一种基于相邻车辆概率运动预测的车辆汇入次序优化方法技术

本发明专利技术公开了一种基于相邻车辆概率运动预测的车辆汇入次序优化方法，包括：对汇入控制区域内所有主道车辆编号；匝道车辆从路侧控制器处接收汇入控制区域内主道车辆的位置、速度信息；采用高斯混合模型构建车辆驾驶行为分类器，并求解相邻车辆属于各驾驶行为类别的概率；采用考虑驾驶行为的相邻车辆概率运动预测方法，预测相邻车辆运动轨迹；设计累积能耗代价函数，构建匝道车辆的汇入次序优化问题，求解匝道车辆的最优汇入次序。本发明专利技术结合高斯混合模型和智能驾驶员模型，基于对相邻车辆的概率运动预测，构建以能耗最低为目标的匝道车辆的汇入次序优化问题，求解匝道车辆的最优汇入次序，提高了匝道车辆在汇入过程的节能经济性。性。性。

【技术实现步骤摘要】
一种基于相邻车辆概率运动预测的车辆汇入次序优化方法


[0001]本专利技术属于自动驾驶车辆
，具体涉及一种基于相邻车辆概率运动预测的车辆汇入次序优化方法。

技术介绍

[0002]随着我国经济快速发展，我国机动车保有量日益增多，道路交通事故频发，严重威胁了人们的生命财产安全。其中，存在道路瓶颈的匝道汇入区域更是事故高发地。匝道汇入区域内大量匝道车辆需要强制汇入主道，造成匝道交通流与主道交通流间存在复杂的交织，极易产生交通事故。自动驾驶技术被认为能够有效改善这一问题，自动驾驶车辆可以通过有效地感知、预测周围车辆行为，做出安全、高效的行为决策，提高车辆的安全性。
[0003]目前，部分研究已经对匝道汇入区域内匝道车辆的汇入问题提出了一些有效的解决办法。中国专利技术专利申请号CN202210271057.X，名称为“基于自动驾驶车辆队列的道路合流区协作汇入控制方法”中提出一种匝道汇入区域自动驾驶车辆协作编队汇入控制方法，利用群智能算法优化车辆组通过汇入点的最优顺序，并采用车辆跟驰模型CACC控制车辆纵向运动，提高了道路的通行能力。中国专利技术专利申请号CN 202211509503.2，名称为“一种考虑多车型能量消耗的车辆匝道合流协同控制方法”中提出一种考虑异构车型能量消耗的车辆协同汇入控制方法，考虑不同车型的质量和空气阻力等特征的不同，建立异构车型的能量消耗函数，并采用剪枝策略求解最优汇入次序，降低了车辆通过匝道口合流时的能量消耗。虽然上述现有的方法对车辆通过匝道汇入区域的次序进行了优化，但在优化的过程中理想化地假设汇入区域内所有车辆均是被集中控制器控制且按最优次序行驶，没有考虑非网联环境下汇入区域内其他车辆的运动预测，导致其优化得到的次序并非最优，有待进一步完善。

技术实现思路

[0004]针对于上述现有技术的不足，本专利技术的目的在于提供一种基于相邻车辆概率运动预测的车辆汇入次序优化方法，其采用高斯混合模型构建邻车驾驶行为识别器；结合了智能驾驶员模型，对相邻车辆进行概率运动预测，设计累积能耗代价函数，构建匝道车辆的汇入次序优化问题，求解匝道车辆的最优汇入次序，提高匝道车辆在匝道汇入区域的节能经济性。
[0005]为达到上述目的，本专利技术采用的技术方案如下：
[0006]本专利技术的一种基于相邻车辆概率运动预测的车辆汇入次序优化方法，步骤如下：
[0007]步骤1：匝道车辆i进入汇入控制区域时，与处于汇入口的路侧控制器建立通信；对汇入控制区域内所有主道车辆编号，按进入汇入控制区域的次序，由小到大编号为{1,2,...,N
m
}，N
m
为汇入控制区域内主道车辆数目；匝道车辆i从路侧控制器处接收汇入控制区域内主道车辆的位置、速度信息；
[0008]步骤2：采用高斯混合模型构建车辆驾驶行为分类器，并求解相邻车辆属于各驾驶
行为类别的概率；
[0009]步骤3：采用考虑驾驶行为的相邻车辆概率运动预测方法，预测相邻车辆运动轨迹；
[0010]步骤4：设计累积能耗代价函数，构建匝道车辆的汇入次序优化问题，求解匝道车辆的最优汇入次序。
[0011]进一步地，所述步骤1中汇入控制区域指距离汇入口长度为S
p
的区域内，长度S
p
由路侧控制器的最远通信距离决定。
[0012]进一步地，所述步骤2中相邻车辆指汇入控制区域内的所有主道车辆。
[0013]进一步地，所述步骤2中采用高斯混合模型构建车辆驾驶行为分类器，具体为：基于高斯混合模型的车辆驾驶行为分类器为：
[0014][0015]式中，p(x)为概率密度函数；变量x＝[v,Δv
p
,Δs
p
]T
；v为车辆速度；Δv
p
为车辆与其前车的相对速度；Δs
p
为车辆与其前车的相对位置；c为驾驶行为类别，c∈{1,2,3}；α
c
，μ
c
和∑
c
分别为驾驶行为类别c对应的模型混合系数，均值向量和协方差矩阵；
[0016]采用期望最大算法求解得到高斯混合模型的参数，包括模型混合系数α
c
、均值向量μ
c
和协方差矩阵∑
c
。
[0017]进一步地，所述步骤2中求解相邻车辆属于不同驾驶行为的概率具体为：根据当前t0时刻相邻车辆n的变量x
n
(t0)，求解得到相邻车辆属于c类驾驶行为的概率为：
[0018][0019]式中，p(c|x
n
(t0))为当前t0时刻相邻车辆n的变量为x
n
(t0)时，相邻车辆属于驾驶行为c的概率；p(x
n
(t0)|μ
c
,Σ
c
)为采用均值向量μ
c
和协方差矩阵∑
c
的高斯混合模型时，当前t0时刻相邻车辆n的变量为x
n
(t0)的概率。
[0020]进一步地，所述步骤3中考虑驾驶行为的相邻车辆概率运动预测方法具体为：车辆的运动学模型为：
[0021][0022]式中，s，v，a分别为车辆的位置、速度和加速度；
[0023]智能驾驶员模型为：
[0024][0025]式中，为c类驾驶行为对应的期望加速度；v
n
为相邻车辆n的速度；Δs
n
为相邻车辆n与其前车的相对位置；v
p,n
为相邻车辆n的前车的速度；和分别为c类驾驶行为对应的最大加速度和最小加速度；和分别为c类驾驶行为对应的期望速度、最小停车间距和期望车头时距；
[0026]结合智能驾驶员模型，相邻车辆n的预测加速度为：
[0027][0028]式中，将相邻车辆n的预测加速度代入到运动学模型中，得到相邻车辆n预测位置和预测速度，
[0029]进一步地，所述步骤4中匝道车辆i的汇入次序由变量g表示，其定义为匝道车辆i在编号为g的主道车辆后进入汇入口。
[0030]进一步地，所述步骤4中累积能耗代价函数为：
[0031][0032]式中，J
E
为累积能耗代价；T
p
为预测时域；a
i
(t)为匝道车辆i的加速度，其由下式求解：
[0033][0034]式中，s
i
和v
i
分别为匝道车辆i的位置和速度；s0和T
h
分别为匝道车辆i的最小停车间距和期望车头时距；为主道车辆g在T
p
时刻的预测位置；t0为当前时刻。
[0035]进一步地，所述步骤4中匝道车辆汇入次序优化问题具体为：
[0036][0037]式中，N
m
为汇入控制区域内主道车辆数目；求解汇入次序优化问题，得到匝道车辆i的最优汇入次序g
*
。
[0038本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于相邻车辆概率运动预测的车辆汇入次序优化方法，其特征在于，步骤如下：步骤1：匝道车辆进入汇入控制区域时，与处于汇入口的路侧控制器建立通信；对汇入控制区域内所有主道车辆编号；匝道车辆从路侧控制器处接收汇入控制区域内主道车辆的位置、速度信息；步骤2：采用高斯混合模型构建车辆驾驶行为分类器，并求解相邻车辆属于各驾驶行为类别的概率；步骤3：采用考虑驾驶行为的相邻车辆概率运动预测方法，预测相邻车辆运动轨迹；步骤4：设计累积能耗代价函数，构建匝道车辆的汇入次序优化问题，求解匝道车辆的最优汇入次序。2.根据权利要求1所述的基于相邻车辆概率运动预测的车辆汇入次序优化方法，其特征在于，所述步骤1中汇入控制区域指距离汇入口长度为S
p
的区域内，长度S
p
由路侧控制器的最远通信距离决定。3.根据权利要求1所述的基于相邻车辆概率运动预测的车辆汇入次序优化方法，其特征在于，所述步骤2中相邻车辆指汇入控制区域内的所有主道车辆。4.根据权利要求1所述的基于相邻车辆概率运动预测的车辆汇入次序优化方法，其特征在于，所述步骤2中采用高斯混合模型构建车辆驾驶行为分类器，具体为：基于高斯混合模型的车辆驾驶行为分类器为：式中，p(x)为概率密度函数；变量x＝[v,Δv
p
,Δs
p
]
T
；v为车辆速度；Δv
p
为车辆与其前车的相对速度；Δs
p
为车辆与其前车的相对位置；c为驾驶行为类别，c∈{1,2,3}；α
c
，μ
c
和∑
c
分别为驾驶行为类别c对应的模型混合系数，均值向量和协方差矩阵；采用期望最大算法求解得到高斯混合模型的参数，包括模型混合系数α
c
、均值向量μ
c
和协方差矩阵∑
c
。5.根据权利要求4所述的基于相邻车辆概率运动预测的车辆汇入次序优化方法，其特征在于，所述步骤2中求解相邻车辆属于不同驾驶行为的概率具体为：根据当前t0时刻相邻车辆n的变量x
n
(t0)，求解得到相邻车辆属于c类驾驶行为的概率为：式中，p(c|x
n
(t0))为当前t0时刻相邻车辆n的变量为x
n
...

【专利技术属性】
技术研发人员：刘津强，赵万忠，王春燕，曲梦悦，许科磊，吕远飞，薛子宽，叶英楠，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：