一种基于车路协同的混合交通横纵耦合控制方法与流程

本发明涉及网联智能汽车的控制领域，具体的，涉及一种基于车路协同的混合交通横纵耦合控制方法。

背景技术：

随着通信、传感、机械制造、自动化等技术的快速发展，应用在实车上的新兴自动驾驶技术得以不断提高，交通系统也在朝向智能化不断的升级。因此，在新旧驾驶模式交替之际，不可避免地会出现自动驾驶车辆与传统人驾车混行于同一交通道路的情况。为保障在该情况下的交通安全和交通效率，需借助路侧设备的感知、通信能力，将自动驾驶车辆与传统人驾车构建成简单的协同控制系统，并在横纵向上，控制自动驾驶车辆，以保证不同智能化水平车辆在快速路弯道行驶过程中的间距一致性和速度一致性。

通过查阅相关专利和论文发现，横纵耦合的控制器输出的加速度、角速度与车辆油门、刹车系统和转向系统存在强关联性，相较于横纵分离控制器，这种控制技术与车辆机械层面的关联性可以极大提高车辆在弯道工况下的一致性。专利110654386a以全智能车为研究对象，完全依赖实时感知前车运动状态和自车状态为控制输入，从横纵耦合的角度，实现了智能车的弯道控制，然而该方法并不针对混合交通车队转弯问题。专利1106562253a基于车载传感器，实时感知前车运动状态，设计了自适应巡航弯道跟随控制方法。但是该方法需要以转弯过程中极高的车载感知设备监测精度为条件，同时必须保证转弯过程中，目标车辆与前方车辆没有山体，树木等阻碍物，因此该方法的实际应用难度较大。

技术实现要素：

有鉴于此，本发明的目的是提供一种基于车路协同的混合交通横纵耦合控制方法。

本发明的目的是通过以下技术方案实现的：

一种基于车路协同的混合交通横纵耦合控制方法，

s1：获取第二车辆的初始时刻历史轨迹点，存储在第二车辆历史运动状态矩阵中；

s2：实时采集第二车辆的行驶状态并传送给第一车辆；

s3：判断第一车辆的当前行驶状态是否到达的一定容错误差fd范围内，其中为第二车辆的首个历史轨迹点，若是，则进行s4，若否，则进行s5；

s4：更新第二车辆的历史运动状态矩阵并传递给第一车辆，进入s5；

s5：分析第二车辆的历史轨迹点的状态和当前行驶状态shv与第一车辆的行驶状态scav之间的误差信号，计算第一车辆的期望加速度和期望角速度；

s6：第一车辆以期望加速度和期望角速度行驶，并返回s2。

进一步，所述s1具体为：

s11：通过路侧设备采集所述第一车辆的前方道路的曲率信息，并获取所述第一车辆和第二车辆在以所述路侧设备为原点的笛卡尔坐标系下的位置信息和偏航角信息；

s12：以初始时刻的所述第一车辆和第二车辆所在的位置为端点，沿着其所在车道，在所述第一车辆与第二车辆之间等间距地选择k个节点作为初始时刻所述第二车辆的历史轨迹点所有历史轨迹点的信息存储在所述第二车辆的历史状态矩阵中。

进一步，所述s3具体为：

s31：获取当前所述第一车辆的行驶状态与之间的距离

s32：比较与fd，若则表示所述第一车辆的当前行驶状态未到达的一定容错误差fd范围内，反之，则到达的一定容错误差fd范围内，其中fd为常数。

进一步，所述s4采用的方法为反向传递更新。

进一步，所述s5具体为：

s51：建立所述第一车辆的二自由度模型，具体为：

其中：分别为笛卡尔坐标系下第一辆车横、纵向位置，速度，角度关于时间的微分量，vcav、acav、ωcav分别为所述第一车辆的速度、加速度、角速度；

s52：获取所述第一车辆与第二车辆的安全间隔距离，具体为：

其中：ψcav,hv为安全间隔距离，b、h分别为最短刹车距离和车头时距；

s53：以所述安全间隔距离为所述第一车辆与第二车辆之间的期望距离，获取所述第一车辆与第二车辆的位置误差，具体的：

其中ex,cav,hv(t)为笛卡尔坐标系下x方向的位置误差；

ey,cav,hv(t)为笛卡尔坐标系下y方向的位置误差；

s54：获取所述第一车辆与第二车辆之间的速度误差，具体的：

其中：为的角度补偿，ρ为一个常系数；

s55：根据所述第一车辆的二自由度模型和τ的一阶项，获取所述第一车辆的期望加速度和期望角速度，具体为：

其中：acav(t)为所述第一车辆的期望加速度；

ωcav(t)为所述第一车辆的期望角速度；

τ为所述第二车辆的行驶状态并传送给所述第一车辆的时间延迟。

进一步，获取所述τ的一阶项的方法具体为：

将所述位置误差和速度误差对时间求导；

再经后向差分法解耦t和τ的关系；

最后用泰勒展开并保留τ的一阶项。

本发明的有益效果是：

本发明的一个有益效果在于引入历史轨迹点作为控制输入，设计了横纵耦合控制方法，保证了网联智能汽车与前方人工驾驶车辆的跟车距离一致性和速度一致性；本发明的另一个有益效果在于完成了混合交通下，通过应用车路协同技术，实现了不同智能化等级车辆间的协同运动控制，可以在未来汽车从传统人驾时代过渡到完全智能化时代过程中得以应用。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：

附图1为本发明流程图；

附图2为基于车路协同的混合交通横纵耦合控制方法的流程图。

具体实施方式

以下将参照附图，对本发明的优选实施例进行详细的描述。应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。

本实施例提出了一种基于车路协同的混合交通横纵耦合控制方法，通过应用车路协同技术，以期望的跟车距离和跟车速度为目标，并考虑前车历史运动状态信息和弯道曲率，来设计网联智能汽车(cav)的横纵向耦合控制器，完成跟踪混合交通中前方人工驾驶车辆(hv)的任务。本实施例中网联智能汽车为第一车辆，人工驾驶车辆为第二车辆，hv在cav的前方，两者在同一车道内行驶。

如图1所示，本实施例具体为：

s1：如图2所示，通过路侧设备(rsu)的传感器感知单元获取cav至hv之间道路的曲率信息，并感知cav、hv在以rsu为原点的笛卡尔坐标系下的位置信息和偏航角信息。

以初始时刻cav和hv所在的位置为端点，沿着两者所在车道，等间距地选择k个节点作为初始时刻hv的历史轨迹点所有历史轨迹点的信息存储在hv历史状态矩阵中。

将hv行驶状态表示为shv＝[xhvyhvθhvrhv]1×4，cav的行驶状态表示为scav＝[xcavycavθcavrcav]1×4，其中xhv、yhv分别笛卡尔坐标系下hv的x轴坐标信息和y轴坐标信息，θhv为hv的航向与x轴坐标的夹角，rhv为人工驾驶车辆当前位置的道路曲率；xcavycavθcavrcav分别为笛卡尔坐标系下cav的x轴坐标信息和y轴坐标信息，θcav为cav的航向与x轴坐标的夹角，rcav为cav当前位置的道路曲率。

s2：通过rsu，实时采集并传送hv的行驶状态shv给cav，传送方式为v2i通信，由于v2i通信存在时延，因此定义该时延的时间长度为τ；

s3：获取当前的cav的行驶状态与历史轨迹点之间的距离获取方式为：

比较与fd的大小，若则表示cav未到达的一定容错误差fd范围内，进行s5，反之，则表示cav到达的一定容错误差fd范围内，进入s4，其中容错误差fd为常数。

s4：通过rus更新hv的历史状态矩阵并将更新后的历史状态矩阵利用v2i通信技术传送给cav，更新方式为反向传递更新，具体为将的值赋予将的值赋予将的值赋予以此类推到将的值赋予最后将当前时刻hv的行驶状态shv的值赋予进入s5；

s5：分析的历史轨迹点的状态和当前行驶状态shv与第一车辆的行驶状态scav之间的误差信号，计算cav的期望加速度和期望角速度，具体为：

建立cav的二自由度模型，具体为：

其中：分别为笛卡尔坐标系下第一辆车横、纵向位置，速度，角度关于时间的微分量，vcav、acav、ωcav分别为cav的速度、加速度、角速度；

获取cav和hv的安全间隔距离，具体为：

其中：ψcav,hv为安全间隔距离，b、h分别为最短刹车距离和车头时距；

以安全间隔距离为cav和hv之间的期望距离，获取cav和hv的位置误差，具体的：

其中ex,cav,hv(t)为cav在笛卡尔坐标系下x方向的位置误差；

ey,cav,hv(t)为cav在笛卡尔坐标系下y方向的位置误差；

获取cav和hv的速度误差，具体的：

其中：为的角度补偿，ρ为一个常系数；

将上述的位置误差和速度误差对时间求导；再经后向差分法解耦t和τ的关系；最后用泰勒展开并保留τ的一阶项，根据τ的一阶项，获取cav的期望加速度和期望角速度，具体为：

其中：acav(t)为cav的期望加速度；

ωcav(t)为cav的期望角速度。

s6：cav以期望加速度acav(t)和期望角速度ωcav(t)行驶，并返回s2，其中s1所述的历史状态矩阵随之更新。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。