1.一种智能网联环境下基于主从博弈的公交车出站控制方法,其特征在于,该方法包括如下步骤:步骤S1:以港湾式停靠站为基准,将与停靠站距离L米的上下游范围设定为控制区CZ,将位于公交车辆后面的车辆,即上游车辆定义为社会车辆群体FV,与公交车辆有重合或位于公交车辆前面的车辆,即下游车辆定义为社会车辆群体LV,对控制区内的车道及社会车辆按照由近及远的规则进行顺序编号;
步骤S2:公交车辆完成上下客,产生出站意愿,触发控制决策,此时通过通信系统共享公交车辆及社会车辆群体FV中每辆车的实时位置、速度和加速度信息;
步骤S3:通过双层规划模型获取公交车辆和社会车辆行驶轨迹;其中,所述双层规划模型包括上层规划模型和下层规划模型;所述上层规划模型用于计算并得到使公交车辆B和社会车辆群体FV的总收益最大时的公交车辆行驶轨迹;
上层规划模型的目标函数如下式(1):
其中,为公交车辆B最优策略,sb、Sb、Ub分别为公交车辆B的策略、策略集合和收益;sfv为社会车辆群体FV在公交车辆B决策下的策略集合;为社会车辆群体FV在公交车辆B决策下的最优策略集合;为公交车辆B和社会车辆群体FV的总收益;
公交车辆B和社会车辆群体FV的总收益表达式如下式(2):
其中,为社会车辆FVij的收益,i代表车道数,j代表车辆编号,FVij代表车道i的第j辆社会车辆;
公交车辆B的收益Ub的计算方式如下式(3):
其中,别表示公交车辆B的安全性成本、舒适性成本和通行成本,α1、α2、α3分别表示安全性成本、舒适性成本和通行成本的权重系数;
社会车辆群体FV的收益计算公式如下式(11):
式中,分别为社会车辆群体FV的安全性成本、舒适性成本和通行成本,β1、β2、β3分别表示安全性成本、舒适性成本和通行成本的权重系数;
所述下层规划模型用于计算得到社会车辆群体FV基于对公交车辆B的决策而选择最大化个体收益情况下的社会车辆行驶轨迹,表达式如下式(35):其中,分别为社会车辆FVij策略、策略集合和博弈收益,为社会车辆FVij的最优策略,是除社会车辆FVij之外的其他社会车辆的策略集合,代表车辆FVij在综合考量公交车辆B以及除自身之外的其他社会车辆的决策后所做出决策的收益;
步骤S4:通过NSGA-II算法对双层规划模型进行求解,得出最优的公交及社会车辆行驶轨迹,采用五次多项式模型对公交车辆和社会车辆进行横纵向轨迹规划,对于非换道车辆仅进行纵向轨迹规划;
步骤S5:按照步骤S4输出的轨迹,执行车辆轨迹。
2.根据权利要求1所述的一种智能网联环境下基于主从博弈的公交车出站控制方法,其特征在于,公交车辆B的安全性考虑与车道1后车的速度差与相对距离的影响,安全性成本的计算公式如下式(4)至(7):其中,分别为公交车辆B与社会车辆FV11的相对速度和相对距离的权重系数;分别为公交车辆B与车辆FV11的纵向相对速度和相对距离;t1为公交车辆B完成换道出站所用时间;ε为避免分母为零而设置的微小数;为调节参数;分别为公交车辆B和社会车辆FV11的纵向速度;xb(t)、分别为公交车辆B和社会车辆FV11的纵向位置;lb为公交车辆B的车身长度。
3.根据权利要求1所述的一种智能网联环境下基于主从博弈的公交车出站控制方法,其特征在于,公交车辆B加速度的绝对值对时间的积分表示公交车辆B换道出站过程中车上乘客的舒适性,舒适性计算公式如下式(8):其中,分别为公交车辆B纵向和横向舒适性收益的权重系数;分别为公交车辆B纵向和横向加速度;λ为公交车辆B换道出站指令,当公交车辆换道出站时,λ=1,当公交车辆不换道时,λ=0;n代表公交车辆B上乘客数量。
4.根据权利要求1所述的一种智能网联环境下基于主从博弈的公交车出站控制方法,其特征在于,公交车辆B的通行成本计算公式如下式(9)至(10):其中,为公交车辆B的期望速度;为公交车辆B的最大速度;为车道1上前车的纵向速度。
5.根据权利要求1所述的一种智能网联环境下基于主从博弈的公交车出站控制方法,其特征在于,社会车辆群体FV的安全性成本计算公式如下式(12):社会车辆FVij的安全性成本计算公式如下式(13):
其中,当社会车辆FV1j换道时,当社会车辆FV1j不换道时,分别为社会车辆FVij的纵向和横向安全性成本;
社会车辆FV11的横向安全性是由社会车辆FV11与车道2上社会车辆FV21相对速度和相对位置所决定的;
社会车辆FV11的纵向安全性是由社会车辆FV11与本车道前车相对速度和相对位置及公交车辆B是否换道出站所决定;
当i≠1∩j≠1,社会车辆FVij的纵向安全性成本与本车道前车的相对速度和相对位置相关,横向安全性成本与相邻车道后车的相对速度和位置相关。
6.根据权利要求1所述的一种智能网联环境下基于主从博弈的公交车出站控制方法,其特征在于,社会车辆群体FV的舒适性成本计算公式如下式(30):其中,社会车辆FV1j和社会车辆FV2j的安全性成本计算公式如下式(31):其中,分别为社会车辆FVij纵向和横向的舒适性成本权重系数;分别为社会车辆FVij纵向和横向的加速度;为社会车辆FV1j换道指令,换道时为1,不换道时为0。
7.根据权利要求1所述的一种智能网联环境下基于主从博弈的公交车出站控制方法,其特征在于,社会车辆群体FV的通行成本计算公式如下式(32):其中,社会车辆FVij的通行成本计算公式如下式(33)至(34):其中,为社会车辆FVij纵向速度;为社会车辆FVij的期望行驶车速;为社会车辆FVij的最大速度;分别为本车道前车以及目标车道前车。
8.根据权利要求1所述的一种智能网联环境下基于主从博弈的公交车出站控制方法,其特征在于,步骤S4包括以下步骤:步骤S41:初始化种群;
随机生成初始种群,每个个体由公交车辆和社会车辆的决策变量组成,每个个体表示为一个向量,包含公交车的换道指令和轨迹规划参数,以及每个参与博弈的社会车辆的换道指令和轨迹规划参数;
步骤S42:适应度评估;
对每个个体进行适应度评估,将其映射为博弈主体的收益函数;
步骤S43:非支配排序;
对种群进行非支配排序,将个体划分为不同的等级,等级内的个体彼此不支配,而不同等级的个体之间存在支配关系;
子步骤S44:拥挤度计算;
计算每个个体的拥挤度,以保持种群的多样性;
步骤S45:选择操作;
采用锦标赛选择方法,根据个体的等级和拥挤度选择父代个体,生成下一代的父代种群;
步骤S46:交叉和变异;
对选择的父代个体进行交叉和变异操作,生成子代个体;
步骤S47:环境选择;
将父代和子代种群合并,进行非支配排序和拥挤度计算,从合并后的种群中选择前半部分作为新一代种群;
步骤S48:迭代;
重复适应度评估、非支配排序、拥挤度计算、交叉和变异、环境选择步骤,直到达到预定的迭代次数或满足收敛条件,输出最优状态。
9.根据权利要求5所述的一种智能网联环境下基于主从博弈的公交车出站控制方法,其特征在于,社会车辆FV11的横向安全性成本计算公式如下式(14)至(17):其中,分别为社会车辆FV11与社会车辆FV21的相对速度和相对距离的权重系数;分别为社会车辆FV11与社会车辆FV21的纵向相对速度和相对距离;分别为社会车辆FV21、FV11的纵向速度;分别为社会车辆FV21、FV11的纵向位置;为社会车辆FV11的车身长度;
当公交车辆B换道出站时,即λ=1,社会车辆FV11的纵向安全性成本由公交车辆B决定,社会车辆FV11的纵向安全性成本与公交车辆B的横向安全性成本相同,即当公交车辆B不换道出站时,即λ=0,社会车辆FV11的纵向安全性成本的计算公式如下式(18)至(21):其中,分别为社会车辆FV11与社会车辆LV11的相对速度和相对距离的权重系数;分别为社会车辆FV11与社会车辆LV11的纵向相对速度和相对距离;分别为社会车辆LV11、FV11的纵向速度;分别为社会车辆LV11、FV11的纵向位置;为社会车辆LV11的车身长度。
10.根据权利要求5所述的一种智能网联环境下基于主从博弈的公交车出站控制方法,其特征在于,当i≠1∩j≠1,社会车辆FVij的纵向安全性成本的计算公式如下式(22)至(25):其中,分别为社会车辆FVij与社会车辆FVij-1的相对速度和相对距离的权重系数;分别为社会车辆FVij与社会车辆FVij-1的纵向相对速度和相对距离,分别为社会车辆FVij与社会车辆FVij-1的纵向速度,分别为社会车辆FVij与社会车辆FVij-1的纵向位置;为社会车辆FVij-1的车身长度;
社会车辆FVij的横向安全性成本如下式(26)至(29):
其中,分别为社会车辆FV1j与社会车辆FV2j的相对速度和相对距离的权重系数;分别为社会车辆FV1j与社会车辆FV2j的纵向相对速度和相对距离;分别为社会车辆FV2j、FV1j的纵向速度;分别为社会车辆FV2j、FV1j的纵向位置;为社会车辆FV2j的车身长度。