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！

龙图腾网恭喜同济大学申请的专利一种智能网联车辆交叉口生态驾驶控制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116206447B 。

龙图腾网通过国家知识产权局官网在2025-03-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310167370.3，技术领域涉及：G08G1/01；该发明授权一种智能网联车辆交叉口生态驾驶控制方法是由胡笳;冯永威;张子晗;王浩然设计研发完成，并于2023-02-24向国家知识产权局提交的专利申请。

本一种智能网联车辆交叉口生态驾驶控制方法在说明书摘要公布了：本发明涉及一种智能网联车辆交叉口生态驾驶控制方法，包括：基于GPS技术与V2I通信，实时采集交通信息；基于模拟采样的车辆轨迹数据，全局线性化车辆动力学模型；结合交叉口信号配时约束以及全局线性化车辆动力学模型，以作为约束条件，构建基于空间域的生态驾驶优化控制模型；基于模型预测控制技术，将实时采集的交通信息输入生态驾驶优化控制模型，通过迭代动态求解，实时规划生成生态驾驶最优运动轨迹，并实时更新优化自动驾驶控制指令，使车辆按照生态驾驶最优运动轨迹行驶。与现有技术相比，本发明能够精确、快速地对智能网联车辆行驶轨迹进行决策规划，从而实现智能网联车辆在城市交叉口的高效、绿色通行。

本发明授权一种智能网联车辆交叉口生态驾驶控制方法在权利要求书中公布了：1.一种智能网联车辆交叉口生态驾驶控制方法，其特征在于，包括以下步骤：S1、基于GPS技术与V2I通信，实时采集交通信息；S2、基于模拟采样的车辆轨迹数据，全局线性化车辆动力学模型；S3、结合交叉口信号配时约束以及全局线性化车辆动力学模型，以作为约束条件，构建基于空间域的生态驾驶优化控制模型；S4、基于模型预测控制技术，将实时采集的交通信息输入生态驾驶优化控制模型，通过迭代动态求解，实时规划生成生态驾驶最优运动轨迹，并实时更新优化自动驾驶控制指令，使车辆按照生态驾驶最优运动轨迹行驶；所述步骤S2具体是采用纵横向高度耦合的非线性动力学模型离线模拟采样轨迹数据，并基于Koopman算子，以模拟采样轨迹数据作为输入，全局线性化车辆动力学模型；所述步骤S2包括以下步骤：S21、基函数向量选取与状态向量的扩增；非线性车辆动力学模型为xk+1＝fxk，uk，其中，表示为在第k时刻的车辆状态向量，包含车辆的纵横向位置坐标、纵横向速度、偏航角以及偏航角速度，为第k时刻的车辆控制输入向量，包含车辆的加速度与前轮转角；根据Koopman线性算子理论，通过扩增状态向量xk的维度使原非线性动力学模型趋于线性化，即存在线性算子与基函数φ，使下式成立： 选取径向基函数ψ与线性函数的组合作为基函数φ，即 其中，ψixk＝||xk-xi||2log||xk-xi||，xi为随机选取的参数向量；则原状态向量扩增为zk＝xk，ψ1xk，…，ψNxk；记线性Koopman算子则非线性动力系统xk+1＝fxk，uk转化为线性动力系统zk+1＝Azk+Buk，A，B均为待求的参数矩阵；S22、轨迹数据离线模拟采样；基于虚拟仿真平台，在可行范围内随机产生K个控制输入u，K＞＞n，m，N，构成控制输入数据集合U＝[u1，...，uk，...，uK]，将U中的控制输入按次序依次作用于非线性动力学系统xk+1＝fxk，uk，则得到状态序列X＝[x1，...，xk，...，xK+1]，将状态序列依次代入径向基函数，则可得到扩充状态序列Z＝[z1，...，zk，...，zK]及Y＝[z2，...，zk，...，zK+1]；S23、车辆动力学模型全局线性化；利用最小二乘问题描述线性动力学系统的待定参数矩阵A，B： 该最小二乘问题的解为进而将模拟采样的轨迹数据代入该式，得到参数矩阵A，B，即完成非线性车辆动力学模型的全局线性化；所述步骤S3具体包括以下步骤：S31、考虑智能网联车辆的能耗与机动性，构建模型成本函数；S32、根据当前信号灯的状态，按照红灯和绿灯两类状态，建立对应的信号配时约束；S33、考虑智能网联车辆在交叉口通行的空间固定性，将时间域模型转化为空间域模型，以车辆纵向位置作为底层变量、以时间作为系统状态变量，构建出构建基于空间域的生态驾驶优化控制模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人同济大学，其通讯地址为：200092 上海市杨浦区四平路1239号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。