申请/专利权人：大连海事大学

申请日：2023-07-14

公开（公告）日：2024-01-26

公开（公告）号：CN116895150B

主分类号：G08G1/01

分类号：G08G1/01;G06F30/20

优先权：

专利状态码：有效-授权

法律状态：2024.01.26#授权;2023.11.03#实质审查的生效;2023.10.17#公开

摘要：本发明提供一种公交站附近混合流的协同控制方法。本发明方法，在车辆实际行驶的基础上，建立了完整的混合交通流协同控制理论，系统的描述站点附近网联公交与社会交通流的运动状态关系，同时对网联公交和社会车辆进行准确引导，确保公交运营效率和路段通行能力的双提升，形成了一种面向实际运营条件下的反馈融合新优化机制。本发明方法实现了停靠公交与附近交通流状态信息的有机结合，解决了公交因不当变道停靠而引起的路段延误等问题，实现公交与社会车辆的协同控制，从而对公交与社会车辆运动状态加以改变，最小化公交在停靠过程中对周围车辆的影响，充分提高路段通畅性，实现公交站附近混合车流的协同控制。

主权项：1.一种公交站附近混合流的协同控制方法，其特征在于，包括：S1、通过车间通信技术以及车载传感器，获取进行变道停靠的公交车的周边车流和自身的运动状态信息；S2、考虑车辆在道路上行驶的实际情况与复杂交通环境，将车辆的多源状态信息进行有机结合，对整个协同控制进行全面分析，实现车辆与场景的深度融合；所述步骤S2具体包括：S21、对变道停靠公交SV以及其变道始末前后方车辆进行进一步的识别并加以标号：变道前，记SV的前方车辆为LV，后方车辆为FV；变道后，记SV前方车辆为PLV，后方车辆为PFV；S22、综合考虑车辆位置、速度、加速度实际运动状态，引入一阶惯性延迟，建立车辆线性动力学模型，并基于协同模型预测控制策略对车辆线性动力学模型进行深层处理；所述步骤S22中：引入一阶惯性延迟，建立的车辆线性动力学模型，具体为： 其中，xi、vi和ai分别表示车辆i的位置、速度和加速度，ui为线性化以后的车辆输入信号，即期望的车辆纵向加速度，τ为一阶惯性延迟常数，和分别表示车辆i的位置、速度和加速度对时间的一阶导数；基于协同模型预测控制策略对车辆线性动力学模型进行深层处理，具体为： 其中，Ui＝ui，Xi表示车辆i的状态量，表示车辆i状态量的变化量，Ui表示对车辆i施加的控制量，As与Bs二者均为系数矩阵；S23、在满足车辆行驶安全性和乘客舒适性的基础上，以等速偏移轨迹曲线与正弦函数相叠加的曲线为变道轨迹背景进行分析，结合车辆纵向运动模型，将变道车辆的横纵向运动解耦，并对整个控制过程进行阶段划分；所述步骤S23中：以等速偏移轨迹曲线与正弦函数相叠加的曲线为变道轨迹背景进行分析，具体为：公交SV在变道过程中横向加速度随时间的变化式，如下： 对公交SV在变道过程中横向加速度随时间的变化式进行两次积分，得到公交SV在变道过程中横向位移随时间的变化式，如下： 其中，aSV，yt与ySV，yt分别为公交SV的横向加速度与横向位移随时间的变化值，TA表示多车协同控制的总时间，d表示道路宽度；结合车辆纵向运动模型，将变道车辆的横纵向运动解耦，其车辆纵向运动模型具体为： 其中，给定车辆i在t1时刻的运动与控制信息：xit1、vit1和uit1，便可通过车辆纵向运动模型公式得到t2时刻车辆相关信息；对整个控制过程进行阶段划分，阶段划分的全过程具体为：公交SV在变道停靠的过程中，协调SV与其后方车辆FV的车速以保持安全距离，在此基础上，目标车道上PFV调整自身车速为SV提供换道空间；同时，当SV即将离开原车道进入目标车道时，SV、FV和PFV协同调速，与前方车辆保持跟驰；在此情况下，PFV的前车为SV，FV的前车为LV；根据以上所述的全过程，对整个协作过程进行阶段划分，具体为：车车协作控制完成公交SV变道，记为LC段；车车协作控制完成各车跟驰，记为LA段；S3、根据具体情况，利用步骤S22所建车辆线性动力学模型获取复杂交通流条件下停靠公交与附近社会车辆应具备的协同运动信息，以实现公交安全停靠及社会车辆正常行驶多过程协作控制行为；所述步骤S3具体包括：S31、针对变道车辆和协作车辆，基于协同预测控制策略建立状态空间模型，并对相应状态空间进行离散；在所述步骤S31中：基于协同预测控制策略，建立的状态空间模型，具体为： 其中，X＝[xFVvFVaFVxSVvSVaSVxPFVpFVaPFV]T，U＝[uFVSVuPFV]T，X为对变道公交SV以及协同车辆FV与PFV所属运动状态的描述，U表示对三者所施加控制量；Ac＝diagAS，AS，AS、BC＝diagBS，BS，BS，二者均为系数矩阵；对相应状态空间进行离散化处理，具体为：Xk+1＝AdXk+BdUk其中，Ad＝I+TAC，Bd＝I+TBC；Ad和Bd是离散化以后的系数矩阵，T为系统离散化以后的采样时间，k表示采样器的采样次数；S32、基于行驶过程中车辆实际运动情况，对跟驰模型进行参数标定，获得各车在自然行驶状态下所具备的跟驰状态；在所述步骤S32中，对跟驰模型进行参数标定，具体为： 上述公式表示经过参数标定后，车辆在自然行驶条件下与前车跟驰的加速度；其中，ai，max和bi，min为车辆i的最大最小加速度，vi表示车辆i当前行驶速度，vi，max表示实际行驶条件下，车辆i的最大行驶速度，x0为车辆之间的最小间距，ts为安全车头时距，Δvi表示车辆i与前车的速度差值，hi为车辆i与前车的车头间距，Li表示车辆i的长度；S33、对LC段和LA段分别建立优化问题，以获得每个控制周期内车辆的期望控制输入，并以此进行协作机动；在所述步骤S33具体包括：对LC段建立优化问题，具体为： 上式表示针对LC阶段所建目标函数；公交SV在变道停靠的过程中需要对三者加速度进行协同优化，在保证公交SV安全变道的前提下，避免其余车辆过度加减速；与此同时，所控车的车头时距误差也要降低；其中，w1、w2、w3与w4均表示权重系数，Np表示控制时域时长，k+j表示从当前时刻k开始，向未来预测j时间步，thd表示期望车头时距，xPFV，SV、xSV，PLV以及xFV，LV分别表示相应车辆间的实际距离；对LC段建立约束条件，具体为： 公交SV在变道停靠的过程中需要对其与周围车辆之间距离加以约束；除此之外，为保证乘客的舒适度，相邻预测步骤之间的输入量也应在合适范围内；其中，ucmax与ucmin分别表示对所控车辆施加的最大最小控制量，xPFV，SV，safe、xSV，PLV，safe、xFV，LV，safe、xSV，LV，safe、xFV，SV，safe均表示相应两车在行驶过程中的安全距离，Tp为基于此控制策略下的预测变化范围值；对LA段建立优化问题，具体为： 上式表示针对LA阶段所建目标函数；公交SV在协同变道结束以后，需要去调整三辆车的加速度，从而与前车保持自然跟驰；其中，w5、w6和w7均表示目标函数中的权重系数，ad，SV，、ad，FV和ad，PFV为基于跟驰理论下的自车与前方车辆相跟驰的加速度；对LA段建立约束条件，具体为： 确保SV、FV和PFV三车与各自前车保持安全跟驰；与此同时，对上述三车所施加的控制量在合理的变化范围内；S4、采集实际行驶过程中相关数据并对模型进行参数标定，建立起基于上述模型的仿真结构体系，可视化站点附近混合车流协同控制，实现面向实际道路情况的仿真全过程。

全文数据：

权利要求：

百度查询： 大连海事大学 一种公交站附近混合流的协同控制方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD