一种基于Petri网的场馆自动驾驶车辆集中控制方法

本发明涉及自动驾驶控制领域，尤其涉及一种基于petri网的场馆自动驾驶车辆集中控制方法。
背景技术：
：随着无人驾驶车辆技术的发展，无人驾驶汽车因为其安全，稳定，便捷等特性被越来越多的应用到了各种场合中。国家以及国际中的大型赛事具有瞬时人流量大，聚散频繁，人、物、财相对较为集中等特点。但是如果不能对这些人流进行科学有效的引导和管理，必然会对赛事的顺利召开造成阻碍，甚至会产生有损观众及参赛人员的人生安全和财产安全的恶性事件。个人快速运输系统(personalrapidtransit，prt)是一种个人快速公共交通系统，使用具有自我导航功能的小型车辆(每辆车大约乘坐1-8人)，兼具轿车舒适、便捷和公交车低耗能、运输效率高的特点。每一位乘客都可在特定的乘车点上车，并且去往任一目的地。prt交通系统的概念起源于1900年，但直至1953年人们才开始对现代prt系统进行研究。1964年，fichter等学者发表文章介绍和论述了prt技术的应用前景，对于prt系统的发展有着极大的推进作用。在上个世纪70到80年代，许多国家都对prt系统进行过研究，但是由于经济、技术等原因，一直不曾有突破性的进展。21世纪初期，世界上第一个prt系统在英国希思罗国际机场投入运营，这个prt系统主要是基于ultra(urbanlighttransport)技术，并且还在不断的扩建中。随着第一个prt系统的运行成功，其他国家也纷纷加紧建设，2014年4月，韩国顺天市的一套拥有40辆车辆、两个站点和4.46千米轨道的skycube个人捷运系统投入使用。prt车站的设定对prt系统的整体性能具有较大影响，如果规模过小，人员下客缓慢，容易造成交通拥堵，不利于观众及参赛人员及时进场，甚至会导致赛事延误；如果规模过大，需要大量建设以及维护费用，容易造成资源浪费。针对prt车站设计和控制问题现阶段没有成熟的解决方案，本发明提出了一种prt车站及控制无人驾驶车辆的方法，有效的解决了此问题。技术实现要素：本发明的目的在于提供一种基于petri网的场馆自动驾驶车辆集中控制方法。能够实现prt车站的合理设计和车辆集中控制。本发明目的至少通过以下技术方案之一实现。一种基于petri网的场馆自动驾驶车辆集中控制方法，包括以下步骤：s1、确定场馆实际大小、座位数量、配套设施建设情况和周边道路交通情况；s2、根据场馆实际人流量使用道路通行能力(hcm)计算prt车站停靠能力，使用泊松分布模拟人流到达时间，确定所需最大吞吐量，并设计车站样式；s3、基于赋时petri网建立无信号交叉口控制模型，将针对车站的建模分为两个部分：对各条车道的停车过程建模和对公共资源的分配控制建模；s4、使用中央控制站控制模式进行车辆集中控制。优选的，步骤s2具体是根据prt车站的停靠位数量、无人驾驶车辆停靠时间、波动性因素，单个停车位的吞吐能力公式如下：其中，c1为一个单独停车位每小时停车数量，单位为bus/h；g/c为车站附近十字路口的绿信比；tqk为清空时间，即前一辆无人驾驶汽车离开至后一辆汽车进入下客区的时间差，单位为秒；ttk为无人驾驶汽车在下客区内的平均停靠时间，单位为秒；tls无人驾驶车辆在进入以及驶出prt车站的时间，单位为秒；tyl为运营裕量，是为了避免排队的频繁产生而增加的一段时间，单位为秒。优选的，于，所述运营裕量的计算如下：tyl＝zαcvttk(2)其中，α为下客区被占用而必须排队的概率(failurerate)，cv为停靠时间变化系数(dwelltimevariability)，由于下客人数和车的款式不同，并不是所有的无人驾驶汽车的停靠时间都是一样的，而停靠时间变化系数cv是单个车辆停靠时间的标准差与其均值的比值，zα为排队的概率α所对应的标准正态分布值：tyl＝cvtdzα(4)其中，s代表的是车辆停靠时间分布的标准差。优选的，所述泊松分布公式如下所示：其中，λ为间隔的样本均值，k代表人流量，通过此公式得到每分钟的人流量的可能性。优选的，步骤s2中所述设计车站样式主要为直线式和港湾式。优选的，步骤s3中所述基于赋时petri网建立无信号交叉口控制模型使用pipe4.3软件进行建模，将针对prt车站的建模分为两个部分：对各条车道的停车过程建模和对公共资源的分配控制建模；根据车道数量，将交叉口的物理空间划分路权资源，根据交叉口冲突点，不同方向的车辆在通过交叉路口时可能会占用相同的路权资源，为保证车辆安全，需要限制路权资源容量，即同一时间能够使用该路权资源的最大车辆数，通常每个路权资源的容量为1；使用库所表示路权资源，库所的令牌数量代表各个公共资源的容量，用实时变迁和延时变迁发出实施指令和延时指令；车辆通过交叉路口时，通过令牌数量的限制，其他车辆也无法同时通过。优选的，所述步骤s3的无信号交叉口控制模型采用集中控制模式，具体为：每一辆过来下客的车辆均表示为一个独立的被控对象，即每一辆车代表一个令牌，车辆从有限库所进入prt车站，由中央控制站分配车道进行下客，中央控制站分配其使用一条车道，即触发变迁；库所的容量为1，即交叉口内同一时间只能有一辆车通过，当此时等待位和下客区均没有车辆占用时，即各个库所内没有令牌，变迁被依次激活，车辆进入没有令牌的库所，此时库所内会有一枚令牌，代表此时交叉口有车辆通过，其他车辆将不能触发变迁进入此交叉口，直到交叉口的车辆通过此交叉口，代表交叉口的库所内令牌为0，此时其他等待车辆才能进入。优选的，步骤s4中所述中央控制站控制模式进行车辆集中控制在车路协同环境下，当车辆进入prt车站的进口区域，依据uwb(ultrawidebad)感知定位、卫星定位，采集车站范围内所有车辆的运动状态信息，通过dsrc(dedicatedshortrangecommunications)直接与车辆中的车载单元(onboardunit，obu)进行信息交互的车路通信发送给智能路侧设备，等待路权分配，智能路侧设备根据petri网自动驾驶控制指令将车辆的决策控制信息反馈给智能车载设备，引导智能驾驶车辆安全有效地通过车站，使车站延误时间最小。优选的，述智能路侧设备使用集中控制器内进行petri模型计算，并将控制信息发送给车载控制器。优选的，所述智能路侧设备为集中控制器stm32。与现有技术相比，本发明实现的有益效果至少如下：(1)针对大型场馆的prt车站建设问题，提出了一种能有效确定车站规模的方案，能够同时实现资源充分利用和保证交通秩序。(2)本发明能有效集中控制智能驾驶车辆，保证车辆较多时也能有序上下客，不会发生拥挤、碰撞等行为，在交通应用场景中具有实际意义。附图说明图1为本实施例的一种基于petri网的场馆自动驾驶车辆集中控制方法整体流程示意图；图2为本实施例港湾式prt车站结构图；图3为本实施例泊松分布图；图4为本实施例车站petri网模型。具体实施方式为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。本发明实施例提供一种基于petri网的场馆自动驾驶车辆集中控制方法，整体流程图如图1所示，具体步骤如下：步骤1、收集场馆实际大小，座位数量、配套设施建设情况和周边道路交通情况，场馆实际大小等因素会影响到prt车站的设计规模和整体结构，如广州体育馆容量大小约为10000人，周围道路状况良好，道路宽阔，能同时容纳多辆车并行。步骤2、使用hcm模型计算车站停靠能力，首先考虑到prt车站的停靠位数量、无人驾驶车辆停靠时间、波动性等等因素，单个停车位的吞吐能力计算公式如下：其中，c1为一个单独停车位每小时停车数量，单位为bus/h；g/c为车站附近十字路口的绿信比；tqk为清空时间，即前一辆无人驾驶汽车离开至后一辆汽车进入下客区的时间差，单位为秒；ttk为无人驾驶汽车在下客区内的平均停靠时间，单位为秒；tls无人驾驶车辆在进入以及驶出prt车站的时间，单位为秒；tyl为运营裕量，是为了避免排队的频繁产生而增加的一段时间，单位为秒，计算公式如下：tyl＝zαcvttk(2)其中，α为下客区被占用而必须排队的概率(failurerate)。cv为停靠时间变化系数(dwelltimevariability)，由于下客人数和车的款式不同，并不是所有的无人驾驶汽车的停靠时间都是一样的，而停靠时间变化系数cv是单个车辆停靠时间的标准差与其均值的比值，依据经验，cv一般在0.4至0.8之间，其中推荐值为0.6。zα为排队的概率α所对应的标准正态分布值:tyl＝cvtdzα(4)其中，s代表的是车辆停靠时间分布的标准差。排队的概率α与对应的标准正态分布值zα，在亚运会等人流密集的地区内，在估计prt车站的吞吐能力时推荐的排队概率为20％-30％，如下表所示：表1排队的概率α与对应的标准正态分布值zα排队概率αzα排队概率αzα1.0％2.33015.0％1.0402.5％1.96020.0％0.8405.0％1.64525.0％0.6757.5％1.44030.0％0.52510.0％1.28050.0％0.000prt系统的无人驾驶汽车采用集中控制方式，在车路协同系统中，当车辆进入prt车站的控制区域内，不需要使用到信号灯，因此车站附近十字路口的绿信比g/c可近似为1。一般车辆的清空时间tqk为3秒，平均停靠时间ttk与上下客的实际人数呈正相关，当下客人数为6-10人时，单人下客时间约为1.2秒，设定每辆车的承载能力是8个人，则ttk≈10秒。当排队概率为25％时，运营裕量tyl≈4秒。一般而言，到达场馆的人流量是服从泊松分布的，每辆车的承载能力是8个人，总共约有辆1250车会在3个小时内陆续到来，车流也是符合泊松分布的。以每1分钟为一个间隔，共有180个间隔时间。泊松分布公式如下所示：式中，λ为间隔的样本均值，k代表人流量，通过此公式得到每分钟的人流量的可能性。可以得到每分钟来的车辆数量与累计概率的关系如图3所示，由图3可知，当车站的吞吐量达到每1分钟10辆时，即可保证90％时间内不会产生车辆的滞留和累积。设计车站样式主要在直线式和港湾式中选择，其中直线式车站设置在车道边缘，无车道的占用，无明显进出口，面积较小，建造较为便宜和简单，但是会占用机动车道，在车流量很大时，容易造成交通堵塞、延误；港湾式车站设置在道路车行道外侧，采取局部拓宽路面的方式，占地面积较大，建造较为昂贵，但是优点是不影响道路的通行能力服务水平，降低了车辆停靠时对交通流影响。具体选用情况需结合实际场馆及道路交通情况决定。由于本示例中prt系统主要使用的是无人驾驶汽车，为了方便车辆的进出和停靠，降低堵车风险，使用港湾式prt车站，车站模式如图2，车站设置在道路车行道外侧，采取局部拓宽路面的方式。步骤3、建立petri网模型，基于赋时petri网建立无信号交叉口控制模型使用pipe4.3软件进行建模，将针对prt车站的建模分为两个部分：对各条车道的停车过程建模和对公共资源的分配控制建模。根据车道数量，将交叉口的物理空间划分路权资源，根据交叉口冲突点理论可知，不同方向的车辆在通过交叉路口时可能会占用相同的路权资源。为保证车辆安全，需要限制路权资源容量，即同一时间能够使用该路权资源的最大车辆数，通常每个路权资源的容量为1。使用库所表示路权资源，库所的令牌数量代表各个公共资源的容量，用实时变迁和延时变迁发出实施指令和延时指令。车辆通过交叉路口时，通过令牌数量的限制，其他车辆也无法同时通过。按照上述行驶办法，车辆均可安全自主使用车站。建立模型如图4所示，一般采用圆圈来表示有限库所p，使用方框来表示有限变迁t，黑色的长方形表示实时变迁，白色的长方形表示延时变迁。有向弧把变迁和库所连接，构成系统的静态结构关系，再利用黑点表示令牌，模拟系统的动态行为。每一辆过来下客的车辆均可以表示为一个独立的被控对象，即每一个令牌代表一辆车，车辆从p0进入prt车站，由中央控制站分配车道进行下客，令牌的转移过程模拟了车辆使用prt车站的过程，如当一辆车辆驶入p0，中央控制站分配其使用第一条车道，即触发变迁t2，当此时等待位和下客区均没有车辆占用时，t2、t3、t4被依次激活。当中央控制站stm32即集中控制器stm32(一种单片机)发出t2激活指令时，库所p9中的令牌转移至p3，车辆通过第一个等待车位。接着变迁t3、t4依次被激活，当令牌位于库所p7时，即当车辆进行下客时，由于库所p21中的令牌数量为0，根据变迁触发条件，其他车辆无法进入下客区，而此时延时变迁t7被触发，开始计时，计时结束后令牌转移到p8，结束下客行为。车辆通过交叉路口时，通过令牌数量的限制，其他车辆也无法同时通过。按照上述行驶办法，使用集中控制模式，车辆均可安全自主使用prt车站。步骤4、发送控制指令，中央控制站控制模式进行车辆集中控制在车路协同环境下，当车辆进入prt车站的进口区域，依据技术uwb(ultrawidebad)感知技术、卫星定位技术，采集车站范围内所有车辆的运动状态信息，通过dsrc(dedicatedshortrangecommunications)技术直接与车辆中的车载单元(onboardunit，obu)进行信息交互的车路通信技术发送给智能路侧设备，等待路权分配，智能路侧设备根据petri网自动驾驶控制指令将车辆的决策控制信息反馈给智能车载设备，引导智能驾驶车辆安全有效地通过车站，使车站延误时间最小。所述智能路侧设备为中央控制站stm32。本实施例，提供一种基于petri网的场馆自动驾驶车辆集中控制方法，首先收集场馆实际大小，座位数量、配套设施建设情况和周边道路交通情况，接着计算车站停靠能力以及设计车站规模和样式，然后建立petri网模型，最后通过中央控制站stm32发送控制指令。本发明技术方案能有效集中控制智能驾驶车辆，保证车辆较多时也能有序上下客，不会发生拥挤、碰撞等行为，在交通应用场景中具有实际意义。以上所述仅是本发明的优选实施方式，应当指出，对于本
技术领域：
的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。当前第1页12