基于虚拟引导泊位的链式CAV队列成形改进蜂拥控制方法

本发明属于无人驾驶，具体是一种基于虚拟引导泊位的无信号灯交叉口链式无人车队列成形改进蜂拥控制方法，简称一种基于虚拟引导泊位的链式cav队列成形改进蜂拥控制方法。

背景技术：

1、近年来，智能车队(platooning)作为一种高效、节能的先进驾驶模式，在学术界和工业界得到了越来越多的关注，并在部分业务场景中得到了小规模应用，如顺丰物流运输，机场摆渡车，京东agv无人搬运车等。目前针对智能车队的研究集中于交通信号清晰、行车规则明确的标准化道路场景，而对于部分缺少交通信号控制、行车规划模糊的非标准化道路场景则研究甚少。如图1所示，若干智能车队在进入无信号灯控制交叉口后，部分车辆可能退出原车队、汇入新车队，重新组合成若干新的智能车队后驶出交叉口。考虑到行驶通过交叉口的时间和空间有限，且缺乏明确的交通信号控制，如何实现智能车队在无信号控制交叉口中的高效分流和有序汇合，提供行车安全和交叉口通行效率，已成为当前亟待解决的难点和痛点问题。

2、当前针对智能车队(或智能车辆)安全、高效行驶通过无信号交叉口的研究工作相对较少。大致可分为以下三类：

3、(1)基于路径规划的交叉口调度优化，即对交叉口进行网格离散化处理后，利用dijkstra、a*等全局或局部路径优化算法对智能车辆的行驶路径进行优化。此类算法模型简单，搜索时间短，能在复杂环境下获得最短路径，但其应用场景大多在静态环境中，且某些参数采用人工选择，主观性强，存在一定的误差，不适用于移动车辆较多的路口调度场景，难以实现无信号灯交叉口无人车队列成形。

4、(2)基于车辆变道的动力学模型优化，即以智能车队中的某个单体智能车辆为研究对象，通过构建其在变道过程中的动力学模型，分析、设计相应的车辆稳定控制方法并拓展至智能车队在交叉口中的分流和聚合行为。此类队列稳定性控制方法大多仅限于车辆队列纵向控制，对于多车队列在弯道以及复杂环境下的控制研究相对较少，且多集中在简单的结构化直行道路，不适用于移动车辆较多的复杂路口无人车队列成形。

5、(3)基于群体智能的仿生优化控制，即通过模仿蚁群、蜂群等生物种群在群体活动中的社会行为，对智能车队在交叉口中的行为进行优化控制。此类方法对环境、参数和任务的变化具有较强的适用性和灵活性，对移动车辆较多的复杂路口场景调度适用性好，可在复杂环境下获得最短路径，但其全局搜索能力弱，寻优时间受个体分布的影响明显，且多数学者的研究在对智能车队(或智能车辆)进行仿生优化控制后未形成规则的链式队列，仍存在进一步提升无信号灯交叉口通行效率的空间。

6、由此可见，现有关于智能车队在交叉口的“分流-聚合”的解决方案在通行效率、操纵稳定性等方面均存在一定的瑕疵，距离在开放道路场景无信号控制交叉口的落地应用还有着较大的差距，存在进一步优化提升的空间。

7、考虑个体能力和控制目的等因素，多车队列系统可视为一种多智能体系统(multi-agent system，mas)，其队列成形控制属于多智能体编队控制，是一种典型的起源于仿生学的分布式协同控制方法。多智能体系统的蜂拥控制引发了各个领域的关注和研究，研究成果更是广泛的应用在海底自治潜艇、无人机编队、水下机器人编队等方面。

8、在多车智能体分布式协同控制中，“一致性”问题是其最基本的控制问题。当多个智能体按照特定的控制规律相互作用和相互影响，以达到个体状态的一致或共享时，我们通常称之为"一致性"。围绕“一致性”问题，学者们从各个角度展开了广泛的研究，取得了众多显著的进展和成果。早在1987年就有学者对其进行了刻画，提出分离、聚集和速度校核三大基本控制准则。2006年，olfati-saber提出了一类基于速度一致性结合人工势场函数的多智能体一致性控制算法，根据生物蜂拥现象建立了著名的boids计算机模型，提出分离、汇聚和速度一致三种规则。基于此，jond等考虑具有三种信息拓扑的多智能体系统，对车辆队列成形控制进行研究。fernando等在此基础上遵循分布式控制方案，根据“分流-聚集和速度对齐”集体行为规则对空中机器人群编队进行蜂拥控制，使多智能体系统达成速度共识的同时实时避碰。

9、从已有文献来看，国内学者孙宁等提出了一种基于增强型dijkstra算法的无信号交叉口智能车辆优化调度方案。综合考虑车辆在每个网格中的方向权值、安全权值和优先级权值，制定了动态网格权值赋值原则，进而搜索通行时间最短的路径；廉胤东等提出了一种基于视觉引导多agv系统的改进a*路径规划算法，将agv在运动时产生的动态时间耗费作为参考指标，实现多agv在路径网络中的路径规划和冲突避让策略,提高了固定路网资源的利用效率；张卫波等提出了一种同心圆快速搜索随机树(rrt)算法，利用同心圆采样策略减少路径规划所需时间，在邻近点选择方法中考虑车辆姿态等因素，空间路径搜索能力强，提高了复杂环境下智能车辆路径规划的质量，但在高维复杂环境中计算耗时长、复杂度高且容易陷入局部最优。

10、徐利伟等基于分布式分层控制方法，深入研究多智能体群集编队控制机理，探索车辆动力学系统稳定性与多智能体编队控制间的耦合关系，保证多车队列系统编队的稳定性和高效性；乔奉亮等基于前向-领航式通信拓扑结构和模型预测分层控制方法对无信号灯交叉口多车队列控制策略进行研究，通过优化车辆间隙，消解车辆间的路权冲突，实现车辆的间隙通行和更多相位的同时通行，进一步提高了无信号灯交叉口多车队列通行效率。

11、li等基于改进的遗传算法对交叉口车辆通行顺序进行决策，并计算最优车辆轨迹，降低了交叉口的平均通行时间延迟；汪贵庆等基于精英蚁群算法对交叉口最优通信路径进行选择，有效提升了交叉口通行效率；也有众多学者将一些新的思想融入了多智能体系统的蜂拥控制，例如牵引控制，自适应动态规划等。高晶英等基于牵引控制的思想，利用智能体之间的信息交互实现群体中绝大多数智能体的蜂拥，该控制方法在复杂的运动情况下具有较好的适用性。赵玉炀等基于自适应动态规划对多智能体系统的在线最优一致性控制算法展开研究，借助神经网络对一致性控制算法进行优化，进一步提升了多智能体编队的稳定规划和跟踪；也有学者利用其他的仿生类算法对无人车进行编队控制，支奕琛等利用改进鸽群算法与领航跟随法实现无人车的编队控制，在算法地磁算子中加入相应的权重指标，提高算法在整体路径中的规划效率，实现了无人车以设定的队形运动。

12、在无人机及机器人编队等方面，李思远等针对卫星集群的无碰撞协同运动问题，结合人工势场法设计了一种改进的蜂拥控制策略，实现了星群的无碰撞群体运动,达到渐近稳定。carlos等针对在机器人网络实现时变编队和成群行为的问题，引入“虚拟速度”的概念，提出了时变机器人编队的蜂拥控制算法，采用分层控制思想实现机器人的蜂拥。郑蓝翔等提出一种基于视野的蜂拥控制策略，保证了无人机集群在避免内部碰撞和规避障碍物的同时高效的完成蜂拥。符小卫等根据一致性理论设计基于集群各无人机之间、无人机与虚拟领导者之间的位置、速度一致性控制律，结合人工势场法实现躲避动态障碍物下集群队形的形成与保持。然而，大多数学者的研究在对多无人车智能体系统进行蜂拥控制后不能形成规则的链式队列。且众多学者的研究因为算法条件比较理想，并不适用于无信号灯交叉口多无人车智能体系统通讯能力以及cav通讯半径有限的情况。

技术实现思路

1、本发明所要解决的技术问题是针对智能网联无人车队在通过无信号灯交叉口时编队稳定性差、通行效率低等难题提供一种基于虚拟引导泊位的链式cav队列成形改进蜂拥控制方法，本方法以智能网联无人车队为研究对象，对传统的人工势能函数进行改进，利用非线性函数关系描述多无人车智能体系统中各无人车之间的作用力，其次，为解决人工势能函数法实现位置距离控制带来的局部最优“分块”问题并形成规则的链式队列，设计了基于多虚拟引导泊位的链式无人车队列成形改进蜂拥控制算法，该算法稳定性高，实现了不同初始状态、不同数量的智能网联无人车安全，迅速，稳定的约束为规则的链式队列(单/双链)后驶出无信号灯交叉口，且所有无人车辆在完成蜂拥过程中保持合理间距、避碰的同时速度渐进达成一致，实现了智能网联无人车队列编队的稳定规划和跟踪，对提高无人车队列行驶安全性以及道路通行效率具有重要意义。

2、为实现上述技术目的，本发明采取的技术方案为：

3、一种基于虚拟引导泊位的链式cav队列成形改进蜂拥控制方法，包括：

4、步骤1、在无信号灯控制交叉路口，包含若干智能网联无人车队，若干智能网联无人车队内的智能网联车辆cav共有n个，智能网联车辆cav简称车辆，n个车辆构成多无人车智能体系统；

5、步骤2、每个车辆具有不同的初始状态，其动力学方程如下：

6、

7、式中，表示车辆vi在t时刻的位置向量；表示车辆vi在t时刻的速度向量；ui(t)表示车辆vi在t时刻的控制输入；

8、步骤3、设车辆vi的无线广播覆盖范围是一个以车辆自身重心为原点，半径为r的圆形区域，在车辆vi的无线广播覆盖范围内的所有车辆均与车辆vi无线通信连接，所有位于上述圆形区域的车辆构成了在当前t时刻车辆vi的邻集ni(t)；

9、步骤4、依据车辆vi与相邻集ni(t)中车辆之间的存在连边状态，刻画t时刻的系统网络图mi(t)以及相应的连接矩阵ci(t)；

10、步骤5、为每个车辆虚拟一个可移动的虚拟引导泊位，不同初始状态的n辆车辆相对应的虚拟引导泊位的数量为m，虚拟引导泊位的动力学方程如下：

11、

12、式中，表示车辆vi相对应的虚拟引导泊位在t时刻的位置向量；表示车辆vi相对应的虚拟引导泊位在t时刻的速度向量；表示车辆vi相对应的虚拟引导泊位在t时刻的加速度向量；

13、步骤6、对m个虚拟引导泊位的初始位置和初始速度进行初始化设置，且无信号灯控制交叉路口内上的n个车辆具有不同的初始位置和速度；

14、步骤7、计算车辆vi和车辆vj的虚拟作用力函数：

15、

16、其中，式(3)中的自变量x表示车辆vi和车辆vj的σ范数距离，ρh(·)表示借助凹凸函数构造的距离碰撞势函数，其是一个在0和1之间平滑变化的标量函数；θa、θb、θc表示系数常量，且满足0＜θa＜θb、||r||表示车辆感知半径r的σ范数；||d||表示各车辆之间需要保持的理想距离d的σ范数；

17、

18、式中，h表示用于确定空间领域中受到势能力场影响最大的区域；在区域[0,h]内，当ρh(x)＝1，车辆受到虚拟作用力函数的影响最大；在区域[0,h]以外，ρh(x)由1递减至0，则也相应地递减至0；

19、步骤8、计算出车辆vi在t时刻的控制输入：

20、

21、式中，表示qi(t-1)指向qj(t-1)的方向向量，参数ε表示σ范数距离计算常量，且满足ε＞0；均表示正常数；表示车辆vi和车辆vj的虚拟作用力函数，||qj(t-1)-qi(t-1)||表示t-1时刻车辆vi和车辆vj的σ范数距离；表示多无人车智能体系统网络图mi(t-1)相应的连接矩阵ci(t-1)第i行第j列的元素；

22、步骤9：

23、(9.1)、不断更新所有虚拟引导泊位的位置向量以及速度向量，进而优化每个虚拟引导泊位在无信号灯控制交叉路口的移动轨迹；

24、(9.2)、车辆vi根据接收到的虚拟引导泊位以及车辆vi的邻集内的车辆在某时刻的位置信息和速度信息，按照步骤8中的公式(5)实时调整下一时刻自身的控制输入，进而按照步骤2中的公式(1)更新自身的位置和速度；

25、(9.3)将所有车辆均按照步骤(9.2)的方法更新自身的位置和速度，最终将所有车辆分别引导至相对应的虚拟引导泊位上。

26、作为本发明进一步改进的技术方案，在无信号灯控制交叉路口，设置有路测单元rsu，路测单元rsu与智能网联车辆cav无线通信连接；

27、所述步骤5中，通过路测单元rsu为每个车辆虚拟一个可移动的虚拟引导泊位；所述步骤6中，通过路测单元rsu对m个虚拟引导泊位的初始位置和初始速度进行初始化设置；所述步骤9中，通过路测单元rsu不断更新所有虚拟引导泊位的位置向量以及速度向量，进而优化每个虚拟引导泊位在无信号灯控制交叉路口的移动轨迹。

28、作为本发明进一步改进的技术方案，所述步骤9中，车辆vi接收路测单元rsu发送的与车辆vi相对应的虚拟引导泊位在某时刻的位置信息和速度信息，并接收车辆vi邻集内的车辆发送的自身在某时刻的位置信息和速度信息，按照步骤8中的公式(5)实时调整下一时刻自身的控制输入。

29、作为本发明进一步改进的技术方案，所述的步骤9中，当满足下面公式时，即将所有车辆分别引导至相对应的虚拟引导泊位上；

30、

31、

32、

33、其中，式(6)表示最小化n个车辆与其相对应虚拟引导泊位在当前t时刻的位置偏差均值式(6a)、(6b)为约束条件；pi(t)表示车辆vi在t时刻的速度向量；表示车辆vi相对应的虚拟引导泊位在t时刻的速度向量；||qi(t)-qj(t)||表示t时刻车辆vi和车辆vj之间的σ范数距离，qt表示若干智能网联无人车队中n个车辆在t时刻的位置信息，qt＝{q1(t),q2(t),q3(t),…,qn(t)}；表示n个车辆相对应的虚拟引导泊位在t时刻的位置信息，

34、

35、

36、δi(t)表示车辆vi与相对应的虚拟引导泊位在当前t时刻的位置偏差，也即车辆vi与相对应的虚拟引导泊位在当前t时刻的σ范数距离。

37、本发明的有益效果为：

38、(1)本文以cavp为研究对象，首先，利用数学优化模型准确刻画无信号灯交叉口cav队列约束成形过程；其次，对传统的人工势能函数进行改进，实现了无信号灯交叉口链式无人车队列成形过程cav距离控制；结合改进型人工势能函数，设计了基于多虚拟引导泊位的链式无人车队列成形改进蜂拥控制算法，解决了因借助人工势能函数法实现位置距离控制带来的局部最优“分块”问题，创新性的实现了无信号灯交叉口cav链式单、双队列约束成形控制，提高了多车队列约束成形蜂拥控制的效率和稳定性，提高了分布式控制理论研究成果在汽车智能交通方面研究的极限；

39、(2)本发明引入虚拟引导泊位vp的概念，使用具有虚拟引导泊位的多智能体蜂拥控制算法将交叉口不同初始状态的cav安全，迅速，稳定的约束为规则的链式队列后驶出交叉口，有效提高了无人车队列行驶安全性，提升了交叉口空间利用率以及交通运输效率，对于未来cavp在交通运输领域的应用及其推广具有重要意义。

40、(3)当系统中具备多个vp时，不同初始状态的cav可以安全，迅速，稳定的约束为规则的链式队列后驶出交叉口，且所有车辆在完成蜂拥过程中保持合理间距，速度渐进达成一致的同时避碰；实现了cav队列编队的稳定规划和跟踪，有效解决了网联化无人车队在通过无信号灯交叉口时编队稳定性差、通行效率低等问题；同时，也适用于无信号灯交叉口多无人车智能体系统通讯能力以及cav通讯半径有限的情况。