CN114783175B - 基于伪谱法的多信号灯路况下网联车辆节能驾驶控制方法 - Google Patents

Abstract

本发明公开了一种基于伪谱法的多信号灯路况下网联车辆节能驾驶控制方法，涉及智能交通技术领域，解决了车速规划不够经济且控制方法效率不高的技术问题，其技术方案要点是基于伪谱法规划车辆在多信号灯路口下的经济性行驶速度，可以减少车辆在信号灯路口的不必要启停，从而提升车辆的经济性、舒适性与交通效率。伪谱法规划的速度能达到与动态规划方法相似的能量节省率，且伪谱法的求解时间远远小于动态规划方法。

Description

基于伪谱法的多信号灯路况下网联车辆节能驾驶控制方法

技术领域

本申请涉及智能交通技术领域，具体涉及智能网联车辆经济性驾驶控制技术，尤其涉及一种基于伪谱法的多信号灯路况下网联车辆节能驾驶控制方法。

背景技术

鉴于交通带来的气候变化与环境污染问题，各国面临着减少与燃料燃烧有关的温室气体排放的巨大压力，大多数主要的汽车市场都制定了尾气排放二氧化碳的限制。联网和自动驾驶汽车在提高交通效率、安全性和环境可持续性方面具有巨大潜力，在提升交通流稳定性、减少车辆的不必要变速与启停的同时，也提高了行驶经济性。

城市路网下，信号灯是车辆与行人安全的重要保障。随着物联网(IoT)技术的发展，交通设施可以将信息实时共享。对于智能网联车辆而言，其优势在于可以与其他车辆和路侧基础设施进行无线通信，以获取道路坡度、信号灯相位与时间、交通拥堵状况等信息，并且其所在交通环境具有动态多变的特性，因此，减少频繁启停与利用道路信息对行驶速度进行优化的效果更为显著。此外，其所在的动态交通环境中的非自动驾驶车辆和行人等因素使得车辆可能偏离规划所得的速度曲线，而传统的智能网联车辆速度规划策略受限于速度规划算法的计算效率，无法对已有的驾驶策略进行调整以满足经济性与舒适性最优。因此，综合考虑智能网联车辆安全性、舒适性、经济性等目标，开发能够适应多信号灯路况的实时速度规划与控制算法是一个亟待解决的问题。

发明内容

本申请提供了一种基于伪谱法的多信号灯路况下网联车辆节能驾驶控制方法，其技术目的是解决经济性车速规划与控制方法受限于算法效率的问题。

本申请的上述技术目的是通过以下技术方案得以实现的：

一种基于伪谱法的多信号灯路况下网联车辆节能驾驶控制方法，包括：

S1：获取道路坡度角、信号灯相位、初始时间t₀和车辆状态；其中，所述车辆状态包括当前车辆的初始速度v₀和初始位置s₀；

S2：建立包含目标函数与约束条件的最优控制模型；其中，所述最优控制模型的优化目标为电机耗能，约束条件包括车辆纵向动力学模型、电机输出扭矩T_m、道路限速、目标时间t_f和目标距离s_f；t_f亦即绿灯窗口的中间时间，s_f亦即表示信号灯路口位置；

S3：通过伪谱法对所述最优控制模型进行转化，得到离散的非线性最优控制问题；

S4：通过序列二次规划方法对所述非线性最优控制问题进行求解，得到规划速度轨迹；

S5：将车辆的实际速度轨迹与规划速度轨迹进行对比，得到实际速度轨迹与规划速度轨迹的误差，根据误差判断车辆是否偏离规划速度轨迹；若误差超过预设范围，则车辆偏离规划速度轨迹，继续执行步骤S1至S4，对车辆行驶速度轨迹进行重新规划，直至实际速度轨迹与规划速度轨迹的误差在预设范围之内。

本申请的有益效果在于：本申请基于伪谱法规划车辆在多信号灯路口下的经济性行驶速度，可以减少车辆在信号灯路口的不必要启停，从而提升车辆的经济性、舒适性与交通效率。在实际应用中本申请可与其他速度规划算法协同规划，以平衡算法求解时的实时性与经济性。通过仿真发现，基于伪谱法与动态规划方法对同一路段进行速度规划，与固定速度巡航相比分别节省11.39％和11.56％的电能，因此基于伪谱法规划的速度能达到与动态规划方法相似的能量节省率，而伪谱法的求解时间远远小于动态规划方法。

且该伪谱法不仅适用于平直道路，也可以适用于包含坡度信息和弯道的道路。道路的坡度信息反映在车辆的非线性动力学模型约束当中；弯道的安全性与舒适性约束可以转化为速度约束反映在速度序列的约束当中。

同时，本申请的速度规划算法可以适应复杂的交通环境。在动态交通环境中车辆可能被行人或其他车辆干扰而偏离原有的速度轨迹，通过对比车辆实际速度轨迹与规划速度轨迹的误差，当误差过大时，车辆无法按照原有速度顺利通过信号灯路口，则进行速度重规划。

附图说明

图1为本申请所述节能驾驶控制方法的流程图；

图2为本申请所述伪谱法求解的流程图；

图3中(a)为本申请仿真试验工况示意图，(b)为规划的速度轨迹和固定速度方法规划的速度轨迹的对比示意图；

图4为采用本申请与固定速度方法规划所得的转矩变化对比示意图；

图5为采用本申请与固定速度方法规划所得的能耗变化对比示意图。

具体实施方式

下面将结合附图对本申请技术方案进行详细说明。

图1为本申请所述节能驾驶控制方法的流程图，如图1所示，基于伪谱法的多信号灯路况下网联车辆节能驾驶控制方法包括：

S1：获取道路坡度角、信号灯相位、初始时间t₀和车辆状态；其中，所述车辆状态包括当前车辆的初始速度v₀和初始位置s₀。

S2：建立包含目标函数与约束条件的最优控制模型；其中，所述最优控制模型的优化目标为电机耗能，约束条件包括车辆纵向动力学模型、电机输出扭矩T_m、道路限速、目标时间t_f和目标距离s_f。

t_f亦即绿灯窗口的中间时间，也就是将绿灯窗口的中间时间t_f作为车辆到达信号灯路口的目标时间约束。s_f亦即表示信号灯路口位置，也就是将信号灯路口位置s_f作为目标距离约束。

S3：通过伪谱法对所述最优控制模型进行转化，得到离散的非线性最优控制问题。

S4：通过序列二次规划方法对所述非线性最优控制问题进行求解，得到规划速度轨迹。

S5：将车辆的实际速度轨迹与规划速度轨迹进行对比，得到实际速度轨迹与规划速度轨迹的误差，根据误差判断车辆是否偏离规划速度轨迹；若误差超过预设范围，则车辆偏离规划速度轨迹，继续执行步骤S1至S4，对车辆行驶速度轨迹进行重新规划，直至实际速度轨迹与规划速度轨迹的误差在预设范围之内。

进一步地，步骤S5中，若误差在预设范围之内，则车辆未偏离规划速度轨迹，判断车辆是否进入下一个信号灯路段，若是则继续执行步骤S1-S5，若否则判断车辆是否达到终点，到达终点则结束控制，未到终点则回到步骤S5判断车辆是否偏离规划速度轨迹。

步骤S2中，最优控制模型的建立过程如下：

首先取车辆行驶距离s和行驶速度v作为状态变量，取电机输出扭矩T_m作为控制变量，然后根据电动车辆动力***与行驶工况建立二自由度的车辆纵向动力学模型，则该车辆纵向动力学模型表示为：

其中，t表示行驶时间，M表示整车质量，R_t表示轮胎半径，ρ表示空气密度，C_d表示气动阻力系数，A_F表示车辆的迎风面积,f_r表示滚阻系数,g表示重力加速度，θ表示道路坡度角，F_R表示行驶阻力。

电动车辆采用4个轮毂电机驱动，每个轮毂电机可根据当前输出转矩与转速计算效率，得到电机的功率模型表示为：

其中，P_m表示电机功率，ω_m表示电机转速，η_m表示电机输出转矩T_m作为驱动转矩时的效率，η_e表示电机输出转矩T_m作为制动转矩时的效率。

为保证车辆行驶过程中的安全性，需要考虑道路限速与电机输出扭矩T_m的约束，表示为：

v_min≤v≤v_max, (i＝1,2,...,N)； (3)

T_min≤T_m≤T_max, (i＝1,2,...,N)； (4)

最优控制模型的优化目标为能耗最优，则目标函数表示为：

根据式(1)至式(5)建立的最优控制模型表示为：

为保证车辆在信号灯路口通过，选择信号灯绿灯窗口的中间时间作为车辆在该路段的目标时间，即：

其中，t_r2g表示红灯到绿灯的转换时刻，t_g2r表示同一个周期内绿灯到红灯的转换时刻。

步骤3为基于Legendre伪谱法将以上最优控制模型转化为离散的非线性规划问题，具体转化过程如图2所示，包括：

S31：根据Legendre伪谱法定义的离散区间[-1,1]，将规划区间的时间[t₀,t_f]转换到与离散区间相同的区间内，则转换关系表示为：

其中，t₀表示初始时间。

S32：根据Legendre伪谱法得到N个配点τ_i，则对最优控制模型中的状态变量和控制变量进行离散得到：

其中，i＝1,2,…,N。

S33：状态变量和控制变量得到N个插值点后，使用拉格朗日插值多项式逼近状态变量和控制变量，然后状态变量和控制变量分别表示为：

其中，L_i(τ)表示N阶拉格朗日插值基函数，定义为：

S34：根据式(10)对行驶距离s和行驶速度v的近似状态方程求微分得到：

其中，D_i(τ_k)表示伪谱微分矩阵，表示为：

其中，P_N表示N阶勒让德多项式。

S35：根据式(12)对式(1)进行转换得到转换后的非线性最优控制问题的等式约束：

其中，V_k表示离散后的车辆速度，T_k表示离散后的电机扭矩。

S36：将式(5)中目标函数的积分项通过Gauss-Lobatto积分方法进行转化得到：

其中，S_k表示离散后的车辆位置；ω_k表示积分权重，且：

S37：根据S31至S36将所述最优控制模型转化为离散的非线性最优控制问题，表示为：

通过序列二次规划方法对式(17)进行求解得到表示规划速度轨迹的速度序列(V₁,V₂,...,V_N)，根据该速度序列(V₁,V₂,...,V_N)得到实际速度轨迹和规划速度轨迹的行驶时间误差Δt，该误差Δt表示为：

Δt＝|t_i-t|； (18)

当

时，即当误差超过绿灯窗口范围，对车辆行驶速度轨迹进行重新规划，由此保证车辆不停车通过信号灯路口。其中，t_i表示所述规划速度轨迹中第i个位置对应的时刻，t表示车辆行驶的当前时刻。

以下通过仿真试验对上述实施例的节能驾驶控制方法加以验证，选择从真实交通环境中采集的带有坡度信息的2000m道路，其中第一个信号灯位于道路800m处，第二个信号灯位于1600m处，每一个信号灯周期由20s红灯和30s绿灯组成，整个路段限速区间为[5,40]km/h。

车辆从0时刻出发，初速度v₀＝15km/h，终端速度约束为[15,20]km/h。按照本申请的节能驾驶控制方法，首先将道路分为三段，分别为：起点到第一个信号灯路口、第一个信号灯路口到第二个信号灯路口、第二个信号灯路口到终点。如图3所示，分别针对三段道路进行经济性速度规划，并确保车辆在绿灯窗口时间。按照图1的节能控制逻辑，在车辆出发时，建立最优控制模型，基于伪谱法规划经济性速度轨迹，规划整个路段的速度轨迹，使车辆可以在绿灯窗口通过信号灯路口；车辆在跟踪过程中实时监测车辆跟踪速度轨迹的偏差，如果误差过大，与原有的时间偏差超过绿灯窗口的一半时间，即时间偏差超过15s，则视为车辆偏离规划轨迹，则对后续路段进行重新规划；然后检测车辆是否进入下一个信号灯路段，如果车辆还在当前信号灯路段，则继续跟踪已有的经济性速度轨迹，否则对下一个信号灯路段进行规划。

基于伪谱法的速度规划算法对三段路程的求解时间分别为1.3s,0.4s,0.1s，总规划时间为1.8s，而采用具有全局最优特性的动态规划对相同的路段进行速度轨迹规划需要27.9s。因此，基于伪谱法的节能驾驶控制方法的求解时间仅为动态规划的6.5％，具有较好的实时性，可以根据道路情况对已有的速度轨迹实时更新。

考虑到动态交通环境中，智能网联车辆会因为其他社会车辆、行人等因素偏离原有的速度轨迹，导致无法安装好原有的速度轨迹到达信号灯路口，因此当实际行驶时间与所规划的行驶时间偏差过大时车辆再对后续路段的速度轨迹进行重新规划。假设车辆在200m处遇到行人干扰而被迫减速，使用伪谱法对后续路段进行重新规划，得到的结果如图3、图4、图5所示。仿真结果表明，经过重新规划，车辆可以在绿灯窗口通过第一个和第二个信号灯路口，实现不停车到达道路终点，同时提高交通效率。与固定速度巡航相比，基于伪谱法的多信号灯路况下网联车辆节能驾驶控制方法能够实现9.91％的能耗节省率。

用于实施上述实施例的网联车辆节能驾驶控制方法的控制***包括V2X通讯设备、网联车辆、车载定位设备、车载控制器；所述V2X通信设备与所述车载定位设备用于获取车辆前方道路坡度信息、信号灯相位及时间信息用于车载控制器的速度规划求解；所述车载控制器根据获取的车辆道路信息利用所述节能驾驶控制方法，规划当前车辆所处信号灯路段的经济性速度，为网联车辆提供参考速度轨迹；所述网联车辆根据所述经济性速度轨迹行驶通过前方信号灯路口，直至到达终点。

本申请使用伪谱法规划车辆在多信号灯工况下的经济性速度，使得车辆可以避免在信号灯路口的启停，并减少能耗。得益于算法较好的实时性，车辆可以在受到其他交通参与者干扰的情况下对已有的速度轨迹进行实时更新，从而保障车辆在多信号灯工况下经济性。

以上为本申请示范性实施例，本申请的保护范围由权利要求书及其等效物限定。

Claims (1)

1.一种基于伪谱法的多信号灯路况下网联车辆节能驾驶控制方法，其特征在于，包括：

S1：获取道路坡度角、信号灯相位、初始时间t₀和车辆状态；其中，所述车辆状态包括当前车辆的初始速度v₀和初始位置s₀；

S2：建立包含目标函数与约束条件的最优控制模型；其中，所述最优控制模型的优化目标为电机耗能，约束条件包括车辆纵向动力学模型、电机输出扭矩T_m、道路限速、目标时间t_f和目标距离s_f；t_f亦即绿灯窗口的中间时间，s_f亦即表示信号灯路口位置；

其中，取车辆行驶距离s和行驶速度v作为状态变量，取电机输出扭矩T_m作为控制变量，然后根据电动车辆动力***与行驶工况建立车辆纵向动力学模型，则该车辆纵向动力学模型表示为：

其中，t表示行驶时间，M表示整车质量，R_t表示轮胎半径，ρ表示空气密度，C_d表示气动阻力系数，A_F表示车辆的迎风面积,f_r表示滚阻系数,g表示重力加速度，θ表示道路坡度角，F_R表示行驶阻力；

根据电动车辆每个轮毂电机的当前输出矩阵和转速计算效率，得到电机的功率模型表示为：

其中，P_m表示电机功率，ω_m表示电机转速，η_m表示电机输出转矩T_m作为驱动转矩时的效率，η_e表示电机输出转矩T_m作为制动转矩时的效率；

道路限速的约束条件表示为：v_min≤v≤v_max； (3)

电机输出扭矩T_m的约束条件表示为：T_min≤T_m≤T_max； (4)

其中，v_min表示最小道路限度，v_max表示最大道路限速；T_min表示最小电机输出扭矩，T_max表示最大电机输出扭矩；

所述最优控制模型的优化目标是电机耗能，则目标函数表示为：

根据式(1)至式(5)建立的最优控制模型表示为：

其中，N表示配点数量；

其中，t_r2g表示红灯到绿灯的转换时刻，t_g2r表示同一个周期内绿灯到红灯的转换时刻；

S3：通过伪谱法对所述最优控制模型进行转化，得到离散的非线性最优控制问题，包括：

S31：根据伪谱法定义的离散区间[-1,1]，将规划区间的时间[t₀,t_f]转换到与离散区间相同的区间内，则转换关系表示为：

其中，t₀表示初始时间；

S32：根据伪谱法得到N个配点τ_i，则对所述最优控制模型中的状态变量和控制变量进行离散得到：

其中，S_i表示配点τ_i处的位置；V_i表示配点τ_i处的速度；T_i表示配点τ_i处的电机输出扭矩；i＝1,2,...,N；

S33：状态变量和控制变量得到N个插值点后，使用拉格朗日插值多项式逼近状态变量和控制变量，然后状态变量和控制变量分别表示为：

其中，L_i(τ)表示N阶拉格朗日插值基函数，定义为：

S34：根据式(10)对行驶距离s和行驶速度v的近似状态方程求微分得到：

其中，D_i(τ_k)表示伪谱微分矩阵，表示为：

其中，P_N表示N阶勒让德多项式；

S35：根据式(12)对式(1)进行转换得到：

其中，V_k表示离散后的车辆速度，T_k表示离散后的电机扭矩；

S36：将式(5)中目标函数的积分项通过Gauss-Lobatto积分方法进行转化得到：

其中，S_k表示离散后的车辆位置；ω_k表示积分权重，且：

S37：根据S31至S36将所述最优控制模型转化为离散的非线性最优控制问题，表示为：

S4：通过序列二次规划方法对所述非线性最优控制问题进行求解，得到规划速度轨迹；其中，表示规划速度轨迹的速度序列为(V₁,V₂,...,V_N)；

S5：将车辆的实际速度轨迹与规划速度轨迹进行对比，得到实际速度轨迹与规划速度轨迹的误差，根据误差判断车辆是否偏离规划速度轨迹；若误差超过预设范围，则车辆偏离规划速度轨迹，继续执行步骤S1至S4，对车辆行驶速度轨迹进行重新规划，直至实际速度轨迹与规划速度轨迹的误差在预设范围之内；若误差在预设范围之内，则车辆未偏离规划速度轨迹，判断车辆是否进入下一个信号灯路段，若是则继续执行步骤S1-S5，若否则判断车辆是否达到终点，到达终点则结束控制，未到终点则回到步骤S5判断车辆是否偏离规划速度轨迹；

其中，根据该速度序列(V₁,V₂,...,V_N)得到实际速度轨迹和规划速度轨迹的行驶时间误差Δt，该误差Δt表示为：

Δt＝|t_i-t|； (18)

当

时，对车辆行驶速度轨迹进行重新规划；

其中，t_i表示所述规划速度轨迹中第i个位置对应的时刻，t表示车辆行驶的当前时刻。

Images