一种交叉口和智能网联车辆控制方法技术

本发明专利技术公开了一种交叉口和智能网联车辆控制方法

【技术实现步骤摘要】
一种交叉口和智能网联车辆控制方法、系统及存储介质


[0001]本专利技术涉及智能交通

。
具体而言，涉及一种交叉口和智能网联车辆控制方法
、
系统及存储介质
。

技术介绍

[0002]随着车联网
(Vehicle to Everything
，
V2X)
与智能网联驾驶汽车
(Connected and Automated Vehicle
，
CAV)
技术的快速发展，为信号交叉口提供了更多地车辆实时信息和更好地优化车辆轨迹方法
。
并且在未来，人类驾驶车辆
(Human
‑
driven Vehicle
，
HV)
和
CAV
共存的异质交通流将会普遍存在
。
[0003]现有技术中，针对
HV
和
CAV
共存的场景，通过基于
CAV
专用车道的异质交通流协同控制方法，在避免
HV
驾驶行为不确定性的前提下提高交叉口通行能力
。
然而，现有技术，并没有更好发挥
CAV
网联优势及挖掘交叉口的时空资源，因此，本专利技术亟需一种能够充分利用交叉口内部的时空资源的异质交通流信号控制方法和车辆控制方法
。

技术实现思路

[0004]本专利技术正是基于现有技术的上述需求而提出的，本专利技术要解决的技术问题是提供一种交叉口和智能网联车辆控制方法
、
系统及存储介质以充分利用交叉口内部的时空资源，提高通信能力，减少车辆延误
。
[0005]为了解决上述问题，本专利技术是采用如下技术方案实现的：
[0006]提供了一种交叉口和智能网联车辆控制方法，该方法包括：获取每个交叉口的虚拟待行区的长度，所述虚拟待行区包括直行虚拟待行区和左转虚拟待行区，其中，交叉口的直行方向与左转方向相关联；构建博弈模型和车辆平均延误模型，通过寻找纳什均衡和利用粒子群优化算法寻找最小化平均延迟时间确定交叉口控制信息，所述控制信息包括每个周期的相位顺序和相位持续时间；基于所述交叉口控制信息，以队伍头车在与行驶方向一致的绿灯开始时抵达交叉口为目标，通过二次规划求解最小化控制误差得到车辆控制方案；根据所述控制方案控制队伍头车行驶；所述控制误差为预期状态量与实际状态量之间的误差；所述状态量包括速度
、
位移和加速度；如果队伍头车抵达交叉口时交叉口信号灯显示为与行驶方向相关联方向的绿灯，则控制与所述队伍头车行驶方向一致的虚拟待行区出现，并获取所述队伍头车抵达交叉口速度；根据抵达交叉口速度和与虚拟待行区长度，确定对应的虚拟待行区的持续时间；当与队伍头车行驶方向对应的绿灯亮起时，控制队伍头车穿过交叉口；当超过持续所述持续时间时，控制对应的虚拟待行区消失
。
[0007]可选地，所述获取每个交叉口的虚拟待行区的长度，包括：由交叉口入口的停车线到左转交叉口出口的左转行车线的距离，确定直行虚拟待行区的长度；由交叉口入口的停车线到左转交叉口出口的直行行车线的距离，确定左转虚拟待行区的长度
。
[0008]可选地，所述基于博弈论构建以最小化车辆平均延误为目标的相邻交叉口模型，通过纳什平衡确定交叉口控制信息，包括：步骤一：构建博弈模型
M
＝
{T,I,A,U}
，
T
表示交叉
口的集合，
I
表示获取的每个交叉口的信息，
A
表示每个交叉口执行的动作，
U
表示效用函数；步骤二：构建车辆平均延迟时间算法，所述平均延迟时间算法表示为：其中，
T
delay
表示所有交叉口的延迟时间；
n
表示所有交叉口的其中一个；
k
表示交叉口
n
的一个进口道；
r
n
表示交叉口
n
的所有入口；
q
k
表示交叉口入口
k
的道路交通流量，
W
表示自变量，
λ
表示绿信比，
d
k
(W,
λ
)
表示延迟函数，
d
w
表达式为：其中，
d
k
表示车辆延迟时间；表示信号周期；
λ
k
表示进口道
k
的绿信比；
w
表示交通车流量；
η
k
表示饱和度；
S
k
表示饱和交通量；步骤三：通过粒子群优化算法寻找最小化平均延迟时间的绿信比策略；步骤四：在当前绿信比策略下，利用博弈模型分析得到第一结果，所述第一结果包括最佳策略选择和达到纳什均衡的策略；步骤五：根据所述第一结果，确定粒子群优化算法下一次的搜索方向；步骤六：根据所述搜索方向，更新绿信比策略；重复执行步骤四至步骤六一次以上，以使绿信比策略达到稳定状态，并获取对应的最佳策略选择，作为交叉口控制信息
。
[0009]可选地，所述粒子群优化算法表达式为：可选地，所述粒子群优化算法表达式为：可选地，所述粒子群优化算法表达式为：其中，
ω
为惯性权重，
z
为当前迭代次数；为迭代次数
z
的粒子速度；为迭代次数
z+1
的粒子速度；为迭代次数
z
的粒子位置；为迭代次数
z+1
的粒子位置；为个体极值；为群体极值；
c1，
r1，
c2，
r2为超参数，
ω
max
，
ω
min
分别为惯性权重最大值与最小值，
N
max
为最大迭代次数
。
[0010]可选地，所述最小化控制误差表达式为：
minL
diff
，
L
diff
＝
(X
k
‑
D
k
)
T
Q(X
k
‑
D
k
)
，
X
k
＝
Ψ
x(k)+
Θ
U
k
，其中，
L
diff
表示控制误差；
X
k
表示时刻
k
的未来
p
个控制周期内的实际状态量；
Ψ
表示
3p*3
的列向量，其表达式为
Θ
表示
3p*p
的下三角矩阵，其表达式为其中，
T
′
＝
0.1s
；
x(本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种交叉口和智能网联车辆控制方法，其特征在于，包括：获取每个交叉口的虚拟待行区的长度，所述虚拟待行区包括直行虚拟待行区和左转虚拟待行区，其中，交叉口的直行方向与左转方向相关联；构建博弈模型和车辆平均延误模型，通过寻找纳什均衡和利用粒子群优化算法寻找最小化平均延迟时间，确定交叉口控制信息，所述控制信息包括每个周期的相位顺序和相位持续时间；基于所述交叉口控制信息，以队伍头车在与行驶方向一致的绿灯开始时抵达交叉口为目标，通过二次规划求解最小化控制误差得到车辆控制方案；根据所述控制方案控制队伍头车行驶；所述控制误差为预期状态量与实际状态量之间的误差；所述状态量包括速度
、
位移和加速度；如果队伍头车抵达交叉口时交叉口信号灯显示为与行驶方向相关联方向的绿灯，则控制与所述队伍头车行驶方向一致的虚拟待行区出现，并获取所述队伍头车抵达交叉口速度；根据抵达交叉口速度和与虚拟待行区长度，确定对应的虚拟待行区的持续时间；当与队伍头车行驶方向对应的绿灯亮起时，控制队伍头车穿过交叉口；当超过持续所述持续时间时，控制对应的虚拟待行区消失
。2.
根据权利要求1所述的一种交叉口和智能网联车辆控制方法，其特征在于，所述获取每个交叉口的虚拟待行区的长度，包括：由交叉口入口的停车线到左转交叉口出口的左转行车线的距离，确定直行虚拟待行区的长度；由交叉口入口的停车线到左转交叉口出口的直行行车线的距离，确定左转虚拟待行区的长度
。3.
根据权利要求1所述的一种交叉口和智能网联车辆控制方法，其特征在于，所述基于博弈论构建以最小化车辆平均延误为目标的相邻交叉口模型，通过纳什平衡确定交叉口控制信息，包括：步骤一：构建博弈模型
M
＝
{T,I,A,U}
，
T
表示交叉口的集合，
I
表示获取的每个交叉口的信息，
A
表示每个交叉口执行的动作，
U
表示效用函数；步骤二：构建车辆平均延迟时间算法，所述平均延迟时间算法表示为：其中，
T
delay
表示所有交叉口的延迟时间；
n
表示所有交叉口的其中一个；
k
表示交叉口
n
的一个进口道；
r
n
表示交叉口
n
的所有入口；
q
k
表示交叉口入口
k
的道路交通流量，
W
表示自变量，
λ
表示绿信比，
d
k
(W,
λ
)
表示延迟函数，
d
w
表达式为：表达式为：其中，
d
w
表示车辆延迟时间；表示信号周期；
λ
k
表示进口道
k
的绿信比；
w
表示交通车流量；
η
k
表示饱和度；
S
k
表示饱和交通量；步骤三：通过粒子群优化算法寻找最小化平均延迟时间的绿信比策略；步骤四：在当前绿信比策略下，利用博弈模型分析得到第一结果，所述第一结果包括最佳策略选择和达到纳什均衡的策略；步骤五：根据所述第一结果，确定粒子群优化算法下一次的搜索方向；
步骤六：根据所述搜索方向，更新绿信比策略；重复执行步骤四至步骤六一次以上，以使绿信比策略达到稳定状态，并获取对应的最佳策略选择，作为交叉口控制信息
。4.
根据权利要求3所述的一种交叉口和智能网联车辆控制方法，其特征在于，所述粒子群优化算法表达式为：群优化算法表达式为：群优化算法表达式为：其中，
ω
为惯性权重，
z
为当前迭代次数；为迭代次数
z
的粒子速度；为迭代次数
z+1
的粒子速度；为迭代次数
z
的粒子位置；为迭代次数
z+1
的粒子位置；...

【专利技术属性】
技术研发人员：于海洋，王吉祥，任毅龙，陈思祺，董承霖，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：