1.一种基于连续信号灯信息的智能网联汽车分层速度规划方法,其特征在于,包括以下步骤:
步骤一:通过V2X网联技术实时获取前方连续交叉口的红绿灯时序信息以及当前车辆位置与各交叉口的距离信息;
步骤二:建立上层驾驶任务规划层,具体步骤如下:
2.1)建立基于距离域的整车纵向动力学模型;
2.2)依据驾驶员期望的平均行驶速度和道路限速信息,预先确定车辆的可通行区域;
2.3)基于前方连续交叉口的红绿灯时序和位置信息,在满足交通和道路约束的前提下得到驾驶任务信息,包括每个交叉口到达的速度和时间;
其中,基于距离域的驾驶任务规划问题构建如下:式中,ωi(i=1,2,3)为权重系数;Ft为车轮处驱动力,单位N;Fb为车轮制动力,单位N;
Δs为离散步长,tN‑t0为行驶时间;N为预测时域步数;N为预测时域步数;vmin,vmax为道路限速值,单位m/s;umin和umax为别为控制量的最大值和最小值;tpi(i=1,2,3)分别为到达各个交叉口的时间,tpi,min和tpi,max分别为第i个交叉口允许通过的最小绿灯时间和最大绿灯时间;
通过序列二次规划算法,求解得到驾驶任务信息,包括到达各交叉口的速度和时间;
步骤三:下层速度规划层根据上层驾驶任务规划层得到的驾驶任务信息,将各个分路段的速度规划构建为一个最优控制问题,利用极大值原理,并通过控制率的显示推导,求解最优控制量给定车辆,通过使用滚动时域控制方法实现车速规划。
2.如权利要求1所述的一种基于连续信号灯信息的智能网联汽车分层速度规划方法,其特征在于,所述步骤一中,由于交叉口位置确定,距离上存在等式约束,而信号灯时序不同,时间上存在不等式约束,因此,将传统基于时间的优化问题,等效转换为距离域的优化问题:
其中,s为车辆行驶距离,单位m;v为车速,单位m/s;t为车辆的行驶时间,单位s。
3.如权利要求1所述的一种基于连续信号灯信息的智能网联汽车分层速度规划方法,其特征在于,所述步骤2.1)中建立的基于距离域的整车纵向动力学模型为:其中,x为优化问题的状态量;t为车辆的行驶时间,单位s;v为车辆的行驶速度,单位m/s;u为车辆的控制变量,单位N/kg;M为整车质量,单位kg;CD为空气阻力系数;ρa为空气密度,
3 2 2
单位kg/m ;g为重力加速度,单位m/s ;Av为车辆的有限迎风面积,单位m ,θ为道路坡度;μ为滚动阻力系数。
4.如权利要求1所述的一种基于连续信号灯信息的智能网联汽车分层速度规划方法,其特征在于,所述步骤2.2)依据驾驶员的期望平均车速vr、目的地的位置信息sfinal,得到驾驶员的期望到达时间tfinal:其中,期望平均车速vr,单位m/s,目的地的位置信息sfinal,单位为m;期望到达时间tfinal,单位为s;
可进一步确定车辆通过各交叉口的时序序列,即可通行区域。
5.如权利要求1所述的一种基于连续信号灯信息的智能网联汽车分层速度规划方法,其特征在于,所述步骤三的具体步骤为:通过驾驶任务规划层得到的驾驶任务信息,进行速度规划,选定预测时域内的整车能量消耗为目标函数,同时将制动力考虑在内,构建目标函数如下:其中,控制量u=[Ft,Fb],Ft为车轮处驱动力;Fb为车轮制动力;状态量x=[s,v],s为车辆行驶距离,单位m;v为车速,单位m/s;Ft,max和Fb,max分别为最大驱动力和制动力;ξ1,ξ2为权重系数;φ(·)为终端惩罚项; 分别为第i个交叉口的到达时间、车速和所处距离;
α1,α2为可调整参数;
结合极大值原理构建如下哈密顿方程:其中,λ1,λ2为协态变量;
将最优控制问题在Δt时间轴上采用前向差分的方法离散化,则所要满足的最优必要性条件以及终端条件为:
最优控制变量在每一时刻需要满足如下关系:* * *
基于以上最优必要性条件,推导控制量u与协态状态λ之间关系,u (k),x (k),λ(k)分别为最优控制量、最优状态量、最优协态变量;控制变量的显式形式为:其中,
2
p1(k)=ξ1v(k)
p3(k)=ξ2
*
最终得到最优控制量Ft(k), 为:结合以上控制律,求出预测时域内的最优控制量,提取出第一个控制量给定车辆,通过使用滚动时域控制方法实现车速的规划。