一种用于双车道混合交通流的基于数据预测控制的方法

摘要: 本发明涉及自动驾驶,特别是涉及一种用于双车道混合交通流的基于数据预测控制的方法。背景技术:1、近几十年来,随着自动驾驶技术和通信技术的快速发展,网联自动驾驶车辆...
一种用于双车道混合交通流的基于数据预测控制的方法

本发明涉及自动驾驶,特别是涉及一种用于双车道混合交通流的基于数据预测控制的方法。

背景技术:

1、近几十年来,随着自动驾驶技术和通信技术的快速发展,网联自动驾驶车辆得到了飞快发展。人们通过对网联自动驾驶汽车的广泛研究发现,与传统的人工驾驶车辆相比,网联自动驾驶汽车可以获得更多的驾驶信息,具有更精确的操作和更短的反应时间。在交通系统方面,网联自动驾驶汽车为提高交通稳定性、提高道路安全性提供了新的机会。一种典型的技术就是合作自适应巡航控制cacc,它将一系列网联自动驾驶汽车组织成一排,跟随指定的领头车辆。这种方式可以在保持较小车距的同时实现更好的燃油经济和更顺畅的交通流量。

2、然而在可预见的未来,人工驾驶车辆hdvs与自动驾驶车辆cavs共存的混合交通流将是道路交通的必经阶段,针对此阶段交通特性的研究显得尤为重要。将cacc扩展到混合交通流,一个典型的例子是连接巡航控制ccc,尾部的单个自动驾驶车辆cav通过监测前方多个人工驾驶车辆hdv的运动来确定控制策略。许多研究表明了连接巡航控制ccc在改善混合交通方面的潜力,它能显著提高车辆的主动安全性、燃油经济性和交通效率,特别是可以提供首尾连贯的车队稳定性。由于人类驾驶员的前后反应动力学,单个车辆的行为对包含其后面车辆的上游交通流具有同步影响,例如,一辆车的扰动会沿着上游传播。因为使网联自动驾驶汽车能够消除来自下游交通的扰动的主题已经得到了极大的关注,而扰动对网联自动驾驶汽车后面的上游交通流的影响尚未得到明确解决。又因为连接巡航控制ccc主要考虑的是局部性能,关注的是在自动驾驶车辆cav前面的下游车辆的交通状况,不考虑自动驾驶车辆cav后方的上游车辆。

3、现有技术缺点:现有的自适应巡航控制方法,难以在双车道混合交通系统中提供安全、稳定的巡航控制。

技术实现思路

1、本发明提供的一种用于双车道混合交通流的基于数据预测控制的方法,能够在双车道混合交通系统中持续为车辆提供的安全、稳定的巡航控制。

2、为达到上述目的,本发明提供的一种用于双车道混合交通流的基于数据预测控制的方法,其关键是,包括以下步骤:

3、步骤1:构建基于数据的插空式双车道混合交通流的预测控制系统,该预测控制系统设置有相互连接的数据采集模块、模型构建模块和预测控制模块;

4、步骤2:所述数据采集模块实时获取双车道混合交通系统的场景信息和每辆车的运动状态信息;所述场景信息为双车道混合交通系统中车辆分布状态信息,即双车道混合交通系统包含相邻的第一车道和第二车道,其中,第一车道包含一辆头车,m辆自动驾驶车辆cav和n辆人工驾驶车辆hdv;第二车道包含一辆头车,m辆自动驾驶车辆cav和n辆人工驾驶车辆hdv;

5、步骤3:所述模型构建模块根据所述场景信息,构建得到双车道混合交通系统的线性化状态空间模型;

6、步骤4:所述预测控制模块将所述运动状态信息作为所述双车道混合交通系统的线性化状态空间模型的输入,进而预测得到系统的输出向量,然后根据所述输出向量控制双车道混合交通系统中每辆自动驾驶车辆cav的稳定运行。

7、通过上述设计,本发明搭建了适用于人工驾驶车辆hdvs与自动驾驶车辆cavs共存的双车道混合交通系统的线性化状态空间模型,该模型根据实时获取的每个车道中每辆车的运动状态信息与输入输出,进而预测得到系统的输出向量,然后根据所述输出向量控制双车道混合交通系统中每辆自动驾驶车辆cav的稳定运行。该方法为双车道混合交通系统提供了持续的安全、稳定的巡航控制。

8、作为优选:所述双车道混合交通系统的线性化状态空间模型的模型表达式为:

9、;

10、其中,a表示系统矩阵,用于描述混合交通系统中车辆之间的动态耦合关系;b表示输入矩阵,用于表示控制输入对系统状态的影响;c表示输出矩阵,用于定义哪些系统状态可以被测量作为输出信号y(t);h表示外部输入矩阵,用于描述头车速度误差对系统状态的影响;只有cav可以被直接控制,hdv的行为由人类驾驶员决定,无法直接控制,只能通过cav的行为间接影响它们。表示系统运动状态,表示输出向量,表示控制输入即cav的加速度,表示头车速度误差;

11、系统运动状态包括第一车道运动状态和第二车道运动状态,表达式为:

12、;

13、;

14、其中,k表示车道索引,k=1,2;表示当前车道中cav和hdv总数;当k=1时即第一车道,z=m+n;k=2时即第二车道,z=m+n;表示当前车辆在t 时刻与本车道前车的间距误差,表示当前车辆在t 时刻与相邻车道最近前车的间距误差,表示当前车辆在t时刻的速度误差。

15、作为优选:在所述双车道混合交通系统中,每辆hdv的线性化模型为:

16、;

17、每辆cav的线性化模型为:

18、;

19、其中,表示第i辆车在t时刻的加速度,表示第i辆车在t时刻与本车道前车的相对速度,表示第i辆车在t时刻与相邻车道最近前车的相对速度;表示当前车辆的相邻车道的最近前车在时刻t的速度误差;i表示当前车道上hdv的索引,j表示当前车道上cav的索引;表示在平衡状态下本车与同一车道前车的距离变化一个单位时,本车加速度的变化率;表示在平衡状态下,本车与同一车道前车的相对速度、本车与相邻车道最近前车的相对速度和本车速度3个变量变化一个单位时,对本车加速度的变化率的叠加效果;表示在平衡状态下本车与同一车道前车的相对速度变化一个单位时,本车加速度的变化率;表示在平衡状态下本车与相邻车道最近前车的距离变化一个单位时,本车加速度的变化率;表示在平衡状态下本车与相邻车道最近前车的相对速度变化一个单位时,本车加速度的变化率。

20、作为优选:系统输出信号包括双车道中除头车外所有车辆的速度误差、cav与本车道前车的间距误差、cav与相邻车道的最近前车的间距误差,表达式为:

21、;

22、;

23、其中,k表示车道索引,k=1,2;表示当前车道中cav和hdv总数;表示当前车道上cav的索引,表示当前车道上cav总数;当k=1时,z=m+n,ω=m;k=2时,z=m+n,ω=m。

24、作为优选:所述线性化状态空间模型的优化目标函数为:

25、;

26、其中,表示目标函数,表示系统输出,表示控制输入,表示未来轨迹长度,和表示权重矩阵;表示输出误差的代价,是车辆在第k个时刻的实际输出与理想输出之间的误差的加权的平方和;表示控制输入的代价,是车辆在第k个时刻的控制输入的加权平方和。

27、作为优选:在所述双车道混合交通系统中,每一个cav与本车道前车的间距误差约束条件如下:

28、;

29、其中,表示cav与本车道前车的最小间距误差,表示cav与本车道前车的最大间距误差;

30、每一个cav 与相邻车道最近前车的间距误差约束条件如下:

31、;

32、其中,表示cav与相邻车道最近前车的最小间距误差,表示cav与相邻车道最近前车的最大间距误差;

33、每个cav的加速度约束条件如下:

34、;

35、其中,表示cav的最小加速度,表示cav的最大加速度。

36、作为优选:所述双车道混合交通系统中的所有cav车辆都安装有统一的多模态通信系统,该多模态通信系统包括车对车通信v2v、车对基础设施通信v2i和车对云通信v2c;

37、所述cav和hdv均安装有数据采集传感器,所述数据采集传感器用于采集车辆自身或周围车辆的运动状态信息,如速度、位置等信息;

38、所有cav通过多模态通信系统共享自身或周围车辆的运动状态信息;

39、当双车道混合交通系统中部分hdv安装有多模态通信系统时,该hdv通过多模态通信系统共享自身的运动状态信息;

40、当双车道混合交通系统中部分hdv未安装多模态通信系统时,所述双车道混合交通系统通过该hdv周围的cav或路侧设备间接获取其运动状态信息,进而实现系统中所有的运动数据采集与共享,确保系统稳定运行。

41、本发明的有益效果是:本发明将车道居中控制策略应用于双车道当中,并且将从视觉角度考虑相邻车道的车辆类型的改进的双车道汽车跟随模型作为双车道混合交通中hdv的跟随模型。通过构建适用于人工驾驶车辆hdvs与自动驾驶车辆cavs共存的双车道混合交通系统的线性化状态空间模型,实现对双车道混合交通系统运动状态信息的实时采集及预测,并根据预测结果实现对双车道混合交通流中的cav的精准控制。该方法在平稳扰动和受变道行为持续干扰的车辆以及减少交通拥堵方面有一定的作用,可以提高双车道混合交通系统的安全性和稳定性,并持续为cav提供的安全、稳定的巡航控制。