一种自动驾驶车辆实时自适应合流控制方法

1.本发明属于车辆轨迹优化方法技术领域，具体涉及一种自动驾驶车辆实时自适应合流控制方法。


背景技术：

2.城市快速路入口匝道合流区是城市道路交通的重要冲突点和瓶颈区，入口匝道车辆汇入主路是最具挑战性的驾驶场景之一，入口匝道车辆必须减速甚至可能停在匝道末端，以等待主路上出现可用的安全合并间隙。频繁减速和停车会增加入口匝道车辆的燃油消耗和行驶时间，降低交通通行效率。为了实现平稳高效的合流，自动驾驶汽车技术已广泛应用于许多合流策略。现有的合流策略大多控制主线车辆减速来为入口匝道车辆创造合流的间隙。虽然这些策略确保了入口匝道车辆的合流安全及合流效率，但主干道车辆的减速可能会导致严重的交通波的形成，甚至可能延伸到主线上游。此外，在合流区域，主线车辆必须减速以适应与匝道车辆的速度差，这可能会影响主线交通效率。因此，如何控制入口匝道车辆在对主路交通干扰最小的情况下，实现顺畅高效的合流是一个挑战。


技术实现要素：

3.本发明的目的是设计一种自动驾驶车辆实时自适应合流控制方法，在不改变主干道车辆运动的情况下，实现入口匝道车辆平稳、高效地合流。其中通过预测未来主干道车辆的运动状态(即加速和减速)为入口匝道车辆选择目标合流间隙，从而在不改变主干道车辆运动状态的情况下实现入口匝道车辆的合流，有利于最小化对主线交通的干扰。同时，控制入口匝道车辆提前调整其速度，在目标合流间隙内完成合流，降低其频繁减速和停车次数，提高合流效率。
4.为实线上述内容，本发明的技术方案如下：
5.s1：根据车辆行驶数据对未来车辆轨迹进行预测；
6.s2：获取对主干道交通干扰最小入口匝道车辆的目标合并间隙；
7.s3：设计考虑燃油消耗最低的匝道车辆不停车合流控制方案；
8.s4：利用模型预测控制考虑匝道车辆未来时间步内轨迹数据，对匝道车辆控制率进行在线求解。
9.所述步骤s1：根据车辆行驶数据对未来车辆轨迹进行预测的具体步骤为：
10.s101：采集主干道车辆历史加速度数据，对历史数据进行整理，构建基于原始时间序列的加速度数据结构；
11.s102：根据单变量一阶灰色模型，将原始时间序列数据转换为一阶累积生成运算序列数据。
12.s103：构建黑色系统，获得灰色模型一阶微分方程。
13.s104：构建灰色系统，应用最小二乘法计算其参数，通过逆累积生成运算获得不同时间戳对应的加速度预测值。
14.所述步骤s2：取对主干道交通干扰最小入口匝道车辆的目标合并间隙的具体步骤为：
15.s201：收集主干道车辆的当前位置、速度、加速度当前信息及未来时间步内信息，构建间隙选择集；
16.s202：利用动力学模型构建入口匝道车辆动力模型，根据入口匝道车辆当前位置、速度、加速度信息，判别不同间隙类型，即有效间隙、失效间隙、无效间隙；
17.s203：选择有效间隙集合，在合流过程中主干道车辆不需要停车或者减速来避让入口匝道车辆，并从中选取时间最短且对主干道干扰最小的目标合并间隙。
18.所述步骤s3：设计考虑燃油消耗最低的匝道车辆不停车合流控制方案的具体步骤为：
19.s301：构建每一个时间步及其未来pf个时间步内入口匝道车辆汇入目标，即入口匝道车辆安全平稳地跟踪目标合并间隙，不发生急剧的加减速情况下汇入主干道；入口匝道车辆的燃油消耗最小；
20.s302：设置目标函数为：
[0021][0022]
具体的，第一项目标函数表示入口匝道车辆跟踪目标合并间隙，第二项目标函数表示入口匝道车辆最大限度保持匀速状态，不发生过大的加减速行为，第三项目标函数表示最低油耗模型，控制入口匝道以最低油耗完成合流。其中，e-δp
是加权不同时间步运行成本。由于运行成本的不确定性随着时间的推移而增加，该项为短期未来的运行成本提供了比长期未来更高的权重,γ1、γ2和γ3是权重矩阵；
[0023]
s303：为了实现入口匝道车辆的安全平滑汇入主路，设置位置、速度、加速度、加速度变化量约束条件。
[0024]
所述步骤s4：利用模型预测控制考虑匝道车辆未来时间步内轨迹数据，对匝道车辆控制率进行在线求解的具体步骤为：
[0025]
s401：采用前向欧拉法将车辆状态方程离散化：
[0026]
s402：构建状态空间方程：
[0027]
s403：重构入口匝道车辆合流问题，加入松弛变量二次项：
[0028]
与现有技术相比，本发明技术方案的有益之处在于：
[0029]
本发明通过预测主干道车辆的运动状态为入口匝道车辆选择目标合并间隙，可以在不改变影响主路交通的情况下实现入口匝道车辆的合流，有助于最小化对主路交通的干扰；入口匝道车辆提前调整速度，在目标合并间隙内并入主线，避免了频繁减速和停车，在很大程度上平滑了入口匝道车辆的合流轨迹，降低了燃油消耗，提高了乘客的舒适性。
附图说明
[0030]
图1为本发明方法流程图。
具体实施方式
[0031]
为了进一步阐述本发明的上述目的，特征和优点，下面结合附图对本发明进行详细描述。
[0032]
如图1所示，本发明的实施过程包括以下步骤：
[0033]
s1：根据车辆行驶数据对未来车辆轨迹进行预测；
[0034]
采集主干道车辆历史加速度数据，对历史数据进行整理，构建基于原始时间序列的加速度数据结构，即根据单变量一阶灰色模型，将原始时间序列数据转换为一阶累积生成运算序列数据，即
[0035][0036]
构建黑色系统获得灰色模型一阶微分方程，构建灰色系统，应用最小二乘法计算其参数，让当和应用最小二乘法得到系数代入后获得通过逆累积生成运算获得不同时间戳对应的加速度预测值，即
[0037]
s2：取对主干道交通干扰最小入口匝道车辆的目标合并间隙；
[0038]
允许入口匝道车辆可以汇入主路的间隙的最小长度为：
[0039][0040]
上述最小长度计算公式中，考虑了驾驶人的反应时间和制动协调时间以及车辆的最大制动速度。
[0041]
对于入口匝道车辆，由于最大速度和加速度的限制，需要估计入口匝道车辆在进入合流区之前是否能到达目标合并节点。根据车辆动力学原理，边界条件表达式为:
[0042][0043]
上述公式中l为控制区的长度。ls(kf)表示入口匝道车辆与主线车辆的安全距离，即:
[0044][0045]
其中表示最大速度运行。
[0046]
根据上述公式判别三种类型的间隙:(1)有效间隙表示间隙长度大于或等于最小长度，即入口匝道车辆能够在进入合流区之前到达目标合并节点。(2)失效间隙表示间隙长度满足但入口匝道车辆即使以最大速度行驶也无法在进入合流区之前到达目标合并节点。(3)无效间隙是指间隙长度太小，不能安全汇入。
[0047]
对于入口匝道车辆的有效汇入间隙集合为：
[0048][0049]
为使入口匝道车辆的行程时间最小化，将距离合流区最近的有效间隙设置为目标合并间隙。
[0050]
s3：设计考虑燃油消耗最低的匝道车辆不停车合流控制方案；
[0051]
构建每一个时间步及其未来pf个时间步内入口匝道车辆合流目标，即入口匝道车辆安全平稳地跟踪目标合并间隙，不发生急剧的加减速情况下汇入主干道。入口匝道车辆的燃油消耗最小。
[0052]
设置目标函数为：
[0053][0054]
具体的，第一项目标函数表示入口匝道车辆跟踪目标合并间隙，第二项目标函数表示入口匝道车辆最大限度保持匀速状态，不发生过大的加减速行为，第三项目标函数表示最低油耗模型，控制入口匝道以最低油耗完成合流。其中，e-δp
是加权不同时间步运行成本。由于运行成本的不确定性随着时间的推移而增加，该项为短期未来的运行成本提供了比长期未来更高的权重,γ1、γ2和γ3是权重矩阵；
[0055]
为了实现入口匝道车辆的安全平滑汇入主路，约束条件设置如下：
[0056][0057]
上述约束表示相邻两辆入口匝道车辆之间的安全约束，车间距离不能小于安全间距，这个安全间距受两辆入口匝道车辆速度的限制。
[0058][0059]
上述约束表示为了保证乘客的舒适性，需要约束入口匝道车辆的加速度变化值。
[0060][0061][0062][0063]
上述约束表示入口匝道车辆在合流过程中不能违背其本身限制，即车辆最大/最小速度、最大/最小加速度、最大/最小控制输入。其中，入口匝道车辆的最小速度是其位置的函数，保证了当入口匝道车辆在合并过程中没有找到有效间隙时，入口匝道车辆能够平稳、安全地停在匝道末端。
[0064][0065]
s4：利用模型预测控制考虑匝道车辆未来时间步内轨迹数据，对匝道车辆控制率进行在线求解；
[0066]
采用前向欧拉法将车辆状态方程离散化：
[0067]
[0068][0069][0070][0071]
上述xj、aj和状态分别表示车辆的位置、速度、加速度、加速度变化量；
[0072]
构建状态空间方程：
[0073]
ij(k+1)＝ajij(k)+bjuj(k)
[0074]
yj(k+1)＝cjij(k+1)
[0075]
上述和并且
[0076]
重构入口匝道车辆合流问题，加入松弛变量二次项：
[0077][0078][0079][0080][0081][0082][0083]
以上仅是本发明的优选实施方式，本发明的保护范围并不局限于上述实施案例，值得指出，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

技术特征：
1.一种自动驾驶车辆实时自适应合流控制方法，其特征在于，包括以下步骤：s1：根据车辆行驶数据对未来车辆轨迹进行预测；s2：获取对主干道交通干扰最小入口匝道车辆的目标合并间隙；s3：设计考虑燃油消耗最低的入口匝道车辆不停车合流控制方案；s4：利用模型预测控制考虑入口匝道车辆未来时间步内轨迹，对入口匝道车辆控制率进行在线求解。2.根据权利要求1所述的一种自动驾驶车辆实时自适应合流控制方法，其特征在于，根据车辆行驶数据对未来车辆轨迹进行预测的具体步骤为：s101：采集主干道车辆历史加速度数据，对历史数据进行整理，构建基于原始时间序列的加速度数据结构；s102：根据单变量一阶灰色模型，将原始时间序列数据转换为一阶累积生成运算序列数据；s103：构建黑色系统，获得灰色模型一阶微分方程；s104：构建灰色系统，应用最小二乘法计算其参数，通过逆累积生成运算获得不同时间戳对应的加速度预测值。3.根据权利要求1所述的一种自动驾驶车辆实时自适应合流控制方法，其特征在于，获取对主干道交通干扰最小入口匝道车辆的目标合并间隙的具体步骤为：s201：收集主干道车辆的当前位置、速度、加速度当前信息及未来时间步内信息，构建间隙选择集；s202：利用动力学模型构建入口匝道车辆动力模型，根据入口匝道车辆当前位置、速度、加速度信息，判别不同间隙类型，即有效间隙、失效间隙、无效间隙；s203：选择有效间隙集合，在合流过程中主干道车辆不需要停车或者减速来避让入口匝道车辆，并从中选取时间最短且对主干道干扰最小的目标合并间隙。4.根据权利要求1所述的一种自动驾驶车辆实时自适应合流控制方法，其特征在于，设计考虑燃油消耗最低的匝道车辆不停车合流控制方案的具体步骤为：s301：构建每一个时间步及其未来p
f
个时间步内入口匝道车辆汇入目标，即入口匝道车辆安全平稳地跟踪目标合并间隙，不发生急剧的加减速情况下汇入主干道；入口匝道车辆的燃油消耗最小；s302：设置目标函数为：具体的，第一项目标函数表示入口匝道车辆跟踪目标合并间隙，第二项目标函数表示入口匝道车辆最大限度保持匀速状态，不发生过大的加减速行为，第三项目标函数表示最低油耗模型，控制入口匝道以最低油耗完成合流；其中，e-δp
是加权不同时间步运行成本；由于运行成本的不确定性随着时间的推移而增加，该项为短期未来的运行成本提供了比长期未来更高的权重,γ1、γ2和γ3是权重矩阵；s303：为了实现入口匝道车辆的安全平滑汇入主路，约束条件设置如下：
上述约束表示相邻两辆入口匝道车辆之间的安全约束，车间距离不能小于安全间距，这个安全间距受两辆入口匝道车辆速度的限制；上述约束表示为了保证乘客的舒适性，需要约束入口匝道车辆的加速度变化值；上述约束表示为了保证乘客的舒适性，需要约束入口匝道车辆的加速度变化值；上述约束表示为了保证乘客的舒适性，需要约束入口匝道车辆的加速度变化值；上述约束表示入口匝道车辆在合流过程中不能违背其本身限制，即车辆最大/最小速度、最大/最小加速度、最大/最小控制输入；其中，入口匝道车辆的最小速度是其位置的函数，保证了当入口匝道车辆在合并过程中没有找到有效间隙时，入口匝道车辆能够平稳、安全地停在匝道末端；5.根据权利要求1所述的一种自动驾驶车辆实时自适应合流控制方法，其特征在于，利用模型预测控制考虑匝道车辆未来时间步内轨迹数据，对匝道车辆控制率进行在线求解的具体步骤为：s401：采用前向欧拉法将车辆状态方程离散化：s401：采用前向欧拉法将车辆状态方程离散化：s401：采用前向欧拉法将车辆状态方程离散化：s401：采用前向欧拉法将车辆状态方程离散化：上述x
j
、a
j
和状态分别表示车辆的位置、速度、加速度、加速度变化量；s402：构建状态空间方程：i
j
(k+1)＝a
j
i
j
(k)+b
j
u
j
(k)y
j
(k+1)＝c
j
i
j
(k+1)上述和并且s403：重构入口匝道车辆合流问题，加入松弛变量二次项：subject to:

技术总结
本发明涉及一种自动驾驶车辆实时自适应合流控制方法，属于车辆轨迹优化方法技术领域；所述方法包括：根据车辆行驶数据对未来车辆轨迹进行预测；获取对主干道交通干扰最小入口匝道车辆的目标合并间隙；设计考虑燃油消耗最低的入口匝道车辆不停车合流控制方案；利用模型预测控制考虑入口匝道车辆未来时间步内轨迹，对入口匝道车辆控制率进行在线求解。本发明通过预测未来主干道车辆的运动状态，实时自适应地为入口匝道车辆选择目标汇入间隙，在保证不影响主路交通的情况下完成入口匝道车辆的安全合流。同时，发明考虑入口匝道车辆的运动状态，平滑了入口匝道的合流轨迹，从而降低了其油耗。低了其油耗。低了其油耗。


技术研发人员：于滨 薛勇杰 王晨霖 丁川
受保护的技术使用者：北京航空航天大学
技术研发日：2023.07.26
技术公布日：2023/10/19