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！

摘要：本发明属于智能网联车辆驾驶技术领域，涉及一种基于A星算法与引力场模型的网联车辆动态协同控制方法，包括：步骤1、构建广义动态通行时间表模块；步骤2、构建基于改进算法的网联车辆动态路径规划算法；步骤3、构建基于引力场模型的网联车辆协同控制方法。本发明所提方法在对网联车队的路径调整与车队内部控制方面具有更好的准确性，提高了网联车队在大规模路网下的高效性和稳定性。随着智能网联车辆的普及，该方法因其更加充分地利用智能网联环境下车辆传递的信息的优势将具有更好的应用前景。

主权项：1.一种基于A星算法与引力场模型的网联车辆动态协同控制方法，其特征在于，包括以下步骤：步骤1，构建广义动态通行时间表模块：将控制系统开始的时刻定为t0，把t0之后的一段时间按ΔT的时间间隔分为若干时间段；对路段编号为1,2,…,i,…，对应的路段长度分别为L1,L2,…,Li,…，对时间段编号为1,2,…,j,...，则表示路段i在时间段j的广义通行时间，t0+cΔT，c＝1,2,...，即为系统进行控制的时刻，其中c为正整数；在时间表建立时分为以下几种情况：1当下一路段无排队时，下一路段长度为Lp，无排队时网联车辆以恒定速度Vconst行驶；假设网联车辆ICV在i路段随机位置，此时网联车辆向RSU发出指令，路侧单元RSU获取当前时刻下一路段p信号相位情况；记该时刻剩余相位时长为tsl,p，则： 其中，tg,p、ty,p与tr,p分别代表当前时刻下一路段p信号相位为绿灯、黄灯与红灯的剩余信号时长，sl代表信号相位，其中g、y、r分别为绿灯、黄灯与红灯情况；1当且tsl,p0时，ICV一次通过路段p及路段p的前方交叉口，则广义路段通行时间2当且tsl,p0时，ICV以Vconst行驶一段时间后需减速为0，等待红灯相位结束后才能出发，即需一次停车；由于广义路段通行时间在交通畅通情况下主要由行驶时间与交叉口转向延误时间构成，且路口设定为两相位控制，因此ICV停车后的通行延误tc用式2的转向期望延误时间EW表示： 其中，Pz为车辆到达交叉口时等待时间z的分布函数；G表示绿灯时长，T为周期时长；则由式1和2得到下一路段无排队情况下需一次停车的广义路段通行时间因此，当下一路段无排队情况下广义路段通行时间如式3所示，包含一次通过和一次停车后通过； 2当下一路段存在排队时，由于ICV是在有排队的路段，因此可视为拥堵情况，广义路段通行时间主要由延误时间构成；不考虑二次排队，设定为两种情况：1ICV经历减速、停止、排队消散三个过程；此时排队开始消散前的车辆行为可以忽略，必须要经历tsl，p的时长；假设v0为当前车辆的初速度，车辆加速度为b，记ICV排队时车距为dp，跟弛时车距为dg，排队时队列的排队车辆数为N，则根据运动学公式得到排队消散时间tqdis： 因此，根据式4知，当v0tsl，pb时，该情况下的广义路段通行时间2ICV经历减速、排队消散、加速三个过程；该情况是指车辆在未完全减速为0时，排队已经开始消散，当v0≥tsl，pb时会出现；采用BPR模型来计算路段的通行时间；其中，t0为p路段在自由流状态下的通行时间，由式3可得xp为路段p的交通流量，Cp为路段p的实际通行能力，α和β是待定参数，路段p的通行时间tp计算如下： 其中，参数α和β的计算见式6～7，其中V0为自由流速度，与式3中的Vconst相等，xm为最大流量，Vm为最大流速度； 联立式5～7，求解得到路段p的通行时间tp；车辆在未完全减速为0时排队已经开始消散情况下的广义路段通行时间为： 因此，在下一路段存在排队的情况下，广义路段通行时间为： 基于式3与9，建立广义动态通行时间表；通过式3与9实时计算广义路段通行时间并填入表中，用以指导后续的A*改进算法的综合优先级函数构建；步骤2，构建基于A*改进算法的网联车辆动态路径规划算法：步骤2.1，构建综合优先级函数；根据期望规划路段数numExpEdge来界定考虑实时信息与历史信息结合的规划路段；其中，为平均路段长度，vj为路段平均堵塞速度； 前numExpEdge个交叉口的规划采用实时信息与历史信息结合的形式，将综合优先级函数中的代价gCu定义为在控制时刻j时距离ICV最近的未选择交叉口Ct的相邻交叉口Cu的广义路段通行时间，由广义动态通行时间表获得，而启发式函数hCu定为交叉口Cu与终点Cn的预计代价即启发函数，用广义动态通行时间表中的数值作为路阻，基于A*算法求解得出；在综合优先级函数的构建中需要考虑启发函数的影响，因此引入启发因子k来调整启发式函数的实时信息与历史信息的权重，启发因子k的范围为[0，1]，因此综合优先级函数fCu为式11，其中求和上限n＝numExpEdge，即期望规划路段数，表示在j时间段从交叉口Cu到交叉口Cn之间的所有可达路径各自的广义路段通行时间和； 而在前numExpEdge个交叉口后的路径则统一采用上一时刻的广义路段通行时间作为A*算法的路阻进行路径规划；步骤2.2，使用A*改进算法进行动态路径规划；假设在t时刻进行控制，首先在交通数据终端中更新该时刻的广义动态通行时间表，初始化两列表open与closed，从起点s开始，定位前方的交叉口Cf；把该交叉口Cf作为检查的节点，放入到open列表中，由于仅有一个元素，故直接放入closed列表中；然后寻找离这个交叉口Cf周围的所有邻近的检查节点，将其全部放入open列表中；根据广义动态通行时间表，计算综合优先级函数；以i是否小于numExpEdge为标准将交叉口分为实时、历史信息结合规划与历史信息规划；结合规划的交叉口将广义路段通行时间设置为起点到某一交叉口Co的代价值，而引入启发因子的交叉口Co到达终点交叉口Cn的代价值则设置为启发函数值，取fCo最小的交叉口Co作为下一段路径规划区域，然后，将交叉口Co放入closed列表中；而位于顺序在numExpEdge之后的交叉口则根据上一时刻广义动态通行时间表的信息进行路径规划；依次遍历交叉口，直至将终点放入closed列表中，完成迭代；最终closed列表中的所有交叉口构成了路径规划后的最优路径；而经过数次动态路径规划，网联车辆抵达终点后，控制结束；步骤3，构建基于引力场模型的网联车辆协同控制方法；车辆主要受到该车与前方车辆的虚拟作用力影响，但为了考虑速度对车队中各车辆加速度的影响，在引力场运动模型的基础上引入动量概念，构建出考虑动量的车队引力场运动模型；取车队中中间任意位置的车辆l进行分析，车辆l仅受车队中该车前方的车辆影响；假设车辆w为车辆l之前的任一车辆，则车辆l与车辆w的虚拟作用力Flwt见式12；其中，plt、pwt分别为车辆l、w在t时刻的动量，ml、mw分别为车辆l、w的质量，vlt、vwt分别为车辆l、w在t时刻的车速，llwt为车辆l与车辆w在t时刻的车间距，ζ为虚拟作用力参数； 此处预测在经过一个控制间隔Δt即t+Δt时刻时车辆l与车辆w的车间距llwt+Δt，如式13所示，用以指导在t时刻该车辆受虚拟作用力的方向；其中，Plt、Pwt分别为车辆l与w在t时刻的位置，alt、awt分别为车辆l与w在t时刻的加速度； 规定车辆l与车辆w的安全距离为当时，两车辆之间的虚拟作用力Flwt表现为吸引力： 当时，两车辆间的虚拟作用力Flwt表现为排斥力： t时刻车辆l受到的其他车辆虚拟作用力的合力Flt见式16； 车辆l在受到其他车的虚拟作用力后，更新后的加速度alt+Δt为： 对t+Δt时刻车辆l速度的更新见式18，基于t时刻的速度与加速度来调整；vlt+Δt＝vlt+altΔt18将式17所得到的加速度用以更新车队内的各车辆加速度，进而影响车辆的速度变化，从而实现协同控制；在控制系统对路网中的网联车辆进行步骤2的动态路径规划时，在车队内部通过步骤3的协同控制方法实现车队内各车辆的加速度与速度更新，从而实现更好的控制效果。

全文数据：

权利要求：

百度查询： 大连理工大学 交通运输部公路科学研究所 基于A星算法与引力场模型的网联车辆动态协同控制方法