CN116820080B - 高速公路自动驾驶货车编队运行调度方法、*** - Google Patents
高速公路自动驾驶货车编队运行调度方法、*** Download PDFInfo
- Publication number
- CN116820080B CN116820080B CN202310014238.9A CN202310014238A CN116820080B CN 116820080 B CN116820080 B CN 116820080B CN 202310014238 A CN202310014238 A CN 202310014238A CN 116820080 B CN116820080 B CN 116820080B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- strategy
- formation
- vehicles
- distance
- 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
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 151
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000006870 function Effects 0.000 claims abstract description 121
- 239000000446 fuel Substances 0.000 claims abstract description 77
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 230000002068 genetic effect Effects 0.000 claims abstract description 10
- 230000001133 acceleration Effects 0.000 claims description 67
- 238000005457 optimization Methods 0.000 claims description 21
- 238000005096 rolling process Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 5
- 230000005484 gravity Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 20
- 230000008901 benefit Effects 0.000 abstract description 7
- 238000005755 formation reaction Methods 0.000 description 111
- 238000010586 diagram Methods 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 210000000349 chromosome Anatomy 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 239000002131 composite material Substances 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本申请公开了一种高速公路自动驾驶货车编队运行调度方法、***,其中,方法包括基于预选的待合并车辆,获得预设初始距离的行驶参数;基于遗传算法,采用第一策略、第二策略、第三策略分别对待合并车辆分析,获得三个目标函数;判断最大的目标函数是否满足阈值,若是,根据对应的策略执行合并,若否,更换目标车辆进行合并分析;该方法提供了两车合并的三种策略,细化车辆合并过程中的运动状态,计算货车分阶段燃油消耗情况,有效避免通过平均速度计算油耗整体偏低的误差,可实时输出速度数据,更加简便易于操作;将两车合并策略扩展,可实现车辆/车队间的多车合并,通过逐轮合并最终形成效益较高的编队形式完成运输任务。
Description
技术领域
本公开涉及运输调度技术领域,尤其涉及一种高速公路自动驾驶货车编队运行调度方法、***。
背景技术
随着经济社会不断发展,车辆造成的交通拥堵、安全事故、能源消耗以及环境污染问题亟待解决,缓解这些问题的一种有效手段就是从车辆层面开发智慧化驾驶模式,以自动驾驶形式进行交通组织。车辆编队运行作为自动驾驶运输组织的重要实现路径被越来越多的研究人员所关注。车辆编队运行是指车辆间可以以一个较近的车间距跟随行驶,通过自动控制和车辆间的V2V(vehicle-to-vehicle)通信来维持较短的跟驰距离,该项技术可以增加道路通过能力,有利于交通的管理,提高驾驶的安全性能,并且通过编队可以显著降低行驶过程中的空气阻力从而降低能耗。
现有针对自动驾驶车辆合并的研究中,主要考虑的均是宏观上的合并决策,即基于车辆合并前后平均车速,建立车队燃油消耗最低的优化问题,未考虑车速的实时变化,但是,车辆的加减速对能耗产生的影响较大,尤其是载货的重型车辆,频繁起停造成的燃油消耗要远大于匀速行驶。
现有针对重型车辆合并的研究中,以后车追赶方式为主要研究方式,少部分研究考虑了两车协同式。且主要考虑的是宏观上的合并决策,即基于车辆合并前后平均车速,建立车队燃油消耗最低的优化问题,根据车间距和到终点距离分别求解两车在合并过程中的平均速度及编队行驶的平均速度,其中各车平均速度均有限制范围,且合并位置在终点之前,求解得到的即是两车的最优合并策略及各车相应的最优平均合并速度。未考虑车速的实时变化,由于车辆的加减速对能耗产生的影响较大,尤其是载货的重型车辆,频繁起停造成的燃油消耗要远大于匀速行驶,仅通过平均速度表示整个合并过程的不够准确,因此存在一定局限性。此外,针对车辆实时速度变化的相关研究中,仅考虑跟随车辆的追赶,而未考虑引导车与跟随车间协作形成车队的协调方式,缺乏各策略方法间的对比考证。
在多车合并中,现有方法通过考虑目标车辆的前后候选车辆,使用距离比、终点距离/车间距作为聚类的度量标准,来寻找可能的候选车辆进行聚类,或直接通过两车合并编队得到的距离盈亏平衡比判定候选车辆是否具有节油潜能,并对得到的所有车队并发执行逐层合并的启发式算法来完成每个车队的合并过程。但上述方法考虑目标、车辆/车队间合并策略均较单一,仅考虑候选车辆/车队的节油潜能,未对形成合并造成的延误时间作考虑,且均仅使用一种合并策略,即前车/车队速度不做相应调整,仅调整后车/车队的“追赶”方式,未考虑对前后车辆/车队都进行适当的干预以使得总目标达到最优。
发明内容
有鉴于此,本公开实施例提供了一种高速公路自动驾驶货车编队运行调度方法、***,能够运用分阶段的油耗计算公式衡量货车在不同过程中的燃油消耗情况,有效避免了通过平均速度计算油耗整体偏低的误差,可实时输出速度数据,更加简便易于操作。
第一方面,本公开实施例提供了一种高速公路自动驾驶货车编队运行调度方法,该方法包括:
基于预选的待合并车辆,获得行驶预设初始距离的行驶参数;
基于遗传算法,采用第一策略、第二策略、第三策略分别对待合并车辆分析,获得三个目标函数;
判断最大的目标函数是否满足阈值,若是,根据对应的策略执行合并,若否,更换目标车辆进行合并分析。
可选的,所述第一策略为后车追赶策略,具体如下:
前车以初始速度匀速行驶;
后车在第一阶段进行加速追赶直至达到预设速度,在第二阶段匀速行驶,在第三阶段进行减速追赶并减速至初始速度;
两车形成编队并以车队形式匀速前进。
可选的,所述前车在编队完成前行驶的距离为La,La=v0tsa;v0为所述前车的初始速度,tsa为前车从开始编队到完成编队的时间;
所述后车追赶包括后车加速运动、后车匀速运动和后车自由减速运动;
所述后车加速运动的行驶距离为所述后车的初始速度与所述前车的初始速度一致,vm为所述后车加速后达到的预设速度,t1为所述后车的加速时间;
所述后车匀速运动的行驶距离为t2为所述后车减速前运行的总时间;
所述后车自由减速运动的行驶距离为kd=0.5ρACd0;m为车辆载重质量,g为重力加速度,Cr为滚动阻力系数,ρ为空气密度,A为车辆的正投影面积,Cd0为单车空气阻力系数;
所述前车与所述后车的实时间距为d(T):
d为合并前的初始间距;
所述前车与所述后车在合并完成时的间距为d(tsa):
当两车完成合并T=tsa时,安全间距为dsafe;
所述前车在编队前的油耗指标函数为
所述后车在编队前的油耗指标函数为λ为旋转质量系数;
两车形成编队后行驶到终点的油耗指标函数为φp为编队车辆整体风阻系数;
编队控制下两辆车的总体油耗函数为J1,d为两车车间距,s为所述前车至终点的距离;
编队控制下两辆车的节油率为η,Js=(kdv0 2+mgCr)(2s+d);
控制条件为:
所述第一策略的目标函数为η,所述第一策略的优化目标为获取目标函数最大值时对应的vm和a1。
可选的,所述第二策略为前车减速策略,具体如下:
后车以初始速度匀速行驶匀速;
前车在第一阶段进行自由减速运动,在第二阶段进行匀速运动,在第三阶段进行加速运动;
两车形成编队并以车队形式匀速前进。
可选的,所述后车在编队完成前行驶的距离为Lb,Lb=v0tsb;v0为所述后车的初始速度,tsb为后车从开始编队到完成编队的时间;
所述前车减速包括前车自由减速运动、前车匀速运动和前车加速运动;
所述前车自由减速运动的行驶距离为kd=0.5ρACd 0;vs为所述前车减速后达到的预设速度,所述前车的初始速度与所述后车的初始速度一致,m为货车载重质量,g为重力加速度,Cr为滚动阻力系数,ρ为空气密度,A为车辆的正投影面积,Cd 0为单车空气阻力系数;
所述前车匀速运动的行驶距离为t1为所述前车的减速时间,t2为所述前车加速前运行的总时间;
所述前车加速运动的行驶距离为
所述前车与所述后车的实时间距为d(T):
d为合并前的初始间距;
所述前车与所述后车在合并完成时的间距为d(tsb):
当两车完成合并T=tsb时,安全间距为dsafe;
所述前车在编队前的油耗指标函数为λ为旋转质量系数;
所述后车在编队前的油耗指标函数为
两车形成编队后行驶到终点的油耗指标函数为Jp,φp为编队车辆整体风阻系数;
编队控制下两辆车的总体油耗函数为J2,m为车辆载重质量,d为两车车间距,s为所述前车至终点的距离;
编队控制下两辆车的节油率为η,Js=(kdv0 2+mgCr)(2s+d);
控制条件为:
所述第二策略的目标函数为η,所述第二策略的优化目标为获取目标函数最大值时对应的vs和a2。
可选的,所述第三策略为两车协作策略,具体如下:
前车在第一阶段进行自由减速运动,在第二阶段进行匀速运动,在第三阶段进行加速运动;
后车在第一阶段进行加速运动,在第二阶段进行匀速运动,在第三阶段进行减速运动;
两车形成编队并以车队形式匀速前进。
可选的,所述前车的自由减速运动行驶的距离为kd=0.5ρACd 0;vs为所述前车减速后达到的预设速度,所述前车的初始速度与所述后车的初始速度一致;m为货车载重质量,g为重力加速度,Cr为滚动阻力系数,ρ为空气密度,A为车辆的正投影面积,Cd 0为单车空气阻力系数;
所述前车的匀速运动行驶的距离为tf为前车匀速运动的时间;
所述前车的加速运动行驶的距离为tsc为前车从开始编队到完成编队的时间;
所述后车的加速运动行驶的距离为所述后车的初始速度与所述前车的初始速度一致,vm为所述后车加速后达到的预设速度,t1为所述后车的加速时间;
所述后车的匀速运动行驶的距离为tb为所述后车匀速运行的总时间;
所述后车的减速运动行驶的距离为
所述前车与所述后车在合并完成时的间距为d(tsc):
d(tsc)=dsafe;d为合并前的初始间距;
所述前车在编队前的油耗指标函数为
所述后车在编队前的油耗指标函数为
两车形成编队后匀速行驶到终点的油耗指标函数为Jp,φp为编队车辆整体风阻系数;
编队控制下两辆车的总体油耗函数为J3,m为车辆载重质量,d为两车车间距,s为所述前车至终点的距离;
编队控制下两辆车的节油率为η,Js=(kdv0 2+mgCr)(2s+d);
交通延误百分比为δ,n为进行编队的货车数目,ti d为原始状态下第i辆车到达目的地的时间,ti为编队控制下第i辆车到达目的地的时间;
所述第三策略的目标函数为Z,Z=ω1η-ω2δ;ω1、ω2为预设权重;
所述第三策略的优化目标为获取目标函数的最大值时对应的vm、vs、a2和a3;
控制条件为:
第二方面,本公开实施例还提供了一种高速公路自动驾驶货车编队运行调度***,包括:
筛选模块,配置有预选的待合并车辆;
参数获取模块,配置为获取待合并车辆行驶预设初始距离的行驶参数;
分析模块,配置为基于遗传算法,采用第一策略、第二策略、第三策略分别对待合并车辆分析,获得三个目标函数;
判断模块,配置为确定最大的目标函数,并判断最大的目标函数是否满足阈值,若是,根据对应的策略触发执行模块执行合并;若否,触发所述筛选模块重新进行目标车辆的选取;
执行模块,配置为基于所述判断模块的指令进行合并指令的执行,进行对应车辆的自动编队。
第三方面,本公开实施例还提供了一种电子设备,采用如下技术方案:
所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行以上任一所述的高速公路自动驾驶货车编队运行调度方法。
第四方面,本公开实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行以上任一所述的高速公路自动驾驶货车编队运行调度方法。
本申请公开的高速公路自动驾驶货车编队运行调度方法,提供了两车合并的三种策略,即“后车追赶”策略、“前车减速”策略、“二车协作”策略,其中第三策略对前后两车都进行适当的干预,综合考虑了车辆的油耗以及延误情况;本申请提供的方法,细化车辆合并过程中的运动状态,由于加速及匀速阶段油耗差异较大,因此运用分阶段的油耗计算公式衡量货车在不同过程中的燃油消耗情况,有效避免了通过平均速度计算油耗整体偏低的误差,可实时输出速度数据,更加简便易于操作。
上述说明仅是本公开技术方案的概述,为了能更清楚了解本公开的技术手段,而可依照说明书的内容予以实施,并且为让本公开的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本公开实施例提供的高速公路自动驾驶货车编队运行调度方法的逻辑流程图。
图2为本公开实施例提供的第一策略的速度-时间曲线示意图。
图3为本公开实施例提供的第一策略的逻辑流程图。
图4为本公开实施例提供的第一策略中后车的运动流程图。
图5为本公开实施例提供的第二策略的速度-时间曲线示意图。
图6为本公开实施例提供的第二策略的逻辑流程图。
图7为本公开实施例提供的第二策略中前车的运动流程图。
图8为本公开实施例提供的第三策略的速度-时间曲线示意图。
图9为本公开实施例提供的第三策略的逻辑流程图。
图10为本公开实施例提供的策略选择示意图。
图11为图10对应的算法逻辑流程图。
图12为本实施例中高速公路自动驾驶货车编队运行调度方法的一种具体实施例的迭代示意图。
图13为本实施例中进行多车合并编队时的逻辑流程图。
图14为本实施例中的一种基于启发式的多车合并算法流程图。
图15为本实施例中的五辆车进行合并的过程示意图。
图16为本公开实施例提供的一种电子设备的原理框图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
应当明确,以下通过特定的具体实例说明本公开的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本公开的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目各方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是,以下实施例中所提供的图示仅以示意方式说明本公开的基本构想,图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
另外,在以下描述中,提供具体细节是为了便于透彻理解实例。然而,所属领域的技术人员将理解,可在没有这些特定细节的情况下实践所述方面。
参照图1,本申请的第一方面公开了一种高速公路自动驾驶货车编队运行调度方法,该方法包括以下步骤:
S100,基于预选的待合并车辆,获得行驶预设初始距离的行驶参数;在本实施例中,待合并车辆的优选为两辆。
S200,基于遗传算法,采用第一策略、第二策略、第三策略分别对待合并车辆分析,获得三个目标函数,即以两车场景进行三种策略下编队优化模型的构建,进行两车合并编队前、编队完成后两个阶段的分析,获取三种策略对应的目标函数。
S300,判断三个目标函数中最大的目标函数是否满足阈值,若是,根据对应的策略执行合并,若否,更换目标车辆进行合并分析。具体的,获取最大目标函数对应的运动参数,用于指导下一阶段的运动。
本申请提供的两车合并的三种策略,即“后车追赶”策略、“前车减速”策略、“二车协作”策略,其中第三策略对前后两车都进行适当的干预,综合考虑了车辆的油耗以及延误情况;本申请提供的方法,细化车辆合并过程中的运动状态,由于加速及匀速阶段油耗差异较大,因此运用分阶段的油耗计算公式衡量货车在不同过程中的燃油消耗情况,有效避免了通过平均速度计算油耗整体偏低的误差,可实时输出速度数据,更加简便易于操作。
参照图2至图4,在本实施例中,S200中的第一策略为后车追赶策略(即后车追赶式),两车的初始车间距为d,前车至终点的距离为s,具体如下:前车始终以初始速度v0匀速行驶,后车初始时的速度与前车的初始速度一致,后车在第一阶段进行加速追赶直至达到预设速度,在第二阶段匀速行驶,在第三阶段进行减速追赶并减速至初始速度,即减速至与前车的初始速度一致时,此时,两车的车间距为安全间距dsafe,然后,两车形成编队并以车队形式匀速前进。
其中,前车在编队完成前行驶的距离为La,La=v0tsa;tsa为前车从开始编队到完成编队的时间,在本实施例中,tsa即为合并阶段与编队阶段的分割点ts。
前车在编队前的油耗指标函数(不含滚动阻力做功)为
后车追赶包括后车加速运动、后车匀速运动和后车自由减速运动,即后车在第一阶段进行加速追赶直至达到预设速度,在第二阶段匀速行驶,在第三阶段进行减速追赶并减速至初始速度。
具体地,后车的运行步骤具体如下:
S211,在第一阶段,即0到t1阶段,后车加速进行前车的追赶,后车的初始速度与前车的初始速度一致,均为v0,后车的速度从v0加速到预设速度vm,即为合并过程中的最佳速度或者预设的最大速度,由于在第一阶段的速度变化呈S型曲线变化对称,平均加速度及平均速度相等,产生的油耗也相等,因此将该时间段内的变加速运动看作匀加速运动,则在第一阶段的加速度t1为后车的加速时间。
后车加速运动的行驶距离为
S212,在第二阶段,即t1到t2阶段,后车匀速前进以进行前车的追赶,后车匀速运动的行驶距离为t2为后车减速前运行的总时间。
S213,在第三阶段,即t2到ts阶段,后车执行减速运动,直至减速至与初始速度一致;在该阶段,除去车辆牵引力、制动力,车辆仅受空气阻力和滑动摩擦力影响时,车辆加速度为a2,该值随速度的降低而不断发生变化,为求得减速段的车辆位移,以平均加速度/>代替,/> kd=0.5ρACd 0,其中,m为车辆载重质量,g为重力加速度,Cr为滚动阻力系数,ρ为空气密度,A为车辆的正投影面积,Cd 0为单车空气阻力系数。
在ts时完成合并,将初始车间距d缩小至安全间距dsafe并编队行驶至终点。
前车与后车的实时间距为d(T):
d为合并前的初始间距。
前车与后车在合并完成时的间距为d(tsa):
当两车完成合并T=tsa时,安全间距为dsafe。
后车自由减速运动的行驶距离为
后车在编队完成时行驶的距离为Lb,
后车在编队前的油耗指标函数(不含滚动阻力做功)为
其中,λ为旋转质量系数。
在第四阶段,两车形成编队并以车队形式匀速前进,两车形成编队后行驶到终点的油耗指标函数(不含滚动阻力做功)为Jp,其中,φp为编队车辆整体风阻系数(即车队总体风阻系数),tsa也为后车完成与前车合并时的时间(即合并阶段与编队阶段的分割点ts),两车的车间距为安全间距dsafe,td为两车合并达到终点的时间。
φp=kd(φ1+φ2),其中,kd为车辆单独行驶时的风阻系数,φ1和φ2为形成编队后的风阻调整系数。
编队控制下两辆车的总体油耗函数为J1:
编队控制下两辆车的节油率为η,其中,Js为在初始状态下,两车不合并编队行驶至终点的总油耗函数,Js=(kdv0 2+mgCr)(2s+d)。
控制条件为:
在本实施例中,η为第一策略的目标函数,第一策略的优化目标为获取目标函数最大值时对应的vm和a1,即节油率最高时,获得最佳速度vm以及加速度a1,并以获取的参数指导下一时刻车辆的合并运行。
进一步地,第一策略的目标函数还可以为Z:
其中,ω1、ω2为预设权重,n为进行编队的货车数目,ti d为原始状态下第i辆车到达目的地的时间,ti为编队控制下第i辆车到达目的地的时间。
参照图5至图7,S200中的第二策略为前车减速策略(即前车减速式),前车减速与后车合并并编队,两车的初始车间距为d,前车至终点的距离为s;前车减速策略具体如下:后车始终以初始速度v0匀速行驶匀速;前车初始时的速度与后车的初始速度一致,后车在第一阶段进行自由减速运动,在第二阶段进行匀速运动,在第三阶段进行加速运动,直至加速到与后车的初始速度v0一致,此时,两车的车间距为安全间距dsafe,然后,两车形成编队并以车队形式匀速前进。
其中,后车在编队完成前行驶的距离为Lb,Lb=v0tsb,tsb为后车从开始编队到完成编队的时间,在本实施例中,tsb即为合并阶段与编队阶段的分割点ts。
后车在编队前的油耗指标函数(不含滚动阻力做功)为
前车减速包括前车自由减速运动、前车匀速运动和前车加速运动,即前车在第一阶段进行减速追赶直至达到预设速度,在第二阶段匀速行驶,在第三阶段进行加速追赶并加速至初始速度。
具体地,前车的运行步骤具体如下:
S221,在第一阶段,即0到t1阶段,前车减速且前车的初始速度与后车的初始速度一致,均为v0,前车的速度从v0减少为vs,即前车减速后达到的预设速度。
前车自由减速运动的行驶距离为kd=0.5ρACd 0;其中,m为货车载重质量,g为重力加速度,Cr为滚动阻力系数,ρ为空气密度,A为车辆的正投影面积,Cd 0为单车空气阻力系数。
S222,在第二阶段,即t1到t2阶段,前车匀速运动,其匀速运动的行驶距离为t1为前车的减速时间,t2为前车加速前运行的总时间。
S223,在第三阶段,即t2到ts阶段,前车执行减速运动,直至加速至与初始速度一致,在ts时完成合并形成编队,并将初始车间距d缩小至安全间距dsafe,然后两车以编队形式行驶至终点。
前车加速运动的行驶距离为该加速阶段为匀加速运动,以加速度a2加速至初始速度v0。
前车与后车的实时间距为d(T):
d为合并前的初始间距。
前车与后车在合并完成时的间距为d(tsb):
当两车完成合并T=tsb时,安全间距为dsafe。
前车在编队完成前行驶的距离为La:
前车在编队前的油耗指标函数为
λ为旋转质量系数。
两车形成编队后行驶到终点的油耗指标函数为Jp,φp为车队总体风阻系数。
编队控制下两辆车的总体油耗函数为J2:
m为车辆载重质量,d为两车车间距,s为前车至终点的距离。
编队控制下两辆车的节油率为η,Js=(kdv0 2+mgCr)(2s+d)。
控制条件为:
在本实施例中,η为第二策略的目标函数,第二策略的优化目标为获取目标函数最大值时对应的vs和a2,即节油率最高时,获得最佳速度vs以及加速度a2,并以获取的参数指导下一时刻车辆的合并并以编队形式行驶至终点。
进一步地,第二策略的目标函数还可以为Z,获取第二策略对应的目标函数值。
参照图8至图9,在本实施例中,S200中的第三策略为两车协作策略(即二车协作式),前后两车以协作的方式更快地完成合并以形成编队。两车的初始车间距为d,前车至终点的距离为s;两车协作策略具体如下:前车在第一阶段进行自由减速运动,在第二阶段进行匀速运动,在第三阶段进行加速运动;后车在第一阶段进行加速运动,在第二阶段进行匀速运动,在第三阶段进行减速运动,两车在ts时完成合并,并将两车的车间距由初始间距d缩小至安全间距dsafe,然后形成编队并以车队形式匀速前进至终点。
具体地,前车和后车的运动步骤如下:
在前车运行的第一阶段,即0到t3阶段,前车从初始速度v0自由减速至vs。
前车的自由减速运动行驶的距离为
其中,kd=0.5ρACd 0;m为货车载重质量,g为重力加速度,Cr为滚动阻力系数,ρ为空气密度,A为车辆的正投影面积,Cd 0为单车空气阻力系数。
在后车运行的第一阶段,即0到t1阶段,即后车从初始速度v0以加速度a3加速至最大速度vm,后车的加速运动行驶的距离为,其中,t1为后车的加速时间。
在前车运行的第二阶段,即t3到t4阶段,前车以vs匀速行驶;前车的匀速运动行驶的距离为 tf为前车匀速运动的时间。
在后车运行的第二阶段,即t1到t2阶段,后车以vm匀速行驶;后车的匀速运动行驶的距离为 tb为后车匀速运行的总时间,tf=t4-t3。
在前车运行的第三阶段,即t4到ts阶段,前车以加速度a2加速至初始速度;前车加速运动行驶的距离为tsc为前车从开始编队到完成编队的时间,在本实施例中,tsa即为合并阶段与编队阶段的分割点ts。/>
在后车运行的第三阶段,即t2到ts阶段,后车以加速度减速至初始速度v0;后车的减速运动行驶的距离为/>
前车与后车在合并完成时的间距为d(tsc):
d(tsc)=dsafe,d为合并前的初始间距。
前车在编队完成前行驶的距离La,
前车在编队前的油耗指标函数为
后车在编队完成时行驶的距离为Lb,
后车在编队前的油耗指标函数为
两车形成编队后匀速行驶到终点的油耗指标函数为Jp,
编队控制下两辆车的总体油耗函数为J3:其中,m为车辆载重质量,d为两车初始车间距,s为前车至终点的距离。
编队控制下两辆车的节油率为η,Js=(kdv0 2+mgCr)(2s+d)。
交通延误百分比为δ,n为进行编队的货车数目,ti d为原始状态下第i辆车到达目的地的时间,ti为编队控制下第i辆车到达目的地的时间。
第三策略的目标函数为Z,Z=ω1η-ω2δ;ω1、ω2为预设权重。
第三策略的优化目标为获取目标函数的最大值时对应的vm、vs、a2和a3,即获得节油率最高且交通延误百分比最低的对应参数,具体地,获得最佳速度vm、vs以及加速度a2、a3,并以获取的参数指导下一时刻车辆的合并、编队运行。
控制条件为:
以往的研究仅从后车的角度出发,解决是否应该对前车进行追及并合并为车队。而在仅考虑对两辆车的合并问题进行优化时,更加合理的考虑是对两车都进行适当的干预,在保证运输任务准时性的前提下使得总体油耗达到最优。本申请在此基础上考虑前车和后车的各自的运动过程,提出三种合并策略,且细化货车合并过程中的运动状态,由于加速及匀速阶段油耗差异较大,因此运用分阶段的油耗计算公式衡量货车在该过程中的燃油消耗情况,有效避免了通过平均速度计算油耗整体偏低的误差,通过输出速度轨迹也更加简便易操作。
综上所述,通过第一策略、第二策略、第三策略分别对待合并车辆分析,可以获得三个目标函数,若第一策略的目标函数最大,则判断该目标函数(即节油率)是否满足大于0,若满足,则根据第一策略执行合并,以指导下一预设阶段的运动或者余下路程的运动;若不满足,更换目标车辆进行合并分析。
若第二策略的目标函数最大,则判断该目标函数(即节油率)是否满足大于0,若满足,则根据第二策略执行合并,以指导下一预设阶段的运动或者余下路程的运动;若不满足,更换目标车辆进行合并分析。
若第三策略的目标函数最大,则判断该目标函数是否满足大于0,若满足,则根据第三策略执行合并,以指导下一预设阶段的运动或者余下路程的运动;若不满足,更换目标车辆进行合并分析。
进一步地,参照图10,第一策略和第二策略也可以根据所赋权重将节油率与延误百分比进行折算得到目标函数值,具体地:
获取最大的目标函数,并判断该目标函数是否满足大于0,若满足,则根据对应的策略执行合并,以指导下一预设阶段的运动或者余下路程的运动;若不满足,更换目标车辆进行合并分析。
参照图11,图示为本申请公开的基于遗传算法的两车合并最优速度轨迹求解逻辑流程图,由于构建的自动驾驶货车合并编队决策模型的决策变量为速度和加速度,基于待合并的车辆继续策略求解,采用实数编码的方式对染色体进行设计,其中一条染色体对应一种速度轨迹,即问题的一个解。
不同策略中,前后车加减速过程的最高/最低速度及加速度均存在对应的约束范围,通过实数编码将初始化染色体的随机数放缩在该范围内从而完成编码。
在自动驾驶货车合并编队决策模型中,评价合并策略的好坏,主要是货车按照策略实际行驶时消耗的燃油量和延误时间长短,以目标函数中的节油率和延误百分比的复合函数作为适应度函数评价每一代种群个体的优劣,即获得最大的复合函数值。
参照图12,通过遗传算法,对两车合并决策的三个优化模型进行求解,其中两车初始速度v0均为23m/s,车身及载重质量均为30t,初始车间距为200m,安全距离为5m,前车至终点距离为8km。后车加速的速度范围为[23,27]m/s,前车减速的速度范围为[16.67,23]m/s,加速度范围为[0,1]m/s2。
具体地,在第一策略,即“后车追赶”策略下求得节油率为6.62%,延误百分比为-1.2%(负值代表未产生延误,即运输时间有一定节约);在第二策略,即“前车减速”策略下求得节油率为8.6%,延误百分比为1.2%;在第三策略,即“二车协作”策略下求得节油率为7.38%,延误百分比为-0.5%。在节油率及延误百分比权重均赋1时进行策略间的比较,可选择“二车协作”策略作为该情况下的合并策略。
本申请提出的三种两车合并策略,既能兼顾前后车在合并过程中的运动状态,又能根据加速、匀速、自由减速三个不同的阶段进行燃油消耗量的计算,降低了根据平均速度计算油耗产生的误差,实时的速度轨迹输出也更加简便、可操作性强。
参照图13,当涉及多车合并编队时,存在2N-1可执行的不同车队队形(无超车行为)。随着车辆数量的增加,同时对多车合并策略进行计算难度较大、时间较长,实践中操作难度大,则难以再通过穷举的方式对各种合并次序下的优化问题进行求解。鉴于此,本申请提出基于以两两合并为基础合并策略的多目标分布式多阶段合并方法,可以更为快速得计算多辆车的合并策略。
多车合并为车队后可将其视为一个整体进行运动,其与其它车辆或车队的合并可以看作是两车合并的拓展,因此将多车合并模式分为:车-车队合并(前方为车辆、后方为车队)、车队-车合并(前方为车队、后方为车辆)、车队-车队合并(前方为车队、后方为车队)三类情况。每类情况下根据合并策略的不同仍可划分为三种子情况(后车/车队追赶策略、前车/车队减速策略、二车/车队协作策略)。
因此多车在进行合并时,首先应当确定各子车/车队间的合并类型,其次计算各策略下目标函数值,比较后择优选择目标函数值较大的合并策略进行分层次合并。
具体地,以第一策略,即后车追赶式为例继续扩展,分别形成车-车队(前方为车辆、后方为车队)、车队-车(前方为车队、后方为车辆)、车队-车队(前方为车队、后方为车队)的合并策略优化模型。各模型的差异主要体现在优化目标上(约束同两车约束),从两车合并的目标函数进行拓展,优化问题的目标为最大节油率,等价转化该优化问题为最小化燃油消耗函数:
车-车队:
车队-车:
车队-车队:
JR=mgCr(2s+d);
其中,m为单车质量,m总为n车编队时的车队总质量;L为后车/车队加速行驶的距离;a1为后车/车队加速追赶时的加速度;vm为后车/车队加速追赶时的最高速度;n'为车队/车队合并时前车队车辆数;φn为n车编队时车队的总阻力系数。
拓展的多车合并策略优化模型的决策变量为后车/车队编队前追赶的最高速度、加速度,约束条件与两车合并策略优化模型类似。
进一步地参照图14,该算法只考虑相关候选,并且复杂性以更温和的方式增长,从两车合并策略的求解结果中可知,通过盈亏平衡比(距离比s/d)可知候选车辆应寻找多远以找到可能的目标车辆进行合并,且目标车辆越近,潜在的燃油节约越高。
多车合并算法具体流程如下:首先选出候选车辆前后相邻可能发生合并的车辆(或车队),根据车辆的质量及车间距、至终点距离,对目标车辆或车队运用遗传算法计算第i策略下目标函数Zi的取值,并择优选择最佳合并策略(后车加速策略/前车减速策略/二车合作策略)maxZi,以此判断是否两车或车队间是否可以进行合并,若目标函数值大于0,则可执行合并,若目标函数值小于0则更换目标车辆/车队重新计算。
计算完成后按目标函数值大小进行排序,选择目标函数值最大的方式按轮次执行合并。当某路段候选车辆数为2-3辆时,每一轮最多仅可执行一次合并,当候选车辆为4-6辆时,每一轮可同时执行多次合并,最多可同时执行
执行多次合并轮次的目标函数值为各候选前车辆/队j与后车辆/队j+1间目标函数值并将/>按由大到小的顺序进行排列,形成新向量z,Z[r]为z中第r大的元素,其中,j∈{1,2,3,4,5,6}。
依次选取z中排序前Z[X]进行合并(Z[X]>0)。如有同时有两组向量车辆/车队被选中,选择具有较大目标函数的一组车辆/车队进行合并。同时增加第Z[X+1]>0的车辆/队组进行合并。
在第一轮合并完成后重新检测并进行后续的合并,直至两候选车辆或车队间的目标函数值小于零,合并结束,以当前编队方式行驶至终点。
通过本申请提供的方法,可简化多车合并流程,提出的逐层合并策略,将多车合并分为车-车队、车队-车、车队-车队三类合并情况,基于各合并策略下的目标函数值大小选择最佳策略用于子车/车队间的合并,且每一***作流程只考虑两辆/组候选车辆,基于启发式的多车合并算法,根据距离比寻找可能的目标车辆/目标车队逐层合并,复杂度较低、易于操作、可以完成快速合并。
具体地,参照图15,受到货车车长和车辆通讯范围限制,假设首尾车辆的通讯范围为[0,700]m,最大编队车辆数为6辆,超出该范围的车辆则不视为符合候选合并条件的目标车辆。
目标道路上有5辆车正在行驶,车辆初速度均为23m/s,车长为15m,车身及载重质量均为30t,初始车间距分别为100m、200m、200m、100m,安全距离5m,首车至尾车间距为680m,首车至终点距离为8km。
结合风阻系数仿真实验,五辆车进行编组(编组后前后车的间距为5m)情况,如两车、三车、四车及五车分别进行编组,则车队的平均风阻系数约为0.69、0.56、0.48和0.44。根据各车质量、车间距及每辆车至终点的距离参数,计算各候选车辆间使用不同合并策略进行合并的目标函数值,如表1所示。
表1
若第一辆与第二辆车进行合并,则其计算得到三种策略下的目标函数值分别为8.78%、8.55%、8.81%,因此根据两车合并策略选择方法选择目标函数最大的策略,即二车协作式进行合并。
由初始状态下各候选车辆的目标函数值计算中可知,各相邻车辆间的目标函数值依次为8.81%、7.91%、7.98%、8.94%,且均选择二车协作式进行合并,因此在第一轮应选择第一辆与第二辆车、第四辆与第五辆车进行合并,第一轮合并完成后进行参数更新,1+2车队与3车、3车与4+5车队车间距及前车/车队至终点距离如表2所示。
表2
车辆/车队组合 | 车辆/车队间距/m | 首车距离终点间距/km |
1+2→3 | 257 | 7.216 |
3→4+5 | 235 | 7.668 |
第一轮合并完成后,重新计算各车辆与车队间的目标函数值如表3所示,其中第三辆车与前车队运用不同策略进行合并时的目标函数值分别为5.56%、3.14%、5.52%,因此选择后车追赶式策略进行合并,第三辆车与后车队运用不同策略进行合并时的目标函数值分别为5.25%、5.52%、5.58%,且本轮最多同时仅可进行一次合并,因此选择目标函数值较大的第四、五辆车组成的车队与第三辆车进行二车协作式合并,第二轮合并完成后更新的距离参数如表4所示。
表3
表4
车辆/车队组合 | 车辆/车队间距/m | 首车距离终点间距/km |
1+2→3+4+5 | 464 | 5.814 |
第二轮合并完成后,继续重新计算各车辆与车队间的目标函数值如表5所示,其中前两车车队与后三车车队运用不同策略进行合并的目标函数值分别为2.09%、0.32%、2.13%,因此选择第三策略,即二车协作式进行合并,更新距离参数后以该编队形式行驶至终点。
表5
此外,本申请提出的多车合并算法及流程,既能判定候选车辆/车队与目标车辆/车队间是否应当执行合并,又能通过目标函数的计算选择子车/车队间的最佳合并策略,并以最优的方式完成每一轮的合并,保证合并过程准确、快速地进行。
本申请的第二方面公开了一种高速公路自动驾驶货车编队运行调度***,包括:
筛选模块,配置有预选的待合并车辆;
参数获取模块,配置为获取待合并车辆行驶预设初始距离的行驶参数;
分析模块,配置为基于遗传算法,采用第一策略、第二策略、第三策略分别对待合并车辆分析,获得三个目标函数;
判断模块,配置为确定最大的目标函数,并判断最大的目标函数是否大于1,若是,根据对应的策略触发执行模块执行合并;若否,触发筛选模块重新进行目标车辆的选取;
执行模块,配置为基于判断模块的指令进行合并指令的执行,进行对应车辆的自动编队。
根据本公开实施例的电子设备包括存储器和处理器。该存储器用于存储非暂时性计算机可读指令。具体地,存储器可以包括一个或多个计算机程序产品,该计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。该易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。该非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。
该处理器可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元,并且可以控制电子设备中的其它组件以执行期望的功能。在本公开的一个实施例中,该处理器用于运行该存储器中存储的该计算机可读指令,使得该电子设备执行前述的本公开各实施例的高速公路自动驾驶货车编队运行调度方法全部或部分步骤。
本领域技术人员应能理解,为了解决如何获得良好用户体验效果的技术问题,本实施例中也可以包括诸如通信总线、接口等公知的结构,这些公知的结构也应包含在本公开的保护范围之内。
如图16为本公开实施例提供的一种电子设备的结构示意图。其示出了适于用来实现本公开实施例中的电子设备的结构示意图。图16示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图16所示,电子设备可以包括处理装置(例如中央处理器、图形处理器等),其可以根据存储在只读存储器(ROM)中的程序或者从存储装置加载到随机访问存储器(RAM)中的程序而执行各种适当的动作和处理。在RAM中,还存储有电子设备操作所需的各种程序和数据。处理装置、ROM以及RAM通过总线彼此相连。输入/输出(I/O)接口也连接至总线。
通常,以下装置可以连接至I/O接口:包括例如传感器或者视觉信息采集设备等的输入装置;包括例如显示屏等的输出装置;包括例如磁带、硬盘等的存储装置;以及通信装置。通信装置可以允许电子设备与其他设备(比如边缘计算设备)进行无线或有线通信以交换数据。虽然图16示出了具有各种装置的电子设备,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置从网络上被下载和安装,或者从存储装置被安装,或者从ROM被安装。在该计算机程序被处理装置执行时,执行本公开实施例的高速公路自动驾驶货车编队运行调度方法的全部或部分步骤。
有关本实施例的详细说明可以参考前述各实施例中的相应说明,在此不再赘述。
根据本公开实施例的计算机可读存储介质,其上存储有非暂时性计算机可读指令。当该非暂时性计算机可读指令由处理器运行时,执行前述的本公开各实施例的高速公路自动驾驶货车编队运行调度方法的全部或部分步骤。
上述计算机可读存储介质包括但不限于:光存储介质(例如:CD-ROM和DVD)、磁光存储介质(例如:MO)、磁存储介质(例如:磁带或移动硬盘)、具有内置的可重写非易失性存储器的媒体(例如:存储卡)和具有内置ROM的媒体(例如:ROM盒)。
有关本实施例的详细说明可以参考前述各实施例中的相应说明,在此不再赘述。
以上结合具体实施例描述了本公开的基本原理,但是,需要指出的是,在本公开中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本公开为必须采用上述具体的细节来实现。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (10)
1.一种高速公路自动驾驶货车编队运行调度方法,其特征在于,该方法包括:
基于预选的待合并车辆,获得行驶预设初始距离的行驶参数;
基于遗传算法,采用第一策略、第二策略、第三策略分别对待合并车辆分析,获得三个目标函数;
判断最大的目标函数是否满足阈值,若是,根据对应的策略执行合并,若否,更换目标车辆进行合并分析;
所述第一策略为后车追赶策略,所述第一策略的目标函数为:其中,Js=(kdv01 2+mgCr)(2s+d);
对应的控制条件为:
所述第一策略的优化目标为获取目标函数最大值时对应的后车加速后达到的预设速度vm1、后车在第一阶段行驶中的加速度a1;
其中,所述后车追赶包括后车加速运动、后车匀速运动和后车自由减速运动;kd为车辆单独行驶时的风阻系数,v01为前车的初始速度,tsa为前车从开始编队到完成编队的时间,λ为旋转质量系数,m为车辆载重质量,为所述后车加速运动的行驶距离,vm1为所述后车加速后达到的预设速度,φp为编队车辆整体风阻系数,td为两车合并达到终点的时间,g为重力加速度,Cr为滚动阻力系数,s为所述前车至终点的距离,d为合并前的初始间距,t11为后车加速运动的加速时间,t21为后车减速前运行的总时间;当两车完成合并T=tsa时,安全间距为dsafe;
所述第二策略为前车减速策略,所述第二策略的目标函数为:其中,
对应的控制条件为:
所述第二策略的优化目标为获取目标函数最大值时对应的前车减速后达到的预设速度vs1和前车在第三阶段行驶中的加速度a2;
其中,所述前车减速包括前车自由减速运动、前车匀速运动和前车加速运动;为所述前车加速运动的行驶距离,tsb为后车从开始编队到完成编队的时间,vs1为所述前车减速后达到的预设速度,t12为所述前车自由减速运动的减速时间,t22为所述前车加速前运行的总时间,v02为所述后车的初始速度,td为合并前的总时间;
所述第三策略为两车协作策略,所述第三策略的目标函数为:
对应的控制条件为:
所述第三策略的优化目标为获取目标函数的最大值时对应的后车运行的第二阶段的匀速速度vm2、前车运行的第二阶段的匀速速度vs2、前车运行的第三阶段加速运动中的加速度a21和后车运行的第一阶段加速运动中的加速度a3;
在所述第三策略中,v03为所述后车的初始速度,ω1、ω2为预设权重,为所述前车的加速运动行驶的距离,tsc为前车从开始编队到完成编队的时间,t13为后车的加速时间,t23为后车匀速运动结束的时间,t3为前车开始进行匀速运动时的时间,t4为前车结束进行匀速运动时的时间,/>为所述后车的加速运动行驶的距离。
2.根据权利要求1所述的高速公路自动驾驶货车编队运行调度方法,其特征在于,所述第一策略具体如下:
前车以初始速度匀速行驶;
所述后车在第一阶段进行加速追赶直至达到预设速度,在第二阶段匀速行驶,在第三阶段进行减速追赶并减速至初始速度;
两车形成编队并以车队形式匀速前进。
3.根据权利要求2所述的高速公路自动驾驶货车编队运行调度方法,其特征在于,所述前车在编队完成前行驶的距离为La,La=v01tsa;
所述后车的初始速度与所述前车的初始速度一致,t11为所述后车的加速时间;
所述后车匀速运动的行驶距离为 t21为所述后车减速前运行的总时间;
所述后车自由减速运动的行驶距离为 kd=0.5ρACd 0;ρ为空气密度,A为车辆的正投影面积,Cd 0为单车空气阻力系数;
所述前车与所述后车的实时间距为d(T):
所述前车与所述后车在合并完成时的间距为d(tsa):
为所述前车在编队前的油耗指标函数;
为所述后车在编队前的油耗指标函数;
J1为编队控制下两辆车的总体油耗函数;
编队控制下两辆车的节油率为η,
所述第一策略的目标函数为η,所述第一策略的优化目标为获取目标函数最大值时对应的vm1和a1。
4.根据权利要求1所述的高速公路自动驾驶货车编队运行调度方法,其特征在于,所述第二策略具体如下:
后车以初始速度匀速行驶匀速;
所述前车在第一阶段进行自由减速运动,在第二阶段进行匀速运动,在第三阶段进行加速运动;
两车形成编队并以车队形式匀速前进。
5.根据权利要求4所述的高速公路自动驾驶货车编队运行调度方法,其特征在于,所述后车在编队完成前行驶的距离为Lb,Lb=v02tsb;
所述前车自由减速运动的行驶距离为 kd=0.5ρACd 0;所述前车的初始速度与所述后车的初始速度一致,ρ为空气密度,A为车辆的正投影面积,Cd 0为单车空气阻力系数;
所述前车匀速运动的行驶距离为
所述前车与所述后车的实时间距为d(T):
d为合并前的初始间距;
所述前车与所述后车在合并完成时的间距为d(tsb):
当两车完成合并T=tsb时,安全间距为dsafe;
为所述前车在编队前的油耗指标函数;
为所述后车在编队前的油耗指标函数;
φp为编队车辆整体风阻系数;
编队控制下两辆车的总体油耗函数为J2,
编队控制下两辆车的节油率为η,
所述第二策略的目标函数为η,所述第二策略的优化目标为获取目标函数最大值时对应的vs1和a2。
6.根据权利要求1所述的高速公路自动驾驶货车编队运行调度方法,其特征在于,所述第三策略具体如下:
前车在第一阶段进行自由减速运动,在第二阶段进行匀速运动,在第三阶段进行加速运动;
后车在第一阶段进行加速运动,在第二阶段进行匀速运动,在第三阶段进行减速运动;
两车形成编队并以车队形式匀速前进。
7.根据权利要求6所述的高速公路自动驾驶货车编队运行调度方法,其特征在于,所述前车的自由减速运动行驶的距离为 kd=0.5ρACd 0;所述前车的初始速度与所述后车的初始速度一致;ρ为空气密度,A为车辆的正投影面积,Cd 0为单车空气阻力系数;
所述前车的匀速运动行驶的距离为 tf为前车匀速运动的时间;
所述后车的初始速度与所述前车的初始速度一致;
所述后车的匀速运动行驶的距离为 tb为所述后车匀速运行的总时间;
所述后车的减速运动行驶的距离为
所述前车与所述后车在合并完成时的间距为d(tsc):
d(tsc)=dsafe;d为合并前的初始间距;
为所述前车在编队前的油耗指标函数;
为所述后车在编队前的油耗指标函数;
φp为编队车辆整体风阻系数;
J3为编队控制下两辆车的总体油耗函数;
δ为交通延误百分比;n为进行编队的货车数目,ti d为原始状态下第i辆车到达目的地的时间,ti为编队控制下第i辆车到达目的地的时间;
所述第三策略的目标函数为Z,Z=ω1η-ω2δ;ω1、ω2为预设权重。
8.一种高速公路自动驾驶货车编队运行调度***,其特征在于,包括:
筛选模块,配置有预选的待合并车辆;
参数获取模块,配置为获取待合并车辆行驶预设初始距离的行驶参数;
分析模块,配置为基于遗传算法,采用第一策略、第二策略、第三策略分别对待合并车辆分析,获得三个目标函数;
判断模块,配置为确定最大的目标函数,并判断最大的目标函数是否满足阈值,若是,根据对应的策略触发执行模块执行合并;若否,触发所述筛选模块重新进行目标车辆的选取;
执行模块,配置为基于所述判断模块的指令进行合并指令的执行,进行对应车辆的自动编队。
9.一种电子设备,其特征在于,所述电子设备包括:至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7任一所述的高速公路自动驾驶货车编队运行调度方法。
10.一种计算机可读存储介质,其特征在于,该计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行权利要求1-7任一所述的高速公路自动驾驶货车编队运行调度方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310014238.9A CN116820080B (zh) | 2023-01-05 | 2023-01-05 | 高速公路自动驾驶货车编队运行调度方法、*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310014238.9A CN116820080B (zh) | 2023-01-05 | 2023-01-05 | 高速公路自动驾驶货车编队运行调度方法、*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116820080A CN116820080A (zh) | 2023-09-29 |
CN116820080B true CN116820080B (zh) | 2024-04-30 |
Family
ID=88111527
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310014238.9A Active CN116820080B (zh) | 2023-01-05 | 2023-01-05 | 高速公路自动驾驶货车编队运行调度方法、*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116820080B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109017885A (zh) * | 2018-08-17 | 2018-12-18 | 湖南大学 | 一种动态自动重组车列方法和*** |
CN112634606A (zh) * | 2020-12-21 | 2021-04-09 | 重庆交通大学 | 货车编队运输调度方法、调度***、介质及数据处理终端 |
CN113408214A (zh) * | 2021-06-16 | 2021-09-17 | 吉林大学 | 油耗与排放一体化优化的商用车队列合并方法 |
CN113453155A (zh) * | 2020-03-24 | 2021-09-28 | 北京图森智途科技有限公司 | 一种车辆自动导航控制方法、装置、介质和设备 |
CN114187755A (zh) * | 2021-12-14 | 2022-03-15 | 上海平可行智能科技有限公司 | 车辆编队控制方法 |
CN114516328A (zh) * | 2022-03-08 | 2022-05-20 | 武汉科技大学 | 一种智能网联环境下基于规则的车队跟驰模型方法 |
CN114818109A (zh) * | 2022-02-24 | 2022-07-29 | 徐州徐工汽车制造有限公司 | 一种车辆编队行驶下空气阻力系数及燃油经济性计算方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8788134B1 (en) * | 2013-01-04 | 2014-07-22 | GM Global Technology Operations LLC | Autonomous driving merge management system |
-
2023
- 2023-01-05 CN CN202310014238.9A patent/CN116820080B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109017885A (zh) * | 2018-08-17 | 2018-12-18 | 湖南大学 | 一种动态自动重组车列方法和*** |
CN113453155A (zh) * | 2020-03-24 | 2021-09-28 | 北京图森智途科技有限公司 | 一种车辆自动导航控制方法、装置、介质和设备 |
CN112634606A (zh) * | 2020-12-21 | 2021-04-09 | 重庆交通大学 | 货车编队运输调度方法、调度***、介质及数据处理终端 |
CN113408214A (zh) * | 2021-06-16 | 2021-09-17 | 吉林大学 | 油耗与排放一体化优化的商用车队列合并方法 |
CN114187755A (zh) * | 2021-12-14 | 2022-03-15 | 上海平可行智能科技有限公司 | 车辆编队控制方法 |
CN114818109A (zh) * | 2022-02-24 | 2022-07-29 | 徐州徐工汽车制造有限公司 | 一种车辆编队行驶下空气阻力系数及燃油经济性计算方法 |
CN114516328A (zh) * | 2022-03-08 | 2022-05-20 | 武汉科技大学 | 一种智能网联环境下基于规则的车队跟驰模型方法 |
Non-Patent Citations (3)
Title |
---|
Customer-Oriented Vehicle Routing Problem withEnvironment Consideration: Two-Phase Optimization Approach and Heuristic Solution;Fanting Meng;Mathematical Problems in Engineering;20191231;全文 * |
基于轨迹数据的货车自发编队节油潜力估计;谭二龙;交通运输***工程与信息;20220228;第22卷(第1期);全文 * |
自动驾驶环境下车辆编队行驶能耗优化问题研究;赵树鹏;中国优秀硕士学位论文全文数据库;20220115(第1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116820080A (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110362910B (zh) | 基于博弈论的自动驾驶车辆换道冲突协调模型建立方法 | |
Nie et al. | Real-time dynamic predictive cruise control for enhancing eco-driving of electric vehicles, considering traffic constraints and signal phase and timing (SPaT) information, using artificial-neural-network-based energy consumption model | |
CN110750877A (zh) | 一种Apollo平台下的车辆跟驰行为预测方法 | |
CN112307564A (zh) | 列车ato目标运行速度曲线优化方法及装置 | |
CN110893853B (zh) | 一种基于前方坡度信息的车辆控制方法以及*** | |
SE1151256A1 (sv) | Metod och modul för att styra ett fordons hastighet genom simulering | |
CN112735126A (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 | |
Torabi et al. | Energy minimization for an electric bus using a genetic algorithm | |
Jayawardana et al. | Learning eco-driving strategies at signalized intersections | |
EP2906908B1 (en) | Method and computer program product for estimating a travel time for a vehicle | |
CN113947929B (zh) | 一种针对高速公路改扩建连续施工区的可变限速控制方法 | |
CN114074680B (zh) | 基于深度强化学习的车辆换道行为决策方法及*** | |
Rodrigues et al. | Adaptive behaviour selection for autonomous vehicle through naturalistic speed planning | |
CN115116249A (zh) | 一种自动驾驶车辆不同渗透率与道路通行能力的估计方法 | |
CN115257789A (zh) | 城市低速环境下的营运车辆侧向防撞驾驶决策方法 | |
CN116432448A (zh) | 基于智能网联车和驾驶员遵从度的可变限速优化方法 | |
CN116820080B (zh) | 高速公路自动驾驶货车编队运行调度方法、*** | |
CN114162145A (zh) | 车辆自动驾驶方法、装置及电子设备 | |
CN117141489B (zh) | 一种基于最小作用量原理的智能车辆轨迹分层规划方法 | |
Kamal et al. | Eco-driving using real-time optimization | |
Wang et al. | Towards higher efficiency and less consumption: Control Strategy and Simulation for CAV platooning | |
CN111488674A (zh) | 一种平面交叉口车辆运行轨迹模拟方法 | |
Dong et al. | Iterative learning control for lane-changing trajectories upstream off-ramp bottlenecks and safety evaluation | |
Hoel et al. | An evolutionary approach to general-purpose automated speed and lane change behavior | |
CN114701517A (zh) | 基于强化学习的多目标复杂交通场景下自动驾驶解决方法 |
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 |