1.一种用于仿真测试的随机交通流控制方法,其中,包括以下步骤:步骤1、通过ego行为预测模块得到ego下一时刻的状态信息;所述状态信息包括所述ego所处的位置坐标、速度以及加速度信息;
步骤2、仿真参数初始化,接收步骤1中ego的所述状态信息,并获取与所述状态信息相对应设置的npc的起始位置信息和终点位置信息,进而设定路线节点的数量、每个节点npc选取的路线方向的数量以及每个节点选取的行为的数量,以获得构造后的初始空间;
步骤3、在所述初始空间内基于蚁群算法,当出现与步骤2中所述起始位置和终点位置信息相同的npc时,对信息素信息进行更新,若迭代不能达到设定蚂蚁数,则增加蚂蚁,并进入步骤2;若迭代达到设定蚂蚁数,则输出所述信息素最多的行为组合,即为npc最优行为集;
其中,步骤2中每个节点npc选取的路线方向设定为8个,每个节点选取的行为设定为6个;
所述路线方向中定义:右向为0,左向为1,前向为2,后向为3,右前向为4,左前向为5,左后向为6,右后向为7;
所述行为中定义:加速为a,减速为b,刹停为c,启动为d,左换道为e,右换道为f;
所述路线节点的计算公式为;
公式(2) ;
其中, 表示t时刻的节点;
表示在t时刻当前位置i到目标点j的信息素强度;
表示npc的可视范围;
表示信息素强度的权重值;
表示可视范围的权重值。
2.如权利要求1所述的用于仿真测试的随机交通流控制方法,其中,步骤1中所述ego行为预测模块包括:
ego定位模块,其用于获取ego实时位置坐标;
ego速度检测模块,其用于检测ego的横向速度和纵向速度;
ego加速度检测模块,其用于检测ego的横向加速度和纵向加速度;
ego控制信号监控模块,其用于实时获取控制信息和虚拟驾驶舱油门踏板和制动踏板位置信息;
ego预测状态输出模块,其用于输出消息ego下一时刻位置坐标、速度以及加速度信息;
以及
模型预测控制模块,其接收所述ego定位模块、ego速度检测模块、ego加速度检测模块以及ego控制信号监控模块传输的信息,以预测ego下一时刻的位置坐标、速度以及加速度信息,并通过所述ego预测状态输出模块输出。
3.如权利要求2所述的用于仿真测试的随机交通流控制方法,其中,所述模型预测控制模块预测ego下一时刻的位置坐标、速度以及加速度信息的具体方法包括以下步骤:步骤A、搭建预测模型,初始化各项参数,并获取t时刻的ego信息和ego控制信号;所述ego信息为ego的位置坐标、速度以及加速度信息;
步骤B:获取t+1时刻时的ego信息和ego控制信号,与t时刻的ego信息和ego控制信号进行比较,以对所述预测模型的参数进行反馈校正;
步骤C:反馈校正后,重复步骤A和步骤B,直到滚动优化的结果误差在设定范围内,进而获得预测的ego下一时刻的位置坐标、速度以及加速度信息;
其中,步骤A中设ego在 时刻,状态变量为 ;
所述预测模型的计算公式为公式1:公式1 ;
其中 ;
表示ego实时位置坐标; 表示ego实时回转坐标; 表示ego实时速度; 表示ego实时加速度; 表示ego目标速度; 表示ego目标航向角; 表示虚拟刹车踏板位置; 表示虚拟油门踏板位置; 表示ego迎风面积;表示道路阻力系数; 表示ego动力学机械损耗; 表示ego系统总传动比;
为 时刻,ego状态信息的预测值;
为ego 时刻的状态信息;
为ego 时刻的控制信号量;
为ego 时刻的动力学信息;
;
为ego车身的长度;为油门踏板的灵敏度; 为刹车踏板的灵敏度。
4.如权利要求1所述的用于仿真测试的随机交通流控制方法,其中,步骤3中所述信息素更新的公式为:
公式(3) ;
其中,
是指npc从节点i到节点j所用的最短时间;
。
5.如权利要求2所述的用于仿真测试的随机交通流控制方法,其中,步骤2和步骤3基于npc行为规划模块,所述npc行为规划模块包括:npc起始位置定位模块,其用于获取npc的起始位置信息;
npc终点位置决策模块,其用于输出npc的终点位置信息;
npc环境感知模块,其用于感知仿真环境中所有的障碍物信息,所述障碍物信息包括npc、ego和静态障碍物的位置坐标、速度以及加速度信息;
npc行为设计域模块,其用于实时获取当前npc的能力范围,所述能力范围包括加速、减速、刹停、启动、左换道以及右换道;
npc控制输出模块,其用于输出npc的加速度和方向信息;
蚁群优化决策模块,其用于获取npc起始位置定位模块、npc终点位置决策模块、npc环境感知模块、npc行为设计域模块、npc控制输出模块以及ego预测状态输出模块的信息,以进行优化,从而输出所述npc最优行为集。