[发明专利]一种智能网联汽车的交叉口无信号自组织通行控制方法

说明书

本发明公开了一种智能网联汽车的交叉口无信号自组织通行控制方法。智能网联汽车具备智能互联和自动驾驶相关技术，传统的信号配时方法并不适用于智能网联汽车在交叉口的出行控制。具体流程为：通过用数学语言对交叉口环境进行表达，进而划分交叉口区域，为通行决策提供基础；采用基于蒙特卡洛决策树的方法来优化车辆通行次序，从而提高交叉口时空资源利用率；根据决策的通行次序，确定车辆的运动轨迹。

技术领域

本发明属于智能交通领域，涉及车联网和自动驾驶汽车相关技术，为智能网联汽车在无信号交叉口的通行控制提供策略。

背景技术

智能网联汽车是近几年才提出的概念，其核心技术是智能互联技术和自动驾驶技术。智能互联技术指的是基于先进的通信技术实现车车通信、车路通信和路路通信，从而构成信息共享的车联网环境。自动驾驶技术目前受到国内外学术界和工业界的重点关注，包括谷歌、特斯拉、百度在内等全球知名企业都投入了大量资金进行研发，并屡有相关产品问世，力图在未来的5到10年实现真正自动驾驶汽车的全面落地应用。通过结合智能互联和自动驾驶两方面的技术，使得在交通路网中行驶的智能网联汽车具有信息感知、智能决策和执行控制的功能，不仅能保证行驶安全性，而且能合理规划线路选择、行驶轨迹，提升道路交通的服务水平。

信号配时控制方法是目前国内外主流的交叉口通行方式。信号配时控制方法是以传统的人为驾驶汽车为对象，通过设置不同颜色的信号灯，对交叉口不同进口的车流进行通行引导，从而大大降低由于人为主观性造成的通行次序混乱和交通事故的发生。然而，信号配时控制方法控制方式不灵活，不同信号时间分配难以随着交叉口流量变化实时调整，并不适用于具有智能性和客观性特征的智能网联汽车，因此，对于智能网联汽车在交叉口的通行控制需要采用无信号自组织的通行策略。

目前，智能网联汽车在交叉口的通行控制策略也有不少人进行研究，但现有的研究大多是针对少车流、少通行方向的退化交叉口的场景，主要是通过对冲突车辆的运动参数进行调整来规避碰撞，对于车辆通行次序和大规模车流的运动控制模型鲜有研究。

发明内容

本发明面向智能网联汽车在交叉口的出行场景，提出一种无信号自组织的通行控制方法。通过合理数学语言对交叉口环境的物理特性进行表达，将有效信息传递给到达区域的车辆，为制定通行控制策略提供基本信息。考虑到达区域的所有车辆，采用基于蒙特卡洛决策树的方法优化车辆的通行次序。最后，计算出已决策的车辆运行轨迹，主要包括规划车辆的加速度、速度和位置随时间变化情况。

本发明的技术方案包括以下内容：

(1)交叉口环境数据表达

交叉口的物理特征包括交叉口的进口数、各进口车道数、道路的尺寸参数信息。为提高智能网联汽车交叉口的通行效率，需保证车辆的行驶速度，减少停车和低速行驶。在车辆到达交叉口停车线之前就需要提前决策。这里将交叉口区域划分为决策区、执行区和冲突区。其中决策区和执行区是在停车线之前的区域，区域的具体长度需通过仿真实验来确定，冲突区域则包含不同行驶方向车流所有的冲突点。采用二维时空矩阵来表示车辆通过交叉口所遇到的所有冲突点的车辆占有时间序列，提高二维时空矩阵的占有密度即为提高交叉口区域的时空资源利用率。

(2)基于蒙特卡洛决策树的通行次序决策

车辆的通行次序制约着交叉口的通行效率，合理安排车辆通行次序是提高交叉口通行效率的关键。实际上，车辆的通行次序是对决策区内所有车辆的排列组合，组合数随着决策区域车辆数的增多而增大。蒙特卡洛决策树是一种高效的启发式搜索算法，结合了随机模拟的通用性和树搜索的准确性。算法思路是：通过蒙特卡洛方法产生通行次序样本，设计合理的价值函数(这里即为通行延误)来评判每个通行次序的优劣性；搭建决策树结构，是对于通行次序所有情况的完整表示，然后每次迭代通过通行次序的优劣性来更新决策树中的节点权重，根据权重可确定在该节点下次被优先选中的概率(这里可采用首位选择法或“轮盘赌”法)。在通行次序的样本空间有限的情况，蒙特卡洛决策树的方法总能搜索到最优的通行次序。