基于孪生车道的大规模无人驾驶车辆换道的云调度方法技术

本发明专利技术公开了一种基于孪生车道的大规模无人驾驶车辆换道的云调度方法，包括：1云服务器对物理车道进行特征提取，建立孪生车道区段模型；2基于孪生车道坐标体系预测换道车辆与周围车辆的时变距离；3建立换道车辆单车优先级与车间相关度计算方法，评估车辆联合换道调度优先级；4云服务器计算生成车辆联合换道调度的并行换道任务队列，下发调度指令执行目标车辆区段联合换道调度。本发明专利技术为大规模无人驾驶车辆换道提供高效率的调度方法，能够提高复杂场景下车辆换道的安全性与可靠性，为智能交通系统的建设提供理论支撑。通系统的建设提供理论支撑。通系统的建设提供理论支撑。

【技术实现步骤摘要】
基于孪生车道的大规模无人驾驶车辆换道的云调度方法


[0001]本专利技术属于无人驾驶
，主要涉及一种基于孪生车道的大规模无人驾驶车辆换道的云调度方法。

技术介绍

[0002]近年来，在云计算和人工智能等新兴技术的推动下，汽车产业正在不断深化变革，自动驾驶技术正从L3有条件自动驾驶向L5完全自动驾驶发展，大规模的无人驾驶将成为未来交通系统中的主流出行方式。车辆换道作为无人驾驶汽车最基本的决策行为，对车辆本身及道路交通系统的安全和性能有着至关重要的影响，如何实现复杂交通流下大规模车辆安全高效的换道调度一直是无人驾驶领域和智能交通系统的关键性问题。
[0003]然而现阶段的无人驾驶汽车换道调度方法存在以下问题：在决策主体方面，大多数无人驾驶汽车换道决策主体局限于车辆本身，车辆基于V2V通信获取的外界信息做出换道决策，由于其自身的感知和计算能力有限，难以大规模应用；在道路交通系统协作控制方面，缺乏统一的车辆变道动态协同规划机制，在大规模快速强制变道的复杂交通场景下车辆的变道需求、安全换道性能以及实时交通效率无法同时得到有效保障。因此，如何建立高安全、高效率的大规模无人驾驶车辆换道调度方法成为一个急需解决的问题，对未来智能交通系统的建设具有重要意义。

技术实现思路

[0004]本专利技术是为了解决上述现有技术存在的不足之处，提出一种基于孪生车道的大规模无人驾驶车辆换道的云调度方法，以期提高复杂交通流下大规模无人驾驶车辆换道调度的安全性与高效性，从而为车辆的安全驾驶、智能交通系统的开发建设提供理论支撑。
[0005]本专利技术为解决技术问题采用如下技术方案：
[0006]本专利技术一种基于孪生车道的大规模无人驾驶车辆换道的云调度方法的特点在于，是按如下步骤进行：
[0007]步骤1、建立云服务器的孪生车道区段模型；
[0008]所述云服务器调用高精地图获取孪生车道表征参数，从而建立孪生车道表征集合DL＝{DL
n
|n＝1,2,
…
,N}，其中，DL
n
表示第n个孪生车道的表征矩阵，且DL
n
＝(A
l,n
,A
r,n
,B
n
,H
n
,E
n
,G
n
)，A
l,n
和A
r,n
分别为第n个孪生车道左、右边界线的特征向量，B
n
为第n个孪生车道的宽度，H
n
为第n个孪生车道的高度，E
n
为第n个孪生车道基本交通标识的特征向量，G
n
为第n个孪生车道的几何特征向量；N为孪生车道的总数；
[0009]所述云服务器将每个孪生车道均划分为联合换道的M个区段，任意一个联合换道区段的编号记为m，且m∈[1,M]；
[0010]定义t
m
为第m个联合换道区段车辆换道调度的起始时刻，Δt
m
为第m个联合换道区段的车辆换道所需时间；
[0011]所述云服务器建立第m个联合换道区段在t
m
时刻下的换道车辆集合
其中，表示第m个联合换道区段在t
m
时刻下的第s辆换道车辆，S为第m个联合换道区段在t
m
时刻下具有换道需求的车辆总数；
[0012]所述云服务器建立第m个联合换道区段在t
m
时刻下的车辆换道信息集合其中，为第m个联合换道区段在t
m
时刻下第s辆换道车辆所在的车道，为第m个联合换道区段在t
m
时刻下中第s辆换道车辆的目标车道；
[0013]所述云服务器建立第m个联合换道区段在t
m
时刻下第s辆换道车辆的换道车辆环境集合其中，表示的周围车辆，若e＝tf，则表示目标车道的前方车辆，若e＝tr，则表示目标车道的后方车辆，若e＝cf，则表示当前车道的前方车辆，若e＝cr，则表示当前车道的后方车辆；
[0014]所述云服务器建立第m个联合换道区段在t
m
时刻下第s辆换道车辆的换道车辆环境集合中的车辆信息集合其中，表示的车辆信息，且表示的车速，表示的加速度，表示的车身长度，表示的车身宽度，表示的车辆信息，且表示的车速，表示的加速度，表示的车身长度，表示的车身宽度；
[0015]所述云服务器以车道编号n＝1的左边界线与联合换道区段编号m＝1的左边界线交点为坐标原点，以车道编号递增方向为x轴正方向，以联合换道区段编号递增方向为y轴正方向，建立孪生车道坐标系oxy；
[0016]基于所述孪生车道坐标系oxy建立换道车辆环境集合中的车辆坐标集合其中，表示在t
m
时刻下的坐标，表示在t
m
时刻下的坐标；
[0017]步骤2、云服务器预测车辆间的时变距离；
[0018]步骤2.1、所述云服务器在t
m
时刻下预测t
m
+i时刻换道车辆环境集合中各车辆在i时间段内的坐标变换量，且i＜Δt
m
；
[0019]步骤2.1.1、利用式(1)预测t
m
+i时刻下在i时间段内的横坐标变换量
[0020][0021]式(1)中，为t
m
时刻下所在车道的宽度，为t
m
时刻下的目标车道的宽度；
[0022]步骤2.1.2、利用式(2)预测t
m
+i时刻下在i时间段内的纵坐标变换量
[0023][0024]式(2)中，τ为车辆换道激励因子；
[0025]步骤2.1.3、利用式(3)预测t
m
+i时刻下在i时间段内的横坐标变换量
[0026][0027]式(3)中，为t
m
时刻下所在车道的宽度，为t
m
时刻下的目标车道的宽度，e∈{tf,tr,cf,cr}；
[0028]步骤2.1.4、利用式(4)预测t
m
+i时刻下在i时间段内的的纵坐标变换量
[0029][0030]式(4)中，τ为车辆换道激励因子，e∈{tf,tr,cf,cr}；
[0031]步骤2.2、所述云服务器在t
m
时刻下利用式(5)预测t
m
+i时刻下与的时变距离其中，e∈{tf,tr,cf,cr}；
[0032][0033]式(5)中，为t
m
+i时刻下的第一车身边缘航偏量，并有：
[0034][0035]式(6)中，为的车身长度，为t
m
+i时刻下的航偏角，为t
m
+i时刻下车身边缘点的纵坐标；
[0036]式(5)中，为t
m
+i时刻下的第二车身边缘航偏量，并有：
[0037][0038]式(7)中，η为车辆环境系数，若e∈{本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于孪生车道的大规模无人驾驶车辆换道的云调度方法，其特征在于，是按如下步骤进行：步骤1、建立云服务器的孪生车道区段模型；所述云服务器调用高精地图获取孪生车道表征参数，从而建立孪生车道表征集合DL＝{DL
n
|n＝1,2,
…
,N}，其中，DL
n
表示第n个孪生车道的表征矩阵，且DL
n
＝(A
l,n
,A
r,n
,B
n
,H
n
,E
n
,G
n
)，A
l,n
和A
r,n
分别为第n个孪生车道左、右边界线的特征向量，B
n
为第n个孪生车道的宽度，H
n
为第n个孪生车道的高度，E
n
为第n个孪生车道基本交通标识的特征向量，G
n
为第n个孪生车道的几何特征向量；N为孪生车道的总数；所述云服务器将每个孪生车道均划分为联合换道的M个区段，任意一个联合换道区段的编号记为m，且m∈[1,M]；定义t
m
为第m个联合换道区段车辆换道调度的起始时刻，Δt
m
为第m个联合换道区段的车辆换道所需时间；所述云服务器建立第m个联合换道区段在t
m
时刻下的换道车辆集合其中，表示第m个联合换道区段在t
m
时刻下的第s辆换道车辆，S为第m个联合换道区段在t
m
时刻下具有换道需求的车辆总数；所述云服务器建立第m个联合换道区段在t
m
时刻下的车辆换道信息集合其中，为第m个联合换道区段在t
m
时刻下第s辆换道车辆所在的车道，为第m个联合换道区段在t
m
时刻下中第s辆换道车辆的目标车道；所述云服务器建立第m个联合换道区段在t
m
时刻下第s辆换道车辆的换道车辆环境集合其中，表示的周围车辆，若e＝tf，则表示目标车道的前方车辆，若e＝tr，则表示目标车道的后方车辆，若e＝cf，则表示当前车道的前方车辆，若e＝cr，则表示当前车道的后方车辆；所述云服务器建立第m个联合换道区段在t
m
时刻下第s辆换道车辆的换道车辆环境集合中的车辆信息集合其中，表示的车辆信息，且车辆信息，且表示的车速，表示的加速度，表示的车身长度，表示的车身宽度，表示的车辆信息，且的车辆信息，且表示的车速，表示的加速度，表示的车身长度，表示的车身宽度；所述云服务器以车道编号n＝1的左边界线与联合换道区段编号m＝1的左边界线交点为坐标原点，以车道编号递增方向为x轴正方向，以联合换道区段编号递增方向为y轴正方向，建立孪生车道坐标系oxy；基于所述孪生车道坐标系oxy建立换道车辆环境集合中的车辆坐标集合
其中，表示在t
m
时刻下的坐标，表示在t
m
时刻下的坐标；步骤2、云服务器预测车辆间的时变距离；步骤2.1、所述云服务器在t
m
时刻下预测t
m
+i时刻换道车辆环境集合中各车辆在i时间段内的坐标变换量，且i＜Δt
m
；步骤2.1.1、利用式(1)预测t
m
+i时刻下在i时间段内的横坐标变换量在i时间段内的横坐标变换量式(1)中，为t
m
时刻下所在车道的宽度，为t
m
时刻下的目标车道的宽度；步骤2.1.2、利用式(2)预测t
m
+i时刻下在i时间段内的纵坐标变换量在i时间段内的纵坐标变换量式(2)中，τ为车辆换道激励因子；步骤2.1.3、利用式(3)预测t
m
+i时刻下在i时间段内的横坐标变换量在...

【专利技术属性】
技术研发人员：王跃飞，许于涛，牛迎澳，汪思强，汤恒志，汪润，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：