本發(fā)明涉及道路車輛控制技術(shù)研究領(lǐng)域，尤其是涉及一種基于仿生學(xué)的自動(dòng)駕駛車輛運(yùn)行控制方法。

背景技術(shù)：

目前的自動(dòng)駕駛車輛技術(shù)，已經(jīng)能夠通過(guò)探測(cè)和識(shí)別等技術(shù)實(shí)現(xiàn)個(gè)體車輛在道路上的安全行駛。如專利申請(qǐng)CN101380951A公開一種車輛自動(dòng)駕駛識(shí)別系統(tǒng)，通過(guò)涂刷在道路中央的黑白導(dǎo)向標(biāo)線和條形碼來(lái)指示車輛行駛狀態(tài)，并以道路臨時(shí)路況無(wú)線電指令和車輛行進(jìn)方向障礙物距離，來(lái)保證自動(dòng)駕駛的安全。隨著無(wú)線通信技術(shù)和智能車輛技術(shù)的不斷發(fā)展，車聯(lián)網(wǎng)成為物聯(lián)網(wǎng)最活躍的分支，車輛均配有信息通訊設(shè)備，可以實(shí)現(xiàn)車與車之間的信息發(fā)送與接收。隨著自動(dòng)駕駛技術(shù)和車聯(lián)網(wǎng)技術(shù)的普及，人們已經(jīng)漸漸意識(shí)到自動(dòng)駕駛車輛在車聯(lián)網(wǎng)環(huán)境下行駛會(huì)使得交通更加安全和高效。如專利申請(qǐng)CN104391504A公開一種基于車聯(lián)網(wǎng)的自動(dòng)駕駛控制策略的生成方法，根據(jù)當(dāng)前車輛的車輛駕駛習(xí)慣模型、當(dāng)前車輛所在區(qū)域的區(qū)域駕駛習(xí)慣模型和路況模型，生成當(dāng)前車輛的自動(dòng)駕駛控制策略。

而要讓車聯(lián)網(wǎng)車輛在路網(wǎng)上行駛主要需要解決路段和節(jié)點(diǎn)兩方面的問(wèn)題。目前，路段方面的研究已經(jīng)非常多，從輔助駕駛、到以ACC和CACC為代表的半自動(dòng)駕駛乃至全自動(dòng)駕駛，都涌現(xiàn)出了大量的研究成果。但是，當(dāng)前的針對(duì)車聯(lián)網(wǎng)在路段上的行駛的技術(shù)仍然集中在保證車輛行駛安全的角度，無(wú)論是輔助駕駛、半自動(dòng)駕駛還是全自動(dòng)駕駛控制技術(shù)都沒(méi)有考慮乘客的多方面需求以及對(duì)于道路交通的系統(tǒng)優(yōu)化，缺乏對(duì)這種全新的交通工具行之有效的管理控制方法。

因此，在自動(dòng)駕駛車輛日趨成熟的今天，亟需提出一種能夠在車聯(lián)網(wǎng)環(huán)境下既能保證安全，又能滿足乘客多方面需求并兼顧總體效率的運(yùn)行管理方法。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種控制方便、保證車輛運(yùn)行安全、可滿足乘客多方面需求的基于仿生學(xué)的自動(dòng)駕駛車輛運(yùn)行控制方法，有效提高道路通行效率和接入能力。

本發(fā)明的目的可以通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)：

一種基于仿生學(xué)的自動(dòng)駕駛車輛運(yùn)行控制方法，該方法基于仿生學(xué)原理，將集群行為類比于車輛運(yùn)行控制上，包括以下步驟：

1)將每個(gè)個(gè)體車輛定義為決策車，獲取決策車自身的需求，所述需求為目標(biāo)車速；

2)決策車V2V通信尋找一最優(yōu)個(gè)體，定義為目標(biāo)車輛，所述最優(yōu)個(gè)體被配置為具有與所述決策車具有相同需求的車輛群體中當(dāng)前運(yùn)轉(zhuǎn)狀態(tài)最好的車輛；

3)根據(jù)目標(biāo)車輛與決策車間的位置及決策車前方車輛的需求獲取決策車的運(yùn)行策略：

若目標(biāo)車輛在決策車前方且決策車前方第一輛車為需求不同的車輛，則執(zhí)行步驟4)；

若決策車自身為目標(biāo)車輛且決策車前方第一輛車為需求不同的車輛，則執(zhí)行步驟4)；

若目標(biāo)車輛在決策車前方且決策車至所述目標(biāo)車輛之間無(wú)需求不同的車輛，則執(zhí)行步驟5)；

若決策車自身為目標(biāo)車輛且決策車前方無(wú)需求不同的車輛，則執(zhí)行步驟6)；

4)當(dāng)所述前方第一輛車的需求小于決策車的需求時(shí)，判斷決策車左側(cè)是否存在障礙，若是，則決策車保持當(dāng)前狀態(tài)同時(shí)向前方第一輛車發(fā)送向右變道請(qǐng)求，若否，則決策車向左變道；

5)決策車追擊所述目標(biāo)車輛；

6)決策車采用最大加速度實(shí)現(xiàn)所述需求。

所述需求由乘客選擇，選擇的影響因素包括快速、環(huán)保和舒適。

當(dāng)決策車尋找到多個(gè)符合最優(yōu)個(gè)體條件的車輛時(shí)，通過(guò)以下原則選擇最優(yōu)個(gè)體：

4-1)方位優(yōu)先原則，即優(yōu)先選擇位于決策車前方的車輛作為最優(yōu)個(gè)體；

4-2)距離優(yōu)先原則，即優(yōu)先選擇與決策車距離最近的車輛作為最優(yōu)個(gè)體。

所述步驟4)中，前方第一輛車接收到所述向右變道請(qǐng)求時(shí)判斷右側(cè)是否存在障礙，若是，則保持當(dāng)前狀態(tài)向決策車發(fā)送反饋信息，若否，則前方第一輛車向右變道。

在同時(shí)滿足以下三個(gè)條件時(shí)判斷無(wú)障礙：

5-1)道路設(shè)施判斷：變道車行駛車道非變道方向的最外側(cè)車道，所述變道車為決策車或前方第一輛車；

5-2)車位判斷：變道側(cè)處于變道車前保險(xiǎn)杠前兩個(gè)車位至后保險(xiǎn)杠后兩個(gè)車位的距離內(nèi)無(wú)其他車輛；

5-3)車速判斷：在變道側(cè)變道車前保險(xiǎn)杠前第三個(gè)車位和后保險(xiǎn)杠后第三個(gè)車位分別設(shè)置一虛擬車輛，定義前保險(xiǎn)杠前第三個(gè)車位的虛擬車輛車速為v_前，后保險(xiǎn)杠后第三個(gè)車位的虛擬車輛車速為v_后，決策車當(dāng)前車速為v，存在v_前＞v＞v_后。

在變道側(cè)變道車前保險(xiǎn)杠前第三個(gè)車位或/和后保險(xiǎn)杠后第三個(gè)車位處存在實(shí)際車輛時(shí)，則將實(shí)際車輛的當(dāng)前車速賦于對(duì)應(yīng)虛擬車輛，在變道側(cè)變道車前保險(xiǎn)杠前第三個(gè)車位或/和后保險(xiǎn)杠后第三個(gè)車位處不存在實(shí)際車輛時(shí)，v_前＝200km/h，v_后＝0。

所述步驟5)中，決策車通過(guò)以下追擊模型追擊目標(biāo)車輛：

v_k＝v_kprev+k_p·e_k+k_d·e_k

其中，e_k＝x_k-1-x_k-t_hw·v_k，x_k-1為目標(biāo)車輛當(dāng)前位置，x_k為決策車當(dāng)前位置，v_k為決策車當(dāng)前車速，t_hw為車頭時(shí)距，v_kprev為前一次迭代計(jì)算獲得的v_k，k_p和k_d為修正系數(shù)。

所述步驟6)中，選取最大加速度時(shí)考慮乘客的舒適度。

與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點(diǎn)：

1、仿生學(xué)是一門既古老又年輕的學(xué)科。一直以來(lái)，人們研究生物體結(jié)構(gòu)與功能的工作原理，并根據(jù)這些原理發(fā)明出新的設(shè)備和工具。在自然界中，許多動(dòng)物的行為都是集群化的，鳥類、魚類等動(dòng)物在移動(dòng)時(shí)，每個(gè)個(gè)體通過(guò)遵循簡(jiǎn)單的規(guī)則最終表現(xiàn)出個(gè)體聚集性的特征，其運(yùn)動(dòng)的方向和速度具有一致性，比如大雁會(huì)變換隊(duì)形整體遷徙、魚群會(huì)向中心靠攏集體覓食，從而達(dá)到總體最優(yōu)的目的，這種行為被稱為動(dòng)物集群行為。通過(guò)學(xué)習(xí)動(dòng)物的這一行為特征，可以衍生出多種算法，以優(yōu)化系統(tǒng)的運(yùn)作能力。本發(fā)明運(yùn)用了仿生學(xué)原理，類比動(dòng)物集群的行為，使得每一個(gè)個(gè)體車輛只需要遵守幾條簡(jiǎn)單的通行規(guī)則，根據(jù)自身需求從探測(cè)范圍內(nèi)選擇目標(biāo)車輛，并通過(guò)變道、跟車或者加速的方式向其靠攏，在無(wú)需整體控制中心的情況下最終呈現(xiàn)為車隊(duì)的形式。

2、本發(fā)明利用仿生學(xué)集群算法可以使車輛在30秒內(nèi)快速達(dá)到需求目標(biāo)，并以穩(wěn)定的車隊(duì)的形式行駛，降低時(shí)空資源碎片化程度，，提高道路交通效率和道路接入能力。

3、與傳統(tǒng)僅研究跟車模型的控制方法不同，本發(fā)明不但保證車隊(duì)安全行駛，而且是多目標(biāo)編隊(duì)行駛，是一種考慮用戶需求的控制方法。本方法考慮了乘客的需求，形成多目標(biāo)多需求控制，具有相同目標(biāo)的個(gè)體形成一個(gè)集群，在形成車隊(duì)的同時(shí)考慮到滿足用戶多樣化的需求。

4、通過(guò)仿生學(xué)原理的控制，個(gè)體最終會(huì)形成集群，并且實(shí)現(xiàn)對(duì)集群的控制，遵照這幾條簡(jiǎn)單的規(guī)則車輛可以以集群為單位完成變道、超車、讓行等，提高了道路的通行效率。

5、本發(fā)明在選擇最優(yōu)個(gè)體時(shí)設(shè)計(jì)了方位優(yōu)先原則及距離優(yōu)先原則，獲得的最優(yōu)個(gè)體能夠有效提高控制精度。

6、本發(fā)明在變道障礙物判斷時(shí)需要經(jīng)過(guò)道路設(shè)施判斷、車位判斷和車速判斷三個(gè)條件，提高了車輛運(yùn)行控制的安全性。

附圖說(shuō)明

圖1為本發(fā)明的結(jié)構(gòu)示意圖；

圖2為本發(fā)明的變道流程圖；

圖3為本發(fā)明的車輛運(yùn)行策略判斷圖；

圖4為本發(fā)明的車輛變道障礙判斷圖。

具體實(shí)施方式

下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明進(jìn)行詳細(xì)說(shuō)明。本實(shí)施例以本發(fā)明技術(shù)方案為前提進(jìn)行實(shí)施，給出了詳細(xì)的實(shí)施方式和具體的操作過(guò)程，但本發(fā)明的保護(hù)范圍不限于下述的實(shí)施例。

本實(shí)施例基于以下假設(shè)：

(1)實(shí)施例處于車聯(lián)網(wǎng)環(huán)境下，所有車輛可以實(shí)現(xiàn)車-車通信和車-路通信，所需信息可以通過(guò)車-車通信和車-路通信進(jìn)行傳輸；

(2)信息傳輸和處理的速度相比車輛速度足夠快，過(guò)程中延遲可忽略；

(3)不考慮行人和非機(jī)動(dòng)車的影響。

本實(shí)施例的應(yīng)用場(chǎng)景設(shè)定為一條雙向六車道的城市主干道，但由于對(duì)向車流不會(huì)對(duì)車隊(duì)的形成產(chǎn)生影響，同時(shí)也為使仿生學(xué)車隊(duì)的效果更佳直觀地展現(xiàn)，僅模擬其中一側(cè)的單向三車道。每條車道寬3.5m，行駛車輛為寬1.5m、長(zhǎng)3.6m的小客車，車頭時(shí)距為0.6秒，目標(biāo)車速分為生態(tài)、高效、舒適三種，分別為x km/h、y km/h和z km/h。

如圖1所示，本實(shí)施例提供一種基于仿生學(xué)的自動(dòng)駕駛車輛運(yùn)行控制方法，該方法基于仿生學(xué)原理，將集群行為類比于車輛運(yùn)行控制上，包括以下步驟：

1)將每個(gè)個(gè)體車輛定義為決策車，獲取決策車自身的需求，所述需求由乘客選擇，選擇的影響因素包括快速、環(huán)保和舒適，主要體現(xiàn)為目標(biāo)車速。

2)決策車V2V通信尋找一最優(yōu)個(gè)體，定義為目標(biāo)車輛，所述最優(yōu)個(gè)體被配置為具有與所述決策車具有相同需求的車輛群體中當(dāng)前運(yùn)轉(zhuǎn)狀態(tài)最好的車輛。

當(dāng)決策車尋找到多個(gè)符合最優(yōu)個(gè)體條件的車輛時(shí)，通過(guò)以下原則選擇最優(yōu)個(gè)體：

4-1)方位優(yōu)先原則，即優(yōu)先選擇位于決策車前方的車輛作為最優(yōu)個(gè)體；

4-2)距離優(yōu)先原則，即優(yōu)先選擇與決策車距離最近的車輛作為最優(yōu)個(gè)體。

3)根據(jù)目標(biāo)車輛與決策車間的位置及決策車前方車輛的需求獲取決策車的運(yùn)行策略：

若目標(biāo)車輛在決策車前方且決策車前方第一輛車為需求不同的車輛，如圖3的A1所示，則執(zhí)行步驟4)；

若決策車自身為目標(biāo)車輛且決策車前方第一輛車為需求不同的車輛，如圖3的A2所示，則執(zhí)行步驟4)；

若目標(biāo)車輛在決策車前方且決策車至所述目標(biāo)車輛之間無(wú)需求不同的車輛，如圖3的B1和B2所示，則執(zhí)行步驟5)；

若決策車自身為目標(biāo)車輛且決策車前方無(wú)需求不同的車輛，如圖3的C1和C2所示，則執(zhí)行步驟6)。

4)當(dāng)所述前方第一輛車的需求小于決策車的需求時(shí)，判斷決策車左側(cè)是否存在障礙，若是，則決策車保持當(dāng)前狀態(tài)同時(shí)向前方第一輛車發(fā)送向右變道請(qǐng)求，若否，則決策車向左變道，如圖2所示。

如圖4所示，在變道側(cè)變道車前保險(xiǎn)杠前第三個(gè)車位和后保險(xiǎn)杠后第三個(gè)車位設(shè)置兩個(gè)虛擬車輛。向左變道車輛記為車輛4(決策車)，向右變道車輛記為車輛3，記左前方虛擬車輛為1，左后方虛擬車輛為2，右前方虛擬車輛記為5，右后方虛擬車輛記為6。

車輛4是否向左變道進(jìn)行如下判斷：

條件1：4車不在最左側(cè)車道；

條件2：4車左側(cè)車道前保險(xiǎn)杠前兩個(gè)車位至后保險(xiǎn)杠后兩個(gè)車位的距離內(nèi)無(wú)車輛；

條件3：令虛擬車輛1的初始速度v1＝200km/h，虛擬車輛2的初始速度v2＝0，若檢測(cè)到相應(yīng)位置有實(shí)際車輛，則賦以實(shí)際車速。是否滿足v1>v4>v2。

若三個(gè)條件都滿足則4車向左變道，若不滿足則向前車發(fā)出變道請(qǐng)求。

前方第一輛車接收到所述向右變道請(qǐng)求時(shí)判斷右側(cè)是否存在障礙，若是，則保持當(dāng)前狀態(tài)向決策車發(fā)送反饋信息，若否，則前方第一輛車向右變道。車輛3是否向右變道也進(jìn)行如下判斷：

條件1：3車不在最右側(cè)車道；

條件2：3車右側(cè)車道前保險(xiǎn)杠前兩個(gè)車位至后保險(xiǎn)杠后兩個(gè)車位的距離內(nèi)無(wú)車輛；

條件3：令虛擬車輛5的初始速度v5＝200km/h，虛擬車輛6的初始速度v6＝0，若檢測(cè)到相應(yīng)位置有實(shí)際車輛，則賦以實(shí)際車速。是否滿足v5>v3>v6。

若三個(gè)條件都滿足則3車向右變道。

5)決策車追擊所述目標(biāo)車輛。決策車通過(guò)以下追擊模型追擊目標(biāo)車輛：

v_k＝v_kprev+k_p·e_k+k_d·e_k

其中，e_k＝x_k-1-x_k-t_hw·v_k，x_k-1為目標(biāo)車輛當(dāng)前位置，x_k為決策車當(dāng)前位置，v_k為決策車當(dāng)前車速，t_hw為車頭時(shí)距，v_kprev為前一次迭代計(jì)算獲得的v_k，k_p和k_d為修正系數(shù)。

6)決策車采用最大加速度實(shí)現(xiàn)所述需求。選取最大加速度時(shí)考慮乘客的舒適度。本實(shí)施例中，決策車(4車)的最大加速度通過(guò)以下方式選取：

若v4<x，設(shè)置4車加速度a4為：

若v4>x，設(shè)置4車加速度a4為：

其中，x為目標(biāo)車速。

7)返回至步驟3)繼續(xù)迭代。

以上詳細(xì)描述了本發(fā)明的較佳具體實(shí)施例。應(yīng)當(dāng)理解，本領(lǐng)域的普通技術(shù)人員無(wú)需創(chuàng)造性勞動(dòng)就可以根據(jù)本發(fā)明的構(gòu)思作出諸多修改和變化。因此，凡本技術(shù)領(lǐng)域中技術(shù)人員依本發(fā)明的構(gòu)思在現(xiàn)有技術(shù)的基礎(chǔ)上通過(guò)邏輯分析、推理或者有限的實(shí)驗(yàn)可以得到的技術(shù)方案，皆應(yīng)在由權(quán)利要求書所確定的保護(hù)范圍內(nèi)。