高速公路常发性瓶颈路段协作车队冲突避险自主决策方法与流程

本发明涉及一种高速公路常发性瓶颈路段协作车队冲突避险自主决策方法，用于高速公路常发性瓶颈路段协作车队冲突自主避让行驶，属于自动驾驶车辆自适应巡航技术领域。

背景技术：

自适应巡航系统作为自动驾驶车辆的重要技术组成，国内外已提出了较多自适应巡航驾驶员辅助系统，使得车辆在行驶环境良好的高速公路下能够实现自主驱动行驶以及安全距离的自主保持。目前自适应巡航技术在单车辆行驶环境良好地条件下能够实现较为理想的自适应巡航控制，但是对于高速公路常发性瓶颈路段条件下，以目前自适应巡航技术难以实现车辆的相互协商及自主避让，并且多车辆之间的冲突状态会严重影响车辆的自适应巡航控制而造成行驶危险。当前先进的无线通信技术及互联网技术为自动驾驶车辆间的互联互通提供了有效保障，以此为基础，考虑高速公路常发性瓶颈路段中车辆与车辆之间的时间需求强度、车辆类型及车辆行驶意图，实现多车辆避险决策中的交互协商，从而弥补已有自适应巡航技术中单一车辆良好行驶环境下自主驱动的片面与不足。

技术实现要素：

针对现有发明技术中的片面与不足，本发明将提供一种高速公路常发性瓶颈路段协作车队冲突避险自主决策方法，主要包括以下步骤：

步骤1：对发生冲突或存在潜在冲突的多个车辆，依据各车辆时间需求强度利用并列编号占用相同排序空间的方法进行冲突解脱顺序初始排列。

步骤2：判断冲突解脱顺序初始排列中是否存在相同时间需求强度，若各时间需求强度均不相同，确定该初始排序为最终序列，并将其转到步骤9；若各车辆存在时间需求强度相同，则该序列转入步骤3。

步骤3：提取初始排序中相同时间需求强度对应的车辆，并将相同时间需求强度序列转入步骤4；剩余车辆时间需求强度序列保持不变，并将原时间需求强度初始序列转至步骤8。

步骤4：对提取的相同时间需求强度车辆进行车辆类型优先级排序，判断各车辆相同时间需求强度下是否存在相同车辆类型，若各车辆相同时间需求强度下存在相同车辆类型，则转入步骤5，若各车辆相同时间需求强度下不存在相同车辆类型，则转入步骤7。

步骤5：提取相同时间需求强度下相同车辆类型序列，将其转入到步骤6。

步骤6：使相同时间需求下相同车辆类型的车辆进行意图交互，按车辆行驶意图对各车辆初始序列进行重新编号，并将更新结果转入到步骤8。

步骤7：根据车辆类型不同对车辆相同时间需求强度初始序列进行更新，并将更新结果转至步骤8。

步骤8：将步骤3中剩余车辆时间需求强度初始序列与步骤6及步骤7转入的更新序列进行再次序列更新，得到冲突解脱最终序列，并将该序列转至步骤9。

步骤9：以冲突解脱最终序列为基础，结合车辆意图进行多车辆群体协商决策，确定各车辆行为调整方式，转入步骤10。

步骤10：各车辆行驶行为调整。

所述步骤1中依据各车辆时间需求强度利用并列编号占用相同排序空间方法进行冲突避险顺序初始排列，在此将第i辆自动驾驶车辆的时间需求强度表示τ，并且有(i＝1,2,3,…,m.m代表当前冲突状态下的车辆数，l代表自动驾驶车辆i距离潜在冲突点的长度，v代表自动驾驶车辆i的当前行驶速度)。按照τ对存在潜在冲突的自动驾驶车辆进行时间需求强度优先等级比较，并且采用并列编号占相同排序空间的方法进行由高到低等级对应由1开始逐1递增的顺序编号。

所述步骤2中判断冲突解脱顺序初始排列中是否存在相同时间需求强度，是在步骤1中时间需求强度等级编号的基础上进行的，即基于时间需求强度优先等级初始排序判断是否存在相同编号的自动驾驶车辆。

所述步骤4中判断已提取的相同时间需求强度车辆中是否存在相同车辆类型，提取时间需求强度初始序列中时间需求强度相同序列，比较相同时间需求强度条件下车辆类型是否相同。

步骤4-1：提取相同时间需求强度序列，对该序列中各车辆进行临时标记，明确各车辆类型。

步骤4-2：检查相同时间需求强度序列中的车辆类型是否相同，若相同转入步骤6，若不同则转入步骤7。

其中所述步骤4-1中对转入的相同时间需求强度对应的车辆进行临时标记，车辆类型主要分为自动驾驶车辆和手动驾驶车辆等。

所述步骤5中提取相同时间需求强度下相同车辆类型序列，即确定具有相同时间需求强度条件下具有相同车辆类型的车辆予以确定。

所述步骤6中使相同时间需求强度下相同车辆类型的车辆进行意图交互，按车辆行驶意图对各车辆初始序列进行重新编号，其具体过程如下。

步骤6-1：提取相同时间需求强度下相同车辆类型序列，作临时标记。

步骤6-2：生成各车辆意图随机不等调整概率。

步骤6-3：对各车辆随机不等概率进行由小到大排序。

步骤6-4：依据各随机不等概率对应调整车辆排列位置。

步骤6-5：依据随机不等调整概率进行当前序列更新，其中随机概率最小值所对应车辆序列更新值为0，随机概率次小值所对应车辆序列更新值为1，以此类推进行顺序编号全部更新。

其中所述步骤6-1是在各车辆时间需求强度及车辆类型比较排序完成后进行的，在此对车辆时间需求强度及车辆类型相同的车辆进行提取，并对提取序列所对应的车辆做出相应标记。

所述步骤6-2利用随机概率法量化车辆行驶意图，实现车辆意图交互过程，只考虑车辆在行驶中的调整意图强烈程度，利用随机不概率法生成上述条件下各个车辆一一对应的随机不等概率，并且确定各随机不等概率与各个车辆间的对应关系。

所述步骤6-3以各车辆及相应随机不等概率的确定为基础，对随机不等概率进行由小到大顺序排列(概率越大代表此车辆的贡献意图越强烈)。

所述步骤6-4依据随机不等概率的排列顺序，各随机不等概率所对应的车辆发生相应位置改变。

所述步骤6-5依据随机不等概率进行序列更新，最小随机概率所对应的车辆编号为0，次小随机概率锁定应的车辆编号为1，以此类推直至编号全部完毕。

步骤7：根据车辆类型不同对车辆相同时间需求强度初始序列进行更新，并将更新结果转至步骤8。

所述步骤7按照车辆类型优先级对相同时间需求强度的车辆进行序列更新，依据已有研究中自动驾驶车辆反应时间要低于手动驾驶车辆的反应时间，确定车辆类型优先等级序列，然后按照车辆类型优先等级序列对发生冲突的多车辆利用并列编号占相同排序空间的方法进行车辆类型优先等级由高到低而对应的由0开始逐1递增的顺序编号。

所述步骤8中以车辆时间需求强度初始序列为基础，将步骤6及步骤7的序列更新编号与初始序列编号相加，即可得到最终冲突避险序列。

所述步骤9中以冲突解脱最终序列为基础，结合车辆意图进行多车辆群体协商决策，确定各车辆行为调整方式，具体过程如下：

步骤9-1：根据多车辆冲突解脱最终排序确定各车辆对应编号。

步骤9-2：确定各车辆可选择的调整方案。

步骤9-3：构造各车辆选择同一决策方案时应支付的成本函数。

步骤9-4：明确各车辆选择某方案的支付成本来源方程。

步骤9-5：确定各车辆可能产生的决策组合。

步骤9-6：确定各决策组中各车辆所需支付成本。

步骤9-7：建立车辆行驶意图交互协商权重矩阵。

步骤9-8：根据权重矩阵建立车辆行驶意图协商方程组，求解协商向量。

步骤9-9：计算各组决策方案对应目标总成本，得出总成本最小值，确定总成本最小值所对应方案。

步骤9-10：将成本最小值对应方案转入到步骤10。

其中所述步骤9-1依据多车辆冲突避险最终排序确定各车辆对应编号的方法为m＝|sort|，其中，m表示车辆编号，sort表示多车辆冲突避险排列顺序，||表示根据多机冲突避险排列位次生成相应车辆编号。

利用em表示第m(m＝1,2,3,…,m)辆进行冲突避险决策的车辆。

所述步骤9-2确定车辆可选择的调整方案，利用zn表示当前车辆所采取的第n(n＝1,2,…,n)个决策方案，在此常见的调整方案为速度调整、变道调整等方式，在此选择n＝1速度调整和n＝2变道调整作为本次发明的决策方案。

所述步骤9-3构造各车辆选择同一决策方案时应支付的成本函数，具体成本函数为g(zn)＝g(g2(zn),g3(zn),…,gm(zn))，其中，zn表示车辆所采取的第n个决策方案，g(zn)表示各车辆对第n个决策方案的成本函数，gm(zn)表示em对第n个决策方案的初始成本，g(g2(zn),g3(zn),…,gm(zn))表示系统中各成员对第n个决策方案初始成本的比较关系。

所述步骤9-4中根据两车辆之间的位置关系及行驶速度大小，考虑车辆速度调整、变道调整时需要支付的成本差异引入行为选择调整系数，考虑避险顺序排列不同而加入排序先后调整系数，于是有成本来源方程为

其中kmn表示em在选择第n个决策方案时所对应的支付成本行为选择调整参数，kmsq表示em调整序列所对应的支付成本排列顺序调整参数，k1表示em距离关联支付成本权重，k2表示em速度关联支付成本权重，lm表示em距离潜在冲突点的长度，vm表示em当前行驶速度。

所述步骤9-5中确定各车辆可能产生的决策组合，以m辆车对应n个决策方案的成本函数为基础，决策组的数量共计n^m，其所有排列方式为dcom＝(e2zn,e3zn,…,emzn)(n＝1,2,…,n)。

所述步骤9-6中确定各决策组中各车辆所需支付成本，根据所有决策组排列结果确定各决策组中各车辆所需支付成本，决策组成本确定方式为(zcom)＝f(dcom)→g(zn)其中(zcom)指各决策组对应的成本组合，f(dcom)→g(zn)指各决策组与各车辆对第n个决策方案成本函数间的对应关系。

所述步骤9-7中建立车辆行驶意图交互协商权重矩阵，各决策组中每车辆需付出的初始成本已经确定，在此将协商对策理论引入到各车辆行为调整决策过程中，让每车辆ep对其余车辆eq(p≠q)指定解脱权重(p、q＝1,2,…,m)，的大小就体现了协商过程中当前车辆对其余车辆行为决策的偏好程度，并且满足

所述步骤9-8根据权重矩阵建立车辆意图协商方程组，求解协商向量。由步骤9-7可知所建车辆意图协商权重矩阵为则根据权重矩阵建立车辆意图协商方程组为求得协商方程组唯一解ρ＝(ρ1,ρ2,…,ρm)即为多车辆冲突避险协商向量。

所述步骤9-9中计算各组决策方案对应目标总成本，得出总成本最小值，确定总成本最小值所对应方案。各组决策方案对应的目标总成本函数为g^*(zn)＝k3[ρ1g1(zn)+ρ2g2(zn)+…+ρmgm(zn)]，其中表示各决策组中方案组成结构所反应的对应方案组安全性系数。通过函数g^*(zn)对各组目标总成本进行计算，并对各计算结果进行比较，其中目标总成本最小值对应的方案组即为各车辆接受程度较高的协商决策方案组。

dfinal＝ming^*(zn)→dcom,dcom大于1组时，取决策组号较小组作为最终决策，其中dfinal是指目标总成本最小值对应的协商决策方案组，g^*(zn)→dcom指目标总成本最小值确定后寻找对应协商决策方案组的过程。

本发明的有益效果在于：切实为高速公路常发性瓶颈路段多车辆避险解脱过程提供决策性建议，为自动驾驶车辆自适应巡航的进一步发展提供技术服务支持。

附图说明

图1为本发明提供的整体逻辑流程图。

图2为本发明提供的按车辆类型对相同时间需求强度序列更新流程图。

图3为本发明提供的按车辆行驶意图交互协商对相同时间需求强度序列更新流程图。

图4为本发明提供的仿真实验参数设定。

图5为本发明提供的各决策组交互协商后所需支付总成本趋势图。

图6为本发明提供的仿真实验中各个场景成本节省率对比图。

具体实施方式

下面结合附图和具体实例对本发明提供的适用于高速公路常发性瓶颈路段多车辆冲突避险行为决策方法进行详细描述。本实施例只作为本发明技术方案中一种情况的说明，并不能以本实施例为限制缩小本发明专利的保护范围。

下面结合附图对本发明的实施例进行说明。

图1示出了本发明实施例所提供的一种高度公路常发性瓶颈路段多车辆冲突避险自主决策方法的流程图。如图1所示本发明实施例提供的多车辆冲突避险自主决策方法包括以下步骤：

首先假设各车辆的行驶状态与行驶环境已知，并且能够被行驶过程中的其他车辆所获取，包括各车辆之间的实时距离，包括各车辆的实时行驶速度等参数，并且车辆之间能够实现高质量信息交互。在此以m辆车冲突状态下相同时间需求强度及相同车辆类型最多出现2辆次为前提，对对本实施例做详细说明。

步骤1：对发生冲突的多个车辆，利用并列编号占用相同排序空间的方法依据时间需求强度进行冲突解脱优先级初始排序。

本步骤中对多车辆进行冲突避险解脱顺序排列，其依据是将第i辆自动驾驶车辆的时间需求强度表示τ，并且有(i＝1,2,3,…,m.m代表当前冲突状态下的车辆数，l代表自动驾驶车辆i距离潜在冲突点的长度，v代表自动驾驶车辆i的当前行驶速度)。在此将按照τ对存在潜在冲突的车辆进行时间需求强度优先等级比较，并且采用并列编号占相同排序空间的方法进行由高到低等级对应由1开始逐1递增的顺序编号。

根据已有相关参数值的研究，其自动驾驶车辆最小车头时距为0.6s，手动驾驶车辆最小车头时距为1.3s，考虑到整个传递和反应过程，在此取自动驾驶车辆与手动驾驶车辆车头时距的中间值0.95s为参考，对时间需求强度比较关系进一步描述。

当时，定义两车辆时间需求强度相同；当时，即τi＞τi-1，定义编号为i的cav车辆的时间需求强度大于编号为i-1的cav车辆时间需求强度，此时确定编号为i的cav车辆排序先于编号为i-1的cav车辆；当时，即τi＜τi-1时，说明编号为i的cav车辆的时间需求强度小于编号为i-1的cav车辆时间需求强度，此时确定编号为i-1的cav车辆排序先与编号为i的cav车辆。

在此以m辆车为例，对m辆车按时间需求强度对冲突变现解脱初始序列进行排序，假设第m1辆和第m1+1辆车时间需求强度相同车辆类型不同，第m2和第m2+1车辆时间需求强度及车辆类型均相同。在此将m辆车进行初始排序结果为[1,2...-m1-m1-...-m2-m2-,m]。

步骤2：判断冲突解脱优先级初始排序中是否存在相同时间需求强度。多车辆时间需求强度初始排序结果将会有存在车辆时间需求强度相同和不存在车辆时间需求强度相同两种结果。

如果存在车辆时间需求相同，则提取初始序列中车辆时间需求强度编号相同的部分转至步骤3，在此将[-m1-m1-]、[-m2-m2-]提取并转至步骤3。

如果不存在车辆时间需求等级相同，则将初始序列转入到步骤3。

步骤3：确定转入时间需求强度相同序列[-m1-m1-]、[-m2-m2-]所对应的车辆，并将[-m1-m1-]、[-m2-m2-]及其对应车辆转入到步骤4；剩余车辆时间需求强度序列编号保持不变，并将原时间需求强度初始序列[1,2...-m1-m1-...-m2-m2-,m]转至步骤8。

步骤4：对转入的相同时间需求强度车辆进行车辆类型比较，将转入的时间需求强度相同序列[-m1-m1-]、[-m2-m2-]进行临时标记，有检查相同时间需求强度序列中各车辆是否具有相同车辆类型，若相同则转入步骤5，若不同则转入步骤7。

步骤6：依据车辆行驶意图确定相同时间需求强度下相同车辆类型优先级序列更新值，并将更新值转入步骤8。

图2示出了本发明实施例提供的按车辆类型对相同时间需求强度序列更新流程图，具体过程包括：

步骤6-1：提取相同时间需求强度下相同车辆类型序列，临时标记上述条件下各车辆。于是根据本实施例的最初设定提取序列[-m2-m2-]及其对应的车辆，并做临时标记有

步骤6-2：生成各车辆行驶调整意图随机不等概率，确定各随机不等概率与各车辆之间的对应关系。利用随机概率法量化车辆行驶意图，实现车辆行驶意图交互过程，只考虑车辆行驶过程中的调整意图强烈程度，利用随机概率法生成上述条件下各车辆一一对应的随机不等概率，并且确定各随机不等概率与各车辆的对应关系。

步骤6-3：在各车辆与相应随机不等概率确定的基础上对各车辆随机不等概率进行由小到大排序，概率值越大代表车辆贡献意图越强烈。若车辆对应的随机不等概率大于车辆对应的随机不等概率，得到排列位置为

步骤6-4：依据各随机不等概率对应调整车辆排列位置。

步骤6-5：依据随机不等概率进行当前序列更新，其中最小随机概率所对应车辆编号为0，次小随机概率所对应车辆编号为1，以此类推直至编号完毕，则对序列更新值确定为

步骤7：根据车辆类型优先级确定车辆相同时间需求强度初始序列更新值，并将更新结果转至步骤8。根据已有研究中自动驾驶车辆最小车头时距为0.6s，手动驾驶车辆最小车头时距为1.3s，由此定义车辆类型优先等级序列表，确定一种车辆类型优先级序列表为手动驾驶车辆＞自动驾驶车辆供本次实施例调用，然后按照车辆类型优先等级序列对发生冲突的多个车辆利用并列编号占相同排序空间的方法进行车辆类型优先等级由高到低而对应的由0开始逐1递增的顺序编号。根据本实施例的最初设定提取序列[-m1-m1-]及其对应的车辆，并做临时标记若车辆飞行性能优先级低于则对的序列更新值确定为

步骤8：将步骤3中剩余车辆时间需求强度初始序列与步骤6及步骤7转入的更新序列进行再次序列更新，得到冲突避险解脱优先级最终序列，并将该序列转至步骤9。

根据本实施例的最初设定，时间需求强度初始序列为[1,2...-m1-m1-...-m2-m2-,m]，利用对进行更新，对[-m2-m2-]更新，过程为则最终序列结果为

步骤9：以最终冲突避险解脱序列为基础，结合车辆行驶意图进行多车辆行为调整协商群体决策，并得出各车辆行为调整方式，转入步骤10。

图3示出了本发明实施例提供的按车辆行驶意图交互协商对相同时间需求强度序列更新流程图，具体过程包括：

步骤9-1：根据多车辆冲突解脱最终排序确定各车辆对应编号。方法为m＝|sort|，其中，m表示车辆编号，sort表示多车辆冲突解脱序列，||表示根据多车辆冲突解脱排列位次生成相应车辆编号。根据本实施例的最初设定，各车辆突解脱序列对应排序编号为

步骤9-2：确定各车辆可选择的调整方案。利用zn表示当前车辆所采取的第n(n＝1,2,…,n)个决策方案，选择n＝1速度调整和n＝2变道调整作为本实施例所使用决策方案。

步骤9-3：构造各车辆选择同一决策方案时应支付的成本函数，具体公式为g(zn)＝g(g2(zn),g3(zn),…,gm(zn))。

步骤9-4：明确车辆选择某方案的支付成本来源方程为

步骤9-5：确定各车辆可能产生的决策组合，根据本实施例的最初设定，m辆车对应n个决策方案的成本函数为基础，决策组的数量共计n^m，其所有排列方式为dcom＝(e1zn,e2zn,…,emzn)(n＝1,2,…,n)。

步骤9-6：确定各决策组中各车辆所需支付成本。依据步骤9-4中的成本来源方程计算各决策组中各车辆所需支付成本。

步骤9-7：建立车辆行驶意图协商权重矩阵为

步骤9-8：根据权重矩阵建立飞行员意图协商方程组为求解协商向量为ρ＝(ρ1,ρ2,…,ρm)。

步骤9-9：计算各组决策方案对应目标总成本，得出总成本最小值，确定总成本最小值所对应方案。各组决策方案对应的目标总成本函数为g^*(zn)＝k3[ρ1g1(zn)+ρ2g2(zn)+…+ρmgm(zn)]，对各组目标总成本进行计算，并对各计算结果进行比较，其中目标总成本最小值对应的方案组即为各车辆接受程度较高的协商决策方案组。dfinal＝ming^*(zn)→dcom,dcom大于1组时，取决策组号较小组做为最终决策，其中dfinal是指目标总成本最小值对应的协商决策方案组。

步骤9-10将成本最小值对应方案转入到p9。

步骤10：各车辆行驶行为调整。各车辆按行驶意图协商结果进行行为调整，避开冲突点，保证各车辆运行安全并尽可能满足各车辆行驶偏好及利益需求。

本发明实施例仿真实验过程中的主要场景设定为四种，场景一是为相同时间需求强度和相同的车辆类型而设计。场景二是为相同时间需求强度和不同车辆类型而设计。场景三是针对不同时间需求强度和同一车辆类型而设计。场景四是针对不同时间需求强度和不同车辆类型而设计。

针对多车辆冲突状态提出了冲突解脱行为决策方法，为了降低实验过程的复杂性和难度，在此对各车辆行驶速度及距离潜在冲突点距离等参数值分别进行一定情况的设定，省略车辆冲突解脱排序过程，直接对给定的冲突解脱序列进行多车辆协商及行为决策过程的仿真与分析。

本次仿真过程选择普通社会车辆中的自动驾驶车辆(cav)和手动驾驶车辆(mdv)两种典型车辆类型作为研究对象，规定以上两种车辆类型的优先等级为mdv＞cav。

图4示出了本发明实施例仿真实验过程中不同场景下的车辆类型、行驶速度、所处位置、距离潜在冲突点长度等参数的设定。

在此生成各场景下各车辆行驶意图协商权重矩阵为

于是计算出各场景下的协商向量为ρscenario1＝(0.259911,0.264718,0.216933,0.258438)，ρscenario2＝(0.185993,0.232002,0.178007,0.241997,0.162001)，ρscenario4＝(0.188647,0.242559,0.255167,0.313627)和ρscenario4＝(0.188647,0.242559,0.255167,0.313627)。

图5示出了各场景下通过协商向量所得出的各决策组所需支付的总成本，从而确定了各场景下最小支付成本所对应的决策组合，进而确定了各个车辆的避让调整方式。

图6示出了各个场景下通过协商决策实现各车辆冲突避让调整过程的成本节省率，由此说明本发明不仅能够实现各车辆冲突避险自主协商决策，并且能够降低系统总支付成本，方法切实可行。