【技术实现步骤摘要】
基于DDPG的智能网联公交车车重自适应全局车速规划方法
[0001]本专利技术涉及智能网联汽车车速规划
,特别是涉及一种基于DDPG的智能网联公交车车重自适应全局车速规划方法。
技术介绍
[0002]智能网联公交车是智能网联汽车示范应用的典型场景之一,其可以大幅提高公共交通的出行效率,为大规模的人群提供出行便利。车路协同是我国智能网联汽车发展的重要战略,通过其获取信号灯路口的信号灯信息,能够使得车辆对自身车速进行合理规划,提高路口的通行效率、降低车辆的能耗。
[0003]考虑信号灯路口的全局车速规划方法主要可以分为以下三类:基于规则、基于学习和基于优化。
[0004]基于规则的方法主要根据信号灯的状态和配时将自车的路口通行策略划分为不同类型,在每种类型下采用相应方法调整自车车速。其特点是简单易用,但面对复杂的多路口场景时处理困难且没有保证最优性。丁川等在单点信号灯路口将车速控制划分为停车等待、减速、匀速、加速四类,每类下采取匀变速调整自车车速至目标车速(丁川,鲁光泉.智能网联环境下交叉口车路协同优化方法[M].北京:科学出版社,2021:22
‑
34)。文巧雅采取类似的思路,提出了以通行时间和舒适性为优化目标的通行策略,根据参考速度和信号灯状态对自车进行匀速、加速、减速、停车等相应调整(文巧雅.基于V2X技术的智能车辆通行红绿灯决策方法研究[D].北京理工大学,2018.)。
[0005]基于优化的方法将信号灯路口车速问题转化为最优控制问题,建立相应的约束和成本函数,采 ...
【技术保护点】
【技术特征摘要】
1.一种基于DDPG的智能网联公交车车重自适应全局车速规划方法,其特征在于,包括以下步骤:步骤1,通过车路协同技术获取车辆行驶路线上的各个信号灯周期和相位信息,据此建立信号灯仿真模型;步骤2,由所述的信号灯仿真模型计算当前时刻的信号灯相位信息t
l
、t
l
′
,由车重估计算法进行车重估计,计算经过归一化的估计车重m
nor
;由整车微孪生模型计算车辆经过归一化的车辆位置d
nor
、归一化的车速v
nor
,称[d
nor
v
nor
t
l
t
l
′
m
nor
]为强化学习的状态量S
t
;步骤3,将当前时刻的状态量S
t
输入给DDPG中的策略网络,由其输出当前时刻车辆应采取的加速度值a
t
,整车微孪生模型执行a
t
,对S
t
进行更新;步骤4,整车微孪生模型在执行a
t
后所获得的奖励值R
t
,若车辆前方为路口,则R
t
=β1R
g
+β2R
p
+β3R
j
+β4R
T
+R
G
;若车辆前方为站点,则R
t
=β1R
v
+β2R
p
+β3R
j
+β4R
T
+Rs
t
,其中,R
g
为预测路口通行状态奖励,R
p
为能耗奖励,R
j
为速度平顺性奖励,R
T
为时间惩罚,R
G
为路口通行状态终端奖励,R
v
为参考速度奖励,R
st
为站点停车终端奖励;步骤5,根据步骤2的状态量S
t
和动作值a
t
以及步骤3中的奖励值R
t
,对DDPG算法中的各个网络进行训练更新,如果训练过程结束或者网络已经收敛,则执行步骤6;如果未收敛,则再返回执行步骤2;所述步骤1
‑
步骤5为DDPG算法离线训练过程,在车辆仿真模型中进行;步骤6,通过车路协同技术和实车采集数据获取状态量S
t
,输入给选取步骤5中完成训练或已经收敛的DDPG中的策略网络,规划全局车速曲线;所述步骤6为DDPG算法完成训练后实际应用过程,在实际车辆上进行。2.如权利要求1所述的基于DDPG的智能网联公交车车重自适应全局车速规划方法,其特征在于,所述步骤2中,d表示车辆当前到下一个路口或者站点的距离,d
i
表示相邻路口或站点间的距离,i表示车辆所在的路段编号;v表示车辆当前车速,v
max
表示当前道路上车辆的最大限速。3.如权利要求1所述的基于DDPG的智能网联公交车车重自适应全局车速规划方法,其特征在于,所述步骤2中,t
l
和t
l
′
表示车辆当前距离最近的下一个路口的信号灯信息,采用式l和2进行计算:式l和2进行计算:黄灯时间全部计入红灯,式(1)和(2)中,t表示当前时刻所对应的在本灯态持续时长内的时间,t
r
表示红灯...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。