基于车路协同的上匝道协同并道控制方法与流程

本发明涉及智慧交通领域，具体的，涉及基于车路协同的上匝道协同并道控制方法。

背景技术：

随着自动驾驶技术和车联网技术的逐渐深入研究，网联人驾车和网联自动驾驶车辆必将成为未来智能交通的主要组成部分。而作为导致快速路拥堵的主要原因之一的上匝道口的车辆融合，在网联人驾车和网联自动驾驶车辆都存在的混合交通中也是亟需解决的重要问题。基于车路协同的协同优化合并控制方法能够很好的解决混合交通中的上匝道合并问题。

通过仿真试验可以得出，在混合交通中，无论主干道的协同车辆是网联人驾车还是网联自动驾驶车辆，都能够成功实现并道，且安全、效率和舒适度都有所提高。目前的研究中，大多都仅仅单一考虑主干道的协同车辆是传统人驾车辆。专利cn201811084048.x采用毫米波雷达作为路口车辆信息检测方式，通过向感兴趣区域发射微波实现对车辆的实时信息显示及跟踪，再通过信息显示屏为驾驶员提供交通信息，但是并没有考虑驾驶员的特性以及混合交通情况下网联自动驾驶车辆的运动状态控制。此外，专利cn201711158579.4通过在高速公路服务区设置车辆检测模块来预警车辆的到来，从而确保车辆能够安全并道。但是，该方法仅仅提示并道车辆主干道是否来车的信息，并没有提供更多关于安全、效率的信息，且针对的对象也仅仅是传统车辆，并没有考虑混合交通情况下的并道。

技术实现要素：

有鉴于此，本发明的目的是提供基于车路协同的上匝道协同并道控制方法。

本发明的目的是通过以下技术方案实现的：

基于车路协同的上匝道协同并道控制方法，

在初始时刻，判断主干道上的协同车辆的类型；

若协同车辆为网联人驾驶车辆，则诱导控制该车辆的驾驶员，使得该车辆按照第一期望行为行驶，或者直接控制车辆，使得该车辆按照第二期望行为行驶；

若协同车辆为网联自动驾驶车辆，则直接控制车辆，该车辆按照第二期望运动行为行驶；

判断该时刻是否满足合并条件，若满足则合并完成，如不满足则继续进行车辆合并。

进一步，所述第一期望行为的目标函数为网联人驾车驾驶员获得能够实现的合理的参考状态，所述第二期望行为的目标函数为网联自动驾驶车辆获得最优的行驶状态和行驶舒适度，

具体的：所述第一期望行为的目标函数为：

所述第二期望行为的目标函数为：

其中：u^vir(t)为网联人驾车驾驶员获得能够实现的合理的参考状态；

u(t)为所述第二期望行为的行驶舒适度和行驶状态，t0是合并过程的开始时刻，tf是合并的结束时刻。

进一步，所述第一期望行为的获取方法为：

根据所述第一期望行为的目标函数的解析解，得到诱导网联人驾车合并的轨迹信息，结合网联人驾车的跟随特性，得到所述第一期望行为。

进一步，所述网联人驾车的跟随特性的模型为：

其中，f^chv是抽象函数，v^per是前车速度，δx^per是本车与前车的位置差，δv^per是本车与前车的速度差，是驾驶员对前车速度的反应时延，是驾驶员对车间距的反应时延，是驾驶员对速度差的反应时延，v^cn是与本车网联的其他车辆的速度，δx^cn是与本车网联的其他车辆跟本车之间的位置差，δv^cn是与本车网联的其他车辆跟本车之间的速度差，τ^cn是驾驶员对其他网联车辆信息的反应时延，v^chv是网联人驾车的速度，δx^chv是网联人驾车的车头距，δv^chv是网联人驾车的速度差；

同时

其中mv，mδx，mδv分别是驾驶员自身驾驶习惯与所获得信息之间的权重系数。

进一步，所述第二期望行为的获取方法为：

结合互联网自动驾驶车辆的终端状态和起始状态，获取所述第二期望行为的目标函数的解析解。

进一步，所述终端状态为：

所述起始状态为：

本发明的有益效果是：

本发明保证协同车辆无论是网联人驾车还是网联自动驾驶车，都能够实现安全高效且舒适的上匝道合并。

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为混合交通上匝道系统合并前示意图；

附图3为混合交通上匝道系统合并后示意图。

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。

车辆能实现合并的条件是：1、目标位置有合适的距离；2、主干道协同车辆的状态已经调整结束且达到期望的速度和加速度；3、合并车辆具有和目标位置一样的状态(速度、加速度)。本方案主要是针对合并条件1、2。确保主干道协同车辆类型不确定的情况下，合并车辆(该车辆已经调节自身状态达到目标位置的状态——即假设条件3已经满足)都能够成功并道。所以，只需要对主干道的协同车辆进行控制。

基于上述理论，如图1所示，本发明提出了基于车路协同的上匝道协同并道控制方法，本方法采用四阶动力学模型，这是由于四阶模型能够很好的描述车辆运动特性的同时，兼顾了驾驶员舒适度的影响，四阶模型如下：其中p为车辆位置，v为车辆速度，a为车辆加速度，jerk为车辆加速度导数(描述舒适度)，u为输入。控制方法的实施方式由以下3个实施例进行详细描述。

实施例1

如图2和3所示，匝道上的车辆到达请求协作点时(初始时刻)，判断主干道的车辆类型为网联人驾驶车辆，根据网联人驾车能够获取信息以及驾驶员反应或者操作时延的特性，得到通用的网联人驾车跟随模型如下：

其中，f^chv是抽象函数，v^per是前车速度，δx^per是本车与前车的位置差，δv^per是本车与前车的速度差，是驾驶员对前车速度的反应时延，是驾驶员对车间距的反应时延，是驾驶员对速度差的反应时延，v^cn是与本车网联的其他车辆的速度，δx^cn是与本车网联的其他车辆跟本车之间的位置差，δv^cn是与本车网联的其他车辆跟本车之间的速度差，τ^cn是驾驶员对其他网联车辆信息的反应时延，v^chv是网联人驾车的速度，δx^chv是网联人驾车的车头距，δv^chv是网联人驾车的速度差。

同时，

其中，mv，mδx，mδv分别是驾驶员自身驾驶习惯与所获得信息之间的权重系数。

由于主干道的协同车辆为驾驶员操作的车辆，因此驾驶员收到的信息只能起到一定的诱导作用，针对繁杂的周围信息，需要对他们先进行合理的，有目的性的处理，才能够使网联人驾车达到第一期望运动的行为。对此，将诱导网联人驾车辆合并的信息处理转换为针对特定目的的优化，本实施例以网联人驾车驾驶员获得能够实现的合理的参考状态为目标函数，具体为：

其中，t0是合并过程的开始时刻，tf是合并的结束时刻，u^vir(t)为驾车驾驶员获得能够实现的参考状态。求解该目标函数，得到：

a^vir(t)＝c1t-c2+c3e^t+c4e^-t

求解方法为庞塔利亚极小值方法、模型预测理论或者粒子群算法，本实施例采用庞塔利亚极小值方法，其中，c1，c2，c3，c4，c5，c6都为常数，可以通过合并的起始点和终端点计算得到。此时，得到了诱导网联人驾车合并的轨迹信息，结合网联人驾驶的跟随特性(即通过网联人驾车的跟随特性模型对这些诱导信息进行跟踪，网联人驾车可以实现合并运动)，得到每个离散时间点的最优位置、速度和加速度信息，诱导驾驶人员进行驾驶。

在每个离散的时间点均需获得合并车辆和主干道协同车辆的实时状态进行迭代计算以判断是否达到期望状态，即合并车辆的目标位置是否有合适的距离以及主干道协同车辆的速度和加速度是否达到期望的速度、加速度，若车辆没有达到期望的状态，采集当前状态，继续执行上述步骤。

实施例2

如图2和3所示，匝道上的车辆到达请求协作点时(初始时刻)，判断主干道的车辆类型为网联自动驾驶车辆，针对网联自动驾驶车辆，其车载控制器能够相对实时精确的控制车辆的状态。此处也对其通过网联获得的信息进行优化处理，以网联自动驾驶车辆获得最优的行驶状态和行驶舒适度为目标函数，具体为：

通过庞塔利亚金极小值方法求解该目标函数，得到：

a^vir(t)＝c1t-c2+c3e^t+c4e^-t

其中，c1，c2，c3，c4，c5，c6都为常数，可以通过合并的起始点和终端点计算得到。

根据四阶模型，其初始状态和最终状态分别为：

在每个离散的时间点均需获得合并车辆的实时状态进行迭代计算以判断是否达到期望状态，若车辆没有达到期望的状态，采集当前状态，继续执行上述步骤。

因此可以得到网联自动驾驶车辆的每个离散时间点的最优位置、速度和加速度。当主干道的车辆为网联自动驾驶车辆时，直接采用本实施例所述的方法，基于网联自动驾驶车辆之间的直接交互和直接控制，实现上匝道合并。

在每个离散的时间点均需获得合并车辆和主干道协同车辆的实时状态进行迭代计算以判断是否达到期望状态，即合并车辆的目标位置是否有合适的距离以及主干道协同车辆的速度和加速度是否达到期望的速度、加速度，若车辆没有达到期望的状态，采集当前状态，继续执行上述步骤。

实施例3

当匝道上的车辆到达请求协作点时(初始时刻)，判断主干道的车辆类型为网联人驾驶车辆，由于人只可被信息诱导，因此存在不确定性，可以采用实施例2的方法，直接对车辆的车载控制器进行控制，方法如实施例2所示，本实施例不再赘述。

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。