本發(fā)明涉及一種交通網(wǎng)絡(luò)技術(shù)，特別涉及一種基于交通信息的協(xié)同式自適應(yīng)巡航系統(tǒng)算法。
背景技術(shù)：
：無(wú)線通信技術(shù)的快速進(jìn)步使得車載無(wú)線通信成為了該領(lǐng)域內(nèi)重要的研究方向，各大高校及企業(yè)也十分矚目。美國(guó)國(guó)家公路交通安全管理局(NHTSA)強(qiáng)力推進(jìn)DSRC(專用短距離通信DedicatedShortRangeCommunication)技術(shù)應(yīng)用于車與車或車與路基通信設(shè)備之間的通信，以此來(lái)提高車輛的行駛安全性。車載DSRC涉及了許多新型的移動(dòng)通信標(biāo)準(zhǔn)，該技術(shù)在美國(guó)被整合成基礎(chǔ)公共設(shè)施的重要部分，支持了智能交通系統(tǒng)的車車通信(V2V)及車與基礎(chǔ)設(shè)施通信(V2I)。同時(shí)我國(guó)在許多城市也做了試點(diǎn)示范工程，對(duì)智能的交通關(guān)鍵技術(shù)進(jìn)行了不同程度的開(kāi)發(fā)及應(yīng)用。另外CACC(協(xié)同式自適應(yīng)巡航系統(tǒng)CooperativeAdaptiveCruiseControl)可以認(rèn)為是ACC(自適應(yīng)巡航控制系統(tǒng)AdaptiveCruiseControl)概念上的一個(gè)延伸。CACC在ACC的技術(shù)基礎(chǔ)上，除了使用了雷達(dá)或者激光雷達(dá)來(lái)測(cè)量與前車距離及前車加速度，還可以通過(guò)車載無(wú)線通信技術(shù)來(lái)傳遞這些數(shù)據(jù)，實(shí)現(xiàn)了在縱向上的車輛的自動(dòng)控制。CACC系統(tǒng)比ACC系統(tǒng)進(jìn)一步減少了響應(yīng)前方車輛的延遲，提高了車隊(duì)行駛的穩(wěn)定性。技術(shù)實(shí)現(xiàn)要素：本發(fā)明是針對(duì)目前ACC無(wú)法跟蹤前方信號(hào)燈及交通情況信息，從而只根據(jù)前車行為調(diào)節(jié)自車速度而可能造成的大的減速度及不必要的速度維持的問(wèn)題，提出了一種基于交通信息的協(xié)同式自適應(yīng)巡航系統(tǒng)算法，把交通信息作為可以獲取的條件，使用本發(fā)明模型預(yù)測(cè)控制(MPC，ModelPredictiveControl)把乘坐舒適性，燃油經(jīng)濟(jì)性，安全性和跟車性四個(gè)性能作為待優(yōu)化目標(biāo)，同時(shí)加入車輛自身能力限制，分別將其轉(zhuǎn)化為相應(yīng)的優(yōu)化目標(biāo)和系統(tǒng)約束，通過(guò)建立代價(jià)函數(shù)并最小化，得到最優(yōu)解序列并取首個(gè)值施加于系統(tǒng)以實(shí)現(xiàn)優(yōu)化目標(biāo)。基于MPC算法對(duì)CACC系統(tǒng)在城市工況中有信號(hào)燈及前方等待車隊(duì)的場(chǎng)景下，通過(guò)處理更多的干擾來(lái)實(shí)現(xiàn)自車更主動(dòng)地調(diào)節(jié)自車速度，減少不必要的速度維持或大的減速，以此來(lái)提高燃油經(jīng)濟(jì)性及乘坐舒適性實(shí)現(xiàn)多目標(biāo)優(yōu)化。本發(fā)明的技術(shù)方案為：一種基于交通信息的協(xié)同式自適應(yīng)巡航系統(tǒng)算法，具體包括如下步驟：1)根據(jù)跟車模型，確定輸出方程：系統(tǒng)采用上下層控制，上層根據(jù)傳感器所接收的距離、速度、加速度數(shù)據(jù)計(jì)算期望加速度ades并傳遞給下層執(zhí)行器，下層控制通過(guò)車輛逆縱向動(dòng)力學(xué)模型來(lái)控制油門開(kāi)度及制動(dòng)壓力來(lái)實(shí)現(xiàn)期望加速度ades；跟車系統(tǒng)的三階離散狀態(tài)方程模型：x(t+1)＝Ax(t)+Buu(t)+Bww(t)其中：w(t)＝[ap(t),ds(t)]T，x(t)＝[Δd(t),Δdsl(t),Δds(t),vp(t),vh(t),ah(t)]T，式中：自車和前車距離Δd(t)，自車和信號(hào)燈距離Δdsl(t)，前方車隊(duì)長(zhǎng)度Δds(t)，前車速度vp(t)，自車速度vh(t)，自車加速度ah(t)作為狀態(tài)變量x(t)，并把前車加速度ap(t)和前方車隊(duì)長(zhǎng)度ds(t)作為系統(tǒng)擾動(dòng)w(t)，Ts為系統(tǒng)采樣時(shí)間，取0.001s，u(t)為上層控制的輸入ades；取自車和前車距離Δd(t)，自車和前車相對(duì)速度vrel(t)，自車速度vh(t)，自車加速度ah(t)作為輸出變量y(t)，得到輸出方程：y(t)＝Cx(t)其中：2)選定跟蹤目標(biāo)，根據(jù)目標(biāo)確定待優(yōu)化性能向量y(t)側(cè)重的輸出權(quán)重wy，選擇參考軌跡yr；3)根據(jù)步驟1)提出的跟車系統(tǒng)的三階離散狀態(tài)方程模型，用在t時(shí)刻的狀態(tài)量y(t)對(duì)t+i時(shí)刻的狀態(tài)量y(t+i)未來(lái)行為作出如下預(yù)測(cè)，得到解：其中：式中p為預(yù)測(cè)時(shí)域長(zhǎng)度，Δu(t)＝u(t)-u(t-1)，表示控制變化量，(t+i|t)代表在t時(shí)刻對(duì)時(shí)刻t+i的預(yù)測(cè)，對(duì)未來(lái)時(shí)域的預(yù)測(cè)中，由于擾動(dòng)w(t+i)的不可預(yù)測(cè)，所以假設(shè)在預(yù)測(cè)時(shí)域內(nèi)：w(t+i)＝w(t-1),i＝0,1,2…p-1；4)設(shè)定系統(tǒng)輸入u的權(quán)重和系統(tǒng)輸入變化△u的權(quán)重后，將待優(yōu)化問(wèn)題寫成一個(gè)加權(quán)形式的值函數(shù)J(y,u,Δu)，計(jì)算在預(yù)測(cè)時(shí)域內(nèi)的計(jì)算結(jié)果和參考曲線的差值，系統(tǒng)輸入及輸入變化率和相應(yīng)權(quán)重乘積的總和，最小化總和值以使得實(shí)際輸出達(dá)到貼近參考曲線；5)根據(jù)步驟2)選定跟蹤目標(biāo)形成的約束與車輛參數(shù)的約束，再引入松弛變量ε，得到系統(tǒng)輸出、系統(tǒng)輸入、系統(tǒng)輸入變化的約束條件；6)將上層控制的優(yōu)化問(wèn)題變成了求解滿足約束條件下最小化值函數(shù)J的Δu(t+i|t),(t+i|t)代表在t時(shí)刻對(duì)時(shí)刻t+i的預(yù)測(cè)，并把首元素作為輸出，其中ρ為松弛變量權(quán)重系數(shù)：根據(jù)此算法對(duì)車輛進(jìn)行控制。本發(fā)明的有益效果在于：本發(fā)明基于交通信息的協(xié)同式自適應(yīng)巡航系統(tǒng)算法，減少了因?yàn)楦S某些激進(jìn)型駕駛員從而導(dǎo)致自車的駕駛行為也隨著激進(jìn)，能夠達(dá)到根據(jù)周圍的環(huán)境來(lái)達(dá)到一個(gè)最優(yōu)的速度調(diào)節(jié)。附圖說(shuō)明圖1為本發(fā)明跟車系統(tǒng)中自車和前車及前方車隊(duì)的縱向動(dòng)力學(xué)關(guān)系示意圖；圖2為本發(fā)明判斷以前車或車隊(duì)為目標(biāo)的流程圖；圖3為本發(fā)明20組實(shí)驗(yàn)數(shù)據(jù)計(jì)算出平均速度曲線圖；圖4為本發(fā)明仿真圖一；圖5為本發(fā)明仿真圖二；圖6為本發(fā)明仿真圖三；圖7為本發(fā)明仿真圖四；圖8為本發(fā)明燃油消耗模型使用CarSim中自帶發(fā)動(dòng)機(jī)模型；圖9為本發(fā)明兩種控制算法下燃油消耗對(duì)比圖。具體實(shí)施方式一、跟車模型CACC系統(tǒng)的控制設(shè)計(jì)分為上下層控制：上層根據(jù)傳感器所接收的距離，速度等數(shù)據(jù)計(jì)算期望加速度ades并傳遞給下層執(zhí)行器。下層控制在實(shí)現(xiàn)ades時(shí)需要通過(guò)車輛逆縱向動(dòng)力學(xué)模型來(lái)控制油門開(kāi)度及制動(dòng)壓力來(lái)實(shí)現(xiàn)期望加速度ades。在實(shí)際過(guò)程中，下層控制器的輸入ades和實(shí)際輸出a可以由一個(gè)一階慣性系統(tǒng)來(lái)表示：τ為時(shí)間常數(shù)，這里取0.5。如圖1所示跟車系統(tǒng)中自車和前車及前方車隊(duì)的縱向動(dòng)力學(xué)關(guān)系示意圖，可以得出如下跟車系統(tǒng)的三階離散狀態(tài)方程模型：x(t+1)＝Ax(t)+Buu(t)+Bww(t)(2)其中：w(t)＝[ap(t),ds(t)]T，x(t)＝[Δd(t),Δdsl(t),Δds(t),vp(t),vh(t),ah(t)]T，式中：選取自車和前車距離Δd(t)，自車和信號(hào)燈距離Δdsl(t)，前方車隊(duì)長(zhǎng)度Δds(t)，前車速度vp(t)，自車速度vh(t)，自車加速度ah(t)作為狀態(tài)變量x(t)，并把前車加速度ap(t)和前方車隊(duì)長(zhǎng)度ds(t)作為系統(tǒng)擾動(dòng)w(t)，Ts為系統(tǒng)采樣時(shí)間，取0.001s，u(t)為上層控制的輸入ades。另外選取自車和前車距離Δd(t)，自車和前車相對(duì)速度vrel(t)，自車速度vh(t)，自車加速度ah(t)作為輸出變量y(t)，得到輸出方程：y(t)＝Cx(t)(3)其中：二、基于模型預(yù)測(cè)控制的算法建立由于CACC系統(tǒng)加入了交通信息的交互，使得系統(tǒng)在ACC單一以前車為跟蹤目標(biāo)的基礎(chǔ)上，多了以前方等待車隊(duì)或交通燈前路口為跟蹤目標(biāo),所以在不同工況下該系統(tǒng)需要幾個(gè)目標(biāo)之間切換以實(shí)現(xiàn)主動(dòng)調(diào)節(jié)速度這一目的。1、前方目標(biāo)的選取由于選取不同的跟蹤目標(biāo)時(shí)，待優(yōu)化性能向量y(t)側(cè)重的輸出權(quán)重不同，所以權(quán)值wy也應(yīng)不同，另外y(t)參考軌跡yr根據(jù)跟蹤目標(biāo)的不同也需要改變。所以系統(tǒng)接收了信號(hào)燈狀態(tài)及前方交通信息后需要確定的當(dāng)前的跟蹤目標(biāo)，以選取不同的wy及yr。如圖2所示判斷以前車或車隊(duì)為目標(biāo)的流程圖。在綠燈階段時(shí)，當(dāng)vh·trt>Δdsl時(shí)(trt為信號(hào)燈剩余時(shí)間)判斷為可通過(guò)；vh·trt≤Δdsl≤vset·trt時(shí)(vset為設(shè)定巡航速度)判斷前車意圖是否通過(guò)，若前車加速度ap(t)大于零，則認(rèn)為前車準(zhǔn)備通過(guò)，ap(t)小于零則不準(zhǔn)備通過(guò)；當(dāng)vset·trt≤Δdsl時(shí)認(rèn)為不可通過(guò)；紅燈階段時(shí)判定為不通過(guò)。另外當(dāng)判定通過(guò)時(shí)，則以前車作為跟蹤目標(biāo)，不通過(guò)時(shí)，繼續(xù)判斷前車加速度ap和MPC算法中的參考加速度ar的大小關(guān)系，當(dāng)ar≤ap時(shí)則以前方車隊(duì)為跟蹤目標(biāo)，否則以前車作為跟蹤目標(biāo)其中ar為yr中的參考加速度。2、CACC控制目標(biāo)分析盡管CACC能夠提升的性能有很多，但最基本且最重要的目標(biāo)依然是保證安全性，因此要保證自車和前車車距Δd(t)始終不小于一個(gè)安全距離dsafe,即Δd(t)≥dsafe這里dsafe取2m。1)跟蹤前車的控制目標(biāo)在以前車作為目標(biāo)時(shí)，性能權(quán)重wy1應(yīng)更注重和前車距離Δd，自車和前車相對(duì)速度vrel及自車?yán)硐爰铀俣萢h，目標(biāo)是讓自車和前車的距離趨近于理想距離ddes及相對(duì)速度vrel趨近于0，自車?yán)硐爰铀俣萢h趨近于參照加速度ar1，即Δd→ddesvrel→0ah→ar1加速度的參照采用一種線性跟車駕駛員模型：ar1＝kV.vrel+kD.Δderror(4)式中kV，kD為模型系數(shù)，分別為0.25和0.02，Δderror為實(shí)際距離與理想距離的差值，理想距離ddes通過(guò)間距策略計(jì)算得來(lái)，這里采用可變間距策略中的恒定車頭時(shí)距。Δddes(t)＝th.vh(t)+d0(5)Δddes(t)為和前車實(shí)際距離，th為車頭時(shí)距，指的是在同一車道上行駛的車輛隊(duì)列中，兩連續(xù)車輛車頭端部通過(guò)某一斷面的時(shí)間間隔，d0為制動(dòng)到停止時(shí)距離前車距離。2)跟蹤前方車隊(duì)或路口時(shí)的控制目標(biāo)當(dāng)以前方車隊(duì)為目標(biāo)時(shí)，性能權(quán)重wy2更側(cè)重和前方車隊(duì)末端距離Δds，自車速度vh，及自車加速度ah。此時(shí)的目標(biāo)是自車速度vh趨近于0，與前方車隊(duì)的距離Δdsl-Δds趨近于d0，自車?yán)硐爰铀俣萢h趨近于參照加速度ar2，即Δdsl-Δds→d0vh→0ah→ar2加速度ah的參照采用如下辦法，使用實(shí)際測(cè)量、擬合得到的駕駛員模型。該駕駛員模型是對(duì)于一個(gè)靜止目標(biāo)如何制動(dòng)到停止的模型，基于MATLAB、CarSim、dSPACE軟件和一套羅技方向盤的實(shí)驗(yàn)平臺(tái)，來(lái)測(cè)量駕駛員對(duì)200m左右外靜止目標(biāo)的制動(dòng)過(guò)程。共有三名駕駛員分別在35到60km/h的隨機(jī)初速度下對(duì)前方l＝0處的靜止車輛進(jìn)行制動(dòng)實(shí)驗(yàn)，然后將20組實(shí)驗(yàn)數(shù)據(jù)計(jì)算出平均速度曲線，如圖3所示，圖中的加粗曲線為平均速度曲線：該速度曲線擬合成距離l和速度vb的曲線：由上面的公式可得到參考加速度ar2*：然而車輛實(shí)際速度vh可能大于或小于vb，即此時(shí)需要的加速度是大于或小于ar2*的。假設(shè)在終點(diǎn)前方L0處以vb的速度行駛，根據(jù)公式(8)，此時(shí)需要的加速度為：類似的，當(dāng)以速度vh≠vb時(shí)在L0處速度行駛，計(jì)算得加速度為：把公式(9)帶入公式(10)，得到：另外在MPC中，考慮到過(guò)程的動(dòng)態(tài)特性，為了避免過(guò)程當(dāng)中輸入輸出大的變化，通常讓當(dāng)前的輸出y(t)沿著期望的平緩曲線來(lái)達(dá)到設(shè)定值yr。這條曲線即為參考曲線yr(t)，它是設(shè)定值經(jīng)過(guò)在線柔化的產(chǎn)物。這里采用最為廣泛的一階指數(shù)變化形式：yr(t+i)＝αiy(t)+(1-αi)yr(12)α為0到1的系數(shù)，i為預(yù)測(cè)時(shí)域中的第i個(gè)時(shí)間點(diǎn)，指數(shù)變化形式α越小，參考軌跡響應(yīng)速度越快的達(dá)到設(shè)定值。這里α取0.9。(這里α越小，可以想象曲線下降的越陡峭，所以能夠更快達(dá)到設(shè)定值)3、跟車模型的預(yù)測(cè)根據(jù)上面提出的跟車系統(tǒng)的三階離散狀態(tài)方程模型，CACC系統(tǒng)基于t時(shí)刻的狀態(tài)量y(t)對(duì)t+i時(shí)刻的狀態(tài)量y(t+i)未來(lái)行為作出如下預(yù)測(cè)，這里默認(rèn)未來(lái)的輸入在預(yù)測(cè)時(shí)域內(nèi)不做變化：這里的h和j不具有實(shí)際意義，僅是數(shù)學(xué)用，最后的計(jì)算結(jié)果是不帶h和j，兩次求和計(jì)算后是沒(méi)有的，可以簡(jiǎn)單用i＝1計(jì)算一下。由該式得到解：其中：式中A2為A矩陣的平方，以此類推，Ap為A矩陣的p次方，h只具有數(shù)學(xué)意義，不帶具體含義，p為預(yù)測(cè)時(shí)域長(zhǎng)度，Δu(t)＝u(t)-u(t-1)，表示控制變化量，(t+i|t)代表在t時(shí)刻對(duì)時(shí)刻t+i的預(yù)測(cè)。對(duì)未來(lái)時(shí)域的預(yù)測(cè)中，由于擾動(dòng)w(t+i)的不可預(yù)測(cè)，所以假設(shè)在預(yù)測(cè)時(shí)域內(nèi)：w(t+i)＝w(t-1),i＝0,1,2…p-1在MPC問(wèn)題中，將待優(yōu)化問(wèn)題寫成一個(gè)加權(quán)形式的值函數(shù)：其中wy為系統(tǒng)輸出的權(quán)重矩陣，wu為系統(tǒng)輸入的權(quán)重，wΔu為系統(tǒng)輸入變化的權(quán)重。計(jì)算在預(yù)測(cè)時(shí)域內(nèi)的計(jì)算結(jié)果和參考曲線的差值，系統(tǒng)輸入及輸入變化率和相應(yīng)權(quán)重乘積的總和，最小化總和值以使得實(shí)際輸出達(dá)到貼近參考曲線。至此，把上面提到的約束和一些車輛參數(shù)的約束重新整理，并且引入松弛變量ε，為(15)中的約束下界的松弛系數(shù)，為約束上界的松弛系數(shù)，umin、umax為車輛加速度能力，Δumin、Δumax為加速度變化量，ymin、ymax為跟車模型中輸出變量的約束，這里的松弛變量作用是適當(dāng)增加約束范圍，防止出現(xiàn)因?yàn)榍败嚧蟮募訙p速導(dǎo)致部分實(shí)際數(shù)據(jù)超出既定約束，從而導(dǎo)致無(wú)解的狀況。但為了保證跟車的安全性，對(duì)距離Δd及Δds兩個(gè)部分保持硬約束，以保證安全性。所以上層控制的優(yōu)化問(wèn)題至此就變成了求解滿足約束條件下最小化值函數(shù)J的Δu(t+i|t),并把首元素作為輸出，其中ρ為松弛變量權(quán)重系數(shù)：三、應(yīng)用例為了驗(yàn)證該算法，使用MATLAB/Simulink和CarSim來(lái)聯(lián)合仿真，車輛參數(shù)采用默認(rèn)設(shè)置，并且和LQR(線性二次規(guī)劃)控制算法進(jìn)行對(duì)比,該算法始終以前車作為跟蹤目標(biāo)。1、參數(shù)設(shè)置,如下表參數(shù)數(shù)值參數(shù)數(shù)值wy1diag([15,3,0.1,5])wy2diag([0.1,0.1,3,5])wu1wΔu0.1ymin[2,-1,0,-6]ymax[Inf,1,20,3]umin-6umax3Δumin-2Δumax2vset20ρ0.8vymin[0,-1,0,-0.1]vymax[1,1,0,0.1]vumin-0.5vumax0.5vΔumin-1vΔumax12、仿真分析仿真工況為：在信號(hào)燈前200m接收到信號(hào)燈信號(hào)，前方信號(hào)燈為紅燈剩余時(shí)間50s，前車先保持勻速運(yùn)動(dòng)再制動(dòng)到靜止變成車隊(duì)一部分，前方車隊(duì)長(zhǎng)度變化情況如表達(dá)式：ds＝10+5.5ti(ti＝2,5,12.5)(17)車隊(duì)長(zhǎng)度初始長(zhǎng)度為10m，后在2s，5s及12.5s分別有車加入車隊(duì)。仿真結(jié)果如下圖4、5、6、7所示：由圖4、5可見(jiàn)，在0到7s前車做勻速運(yùn)動(dòng)時(shí)，MPC控制下的自車已經(jīng)開(kāi)始了提前制動(dòng)控制，和前車距離變大，在前車作出大的減速度后也作出相應(yīng)減速，車間距開(kāi)始減小，在前車完全制動(dòng)到靜止后緩慢接近前車，最終停止在距離前車3m處，實(shí)現(xiàn)了目標(biāo)的切換并且平穩(wěn)跟車；LQR控制下的自車在開(kāi)始作出小的速度調(diào)整后全程保持跟隨前車，車間距波動(dòng)較MPC來(lái)說(shuō)相對(duì)小，也說(shuō)明了是始終以前車作為目標(biāo)的。由圖6可見(jiàn)，本發(fā)明MPC算法控制下的自車加速度變化較LQR控制更為平緩，且最大值始終不超過(guò)-3m/s2，LQR最大值達(dá)到了-3.5m/s2，而這也是LQR的缺點(diǎn)，即不能對(duì)控制目標(biāo)進(jìn)行約束。同時(shí)圖7中也可以看到LQR的加速度變化率的變化范圍特別大，最小達(dá)到了-14m/s3左右，這對(duì)乘坐舒適性有著很大的影響，而MPC控制由于受到約束，變化在-3～3m/s3左右，有利于乘坐舒適性。如圖8所示燃油消耗模型使用CarSim中自帶發(fā)動(dòng)機(jī)模型圖，該模型根據(jù)當(dāng)前車輛的油門開(kāi)度及發(fā)動(dòng)機(jī)轉(zhuǎn)速來(lái)查表得到燃油消耗率，進(jìn)而得到整個(gè)過(guò)程的燃油消耗量。如圖9可見(jiàn)，在該工況下，本發(fā)明MPC算法控制的自車燃油消耗量在0.0038kg左右，比LQR算法控制的自車的0.0043kg節(jié)省了約11.63％。當(dāng)前第1頁(yè)1 2 3