买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙大城市学院

摘要：本发明为一种基于V2X大数据的红绿灯交叉路口节能驾驶方法，公开了步骤一：车辆行驶环境描述；步骤二：红绿灯快速通过方案生成：结合空间、时间条件，选取自车从当前车道跟随前车的通过方案和自车变道的通过方案；步骤三：节能驾驶方案评估；步骤四：基于TD3架构的红绿灯交叉路口节能通过实测或仿真训练；步骤五：TD3网络参数更新及再次实施。本发明能综合考虑跟随前车通过红绿灯以及必要情况下变道通过红绿灯，辅以最佳行驶速度提以及车道提示灯，是驾驶员红绿灯路口通行的最佳伙伴。本发明可以使得车辆尽可能连续通过多个红绿灯口，节能又提高了交通通行效率。

主权项：1.一种基于V2X大数据的红绿灯交叉路口节能驾驶方法，其特征在于：包括以下步骤：步骤一：车辆行驶环境描述：将环境描述为单向行驶的三车道，以行驶方向为主方向，自车行驶在中间车道，自车的左侧车道为左车道，自车的右侧车道为右车道；各车道通过车道中心线以及车道宽进行描述；自车记为H车，自车所在车道前方有前车记为P车；前车与自车有一定的距离，且自车跟随前车行驶则不能通过前方绿灯；左、右车道中至少有一条具备自车变道驶入的行驶条件；当目标变道车道为右车道的情况，除车辆转向方向不同，其他策略可沿用左变道策略；自车目标车道上的后车记为N车、前车记为Po车，构成自车变道驾驶环境包括自车、同车道的前车以及自车目标车道上的后车与前车；自车跟随前车行驶，不能通过当前红绿灯；在变道初始时刻，N车在H车的左后方，N车与H车之间纵向、横向距离符合H车匀速变道到N车前方行驶的安全距离要求，不影响N车的正常行驶，且H车变道后可以顺利通过当前红绿灯；除自车外，所有环境车辆只保持本车道纵向行驶，没有侧向行驶；自车与环境车辆间相对距离定义为：H车与Po车纵向间隔距离记为s0，H车与N车纵向间隔距离为s1，H车与N车侧向间隔距离记为s2，H车与Po车纵向间隔距离记为s3，H车与Po车横向间隔距离记为s4；步骤二：红绿灯快速通过方案生成：结合空间、时间条件，选取自车从当前车道跟随前车的通过方案和自车变道的通过方案；步骤三：节能驾驶方案评估：通过红绿灯驾驶过程中车辆能耗是一个动态变化过程，相关数据的获取从联网数据中获取；所述相关数据包括发动机运行数据、车辆运行参数、车辆特征参数；所述发动机运行数据中的发动机、电机运行参数其中，nEng为发动机转速；nMot为电机转速；Trqmot为电机转矩；SOC为电池荷电状态；EMot为电机能量消耗指示：电机控制器母线电压*母线电流；EMot为剩余能量指示：电池剩余容量，以SOC表征；为发动机燃油消耗率；所述车辆运行参数中的车辆速度SvPVeh,VVeh,rAccp,rBrk，其中，PVeh为车辆位置信息，通过手机或其他专用移动终端，或车载终端定位，由北斗卫星导航系统、GPS、GLONASS、GALILEO提供的车辆经纬度位置信息；VVeh为车速；rAccp为油门踏板开度信号；rBrk为制动踏板开度信号；车辆轮端驱动力满足如下关系：Fcar＝Feng-Ffrc-Fair-Fg，其中，Ffrc＝Crrmgcosφ；Fair＝12CwAρairv2；m为车重；为车辆行驶加速度；为道路坡度；Crr为滚动摩擦系数；Cw为风阻系数；A为迎风面积；ρair为空气密度；对于单发动机驱动的车辆的发动机输出功率为Peng＝k1*FcarVVeh，其中，k1为比例系数；发动机燃油消耗率为其中，a0,a1,a2为比例系数；对于单电机驱动的车辆的电机输出功率为Pmot＝k2*FcarVVeh，其中，k2为比例系数；单电池输出功率为Pbat＝Pmotηbat，其中，ηbat为电池转换效率；对于锂电池模组，根据电阻模型电池输出功率与SOC的变化率具有如下关系：其中，为SOC实时变化率；v0为电池开路电压；Ri为电池内阻；Pbatt为电池实时输出功率；Qb为电池容量；汽车在不同行驶状态下的能耗通过油耗及电池SOC变化加以表征，用于汽车节能驾驶模型的初始化；步骤四：基于TD3架构的红绿灯交叉路口节能通过实测或仿真训练：深度强化学习网络由策略网络和价值网络；策略网络输入为自车及环境车辆行驶数据、交通灯信息，策略网络输出为自车加速度、转向角及车道保持与变道信号；在整车驾驶控制层面，将TD3算法与整车驱动控制、安全监控协同规划，可方便地集成到现有人工驾驶车的整车控制架构，也可以加入到自动驾驶整车控制架构中；智能体的输入有交通灯信息、自车行驶信息以及环境车辆信息以及奖励函数输出，智能体开展基于TD3算法的决策，获得行驶加速度以及转向角；车身运动控制据此开展车身驱动、转向控制，车辆燃油消耗及电耗分配优化控制；车身状态更新后会再次反馈给奖励函数及智能体；TD3算法以状态st为输入，智能体进行决策采取新策略at得到新状态st+1和奖励rt+1时选择动作；智能体就是学习一种策略使得未来奖励最大化；TD3使用双价值网络用来消除高估，尽量保证网络的快速收敛性；使用两个价值网络和一个策略网络：qs，a，w1，qs，a，w2，μs，θ，三个神经网络各对应一个目标网络：qs，a，w1-，qs，a，w2-，μs，θ-；所述自车及环境车辆行驶数据包括自车行驶数据、目标物信息和驾驶环境信息；所述自车行驶数据包括速度、加速度、加速踏板开度、汽车转向角；所述目标物信息包括目标车速度、自车与目标的间距和目标类型；所述驾驶环境信息为根据摄像头采集的视频数据通过人工标定的方式获取，所述驾驶环境信息包括天气信息、道路弯度信息、梯度信息、信号灯信息、交通标识牌信息；步骤五：TD3网络参数更新及再次实施：通过在与环境的交互中，根据环境的奖励反馈，逐步改善动作策略；通过公共车辆平台进行实车城市道路驾驶数据采集分析，并进行相关数据存储；首先开展前方1个红绿灯通过驾驶策略学习，将其作为TD3算法的初始向量输入网络中进行训练以获得网络初始参数；接着开展连续多个红绿灯的信息，获取网络参数更新情况，按照规定格式存储，增加驾驶风格维度进行学习；更新智能体参数，如此往复。

全文数据：

权利要求：

百度查询： 浙大城市学院 一种基于V2X大数据的红绿灯交叉路口节能驾驶方法