CN114153209A - 一种适用于无人驾驶编队的排列*** - Google Patents

一种适用于无人驾驶编队的排列*** Download PDF

Info

Publication number
CN114153209A
CN114153209A CN202111450551.4A CN202111450551A CN114153209A CN 114153209 A CN114153209 A CN 114153209A CN 202111450551 A CN202111450551 A CN 202111450551A CN 114153209 A CN114153209 A CN 114153209A
Authority
CN
China
Prior art keywords
vehicle
formation
state
speed
vehicles
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.)
Granted
Application number
CN202111450551.4A
Other languages
English (en)
Other versions
CN114153209B (zh
Inventor
宗长富
刘祥征
郑宏宇
郭中阳
吴竟启
束磊
束琦
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.)
Jilin University
Jiangsu Chaoli Electric Inc
Original Assignee
Jilin University
Jiangsu Chaoli Electric Inc
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 Jilin University, Jiangsu Chaoli Electric Inc filed Critical Jilin University
Priority to CN202111450551.4A priority Critical patent/CN114153209B/zh
Publication of CN114153209A publication Critical patent/CN114153209A/zh
Application granted granted Critical
Publication of CN114153209B publication Critical patent/CN114153209B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • 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
    • G05D1/0289—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 with means for avoiding collisions between vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种适用于无人驾驶编队的排列***，属于自动驾驶领域；本发明由四大模块组成，包括：车型配置模块、安全节能模块、危险等级预估模块和环境监测模块，各模块又由若干个小模块组成；本发明旨在解决无人驾驶编队在行驶前的车型选取和排列以及编队行驶过程中的多种状态监测和编队的动态调整，保障编队的经济性和安全性。

Description

一种适用于无人驾驶编队的排列***
技术领域
本发明属于自动驾驶领域，涉及车辆编队排列技术，具体涉及一种适用于无人驾驶编队的排列***。
背景技术
随着经济发展，公路运输在我国经济中的地位显得尤为重要。公路运输作为国民经济和现代化服务的重要产业，也是物流运输***中，最基本和最主要的流程之一。近些年经济的高速发展促使我国成为一个物流大国，巨大的运输市场需要大量的货车司机以及专门的货运车队，才能满足全国货物运输量激增情况。但由于货运车辆驾驶难度大且工作环境较为辛苦，导致货车司机数量较少。同时，又由于货运车辆能耗大、安全性差等问题，导致货运车辆与实际需求不符。
在道路运输交通***不断智能化、信息化发展的背景下，无人驾驶编队技术因其无人化、节约能源和减少拥堵的特点，已成为解决公路运输过程中货运车辆不足的关键。但已有的无人驾驶编队技术不能有效地实现编队行驶前的车型配置、车辆排列和行驶过程中的编队车辆状态和环境状态的监测和调整。
发明内容
针对上述存在问题，本发明提供了一种适用于无人驾驶编队的排列***，用于实现编队行驶前的车型配置、车辆排列和行驶过程中的编队车辆状态和环境状态的监测和调整。
为实现上述目的，本发明具体技术方案如下：
一种适用于无人驾驶编队的排列***，包括：车型配置模块、安全节能模块、危险等级预估模块、环境监测模块；
所述车型配置模块包括货物信息处理模块和车型决策模块，车型配置模块用于获取货物信息，货物信息包括货物需送达的目的地、货物易碎程度、货物储存方式、货物易燃易爆性、货物数量和货物体积，根据货物需送达的目的地的距离远近、货物易碎程度的大小、货物储存方式、货物是否易燃易爆、货物的数量多少和货物的体积大小匹配所需运输车辆的类型和数量；货物信息处理模块是将始发地的货物信息采集***所采集的如上所述的货物信息进行处理，将处理后的数据用于货物装车时的货物分车依据，分车步骤分为一次分车和二次分车，一次分车依据货物目的地的不同进行分车，同一目的地的货物进行同车处理，同一目的地划分时需按三等级目的地进行划分，同一等级目的地为同一目的地，第一级目的地无初始预设货物质量下限，第二级目的地存在初始预设货物质量下限M2min，第三级目的地存在初始预设货物质量下限M3min，同一第三级目的地的货物质量M3<M3min时，将第三级目的地货物并入第二级目的地，同一第二级目的地货物质量M 2<M2min时，将第二级目的地货物并入第一级目的地，二次分车根据货物形态、货物易碎程度、货物储存方式和货物的易燃易爆性等性质将一次分车后的货物进行具体的分车处理；车型决策模块用于确定所需车辆数量和实现不同次数不同智能等级的车型决策；
车辆数目需依据车辆载重阈值mmax和车辆载物体积阈值V体max来确定，同一目的地同一类型车辆数目判定过程如下：
(a)my<mmax，V体<V体max，此时未到达车辆载货上限，可继续分配货物，无需增加车辆；
(b)my＝mmax，V体≤V体max，此时到达车辆载货上限，不可继续分配货物，若有剩余货物需增加车辆；
(c)my≤mmax，V体＝V体max，此时到达车辆载货上限，不可继续分配货物，若有剩余货物需增加车辆；
式中，my为车辆已分配货物质量，V体为车辆已分配货物体积；
所述安全节能模块包括车辆排列顺序决策模块，安全车速范围预估模块和安全车距范围预估模块；所述安全节能模块，其用于根据货物需送达的目的地的远近、货物类型、车辆数目的多少和车辆类型进行编队中车辆排列顺序的决策、安全车距范围计算和安全车速范围计算；车辆排列顺序决策模块可以实现不同次数的排列功能；安全车速范围预估模块可以实现不同优先级的安全车速范围预估；安全车距范围预估模块可以根据货物与车型的不同实现不同范围的安全车距范围预估；
所述危险等级预估模块包括车辆状态监测模块和货物状态监测模块；所述危险等级预估模块，其用于车辆状态监测和货物状态检测，根据车辆速度、车间距离、货物状态来判断此时的危险等级；车辆状态监测模块用于时刻监测车辆状态，并根据实时状态做出相应的车辆状态等级判定用于车辆状态调整；货物状态监测模块用于时刻监测货物状态，并依据货物状态公式做出相应的处理，在一定条件下触发对编队的动态调整；
所述环境监测模块包括旁车状态监测模块和道路信息监测模块；所述环境监测模块，其用于实时监测旁车状态和道路信息；旁车状态检测模块用于监测编队两侧的车辆行驶状态和编队的动态调整；道路信息监测模块可以实现道路信息的获取以及编队的动态调整的相关阈值的确定。
所述车型决策模块可实现不同次数不同智能等级的车型决策，不同次数不同智能等级的车型决策的步骤分为一次决策和二次决策；
一次决策的决策依据为一次分车结果和二次分车结果，一次决策用于完成同一目的地不同类型货物所需运输车辆的车型配置；
二次决策的决策依据为车辆排列顺序决策模块的车辆排列结果，二次决策用于完成车辆智能等级的确定，依据车辆所处纵队位置不同，将所需智能等级分为两级，每一纵队领航车、中间车辆和尾车智能等级为第一级，中间车辆和尾车在正常行驶时作为备用领航车，在进行动态排列时若需增加纵队数可直接作为领航车使用，每一纵队中间跟随车辆智能等级为第二级。
所述车辆排列顺序决策模块是将车型决策模块一次决策所决策出的车型进行编队中的车辆排列，不同次数的排列功能的步骤分为一次排列和二次排列；
一次排列的决策依据为车辆所载货物的目的地和车辆数量，当编队为单纵队时，同一目的地的车辆以相邻的顺序进行排列，当到达目的地时同时脱离编队，为不影响剩余车辆的正常行驶，将目的地较近的货物所在车辆安排在编队后方，即编队排列时根据货物的目的地不同，按同地相邻、由远及近的顺序从前到后排列；当编队为多纵队时，将同一目的地车辆安排在同一纵队，必要时可拆分至不同纵队，为不影响剩余车辆的正常行驶，将目的地较近的货物所在车辆安排在编队外侧纵队，编队纵队数目决策依据为单纵队车辆数目阈值Xmax和编队纵队数目阈值Ymax，决策过程如下：
车型决策模块已确定每一个目的地的车辆数XL，L为目的地代号，L越小表示目的地越远，单纵队车辆数目决策公式为X1+X2+X3+…+XL≤Xmax-X，X为该纵队中已有车辆数目,若X1≥Xmax-X，则该目的地车辆需从下一纵队开始编入编队，将该目的地车辆拆分为n个纵队，n为满足n*Xmax≥X1的最小整数，每确定一列纵队，剩余目的地代号从L＝1重新排列，最终纵队数Y需满足条件Y≤Ymax，当Y＝Ymax时若还有剩余车辆，则将剩余车辆编入编队中车辆数目过少的纵队，编入依据为X1+X2+X3+…+XL≤Xmax-X，若还有剩余车辆则将剩余车辆拆分编入纵队中车辆数目不满足Xmax的纵队；
一次排列结束后，目的地代号L按目的地远近重新排列，L越小表示目的地越远；
二次排列为同一纵队同一目的地车辆的内部排序，在进行二次排列时同时保证某一车速下每辆车的能耗均保持最低的概率较低，因此采取总体能耗最低的策略进行排列，考虑到编队行驶时跟随车所受风阻受领航车的影响，所以匀速行驶时的能耗公式为：
Figure BDA0003385733930000021
式中，下标i表示同一纵队车辆编号，领航车i＝1，领航车后车辆编号依次增加；
EVi为同一纵队第i辆车匀速行驶一定里程所需能量；
Si为同一纵队第i辆车所需行驶里程；
K1、K2为比例系数，与效率和单位换算有关；
m为整车质量；g为重力加速度；f为滚动阻力系数；
CD0为空气阻力系数；CD1、CD2为经验系数；
di为车辆与领航车之间的车间距离；
A为迎风面积；V为行驶车速；
即当
Figure BDA0003385733930000022
时，二次排列采用此种排列顺序进行车辆排列。
所述安全车速范围预估模块采用安全车速预估公式进行不同优先级的安全车速范围预估：
Vmax≥V≥Vmin
式中，Vmax为编队行驶过程中所处路段的最大限速；
Vmin为编队行驶过程中所处路段的最低限速；
该式用于保证编队行驶速度的合法性，所确定的车速值为第一速度阈值V1；
Figure BDA0003385733930000023
式中，下标i表示同一纵队车辆编号，领航车i＝1，领航车后车辆编号依次增加；
EiV为同一纵队第i辆车以车速V匀速行驶至某一能量供应地所需能耗的预估值；
Eimax为同一纵队第i辆车所能提供的最大能耗；
Ez为该车以车速V匀速行驶tz时间所需能耗，z＝1,2,3，tz为***预设值；
t为编队以车速V行驶至某一能量供应地所需时间，t∈(min(tz)，max(tz))；
该式结合车辆排列顺序模块中的匀速能耗公式，可计算满足编队中全部车辆能量需求的最大车速VEmax，用以保证编队行驶速度的合理性，所确定的车速值为第二速度阈值V2；
为保证编队行驶的时效性，车速的大小控制方法采取模糊控制，该模糊控制方法输入为同一目的地车辆中的单一车辆从始发地至目的地所需行驶的全部里程和行驶至目的地的最大规定时间，其模糊子集定义为SL＝{ZE,PO,PS,PM,PB}，即{零、正、正小、正中、正大}，tL＝{ZE,PO,PS,PM,PB}，即{零、正、正小、正中、正大}，输出为最小车速值，其模糊集合定义为VL＝{ZE,PO,PS,PM,PB}，即{零、正、正小、正中、正大}；其中SL为同一目的地车辆中的单一车辆从始发地至目的地所需行驶的里程，tL为同一目的地车辆中的单一车辆行驶至目的地的最大规定时间，VL为最小车速值，由该模糊控制确定的车速为第三速度阈值V3，因为有L个目的地，所以可以确定L个VL，取V3＝max(VL)；
上述模糊控制规则为：
Figure BDA0003385733930000031
上述速度阈值存在三级优先级，第一速度阈值V1处于第一优先级，无特殊情况时编队行驶速度需时刻满足第一速度阈值V1的速度范围要求，第三速度阈值V3处于第二优先级的前提为行驶车速可满足编队所有车辆均能抵达最近能量补给地点，否则第二速度阈值V2处于第二优先级。
所述安全车距范围预估模块采用安全车距预估公式计算安全车距范围：
Figure BDA0003385733930000032
式中，S为安全车距；V为行驶速度；
A、B为制动系数，与制动器反应时间、信号接收延迟时间和货物类型有关；
t1a、t2a为前车和本车刹车过程中制动减速度从零到最大所需时间；
a1、a2为前车和本车刹车过程中的最大制动减速度；ΔS为停车后所需安全车距；
C为比例系数，与起步时间、货物状态和车辆状态调整有关，可通过模糊控制方法得到合适值；
该模糊控制方法输入为某一车辆车速由零加速至预设车速所需时间和该车辆前车车速由零加速至预设车速所需时间，其模糊子集定义为T1＝{ZE,PO,PS,PM,PB}，即{零、正、正小、正中、正大}，T2＝{ZE,PO,PS,PM,PB}，即{零、正、正小、正中、正大}，输出为比例系数值，其模糊集合定义为C＝{ZE,PO,PS,PM,PB}，即{零、正、正小、正中、正大}；其中T1为某一车辆车速由零加速至预设车速所需时间，T2为该车辆前车车速由零加速至预设车速所需时间。
上述模糊控制规则为：
Figure BDA0003385733930000033
所述车辆状态监测模块用于将安全车距预估模块和安全车速预估模块的预估结果结合车辆的实时状态做出相应的车辆状态等级判定，按车速和车距情况车辆状态等级可分为四级：
Figure BDA0003385733930000041
P1＝1时
此时Smax≥S≥Smin，V＝Vf，则判断车辆状态安全，无需做出变化，其中Smin为该车所需安全车距下限值，Smax为该车所需安全车距上限值，由安全车距预估模块计算得，Vf为前车车速；
P1＝2时
a)若S>Smax，则判断为车距过大，车辆状态监测模块需传递缩小车距信号，即调高车速减小车距，在达到所需安全车距前缓慢降低车速，保障达到安全车距时前后车辆车速一致；
b)若S<Smin，则判断为车距过小，车辆状态监测模块需传递增大车距信号，即降低车速增大车距，在达到所需安全车距前缓慢增大车速，保障达到安全车距时前后车辆车速一致；
P1＝3时
a)若V>Vf，则判断为车速过大，车辆状态监测模块需传递降低车速信号，车速正常后，再次进行车辆状态判断，若车辆状态处于P1＝1，则判断车辆状态安全，无需二次调整，若车辆状态处于P1＝2，则需进行二次调整；
b)若V<Vf，则判断为车速过小，车辆状态监测模块需传递提高车速信号，车速正常后，再次进行车辆状态判断，若车辆状态处于P1＝1，则判断车辆状态安全，无需二次调整，若车辆状态处于P1＝2，则需进行二次调整；
P1＝4时
a)若V>Vf，S>Smax，则判断为车速过大、车距过大，需缓慢减速，若先达到安全车距，再次进行车辆状态判断，此时车辆状态处于P1＝3，需进行二次调整，若先达到安全车速，再次进行车辆状态判断，此时车辆状态处于P1＝2，需进行二次调整，若同时达到安全车速、安全车距，再次进行车辆状态判断，此时车辆状态处于P1＝1，无需二次调整；
b)若V>Vf，S<Smin，则判断为车速过大、车距过小，需先减速至安全车速，再次进行车辆状态判断，由于减速过程中，车距进一步减小，此时车辆状态P1＝2，需进行二次调整；
c)若V<Vf，S>Smax，则判断为车速过小、车距过大，需先提速至安全车速，再次进行车辆状态判断，由于加速过程中，车距进一步增大，此时车辆状态P1＝2，需进行二次调整；
d)若V<Vf，S<Smin，则判断为车速过小、车距过小，需先提速至安全车速，再次进行车辆状态判断，由于加速过程中，车距进一步增大，此时车辆状态P1＝3，进行二次调整；
若无特殊情况车辆状态调整过程中车速应时刻处于安全车速范围，并按三级优先级进行调速，货物状态应维持在安全状态。
所述货物状态监测模块包括温度传感器、湿度传感器、压力传感器、烟雾传感器，用于监测货物的实时状态，通过状态公式来判断货物状态：
Pf＝w1*|P0-Pc|+w2*|Pl-Pr|+w3*|T-T0|+w4*β+Pρ
式中，Pf为一无量纲值，用以判断货物状态；
w1、w2、w3、w4为权重因数，车辆类型不同或货物类型不同时，权重因数数值将有所变化，可通过神经网络训练得；
P0为货箱底部初始压力；Pc为货箱底部实时压力；
Pl为货箱左侧压力；Pr为货箱右侧压力；
T为货物的实时温度；T0为货物的最佳储存温度；
β为货物本身的易碎程度；Pρ为烟雾状态值；
烟雾传感器用于监测货物是否被引燃，货物状态监测时，Pρ值只存在0和1两种情况，若烟雾传感器监测到烟雾浓度未达到预警值，则Pρ＝0，货物处于安全未燃状态，若烟雾传感器监测到烟雾浓度达到预警值，则Pρ＝1，货物处于危险状态，可通过释放加压非助燃气体及时灭火，若无法及时灭火，该车辆需及时脱离编队，以保证编队其余车辆的安全，车辆脱离后编队需进行编队的动态调整；
当烟雾传感器监测到烟雾浓度未达到预警值时：
(a)0≤Pf≤0.3，此时货物处于安全状态；
(b)0.3≤Pf≤0.6，此时货物处于危险预警状态，需及时进行货物状态调整；
(c)0.6≤Pf≤1，此时货物处于危险状态，需判断车辆是否具有货物状态调整能力，若无货物状态调整能力，车辆需及时脱离编队，车辆脱离后编队需进行编队的动态调整；
当烟雾传感器监测到烟雾浓度达到预警值，此时货物状态调整需结合Pρ＝1和0≤Pf≤1时的三种情况进行同步货物状态调整。
所述旁车状态监测模块，用于监测编队两侧的车辆行驶状态，通过状态公式来判断旁车状态：
Figure BDA0003385733930000051
式中，P2为一无量纲值，用以判断旁车状态；
V旁为旁车速度；V为行驶速度；
S旁为编队与旁车车距；
S安为旁车与编队车辆安全间距，可通过模糊控制方法得到合适值；
该模糊控制方法输入为旁车车速与编队行驶车速的速度差值和与旁车并行车辆的车宽值，其模糊子集定义为ΔV＝{ZE,PO,PS,PM,PB}，即{零、正、正小、正中、正大}，W＝{ZE,PO,PS,PM,PB}，即{零、正、正小、正中、正大}，输出为旁车与编队车辆安全车距，其模糊集合定义为S安＝{ZE,PO,PS,PM,PB}，即{零、正、正小、正中、正大}；其中ΔV为旁车车速与编队行驶车速的速度差值，W为与旁车并行车辆的车宽值；
上述模糊控制规则为：
Figure BDA0003385733930000052
P2＝1时
旁车处于同编队车辆并行状态，旁车与编队车辆保持安全状态，继续行驶即可；
P2＝2时
旁车处于超车编队车辆状态，旁车与编队车辆保持安全状态，继续行驶即可；
P2＝3时
旁车处于靠近编队状态，旁车过于靠近编队，此时编队应处于预警状态，若旁车此时与领航车并行，且三秒内超车，解除预警状态，若三秒内未超车，编队将转为警告状态，通过灯光以及播放预设警告音频提醒旁车及时调整车距直至处于安全状态；若旁车此时与尾车并行，且三秒内并入编队后方，解除预警状态，若三秒内未并入编队后方，编队将转为警告状态，通过灯光以及播放预设警告音频提醒旁车及时调整车距直至处于安全状态；若旁车此时与编队两侧纵队中间车辆并行，且三秒内未调整车距至安全车距范围，编队将转为警告状态，通过灯光以及播放预设警告音频提醒旁车及时调整车距直至出于安全状态；
P2＝4时
编队旁侧车道无车辆，此时编队可根据道路信息监测模块确定的单纵队车辆数目阈值Xmax和编队纵队数目阈值Ymax进行编队的动态调整。
所述道路信息监测模块包括，用于监测道路实时信息，便于编队遇到突发状况时及时调整行驶速度和行驶方向，并将道路信息发送至道路信息中心，为后续车辆提供最新的道路状况，使得后续车辆可提前做出规避，以降低事故发生率；用于实时监测行驶道路的限速提醒以便于安全车速预估模块及时调整第一速度阈值，以保证编队行驶速度的合法性；用于获取车道信息，车道信息包括当前行驶道路车道数和车辆密集度，当前行驶道路车道数和车辆密集度用来确定单纵队车辆数目阈值Xmax和编队纵队数目阈值Ymax，以便及时调整编队纵队数目，实现编队行驶过程中的编队的动态调整；用于获取红绿灯信息来判断当前车速是否允许编队全部车辆通行，当前车速下剩余绿灯时间不足以支持编队全部车辆以当前编队形式通过当前道路口时，若当前道路口为网联可控式红绿灯可适当延长绿灯时间以保障编队全部车辆一次性通过，若当前道路口为非网联可控式红绿灯，可通过编队的动态调整和提高车速的方法以保障编队全部车辆一次性通过。
本发明所具有的有益效果如下：
1.采取了多模块的控制方式，从多个方面对编队行驶过程中的状态进行监测，各模块之间相互联系，避免了单一模块造成的控制不全面的问题，能够及时有效地对编队进行状态调整。
2.将编队车辆状态、货物状态、旁车状态和环境状态相结合，判断车辆状态是否安全以及是否需要进行动态调整。
附图说明
下面结合附图对本发明作进一步说明：
图1是所提供的排列***组成示意图；
图2是车辆状态监测模块的工作流程图；
图3是旁车状态监测模块的工作流程图；
具体实施方式
下面结合附图对本发明的具体实施方式做详细的描述。
参阅图1，整个***，其特征在于：该适用于无人驾驶编队的排列***分为车型配置模块、安全节能模块、危险等级预估模块、环境监测模块；
所述车型配置模块包括货物信息处理模块和车型决策模块，车型配置模块用于获取货物信息，货物信息包括货物需送达的目的地、货物易碎程度、货物储存方式、货物易燃易爆性、货物数量和货物体积，根据货物需送达的目的地的距离远近、货物易碎程度的大小、货物储存方式、货物是否易燃易爆、货物的数量多少和货物的体积大小匹配所需运输车辆的类型和数量；货物信息处理模块是将始发地的货物信息采集***所采集的如上所述的货物信息进行处理，将处理后的数据用于货物装车时的货物分车依据，分车步骤分为一次分车和二次分车，一次分车依据货物目的地的不同进行分车，同一目的地的货物进行同车处理，同一目的地划分时需按三等级目的地进行划分，同一等级目的地为同一目的地，第一级目的地无初始预设货物质量下限，第二级目的地存在初始预设货物质量下限M2min，第三级目的地存在初始预设货物质量下限M3min，同一第三级目的地的货物质量M3<M3min时，将第三级目的地货物并入第二级目的地，同一第二级目的地货物质量M 2<M2min时，将第二级目的地货物并入第一级目的地，二次分车根据货物形态、货物易碎程度、货物储存方式和货物的易燃易爆性等性质将一次分车后的货物进行具体的分车处理；车型决策模块用于确定所需车辆数量和实现不同次数不同智能等级的车型决策；
车辆数目需依据车辆载重阈值mmax和车辆载物体积阈值V体max来确定，同一目的地同一类型车辆数目判定过程如下：
(a)my<mmax，V体<V体max，此时未到达车辆载货上限，可继续分配货物，无需增加车辆；
(b)my＝mmax，V体≤V体max，此时到达车辆载货上限，不可继续分配货物，若有剩余货物需增加车辆；
(c)my≤mmax，V体＝V体max，此时到达车辆载货上限，不可继续分配货物，若有剩余货物需增加车辆；
式中，my为车辆已分配货物质量，V体为车辆已分配货物体积；
所述安全节能模块包括车辆排列顺序决策模块，安全车速范围预估模块和安全车距范围预估模块；所述安全节能模块，其用于根据货物需送达的目的地的远近、货物类型、车辆数目的多少和车辆类型进行编队中车辆排列顺序的决策、安全车距范围计算和安全车速范围计算；车辆排列顺序决策模块可以实现不同次数的排列功能；安全车速范围预估模块可以实现不同优先级的安全车速范围预估；安全车距范围预估模块可以根据货物与车型的不同实现不同范围的安全车距范围预估；
所述危险等级预估模块包括车辆状态监测模块和货物状态监测模块；所述危险等级预估模块，其用于车辆状态监测和货物状态检测，根据车辆速度、车间距离、货物状态来判断此时的危险等级；车辆状态监测模块用于时刻监测车辆状态，并根据实时状态做出相应的车辆状态等级判定用于车辆状态调整；货物状态监测模块用于时刻监测货物状态，并依据货物状态公式做出相应的处理，在一定条件下触发对编队的动态调整；
所述环境监测模块包括旁车状态监测模块和道路信息监测模块；所述环境监测模块，其用于实时监测旁车状态和道路信息；旁车状态检测模块用于监测编队两侧的车辆行驶状态和编队的动态调整；道路信息监测模块可以实现道路信息的获取以及编队的动态调整的相关阈值的确定。
所述车型决策模块可实现不同次数不同智能等级的车型决策，不同次数不同智能等级的车型决策的步骤分为一次决策和二次决策；
一次决策的决策依据为一次分车结果和二次分车结果，一次决策用于完成同一目的地不同类型货物所需运输车辆的车型配置；
二次决策的决策依据为车辆排列顺序决策模块的车辆排列结果，二次决策用于完成车辆智能等级的确定，依据车辆所处纵队位置不同，将所需智能等级分为两级，每一纵队领航车、中间车辆和尾车智能等级为第一级，中间车辆和尾车在正常行驶时作为备用领航车，在进行动态排列时若需增加纵队数可直接作为领航车使用，每一纵队中间跟随车辆智能等级为第二级。
所述车辆排列顺序决策模块是将车型决策模块一次决策所决策出的车型进行编队中的车辆排列，不同次数的排列功能的步骤分为一次排列和二次排列；
一次排列的决策依据为车辆所载货物的目的地和车辆数量，当编队为单纵队时，同一目的地的车辆以相邻的顺序进行排列，当到达目的地时同时脱离编队，为不影响剩余车辆的正常行驶，将目的地较近的货物所在车辆安排在编队后方，即编队排列时根据货物的目的地不同，按同地相邻、由远及近的顺序从前到后排列；当编队为多纵队时，将同一目的地车辆安排在同一纵队，必要时可拆分至不同纵队，为不影响剩余车辆的正常行驶，将目的地较近的货物所在车辆安排在编队外侧纵队，编队纵队数目决策依据为单纵队车辆数目阈值Xmax和编队纵队数目阈值Ymax，决策过程如下：
车型决策模块已确定每一个目的地的车辆数XL，L为目的地代号，L越小表示目的地越远，单纵队车辆数目决策公式为X1+X2+X3+…+XL≤Xmax-X，X为该纵队中已有车辆数目,若X1≥Xmax-X，则该目的地车辆需从下一纵队开始编入编队，将该目的地车辆拆分为n个纵队，n为满足n*Xmax≥X1的最小整数，每确定一列纵队，剩余目的地代号从L＝1重新排列，最终纵队数Y需满足条件Y≤Ymax，当Y＝Ymax时若还有剩余车辆，则将剩余车辆编入编队中车辆数目过少的纵队，编入依据为X1+X2+X3+…+XL≤Xmax-X，若还有剩余车辆则将剩余车辆拆分编入纵队中车辆数目不满足Xmax的纵队；
一次排列结束后，目的地代号L按目的地远近重新排列，L越小表示目的地越远；
二次排列为同一纵队同一目的地车辆的内部排序，在进行二次排列时同时保证某一车速下每辆车的能耗均保持最低的概率较低，因此采取总体能耗最低的策略进行排列，考虑到编队行驶时跟随车所受风阻受领航车的影响，所以匀速行驶时的能耗公式为：
Figure BDA0003385733930000071
式中，下标i表示同一纵队车辆编号，领航车i＝1，领航车后车辆编号依次增加；
EVi为同一纵队第i辆车匀速行驶一定里程所需能量；
Si为同一纵队第i辆车所需行驶里程；
K1、K2为比例系数，与效率和单位换算有关；
m为整车质量；g为重力加速度；f为滚动阻力系数；
CD0为空气阻力系数；CD1、CD2为经验系数；
di为车辆与领航车之间的车间距离；
A为迎风面积；V为行驶车速；
即当
Figure BDA0003385733930000072
时，二次排列采用此种排列顺序进行车辆排列。
所述安全车速范围预估模块采用安全车速预估公式进行不同优先级的安全车速范围预估：
Vmax≥V≥Vmin
式中，Vmax为编队行驶过程中所处路段的最大限速；
Vmin为编队行驶过程中所处路段的最低限速；
该式用于保证编队行驶速度的合法性，所确定的车速值为第一速度阈值V1；
Figure BDA0003385733930000081
式中，下标i表示同一纵队车辆编号，领航车i＝1，领航车后车辆编号依次增加；
EiV为同一纵队第i辆车以车速V匀速行驶至某一能量供应地所需能耗的预估值；
Eimax为同一纵队第i辆车所能提供的最大能耗；
Ez为该车以车速V匀速行驶tz时间所需能耗，z＝1,2,3，tz为***预设值；
t为编队以车速V行驶至某一能量供应地所需时间，t∈(min(tz)，max(tz))；
该式结合车辆排列顺序模块中的匀速能耗公式，可计算满足编队中全部车辆能量需求的最大车速VEmax，用以保证编队行驶速度的合理性，所确定的车速值为第二速度阈值V2；
为保证编队行驶的时效性，车速的大小控制方法采取模糊控制，该模糊控制方法输入为同一目的地车辆中的单一车辆从始发地至目的地所需行驶的全部里程和行驶至目的地的最大规定时间，其模糊子集定义为SL＝{ZE,PO,PS,PM,PB}，即{零、正、正小、正中、正大}，tL＝{ZE,PO,PS,PM,PB}，即{零、正、正小、正中、正大}，输出为最小车速值，其模糊集合定义为VL＝{ZE,PO,PS,PM,PB}，即{零、正、正小、正中、正大}；其中SL为同一目的地车辆中的单一车辆从始发地至目的地所需行驶的里程，tL为同一目的地车辆中的单一车辆行驶至目的地的最大规定时间，VL为最小车速值，由该模糊控制确定的车速为第三速度阈值V3，因为有L个目的地，所以可以确定L个VL，取V3＝max(VL)；
上述模糊控制规则为：
Figure BDA0003385733930000082
上述速度阈值存在三级优先级，第一速度阈值V1处于第一优先级，无特殊情况时编队行驶速度需时刻满足第一速度阈值V1的速度范围要求，第三速度阈值V3处于第二优先级的前提为行驶车速可满足编队所有车辆均能抵达最近能量补给地点，否则第二速度阈值V2处于第二优先级。
所述安全车距范围预估模块采用安全车距预估公式计算安全车距范围：
Figure BDA0003385733930000083
式中，S为安全车距；V为行驶速度；
A、B为制动系数，与制动器反应时间、信号接收延迟时间和货物类型有关；
t1a、t2a为前车和本车刹车过程中制动减速度从零到最大所需时间；
a1、a2为前车和本车刹车过程中的最大制动减速度；ΔS为停车后所需安全车距；
C为比例系数，与起步时间、货物状态和车辆状态调整有关，可通过模糊控制方法得到合适值；
该模糊控制方法输入为某一车辆车速由零加速至预设车速所需时间和该车辆前车车速由零加速至预设车速所需时间，其模糊子集定义为T1＝{ZE,PO,PS,PM,PB}，即{零、正、正小、正中、正大}，T2＝{ZE,PO,PS,PM,PB}，即{零、正、正小、正中、正大}，输出为比例系数值，其模糊集合定义为C＝{ZE,PO,PS,PM,PB}，即{零、正、正小、正中、正大}；其中T1为某一车辆车速由零加速至预设车速所需时间，T2为该车辆前车车速由零加速至预设车速所需时间。
上述模糊控制规则为：
Figure BDA0003385733930000084
Figure BDA0003385733930000091
参阅图2，所述车辆状态监测模块用于将安全车距预估模块和安全车速预估模块的预估结果结合车辆的实时状态做出相应的车辆状态等级判定，按车速和车距情况车辆状态等级可分为四级：
Figure BDA0003385733930000092
P1＝1时
此时Smax≥S≥Smin，V＝Vf，则判断车辆状态安全，无需做出变化，其中Smin为该车所需安全车距下限值，Smax为该车所需安全车距上限值，由安全车距预估模块计算得，Vf为前车车速；
P1＝2时
a)若S>Smax，则判断为车距过大，车辆状态监测模块需传递缩小车距信号，即调高车速减小车距，在达到所需安全车距前缓慢降低车速，保障达到安全车距时前后车辆车速一致；
b)若S<Smin，则判断为车距过小，车辆状态监测模块需传递增大车距信号，即降低车速增大车距，在达到所需安全车距前缓慢增大车速，保障达到安全车距时前后车辆车速一致；
P1＝3时
a)若V>Vf，则判断为车速过大，车辆状态监测模块需传递降低车速信号，车速正常后，再次进行车辆状态判断，若车辆状态处于P1＝1，则判断车辆状态安全，无需二次调整，若车辆状态处于P1＝2，则需进行二次调整；
b)若V<Vf，则判断为车速过小，车辆状态监测模块需传递提高车速信号，车速正常后，再次进行车辆状态判断，若车辆状态处于P1＝1，则判断车辆状态安全，无需二次调整，若车辆状态处于P1＝2，则需进行二次调整；
P1＝4时
a)若V>Vf，S>Smax，则判断为车速过大、车距过大，需缓慢减速，若先达到安全车距，再次进行车辆状态判断，此时车辆状态处于P1＝3，需进行二次调整，若先达到安全车速，再次进行车辆状态判断，此时车辆状态处于P1＝2，需进行二次调整，若同时达到安全车速、安全车距，再次进行车辆状态判断，此时车辆状态处于P1＝1，无需二次调整；
b)若V>Vf，S<Smin，则判断为车速过大、车距过小，需先减速至安全车速，再次进行车辆状态判断，由于减速过程中，车距进一步减小，此时车辆状态P1＝2，需进行二次调整；
c)若V<Vf，S>Smax，则判断为车速过小、车距过大，需先提速至安全车速，再次进行车辆状态判断，由于加速过程中，车距进一步增大，此时车辆状态P1＝2，需进行二次调整；
d)若V<Vf，S<Smin，则判断为车速过小、车距过小，需先提速至安全车速，再次进行车辆状态判断，由于加速过程中，车距进一步增大，此时车辆状态P1＝3，进行二次调整；
若无特殊情况车辆状态调整过程中车速应时刻处于安全车速范围，并按三级优先级进行调速，货物状态应维持在安全状态。
所述货物状态监测模块包括温度传感器、湿度传感器、压力传感器、烟雾传感器，用于监测货物的实时状态，通过状态公式来判断货物状态：
Pf＝w1*|P0-Pc|+w2*|Pl-Pr|+w3*|T-T0|+w4*β+Pρ
式中，Pf为一无量纲值，用以判断货物状态；
w1、w2、w3、w4为权重因数，车辆类型不同或货物类型不同时，权重因数数值将有所变化，可通过神经网络训练得；
P0为货箱底部初始压力；Pc为货箱底部实时压力；
Pl为货箱左侧压力；Pr为货箱右侧压力；
T为货物的实时温度；T0为货物的最佳储存温度；
β为货物本身的易碎程度；Pρ为烟雾状态值；
烟雾传感器用于监测货物是否被引燃，货物状态监测时，Pρ值只存在0和1两种情况，若烟雾传感器监测到烟雾浓度未达到预警值，则Pρ＝0，货物处于安全未燃状态，若烟雾传感器监测到烟雾浓度达到预警值，则Pρ＝1，货物处于危险状态，可通过释放加压非助燃气体及时灭火，若无法及时灭火，该车辆需及时脱离编队，以保证编队其余车辆的安全，车辆脱离后编队需进行编队的动态调整；
当烟雾传感器监测到烟雾浓度未达到预警值时：
(a)0≤Pf≤0.3，此时货物处于安全状态；
(b)0.3≤Pf≤0.6，此时货物处于危险预警状态，需及时进行货物状态调整；
(c)0.6≤Pf≤1，此时货物处于危险状态，需判断车辆是否具有货物状态调整能力，若无货物状态调整能力，车辆需及时脱离编队，车辆脱离后编队需进行编队的动态调整；
当烟雾传感器监测到烟雾浓度达到预警值，此时货物状态调整需结合Pρ＝1和0≤Pf≤1时的三种情况进行同步货物状态调整。
参阅图3，所述旁车状态监测模块，用于监测编队两侧的车辆行驶状态，通过状态公式来判断旁车状态：
Figure BDA0003385733930000101
式中，P2为一无量纲值，用以判断旁车状态；
V旁为旁车速度；V为行驶速度；
S旁为编队与旁车车距；
S安为旁车与编队车辆安全间距，可通过模糊控制方法得到合适值；
该模糊控制方法输入为旁车车速与编队行驶车速的速度差值和与旁车并行车辆的车宽值，其模糊子集定义为ΔV＝{ZE,PO,PS,PM,PB}，即{零、正、正小、正中、正大}，W＝{ZE,PO,PS,PM,PB}，即{零、正、正小、正中、正大}，输出为旁车与编队车辆安全车距，其模糊集合定义为S安＝{ZE,PO,PS,PM,PB}，即{零、正、正小、正中、正大}；其中ΔV为旁车车速与编队行驶车速的速度差值，W为与旁车并行车辆的车宽值；
上述模糊控制规则为：
Figure BDA0003385733930000102
P2＝1时
旁车处于同编队车辆并行状态，旁车与编队车辆保持安全状态，继续行驶即可；
P2＝2时
旁车处于超车编队车辆状态，旁车与编队车辆保持安全状态，继续行驶即可；
P2＝3时
旁车处于靠近编队状态，旁车过于靠近编队，此时编队应处于预警状态，若旁车此时与领航车并行，且三秒内超车，解除预警状态，若三秒内未超车，编队将转为警告状态，通过灯光以及播放预设警告音频提醒旁车及时调整车距直至处于安全状态；若旁车此时与尾车并行，且三秒内并入编队后方，解除预警状态，若三秒内未并入编队后方，编队将转为警告状态，通过灯光以及播放预设警告音频提醒旁车及时调整车距直至处于安全状态；若旁车此时与编队两侧纵队中间车辆并行，且三秒内未调整车距至安全车距范围，编队将转为警告状态，通过灯光以及播放预设警告音频提醒旁车及时调整车距直至出于安全状态；
P2＝4时
编队旁侧车道无车辆，此时编队可根据道路信息监测模块确定的单纵队车辆数目阈值Xmax和编队纵队数目阈值Ymax进行编队的动态调整。
所述道路信息监测模块包括，用于监测道路实时信息，便于编队遇到突发状况时及时调整行驶速度和行驶方向，并将道路信息发送至道路信息中心，为后续车辆提供最新的道路状况，使得后续车辆可提前做出规避，以降低事故发生率；用于实时监测行驶道路的限速提醒以便于安全车速预估模块及时调整第一速度阈值，以保证编队行驶速度的合法性；用于获取车道信息，车道信息包括当前行驶道路车道数和车辆密集度，当前行驶道路车道数和车辆密集度用来确定单纵队车辆数目阈值Xmax和编队纵队数目阈值Ymax，以便及时调整编队纵队数目，实现编队行驶过程中的编队的动态调整；用于获取红绿灯信息来判断当前车速是否允许编队全部车辆通行，当前车速下剩余绿灯时间不足以支持编队全部车辆以当前编队形式通过当前道路口时，若当前道路口为网联可控式红绿灯可适当延长绿灯时间以保障编队全部车辆一次性通过，若当前道路口为非网联可控式红绿灯，可通过编队的动态调整和提高车速的方法以保障编队全部车辆一次性通过。

Claims (9)

1.一种适用于无人驾驶编队的排列***，其特征在于：该适用于无人驾驶编队的排列***分为车型配置模块、安全节能模块、危险等级预估模块、环境监测模块；
所述车型配置模块包括货物信息处理模块和车型决策模块，车型配置模块用于获取货物信息，货物信息包括货物需送达的目的地、货物易碎程度、货物储存方式、货物易燃易爆性、货物数量和货物体积，根据货物需送达的目的地的距离远近、货物易碎程度的大小、货物储存方式、货物是否易燃易爆、货物的数量多少和货物的体积大小匹配所需运输车辆的类型和数量；货物信息处理模块是将始发地的货物信息采集***所采集的如上所述的货物信息进行处理，将处理后的数据用于货物装车时的货物分车依据，分车步骤分为一次分车和二次分车，一次分车依据货物目的地的不同进行分车，同一目的地的货物进行同车处理，同一目的地划分时需按三等级目的地进行划分，同一等级目的地为同一目的地，第一级目的地无初始预设货物质量下限，第二级目的地存在初始预设货物质量下限M2min，第三级目的地存在初始预设货物质量下限M3min，同一第三级目的地的货物质量M3<M3min时，将第三级目的地货物并入第二级目的地，同一第二级目的地货物质量M2<M2min时，将第二级目的地货物并入第一级目的地，二次分车根据货物形态、货物易碎程度、货物储存方式和货物的易燃易爆性等性质将一次分车后的货物进行具体的分车处理；车型决策模块用于确定所需车辆数量和实现不同次数不同智能等级的车型决策；
车辆数目需依据车辆载重阈值mmax和车辆载物体积阈值V体max来确定，同一目的地同一类型车辆数目判定过程如下：
(a)my<mmax，V体<V体max，此时未到达车辆载货上限，可继续分配货物，无需增加车辆；
(b)my＝mmax，V体≤V体max，此时到达车辆载货上限，不可继续分配货物，若有剩余货物需增加车辆；
(c)my≤mmax，V体＝V体max，此时到达车辆载货上限，不可继续分配货物，若有剩余货物需增加车辆；
式中，my为车辆已分配货物质量，V体为车辆已分配货物体积；
所述安全节能模块包括车辆排列顺序决策模块，安全车速范围预估模块和安全车距范围预估模块；所述安全节能模块，其用于根据货物需送达的目的地的远近、货物类型、车辆数目的多少和车辆类型进行编队中车辆排列顺序的决策、安全车距范围计算和安全车速范围计算；车辆排列顺序决策模块可以实现不同次数的排列功能；安全车速范围预估模块可以实现不同优先级的安全车速范围预估；安全车距范围预估模块可以根据货物与车型的不同实现不同范围的安全车距范围预估；
所述危险等级预估模块包括车辆状态监测模块和货物状态监测模块；所述危险等级预估模块，其用于车辆状态监测和货物状态检测，根据车辆速度、车间距离、货物状态来判断此时的危险等级；车辆状态监测模块用于时刻监测车辆状态，并根据实时状态做出相应的车辆状态等级判定用于车辆状态调整；货物状态监测模块用于时刻监测货物状态，并依据货物状态公式做出相应的处理，在一定条件下触发对编队的动态调整；
所述环境监测模块包括旁车状态监测模块和道路信息监测模块；所述环境监测模块，其用于实时监测旁车状态和道路信息；旁车状态检测模块用于监测编队两侧的车辆行驶状态和编队的动态调整；道路信息监测模块可以实现道路信息的获取以及编队的动态调整的相关阈值的确定。
2.根据权利要求1所述的一种适用于无人驾驶编队的排列***，其特征在于，所述车型决策模块可实现不同次数不同智能等级的车型决策，不同次数不同智能等级的车型决策的步骤分为一次决策和二次决策；
一次决策的决策依据为一次分车结果和二次分车结果，一次决策用于完成同一目的地不同类型货物所需运输车辆的车型配置；
二次决策的决策依据为车辆排列顺序决策模块的车辆排列结果，二次决策用于完成车辆智能等级的确定，依据车辆所处纵队位置不同，将所需智能等级分为两级，每一纵队领航车、中间车辆和尾车智能等级为第一级，中间车辆和尾车在正常行驶时作为备用领航车，在进行动态排列时若需增加纵队数可直接作为领航车使用，每一纵队中间跟随车辆智能等级为第二级。
3.根据权利要求1所述的一种适用于无人驾驶编队的排列***，其特征在于，所述车辆排列顺序决策模块是将车型决策模块一次决策所决策出的车型进行编队中的车辆排列，不同次数的排列功能的步骤分为一次排列和二次排列；
一次排列的决策依据为车辆所载货物的目的地和车辆数量，当编队为单纵队时，同一目的地的车辆以相邻的顺序进行排列，当到达目的地时同时脱离编队，为不影响剩余车辆的正常行驶，将目的地较近的货物所在车辆安排在编队后方，即编队排列时根据货物的目的地不同，按同地相邻、由远及近的顺序从前到后排列；当编队为多纵队时，将同一目的地车辆安排在同一纵队，必要时可拆分至不同纵队，为不影响剩余车辆的正常行驶，将目的地较近的货物所在车辆安排在编队外侧纵队，编队纵队数目决策依据为单纵队车辆数目阈值Xmax和编队纵队数目阈值Ymax，决策过程如下：
车型决策模块已确定每一个目的地的车辆数XL，L为目的地代号，L越小表示目的地越远，单纵队车辆数目决策公式为X1+X2+X3+…+XL≤Xmax-X，X为该纵队中已有车辆数目,若X1≥Xmax-X，则该目的地车辆需从下一纵队开始编入编队，将该目的地车辆拆分为n个纵队，n为满足n*Xmax≥X1的最小整数，每确定一列纵队，剩余目的地代号从L＝1重新排列，最终纵队数Y需满足条件Y≤Ymax，当Y＝Ymax时若还有剩余车辆，则将剩余车辆编入编队中车辆数目过少的纵队，编入依据为X1+X2+X3+…+XL≤Xmax-X，若还有剩余车辆则将剩余车辆拆分编入纵队中车辆数目不满足Xmax的纵队；
一次排列结束后，目的地代号L按目的地远近重新排列，L越小表示目的地越远；
二次排列为同一纵队同一目的地车辆的内部排序，在进行二次排列时同时保证某一车速下每辆车的能耗均保持最低的概率较低，因此采取总体能耗最低的策略进行排列，考虑到编队行驶时跟随车所受风阻受领航车的影响，所以匀速行驶时的能耗公式为：
Figure FDA0003385733920000021
式中，下标i表示同一纵队车辆编号，领航车i＝1，领航车后车辆编号依次增加；
EVi为同一纵队第i辆车匀速行驶一定里程所需能量；
Si为同一纵队第i辆车所需行驶里程；
K1、K2为比例系数，与效率和单位换算有关；
m为整车质量；g为重力加速度；f为滚动阻力系数；
CD0为空气阻力系数；CD1、CD2为经验系数；
di为车辆与领航车之间的车间距离；
A为迎风面积；V为行驶车速；
即当
Figure FDA0003385733920000022
时，二次排列采用此种排列顺序进行车辆排列。
4.根据权利要求1所述的一种适用于无人驾驶编队的排列***，其特征在于，所述安全车速范围预估模块采用安全车速预估公式进行不同优先级的安全车速范围预估：
Vmax≥V≥Vmin
式中，Vmax为编队行驶过程中所处路段的最大限速；
Vmin为编队行驶过程中所处路段的最低限速；
该式用于保证编队行驶速度的合法性，所确定的车速值为第一速度阈值V1；
Figure FDA0003385733920000023
式中，下标i表示同一纵队车辆编号，领航车i＝1，领航车后车辆编号依次增加；
EiV为同一纵队第i辆车以车速V匀速行驶至某一能量供应地所需能耗的预估值；
Eimax为同一纵队第i辆车所能提供的最大能耗；
Ez为该车以车速V匀速行驶tz时间所需能耗，z＝1,2,3，tz为***预设值；
t为编队以车速V行驶至某一能量供应地所需时间，t∈(min(tz)，max(tz))；
该式结合车辆排列顺序模块中的匀速能耗公式，可计算满足编队中全部车辆能量需求的最大车速VEmax，用以保证编队行驶速度的合理性，所确定的车速值为第二速度阈值V2；
为保证编队行驶的时效性，车速的大小控制方法采取模糊控制，该模糊控制方法输入为同一目的地车辆中的单一车辆从始发地至目的地所需行驶的全部里程和行驶至目的地的最大规定时间，其模糊子集定义为SL＝{ZE,PO,PS,PM,PB}，即{零、正、正小、正中、正大}，tL＝{ZE,PO,PS,PM,PB}，即{零、正、正小、正中、正大}，输出为最小车速值，其模糊集合定义为VL＝{ZE,PO,PS,PM,PB}，即{零、正、正小、正中、正大}；其中SL为同一目的地车辆中的单一车辆从始发地至目的地所需行驶的里程，tL为同一目的地车辆中的单一车辆行驶至目的地的最大规定时间，VL为最小车速值，由该模糊控制确定的车速为第三速度阈值V3，因为有L个目的地，所以可以确定L个VL，取V3＝max(VL)；
上述速度阈值存在三级优先级，第一速度阈值V1处于第一优先级，无特殊情况时编队行驶速度需时刻满足第一速度阈值V1的速度范围要求，第三速度阈值V3处于第二优先级的前提为行驶车速可满足编队所有车辆均能抵达最近能量补给地点，否则第二速度阈值V2处于第二优先级。
5.根据权利要求1所述的一种适用于无人驾驶编队的排列***，其特征在于，所述安全车距范围预估模块采用安全车距预估公式计算安全车距范围：
Figure FDA0003385733920000031
式中，S为安全车距；V为行驶速度；
A、B为制动系数，与制动器反应时间、信号接收延迟时间和货物类型有关；
t1a、t2a为前车和本车刹车过程中制动减速度从零到最大所需时间；
a1、a2为前车和本车刹车过程中的最大制动减速度；ΔS为停车后所需安全车距；
C为比例系数，与起步时间、货物状态和车辆状态调整有关，可通过模糊控制方法得到合适值；
该模糊控制方法输入为某一车辆车速由零加速至预设车速所需时间和该车辆前车车速由零加速至预设车速所需时间，其模糊子集定义为T1＝{ZE,PO,PS,PM,PB}，即{零、正、正小、正中、正大}，T2＝{ZE,PO,PS,PM,PB}，即{零、正、正小、正中、正大}，输出为比例系数值，其模糊集合定义为C＝{ZE,PO,PS,PM,PB}，即{零、正、正小、正中、正大}；其中T1为某一车辆车速由零加速至预设车速所需时间，T2为该车辆前车车速由零加速至预设车速所需时间。
6.根据权利要求1所述的一种适用于无人驾驶编队的排列***，其特征在于，所述车辆状态监测模块用于将安全车距预估模块和安全车速预估模块的预估结果结合车辆的实时状态做出相应的车辆状态等级判定，按车速和车距情况车辆状态等级可分为四级：
Figure FDA0003385733920000032
P1＝1时
此时Smax≥S≥Smin，V＝Vf，则判断车辆状态安全，无需做出变化，其中Smin为该车所需安全车距下限值，Smax为该车所需安全车距上限值，由安全车距预估模块计算得，Vf为前车车速；
P1＝2时
a)若S>Smax，则判断为车距过大，车辆状态监测模块需传递缩小车距信号，即调高车速减小车距，在达到所需安全车距前缓慢降低车速，保障达到安全车距时前后车辆车速一致；
b)若S<Smin，则判断为车距过小，车辆状态监测模块需传递增大车距信号，即降低车速增大车距，在达到所需安全车距前缓慢增大车速，保障达到安全车距时前后车辆车速一致；
P1＝3时
a)若V>Vf，则判断为车速过大，车辆状态监测模块需传递降低车速信号，车速正常后，再次进行车辆状态判断，若车辆状态处于P1＝1，则判断车辆状态安全，无需二次调整，若车辆状态处于P1＝2，则需进行二次调整；
b)若V<Vf，则判断为车速过小，车辆状态监测模块需传递提高车速信号，车速正常后，再次进行车辆状态判断，若车辆状态处于P1＝1，则判断车辆状态安全，无需二次调整，若车辆状态处于P1＝2，则需进行二次调整；
P1＝4时
a)若V>Vf，S>Smax，则判断为车速过大、车距过大，需缓慢减速，若先达到安全车距，再次进行车辆状态判断，此时车辆状态处于P1＝3，需进行二次调整，若先达到安全车速，再次进行车辆状态判断，此时车辆状态处于P1＝2，需进行二次调整，若同时达到安全车速、安全车距，再次进行车辆状态判断，此时车辆状态处于P1＝1，无需二次调整；
b)若V>Vf，S<Smin，则判断为车速过大、车距过小，需先减速至安全车速，再次进行车辆状态判断，由于减速过程中，车距进一步减小，此时车辆状态P1＝2，需进行二次调整；
c)若V<Vf，S>Smax，则判断为车速过小、车距过大，需先提速至安全车速，再次进行车辆状态判断，由于加速过程中，车距进一步增大，此时车辆状态P1＝2，需进行二次调整；
d)若V<Vf，S<Smin，则判断为车速过小、车距过小，需先提速至安全车速，再次进行车辆状态判断，由于加速过程中，车距进一步增大，此时车辆状态P1＝3，进行二次调整；
若无特殊情况车辆状态调整过程中车速应时刻处于安全车速范围，并按三级优先级进行调速，货物状态应维持在安全状态。
7.根据权利要求1所述的一种适用于无人驾驶编队的排列***，其特征在于，所述货物状态监测模块包括温度传感器、湿度传感器、压力传感器、烟雾传感器，用于监测货物的实时状态，通过状态公式来判断货物状态：
Pf＝w1*|P0-Pc|+w2*|Pl-Pr|+w3*|T-T0|+w4*β+Pρ
式中，Pf为一无量纲值，用以判断货物状态；
w1、w2、w3、w4为权重因数，车辆类型不同或货物类型不同时，权重因数数值将有所变化，可通过神经网络训练得；
P0为货箱底部初始压力；Pc为货箱底部实时压力；
Pl为货箱左侧压力；Pr为货箱右侧压力；
T为货物的实时温度；T0为货物的最佳储存温度；
β为货物本身的易碎程度；Pρ为烟雾状态值；
烟雾传感器用于监测货物是否被引燃，货物状态监测时，Pρ值只存在0和1两种情况，若烟雾传感器监测到烟雾浓度未达到预警值，则Pρ＝0，货物处于安全未燃状态，若烟雾传感器监测到烟雾浓度达到预警值，则Pρ＝1，货物处于危险状态，可通过释放加压非助燃气体及时灭火，若无法及时灭火，该车辆需及时脱离编队，以保证编队其余车辆的安全，车辆脱离后编队需进行编队的动态调整；
当烟雾传感器监测到烟雾浓度未达到预警值时：
(a)0≤Pf≤0.3，此时货物处于安全状态；
(b)0.3≤Pf≤0.6，此时货物处于危险预警状态，需及时进行货物状态调整；
(c)0.6≤Pf≤1，此时货物处于危险状态，需判断车辆是否具有货物状态调整能力，若无货物状态调整能力，车辆需及时脱离编队，车辆脱离后编队需进行编队的动态调整；
当烟雾传感器监测到烟雾浓度达到预警值，此时货物状态调整需结合Pρ＝1和0≤Pf≤1时的三种情况进行同步货物状态调整。
8.根据权利要求1所述的一种适用于无人驾驶编队的排列***，其特征在于，所述旁车状态监测模块，用于监测编队两侧的车辆行驶状态，通过状态公式来判断旁车状态：
Figure FDA0003385733920000041
式中，P2为一无量纲值，用以判断旁车状态；
V旁为旁车速度；V为行驶速度；
S旁为编队与旁车车距；
S安为旁车与编队车辆安全间距，可通过模糊控制方法得到合适值；
该模糊控制方法输入为旁车车速与编队行驶车速的速度差值和与旁车并行车辆的车宽值，其模糊子集定义为ΔV＝{ZE,PO,PS,PM,PB}，即{零、正、正小、正中、正大}，W＝{ZE,PO,PS,PM,PB}，即{零、正、正小、正中、正大}，输出为旁车与编队车辆安全车距，其模糊集合定义为S安＝{ZE,PO,PS,PM,PB}，即{零、正、正小、正中、正大}；其中ΔV为旁车车速与编队行驶车速的速度差值，W为与旁车并行车辆的车宽值；
P2＝1时
旁车处于同编队车辆并行状态，旁车与编队车辆保持安全状态，继续行驶即可；
P2＝2时
旁车处于超车编队车辆状态，旁车与编队车辆保持安全状态，继续行驶即可；
P2＝3时
旁车处于靠近编队状态，旁车过于靠近编队，此时编队应处于预警状态，若旁车此时与领航车并行，且三秒内超车，解除预警状态，若三秒内未超车，编队将转为警告状态，通过灯光以及播放预设警告音频提醒旁车及时调整车距直至处于安全状态；若旁车此时与尾车并行，且三秒内并入编队后方，解除预警状态，若三秒内未并入编队后方，编队将转为警告状态，通过灯光以及播放预设警告音频提醒旁车及时调整车距直至处于安全状态；若旁车此时与编队两侧纵队中间车辆并行，且三秒内未调整车距至安全车距范围，编队将转为警告状态，通过灯光以及播放预设警告音频提醒旁车及时调整车距直至出于安全状态；
P2＝4时
编队旁侧车道无车辆，此时编队可根据道路信息监测模块确定的单纵队车辆数目阈值Xmax和编队纵队数目阈值Ymax进行编队的动态调整。
9.根据权利要求1所述的一种适用于无人驾驶编队的排列***，其特征在于，所述道路信息监测模块包括，用于监测道路实时信息，便于编队遇到突发状况时及时调整行驶速度和行驶方向，并将道路信息发送至道路信息中心，为后续车辆提供最新的道路状况，使得后续车辆可提前做出规避，以降低事故发生率；用于实时监测行驶道路的限速提醒以便于安全车速预估模块及时调整第一速度阈值，以保证编队行驶速度的合法性；用于获取车道信息，车道信息包括当前行驶道路车道数和车辆密集度，当前行驶道路车道数和车辆密集度用来确定单纵队车辆数目阈值Xmax和编队纵队数目阈值Ymax，以便及时调整编队纵队数目，实现编队行驶过程中的编队的动态调整；用于获取红绿灯信息来判断当前车速是否允许编队全部车辆通行，当前车速下剩余绿灯时间不足以支持编队全部车辆以当前编队形式通过当前道路口时，若当前道路口为网联可控式红绿灯可适当延长绿灯时间以保障编队全部车辆一次性通过，若当前道路口为非网联可控式红绿灯，可通过编队的动态调整和提高车速的方法以保障编队全部车辆一次性通过。
CN202111450551.4A 2021-11-30 2021-11-30 一种适用于无人驾驶编队的排列*** Active CN114153209B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111450551.4A CN114153209B (zh) 2021-11-30 2021-11-30 一种适用于无人驾驶编队的排列***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111450551.4A CN114153209B (zh) 2021-11-30 2021-11-30 一种适用于无人驾驶编队的排列***

Publications (2)

Publication Number Publication Date
CN114153209A true CN114153209A (zh) 2022-03-08
CN114153209B CN114153209B (zh) 2024-02-02

Family

ID=80455157

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111450551.4A Active CN114153209B (zh) 2021-11-30 2021-11-30 一种适用于无人驾驶编队的排列***

Country Status (1)

Country Link
CN (1) CN114153209B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106919173A (zh) * 2017-04-06 2017-07-04 吉林大学 一种基于重型车辆编队的制动集成控制方法
DE102017001878A1 (de) * 2016-03-14 2017-09-14 Scania Cv Ab Verfahren und Steuereinheit in einer Gruppe von koordinierten Fahrzeugen
CN107248276A (zh) * 2017-07-26 2017-10-13 北方工业大学 一种基于车路协同的智能网联汽车编队控制方法及装置
US20200073408A1 (en) * 2018-09-03 2020-03-05 Hyundai Motor Company Platooning controller, system including the same, and method thereof
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***
CN113093764A (zh) * 2021-04-14 2021-07-09 吉林大学 一种基于商用车和乘用车混合编队控制方法
CN113110162A (zh) * 2021-04-12 2021-07-13 吉林大学 一种无人纯电动集装箱运输卡车的驾驶***
CN113570845A (zh) * 2021-07-23 2021-10-29 东风汽车集团股份有限公司 一种网联式车辆编队行驶方法和***

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017001878A1 (de) * 2016-03-14 2017-09-14 Scania Cv Ab Verfahren und Steuereinheit in einer Gruppe von koordinierten Fahrzeugen
CN106919173A (zh) * 2017-04-06 2017-07-04 吉林大学 一种基于重型车辆编队的制动集成控制方法
CN107248276A (zh) * 2017-07-26 2017-10-13 北方工业大学 一种基于车路协同的智能网联汽车编队控制方法及装置
US20200073408A1 (en) * 2018-09-03 2020-03-05 Hyundai Motor Company Platooning controller, system including the same, and method thereof
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***
CN113110162A (zh) * 2021-04-12 2021-07-13 吉林大学 一种无人纯电动集装箱运输卡车的驾驶***
CN113093764A (zh) * 2021-04-14 2021-07-09 吉林大学 一种基于商用车和乘用车混合编队控制方法
CN113570845A (zh) * 2021-07-23 2021-10-29 东风汽车集团股份有限公司 一种网联式车辆编队行驶方法和***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
宗长富;郑宏宇;田承伟;徐颖;: "线控转向稳态增益与动态反馈校正控制算法", 汽车工程, no. 08, pages 56 - 61 *
田大新;康璐: "基于鱼群效应的无人驾驶车辆编队算法研究", 无人***技术, no. 004, pages 62 - 67 *

Also Published As

Publication number Publication date
CN114153209B (zh) 2024-02-02

Similar Documents

Publication Publication Date Title
CN107393314B (zh) 针对燃料效率的交通信号灯控制
CN108447266B (zh) 一种智能网联汽车协同换道入队控制方法
CN110930697B (zh) 一种基于规则的智能网联车辆协同汇入控制方法
CN108877256A (zh) 基于无线通信的交叉口附近分散协同自适应巡航控制方法
KR101684585B1 (ko) 차량의 종가속도 조절 장치 및 방법
CN113753026B (zh) 一种考虑路面附着条件的大型营运车辆防侧翻决策方法
CN109270938B (zh) 一种矿用车方阵编队控制***
CN103718220A (zh) 交通控制***、车辆控制***、交通管理***及交通控制方法
CN110435655B (zh) 一种考虑再生制动的电动汽车车队自适应巡航优化方法
CN113788021A (zh) 一种结合前车速度预测的自适应跟车巡航控制方法
CN103886127B (zh) 载运工具跟驰关系的确定与行为调整实施方法
CN112530201B (zh) 一种智能车交叉口右转换道间隙选择方法及装置
WO2021197247A1 (zh) 一种基于加速度变化率优化的驾驶主动干预***及方法
CN115376346A (zh) 混行条件下快速路合流区多模式驾驶车辆协同交汇方法
CN113071490A (zh) 一种高速公路卡车编队***
Zheng et al. Research on control target of truck platoon based on maximizing fuel saving rate
CN102063791A (zh) 一种信号控制与定位监控相结合的公交车辆行车控制方法
Kaku et al. Model predictive control for ecological vehicle synchronized driving considering varying aerodynamic drag and road shape information
CN114153209A (zh) 一种适用于无人驾驶编队的排列***
CN113408214A (zh) 油耗与排放一体化优化的商用车队列合并方法
EP3508392B1 (en) Control system for a vehicle and method of operating a vehicle
CN107067785A (zh) 堵车路段经济车速匹配***及控制方法
CN114489067B (zh) 智能网联车辆队列协同驾驶模型预测控制方法
CN115131959B (zh) 车辆队列防追尾主动避撞协同控制方法
CN113093764B (zh) 一种基于商用车和乘用车混合编队控制方法

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