CN108011947B - 一种车辆协作式编队行驶*** - Google Patents

一种车辆协作式编队行驶*** Download PDF

Info

Publication number
CN108011947B
CN108011947B CN201711241637.XA CN201711241637A CN108011947B CN 108011947 B CN108011947 B CN 108011947B CN 201711241637 A CN201711241637 A CN 201711241637A CN 108011947 B CN108011947 B CN 108011947B
Authority
CN
China
Prior art keywords
vehicle
formation
control
layer
cooperative
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
Application number
CN201711241637.XA
Other languages
English (en)
Other versions
CN108011947A (zh
Inventor
周海鹰
朱政泽
周奎
龚家元
王思山
毕栋
兰建平
彭强
彭彬
付勇智
王文燕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hubei University of Automotive Technology
Original Assignee
Hubei University of Automotive Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hubei University of Automotive Technology filed Critical Hubei University of Automotive Technology
Priority to CN201711241637.XA priority Critical patent/CN108011947B/zh
Publication of CN108011947A publication Critical patent/CN108011947A/zh
Application granted granted Critical
Publication of CN108011947B publication Critical patent/CN108011947B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/027—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means comprising intertial navigation means, e.g. azimuth detector
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • G05D1/0291—Fleet control
    • G05D1/0293—Convoy travelling
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • G05D1/0291—Fleet control
    • G05D1/0295—Fleet control by at least one leading vehicle of the fleet

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明属于车辆网联式自动驾驶领域，公开了一种车辆协作式编队行驶***，从上到下包括网络层、链接层、协调层、控制层和物理层；网络层中车载单元通过无线网络与链接层的无线路由器通信；无线路由器通过以太网分别与中心服务单元CSU、路侧单元RSU通信；中心服务单元CSU与路侧单元RSU采用ZeroMQ的通信。本发明加装视觉和毫米波雷达等低成本车载传感器，将感知融合、路径规划、决策控制集成到同一软件架构下，整合车辆道路环境信息，通过高精度控制器实现可靠的车辆编队行驶功能。***符合网联式车辆编队行驶的发展趋势，高度模块化，易于功能拓展，去中心化的跟驰策略可以减少网络通信不确定性的影响。

Description

一种车辆协作式编队行驶***
技术领域
本发明属于车辆网联式自动驾驶领域，尤其涉及一种车辆协作式编队行驶***。
背景技术
智能网联汽车是指搭载先进的车载传感器、控制器、执行器等装置，并融合现代通信与网络技术，实现车与X(人、车、路、云端等)智能信息交换、共享，具备复杂环境感知、智能决策、协同控制等功能，可实现“安全、高效、舒适、节能”行驶，并最终可实现替代人来操作的新一代汽车。汽车智能化可分为驾驶辅助(DA)、部分自动驾驶(PA)、有条件自动驾驶(CA)、高度自动驾驶(HA)、完全自动驾驶(FA)五个等级。
网联化可分为网联辅助信息交互、网联协同感知、网联协同决策与控制三个等级。随着车辆通信和计算技术愈来愈成熟，智能车路***车队控制技术研究成为热点。智能车路***将车辆组成一列或多列具有共同速度，小车间距的车队，有效地减少了由人为因素所致的交通事故，加强交通安全性；同时，可减少汽车尾气排放和环境污染。
当前国际主流的车队协同驾驶***结构包含网络层、链接层、协调层、控制层和物理层，协同驾驶策略主要包括编队车辆汇聚、跟驰、退出、停车和协作式换道，由于道路环境和通信环境的不确定性，根据其发送的状态信息选择跟驰策略，编队模型鲁棒性不强。
综上所述，现有技术存在的问题是：
目前的网联式车辆编队算法只能在结构化道路上配合高精度地图使用，且以引导车辆(头车)为中心，根据其发送的状态信息选择跟驰策略，编队模型鲁棒性不强；没有结合基于控制稳定理论提供一种去中心化的自动驾驶多车协作式编队行驶的方法。
发明内容
针对现有技术存在的问题，本发明提供了一种车辆协作式编队行驶***。
本发明是这样实现的，一种车辆协作式编队行驶***，所述车辆协作式编队行驶***从上到下包括网络层、链接层、协调层、控制层和物理层；
所述网络层包括中心服务单元CSU、路侧单元RSU、车载单元OBU；车载单元OBU通过无线网络与链接层的无线路由器通信；所述无线路由器通过以太网分别与中心服务单元CSU、路侧单元RSU通信；中心服务单元CSU与路侧单元RSU采用ZeroMQ的通信；
所述协调层包括：编队人机交互界面HMI，用于接收人机交互***中驾驶员设置的起点和终点，完成自动驾驶行为的全局路径规划；并结合全局路径规划规划的行驶路线和车辆定位模块的定位信息；在高精度地图上，规划满***通规则和安全性要求的局部行驶路线。
所述控制层主要功能是对传感器和网络融合信息进行分析，实现车辆的自动驾驶决策和控制，包括：环境感知、纵横向行驶速度规划、发送车辆控制指令；所述环境感知，由自身附加安装的毫米波雷达感知车辆行驶的外部环境；所述纵横向速度规划，主要利用GPS/INS组合定位方式，运用迈普时空的MP-POS320和司南的GNSS组合装置获取车辆姿态和位置状态信息。
所述物理层包括：转向控制、油门控制、制动控制，主要作用是执行控制层轨迹规划和速度规划的指令，通过计算各执行器的给定量，油门、转向和制动器接收到命令后执行相应操作，从而完成轨迹跟踪、车辆加减速、换道等行驶动作。
进一步，所述车辆协作式编队行驶***加装有车载传感器；所述车载传感器包括感知模块，所述感知模块为视觉传感器和毫米波雷达传感器；所述视觉传感器采用单目相机和立体相机；所述毫米波雷达传感器包含前向长距毫米波雷达传感器和四角中距毫米波雷达传感器；
所述车辆协作式编队行驶***还加装有包含GPS\惯导和高精度地图的定位模块，所述GPS\惯导用于接收GPS信号和车载传感器信号，解算出自车的绝对位置信息；并将绝对位置信息通过以太网送入控制层自动驾驶控制器及车载单元OBU；高精度地图用于存储车辆行驶道路的道路边沿、车道中心线、隧道、路段坡道、路段曲率、匝道出入口、服务区出入口的相关信息、交通标志位置和地标性建筑的绝对位置信息；
所述车辆协作式编队行驶***还加装无线路由器，所述车载控制分别通过CAN总线和以太网获取感知模块和定位模块的通信数据，并与网络层进行交互，同时获取路侧***提供的交通信息，形成链接层。
进一步，所述编队人机交互界面HMI，完成自动驾驶行为的全局路径规划中，人机交互模块HMI创建编队；创建编队完成后向控制层下发编队指令；根据车辆汇聚、车辆跟驰、退出编队、编队停车、协作式换道的编队状态填充控制字段实现实时控制；
控制层的控制器根据车载传感器获得的前车状态信息，进行速度控制，完成车辆汇聚；车辆汇聚达到目标距离时进入车辆跟驰状态；车辆中途退出编队时，进入编队车辆退出状态；编队到达全局规划重点前，进入编队车辆停车状态；
所述车辆汇聚包括：
车辆的编队状态模型描述如下：
Figure BDA0001489922600000031
τi是发动机时间常数，
Figure BDA0001489922600000032
是上一次的控制输出；控制的误差量描述为：
δi＝xi-1-xi-Hi；
其中Hi＝Δdtar为目标车间距；引入一个期望空间误差具体描述为：
Figure BDA0001489922600000041
tgo表示从当前时刻保持tgo时间所达到的期望间距；通过应用lyapunov直接法，构造一个原函数为正，导数严格递减的lyapunov函数，具体定义为：
Figure BDA0001489922600000042
联立方程后得到控制输出模型：
Figure BDA0001489922600000043
车载计算单元将控制输出信号
Figure BDA0001489922600000044
反馈给车辆执行单元，最终由节气门开度和刹车力共同作用下完成车辆速度控制，实现编队车辆汇聚。
进一步，车辆跟驰时，设定目标跟驰距离Δdtar，车载计算单元根据当前车辆状态信息，计算Δd＝xi-1-xi，为目前实际编队车辆距离；当|Δdtar-Δd|≤1m时令vi＝vi-1，向底层执行单元透传速度控制目标为前车速度，车辆进入跟驰状态，否则进入车辆汇聚状态。
进一步，车辆退出编队时，中途退出车辆向引导车发送请求；准许退出时，车辆通过摄像头及车载侧向毫波雷达探测相邻车道内有无动静态障碍物，交通标识，经过信息融合决策判断当前道路环境是否可以变道；车载单元OBU经计算可以变道后，车辆切换至单车自动驾驶模式，并向控制器填充换道指令字段；车辆换道完成后向引导车辆发送退出成功消息，并重新规划路径，引导车辆更新编队车辆数目及状态信息，车队进入汇聚状态，重新锁定前车。
进一步，编队停车时，判断全局路径规划脚本终点与引导车辆当前最近行驶路径点距离，当此距离小于100m时，进入编队车辆停车模式；引导车辆根据自身速度设置跟驰时距，即令Δdtar＝th*vl+Δdsafe，参数th设定后则编队车辆减距离随着速度降低而降低，最终停车时保持在安全距离Δdsafe，当Δd＝xi-1-xi小于Δdsafe时刹停车辆。
进一步，所述协作式换道用于当相邻道路车辆发现正在行驶的车队时，向引导车发送加入车队的请求信标，同时启动定时器1，引导车辆根据车队最大车辆数目以及当前车队状态，限制接受\拒绝加入请求，在定时器失效前不断并更新加入车辆信息ID；当车辆被允许加入车队后，取消定时器1，引导车辆设置加入点，并向目标车辆纵向控制器设置纵向速度及加入时间；判断加入车辆当前点是否为目标跟随车辆，若非跟随车辆，则引导车向该非跟随车辆发送扩大间距GAP_DIS的请求；目标跟驰距离DIS_REQ设为2Δdtar；若前方车辆是加入车辆的目标跟随车辆，并且GAP_DIS≥DIS_REQ时，更新车队状态信息，启动车辆汇聚算法，请求加入车辆完成协同换道，编队再次更新变道后ID,编队数目，信息标志位置于ACK；当变道指令发送期间，***正忙，令信标Busy＝true,同时启动定时器3，接收到协作式变道完成信标后，取消定时器3，更新车辆编队数目，车辆列表，令信标Busy＝false，完成此次周期内的车辆协作式换道动作。
本发明的优点及积极效果为：
本发明针对有条件自动驾驶(CA)的工况开发，符合目前网联式车辆编队行驶的趋势；***架构清晰，高度模块化，方便车队功能扩展；去中心化，编队车辆不必在跟驰过程中时刻掌握引导车(头车)状态。
本发明使用5G方式实现各模块的连接及模块间直接通信，同时加装视觉和毫米波雷达等低成本车载传感器，将感知融合、路径规划、决策控制集成到同一软件架构下，整合车辆道路环境信息，通过高精度控制器实现可靠的车辆编队行驶功能。***符合网联式车辆编队行驶的发展趋势，高度模块化，易于功能拓展，去中心化的跟驰策略可以减少网络通信不确定性的影响。
附图说明
图1是本发明实施例提供的车辆协作式编队行驶方法流程图。
图2是本发明实施例提供的车队协作式换道的流程图。
图3是本发明实施例提供的车辆协作式编队行驶***的网络设计框图。
图4是本发明实施例提供的车辆协作式编队行驶***图。
图中：1、网络层；2、链接层；3、协调层；4、控制层；5、物理层。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明的软件基于linux(Ubuntu)操作***开发，搭配高性能计算机，中心服务单元(CSU)软件内部用LCM接口(公共开源)，外部通信用ZeroMQ(公共开源)，开发语言C、C++。
下面结合附图及具体实施例对本发明的应用原理作进一步描述。
如图1所示，本发明实施例提供的车辆协作式编队行驶方法，包括：
步骤一：使用专用实验网络，搭建网络层架构，采用5G方式实现各模块的连接，这些模块主要包括中心服务单元(CSU)、路侧单元(RSU)、车载单元(OBU)，各模块直接通信。
步骤二：加装车载传感器，感知模块主要包括视觉和毫米波雷达等低成本传感器(视觉传感器采用单目相机和立体相机，毫米波雷达包含前向长距毫米波雷达和四角中距毫米波雷达)，定位模块，包含GPS\惯导和高精度地图信息，GPS\惯导接收GPS信号和车载传感器信号，解算出自车的绝对位置信息。车载控制器分别通过CAN总线和以太网获取感知模块和定位模块的通信数据，并与网络层进行交互，同时获取路侧***提供的交通信息，形成链接层。
步骤三：在协调层，通过人机交互界面(HMI)选择引导车辆(头车)编队行驶目的地，上报至网络层后，中心服务单元(CSU)作全局路径规划，并向引导车辆下发高精度地图脚本定义路径(包含起点、关键途经点、终点、经纬度信息)，车载单元(OBU)获得路径规划关键点列表后，以当前起点作重规划，约每隔1m增加生成一条道路平滑中心线，最终得到包含关键点在内的局部路径规划，由车辆的控制单元调用。
步骤四：协调层启动创建编队，引导车辆在人机交互界面(HMI)选择需要加入编队的车辆ID(车牌号)，通过网络通信发送创建编队请求，同一车道线内的车辆接受请求后，通过车载单元(OBU)解算自身位置信息，通过单目相机、立体相机、毫米波雷达等传感器获取的车辆行驶环境信息，检测识别交通标志、道路标线和动静态障碍物，进行多源信息融合处理后，请求或拒绝加入编队。引导车辆在固定周期内确认加入编队车辆数目、位置等信息、并向编队车辆下发路径规划信息，编队创建完成。
步骤五：协调层创建编队完成后向控制层下发编队指令。为实现实时控制，必须根据编队状态填充控制字段。本发明定义编队状态包括车辆汇聚、车辆跟驰、退出编队、编队停车、协作式换道。
步骤六：编队车辆汇聚时，采用如下控制输入模型
Figure BDA0001489922600000071
通过GPS\惯导获得本车相对位置xi，本车速度vi，本车加速度ai，借助车载传感器探测解算前车相对位置xi-1，前车速度vi-1，前车加速度ai-1前车控制目标加速度
Figure BDA0001489922600000072
由网络层获取，最终解算出本车控制目标
Figure BDA0001489922600000073
通过车辆底层控制执行器完成输出。
步骤七：编队车辆跟驰时，设定目标跟驰距离Δdtar(为一定值)，设Δd＝xi-1-xi，为目前实际编队车辆距离，当|Δdtar-Δd|≤1m时令vi＝vi-1，车辆保持跟驰状态，否则进入步骤六；
步骤八：编队车辆退出，车辆中途退出编队时向引导车(头车)发送请求，准许退出时，车辆通过摄像头及车载侧向毫米波雷达探测相邻车道内有无动静态障碍物，交通标识，经过信息融合决策判断当前道路环境是否可以变道；车载单元(OBU)经计算可以变道后，车辆切换至单车自动驾驶模式，并向控制器填充换道指令字段，车辆换道完成并向引导车辆(头车)发送退出成功消息，引导车辆(头车)更新编队车辆数目及状态信息，回到步骤六。
步骤九：编队车辆停车，判断全局路径规划脚本终点与引导车辆(头车)当前近行驶路径点距离，当此距离小于100m时，进入编队车辆停车模式。引导车辆根据自身速度设置跟驰时距，即令Δdtar＝th*vl+Δdsafe，参数th(时距)设定后则编队车辆减距离随着速度降低而降低，最终停车时保持在安全距离Δdsafe。
如图2所示，本发明实施例提供的车队协作式换道，当相邻道路车辆发现正在行驶的车队时，向引导车(头车)发送加入请求，引导车辆根据车队最大车辆数目及编队状态限制接受\拒绝加入请求。当车辆被允许加入车队后，计算加入点，同时向头车发送加入点前后车辆的ID(车牌号)，以加入点的前车为跟驰目标，向加入车辆控制器设置纵向速度，逐渐向加入点靠近。当到达加入点后，向引导车辆发送换道请求，加入车辆此时调用车队汇聚算法，加入点后方车辆此时将目标跟驰距离设为2Δdtar，为换道车俩拉开与前车的距离；当到达目标距离后，引导车辆向加入车辆发送换道指令，换道成功后，加入点后方车辆将跟驰目标换为加入车辆，重回车队汇聚状态，引导车(头车)更新车队车辆数目，状态信息。
下面结合具体的***和网络设计对本发明的应用原理作进一步描述。
如图4所示，本发明实施例提供的车辆协作式编队行驶***，包括网络层1、链接层2、协调层3、控制层4和物理层5。
所述网络层1主要模块。包括中心服务单元(CSU)、路侧单元(RSU)、车载单元(OBU)。采用VPN的方式实现各模块间的直接通信，为方便布网，将CSU和RSU放到一个局域网内，用无线路由器连接(参考图1)。由于OBU、RSU和CSU都采用若干独立进程的软件设计构架，进程间通信采用LCM模式，为了保持总体构架不变，因此把通信总体分成两类：一类为网元内通信，即局域网内通信，由各个实体单元采用LCM方式来实现；另一类为网元间通信，即不同网络实体间的通信，由于LCM只能工作在局域网内，不能跨网段工作，因此采用ZeroMQ的通信方式来实现，网络设计框图如图3所示。
所述车辆定位模块，包含GPS\惯导和高精度地图信息，GPS\惯导接收GPS信号和车载传感器信号，解算出自车的绝对位置信息，并将该位置信息通过以太网送入自动驾驶控制器及车载单元(OBU)；高精度地图存储车辆行驶道路的道路边沿、车道中心线、隧道、路段坡道、路段曲率、匝道出入口、服务区出入口等相关信息，交通标志位置和地标性建筑等的绝对位置信息。
所述编队人机交互界面(HMI)，接收人机交互***中驾驶员设置的起点和终点，完成自动驾驶行为的全局路径规划；并结合全局路径规划规划的行驶路线和车辆融合定位模块的定位信息，在多传感器信息融合模块建立的车辆行驶局部环境地图上，规划满***通规则和安全性要求的局部行驶路线。
所述编队车辆汇聚控制模型，车辆状态模型描述如下：
Figure BDA0001489922600000091
τi是发动机时间常数，是一个跟汽车相关的参数，
Figure BDA0001489922600000092
是上一次的控制输出。这样控制的误差量可以描述为：
δi＝xi-1-xi-Hi
其中Hi＝Δdtar为目标车间距。本发明引入一个期望空间误差具体描述为：
Figure BDA0001489922600000093
这里tgo表示从当前时刻保持tgo时间所达到的期望间距；本发明通过应用lyapunov直接法，可构造一个原函数为正，导数严格递减的lyapunov函数，具体定义为：
Figure BDA0001489922600000101
Figure BDA0001489922600000102
Figure BDA0001489922600000103
联立方程后可以得到控制输出模型：
Figure BDA0001489922600000104
车载计算单元将控制输出信号
Figure BDA0001489922600000105
反馈给车辆执行单元，最终由节气门开度和刹车力共同作用下完成车辆速度控制，实现编队车辆汇聚功能。
编队车辆跟驰时，设定目标跟驰距离Δdtar，车载计算单元根据当前车辆状态信息，计算Δd＝xi-1-xi，为目前实际编队车辆距离；当|Δdtar-Δd|≤1m时令vi＝vi-1，向底层执行单元透传速度控制目标为前车速度，车辆进入跟驰状态，否则进入车辆汇聚状态。
编队车辆退出时，中途退出车辆向引导车(头车)发送请求(不允许头车退出编队，不允许单车道退出编队)。准许退出时，车辆通过摄像头及车载侧向毫波雷达探测相邻车道内有无动静态障碍物，交通标识，经过信息融合决策判断当前道路环境是否可以变道；车载单元(OBU)经计算可以变道后，车辆切换至单车自动驾驶模式，并向控制器填充换道指令字段。车辆换道完成后向引导车辆(头车)发送退出成功消息，并重新规划路径，引导车辆(头车)更新编队车辆数目及状态信息，车队进入汇聚状态，重新锁定前车。
编队车辆停车时，判断全局路径规划脚本终点与引导车辆(头车)当前最近行驶路径点距离，当此距离小于100m时，进入编队车辆停车模式。引导车辆根据自身速度设置跟驰时距，即令Δdtar＝th*vl+Δdsafe，参数th设定后则编队车辆减距离随着速度降低而降低，最终停车时保持在安全距离Δdsafe，当Δd＝xi-1-xi小于Δdsafe时刹停车辆。
编队车辆汇聚、跟驰、退出、停车等车队控制方法流程图如图1所示。
路侧单元(RSU)按照1Hz下发编队信息(位置、速度、角度、加速度、锁定关系)给车载单元(OBU)，车载单元(OBU)透传给人机交互界面(HMI)，HMI显示编队信息，有事件实时上报(包含刹车)。
编队车辆协作式换道：当相邻道路车辆发现正在行驶的车队时，向引导车(头车)发送加入车队的请求信标，同时启动定时器1，引导车辆根据车队最大车辆数目以及当前车队状态(***是否正忙Busy)，限制接受\拒绝加入请求，在定时器1失效前不断并更新加入车辆信息(车辆ID,车队数目)。当车辆被允许加入车队后，取消定时器1，引导车辆(头车)设置加入点，并向目标车辆纵向控制器设置纵向速度及加入时间。判断加入车辆当前点是否为目标跟随车辆，若非跟随车辆，则引导车(头车)向该非跟随车辆发送扩大间距GAP_DIS的请求，这里目标跟驰距离DIS_REQ设为2Δdtar；若前方车辆是加入车辆的目标跟随车辆，并且GAP_DIS≥DIS_REQ时，更新车队状态信息，启动车辆汇聚算法，请求加入车辆完成协同换道，编队再次更新变道后ID,编队数目，信息标志位置于ACK(表明所有信息已经接收到了)。当变道指令发送期间，***正忙，令信标Busy＝true,同时启动定时器3，接收到协作式变道完成信标后，取消定时器3，更新车辆编队数目，车辆列表，令信标Busy＝false，此次周期内的车辆协作式换道动作完成。
编队车辆协作式换道控制方法流程图如图2所示。
本发明的软件基于linux(Ubuntu)操作***开发，开发语言C、C++，搭配高性能计算机，中心服务单元(CSU)的部署位置可按照网络负载平衡的原则选择合适的位置，通常为区域中心。每个区域中心的CSU通过有线方式连接，组成连通图，实现全局交通控制。中心服务单元(CSU)与路侧单元(RSU)通过以太网有线连接。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种车辆协作式编队行驶***，其特征在于，所述车辆协作式编队行驶***从上到下包括网络层、链接层、协调层、控制层和物理层；
所述网络层包括中心服务单元CSU、路侧单元RSU、车载单元OBU；车载单元OBU通过无线网络与链接层的无线路由器通信；所述无线路由器通过以太网分别与中心服务单元CSU、路侧单元RSU通信；中心服务单元CSU与路侧单元RSU采用ZeroMQ的通信；
所述协调层包括：编队人机交互界面HMI，用于接收人机交互***中驾驶员设置的起点和终点，完成自动驾驶行为的全局路径规划；并结合全局路径规划规划的行驶路线和车辆定位模块的定位信息；在高精度地图上，规划满***通规则和安全性要求的局部行驶路线；
所述控制层，用于对传感器和网络融合信息进行分析，实现车辆的自动驾驶决策和控制；包括：环境感知、纵横向行驶速度规划、发送车辆控制指令；所述环境感知，由自身附加安装的毫米波雷达感知车辆行驶的外部环境；所述纵横向行驶速度规划，利用GPS/INS组合定位方式，获取车辆姿态和位置状态信息；
所述物理层包括：转向控制、油门控制、制动控制；用于执行控制层轨迹规划和速度规划的指令，通过计算各执行器的给定量，油门、转向和制动器接收到命令后执行相应操作，完成轨迹跟踪、车辆加减速、换道行驶动作；
所述编队人机交互界面HMI，完成自动驾驶行为的全局路径规划中，人机交互模块HMI创建编队；创建编队完成后向控制层下发编队指令；根据车辆汇聚、车辆跟驰、退出编队、编队停车、协作式换道的编队状态填充控制字段实现实时控制；
控制层的控制器根据车载传感器获得的前车状态信息，进行速度控制，完成车辆汇聚；车辆汇聚达到目标距离时进入车辆跟驰状态；车辆中途退出编队时，进入编队车辆退出状态；编队到达全局规划终点前，进入编队车辆停车状态；
所述车辆汇聚包括：
车辆的编队状态模型描述如下：
Figure FDA0002682718250000021
τi是发动机时间常数，
Figure FDA0002682718250000022
是上一次的控制输出；控制的误差量描述为：
δi＝xi-1-xi-Hi；
其中Hi＝Δdtar为目标车间距；引入一个期望空间误差具体描述为：
Figure FDA0002682718250000023
tgo表示从当前时刻保持tgo时间所达到的期望间距；通过应用lyapunov直接法，构造一个原函数为正，导数严格递减的lyapunov函数，具体定义为：
Figure FDA0002682718250000024
联立方程后得到控制输出模型：
Figure FDA0002682718250000025
车载计算单元将控制输出信号
Figure FDA0002682718250000026
反馈给车辆执行单元，最终由节气门开度和刹车力共同作用下完成车辆速度控制，实现编队车辆汇聚。
2.如权利要求1所述的车辆协作式编队行驶***，其特征在于，所述车辆协作式编队行驶***加装有车载传感器；所述车载传感器包括感知模块，所述感知模块为视觉传感器和毫米波雷达传感器；所述视觉传感器采用单目相机和立体相机；所述毫米波雷达传感器包含前向长距毫米波雷达传感器和四角中距毫米波雷达传感器；
所述车辆协作式编队行驶***还加装有包含GPS\惯导和高精度地图的定位模块，所述GPS\惯导用于接收GPS信号和车载传感器信号，解算出自车的绝对位置信息；并将绝对位置信息通过以太网送入控制层的自动驾驶控制器及车载单元OBU；高精度地图用于存储车辆行驶道路的道路边沿、车道中心线、隧道、路段坡道、路段曲率、匝道出入口、服务区出入口的相关信息、交通标志位置和地标性建筑的绝对位置信息；
所述车辆协作式编队行驶***还加装无线路由器，车载控制分别通过CAN总线和以太网获取感知模块和定位模块的通信数据，并与网络层进行交互，同时获取路侧***提供的交通信息，形成链接层。
3.如权利要求1所述的车辆协作式编队行驶***，其特征在于，车辆跟驰时，设定目标跟驰距离Δdtar，车载计算单元根据当前车辆状态信息，计算Δd＝xi-1-xi，为目前实际编队车辆距离；当|Δdtar-Δd|≤1m时令vi＝vi-1，向底层执行单元透传速度控制目标为前车速度，车辆进入跟驰状态，否则进入车辆汇聚状态。
4.如权利要求1所述的车辆协作式编队行驶***，其特征在于，车辆退出编队时，中途退出车辆向引导车发送请求；准许退出时，车辆通过摄像头及车载侧向毫波雷达探测相邻车道内有无动静态障碍物，交通标识，经过信息融合决策判断当前道路环境是否可以变道；车载单元OBU经计算可以变道后，车辆切换至单车自动驾驶模式，并向控制器填充换道指令字段；车辆换道完成后向引导车辆发送退出成功消息，并重新规划路径，引导车辆更新编队车辆数目及状态信息，车队进入汇聚状态，重新锁定前车。
5.如权利要求1所述的车辆协作式编队行驶***，其特征在于，编队停车时，判断全局路径规划脚本终点与引导车辆当前最近行驶路径点距离，当此距离小于100m时，进入编队车辆停车模式；引导车辆根据自身速度设置跟驰时距，即令Δdtar＝th*vl+Δdsafe，参数th设定后则编队车辆间距离随着速度降低而降低，最终停车时保持在安全距离Δdsafe，当Δd＝xi-1-xi小于Δdsafe时刹停车辆。
6.如权利要求1所述的车辆协作式编队行驶***，其特征在于，所述协作式换道用于当相邻道路车辆发现正在行驶的车队时，向引导车发送加入车队的请求信标，同时启动定时器1，引导车辆根据车队最大车辆数目以及当前车队状态，限制接受\拒绝加入请求，在定时器1失效前不断并更新加入车辆信息ID；当车辆被允许加入车队后，取消定时器1，引导车辆设置加入点，并向目标车辆纵向控制器设置纵向速度及加入时间；判断加入车辆当前点是否为目标跟随车辆，若非跟随车辆，则引导车向该非跟随车辆发送扩大间距GAP_DIS的请求；目标跟驰距离DIS_REQ设为2Δdtar；若前方车辆是加入车辆的目标跟随车辆，并且GAP_DIS≥DIS_REQ时，更新车队状态信息，启动车辆汇聚算法，请求加入车辆完成协同换道，编队再次更新变道后ID,编队数目，信息标志位置于ACK；当变道指令发送期间，***正忙，令信标Busy＝true,同时启动定时器3，接收到协作式变道完成信标后，取消定时器3，更新车辆编队数目，车辆列表，令信标Busy＝false，完成此次周期内的车辆协作式换道动作。
CN201711241637.XA 2017-11-30 2017-11-30 一种车辆协作式编队行驶*** Active CN108011947B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711241637.XA CN108011947B (zh) 2017-11-30 2017-11-30 一种车辆协作式编队行驶***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711241637.XA CN108011947B (zh) 2017-11-30 2017-11-30 一种车辆协作式编队行驶***

Publications (2)

Publication Number Publication Date
CN108011947A CN108011947A (zh) 2018-05-08
CN108011947B true CN108011947B (zh) 2020-11-24

Family

ID=62055571

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711241637.XA Active CN108011947B (zh) 2017-11-30 2017-11-30 一种车辆协作式编队行驶***

Country Status (1)

Country Link
CN (1) CN108011947B (zh)

Families Citing this family (52)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108447266B (zh) * 2018-05-23 2020-03-27 清华大学 一种智能网联汽车协同换道入队控制方法
DE102018114808A1 (de) * 2018-06-20 2019-12-24 Man Truck & Bus Se Verfahren zur automatischen Querführung eines Folgefahrzeugs in einem Fahrzeug-Platoon
DE102018210224A1 (de) * 2018-06-22 2019-12-24 Robert Bosch Gmbh Verfahren und Vorrichtung zum Vereinbaren einer Zusammenarbeit zwischen einem ersten System und einem zweiten System
CN108829107B (zh) * 2018-06-27 2021-06-04 重庆长安汽车股份有限公司 基于通信的协同式队列行驶***及基于该***的组队和退出方法
CN109213161A (zh) * 2018-08-31 2019-01-15 北京航空航天大学 基于边缘计算的agv控制***及方法
CN109087503B (zh) * 2018-09-04 2021-04-20 惠州市德赛西威智能交通技术研究院有限公司 一种基于v2x的车车协同***及方法
CN109164809B (zh) * 2018-09-20 2022-02-22 北京机械设备研究所 一种车辆编队自主跟随控制***及方法
JP7230422B2 (ja) * 2018-10-19 2023-03-01 トヨタ自動車株式会社 運転支援装置、車両用運転制御システム、運転制御方法及び運転制御プログラム
CN109318898A (zh) * 2018-11-06 2019-02-12 山东派蒙机电技术有限公司 一种智能驾驶汽车车队协同控制***
CN111179617B (zh) * 2018-11-09 2022-07-15 上海丰豹商务咨询有限公司 一种智能网联车的车载单元
CN109353409B (zh) * 2018-12-06 2023-06-23 吉林大学 一种基于商用车编队行驶的转向***
CN111429739A (zh) * 2018-12-20 2020-07-17 阿里巴巴集团控股有限公司 一种辅助驾驶方法和***
CN111459149B (zh) * 2019-01-02 2023-10-27 ***通信有限公司研究院 一种智能车辆编队行驶方法、装置及***
CN109910792B (zh) * 2019-03-08 2022-04-22 苏州工业园区职业技术学院 一种自动驾驶电动车高速变道控制***
US11402220B2 (en) * 2019-03-13 2022-08-02 Here Global B.V. Maplets for maintaining and updating a self-healing high definition map
KR20200111978A (ko) * 2019-03-20 2020-10-05 현대자동차주식회사 내비게이션 시스템 및 그의 경로 탐색 방법
CN109975033B (zh) * 2019-03-22 2020-05-12 山东省科学院自动化研究所 一种自动驾驶动态测试方法及装置
CN109903551B (zh) * 2019-04-12 2021-04-02 北京航空航天大学 基于人工鱼群无人车行驶与编队控制方法及装置
CN110161854B (zh) * 2019-05-21 2021-06-29 吉林大学 一种高速公路重型卡车编队纵向行驶控制方法
CN110162045B (zh) * 2019-05-21 2021-06-25 吉林大学 一种基于自适应三步法的卡车编队行驶跟随车控制方法
CN110071982A (zh) * 2019-05-28 2019-07-30 深圳成谷科技有限公司 车路协同的货车编队的方法
CN112277942A (zh) * 2019-07-12 2021-01-29 北京图森智途科技有限公司 一种自动驾驶车辆的队列控制方法、车载装置及***
CN110375751A (zh) * 2019-07-29 2019-10-25 苏州索亚机器人技术有限公司 一种自动驾驶实时导航***架构
CN110618679A (zh) * 2019-08-22 2019-12-27 北京交通大学 基于无线通信网络的多agv智能协同工作***
CN110838228B (zh) * 2019-10-18 2021-07-02 东南大学 一种营运货车车队智能交互行驶***及装置
CN112770289A (zh) * 2019-11-01 2021-05-07 索尼公司 电子设备、无线通信方法和计算机可读存储介质
CN110979315B (zh) * 2019-12-24 2020-12-04 江苏徐工工程机械研究院有限公司 一种露天矿山无人化运输***的车辆保护圈安全控制方法及***
CN111258312B (zh) * 2020-01-20 2024-04-02 深圳市商汤科技有限公司 可移动模型及其控制方法、装置、***、设备和存储介质
CN111290400B (zh) * 2020-03-18 2022-05-31 清华大学苏州汽车研究院（相城） 一种车队协同驾驶拆分控制方法
CN111267858B (zh) * 2020-03-18 2021-06-08 清华大学苏州汽车研究院（相城） 一种车队协同驾驶换道控制方法
JP7355698B2 (ja) * 2020-04-02 2023-10-03 トヨタ自動車株式会社 運行管理装置、運行管理方法、および、交通システム
CN111580526B (zh) * 2020-05-27 2022-11-22 多伦科技股份有限公司 面向固定车辆编队场景的协同驾驶方法
CN111746539B (zh) * 2020-07-02 2021-05-28 清华大学 一种智能网联汽车严格安全换道入队控制方法
CN112256020A (zh) * 2020-09-25 2021-01-22 金龙联合汽车工业（苏州）有限公司 一种基于v2x的编队行驶智能网联客车
CN112248948A (zh) * 2020-09-28 2021-01-22 江铃汽车股份有限公司 基于自动驾驶的编队行驶控制方法及***
CN112631287B (zh) * 2020-12-08 2022-07-01 重庆邮电大学 一种车联网环境下车辆编队控制***与方法
CN112416010A (zh) * 2020-12-15 2021-02-26 腾讯科技（深圳）有限公司 车辆编队行驶控制方法及相关设备
CN113734169A (zh) * 2020-12-16 2021-12-03 江铃汽车股份有限公司 基于车路协同的跟车控制方法及***
CN113071490A (zh) * 2021-03-25 2021-07-06 南京航空航天大学 一种高速公路卡车编队***
CN113345214A (zh) * 2021-05-25 2021-09-03 腾讯科技（深圳）有限公司 车辆编队行驶控制方法及相关设备
CN113870581B (zh) * 2021-09-28 2022-11-08 长安大学 一种无人驾驶车辆驶入道路的控制方法
CN113781812B (zh) * 2021-09-28 2022-12-27 长安大学 一种无人驾驶车辆驶出道路的控制方法
CN114141038A (zh) * 2021-10-13 2022-03-04 王益民 一种基于智能高速道路的车辆控制方法及***
CN113885528A (zh) * 2021-11-02 2022-01-04 苏州挚途科技有限公司 动态事件触发机制的固定时间收敛编队控制***和方法
CN114019974B (zh) * 2021-11-05 2023-06-02 三一专用汽车有限责任公司 一种多机械联合的作业方法及***
CN114194210A (zh) * 2021-11-19 2022-03-18 岚图汽车科技有限公司 一种高速公路领航***、控制方法及其设备
CN113997945A (zh) * 2021-11-25 2022-02-01 东风悦享科技有限公司 一种基于v2x的车辆编队行驶***及方法
CN114043984B (zh) * 2021-12-10 2023-09-26 合肥工业大学智能制造技术研究院 一种基于车联网环境下的智能汽车换道控制***和方法
CN114919599B (zh) * 2022-05-17 2023-08-29 厦门金龙联合汽车工业有限公司 一种在自动驾驶车辆上实现车辆编队的装置
CN115497279A (zh) * 2022-08-09 2022-12-20 江铃汽车股份有限公司 一种高速公路车路协同混合车流编队***
CN115311866B (zh) * 2022-09-05 2024-04-16 阿维塔科技(重庆)有限公司 一种车辆联动方法及装置
CN117681878B (zh) * 2024-02-04 2024-04-16 西南交通大学 一种编队感知的智能网联汽车协同变道方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8180513B2 (en) * 2008-05-05 2012-05-15 Southwest Research Institute Autonomous ground vehicle control system for high-speed and safe operation
CN106094835A (zh) * 2016-08-01 2016-11-09 西北工业大学 前轮驱动车式移动机器人的动态编队控制方法
CN107031600A (zh) * 2016-10-19 2017-08-11 东风汽车公司 基于高速公路的自动驾驶***
CN107179686A (zh) * 2017-05-10 2017-09-19 江苏大学 一种基于灰色预测的分布式驱动电动汽车横向稳定性高阶变结构控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9195222B2 (en) * 2013-01-15 2015-11-24 Toyota Motor Engineering & Manufactruing North America, Inc. Systems and methods for evaluating stability of software code for control systems

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8180513B2 (en) * 2008-05-05 2012-05-15 Southwest Research Institute Autonomous ground vehicle control system for high-speed and safe operation
CN106094835A (zh) * 2016-08-01 2016-11-09 西北工业大学 前轮驱动车式移动机器人的动态编队控制方法
CN107031600A (zh) * 2016-10-19 2017-08-11 东风汽车公司 基于高速公路的自动驾驶***
CN107179686A (zh) * 2017-05-10 2017-09-19 江苏大学 一种基于灰色预测的分布式驱动电动汽车横向稳定性高阶变结构控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"Adaptive Rigidity-Based Formation Control for Multirobotic Vehicles With Dynamics";Xiaoyu Cai and Marcio de Queiroz;《 IEEE Transactions on Control Systems Technology》;20140522;第23卷(第1期);全文 *
"车队协同驾驶混成控制研究现状与展望";马育林等;《汽车工程学报》;20140319;第4卷(第1期);正文第1.1节，图1-4、图10 *

Also Published As

Publication number Publication date
CN108011947A (zh) 2018-05-08

Similar Documents

Publication Publication Date Title
CN108011947B (zh) 一种车辆协作式编队行驶***
CN107798861B (zh) 一种车辆协作式编队行驶方法及***
WO2022063331A1 (zh) 一种基于v2x的编队行驶智能网联客车
CN106708057B (zh) 一种智能车辆编队行驶方法
CN106873589B (zh) 一种智能车辆自主跟随方法
Feng et al. An augmented reality environment for connected and automated vehicle testing and evaluation
JP2022523886A (ja) 異なる交差道路を走行する車両の共同制御
WO2018189843A1 (ja) 運転制御方法及び運転制御装置
WO2021102957A1 (zh) 一种车道保持方法、车载设备和存储介质
CN112937607B (zh) 一种用于景区观光车的网联自动驾驶***及方法
CN110930746B (zh) 用于协作式操作协调的方法
WO2016024316A1 (ja) 車両の走行制御装置及び方法
EP3696788A1 (en) Driving control method and driving control apparatus
CN106004860A (zh) 车辆行驶控制装置
CN113160547B (zh) 一种自动驾驶方法及相关设备
CN109804421A (zh) 车辆判断方法、行驶路径修正方法、车辆判断装置及行驶路径修正装置
CN113470407B (zh) 多交叉路口通行的车速引导方法、服务器及可读存储介质
CN110271542A (zh) 车辆控制装置、车辆控制方法及存储介质
CN112820125A (zh) 车辆混行情况的智能网联车辆的通行引导方法及引导***
WO2020258276A1 (zh) 一种智能驾驶车辆让行方法、装置及车载设备
CA3094795C (en) Using discomfort for speed planning for autonomous vehicles
CN110001641A (zh) 车辆控制装置、车辆控制方法及存储介质
JP2016088134A (ja) 走行制御装置
CN115951678A (zh) 一种用于电子导向胶轮车的自动驾驶***
CN113450570A (zh) 一种基于无信号灯路口的自主路口管理***及方法

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