CN108694841B - 一种基于v2x技术的智能车辆通行路口红绿灯方法 - Google Patents
一种基于v2x技术的智能车辆通行路口红绿灯方法 Download PDFInfo
- Publication number
- CN108694841B CN108694841B CN201810510657.0A CN201810510657A CN108694841B CN 108694841 B CN108694841 B CN 108694841B CN 201810510657 A CN201810510657 A CN 201810510657A CN 108694841 B CN108694841 B CN 108694841B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- speed
- acceleration
- traffic
- light
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000005516 engineering process Methods 0.000 title claims abstract description 24
- 230000001133 acceleration Effects 0.000 claims abstract description 118
- 239000011159 matrix material Substances 0.000 claims abstract description 65
- 230000006870 function Effects 0.000 claims description 81
- 239000000446 fuel Substances 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 10
- 230000006399 behavior Effects 0.000 description 8
- 230000008447 perception Effects 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- 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
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
- G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18154—Approaching an intersection
-
- 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
- G08G1/09623—Systems involving the acquisition of information from passive traffic signs by means mounted on the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4041—Position
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/804—Relative longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
- B60W2555/60—Traffic rules, e.g. speed limits or right of way
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2720/00—Output or target parameters relating to overall vehicle dynamics
- B60W2720/10—Longitudinal speed
- B60W2720/106—Longitudinal acceleration
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于V2X技术的智能车辆通行路口红绿灯方法,属于智能驾驶技术领域,解决了现有智能车辆因驾驶不当带来的经济性、舒适性降低及交通拥堵问题。步骤如下:启动智能车辆智能驾驶功能;智能车辆同时接收本车和前车的位置、速度及红绿灯状态信息;生成本车候选加速度序列,结合本车的速度、位置,生成预测时域内本车的速度矩阵和位置矩阵;根据前车的位置、速度,生成预测时域内前车的速度矩阵和位置矩阵;确定智能车辆每一个候选加速度所对应的总成本,将总成本最小的候选加速度作为期望加速度;根据所述期望加速度和对应的期望速度通行路口红绿灯。实现了智能车辆经济、舒适地通行路口红绿灯,减轻了因驾驶不当带来的交通拥堵问题。
Description
技术领域
本发明涉及智能驾驶技术领域,尤其涉及一种基于V2X技术的智能车辆通行路口红绿灯方法。
背景技术
智能驾驶车辆是集环境感知、规划决策、运动控制与执行等多项功能于一体的综合***,涵盖了机械、控制、传感器技术、信号处理、模式识别、人工智能和计算技术等多学科知识。
随着国家自然科学基金委“视听觉信息的认知计算”重大研究计划的深入开展以及“中国智能车未来挑战赛”连续七届的成功举办,我国智能驾驶车辆相关技术的研究已取得长足的进展,能够满足智能驾驶车辆在小范围、简单城区环境下的低速行驶要求,以及城际公路简单环境中的高速行驶需求。
红绿灯作为城市真实交通环境中的一个重要因素,能够对车辆行驶速度产生重要影响,智能驾驶车辆通过红绿灯时由于真实交通情况的复杂性,容易采取不当驾驶行为,如有时会采取急加速急减速、怠速停车、频繁换道等行为,这些不当行为会导致本车经济性、舒适性的降低,同时影响到了其他车辆的行驶,造成交通拥堵。
发明内容
鉴于上述的分析,本发明旨在提供一种基于V2X技术的智能车辆通行路口红绿灯方法,用以解决现有智能驾驶车辆因驾驶不当带来的经济性、舒适性降低及由此造成的交通拥堵问题。
本发明的目的主要是通过以下技术方案实现的:
一种基于V2X技术的智能车辆通行路口红绿灯方法,包括以下步骤:
启动智能车辆智能驾驶功能;
智能车辆同时接收本车和前车的位置、速度及红绿灯状态信息;
生成本车候选加速度序列,结合本车的速度、位置,生成预测时域内本车的速度矩阵和位置矩阵;
根据前车的位置、速度,生成预测时域内前车的速度矩阵和位置矩阵;
确定智能车辆每一个候选加速度所对应的总成本,将总成本最小的候选加速度作为期望加速度;
根据所述期望加速度和对应的期望速度通行路口红绿灯。
本发明有益效果如下:本实施例提供的基于V2X技术的智能车辆通行路口红绿灯方法,利用V2X技术获取本车、前车及红绿灯信息之后,智能车辆在遵守交通法规的同时与其他车辆协作行驶,并表现出合理的驾驶行为。本发明考虑到交通环境中存在其他社会车辆,使智能驾驶车辆通行红绿灯路口时不仅能够经济平顺的行驶,同时能够与前方车辆协调,保证智能驾驶的安全性。
在上述方案的基础上,本发明还做了如下改进:
进一步,智能车辆通过V2X通信接收本车的位置、速度信息及红绿灯状态信息;
智能车辆通过毫米波雷达接收前车的位置、速度信息。
采用上述进一步方案的有益效果是:通过采集智能车辆本车和前车的位置、速度等信息,便于根据已知信息分析智能车辆行驶状况,作出进一步行驶决策。
进一步,本车候选加速度序列中第i个候选加速度为:
其中,1≤i≤n1、amax为智能车辆通行红绿灯最大加速度、amax为智能车辆通行红绿灯最小加速度、n1为候选加速度个数;
预测时域t内的时间间隔为:
ts=t/n2 (2)
其中,n2为时间间隔个数。
采用上述进一步方案的有益效果是:根据智能车辆通行红绿灯最大加速度、最小加速度,得到本车候选加速度序列,并定义预测时域内的时间间隔,便于对预测时域内的本车行驶状况进行分析。
进一步,根据候选加速度序列,生成预测时域内本车加速度矩阵A,A中元素aij:
aij=ai (3)
其中,矩阵A的行数为候选加速度个数n1,列数为时间间隔个数n2,ai为候选加速度序列中第i个候选加速度;
生成预测时域内本车速度矩阵V,V中元素vij:
vij=v0+aij*ts*(j-1) (4)
其中,矩阵V的行数为候选加速度个数n1,列数为时间间隔个数n2,v0为本车当前车速,vij表示第i个候选加速度j时刻对应的速度,其中,1≤j≤n2;
生成预测时域内本车位置矩阵S,S中元素sij:
sij=s0+vij*ts*(j-1)+0.5*aij*ts*(j-1)*ts*(j-1) (5)
其中,矩阵S的行数为候选加速度个数n1,列数为时间间隔个数n2,s0为本车当前位置,sij表示第i个候选加速度j时刻对应的位置。
采用上述进一步方案的有益效果是:根据候选加速度序列及本车的速度、位置信息,得到预测时域内本车的速度、位置信息,便于对预测时域内的本车行驶状况进行分析。
进一步,保存t1时间内等间隔的n3个前车速度vm及每个速度对应时间,其中1≤m≤n3,对t1时间内的速度进行直线拟合,得到每一时间点的拟合速度vm1,其中1≤m1≤n3,拟合直线斜率为k;
t1时间内拟合速度和前车速度之间的误差为em=vm-vm1,若em小于误差阈值vth,则该点拟合成功,记拟合成功个数为n4,
若n4/n3≥r,表示拟合成功,前车加速度预测值apredict=k,
其中,所述r为评价系数;
否则,用t1时间内最后两个速度计算得到前车加速度预测值apredict;生成前车速度矩阵Vp,Vp中元素vpij:
vpij=vp+apredict*ts*(j-1) (6)
其中,矩阵Vp的行数为候选加速度的个数,列数为时间间隔个数,vp为前车当前时刻车速;vpij表示前车速度矩阵Vp中第i行j时刻对应的速度,1≤j≤n2;
生成前车位置矩阵Sp,Sp中元素spij:
spij=sp0+vpij*ts*(j-1)+0.5*apredcit*ts*(j-1)*ts*(j-1) (7)
其中,矩阵Sp的行数为候选加速度个数n1,列数为时间间隔个数n2,sp0为前车当前位置,spij表示前车位置矩阵Sp中第i行j时刻对应的位置,1≤j≤n2。
采用上述进一步方案的有益效果是:根据前车的位置、速度信息,并通过分析前车规定时间内的速度、位置,便于对预测时间内前车的行驶状况进行分析。
进一步,智能车辆每一个候选加速度所对应的总成本根据表示智能车辆行驶经济性、安全性、时效性、舒适性、通行红绿灯的成本函数及其各自权重计算得到;
建立舒适性成本函数矩阵Ccomfort,其中Ccomfort(i,j)=|aij|;
建立经济性成本函数Cfuel,其中
建立时效性成本函数Ctime,其中Ctime(i,j)=1-vij/vlimit;
建立安全性成本函数Csafe;
建立通行红绿灯成本函数Ctraffic。
采用上述进一步方案的有益效果是:通过对智能车辆通行红绿灯路口情况进行分析,考虑到智能车辆通行红绿灯路口的经济性、安全性、时效性、舒适性、通行红绿灯的成本问题,建立了相应的经济性、安全性、时效性、舒适性、通行红绿灯成本函数,便于综合考虑智能车辆通行红绿灯的各方面成本,得出最优的通行方案。
进一步,建立通行红绿灯成本函数Ctraffic,通行红绿灯参考速度vlight=dlight/tlight,其中dlight为本车和红绿灯路口之间的距离,tlight为当前红绿灯状态剩余时间;
包括以下情况:
当前红绿灯状态为红灯或者黄灯时:
若vij≤vlight,Ctraffic(i,j)=|aij|;
若vij>vlight,计算出车辆匀减速行驶dlight所消耗的时间刚好为红灯的剩余时间tlight所需要的减速度adec,Ctraffic(i,j)=adec-aij;
当前红绿灯状态为绿灯时:
若vij≥vlight,Ctraffic(i,j)=|aij|;
采用上述进一步方案的有益效果是:智能车辆通行红绿灯时,红绿灯不同的状态直接影响通行红绿灯成本函数,通过对红绿灯处于不同状况的星狂进行分析,能够得到更有针对性的通行红绿灯成本函数。
进一步,建立安全性成本函数Csafe:
首先计算出每一个参考加速度aij所对应的相对速度vrij和相对距离drij,其中,vrij=vij-vpij,drij=sij-spij,
本车与前车的碰撞时间TTC(i,j)=drij/vrij;
若TTC(i,j)<0,即表示本车较慢,安全性成本Csafe(i,j)=0;
若0≤TTC(i,j)<TTCmax,安全性成本Csafe(i,j)=1-TCC(i,j)/TTCmax;
其中,TTCmax为碰撞时间最大值;
若TTC(i,j)≥TTCmax,则TTC(i,j)=TTCmax,Csafe(i,j)=0。
采用上述进一步方案的有益效果是:通过计算碰撞时间,并对碰撞时间进行分段,得到具有针对性的、不同碰撞时间范围内的安全性成本函数。
进一步,求出智能车辆每一个候选加速度所对应的总成本,包括以下步骤:
各成本函数值归一化,使其范围在[0,1]之间;
根据不同的通行方案为各成本函数赋予权重;
综合考虑各成本的每一参考加速度aij对应的通行红绿灯总成本函数Ctotal:
其中,分别表示归一化后的舒适性成本函数、安全性成本函数、时效性成本函数、经济性成本函数、通行红绿灯成本函数,wcomfort、wsafe、wtime、wfuel、wtraffic分别表示舒适性权重、安全性权重、时效性权重、经济性权重、通行红绿灯权重;
建立预测时域内综合考虑各成本的各候选加速度的总成本函数C:
其中,y为不同时间间隔的权重系数基数;
选取候选加速度的总成本函数C中的最小值所对应的候选加速度值作为期望加速度。
采用上述进一步方案的有益效果是:通过各成本函数和相应权重,能够得到预测时间内每一候选加速度对应的总成本函数,选取候选加速度的总成本函数C中的最小值所对应的候选加速度值作为期望加速度,给出了一种选择最优加速度的方法。
进一步,将期望加速度和其对应的期望速度下发给智能车辆速度控制器执行,智能车辆根据速度控制器指令通过路口红绿灯,
其中,期望速度为期望加速度所对应的速度矩阵中第一个时间间隔处的速度。
采用上述进一步方案的有益效果是:通过将期望加速度和其对应的期望速度下发给智能车辆速度控制器执行,智能车辆即可根据速度控制器指令通过路口红绿灯,避免了因驾驶不当带来的经济性、舒适性降低及由此造成的交通拥堵问题。
本发明中,上述各技术方案之间还可以相互组合,以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述,并且,部分优点可从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书、权利要求书以及附图中所特别指出的内容中来实现和获得。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。
图1为本发明中基于V2X技术的智能车辆通行红绿灯方法整体流程图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
本发明的一个具体实施例,如图1所示,公开了一种基于V2X技术的智能车辆通行路口红绿灯方法,包括以下步骤:
步骤S1:启动智能车辆智能驾驶功能;
步骤S2:智能车辆同时接收本车和前车的位置、速度及红绿灯状态信息;
步骤S3:生成本车候选加速度序列,结合本车的速度、位置,生成预测时域内本车的速度矩阵和位置矩阵;
步骤S4:根据前车的位置、速度,生成预测时域内前车的速度矩阵和位置矩阵;
步骤S5:确定智能车辆每一个候选加速度所对应的总成本,将总成本最小的候选加速度作为期望加速度;
步骤S6:根据所述期望加速度和对应的期望速度通行路口红绿灯。
与现有技术相比,本实施例提供的基于V2X技术的智能车辆通行路口红绿灯方法,利用V2X技术获取本车、前车及红绿灯信息之后,智能车辆在遵守交通法规的同时与其他车辆协作行驶,并表现出合理的驾驶行为。本发明考虑到交通环境中存在其他社会车辆,使智能驾驶车辆通行红绿灯路口时不仅能够经济平顺的行驶,同时能够与前方车辆协调,保证智能驾驶的安全性。
启动智能车辆智能驾驶功能,具体包括:启动智能车辆,开启各项硬件设备开关(如规划工控机、感知工控机、交换机、相机、毫米波雷达、GPS等),接通无线通信设备,开启智能驾驶车辆各个软件模块(各个软件模块包括智能车辆感知模块、决策规划模块、路径规划模块、速度规划模块、横纵向控制模块),检查车辆运行状态,在软硬件运行正常情况后启动车辆智能驾驶功能。通过车载相机检测道路车道线并保持该车道行驶。
进一步,智能车辆通过V2X通信接收本车的位置、速度信息及红绿灯状态信息;智能车辆通过毫米波雷达接收前车的位置、速度信息。
红绿灯发送端发送红绿灯状态数据包,智能车辆接收到数据包后根据设定好的通信协议进行解包,解析到的信息包括当前红绿灯状态(红灯、绿灯或者黄灯)、当前红绿灯剩余时间、红绿灯经纬度。
智能车辆通过毫米波雷达接收前车速度信息方法如下:毫米波雷达可以获取前方64个目标的信息,包括目标的序号、目标与本车之间的距离、目标与本车之间的角度、目标与本车之间的相对速度。通过以上信息计算出每一个目标到智能车辆之间的横向距离和纵向距离,通过横向距离与车道线宽度l筛选出在本车道上的前方车辆,之后遍历在本车道上的所有目标点,找到与智能车辆相距最近的车辆作为前方车辆。
在红绿灯附近安装无线通信设备作为通信的发送端,智能车辆利用V2X进行无线通信,接收到红绿灯发送端传来的道路前方的红绿灯状态,发送端和接收端之间为UDP通信协议。智能车辆通过车载毫米波雷达接收到前车速度和位置信息。智能车辆通过接收到的红绿灯信息和前车信息进行速度规划,最终生成加速、减速、匀速的控制指令。
步骤S3具体实现过程如下:
定义预测时域t=5s,即算法对本车及前车未来5秒内的行为进行前向仿真;
定义智能车辆通行红绿灯最大加速度amax为3m/s2。
定义智能车辆通行红绿灯最小加速度amin为-3m/s2。
定义智能车辆通行红绿灯最大限速vlimit为60Km/h。
本车候选加速度序列中第i个候选加速度为:
其中,amax为智能车辆通行红绿灯最大加速度、amin为智能车辆通行红绿灯最小加速度、n1为候选加速度个数;
预测时域t内的时间间隔为:
ts=t/n2 (2)
其中,n2为时间间隔个数。本实施例中,设置时间间隔个数为5,相应地,时间间隔为1s。
根据候选加速度序列,生成预测时域内本车加速度矩阵A,A中元素aij:
aij=ai (3)
其中,矩阵A的行数为候选加速度个数n1,列数为时间间隔个数n2,ai为第i个候选加速度,所述加速度矩阵A表示智能车辆以该恒定的候选加速度在预测时域内行驶的情况;
生成预测时域内本车速度矩阵V,V中元素vij:
vij=v0+aij*ts*(j-1) (4)
其中,矩阵V的行数为候选加速度个数n1,列数为时间间隔个数n2,v0为本车当前车速;vij表示第i个候选加速度j时刻对应的速度,其中,1≤j≤n2;
生成预测时域内本车位置矩阵S,S中元素sij:
sij=s0+vij*ts*(j-1)+0.5*aij*ts*(j-1)*ts*(j-1) (5)
其中,矩阵S的行数为候选加速度个数n1,列数为时间间隔个数n2,s0为本车当前位置;sij表示第i个候选加速度j时刻对应的位置,1≤j≤n2。
保存1s内等间隔的n3个前车速度vm及每个速度对应时间,其中1≤m≤n3,对1s内的速度进行直线拟合,得到每一时间点的拟合速度vm1,1≤m1≤n3,拟合直线斜率为k;
1s内拟合速度和前车速度之间的误差为em=vm-vm1,若em小于误差阈值vth,则该点拟合成功,记拟合成功个数为n4,
若n4/n3≥r,表示拟合成功,前车加速度预测值apredict=k,其中,所述r为评价系数;
否则,表示拟合失败,说明处理周期内速度波动较大,速度变化规律不适合用匀加速模型来表示,则用1s内最后两个速度计算得到前车加速度预测值apredict;
生成前车速度矩阵Vp,Vp中元素vpij:
vpij=vp+apredict*ts*(j-1) (6)
其中,矩阵Vp的行数为候选加速度的个数,列数为时间间隔个数,vp为前车当前时刻车速;vpij表示前车速度矩阵Vp中第i行j时刻对应的速度,1≤j≤n2;
生成前车位置矩阵Sp,Sp中元素spij:
spij=sp0+vpij*ts*(j-1)+0.5*apredcit*ts*(j-1)*ts*(j-1) (7)
其中,矩阵Sp的行数为候选加速度个数n1,列数为时间间隔个数n2,sp0为前车当前位置,spij表示前车位置矩阵Sp中第i行j时刻对应的位置,1≤j≤n2。
智能车辆候选加速度总成本根据表示智能车辆行驶经济性、安全性、时效性、舒适性、通过红绿灯性能的成本函数及其各自权重计算得到;
对于每一个候选加速度,建立舒适性成本矩阵Ccomfort,步骤如下:
矩阵行数为候选加速度的个数n1,列数为时间间隔个数n2。遍历矩阵Ccomfort每一个元素,对于第i行第j列所对应的舒适性成本Ccomfort(i,j)=|aij|,本车舒适性成本用本车加速度表示,本车加速度的值越大,舒适性越差,舒适性成本越大。
对于每一个候选加速度,建立经济性成本矩阵Cfuel,步骤如下:
矩阵行数为候选加速度的个数n1,列数为时间间隔个数n2。参考相关论文中燃油消耗率的计算公式,燃油消耗率可以表示为速度的函数。遍历矩阵Cfuel每一个元素,对于第i行第j列所对应的经济性成本本车经济性成本用燃油消耗率表示,燃油消耗率越高,经济性成本越高。
对于每一个候选加速度,建立时效性成本函数Ctime,步骤如下:
矩阵行数为候选加速度的个数n1,列数为时间间隔个数n2。时效性成本函数Ctime(i,j)=1-vij/vlimit,其中vlimit为道路限速。即本车时效性成本用本车速度表示,速度越高,时效性成本越小,车辆通行时间越短。
对于每一个候选加速度,建立安全性成本函数Csafe,步骤如下:
矩阵行数为候选加速度的个数n1,列数为时间间隔个数n2。首先计算出每一个参考加速度aij所对应的相对速度vrij和相对距离drij,其中,vrij=vij-vpij,drij=sij-spij,
本车与前车的碰撞时间TTC(i,j)=drij/vrij;
若TTC(i,j)<0,即表示本车较慢,安全性成本Csafe(i,j)=0;
若0≤TTC(i,j)<TTCmax,安全性成本Csafe(i,j)=1-TCC(i,j)/TTCmax;
其中,TTCmax为碰撞时间最大值;
若TTC(i,j)≥TTCmax,则TTC(i,j)=TTCmax,Csafe(i,j)=0。
本车安全性成本用碰撞时间表示,碰撞时间越小,安全性成本越低。
对于每一个候选加速度,建立通行红绿灯成本函数Ctraffic,步骤如下:
矩阵行数为候选加速度的个数n1,列数为时间间隔个数n2。通行红绿灯参考速度vlight=dlight/tlight,其中dlight为本车和红绿灯路口之间的距离,tlight为当前红绿灯状态剩余时间;
包括以下情况:
当前红绿灯状态为红灯或者黄灯时:
若vij≤vlight,Ctraffic(i,j)=|aij|;
若vij>vlight,计算出车辆匀减速行驶dlight所消耗的时间刚好为红灯的剩余时间tlight所需要的减速度adec,Ctraffic(i,j)=adec-aij;
当前红绿灯状态为绿灯时:
若vij≥vlight,Ctraffic(i,j)=|aij|;
求出智能车辆每一个候选加速度所对应的总成本,包括以下步骤:
各成本函数值归一化,使其范围在[0,1]之间:
对于舒适性成本函数Ccomfort,其最大Ccomfort_max=amax值,最小值Ccomfort_min=0,归一化后的舒适性成本函数:
对于经济性成本函数Cfuel,根据车速与燃油消耗率的关系及速度区间[0,16.6]可以得到其最大值Cfuel_max=0.76,最小值Cfuel_min=0.76,归一化后的经济性成本函数:
对于时效性成本函数Ctime,其值已经在[0,1]区间内,归一化后的时效性成本函数:
对于安全性成本函数Csafe,其值已经在[0,1]区间内,归一化后的时效性成本函数:
对于通行红绿灯成本函数Ctraffic,
其最大值Ctraffic_max=amax,最小值Ctraffic_min=0,归一化后的通行红绿灯成本函数:
根据不同的通行方案为各成本函数赋予权重;
本实施例提供了两种不同的通行红绿灯优化方案:第一种方案注重车辆燃油经济性,第二种注重车辆通行效率,使得通行红绿灯期间所占用的时间最短。智能车辆需要提前明确所采取的通行方案。
根据不同的通行方案为各成本函数赋予权重。如果采取第一种通行方案,设置归一化后的安全性权重wsafe=0.3,归一化后的通行红绿灯权重wtraffic=0.3,归一化后的舒适性权重wcomfort=0.1,归一化后的时效性权重wtime=0,归一化后的经济性权重wfuel=0.3。
如果采取第二种通行方案,设置归一化后的安全性权重wsafe=0.3,归一化后的通行红绿灯权重wtraffic=0.3,归一化后的舒适性权重wcomfort=0.1,归一化后的时效性权重wtime=0.3,归一化后的经济性权重wfuel=0。
综合考虑各成本的每一参考加速度aij对应的通行红绿灯总成本函数Ctotal:
其中,分别表示归一化后的舒适性成本函数、安全性成本函数、时效性成本函数、经济性成本函数、通行红绿灯成本函数,wcomfort、wsafe、wtime、wfuel、wtraffic分别表示舒适性权重、安全性权重、时效性权重、经济性权重、通行红绿灯权重;
建立预测时域内综合考虑各成本的各候选加速度的总成本函数C:
其中,y为不同时间间隔的权重系数基数,用来权衡未来时刻与当前时刻之间的关系。
选取候选加速度的总成本函数C中的最小值所对应的候选加速度值作为期望加速度。
将期望加速度和其对应的期望速度下发给智能车辆速度控制器执行智能车辆根据速度控制器指令通行路口红绿灯。
综上所述,本发明实施例提供了一种基于V2X技术的智能车辆通行路口红绿灯方法。通过V2X通信,智能车辆能够根据接收到的道路前方红绿灯的信息提前规划本车纵向行为。本发明考虑到交通环境中存在其他社会车辆,使智能驾驶车辆通行红绿灯路口时不仅能够经济平顺的行驶,避免急加速、急减速等行为以提高通行时间、燃油经济性和舒适性,尽可能实现绿波通行并提高道路整个交通效率;同时能够与前方车辆协调,保证智能驾驶的安全性。
本领域技术人员可以理解,实现上述实施例方法的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可读存储介质中。其中,所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种基于V2X技术的智能车辆通行路口红绿灯方法,其特征在于,包括以下步骤:
启动智能车辆智能驾驶功能;
智能车辆同时接收本车和前车的位置、速度及红绿灯状态信息;
生成本车候选加速度序列,结合本车的速度、位置,生成预测时域内本车的速度矩阵和位置矩阵;
根据前车的位置、速度,生成预测时域内前车的速度矩阵和位置矩阵;
确定智能车辆每一个候选加速度所对应的总成本,将总成本最小的候选加速度作为期望加速度;
根据所述期望加速度和对应的期望速度通行路口红绿灯;
智能车辆通过V2X通信接收本车的位置、速度信息及红绿灯状态信息;
智能车辆通过毫米波雷达接收前车的位置、速度信息;
本车候选加速度序列中第i个候选加速度为:
其中,1≤i≤n1、amax为智能车辆通行红绿灯最大加速度、amin为智能车辆通行红绿灯最小加速度、n1为候选加速度个数;
预测时域t内的时间间隔为:
ts=t/n2 (2)
其中,n2为时间间隔个数。
2.根据权利要求1所述的基于V2X技术的智能车辆通行路口红绿灯方法,其特征在于,
根据候选加速度序列,生成预测时域内本车加速度矩阵A,A中元素aij:
aij=ai (3)
其中,矩阵A的行数为候选加速度个数n1,列数为时间间隔个数n2,ai为候选加速度序列中第i个候选加速度;
生成预测时域内本车速度矩阵V,V中元素vij:
vij=v0+aij*ts*(j-1) (4)
其中,矩阵V的行数为候选加速度个数n1,列数为时间间隔个数n2,v0为本车当前车速,vij表示第i个候选加速度j时刻对应的速度,其中,1≤j≤n2;
生成预测时域内本车位置矩阵S,S中元素sij:
sij=s0+vij*ts*(j-1)+0.5*aij*ts*(j-1)*ts*(j-1) (5)
其中,矩阵S的行数为候选加速度个数n1,列数为时间间隔个数n2,s0为本车当前位置,sij表示第i个候选加速度j时刻对应的位置。
3.根据权利要求2所述的基于V2X技术的智能车辆通行路口红绿灯方法,其特征在于,
保存t1时间内等间隔的n3个前车速度vm及每个速度对应时间,其中1≤m≤n3,对t1时间内的速度进行直线拟合,得到每一时间点的拟合速度vm1,其中1≤m1≤n3,拟合直线斜率为k;
t1时间内拟合速度和前车速度之间的误差为em=vm-vm1,若em小于误差阈值vth,则该点拟合成功,记拟合成功个数为n4,
若n4/n3≥r,表示拟合成功,前车加速度预测值apredict=k,
其中,所述r为评价系数;
否则,用t1时间内最后两个速度计算得到前车加速度预测值apredict;生成前车速度矩阵Vp,Vp中元素vpij:
vpij=vp+apredict*ts*(j-1) (6)
其中,矩阵Vp的行数为候选加速度的个数,列数为时间间隔个数,vp为前车当前时刻车速;vpij表示前车速度矩阵Vp中第i行j时刻对应的速度,1≤j≤n2;
生成前车位置矩阵Sp,Sp中元素spij:
spij=sp0+vpij*ts*(j-1)+0.5*apredcit*ts*(j-1)*ts*(j-1) (7)
其中,矩阵Sp的行数为候选加速度个数n1,列数为时间间隔个数n2,sp0为前车当前位置,spij表示前车位置矩阵S1中第i行j时刻对应的位置,1≤j≤n2。
5.如权利要求4所述的基于V2X技术的智能车辆通行路口红绿灯方法,其特征在于,
建立通行红绿灯成本函数Ctraffic,通行红绿灯参考速度vlight=dlight/tlight,其中dlight为本车和红绿灯路口之间的距离,tlight为当前红绿灯状态剩余时间;
包括以下情况:
当前红绿灯状态为红灯或者黄灯时:
若vij≤vlight,Ctraffic(i,j)=|aij|;
若vij>vlight,计算出车辆匀减速行驶dlight所消耗的时间刚好为红灯的剩余时间tlight所需要的减速度adec,Ctraffic(i,j)=adec-aij;
当前红绿灯状态为绿灯时:
若vij≥vlight,Ctraffic(i,j)=|aij|;
6.根据权利要求4所述的基于V2X技术的智能车辆通行路口红绿灯方法,其特征在于,建立安全性成本函数Csafe:
首先计算出每一个参考加速度aij所对应的相对速度vrij和相对距离drij,其中,vrij=vij-vpij,drij=sij-spij,
本车与前车的碰撞时间TTC(i,j)=drij/vrij;
若TTC(i,j)<0,即表示本车较慢,安全性成本Csafe(i,j)=0;
若0≤TTC(i,j)<TTCmax,安全性成本Csafe(i,j)=1-TCC(i,j)/TTCmax;
其中,TTCmax为碰撞时间最大值;
若TTC(i,j)≥TTCmax,则TTC(i,j)=TTCmax,Csafe(i,j)=0。
7.根据权利要求4所述的基于V2X技术的智能车辆通行路口红绿灯方法,其特征在于,
求出智能车辆每一个候选加速度所对应的总成本,包括以下步骤:
各成本函数值归一化,使其范围在[0,1]之间;
根据不同的通行方案为各成本函数赋予权重;
综合考虑各成本的每一参考加速度aij对应的通行红绿灯总成本函数Ctotal:
其中,分别表示归一化后的舒适性成本函数、安全性成本函数、时效性成本函数、经济性成本函数、通行红绿灯成本函数,wcomfort、wsafe、wtime、wfuel、wtraffic分别表示舒适性权重、安全性权重、时效性权重、经济性权重、通行红绿灯权重;
建立预测时域内综合考虑各成本的各候选加速度的总成本函数C:
其中,y为不同时间间隔的权重系数基数;
选取候选加速度的总成本函数C中的最小值所对应的候选加速度值作为期望加速度。
8.根据权利要求7所述的基于V2X技术的智能车辆通行路口红绿灯方法,其特征在于,将期望加速度和其对应的期望速度下发给智能车辆速度控制器执行,智能车辆根据速度控制器指令通过路口红绿灯,
其中,期望速度为期望加速度所对应的速度矩阵中第一个时间间隔处的速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810510657.0A CN108694841B (zh) | 2018-05-24 | 2018-05-24 | 一种基于v2x技术的智能车辆通行路口红绿灯方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810510657.0A CN108694841B (zh) | 2018-05-24 | 2018-05-24 | 一种基于v2x技术的智能车辆通行路口红绿灯方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108694841A CN108694841A (zh) | 2018-10-23 |
CN108694841B true CN108694841B (zh) | 2020-06-30 |
Family
ID=63847038
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810510657.0A Active CN108694841B (zh) | 2018-05-24 | 2018-05-24 | 一种基于v2x技术的智能车辆通行路口红绿灯方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108694841B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109448408B (zh) * | 2018-11-14 | 2021-08-03 | 江苏大学 | 一种红绿灯处车辆行驶状态优化方法 |
JP7195202B2 (ja) * | 2019-03-29 | 2022-12-23 | 本田技研工業株式会社 | 車両用運転支援装置、運転情報配信システムおよび運転情報配信方法 |
CN113291304B (zh) * | 2020-02-24 | 2022-12-02 | 北京图森智途科技有限公司 | 自动驾驶车辆的控制方法、装置及*** |
CN111383481B (zh) * | 2020-03-03 | 2021-07-27 | 东南大学 | 城市拥堵路口智能网联汽车绿色通行车速优化方法 |
CN111645680B (zh) * | 2020-04-22 | 2022-06-14 | 浙江吉利汽车研究院有限公司 | 车辆可通行性的确定方法、装置、终端和存储介质 |
CN111856510A (zh) * | 2020-08-03 | 2020-10-30 | 北京理工大学重庆创新中心 | 一种基于激光雷达的车辆前碰撞预测方法 |
CN114644007A (zh) * | 2020-12-18 | 2022-06-21 | 长城汽车股份有限公司 | 输出行驶提示信息的方法、***及车辆 |
CN113327444A (zh) * | 2021-06-09 | 2021-08-31 | 上海智能新能源汽车科创功能平台有限公司 | 一种基于车路云协同优化车速的控制方法 |
CN114132335B (zh) * | 2021-12-29 | 2023-06-20 | 同济大学 | 一种用于双离合变速器车辆的模型驱动车速规划和挡位规划控制方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103714704A (zh) * | 2013-12-16 | 2014-04-09 | 华南理工大学 | 一种车联网环境下的交叉***通流微观控制方法 |
CN106485931A (zh) * | 2016-11-15 | 2017-03-08 | 河北工业大学 | 一种道路交叉口车辆快速通行辅助驾驶***及方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8618954B2 (en) * | 2008-10-27 | 2013-12-31 | James J Free | Mobile FLOW readout and mobile FLOW sequencer features |
CN105035090B (zh) * | 2015-06-06 | 2017-10-13 | 吉林大学 | 基于交通信号灯的自主驾驶车辆轨迹预测控制方法 |
CN107487325A (zh) * | 2016-08-26 | 2017-12-19 | 宝沃汽车(中国)有限公司 | 车辆的控制***、方法及车辆 |
-
2018
- 2018-05-24 CN CN201810510657.0A patent/CN108694841B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103714704A (zh) * | 2013-12-16 | 2014-04-09 | 华南理工大学 | 一种车联网环境下的交叉***通流微观控制方法 |
CN106485931A (zh) * | 2016-11-15 | 2017-03-08 | 河北工业大学 | 一种道路交叉口车辆快速通行辅助驾驶***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108694841A (zh) | 2018-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108694841B (zh) | 一种基于v2x技术的智能车辆通行路口红绿灯方法 | |
CN108749814B (zh) | 一种智能驾驶车辆行驶控制方法 | |
Yao et al. | A trajectory smoothing method at signalized intersection based on individualized variable speed limits with location optimization | |
CN106874597B (zh) | 一种应用于自动驾驶车辆的高速公路超车行为决策方法 | |
Yang et al. | Eco-driving at signalized intersections: A multiple signal optimization approach | |
CN110992677A (zh) | 一种应对通信异常的智能网联汽车编队控制方法及*** | |
CN103158714A (zh) | 辅助驾驶者以高环境效率方式驾驶电动车的***和方法 | |
CN112133089A (zh) | 一种基于周围环境与行为意图的车辆轨迹预测方法、***及装置 | |
CN110196587A (zh) | 车辆自动驾驶控制策略模型生成方法、装置、设备及介质 | |
Han et al. | Leveraging multiple connected traffic light signals in an energy-efficient speed planner | |
CN111028504A (zh) | 一种城市快速路智慧交通管控方法和*** | |
CN109398363A (zh) | 一种路面等级确定方法、装置、存储介质及汽车 | |
Pi et al. | Automotive platoon energy-saving: A review | |
CN113920740A (zh) | 一种联合车辆关联度和博弈论的车路协同驾驶***及方法 | |
Li et al. | Swarm intelligence based algorithm for management of autonomous vehicles on arterials | |
Deng et al. | A fast algorithm for planning optimal platoon speeds on highway | |
CN113936461A (zh) | 一种信号控制交叉口车辆混行的仿真方法和*** | |
Mohammadi et al. | Signalised intersection control in a connected vehicle environment: User throughput maximisation strategy | |
CN109903551A (zh) | 一种基于人工鱼群的高速公路匝道无人车行驶与编队控制方法、存储介质以及装置 | |
Wu et al. | A V2I communication-based pipeline model for adaptive urban traffic light scheduling | |
Ye et al. | Deep learning-based queue-aware eco-approach and departure system for plug-in hybrid electric buses at signalized intersections: A simulation study | |
US10137885B2 (en) | Method and device for operating a motor vehicle | |
CN108839655A (zh) | 一种基于最小安全车距的协同式自适应控制方法 | |
Almutairi et al. | Eco-cooperative adpative cruise control at multiple signlized intersections: Network-wide evaluation and sensitivity analysis | |
Huang et al. | Energetic Impacts of Autonomous Vehicles in Real-World Traffic Conditions From Nine Open-Source Datasets |
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 |