交叉口环境下的机动车行进引导速度优化方法和系统

1.本发明涉及智能交通技术领域，特别是涉及一种交叉口环境下的机动车行进引导速度优化方法和系统。


背景技术：

2.当前，中国机动化与城市化水平快速提高，交通堵塞等问题也更加显著，对人们的出行质量带来了极大的负面影响。城市交通系统中的信号交叉口，车辆的频繁启动和加减速会导致高油耗和重尾气污染，因此进行车辆速度优化对于减少车辆启停次数、提高燃油效率有着重要意义。
3.从目前的研究情况来看，对于信号灯道路尤其是交通路口区域的高油耗问题的解决方法有多种。例如基于多级可变速度限制的绿色驾驶系统，针对城市路网中的信号交叉口区域，可实时发布速度限制值，并能二次调整车速，从而减少延误并降低油耗与污染排放。而一种通过近似计算发动机燃油切断周期和相应减速率，计算速度与临界距离之间的期望停车策略的方法，被证实能够降低油耗。基于动态规划和最优控制理论的方法则兼顾不同交叉口设置不同限速的场景，提出了一种多信号交叉口工况的节油驾驶策略。基于粒子群优化算法的协同自适应巡航控制算法则将巡航、加速和减速车辆分为三类车队，可兼顾车辆的安全性和低油耗等方面。以上方法多数都是基于单个路口的情况，仅使用当前车辆到路口的距离以及该路口信号灯的信息，而目前缺少利用多个信号交叉口的信息对车辆速度进行联合优化的方法。


技术实现要素：

4.本发明的目的是提供一种交叉口环境下的机动车行进引导速度优化方法和系统，能够引导车辆不停车通过前方信号交叉口，同时降低燃油消耗。
5.为实现上述目的，本发明提供了如下方案：
6.一种交叉口环境下的机动车行进引导速度优化方法，包括：
7.获取道路状态信息并实时采集目标车辆的车辆状态信息；所述道路状态信息包括目标车辆前方第r个信号交叉口相对目标车辆的距离、信号灯相位信息和道路最高限速；所述车辆状态信息包括当前车速；
8.以最小化燃油消耗为优化目标，采用优化算法对车辆燃油消耗模型进行优化，获得目标车辆从当前位置到达第r个信号交叉口的加速度时间序列；所述车辆燃油消耗模型的约束条件根据所述道路状态信息生成；
9.根据所述加速度时间序列和当前车速，确定目标车辆从当前位置到达第r个信号交叉口的速度序列。
10.可选地，所述优化算法为布谷鸟算法。
11.可选地，所述以最小化燃油消耗为优化目标，采用优化算法对车辆燃油消耗模型进行优化，获得目标车辆从当前位置到达第r个信号交叉口的加速度时间序列，具体包括：
12.种群初始化：生成k个符合所述约束条件的解作为初始种群，初始化种群迭代次数g＝1；各解均为时间序列下的加速度；
13.利用莱维飞行公式对每个解进行更新；
14.对于当前代种群，保留更新后与更新前的解中适应度高的解，作为当前第一组解；
15.根据发现概率放弃所述第一组解中一部分解，剩余解构成当前第二组解的第一部分，通过偏好随机漫步方法生成新解，构成当前第二组解的第二部分；
16.计算当前第一组解和当前第二组解中每个解的适应度，保留对应位置适应度高的解，得到当前第三组解；
17.获取当前第三组解中适应度最高的解，以及当前适应度最高的解对应的燃油消耗；
18.计算当前代之前的代所有燃油消耗的平均值；
19.若所述平均值与当前代的燃油消耗之差小于收敛阈值或者迭代次数大于预设最高次数，则结束迭代，将当前代的解作为加速度时间序列输出；否则迭代次数加1，将第三组解作为下次迭代的初始解，返回利用莱维飞行公式对每个解进行更新的步骤进行下一次迭代。
20.可选地，所述信号灯相位信息包括前方第r个信号交叉口的信号灯周期时长、首个绿灯的起始时间和首个绿灯的结束时间；
21.所述目标车辆的运动学方程表示为：
[0022][0023][0024]
其中，δt＝t
n-t
n-1
为单个时隙长度，x(tn)为目标车辆在时刻tn相对起点的距离，x(t
n-1
)为目标车辆在时刻t
n-1
相对起点的距离，v(tn)为目标车辆在时刻tn时的速度，v(t
n-1
)为目标车辆在时刻t
n-1
时的速度，a(t
n-1
)为目标车辆在时刻t
n-1
时的加速度，为时隙集合；
[0025]
所述约束条件包括速度约束、加速度约束和绿灯通过约束；
[0026]
所述速度约束表示为：v
min
≤v(tn)≤v
max
；
[0027]
所述加速度约束表示为：a
min
≤a(tn)≤a
max
；
[0028]
所述绿灯通过约束表示为：sr+(i-1)tr≤qr≤er+(i-1)tr；
[0029]
其中，v(tn)表示目标车辆在tn时刻的速度，v
min
为最低速度限制，v
max
为道路最高限速，a(tn)表示目标车辆在tn时刻的加速度，a
min
＜0为最大制动加速度，a
max
为最大加速度，qr表示目标车辆通过第r个信号交叉口停止线的时刻，i表示qr所在的信号周期序号，sr表示第r个信号交叉口的首个绿灯的起始时间，er表示第r个信号交叉口的首个绿灯的结束时间，tr表示第r个信号交叉口的信号灯周期时长。
[0030]
可选地，所述最低速度限制为20km/h，所述最大制动加速度为-1.5m/s2，所述最大加速度为1.5m/s2。
[0031]
可选地，所述车辆燃油消耗模型为vt-micro模型。
[0032]
可选地，所述实时采集目标车辆的车辆状态信息，具体包括：
[0033]
通过车载gps模块实时获取目标车辆的位置；
[0034]
根据实时获取的目标车辆位置计算出当前车速。
[0035]
本发明公开了一种交叉口环境下的机动车行进引导速度优化系统，包括：
[0036]
道路状态和车辆状态获取模块，用于获取道路状态信息并实时采集目标车辆的车辆状态信息；所述道路状态信息包括目标车辆前方第r个信号交叉口相对目标车辆的距离、信号灯相位信息和道路最高限速；所述车辆状态信息包括当前车速；
[0037]
加速度时间序列确定模块，用于以最小化燃油消耗为优化目标，采用优化算法对车辆燃油消耗模型进行优化，获得目标车辆从当前位置到达第r个信号交叉口的加速度时间序列；所述车辆燃油消耗模型的约束条件根据所述道路状态信息生成；
[0038]
速度序列确定模块，用于根据所述加速度时间序列和当前车速，确定目标车辆从当前位置到达第r个信号交叉口的速度序列。
[0039]
根据本发明提供的具体实施例，本发明公开了以下技术效果：
[0040]
本发明以最小化燃油消耗为优化目标，在满足约束条件的情况下，采用优化算法对车辆燃油消耗模型进行优化，获得目标车辆从当前位置到达第r个信号交叉口的加速度时间序列，从而在保证燃油消耗最低的情况下，引导车辆不停车通过路口。
附图说明
[0041]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0042]
图1为本发明实施例提供的一种交叉口环境下的机动车行进引导速度优化方法流程示意图；
[0043]
图2为本发明实施例提供的一种交叉口环境下的机动车行进引导速度优化方法的原理流程示意图；
[0044]
图3为本发明实施例提供的一种交叉口环境下的机动车行进引导速度优化方法的应用场景示意图；
[0045]
图4为本发明实施例提供的一种交叉口环境下的机动车行进引导速度优化系统结构示意图。
具体实施方式
[0046]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0047]
本发明的目的是提供一种交叉口环境下的机动车行进引导速度优化方法和系统，能够引导车辆不停车通过前方信号交叉口，同时降低燃油消耗。
[0048]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
[0049]
实施例1
[0050]
如图1和图2所示，本发明实施例提供了一种交叉口环境下的机动车行进引导速度优化方法，具体包括以下步骤。
[0051]
步骤101：获取道路状态信息并实时采集目标车辆的车辆状态信息；所述道路状态信息包括目标车辆前方第r个信号交叉口相对目标车辆的距离、信号灯相位信息和道路最高限速；所述车辆状态信息包括当前车速。
[0052]
其中，目标车辆前方第r个信号交叉口相对目标车辆的距离用于计算后续车辆的行进速度。当车辆行驶至某一处，获知前方多个信号灯与车辆当前位置(假设为0点)的距离。例如，前方4个信号灯路口的距离分别为500米，1000，1500，2000米。结合四个信号灯的相位信息，可以计算出一条最小油耗轨迹(即车辆行进速度曲线)。相比于只考虑单个路口的区别是，单个路口只需要考虑当前路口的最优轨迹，但却可能导致汽车后续通行的表现变差。而这样的多个路口距离可以“联合”考虑更长的距离范围。
[0053]
所述车辆状态信息还包括目标车辆的号牌、加速度和位置信息。
[0054]
信号灯相位信息包括前方第r个信号交叉口的信号灯周期时长tr、首个绿灯的起始时间sr和首个绿灯的结束时间er。
[0055]
本发明实施例的应用场景如图3所示。
[0056]
其中，步骤101中，通过车载设备获取道路状态信息并实时采集目标车辆的车辆状态信息。车载设备包括车载gps模块。
[0057]
车载设备用于预先获取或者实时下载道路状态信息，具体包括：车载设备包括获取信号灯相位信息的数据接口，若信号灯相位信息发生变化，数据接口会向车载设备发生信号灯相位信息变化信号，当车载设备接收到信号灯相位信息变化信号后，通过数据接口实时下载道路状态信息，若信号灯相位信息没有发生变化，则采用预先获取的信号灯相位信息。
[0058]
所述实时采集目标车辆的车辆状态信息具体包括：
[0059]
通过车载gps模块实时获取目标车辆的位置。
[0060]
根据实时获取的目标车辆位置计算出当前车速和加速度。
[0061]
步骤102：以最小化燃油消耗为优化目标，采用优化算法对车辆燃油消耗模型进行优化，获得目标车辆从当前位置到达第r个信号交叉口的加速度时间序列；所述车辆燃油消耗模型的约束条件根据所述道路状态信息生成。
[0062]
所述车辆燃油消耗模型为vt-micro模型，用于计算车辆油耗。
[0063]
其中，步骤102中所述优化算法为布谷鸟算法，步骤102具体包括：
[0064]
将车辆加速度时间序列(各时刻加速度)表示为解，其中时隙总数n表示解的维数，a1表示第1个时刻的加速度，a2表示第2个时刻的加速度，an表示第n个时刻的加速度。
[0065]
种群初始化：生成k个符合所述约束条件的解作为初始种群，初始化种群迭代次数g＝1；各解均为时间序列下的加速度。
[0066]
利用莱维飞行公式对每个解进行更新：
[0067][0068]
其中，表示k(k＝1，2，3，...，k)个解在第g代的位置，表示点乘，α表示步长控
制量，取α＝1，levy(λ)为莱维随机搜索路径，λ表示随机步长。
[0069]
对于当前代种群，保留更新后与更新前的解中适应度高的解，作为当前第一组解。
[0070]
根据发现概率放弃所述第一组解中一部分解，剩余解构成当前第二组解的第一部分，通过偏好随机漫步方法生成新解，构成当前第二组解的第二部分。根据发现概率放弃一部分解，具体包括：将随机概率小于发现概率值的解放弃。通过偏好随机漫步生成的新解的公式表示为：
[0071][0072]
其中，表示k个解在第g+1代的位置，r和ε是服从均匀分布的随机数，heaviside(
·
)是阶跃函数，和是任意选取的两个解，pa表示发现概率。
[0073]
计算当前第一组解和当前第二组解中每个解的适应度，保留对应位置适应度高的解，得到当前第三组解。
[0074]
获取当前第三组解中适应度最高的解f(k)，以及当前适应度最高的解对应的燃油消耗
[0075]
计算当前代之前的代所有燃油消耗的平均值：
[0076][0077]
判断是否满足，其中ε
′
＞0为收敛阈值；如果满足，则可以认为优化算法已经收敛，结束迭代，输出f(k)最高的解为最优解；否则，迭代次数加一，将第三组解作为下次迭代的初始解，返回利用莱维飞行公式对每个解进行更新的步骤，进行下一次迭代。
[0078]
判断当前迭代次数g是否已达最高次数g，如果满足g＞g，则结束迭代，并且输出f(k)最高的解为最优解；否则，迭代次数加1，将第三组解作为下次迭代的初始解，返回利用莱维飞行公式对每个解进行更新的步骤，进行下一次迭代。
[0079]
所述约束条件包括速度约束、加速度约束和绿灯通过约束。
[0080]
将系统模型进行时间离散化处理，即将车辆行进时间分割为若干时隙
[0081]
其中，其中代表向上取整函数。例如最远的红绿灯是l＝1000m，道路最低限速v
min
为5m/s，那么n就是200s，也就是说车辆最慢用200s就可以走完这段路程，就最多需要考虑这200s。
[0082]
目标车辆的运动学方程表示为：
[0083][0084][0085]
其中，δt＝t
n-t
n-1
为单个时隙长度，x(tn)为车辆在时刻tn相对起点的距离。
[0086]
所述速度约束表示为：v
min
≤v(tn)≤v
max
。
[0087]
所述加速度约束表示为：a
min
≤a(tn)≤a
max
。
[0088]
所述绿灯通过约束表示为：sr+(i-1)tr≤qr≤er+(i-1)tr。
[0089]
其中，v(tn)表示目标车辆在tn时刻的速度，v
min
为最低速度限制，v
max
为道路最高限速(最高速度限制)，a(tn)表示目标车辆在tn时刻的加速度，a
min
＜0为最大制动加速度，a
max
为最大加速度，qr表示目标车辆通过第r个信号交叉口停止线的时刻，i表示qr所在的信号周期序号，sr表示第r个信号交叉口的首个绿灯的起始时间，er表示第r个信号交叉口的首个绿灯的结束时间，tr表示第r个信号交叉口的信号灯周期时长。
[0090]
所述最低速度限制为20km/h，所述最大制动加速度为-1.5m/s2，所述最大加速度为1.5m/s2。
[0091]
步骤103：根据所述加速度时间序列和当前车速，确定目标车辆从当前位置到达第r个信号交叉口的速度序列。
[0092]
步骤103获得的速度序列作为目标车辆行进速度的优化引导信息。
[0093]
车载设备显示计算得到的车辆行进速度的优化引导信息，引导驾驶员合理调整速度，有效通过前方的多信号交叉口，具体包括：车载设备根据道路状态信息，计算目标车辆能够在绿灯时刻通过前方信号交叉口的速度范围，并且显示在车辆仪表盘上，以绿色区域表示可绿灯通行的速度范围，红色区域表示需要停车等待的速度范围。
[0094]
本发明使用车载设备，以最小化车辆油耗为目标，在遵守速度和加速度限制、绿灯相位通过约束等条件下，采用布谷鸟算法求解各时刻车辆的最优行驶速度，从而获取使得燃油消耗最低的轨迹，引导车辆不停车通过路口，并且能够提升行驶平顺性，实现了避免停车同时降低油耗的技术效果。
[0095]
实施例2
[0096]
如图4所示，本发明实施例提供了一种交叉口环境下的机动车行进引导速度优化系统，包括：
[0097]
道路状态和车辆状态获取模块201，用于获取道路状态信息并实时采集目标车辆的车辆状态信息；所述道路状态信息包括目标车辆前方第r个信号交叉口相对目标车辆的距离、信号灯相位信息和道路最高限速；所述车辆状态信息包括当前车速。
[0098]
加速度时间序列确定模块202，用于以最小化燃油消耗为优化目标，采用优化算法对车辆燃油消耗模型进行优化，获得目标车辆从当前位置到达第r个信号交叉口的加速度时间序列；所述车辆燃油消耗模型的约束条件根据所述道路状态信息生成。
[0099]
速度序列确定模块203，用于根据所述加速度时间序列和当前车速，确定目标车辆从当前位置到达第r个信号交叉口的速度序列。
[0100]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0101]
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

技术特征：
1.一种交叉口环境下的机动车行进引导速度优化方法，其特征在于，包括：获取道路状态信息并实时采集目标车辆的车辆状态信息；所述道路状态信息包括目标车辆前方第r个信号交叉口相对目标车辆的距离、信号灯相位信息和道路最高限速；所述车辆状态信息包括当前车速；以最小化燃油消耗为优化目标，采用优化算法对车辆燃油消耗模型进行优化，获得目标车辆从当前位置到达第r个信号交叉口的加速度时间序列；所述车辆燃油消耗模型的约束条件根据所述道路状态信息生成；根据所述加速度时间序列和当前车速，确定目标车辆从当前位置到达第r个信号交叉口的速度序列。2.根据权利要求1所述的交叉口环境下的机动车行进引导速度优化方法，其特征在于，所述优化算法为布谷鸟算法。3.根据权利要求1所述的交叉口环境下的机动车行进引导速度优化方法，其特征在于，所述以最小化燃油消耗为优化目标，采用优化算法对车辆燃油消耗模型进行优化，获得目标车辆从当前位置到达第r个信号交叉口的加速度时间序列，具体包括：种群初始化：生成k个符合所述约束条件的解作为初始种群，初始化种群迭代次数g＝1；各解均为时间序列下的加速度；利用莱维飞行公式对每个解进行更新；对于当前代种群，保留更新后与更新前的解中适应度高的解，作为当前第一组解；根据发现概率放弃所述第一组解中一部分解，剩余解构成当前第二组解的第一部分，通过偏好随机漫步方法生成新解，构成当前第二组解的第二部分；计算当前第一组解和当前第二组解中每个解的适应度，保留对应位置适应度高的解，得到当前第三组解；获取当前第三组解中适应度最高的解，以及当前适应度最高的解对应的燃油消耗；计算当前代之前的代所有燃油消耗的平均值；若所述平均值与当前代的燃油消耗之差小于收敛阈值或者迭代次数大于预设最高次数，则结束迭代，将当前代的解作为加速度时间序列输出；否则迭代次数加1，将第三组解作为下次迭代的初始解，返回利用莱维飞行公式对每个解进行更新的步骤进行下一次迭代。4.根据权利要求1所述的交叉口环境下的机动车行进引导速度优化方法，其特征在于，所述信号灯相位信息包括前方第r个信号交叉口的信号灯周期时长、首个绿灯的起始时间和首个绿灯的结束时间；所述目标车辆的运动学方程表示为：所述目标车辆的运动学方程表示为：其中，δt＝t
n-t
n-1
为单个时隙长度，x(tn)为目标车辆在时刻t
n
相对起点的距离，x(tn-1)为目标车辆在时刻t
n-1
相对起点的距离，v(t
n
)为目标车辆在时刻t
n
时的速度，v(t
n-1
)为目标车辆在时刻t
n-1
时的速度，a(t
n-1
)为目标车辆在时刻t
n-1
时的加速度，为时隙集合；所述约束条件包括速度约束、加速度约束和绿灯通过约束；所述速度约束表示为：v
min
≤v(t
n
)≤v
max
；
所述加速度约束表示为：a
min
≤a(t
n
)≤a
max
；所述绿灯通过约束表示为：s
r
+(i-1)t
r
≤q
r
≤e
r
+(i-1)t
r
；其中，v(t
n
)表示目标车辆在t
n
时刻的速度，v
min
为最低速度限制，v
max
为道路最高限速，a(t
n
)表示目标车辆在t
n
时刻的加速度，a
min
＜0为最大制动加速度，a
max
为最大加速度，q
r
表示目标车辆通过第r个信号交叉口停止线的时刻，i表示q
r
所在的信号周期序号，s
r
表示第r个信号交叉口的首个绿灯的起始时间，e
r
表示第r个信号交叉口的首个绿灯的结束时间，t
r
表示第r个信号交叉口的信号灯周期时长。5.根据权利要求4所述的交叉口环境下的机动车行进引导速度优化方法，其特征在于，所述最低速度限制为20km/h，所述最大制动加速度为-1.5m/s2，所述最大加速度为1.5m/s2。6.根据权利要求1所述的交叉口环境下的机动车行进引导速度优化方法，其特征在于，所述车辆燃油消耗模型为vt-micro模型。7.根据权利要求1所述的交叉口环境下的机动车行进引导速度优化方法，其特征在于，所述实时采集目标车辆的车辆状态信息，具体包括：通过车载gps模块实时获取目标车辆的位置；根据实时获取的目标车辆位置计算出当前车速。8.一种交叉口环境下的机动车行进引导速度优化系统，其特征在于，包括：道路状态和车辆状态获取模块，用于获取道路状态信息并实时采集目标车辆的车辆状态信息；所述道路状态信息包括目标车辆前方第r个信号交叉口相对目标车辆的距离、信号灯相位信息和道路最高限速；所述车辆状态信息包括当前车速；加速度时间序列确定模块，用于以最小化燃油消耗为优化目标，采用优化算法对车辆燃油消耗模型进行优化，获得目标车辆从当前位置到达第r个信号交叉口的加速度时间序列；所述车辆燃油消耗模型的约束条件根据所述道路状态信息生成；速度序列确定模块，用于根据所述加速度时间序列和当前车速，确定目标车辆从当前位置到达第r个信号交叉口的速度序列。

技术总结
本发明公开一种交叉口环境下的机动车行进引导速度优化方法及系统，涉及智能交通技术领域，该方法包括：获取道路状态信息并实时采集目标车辆的车辆状态信息；道路状态信息包括目标车辆前方第r个信号交叉口相对目标车辆的距离、信号灯相位信息和道路最高限速；车辆状态信息包括当前车速；以最小化燃油消耗为优化目标，采用优化算法对车辆燃油消耗模型进行优化，获得目标车辆从当前位置到达第r个信号交叉口的加速度时间序列；车辆燃油消耗模型的约束条件根据道路状态信息生成；根据加速度时间序列和当前车速，确定目标车辆从当前位置到达第r个信号交叉口的速度序列。本发明能够引导车辆不停车通过前方信号交叉口，同时降低燃油消耗。消耗。消耗。


技术研发人员：陈海华 武悦 何明
受保护的技术使用者：南开大学
技术研发日：2023.05.15
技术公布日：2023/8/9