一种考虑驾驶员操作特性的车速引导方法与流程

本文发明这一种节能辅助驾驶优化系统，特别涉及一种基于车速系统环境下的考虑驾驶员操作特性的近信号控制区车速引导方法。

背景技术

临近信号灯控制路段及交叉口区域(称近信号控制区)作为城市道路的瓶颈，其决定城市道路的通行能力的“咽喉”，交通拥堵问题日益严峻。车辆在通行近信号控制区时，受到信号灯时序交替和驾驶员操作行为的影响，导致车辆出现怠速和频繁启停，以及不必要的急加减速变化。从而造成不必要的燃油消耗、大量的通行延误及污染物的排放增加。如果可以提前感知信号灯的时序变化，给驾驶员一个引导车速，使得车辆可以在绿灯相位内通过交叉口停车线，则可以尽量避免上述问题。因此，研究一种考虑驾驶员操作特性的车速引导方法提高车辆的燃油经济性及近信号控制区的通行效率具有很远的意义。

在车路协同环境下，车辆在行驶过程中，车载终端可以提前获取到路侧设备发送的前方道路信息，包括交叉口信号灯的状态和时间、挡路限速、距离交叉口距离等信息。结合当前车辆行驶状态，可以提前预判车辆是否可以在当前绿灯周期内通行，对近信号控制区的车辆进行车速动态引导，为驾驶员提供节能的车速引导建议，诱导车辆平稳有序的通过交叉口。大量学者对此展开深入研究，尤其是针对单车的车速诱导，以车辆燃油经济性和通行效率为目标，提出各种引导速度曲线求解方法。如rakhaha等开发一种速度咨询系统，根据计算的通行时间预判车辆能否通行，对不能通行的车辆进行加减速引导，研究加减速的时间，利用线性计算方法计算出速度曲线，结合车辆微观油耗模型，选取其中油耗最小的速度曲线，作为交叉口速度咨询系统的车速引导函数，进而提高车辆燃油经济性。barthm等利用车辆与路侧设别的通信数据，获取信号灯相位与定时，提出了一种单车动态速度规划算法，对车辆进行加减速优化，确保车辆不停车地通行信号交叉口，并利用cmem(comprehensivemodalemissionsmodel)微观模型在仿真环境下验证了算法的节能减排效果。然而，现有研究主要集中在建立优化的速度曲线方法，忽略驾驶员对引导车速的响应特征。但是，在自动驾驶技术尚未普及阶段，驾驶员从观察到引导速度到控制车辆跟踪引导速度，这一过程受到驾驶员操作特性及车辆响应特性的影响，进而导致驾驶员难以准确按照引导速度曲线行驶，即影响车速引导方法的适应性。

技术实现要素：

有鉴于此，为了解决上述问题，本发明提供一种考虑驾驶员操作特性的车速引导方法，该方法实现了车辆不停车通行信号交叉口，提高车辆在近信号控制区的通行效率和燃油经济性，缓解现有交通问题。

为实现上述目的及其他目的，本发明提供一种考虑驾驶员操作特性的车速引导方法，其特征在于，该方法包括以下步骤：

步骤s1.向驾驶员提供引导速度，根据车辆实际响应速度，识别出驾驶员操作特性及车辆响应特性，建立自适应容错控制器模拟驾驶员跟踪引导速度的人车响应模型，并对模型参数进行标定；

步骤s2.获取车辆状态数据、信号灯状态信息，建立近信号控制区通行预判模型；

步骤s3.建立闭环速度曲线更新算法，动态更新最优引导速度曲线；

步骤s4.结合车辆实际油耗情况，确定闭环速度曲线更新算法优化步长。

优选地，所述步骤s1包括以下子步骤：

s11.驾驶员提供引导速度vopt(t)，并通过智能车载终端采集车辆实际行驶速度vact(t)；

s12.忽略车辆横向运动，用常用一阶滞后模型来表示车辆响应模型；

s13.建立自适应容错控制器模拟驾驶员跟踪引导速度的人车响应模型；

s14.根据引导速度vopt(t)、车辆实际行驶速度vact(t)对人车响应模型参数进行标定。

优选地，所述步骤s2包括以下子步骤：

s21.根据交叉口停车线信号灯状态，获取当前信号灯分别为红灯r、绿灯g情况下，车辆实现不停车的通行时间tpossible：

其中,tred表示第一个红灯相位开始时间，tred1表示第二个红灯相位开始时间，tgreen表示第一个绿灯相位开始时间，

s22.根据车辆距离交叉口停车线距离dint、道路限速vlimit获取车辆可能通行速度vpossible：

其中,v1、v2分别为车辆通行最小速度、最大速度；

s23.将车辆速度通行平均速度调整至目标速度vc，计算获得车辆通行预判模型。

优选地，所述步骤s2还包括：针对预判模型中加速度对车辆加减速进行优化，具体方法为：

采用三角函数优化模型，生成引导速度曲线：

其中，vd＝vt-vc表示车辆当前速度与目标速度偏差，m和n决定引导速度曲线的形状，通过约束方程求得：

|jerk|表示加速度的一阶导数。

优选地，所述步骤s3具体为：建立闭环速度曲线更新算法，根据驾驶员操作特性及车辆响应特性所造成的跟踪偏差，动态更新最优引导速度曲线。

优选地，所述步骤s4具体包括以下子步骤：

s41.根据车辆行驶过车中速度v、加速度a、怠速油耗α建立车辆油耗模型：

f(a,v)＝{(α+β1vrt+[β2ma²v]a＞0),α}

其中,f(a,v)表示车辆燃油消耗率，m表示车辆质量，β1表示车辆燃油消耗相关系数，β2表示发动机输出和加速度相关燃油消耗系数，rt表示车辆行驶过程中受到行驶阻力：

rt＝b1+b2+ma+gmg

其中,b1表示车辆行驶滚动阻力系数，b2表示车辆行驶空气阻力系数，g表示道路坡度，g表示地球重力加速度；

s42.根据不同优化步长下车辆油耗及通行情况，选择合适优化步长。

由于采用了上述技术方案，本发明具有如下的优点：

本发明针对驾驶员在跟踪引导速度过程中，受到车辆响应特性及驾驶员操作特性的影响，使得驾驶员难以完全按照引导速度行驶，从而影响车速引导方法的适应性。因此，本发明首先建立人车响应模型表征驾驶员在跟踪引导速度的响应过程，在此基础上提出一种考虑驾驶员操作特性的闭环速度曲线更新算法，并确定闭环速度曲线跟新算法的优化步长，从而提高了车速引导算法的适应性。实现车辆不停车通行信号交叉口，提高车辆在近信号控制区的通行效率和燃油经济性，缓解现有交通问题。

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：

图1为本发明的人车响应模型框图；

图2为绿灯窗口时间示意图；

图3为近信号控制区车速引导预判模型；

图4为闭环反馈车速速度引导算法的框图；

图5为本发明方法的流程图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，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发明的其他优点与功效。本发明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，在没有背离本发明的精神下进行各种修饰或改变。

请参阅图1至图5。需要说明的是，本实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明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。

如图5所示，本实施例提供一种考虑驾驶员操作特性的车速引导方法，包括以下步骤：

步骤一：在车路协同环境下，利用智能车载终端给驾驶员提供引导速度，根据车辆实际响应速度，识别出驾驶员操作特性及车辆响应特性，建立自适应容错控制器模拟驾驶员跟踪引导速度的人车响应过程，并对模型参数进行标定，主要包括以下部分：

1)利用智能车载终端中hdmi给驾驶员提供引导速度vopt(t)，并通过智能车载终端采集车辆实际行驶速度vact(t)。

2)忽略车辆横向运动，用常用一阶滞后模型来表示车辆响应模型，如下所示：

其中，vact(t)为车辆行驶的实际速度，分别代表车辆的加速度和加速度一阶导数，u(t)表示想要改变车辆速度、加速度而采取操作控制输入量，如油门踏板、刹车等操作。

3)附图1为人车响应模型框图，利用backstepping方法建立自适应容错控制器刻画人车响应模型，表征驾驶员跟随引导速度过程中的驾驶员操作特性及车辆响应特性。具体包括：

首先，将车辆响应模型转换成状态控制方程形式：

其中，在实际驾驶过程中，驾驶员从观察到引导速度，到驾驶员操作车辆跟踪引导速度，这一过程会收到驾驶员反应时延、操作时延的影响。导致驾驶员实际输入ua与设计输入u之间存在不一致问题，假定它们存在以下关系：

ua＝ρu+ur(3)

其中，ρ可以看成驾驶员针对引导速度所需设计输入的有效“执行系数”，ur表示驾驶员因通信时延、控制机的机械传动造成不可控干扰因素。其中“执行系数”和干扰造成不确定输入ur都是未知、时变的。在本实施例中，考虑到驾驶员实际输入与所需输入之间存在一定偏差，但是都在一定程度上遵守提示输入，即0＜ρ≤1。在此给出以下两个假设：

假设1：假设已知期望的输出为yd，并且它连续有界的，并且可导的。

假设2：参数ρ和ur都是未知的、时变、不可预测，但有界的。如0＜ρ≤1和

通过backstepping设计方法来设计驾驶员操作行为模型，驾驶员的跟踪误差如下所示：

z1＝x1-yd(4)

其中，yd表示期望输出，表示期望输出的一阶导，α1为虚拟控制器函数，z1,z2表示驾驶员跟踪偏差，下面给出容错自适应控制器的设计过程：

s1：通过式(2)，(4)和(5)，可以得到

其中，表示跟踪偏差一阶导，虚拟控制函数α1设计为：

α1＝-c1z1(7)

其中,c1为设计参数。根据(4)和(5)，可以得到如下方程：

s2：通过式(2)，(3)和(5)，可以得到

其中，表示期望输出两阶导，表示虚拟控制器一阶导。

然后，自适应控制率如下所示：

其中，c2，r及η三个参数为设计参数，θ＝1/ρ，分别为θ，d的估计量。接着令

式(9)中的ρu可以表示为：

结合式(9)、(10)、(11)，可以得到：

定义系统lyapunov函数为：

结合等式(6)，lyapunov函数的导数(14)可以计算得到：

其中,d|z2|≥urz2。

定理1：假定系统(2)满足假设1和假设2。通过应用控制器和(10)式的参数更新定律，可以实现系统的渐进稳定，

证明：根据公式(9)，v不是递增的，因此，都是有界的。根据lasalle-yoshizawa定理可知公式(9)中，可以知道随t→∞，zi→0,i＝1,2，根据公式(2)和(4)可得，

4)根据引导速度vopt(t)、车辆实际行驶速度vact(t)对人车响应模型参数进行标定，根据引导速度vopt(t)与车辆实际速度vact(t)标定出模型的四个设计参数c1、c2、r、η，则得到驾驶员对应的人车响应模型。

步骤二：基于车路协同环境下获取车辆状态数据、信号灯状态信息，建立近信号控制区通行预判模型。

建立近信号控制区通行预判模型；

首先，根据交叉口停车线信号灯状态，获取当前信号灯分别为红灯r、绿灯g情况下，车辆实现不停车的可能通行时间：

其中,tred表示第一个红灯相位开始时间，tred1表示第二个红灯相位开始时间，tgreen表示第一个绿灯相位开始时间，

参数如图2绿灯窗口的时间示意图。

根据车辆距离交叉口停车线距离dint，道路限速vlimit，则可获取车辆可能通行速度vpossible：

其中,v1、v2分别为车辆通行最小速度、最大速度。

为了确保车辆不停车通行信号交叉口，驾驶员必须加减操作，将车辆速度通行平均速度调整调整至vt(目标速度)，同时还需好补偿因为速度调整而带来行驶距离偏差，即vt∈vpossible，车辆通行预判模型流程框图如图3所示。

针对预判模型中加速度，为了达到节能减排目的，使得加减速变化曲线尽可能光滑，采用三角函数优化模型，其生成的速度曲线不仅光滑，而且连续可导：

其中,vd＝vt-vc表示车辆当前速度与目标速度偏差，当vd＜0时，表示当前速度小于车辆目标速度，则生成引导速度曲线为加速曲线；当vd＞0时，表示当前速度大于最大目标速度，则生成加速速度曲线；当vd＝0时，表示当前速度等于目标速度，车辆保持当前速度匀速行驶即可。

式(18)中m和n决定引导速度曲线的形状，可以通过以下约束方程求得：

步骤三：驾驶员在跟随引导速度过程中，会受到人车响应模型影响，提出一种闭环速度曲线更新算法，提高车速引导算法的适应性。

建立闭环速度曲线更新算法，根据驾驶员操作特性及车辆响应特性所造成的跟踪偏差，动态跟新最优引导速度曲线，确保驾驶员在既定时间内驶过信号交叉口，图4为闭环反馈车速速度引导算法的框图。

考虑车辆行驶加速度对闭环速度曲线更新算法影响，将vd转化成与车辆当前加速度a0相关的函数：

则式(19)中第一个方程约束方程调整如下

其中,未知参数m和n依然采用调整后的式(19)求取。

步骤四：结合车辆实际油耗情况，确定闭环速度曲线更新算法优化步长选取。

根据车辆行驶过车中速度v、加速度a、怠速油耗α建立车辆油耗模型：

f(a,v)＝{(α+β1vrt+[β2ma²v]a＞0),α}

其中,f(a,v)表示车辆燃油消耗率，m代表车辆质量，β1表示车辆燃油消耗相关系数，β2表示发动机输出和加速度相关燃油消耗系数。rt表示车辆行驶过程中受到行驶阻力：

rt＝b1+b2+ma+gmg

其中,b1表示车辆行驶滚动阻力系数，b2表示车辆行驶空气阻力系数，g表示道路坡度，g表示地球重力加速度。

根据不同优化步长下车辆油耗及通行情况，选择合适优化步长。

闭环车速引导更新算法中，由于驾驶员存在时延影响。如果速度曲线更新频率太快，驾驶员难以做到实时调整，反之，更新频率太慢有不能确保车辆在既定时间内通过交叉口。

因此，通过设置不同的优化步长，根据车辆油耗及通行情况选择一个最优的反馈优化步长。

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保护范围当中。