车辆的速度曲线进行优化，利用信息采集设备传来的车辆信息，结合信号控制信息和前车的时空轨迹与速度曲线信息，利用本发明的优化算法计算车辆的最优速度曲线及时空轨迹，并将最优速度曲线传输给相应的自动驾驶车辆中的控制模块，同时将计算结果存储于数据库中等待后续计算过程中调用。
本发明中，设备间的通讯利用DSRC或LTE-V通讯技术完成，实现信息沿车辆检测器通过控制器至车辆的方向的传输，此为相关领域技术人员容易理解的内容，可以依需求自行设置。
步骤2：连接失败，控制器判断车辆为非受控车辆时，进行步骤3；连接成功，控制器判断车辆为自动驾驶车辆时，进行步骤4。
本发明中，当车辆检测器检测到车辆通过时，控制器尝试与车辆建立通讯连接，若连接成功，则判定车辆为自动驾驶车辆，自动驾驶车辆优化模块被激活，对应步骤4，若连接失败，则判定车辆为非受控车辆，非受控车辆建模模块被激活，对应步骤3。
步骤3：对于当前车辆进行微观车辆跟驰模型计算，得到当前车辆的运动轨迹与速度曲线，结果存储于数据库中；进行步骤5。
所述步骤3中，得到当前车辆的运动轨迹与速度曲线的方法包括以下步骤。
步骤3.1：计算当前车辆的加速度
其中，其中，为当前车辆的最大加速度，vn(t)为当前车辆的速度，为当前车辆的期望速度，δ为加速度指数，为当前车辆与前序车辆的期望最小距离，△sn(t)为当前车辆与前序车辆的实际距离，s0为拥堵距离，T为安全车头时距，△vn(t)为当前车辆与前序车辆的速度差，为当前车辆的期望减速度，为当前车辆到达车辆检测器的初始时间。
本发明中，步骤3.1根据当前车辆与前车间的相对距离和相对速度，计算当前车辆与前车间的加速度关系，即为当前车辆的加速度。
本发明中，s0根据交通实际拥堵的程度设定，为统计得到的定值，为相对速度的系数统计值。
步骤3.2：获取数据库中的交通灯信息，得到绿灯时间集合ξ，判断当前车辆是否可以与前车在同一周期的绿灯时间通过交叉口，若可以，则当前车辆的加速度应为其中，为当前车辆到达车辆检测器的初始时间，当前车辆通过停车线的终端时间若不行，则当前车辆前方的第一个红灯的起始时刻为其中，R为信号灯的红灯时长，G为信号灯的绿灯时长。
本发明中，意为上一个信号灯结束到当前信号灯周期的红灯起始时间。
步骤3.3：在路口设置当前车辆前方的第一个红灯时刻的虚拟静止车辆，当前车辆的加速度为
其中，L为停车线的位置，sn(t)为当前车辆的位置，tR为信号灯为红灯的起始时刻。
所述步骤3.3中，当前车辆前方为红灯时，当前车辆的前车为所述虚拟静止车辆，当前车辆前方为绿灯时，当前车辆的前车为实际前序车辆。
本发明中，当前车辆的加速度包括在同一道路段中，信号灯还没有变红灯及灯变为红灯的情况。
本发明中，中，由于此时前车的速度为0，故此时的△vn(t)＝vn(t)。
步骤4：控制器读取车辆检测器采集的车辆信息，结合上一车辆的运动轨迹与速度曲线，对于当前车辆进行运动轨迹与速度曲线的优化，将优化结果传输至当前车辆，结果存储于数据库中，断开当前车辆和控制器间的连接。
本发明中，利用车辆检测器采集的车辆信息，结合信号控制信息和前车的时空轨迹与速度曲线信息，对自动驾驶车辆进行速度曲线优化，优化目标为保证交叉口吞吐量的情况下最小化总体燃油消耗及污染物排放量，为了降低计算时间，该算法在庞德里亚金极大值原理(PMP)架构下进行构建并利用数值化PMP方法进行求解。
所述步骤4中，得到当前车辆的运动轨迹与速度曲线的方法包括以下步骤。
步骤4.1：计算当前车辆驶过交叉口的预期时间其中，当前车辆的候选终端时间当前车辆在不考虑前车及信号灯的控制情况下通过停车线的最早时间th为在停车线处两个连续车辆的预设车头时距，vlim为当前道路的法定限速值。
本发明中，在绿灯集合情况下，当前车辆驶过交叉口的预期时间为第一种，在红灯集合情况下，当前车辆驶过交叉口的预期时间为第二种，此时，红灯的起始时刻与红灯整体时长的和为绿灯的起始时刻。
本发明中，th是指当前车辆与前车间的通过交叉口的间隔时间，包含了拥堵时间，时距表示车头时间间距，是交通工程的既有定义，意义为后一辆车开到前一辆车此时刻位置所需要花的时间。
本发明中，当前车辆在不考虑前车及信号灯的控制情况下通过停车线的最早时间是指前车很远，不会对当前车辆产生影响，当前车辆以最大速度通过交叉口的时间。
步骤4.2：根据庞特里雅金极大值原理定义协状态
其中，△t为迭代的时间步长，设定最大容许误差εmax。
本发明中，庞德里亚金极大值原理(PMP)提出了协状态(co-state)的概念，可以用于进行迭代。此时，λ1(i)和λ2(i)均为有理数。
步骤4.3：初始化协状态，Λ(0)(i)＝0，时空轨迹sn(i)＝0，加速度un(i)＝0；初始化速度 为当前车辆的初始速度。
步骤4.4：基于约束条件，利用上一迭代得出的协状态Λ(m-1)(i)沿道路自起始位置至终点位置求解状态x(m)(i)＝(vn(i),un(i))T。
所述步骤4.4中，根据庞特里雅金极大值原理其中，w3∈R+，加速度变化率vn(i+1)＝vn(i)+un(i)·△t，sn(i+1)＝sn(i)+△t(vn(i)+0.5·un(i)·△t)；β1和β2为燃油消耗与污染物排放模型中的参数。
所述步骤4.4中，约束条件包括：
加速度变化率 为当前车辆的最大加速度变化率，kn为当前车辆的最小加速度变化率；
加速度 为当前车辆的最大加速度，u n为当前车辆的最小加速度；
速度 v n为当前车辆的最低速度限制；
当加速度un(i)≥0时，运行成本
当加速度un(i)＜0时，运行成本
α0,α1,α2,α3,β1,β2为燃油消耗与污染物排放模型中的参数。
本发明中，加速度变化率应当尽可能小，保证驾驶人和乘客的舒适。
本发明中，最终应当判断计算结果是否满足约束条件，若满足，则保持原值，若不满足，则应当强制更改计算结果，使其满足约束条件。
本发明中，运行成本的第一项均为庞特里雅金极大值原理中定义的油耗，第二项则为舒适度的数值，舒适度主要考量加速度值。
步骤4.5：利用上一迭代得出的x(m)(i)沿道路自终点位置至起始位置求解协状态方程得出λ(m)(i)。
所述步骤4.5中，自动驾驶车辆的终端加速度为 终端条件为
λ1(p)＝2w1(sn(p)-L),λ2(p)＝2w2(vn(p)-vlim)，w1∈R+，w2∈R+，后向求解λ1(j)，λ2(j)，j∈(p,p-1,...,2)，λ1(j-1)＝λ1(j)，λ2(j-1)＝λ2(j)+w3(-α0·vn(j)-2+α2+2α3·vn(t))·△t+λ1(j-1)·△t。
利用上一迭代的λ(m)和Λ(m-1)平滑更新协状态Λ(m)＝(1-γ)Λ(m-1)+γ·λ(m)；0≤γ≤1。
本发明中，计算λ(m)(i)需要用到所有的x(m)(i)＝(vn(i),un(i))T。
步骤4.7：当满足||Λ(m)-λ(m)||<εmax时停止迭代，其他情况下设置m＝m+1并返回步骤4.4。
本发明中，εmax的值可以依据需求，由本领域技术人员根据理解自行设置，以满足不同的路况约束。
步骤4.8：判断生成的自动驾驶车辆时空轨迹与前车时空轨迹是否存在冲突，若不存在，则判定生成的速度曲线为有效曲线；若存在，则将当前自动驾驶车辆设置为非受控车辆，进行步骤3。
步骤5：结束对当前车辆的控制。
本发明解决了现有技术中，现有的信号交叉口环保驾驶控制***主要面向全自动驾驶车辆，无法在短时间内应用于实际的交通控制当中，高频运算会对通讯***和计算机***造成较大压力，控制非针对整体路网，较为片面的控制模式使得控制效果随交通饱和度的升高而逐渐降低，无法充分利用信号控制的绿灯时长，对交叉口吞吐量造成严重的负面影响，不适用于交通压力较大的交叉口的问题，通过车辆检测器采集经过道路起点处的信息和信号控制信息，对非受控车辆的行驶轨迹及速度进行预测，并对自动驾驶车辆进行速度曲线优化，利用车辆间的相互影响实现对所有车辆的环保驾驶控制。
本发明的有益效果在于：
1、交叉口吞吐量具有最高优先权，即在保障交叉口吞吐量的基础上最大程度地降低***整体燃油消耗与污染物排放；
2、对非受控车辆的间接控制，即根据车辆跟驰规律，合理利用自动驾驶车辆对后方非受控车辆的速度的影响，进而实现对所有车辆的控制。
Claims (7)
1.一种基于车联网的道路环保驾驶***的控制方法，其特征在于：所述***包括设置在道路起点处的车辆检测器，所述道路终点处设有信号灯，所述车辆检测器连接至控制器，所述控制器连接有信息采集设备，所述控制器连接至车辆，所述控制器连接至数据库；所述信息采集设备用于对驶入控制区域的车辆进行信息采集，采集的信息包括车辆在车辆检测器处的到达时间、位置和速度；
所述方法包括以下步骤：
步骤1：车辆行驶至道路起点处，车辆检测器检测车辆信息，控制器与车辆进行通讯连接；
步骤2：连接失败，控制器判断车辆为非受控车辆时，进行步骤3；连接成功，控制器判断车辆为自动驾驶车辆时，进行步骤4；
步骤3：对于当前车辆进行微观车辆跟驰模型计算，得到当前车辆的运动轨迹与速度曲线，结果存储于数据库中；进行步骤5；
步骤4：控制器读取车辆检测器采集的车辆信息，结合上一车辆的运动轨迹与速度曲线，对于当前车辆进行运动轨迹与速度曲线的优化，将优化结果传输至当前车辆，结果存储于数据库中，断开当前车辆和控制器间的连接；
步骤5：结束对当前车辆的控制；
所述步骤3中，得到当前车辆的运动轨迹与速度曲线的方法包括以下步骤：
步骤3.1：计算当前车辆的加速度
其中，其中，为当前车辆的最大加速度，vn(t)为当前车辆的速度，为当前车辆的期望速度，δ为加速度指数，为当前车辆与前序车辆的期望最小距离，△sn(t)为当前车辆与前序车辆的实际距离，s0为拥堵距离，T为安全车头时距，△vn(t)为当前车辆与前序车辆的速度差，为当前车辆的期望减速度，为当前车辆到达车辆检测器的初始时间；
步骤3.2：获取数据库中的信号灯信息，得到绿灯时间集合ξ，判断当前车辆是否可以与前车在同一周期的绿灯时间通过交叉口，若可以，则当前车辆的加速度应为其中，为当前车辆到达车辆检测器的初始时间，当前车辆通过停车线的终端时间若不行，则当前车辆前方的第一个红灯的起始时刻为其中，R为信号灯的红灯时长，G为信号灯的绿灯时长；
步骤3.3：在路口设置当前车辆前方的第一个红灯时刻的虚拟静止车辆，当前车辆的加速度为
<mrow>
<msub>
<mi>u</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>u</mi>
<mi>n</mi>
<mi>o</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>&ForAll;</mo>
<mi>t</mi>
<mo>&NotElement;</mo>
<mo>&lsqb;</mo>
<msubsup>
<mi>t</mi>
<mi>n</mi>
<mn>0</mn>
</msubsup>
<mo>,</mo>
<mi>&infin;</mi>
<mo>)</mo>
<mo>&cap;</mo>
<mo>&lsqb;</mo>
<msub>
<mi>t</mi>
<mi>R</mi>
</msub>
<mo>,</mo>
<msub>
<mi>t</mi>
<mi>R</mi>
</msub>
<mo>+</mo>
<mi>R</mi>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mover>
<mi>u</mi>
<mo>&OverBar;</mo>
</mover>
<mi>n</mi>
</msub>
<mo>&lsqb;</mo>
<mn>1</mn>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<msub>
<mi>v</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<msubsup>
<mi>v</mi>
<mi>n</mi>
<mi>d</mi>
</msubsup>
</mfrac>
<mo>)</mo>
</mrow>
<mi>&delta;</mi>
</msup>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<msubsup>
<mi>&Delta;s</mi>
<mi>n</mi>
<mo>*</mo>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>v</mi>
<mi>n</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>,</mo>
<msub>
<mi>v</mi>
<mi>n</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>L</mi>
<mo>-</mo>
<msub>
<mi>s</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>&rsqb;</mo>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>&ForAll;</mo>
<mi>t</mi>
<mo>&Element;</mo>
<mo>&lsqb;</mo>
<msubsup>
<mi>t</mi>
<mi>n</mi>
<mn>0</mn>
</msubsup>
<mo>,</mo>
<mi>&infin;</mi>
<mo>)</mo>
<mo>&cap;</mo>
<mo>&lsqb;</mo>
<msub>
<mi>t</mi>
<mi>R</mi>
</msub>
<mo>,</mo>
<msub>
<mi>t</mi>
<mi>R</mi>
</msub>
<mo>+</mo>
<mi>R</mi>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
</mrow>
其中，L为停车线的位置，sn(t)为当前车辆的位置，tR为信号灯为红灯的起始时刻。
2.根据权利要求1所述的一种基于车联网的道路环保驾驶***的控制方法，其特征在于：所述步骤1中，车辆检测器检测当前车辆的到达时间、位置和速度。
3.根据权利要求1所述的一种基于车联网的道路环保驾驶***的控制方法，其特征在于：所述步骤3.3中，当前车辆前方为红灯时，当前车辆的前车为所述虚拟静止车辆，当前车辆前方为绿灯时，当前车辆的前车为实际前序车辆。
4.根据权利要求1所述的一种基于车联网的道路环保驾驶***的控制方法，其特征在于：所述步骤4中，得到当前车辆的运动轨迹与速度曲线的方法包括以下步骤：
步骤4.1：计算当前车辆驶过交叉口的预期时间其中，当前车辆的候选终端时间当前车辆在不考虑前车及信号灯的控制情况下通过停车线的最早时间th为在停车线处两个连续车辆的预设车头时距，vlim为当前道路的法定限速值；
步骤4.2：根据庞特里雅金极大值原理定义协状态
其中，△t为迭代的时间步长，设定最大容许误差εmax；
步骤4.3：初始化协状态，Λ(0)(i)＝0，时空轨迹sn(i)＝0，加速度un(i)＝0；初始化速度 为当前车辆的初始速度；
步骤4.4：基于约束条件，利用上一迭代得出的协状态Λ(m-1)(i)沿道路自起始位置至终点位置求解状态x(m)(i)＝(vn(i),un(i))T；
步骤4.5：利用上一迭代得出的x(m)(i)沿道路自终点位置至起始位置求解协状态方程得出λ(m)(i)；
步骤4.6：利用上一迭代的λ(m)和Λ(m-1)平滑更新协状态Λ(m)＝(1-γ)Λ(m-1)+γ·λ(m)；0≤γ≤1；
步骤4.7：当满足||Λ(m)-λ(m)||<εmax时停止迭代，其他情况下设置m＝m+1并返回步骤4.4；
步骤4.8：判断生成的自动驾驶车辆时空轨迹与前车时空轨迹是否存在冲突，若不存在，则判定生成的速度曲线为有效曲线；若存在，则将当前自动驾驶车辆设置为非受控车辆，进行步骤3。
5.根据权利要求4所述的一种基于车联网的道路环保驾驶***的控制方法，其特征在于：所述步骤4.4中，根据庞特里雅金极大值原理其中，w3∈R+，加速度变化率vn(i+1)＝vn(i)+un(i)·△t，sn(i+1)＝sn(i)+△t(vn(i)+0.5·un(i)·△t)；β1和β2为燃油消耗与污染物排放模型中的参数。
6.根据权利要求5所述的一种基于车联网的道路环保驾驶***的控制方法，其特征在于：所述步骤4.4中，约束条件包括：
加速度变化率 为当前车辆的最大加速度变化率，k n为当前车辆的最小加速度变化率；
加速度 为当前车辆的最大加速度，u n为当前车辆的最小加速度；
速度 v n为当前车辆的最低速度限制；
当加速度un(i)≥0时，运行成本
<mrow>
<mi>L</mi>
<mo>=</mo>
<msub>
<mi>w</mi>
<mn>3</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&alpha;</mi>
<mn>0</mn>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>v</mi>
<mi>n</mi>
</msub>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>+</mo>
<msub>
<mi>&alpha;</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>&alpha;</mi>
<mn>2</mn>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>v</mi>
<mi>n</mi>
</msub>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
<mo>+</mo>
<msub>
<mi>&alpha;</mi>
<mn>3</mn>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>v</mi>
<mi>n</mi>
</msub>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msub>
<mi>&beta;</mi>
<mn>1</mn>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>u</mi>
<mi>n</mi>
</msub>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
<mo>+</mo>
<msub>
<mi>&beta;</mi>
<mn>2</mn>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>u</mi>
<mi>n</mi>
</msub>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<msub>
<mi>u</mi>
<mi>n</mi>
</msub>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>;</mo>
</mrow>
当加速度un(i)＜0时，运行成本
<mrow>
<mi>L</mi>
<mo>=</mo>
<msub>
<mi>w</mi>
<mn>3</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&alpha;</mi>
<mn>0</mn>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>v</mi>
<mi>n</mi>
</msub>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>+</mo>
<msub>
<mi>&alpha;</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>&alpha;</mi>
<mn>2</mn>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>v</mi>
<mi>n</mi>
</msub>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
<mo>+</mo>
<msub>
<mi>&alpha;</mi>
<mn>3</mn>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>v</mi>
<mi>n</mi>
</msub>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msub>
<mi>&beta;</mi>
<mn>1</mn>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>u</mi>
<mi>n</mi>
</msub>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<msub>
<mi>u</mi>
<mi>n</mi>
</msub>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>;</mo>
</mrow>
α0,α1,α2,α3,β1,β2为燃油消耗与污染物排放模型中的参数。
7.根据权利要求4所述的一种基于车联网的道路环保驾驶***的控制方法，其特征在于：所述步骤4.5中，自动驾驶车辆的终端加速度为
<mrow>
<msub>
<mi>u</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mfrac>
<mrow>
<msub>
<mi>&lambda;</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>w</mi>
<mn>3</mn>
</msub>
<msub>
<mi>&beta;</mi>
<mn>1</mn>
</msub>
</mrow>
<mrow>
<mn>1</mn>
<mo>+</mo>
<mn>2</mn>
<msub>
<mi>w</mi>
<mn>3</mn>
</msub>
<msub>
<mi>&beta;</mi>
<mn>2</mn>
</msub>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>&ForAll;</mo>
<msub>
<mi>&lambda;</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<mo>-</mo>
<msub>
<mi>w</mi>
<mn>3</mn>
</msub>
<msub>
<mi>&beta;</mi>
<mn>1</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>&lambda;</mi>
<mn>2</mn>
</msub>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
<mo>+</mo>
<msub>
<mi>w</mi>
<mn>3</mn>
</msub>
<msub>
<mi>&beta;</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>&ForAll;</mo>
<msub>
<mi>&lambda;</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mo>></mo>
<mo>-</mo>
<msub>
<mi>w</mi>
<mn>3</mn>
</msub>
<msub>
<mi>&beta;</mi>
<mn>1</mn>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
</mrow>
终端条件为
λ1(p)＝2w1(sn(p)-L),λ2(p)＝2w2(vn(p)-vlim)，w1∈R+，w2∈R+，
后向求解λ1(j)，λ2(j)，j∈(p,p-1,...,2)，λ1(j-1)＝λ1(j)，
λ2(j-1)＝λ2(j)+w3(-α0·vn(j)-2+α2+2α3·vn(t))·△t+λ1(j-1)·△t。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710394520.9A CN107146408B (zh) | 2017-05-29 | 2017-05-29 | 一种基于车联网的道路环保驾驶***的控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710394520.9A CN107146408B (zh) | 2017-05-29 | 2017-05-29 | 一种基于车联网的道路环保驾驶***的控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107146408A CN107146408A (zh) | 2017-09-08 |
| CN107146408B true CN107146408B (zh) | 2018-05-04 |
Family
ID=59779957
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710394520.9A Active CN107146408B (zh) | 2017-05-29 | 2017-05-29 | 一种基于车联网的道路环保驾驶***的控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107146408B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3543985A1 (de) * | 2018-03-21 | 2019-09-25 | dSPACE digital signal processing and control engineering GmbH | Simulieren verschiedener verkehrssituationen für ein testfahrzeug |
| CN109885054A (zh) * | 2019-02-28 | 2019-06-14 | 苏州工业园区职业技术学院 | 一种面向自动驾驶的信号交叉口环保驾驶控制*** |
| CN110550045B (zh) * | 2019-09-09 | 2020-11-10 | 奇瑞汽车股份有限公司 | 速度的规划和跟踪方法、装置及存储介质 |
| CN111899509B (zh) * | 2020-07-20 | 2021-11-16 | 北方工业大学 | 一种基于车路信息耦合的智能网联汽车状态向量计算方法 |
| CN112286197B (zh) * | 2020-11-03 | 2024-02-13 | 交通运输部公路科学研究所 | 一种基于离散时空的车辆纵向运动速度优化方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101063302B1 (ko) * | 2010-10-05 | 2011-09-07 | 국방과학연구소 | 무인차량의 자율주행 제어 장치 및 방법 |
| CN102663887A (zh) * | 2012-04-13 | 2012-09-12 | 浙江工业大学 | 基于物联网技术的道路交通信息云计算和云服务实现***及方法 |
| CN105405308A (zh) * | 2015-12-25 | 2016-03-16 | 苏州市康宏智能工程有限公司 | 一种汽车自动驾驶控制***及方法 |
| CN106020203A (zh) * | 2016-07-15 | 2016-10-12 | 百度在线网络技术（北京）有限公司 | 用于控制无人驾驶车辆的方法及装置 |
| CN106355880A (zh) * | 2016-10-09 | 2017-01-25 | 东南大学 | 一种面向跟车安全的无人驾驶车辆控制参数标定方法 |
-
2017
- 2017-05-29 CN CN201710394520.9A patent/CN107146408B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101063302B1 (ko) * | 2010-10-05 | 2011-09-07 | 국방과학연구소 | 무인차량의 자율주행 제어 장치 및 방법 |
| CN102663887A (zh) * | 2012-04-13 | 2012-09-12 | 浙江工业大学 | 基于物联网技术的道路交通信息云计算和云服务实现***及方法 |
| CN105405308A (zh) * | 2015-12-25 | 2016-03-16 | 苏州市康宏智能工程有限公司 | 一种汽车自动驾驶控制***及方法 |
| CN106020203A (zh) * | 2016-07-15 | 2016-10-12 | 百度在线网络技术（北京）有限公司 | 用于控制无人驾驶车辆的方法及装置 |
| CN106355880A (zh) * | 2016-10-09 | 2017-01-25 | 东南大学 | 一种面向跟车安全的无人驾驶车辆控制参数标定方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107146408A (zh) | 2017-09-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107146408B (zh) | 一种基于车联网的道路环保驾驶***的控制方法 | |
| CN110085037B (zh) | 一种车路协同环境下交叉口信号控制及车速引导*** | |
| CN113450583B (zh) | 一种车路协同下高速公路可变限速和变道协同控制方法 | |
| CN112373472B (zh) | 一种自动驾驶交叉口车辆进入时刻与行驶轨迹控制方法 | |
| CN108538069B (zh) | 一种匝道合流区车辆速度管控***及方法 | |
| CN108447266B (zh) | 一种智能网联汽车协同换道入队控制方法 | |
| CN108973998B (zh) | 一种基于mpc的异质车辆队列分布式节能控制方法 | |
| CN111383481A (zh) | 城市拥堵路口智能网联汽车绿色通行车速优化方法 | |
| CN113689692B (zh) | 智能网联混合交通流信号交叉口车辆到达预测修正方法 | |
| CN111325975B (zh) | 一种智能网联车辆在汇入口区域的集中优化协调方法 | |
| CN106205169A (zh) | 基于车路协同的主干道交叉口进口道车速控制方法 | |
| CN114419903B (zh) | 一种智能网联汽车队列路口通行控制方法、装置及车辆 | |
| CN113593275B (zh) | 一种基于公交信号优先的交叉口网联自动驾驶方法 | |
| CN112164217B (zh) | 一种自动驾驶车辆队列行驶管理***及其控制方法 | |
| CN114999207B (zh) | 一种智能网联环境下的公交车生态迫近引导方法 | |
| CN109229160A (zh) | 应对恶劣天气的列车自动控制方法、装置及车载设备 | |
| CN114802362B (zh) | 时分控制的列车节能运行方法和装置 | |
| CN106740998B (zh) | 城市轨道交通cbtc***车载ato节能操控方法 | |
| CN113223324B (zh) | 高速匝道入口合流的控制方法 | |
| CN106887148B (zh) | 一种引导车辆行驶的方法及装置 | |
| CN113611132B (zh) | 一种基于车路协同***的饱和单路口公交信号控制方法 | |
| CN114648878B (zh) | 一种智能网联环境下连续路口速度诱导方法 | |
| CN115830885A (zh) | 一种考虑多车型能量消耗的车辆匝道合流协同控制方法 | |
| CN114489067A (zh) | 智能网联车辆队列协同驾驶模型预测控制方法 | |
| CN115320616A (zh) | 一种自动驾驶车辆速度的控制方法、装置、设备及介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |