CN115830908A - 一种无人驾驶车辆队列在混合交通流中协同变道方法及*** - Google Patents

一种无人驾驶车辆队列在混合交通流中协同变道方法及*** Download PDF

Info

Publication number
CN115830908A
CN115830908A CN202211478251.1A CN202211478251A CN115830908A CN 115830908 A CN115830908 A CN 115830908A CN 202211478251 A CN202211478251 A CN 202211478251A CN 115830908 A CN115830908 A CN 115830908A
Authority
CN
China
Prior art keywords
vehicle
unmanned vehicle
unmanned
lane
gap
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
CN202211478251.1A
Other languages
English (en)
Other versions
CN115830908B (zh
Inventor
徐志刚
刘成林
刘志广
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.)
Changan University
Original Assignee
Changan University
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 Changan University filed Critical Changan University
Priority to CN202211478251.1A priority Critical patent/CN115830908B/zh
Publication of CN115830908A publication Critical patent/CN115830908A/zh
Application granted granted Critical
Publication of CN115830908B publication Critical patent/CN115830908B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Traffic Control Systems (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种无人驾驶车辆队列在混合交通流中协同变道方法及***，可以在目标间隙无法容纳整个车队同时换道时，通过将车队换道过程分步来完成换道，且考虑有人驾驶车驾驶行为不确定性和无人驾驶车辆动作规划过程中的安全性以及时间效率。该方法比现有的纯无人驾驶车辆环境下的车辆换道方法更贴近现实，比单车换道方法更高效。本发明提出的混合交通流中无人驾驶车队协同换道的方法，可以为自动驾驶车队在不同交通条件下推荐最迟的换道开始位置，提醒车队及时换道，防止车队错过最迟的滑到机会而错过下匝道的机会，为自动驾驶车队在混合流中的换道提供了技术保障。

Description

一种无人驾驶车辆队列在混合交通流中协同变道方法及***
技术领域
本发明属于道路交通控制领域，具体涉及一种无人驾驶车辆队列在混合交通流中协同变道方法及***。
背景技术
无人驾驶技术的进步有益于提高整个交通***的效率的安全性。借助于车辆通信的能力，无人驾驶汽车被期望能够以车队的形式行驶，因为车队可以缩短车辆之间的间隙、提高交通能力。而且队列可以降低汽车的空气阻力，降低能耗。但由于技术的限制和相应政策法规的缺失，在未来很长一段时间内，无人驾驶车都将与有人车混合行驶。因为有人车的驾驶行为具有不确定性，因此无人驾驶车辆在混合流中的变道变得很困难。而且无人驾驶车辆为了保证在于有人驾驶车交互过程中的安全性，在换道时往往采用较为保守的动作。已有的研究多针对纯无人驾驶车辆的环境，不考虑附近有人驾驶车对无人驾驶车辆换道的影响，在实际应用中，这些方法则难以施行。还有些研究针对的是单车问题，这类的方法应用在车队变道时，效率比较低，难以保证车队换道的成功率。因此，无人驾驶车辆队列在混合流中的换道问题尚缺少有效的解决方法。
发明内容
本发明的目的在于提供一种无人驾驶车辆队列在混合交通流中协同变道方法及***，以克服现有方法针对无人驾驶车辆换道成功率以及换道过程中效率低的问题。
一种无人驾驶车辆队列在混合交通流中协同变道方法，包括以下步骤：
S1，获取无人驾驶车辆队列协同交互半径内的所有车辆信息，根据无人驾驶车辆队列以及获取的所有车辆信息建立无人驾驶车辆混合流换道模型；
S2，根据建立的无人驾驶车辆混合流换道模型，确定无人驾驶车辆所在车道的纵向范围内的目标车道上的最大间隙，将该最大间隙作为首次换道的目标间隙；根据无人驾驶车辆的位置确定在目标间隙的纵向范围内的无人驾驶车辆，确认该无人驾驶车辆为首次换道无人驾驶车辆，当目标间隙满足首次换道无人驾驶车辆安全驶入条件时，首次换道无人驾驶车辆换道驶入该目标间隙；
S3，基于滚动优化的思想构建无人驾驶车辆纵向轨迹规划模型，无人驾驶车辆首次换道后，获取一个滚动时域内目前无人驾驶车辆队列中所有车辆的轨迹，基于无人驾驶车辆纵向轨迹规划模型，确定剩余无人驾驶车辆的目标间隙，依次将剩余无人驾驶车辆进行换道驶入目标间隙。
优选的，采用路侧单元与车辆通信单元之间的交互，获取在无人驾驶车辆队列的通信半径范围内所有车辆的信息。
优选的，获取无人驾驶车辆与目标间隙前车的实时距离，如果无人驾驶车辆与目标间隙前车在当前时刻的距离大于等于无人驾驶车辆与目标间隙前车在当前时刻的最小换道安全间距，且无人驾驶车辆在当前换入目标间隙后目标间隙后车的反应加速度大于等于目标间隙后车的最大减速度，则满足无人驾驶车辆换到要求。
优选的，当无人驾驶车辆首次换道后，进入目标车辆队列，当首次换道的无人驾驶车辆为单车时，则调整单车与其前车之间的间隙，使该间隙满足剩余无人驾驶车辆安全驶入的目标间隙，将剩余无人驾驶车辆中的一辆无人驾驶车辆进行换道驶入该目标间隙。
优选的，当首次换道的无人驾驶车辆为多辆无人驾驶车辆组成的车队时，则调整无人驾驶车辆组成的车队中两辆无人驾驶车辆之间的间隙，使该间隙满足剩余无人驾驶车辆安全驶入的目标间隙，将剩余无人驾驶车辆中的一辆无人驾驶车辆进行换道驶入该目标间隙。
优选的，当首次换道的无人驾驶车辆为多辆无人驾驶车辆组成的车队时，扩大首次换道的多辆无人驾驶车辆组成的车队中相邻两辆无人驾驶车辆之间的间隙，使得剩余无人驾驶车辆能够安全换入该间隙。
优选的，剩余无人驾驶车辆选择离它们最近的间隙作为目标间隙。
优选的，依据当前时刻无人驾驶车辆混合流换道模型中各车辆的位置继续规划未来一个滚动时域内的轨迹，直至目标间隙拉大到了目标间隙长度。
一种无人驾驶车辆队列在混合交通流中协同变道***，包括信息采集模块和处理模块；
信息采集模块，获取无人驾驶车辆队列协同交互半径内的所有车辆信息，根据无人驾驶车辆队列以及获取的所有车辆信息建立无人驾驶车辆混合流换道模型；
处理模块，根据建立的无人驾驶车辆混合流换道模型，确定无人驾驶车辆所在车道的纵向范围内的目标车道上的最大间隙，将该最大间隙作为首次换道的目标间隙；根据无人驾驶车辆的位置确定在目标间隙的纵向范围内的无人驾驶车辆，确认该无人驾驶车辆为首次换道无人驾驶车辆，当目标间隙满足首次换道无人驾驶车辆安全驶入条件时，首次换道无人驾驶车辆换道驶入该目标间隙；基于滚动优化的思想构建无人驾驶车辆纵向轨迹规划模型，无人驾驶车辆首次换道后，获取一个滚动时域内目前无人驾驶车辆队列中所有车辆的轨迹，基于无人驾驶车辆纵向轨迹规划模型，确定剩余无人驾驶车辆的目标间隙，依次将剩余无人驾驶车辆进行换道驶入目标间隙。
优选的，获取无人驾驶车辆与目标间隙前车的实时距离，如果无人驾驶车辆与目标间隙前车在当前时刻的距离大于等于无人驾驶车辆与目标间隙前车在当前时刻的最小换道安全间距，且无人驾驶车辆在当前换入目标间隙后目标间隙后车的反应加速度大于等于目标间隙后车的最大减速度，则满足无人驾驶车辆换到要求。
与现有技术相比，本发明具有以下有益的技术效果：
本发明一种无人驾驶车辆队列在混合交通流中协同变道方法，可以在目标间隙无法容纳整个车队同时换道时，通过将车队换道过程分步来完成换道，且考虑有人驾驶车驾驶行为不确定性和无人驾驶车辆动作规划过程中的安全性以及时间效率。该方法比现有的纯无人驾驶车辆环境下的车辆换道方法更贴近现实，比单车换道方法更高效。本发明提出的混合交通流中无人驾驶车队协同换道的方法，可以为自动驾驶车队在不同交通条件下推荐最迟的换道开始位置，提醒车队及时换道，防止车队错过最迟的滑到机会而错过下匝道的机会，为自动驾驶车队在混合流中的换道提供了技术保障。
附图说明
图1为本发明实施例中车队在混合流中协同换道的流程图。
图2为本发明实施例中无人驾驶车辆轨迹协同规划示意图。
图3为本发明实施例中交通场景示意图。
图4为本发明实施例中车队协同换道轨迹图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明一种无人驾驶车辆队列在混合交通流中协同变道方法，包括以下步骤：
S1，获取无人驾驶车辆队列协同交互半径内的所有车辆信息，根据无人驾驶车辆队列以及获取的所有车辆信息建立无人驾驶车辆混合流换道模型；
具体的，采用路侧单元与车辆通信单元之间的交互，获取在无人驾驶车辆队列的通信半径范围内所有车辆的信息，每个车辆均设置有车辆通信单元，路侧单元与车辆通信单元能够通信，获取车辆信息，包括车辆的位置信息、车辆速度和加速度信息。
构建无人驾驶车辆混合流换道模型是为了判断某一个间隙是否可以允许无人驾驶车辆安全的换入；
无人驾驶车辆混合流换道模型用于计算无人驾驶车辆与目标间隙之间的距离，判断该距离是否大于设定的安全间距，设定的安全间距由Gipps模型计算出。需要确定无人驾驶车辆的反应时间和最大加减速度。
Gipps计算与目标间隙前车的安全间距：
Figure BDA0003960195480000051
式中：
Figure BDA0003960195480000052
——无人驾驶车辆(CAV)与目标间隙前车(pre)在时刻t的最小换道安全间距，单位：米；
vCAV(t)——无人驾驶车辆在时刻t的速度，单位：米/秒；
vpre(t)——前车在时刻t的速度，单位：米/秒；
Figure BDA0003960195480000053
——无人驾驶车辆的最大减速度，单位：米/秒2；
Figure BDA0003960195480000054
——目标间隙前车的最大减速度，单位：米/秒2；
τCAV——无人驾驶车辆的反应时间，单位：秒；
xCAV(t)——无人驾驶车辆在时刻t的位置，单位：米；
xpre(t)——目标间隙前车在时刻t的位置，单位：米；
h——无人驾驶车辆的长度，单位：米。
如果
Figure BDA0003960195480000061
则满足无人驾驶车辆的安全换道标准，sCAV,pre(t)是无人驾驶车辆(CAV)与目标间隙前车(pre)在时刻t的实际距离，其计算公式如下：
sCAV,pre(t)＝xpre(t)-xCAV(t)-h (2)
准备换道的无人驾驶车辆换入目标间隙，目标间隙后的车辆(fol)产生的反应加速度不能超过车辆本身的加/减速度极限，目标间隙后的车辆(fol)的反应加速度由IDM模型计算得出，IDM模型需要确定最小跟驰间距(取3米)、加速度系数(取2)，以及车辆的加减速度的极限范围。
与目标间隙后车的安全判断计算公式如下：
Figure BDA0003960195480000062
Figure BDA0003960195480000063
Figure BDA0003960195480000064
—目标间隙后车的最大减速度，单位：米/秒2；
afol,CAV(t)为无人驾驶车辆在时刻t换入目标间隙后，目标间隙后车的反应加速度，单位：米/秒2；
Figure BDA0003960195480000065
——目标间隙后车的最大加速度，单位：米/秒2；
s0——最小跟驰间距，取3米；
S*——无人驾驶车辆和后车的期望间距，单位：米；
Δt——离散时间间隔，取0.1秒；
δ——加速度系数，一般取2。
同时满足
Figure BDA0003960195480000066
则无人驾驶车辆进行换道进入目标间隙。
S2，根据建立的无人驾驶车辆混合流换道模型，确定无人驾驶车辆所在车道的纵向范围内的目标车道上的最大间隙，将该最大间隙作为首次换道的目标间隙；根据无人驾驶车辆的位置确定在目标间隙的纵向范围内的无人驾驶车辆，确认该无人驾驶车辆为首次换道无人驾驶车辆。
设无人驾驶车辆队一共有n辆车，依次将{k,m|k＝1,...,n,m＝1,...,n-k}中的k,m值带入下列不等式，找到使得下列不等式都满足的k,m值，确认首次换道的无人驾驶车辆或者无人驾驶车辆集合，即为{k,k+1,...,k+m-1}。
Figure BDA0003960195480000071
Figure BDA0003960195480000072
Figure BDA0003960195480000073
Figure BDA0003960195480000074
式中：m——首次换道的无人驾驶车辆数量；
k——车队中第k辆车。
t0——换道开始的时间。
S3，基于滚动优化的思想构建无人驾驶车辆纵向轨迹规划模型，无人驾驶车辆首次换道后，获取一个滚动时域内目前无人驾驶车辆队列中所有车辆的轨迹，基于无人驾驶车辆纵向轨迹规划模型，确定剩余无人驾驶车辆的目标间隙，依次将剩余无人驾驶车辆进行换道驶入目标间隙。
当无人驾驶车辆首次换道后，进入目标车辆队列，当首次换道的无人驾驶车辆为单车时，则调整单车与其前车之间的间隙，使该间隙满足剩余无人驾驶车辆安全驶入的目标间隙，将剩余无人驾驶车辆中的一辆无人驾驶车辆进行换道驶入该目标间隙。
当首次换道的无人驾驶车辆为多辆无人驾驶车辆组成的车队时，则调整无人驾驶车辆组成的车队中两辆无人驾驶车辆之间的间隙，使该间隙满足剩余无人驾驶车辆安全驶入的目标间隙，将剩余无人驾驶车辆中的一辆无人驾驶车辆进行换道驶入该目标间隙。
如图1、图2所示，本申请以六辆车组成的无人驾驶车辆队列为例，将无人驾驶车辆队列拆分成三个小车队，其中一个小车队首次换道，剩余未换道的两个小车队按照前后位置，分为车队1和车队2，已经换道的小车队组成车队3。
协同轨迹规划阶段的协同方式为：扩大车队3中相邻两辆无人驾驶车辆之间的间隙，使得车队1和车队2中的车辆能够安全换入，同时车队1和车队2需根据车队3中其目标间隙的位置来实时调整其位置，具体细节如下：
车队3需要确定拉大车队3中哪些车辆之间的间隙，和被拉大间隙的目标大小。为此，先确定车队1和车队2的目标间隙，为减少车队1和车队2位置调整的时间，车队1和车队2分别在车队3中选择离它们最近的间隙作为目标间隙；接着，分别根据式(9)-(12)计算车队1和车队2所需的间距大小。
Figure BDA0003960195480000081
Figure BDA0003960195480000082
Figure BDA0003960195480000083
Figure BDA0003960195480000084
其中L1和L2分别为车队1和车队2所需的换道间距。
只规划接下来一个滚动时域(p)内的轨迹。在执行完一个时域内的轨迹后，依据当前时刻无人驾驶车辆混合流换道模型中各车辆的位置继续规划未来一个滚动时域内的轨迹，直至目标间隙拉大到了目标间隙长度。同时规划模型应考虑乘客的舒适性和轨迹调整的时间，因此为车队3建立如下的轨迹规划模型：
目标函数：
Figure BDA0003960195480000091
约束：
Figure BDA0003960195480000092
vi(t)＝vi(t-1)+ai(t-1)Δt,i∈I3 (15)
Figure BDA0003960195480000093
Figure BDA0003960195480000094
xi(t)-xi+1(t)≥s0,i∈I3 (18)
式中：ω1—舒适度的权重；
ω2—时间效率的权重；
I3—为车队3内无人驾驶车辆的集合；
Figure BDA0003960195480000095
—无人驾驶车辆k-1与后车k所需的最小安全换道间距，单位：米。
n—无人车队内的车辆数；
p—为滚动预测时域；
L1——车队1的最小换道所需间距，单位：米；
L2——车队2的最小换道所需间距，单位：米；
Figure BDA0003960195480000096
——无人车k-1与后车k所需的最小安全换道间距，单位：米。
车队1在轨迹协同阶段的目标是：在车队3调整好间隙时，车队1位于可以安全换入车队3中其目标间隙的位置。为此，车队1实时计算其与目标间隙前车之间的安全换道距离，并以此安全间距为实际间距的目标；除此之外还应考虑车队1乘客的舒适性，为此建立如式(19)所示的车队1轨迹规划模型目标函数。同样是基于滚动优化的思想，模型每次只规划一个滚动时域(p)内的车队1轨迹，在执行完一个滚动时域内的轨迹之后再在重新计算与目标间隙的前车之间的安全换道间隙，并重新规划未来一个滚动时域的轨迹。其模型具体如下：
目标函数：
Figure BDA0003960195480000101
约束：式(14)-(18)，
Figure BDA0003960195480000102
且i＝1。
车队2在轨迹协同阶段的目标是：车队2在车队3调整好间隙时，车队2位于能够安全换入车队3中其目标间隙的位置。为此，车队2实时计算其与目标间隙前车之间的安全换道距离，并以此安全间距为实际间距的目标；除此之外还应考虑车队2乘客的舒适性，为此建立如式(20)所示的车队2轨迹规划模型目标函数。同样是基于滚动优化的思想，模型每次只规划一个滚动时域(p)内的车队2轨迹，在执行完一个滚动时域内的轨迹之后再在重新计算与目标间隙的前车之间的安全换道间隙，并重新规划未来一个滚动时域的轨迹。其模型具体如下：
目标函数：
Figure BDA0003960195480000103
约束：
式(14)-(18)和式(21)，
Figure BDA0003960195480000104
且i＝k+m。
Figure BDA0003960195480000105
上述所需要的以高速公路上一段两车道的路段为例，一个有10辆无人车车队需要在到达匝道口前变道至外侧车道。外侧车道的交通量为1500veh/h,目标车道上的有人车按照IDM模型行驶，初始位置按照泊松到达随机生成。初始速度为30m/s。车队在位于匝道口上游1500的位置收到变道开始信号。场景示意图如图3所示。模型参数如下表1所示
表1模型参数设置
Figure BDA0003960195480000106
Figure BDA0003960195480000111
在该场景下的协同换道轨迹图如图4所示，从图4中可以看出，利用本发明提出的方法，一个由10辆无人车组成的车队在1500veh/h的交通环境下，可以再20秒内完成车队的全部换道。通过与两种经典的换道模型Gipps和MOBIL进行比较发现，本发明的方法在混合流中车队换道的问题上有明显的优势。在该场景下的多次测试结果也证实了本发明的优越性。测试结果如表2所示：
表2.方法性能对比结果
Figure BDA0003960195480000112
从仿真结果可以看出，本发明提出的方法，对比目前经典的换道模型，在换道成功率上有明显提高，同时车队换道执行时间有大幅下降。
本发明提出的混合交通流中无人驾驶车队协同换道的方法合理可靠，简单易行，本发明提出的车队换道方法可以在目标间隙无法容纳整个车队同时换道时，通过将车队换道过程分步来完成换道，且考虑有人驾驶车驾驶行为不确定性和无人驾驶车辆动作规划过程中的安全性以及时间效率。该方法比现有的纯无人驾驶车辆环境下的车辆换道方法更贴近现实，比单车换道方法更高效。本发明提出的混合交通流中无人驾驶车队协同换道的方法，可以为自动驾驶车队在不同交通条件下推荐最迟的换道开始位置，提醒车队及时换道，防止车队错过最迟的滑到机会而错过下匝道的机会，为自动驾驶车队在混合流中的换道提供了技术保障。
应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。

Claims (10)

1.一种无人驾驶车辆队列在混合交通流中协同变道方法，其特征在于，包括以下步骤：
S1，获取无人驾驶车辆队列协同交互半径内的所有车辆信息，根据无人驾驶车辆队列以及获取的所有车辆信息建立无人驾驶车辆混合流换道模型；
S2，根据建立的无人驾驶车辆混合流换道模型，确定无人驾驶车辆所在车道的纵向范围内的目标车道上的最大间隙，将该最大间隙作为首次换道的目标间隙；根据无人驾驶车辆的位置确定在目标间隙的纵向范围内的无人驾驶车辆，确认该无人驾驶车辆为首次换道无人驾驶车辆，当目标间隙满足首次换道无人驾驶车辆安全驶入条件时，首次换道无人驾驶车辆换道驶入该目标间隙；
S3，基于滚动优化的思想构建无人驾驶车辆纵向轨迹规划模型，无人驾驶车辆首次换道后，获取一个滚动时域内目前无人驾驶车辆队列中所有车辆的轨迹，基于无人驾驶车辆纵向轨迹规划模型，确定剩余无人驾驶车辆的目标间隙，依次将剩余无人驾驶车辆进行换道驶入目标间隙。
2.根据权利要求1所述的一种无人驾驶车辆队列在混合交通流中协同变道方法，其特征在于，采用路侧单元与车辆通信单元之间的交互，获取在无人驾驶车辆队列的通信半径范围内所有车辆的信息。
3.根据权利要求1所述的一种无人驾驶车辆队列在混合交通流中协同变道方法，其特征在于，获取无人驾驶车辆与目标间隙前车的实时距离，如果无人驾驶车辆与目标间隙前车在当前时刻的距离大于等于无人驾驶车辆与目标间隙前车在当前时刻的最小换道安全间距，且无人驾驶车辆在当前换入目标间隙后目标间隙后车的反应加速度大于等于目标间隙后车的最大减速度，则满足无人驾驶车辆换到要求。
4.根据权利要求1所述的一种无人驾驶车辆队列在混合交通流中协同变道方法，其特征在于，当无人驾驶车辆首次换道后，进入目标车辆队列，当首次换道的无人驾驶车辆为单车时，则调整单车与其前车之间的间隙，使该间隙满足剩余无人驾驶车辆安全驶入的目标间隙，将剩余无人驾驶车辆中的一辆无人驾驶车辆进行换道驶入该目标间隙。
5.根据权利要求1所述的一种无人驾驶车辆队列在混合交通流中协同变道方法，其特征在于，当首次换道的无人驾驶车辆为多辆无人驾驶车辆组成的车队时，则调整无人驾驶车辆组成的车队中两辆无人驾驶车辆之间的间隙，使该间隙满足剩余无人驾驶车辆安全驶入的目标间隙，将剩余无人驾驶车辆中的一辆无人驾驶车辆进行换道驶入该目标间隙。
6.根据权利要求5所述的一种无人驾驶车辆队列在混合交通流中协同变道方法，其特征在于，当首次换道的无人驾驶车辆为多辆无人驾驶车辆组成的车队时，扩大首次换道的多辆无人驾驶车辆组成的车队中相邻两辆无人驾驶车辆之间的间隙，使得剩余无人驾驶车辆能够安全换入该间隙。
7.根据权利要求6所述的一种无人驾驶车辆队列在混合交通流中协同变道方法，其特征在于，剩余无人驾驶车辆选择离它们最近的间隙作为目标间隙。
8.根据权利要求1所述的一种无人驾驶车辆队列在混合交通流中协同变道方法，其特征在于，依据当前时刻无人驾驶车辆混合流换道模型中各车辆的位置继续规划未来一个滚动时域内的轨迹，直至目标间隙拉大到了目标间隙长度。
9.一种无人驾驶车辆队列在混合交通流中协同变道***，其特征在于，包括信息采集模块和处理模块；
信息采集模块，获取无人驾驶车辆队列协同交互半径内的所有车辆信息，根据无人驾驶车辆队列以及获取的所有车辆信息建立无人驾驶车辆混合流换道模型；
处理模块，根据建立的无人驾驶车辆混合流换道模型，确定无人驾驶车辆所在车道的纵向范围内的目标车道上的最大间隙，将该最大间隙作为首次换道的目标间隙；根据无人驾驶车辆的位置确定在目标间隙的纵向范围内的无人驾驶车辆，确认该无人驾驶车辆为首次换道无人驾驶车辆，当目标间隙满足首次换道无人驾驶车辆安全驶入条件时，首次换道无人驾驶车辆换道驶入该目标间隙；基于滚动优化的思想构建无人驾驶车辆纵向轨迹规划模型，无人驾驶车辆首次换道后，获取一个滚动时域内目前无人驾驶车辆队列中所有车辆的轨迹，基于无人驾驶车辆纵向轨迹规划模型，确定剩余无人驾驶车辆的目标间隙，依次将剩余无人驾驶车辆进行换道驶入目标间隙。
10.根据权利要求9所述的一种无人驾驶车辆队列在混合交通流中协同变道***，其特征在于，获取无人驾驶车辆与目标间隙前车的实时距离，如果无人驾驶车辆与目标间隙前车在当前时刻的距离大于等于无人驾驶车辆与目标间隙前车在当前时刻的最小换道安全间距，且无人驾驶车辆在当前换入目标间隙后目标间隙后车的反应加速度大于等于目标间隙后车的最大减速度，则满足无人驾驶车辆换到要求。
CN202211478251.1A 2022-11-23 2022-11-23 一种无人驾驶车辆队列在混合交通流中协同变道方法及*** Active CN115830908B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211478251.1A CN115830908B (zh) 2022-11-23 2022-11-23 一种无人驾驶车辆队列在混合交通流中协同变道方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211478251.1A CN115830908B (zh) 2022-11-23 2022-11-23 一种无人驾驶车辆队列在混合交通流中协同变道方法及***

Publications (2)

Publication Number Publication Date
CN115830908A true CN115830908A (zh) 2023-03-21
CN115830908B CN115830908B (zh) 2023-10-27

Family

ID=85530879

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211478251.1A Active CN115830908B (zh) 2022-11-23 2022-11-23 一种无人驾驶车辆队列在混合交通流中协同变道方法及***

Country Status (1)

Country Link
CN (1) CN115830908B (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003044524A (ja) * 2001-07-27 2003-02-14 Fujitsu Ltd シミュレーション装置
US20130041631A1 (en) * 2011-08-08 2013-02-14 Xerox Corporation Systems and methods for enhanced cellular automata algorithm for traffic flow modeling
CN107315411A (zh) * 2017-07-04 2017-11-03 合肥工业大学 一种基于车车协同下无人驾驶车辆的换道轨迹规划方法
CN108806252A (zh) * 2018-06-19 2018-11-13 西南交通大学 一种高速公路混合交通流协同优化控制方法
US20190071096A1 (en) * 2017-09-06 2019-03-07 IFP Energies Nouvelles Method for determining a speed to be reached for a first vehicle preceded by a second vehicle, in particular for an autonomous vehicle
CN111081065A (zh) * 2019-12-13 2020-04-28 北京理工大学 路段混行条件下的智能车辆协同换道决策模型
CN111731296A (zh) * 2019-03-25 2020-10-02 本田技研工业株式会社 行驶控制装置、行驶控制方法以及存储程序的存储介质
CN112735126A (zh) * 2020-12-24 2021-04-30 成都格林希尔德交通科技有限公司 一种基于模型预测控制的混合交通流协同优化控制方法
CN113297721A (zh) * 2021-04-21 2021-08-24 东南大学 一种信号交叉口车辆选择出口道的仿真方法和装置
CN113313949A (zh) * 2021-05-31 2021-08-27 长安大学 一种高速公路出口匝道客货车协同控制方法、装置和设备
CN114023108A (zh) * 2021-11-02 2022-02-08 河北工业大学 一种混合交通流变道模型及变道仿真方法
CN114495527A (zh) * 2022-02-23 2022-05-13 长安大学 一种混合交通环境下网联交叉口车路协同优化方法及***
CN114613142A (zh) * 2022-03-24 2022-06-10 长沙理工大学 一种基于规则的自动驾驶交叉口车辆换道控制方法
CN114771522A (zh) * 2022-04-15 2022-07-22 河北工业大学 一种人机混驾交通流车辆换道模型构建方法
CN114842644A (zh) * 2022-04-26 2022-08-02 河北工业大学 一种混合交通流交织区通行能力计算方法

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003044524A (ja) * 2001-07-27 2003-02-14 Fujitsu Ltd シミュレーション装置
US20130041631A1 (en) * 2011-08-08 2013-02-14 Xerox Corporation Systems and methods for enhanced cellular automata algorithm for traffic flow modeling
CN107315411A (zh) * 2017-07-04 2017-11-03 合肥工业大学 一种基于车车协同下无人驾驶车辆的换道轨迹规划方法
US20190071096A1 (en) * 2017-09-06 2019-03-07 IFP Energies Nouvelles Method for determining a speed to be reached for a first vehicle preceded by a second vehicle, in particular for an autonomous vehicle
CN108806252A (zh) * 2018-06-19 2018-11-13 西南交通大学 一种高速公路混合交通流协同优化控制方法
CN111731296A (zh) * 2019-03-25 2020-10-02 本田技研工业株式会社 行驶控制装置、行驶控制方法以及存储程序的存储介质
CN111081065A (zh) * 2019-12-13 2020-04-28 北京理工大学 路段混行条件下的智能车辆协同换道决策模型
CN112735126A (zh) * 2020-12-24 2021-04-30 成都格林希尔德交通科技有限公司 一种基于模型预测控制的混合交通流协同优化控制方法
CN113297721A (zh) * 2021-04-21 2021-08-24 东南大学 一种信号交叉口车辆选择出口道的仿真方法和装置
CN113313949A (zh) * 2021-05-31 2021-08-27 长安大学 一种高速公路出口匝道客货车协同控制方法、装置和设备
CN114023108A (zh) * 2021-11-02 2022-02-08 河北工业大学 一种混合交通流变道模型及变道仿真方法
CN114495527A (zh) * 2022-02-23 2022-05-13 长安大学 一种混合交通环境下网联交叉口车路协同优化方法及***
CN114613142A (zh) * 2022-03-24 2022-06-10 长沙理工大学 一种基于规则的自动驾驶交叉口车辆换道控制方法
CN114771522A (zh) * 2022-04-15 2022-07-22 河北工业大学 一种人机混驾交通流车辆换道模型构建方法
CN114842644A (zh) * 2022-04-26 2022-08-02 河北工业大学 一种混合交通流交织区通行能力计算方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨达;苏刚;吴丹红;熊明强;蒲云;: "基于社会力的驾驶员换道决策行为建模", 西南交通大学学报, no. 04 *

Also Published As

Publication number Publication date
CN115830908B (zh) 2023-10-27

Similar Documents

Publication Publication Date Title
CN109035862B (zh) 一种基于车车通信的多车协同换道控制方法
Feng et al. Spatiotemporal intersection control in a connected and automated vehicle environment
CN110070707B (zh) 一种实现协同式自适应巡航控制车队组队与分离的方法
CN107798861A (zh) 一种车辆协作式编队行驶方法及***
CN108510769B (zh) 基于车路协同的移动闭塞交叉口车速引导***和方法
CN107730931A (zh) 一种车路协同环境下车辆编队控制及其信号优化方法
CN112735126B (zh) 一种基于模型预测控制的混合交通流协同优化控制方法
CN103116608A (zh) 一种快速路交通流再现的方法
CN114613179A (zh) 网联自动驾驶车辆混行交叉口集聚通行方法及其控制***
CN114861514A (zh) 一种车辆行驶方案的规划方法、装置和存储介质
CN108320535B (zh) 一种道路合流区交织车辆的通行控制方法
CN113312752B (zh) 一种主路优先控制交叉***通仿真方法及装置
CN115953903B (zh) 一种基于物联网的交叉口直行车辆连续通行方法
CN112309120B (zh) 一种最佳进口车道选择的自动驾驶交叉***通控制方法
CN111243296B (zh) 一种基于合流时间优化的匝道合流协同控制方法及***
CN114299755B (zh) 一种智能网联队列换道方法
CN115565390B (zh) 智能网联汽车多车道队列通行控制方法、***及计算机可读存储介质
CN113920762A (zh) 一种基于智能网联环境下应急车辆优先通行的控制方法
CN114852076A (zh) 一种混行交通流环境下自动驾驶车辆轨迹规划方法
CN116189462B (zh) 一种面向混合交通流的车辆轨迹与交通信号协同控制方法
Younes et al. A vehicular network based intelligent lane change assistance protocol for highways
CN112017439A (zh) 一种自动驾驶交叉口行人过街摆渡车控制方法
CN113570905A (zh) 一种交叉口处控制网联自动车群排列的空间分布演化方法
Jones et al. Energy-efficient cooperative adaptive cruise control strategy using V2I
CN115830908A (zh) 一种无人驾驶车辆队列在混合交通流中协同变道方法及***

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