CN114937360B - 一种智能网联汽车队列信号交叉口通行引导方法 - Google Patents

Abstract

本发明涉及一种智能网联汽车队列信号交叉口通行引导方法。该方法主要包括：获取路***通信号灯的相位配时信息及控制区域内待行车辆队列信息；对智能网联汽车进行队列划分；确定车辆队列能够顺利通过信号交叉口的允许时间范围；构建车辆队列行驶轨迹车速集；以车辆队列能耗最优为目标，对车辆队列行驶轨迹车速进行优化。该方法考虑到信号灯智能化程度低的实际情况，利用现有技术条件，有效提升路口通行效率，改善车辆节能效果，为智慧交通中车辆安全、节能、高效控制提供了有效可靠的解决方案。

Description

一种智能网联汽车队列信号交叉口通行引导方法

技术领域

本发明涉及一种智能网联汽车队列信号交叉口通行引导方法技术，属于智能网联车辆队列经济性驾驶技术领域。

背景技术

随着我国汽车保有量的逐年递增，能源消耗、交通拥堵、道路事故等问题日趋严重。而信号交叉口作为道路路网中不可或缺的重要组成部分，对于提升道路交通***通行能力、运输效率及安全等方面具有积极意义。但与此同时，车辆在信号交叉口的启停行为会加剧汽车的燃油消耗和污染物排放，导致路口堵塞，影响通行效率。

近年来，随着车联网技术的发展，车辆能够通过先进的通信技术(如V2V和V2I)彼此共享信息和感知本地环境。在这种情况下，所有的网联自动化车辆可以利用通信和自动控制技术进行队列。与一对传统的人类驾驶的车辆相比，队列中的连续车辆时空距离要小得多，这就给网联自动化车辆在提高道路通行效率和安全方面提供了巨大潜能；另外，也有相关研究表明，车辆队列化对于减少能耗同样有显著影响。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提出了一种智能网联汽车队列信号交叉口通行引导方法，对有效降低车辆队列在信号交叉口的能耗以及提高通行效率提供了一种解决方案。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：一种智能网联汽车队列信号交叉口通行引导方法，包括：

获取路***通信号灯的相位配时信息及控制区域内待行车辆队列信息，其中控制区域内待行车辆队列信息包括控制区域内待行车辆数目信息、车辆速度信息与车辆位置信息；

利用所获取的路***通信号灯的相位配时信息和控制区域内待行车辆数目信息、车辆速度信息与车辆位置信息，对控制区域内的智能网联车辆进行队列划分；

确定车辆队列能够顺利通过信号交叉口的允许时间范围；

分析并构建车辆队列中领航车和跟随车的行驶轨迹车速集；

以车辆队列能耗最小为目标，利用动态规划算法对车辆队列行驶轨迹车速进行优化。

优选的，控制区域内车辆数量信息由安装在信号灯路口的摄像头获得，路***通信号灯的相位配时信息由路侧设备获得，车辆位置信息由车载GPS获得，车辆速度通过轮速传感器获得，车辆数目信息与路***通信号灯的相位配时信息利用V2I技术传至车载终端，车速则采用CAN总线直接传输至车载终端

优选的，所述对控制区域内的智能网联车辆进行队列划分具体包括：

选取车头时距与车辆速度两个变量作为参考，同一队列中的车辆需满足以下约束：

其中，H_j表示同一车辆队列中第j与第j-1辆车之间的车头时距；A_j表示同一车辆队列中第j与第j-1辆车的相对速度误差；H_base与A_base为常数，分别表示事先确定的相邻车辆之间的标准车头时距与相对速度误差；S_j表示第j辆车与下游信号交叉口停车线之间的距离；v_j表示第j辆车的速度

优选的，所述确定车辆队列能够顺利通过信号交叉口的允许时间范围包括：

车辆队列通过信号交叉口的最短时间T_S为：

车辆队列通过信号交叉口的最短时间T_L为：

车辆进入控制引导区域时信号灯为红灯，则t_rea值为负值，t_rea绝对值等于红色剩余时间；

其中，t_n-1表示下游车辆通过信号交叉口的时间；t_safe表示保证车辆队列行驶安全的最小时间间隔；t_rea表示车辆队列进入引导控制区域时绿灯剩余时间；X表示引导控制区域边界与路口停车线之间的距离；R表示标准红灯持续时间；G表示绿灯持续时间。

优选的，所述分析并构建车辆队列中领航车和跟随车的行驶轨迹车速集包括：

v_min×T_S≥X，车辆队列得以任意速度行驶通过信号交叉路口；

v_max×T_L≤X，说明车辆队列不得以任意速度行驶通过当前信号交叉路口，此时车辆编队通过信号交叉口的最短和最长时间需更新到下一个绿灯间隔的起止时间；

v_min×T_S≤X≤v_max×T_L，车辆队列得以速度v∈[v_cri,v_max]行驶通过信号交叉口；

其中，v_max与v_min为车辆队列所允许的最大行驶速度和最小行驶速度；v_cri为最小临界速度，且

优选的，所述车车辆队列可以保持现有速度顺利通过信号交叉口的条件包括：

其中，v₀表示车辆队列进入控制引导区域时领航车的初始速度；N表示车辆队列中的车辆数目；

所述领航车的行驶轨迹分为0-T_Si和T_Si-T_Li(i＝2,3)两个阶段：

在0-T_Si阶段，领航车的行驶轨迹车速满足约束：

在T_Si-T_Li(i＝2,3)阶段，领航车的行驶轨迹车速满足约束(2)：

其中，d_min和a_max是使领航车平稳减速和加速的最小减速率和最大加速率；a₁和a₂分别是0-T_Si和T_Si-T_Li(i＝2,3)两个阶段的加速/减速率；T₁和T₂分别是0-T_Si和T_Si-T_Li(i＝2,3)两个阶段的加速/减速时间；v₁和v₂分别是领航车在0-T_Si和T_Si-T_Li(i＝2,3)两个阶段的末速度；S₁为领航车在0-T_Si阶段行驶的距离；

相同绿灯间隔内车辆队列中跟随车得以顺利通过信号交叉口的数目由以下约束获得：

若

没有解，则说明车辆队列中所有跟随车能在相同绿灯间隔期间通过信号交叉口；若

有解，则说明车辆队列中前K+1辆车可以通过信号交叉口，后N-K-1辆车被划分为第二个车辆队列，在下一绿灯间隔期间通过信号交叉口，且第K+2辆为第二个车辆队列的领航车，重复上述过程。

优选的，所述以车辆队列能耗最小为目标，利用动态规划算法对车辆队列行驶轨迹车速进行优化包括：

采用质点模型描述车辆纵向动力学模型：

其中，g为重力加速度，m为汽车质量，f为摩擦阻力系数，k为动态规划算法迭代步数，θ(k)为动态规划算法迭代到第k步时道路坡度，C_D为空气阻力系数，ρ为空气密度，d为行驶距离，δ为汽车转动惯量换算系数，F为牵引力，v(k)为动态规划算法迭代到第k步时汽车行驶速度，x(k)＝[d v]^T表示动态规划算法迭代到第k步时车辆状态量，x(k+1)为动态规划算法迭代到第k+1步时的是车辆状态量的微分；

车辆能耗模型为：

其中，

为车辆动态规划算法迭代到第k步时车辆瞬时油耗率，a₀、a₁、a₂、a₃，β₀，β₁，β₂为车辆油耗系数；a(k)为动态规划算法迭代到第k步时的车辆加速度；

优化问题为：

满足条件为：

x(0)＝[v_s，0]

v(k)∈[v_min，v_max]

u(k)∈[F_b(k)，F_d(k)]

其中，J为车辆能耗，u为优化问题控制量，vs为初始车速，vp为终端车速，vmin为最小车速，vmax为最大车速，Q为优化问题长度，Fd为最大驱动力，Fb为最大制动力，Δt为离散时间间隔，X为领航车距离路口停车线的距离；

定义动态规划算法终端代价函数为：

其中，arg min()表示取最小值时控制量和状态量函数；

定义动态规划逆向迭代代价函数为：

通过求解上述方程，即可获得满足控制要求的每辆车的能耗最优车速

取均值可得到整个车辆队列的能耗最优速度，即:

当车辆队列以速度v＝v_opt通过信号交叉口时，可使行驶消耗能耗最小。

(三)有益效果

本发明一种智能网联汽车队列信号交叉口通行引导方法，能够有效减少车辆在信号交叉口因启停运动、路口延时、拥堵等因素产生的能量损失，提高路口通行效率；本发明考虑采用目前较先进的车联网技术(V2I、V2V)，相较于传统汽车，其在信息共享以及环境感知方面有着更优越的性能。

附图说明

图1是本发明车辆队列信号交叉口通行引导方法流程图；

图2是本发明信号交叉口示意图。

具体实施方式

下面将结合本发明的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例

如图1-2所示，本发明实施例提供一种智能网联汽车队列信号交叉口通行引导方法，包括：

交通与车辆信息获取

控制区域内车辆数量由安装在信号灯路口的摄像头获得，信号灯相位配时信息由路侧设备(RSU)获得，车辆位置信息由车载GPS获得，车辆行驶速度通过轮速传感器获得，车辆数目信息与信号灯相位配时信息利用V2I技术传至车载终端，车速则采用CAN总线直接传输至车载终端。

对控制区域内的智能网联车辆进行队列划分

选取车头时距与车速两个变量作为参考，同一队列中的车辆需满足以下约束：

式中，H_j表示同一车辆队列中第j与第j-1辆车之间的车头时距；A_j表示同一车辆队列中第j与第j-1辆车的相对速度误差；H_base与A_base为常数，分别表示事先确定的相邻车辆之间的标准车头时距与相对速度误差；S_j表示第j辆车与下游信号交叉口停车线之间的距离；v_j表示第j辆车的速度。

确定车辆队列能够顺利通过信号交叉口的允许时间范围

设t_n-1表示下游车辆通过信号交叉口的时间；t_safe表示保证车辆队列行驶安全的最小时间间隔；t_rea表示车辆队列进入引导控制区域时绿灯剩余时间；X表示引导控制区域边界与路口停车线之间的距离；R表示标准红灯持续时间；G表示绿灯持续时间；

则车辆队列通过信号交叉口的最短时间T_S有以下情况：

车辆队列通过信号交叉口的最短时间T_L有以下情况：

特别地，如果车辆进入控制引导区域时信号灯为红灯，则t_rea值为负值，其绝对值等于红色剩余时间。

构建领航车和跟随车的行驶轨迹车速集

对于车辆队列中的领航车，有以下三种情况：

若v_min×T_S≥X，说明车辆队列可以任意速度行驶通过信号交叉路口；

若v_max×T_L≤X，说明车辆队列以任意速度都不能行驶通过当前信号交叉路口，此时车辆编队通过信号交叉口的最短和最长时间需更新到下一个绿灯间隔的起止时间，例如T_S2＝T_L+R,T_L2＝T_L+R+G；

若v_min×T_S≤X≤v_max×T_L，说明车辆队列可以速度v∈[v_cri,v_max]行驶通过信号交叉口。

其中，v_max与v_min为车辆队列所允许的最大行驶速度和最小行驶速度；v_cri为最小临界速度，且

特别地，若车辆队列满足下列条件：

则车辆队列可以保持现有速度顺利通过信号交叉口，不需要车速引导。

其中，v₀表示车辆队列进入控制引导区域时领航车的初始速度；N表示车辆队列中的车辆数目。

领航车的行驶轨迹分为0-T_Si和T_Si-T_Li(i＝2,3)两个阶段；

在0-T_Si阶段，领航车的行驶轨迹车速满足约束(1)：

在T_Si-T_Li(i＝2,3)阶段，领航车的行驶轨迹车速满足约束(2)：

其中，d_min和a_max是使领航车平稳减速和加速的最小减速率和最大加速率；a₁和a₂分别是0-T_Si和T_Si-T_Li(i＝2,3)两个阶段的加速/减速率；T₁和T₂分别是0-T_Si和T_Si-T_Li(i＝2,3)两个阶段的加速/减速时间；v₁和v₂分别是领航车在0-T_Si和T_Si-T_Li(i＝2,3)两个阶段的末速度；S₁为领航车在0-T_Si阶段行驶的距离。

相同绿灯间隔内车辆队列中跟随车能够顺利通过信号交叉口的数目可以由以下约束(3)获得：

若约束(3)没有解，则说明车辆队列中所有跟随车能在相同绿灯间隔期间通过信号交叉口；若约束(3)有解，则说明车辆队列中前K+1辆车可以通过信号交叉口，后N-K-1辆车被划分为第二个车辆队列，在下一绿灯间隔期间通过信号交叉口，且第K+2辆为第二个车辆队列的领航车，重复上述过程。

以车辆队列能耗最优为目标，利用动态规划算法对车辆队列行驶轨迹车速进行优化

采用质点模型描述车辆纵向动力学模型：

其中，g为重力加速度，m为汽车质量，f为摩擦阻力系数，k为动态规划算法迭代步数，θ(k)为动态规划算法迭代到第k步时道路坡度，C_D为空气阻力系数，ρ为空气密度，d为行驶距离，δ为汽车转动惯量换算系数，F为牵引力，v(k)为动态规划算法迭代到第k步时汽车行驶速度，x(k)＝[d v]^T表示动态规划算法迭代到第k步时车辆状态量，x(k+1)为动态规划算法迭代到第k+1步时的是车辆状态量的微分；

车辆能耗模型为：

其中，

为车辆动态规划算法迭代到第k步时车辆瞬时油耗率，a₀、a₁、a₂、a₃，β₀，β₁，β₂为车辆油耗系数；a(k)为动态规划算法迭代到第k步时的车辆加速度；

则优化问题如下：

满足：

x(0)＝[v_s，0]

v(k)∈[v_min，v_max]

u(k)∈[F_b(k)，F_d(k)]

其中，J为车辆能耗，u为优化问题控制量，vs为初始车速，vp为终端车速，vmin为最小车速，vmax为最大车速，Q为优化问题长度，Fd为最大驱动力，Fb为最大制动力，Δt为离散时间间隔，X为领航车距离路口停车线的距离；

定义动态规划算法终端代价函数为：

其中，arg min()表示取最小值时控制量和状态量函数；

定义动态规划逆向迭代代价函数为：

通过求解上述方程，即可获得满足控制要求的每辆车的能耗最优车速

取均值可得到整个车辆队列的能耗最优速度，即:

由此，当车辆队列以速度v＝v_opt通过信号交叉口时，可使行驶消耗能耗最小。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (5)

1.一种智能网联汽车队列信号交叉口通行引导方法，其特征在于，包括：

获取路***通信号灯的相位配时信息及控制区域内待行车辆队列信息，其中控制区域内待行车辆队列信息包括控制区域内待行车辆数目信息、车辆速度信息与车辆位置信息；

利用所获取的路***通信号灯的相位配时信息和控制区域内待行车辆数目信息、车辆速度信息与车辆位置信息，对控制区域内的智能网联车辆进行队列划分；

确定车辆队列能够顺利通过信号交叉口的允许时间范围；

分析并构建车辆队列中领航车和跟随车的行驶轨迹车速集；

所述分析并构建车辆队列中领航车和跟随车的行驶轨迹车速集，具体包括：

v_min×T_S≥X，车辆队列得以任意速度行驶通过信号交叉路口；

v_max×T_L≤X，说明车辆队列不得以任意速度行驶通过当前信号交叉路口，此时车辆编队通过信号交叉口的最短和最长时间需更新到下一个绿灯间隔的起止时间；

v_min×T_S≤X≤v_max×T_L，车辆队列得以速度v∈[v_cri,v_max]行驶通过信号交叉口；

其中，v_max与v_min为车辆队列所允许的最大行驶速度和最小行驶速度；v_cri为最小临界速度，且

所述车辆队列可以保持现有速度顺利通过信号交叉口的条件包括：

其中，v₀表示车辆队列进入控制引导区域时领航车的初始速度；N表示车辆队列中的车辆数目；

所述领航车的行驶轨迹分为0-T_Si和T_Si-T_Li(i＝2,3)两个阶段：

在0-T_Si阶段，领航车的行驶轨迹车速满足约束：

在T_Si-T_Li(i＝2,3)阶段，领航车的行驶轨迹车速满足约束(2)：

其中，d_min和a_max是使领航车平稳减速和加速的最小减速率和最大加速率；a₁和a₂分别是0-T_Si和T_Si-T_Li(i＝2,3)两个阶段的加速/减速率；T₁和T₂分别是0-T_Si和T_Si-T_Li(i＝2,3)两个阶段的加速/减速时间；v₁和v₂分别是领航车在0-T_Si和T_Si-T_Li(i＝2,3)两个阶段的末速度；S₁为领航车在0-T_Si阶段行驶的距离；

相同绿灯间隔内车辆队列中跟随车得以顺利通过信号交叉口的数目由以下约束获得：

若

没有解，则说明车辆队列中所有跟随车能在相同绿灯间隔期间通过信号交叉口；若

有解，则说明车辆队列中前K+1辆车可以通过信号交叉口，后N-K-1辆车被划分为第二个车辆队列，在下一绿灯间隔期间通过信号交叉口，且第K+2辆为第二个车辆队列的领航车，重复上述过程；

以车辆队列能耗最小为目标，利用动态规划算法对车辆队列行驶轨迹车速进行优化。

2.根据权利要求1所述的一种智能网联汽车队列信号交叉口通行引导方法，其特征在于，控制区域内车辆数量信息由安装在信号灯路口的摄像头获得，路***通信号灯的相位配时信息由路侧设备获得，车辆位置信息由车载GPS获得，车辆速度通过轮速传感器获得，车辆数目信息与路***通信号灯的相位配时信息利用V2I技术传至车载终端，车速则采用CAN总线直接传输至车载终端。

3.根据权利要求1所述的一种智能网联汽车队列信号交叉口通行引导方法，其特征在于，所述对控制区域内的智能网联车辆进行队列划分具体包括：

选取车头时距与车辆速度两个变量作为参考，同一队列中的车辆需满足以下约束：

其中，H_j表示同一车辆队列中第j与第j-1辆车之间的车头时距；A_j表示同一车辆队列中第j与第j-1辆车的相对速度误差；H_base与A_base为常数，分别表示事先确定的相邻车辆之间的标准车头时距与相对速度误差；S_j表示第j辆车与下游信号交叉口停车线之间的距离；v_j表示第j辆车的速度。

4.根据权利要求1所述的一种智能网联汽车队列信号交叉口通行引导方法，其特征在于，所述确定车辆队列能够顺利通过信号交叉口的允许时间范围包括：

车辆队列通过信号交叉口的最短时间T_S为：

车辆队列通过信号交叉口的最短时间T_L为：

车辆进入控制引导区域时信号灯为红灯，则t_rea值为负值，t_rea绝对值等于红色剩余时间；

其中，t_n-1表示下游车辆通过信号交叉口的时间；t_safe表示保证车辆队列行驶安全的最小时间间隔；t_rea表示车辆队列进入引导控制区域时绿灯剩余时间；X表示引导控制区域边界与路口停车线之间的距离；R表示标准红灯持续时间；G表示绿灯持续时间。

5.根据权利要求1所述的一种智能网联汽车队列信号交叉口通行引导方法，其特征在于，所述以车辆队列能耗最小为目标，利用动态规划算法对车辆队列行驶轨迹车速进行优化包括：

采用质点模型描述车辆纵向动力学模型：

其中，g为重力加速度，m为汽车质量，f为摩擦阻力系数，k为动态规划算法迭代步数，θ(k)为动态规划算法迭代到第k步时道路坡度，C_D为空气阻力系数，ρ为空气密度，d为行驶距离，δ为汽车转动惯量换算系数，F为牵引力，v(k)为动态规划算法迭代到第k步时汽车行驶速度，x(k)＝[dv]^T表示动态规划算法迭代到第k步时车辆状态量，x(k+1)为动态规划算法迭代到第k+1步时的是车辆状态量的微分；

车辆能耗模型为：

其中，

为车辆动态规划算法迭代到第k步时车辆瞬时油耗率，a₀、a₁、a₂、a₃，β₀，β₁，β₂为车辆油耗系数；a(k)为动态规划算法迭代到第k步时的车辆加速度；

优化问题为：

满足条件为：

x(0)＝[v_s，0]

v(k)∈[v_min，v_max]

u(k)∈[F_b(k)，F_d(k)]

其中，J为车辆能耗，u为优化问题控制量，vs为初始车速，vp为终端车速，vmin为最小车速，vmax为最大车速，Q为优化问题长度，Fd为最大驱动力，Fb为最大制动力，Δt为离散时间间隔，X为领航车距离路口停车线的距离；

定义动态规划算法终端代价函数为：

其中，argmin()表示取最小值时控制量和状态量函数；

定义动态规划逆向迭代代价函数为：

通过求解上述方程，即可获得满足控制要求的每辆车的能耗最优车速

取均值可得到整个车辆队列的能耗最优速度，即:

当车辆队列以速度v＝v_opt通过信号交叉口时，可使行驶消耗能耗最小。

Images