[发明专利]一种基于模型预测控制的混合交通流协同优化控制方法

说明书

本发明公开了一种基于模型预测控制的混合交通流协同优化控制方法，该方法采用基于模型预测控制的双层优化模型进行混合交通流协同决策控制，适用于两条有交叉的单向单行道路且交叉路口前无车辆行驶信号指示下混合交通流中的不同交通场景；模型预测控制是指通过建立系统架构，实现实时闭环控制，用以解决实际情况中出现的随机性问题；双层优化模型包括上层模型和下层模型，上层模型是一个运用动态规划递归求解的车辆排序问题，下层模型是一个运用动态矩阵预测算法求解每一单次车辆的轨迹优化问题，下层模型中每一单次车辆的轨迹优化结果为上层模型动态规划递归求解过程中的一个输入；通过模型预测控制和双层优化模型共同保证系统车辆运行最优。

技术领域

本发明涉及一种基于模型预测控制的混合交通流协同优化控制方法，属于交通工程领域。

背景技术

自20世纪40年代自动驾驶的概念被提出，智能网联车辆经历了近80年的发展历程。近年来随着导航、电子地图、传感探测、无线通讯、自动控制与移动互联等技术在交通与汽车行业的大量应用，智能网联车辆的发展进入了新阶段。自动驾驶车辆(智能网联车辆)被定义为能够感知并与驾驶环境通信的车辆，并且车辆的运行(部分或全部)可以在没有驾驶员操作的情况下进行。相较于传统的人类驾驶车辆(传统驾驶车辆)的难以协同，自动驾驶车辆具有更好的可控性和协同性。因此，这可能会带来诸如提高燃油/能源效率、交通安全和交通稳定性等好处。在自动驾驶车辆百分百普及以前，混合交通(即传统驾驶车辆和智能网联车辆混行的状态)将会成为道路交通的一种主要方式。在混合交通流环境下，各种交通场景诸如高速路口匝道汇流、交叉路口或丁字路口合流等情况下，自动驾驶车辆可能会和传统驾驶车辆之间发生交通冲突从而造成一定的危害。用科学的理论框架、建模方法进行混合交通流协同决策控制，从而减少或消除交通冲突，并且使车辆轨迹得到一定程度优化成为未来交通中需要长期面临的现实问题。

既有的自动驾驶车辆相关研究大多是基于自动驾驶车辆渗透率为100％的假设下进行的，且大多是从宏观角度出发进行研究。微观层面的模型也多专注于研究自动驾驶车辆的单车轨迹优化，无法保证系统层面的优化。鲜有从微观角度出发，研究以系统最优为目的的混合交通流协同决策控制优化模型。随着V2V和V2I实时通信能力的发展，可以开发出更先进、更高效的管理控制系统，以减少拥堵和空气污染物排放，并增强行驶安全性。针对各种微观交通场景，诸如十字路口、丁字路口以及高速公路匝道合流等情况进行混合交通流环境下的协同决策控制，以最大程度的消除交通冲突确保交通运行效率和通行能力的研究基本没有。由于实际跟驰行为的不确定性，尤其是传统驾驶车辆人类驾驶行为的不确定性，在实际使用中是不可避免的。因此，协同控制决策模型应通过使用一些鲁棒性较好的模型来解决混合交通流中跟驰的随机性。

发明内容

本发明的目的是提供一种基于模型预测控制的混合交通流协同优化控制方法。

本发明为实现上述发明目的所采取的技术方案如下：

一种基于模型预测控制的混合交通流协同优化控制方法，该方法是采用基于模型预测控制的双层优化模型进行混合交通流协同决策控制，适用于两条有交叉的单向单行道路且交叉路口前无车辆行驶信号指示下混合交通流中的不同交通场景(不同交通场景包括高速公路匝道车辆汇流、交叉路口车辆合流、车辆通过交叉路口)；所述模型预测控制是指通过建立系统架构，实现实时闭环控制(即：按时间进行切片，在某一时刻预测车辆到达车流交汇点前的轨迹，并据此做出优化控制决策，但在当前时刻只执行邻近控制序列；在下一时刻重复上述预测—做出优化控制决策—执行的过程)，用以解决实际情况中出现的驾驶行为随机性问题；所述双层优化模型包括上层模型和下层模型，所述上层模型是一个运用动态规划递归求解的车辆排序问题，所述下层模型是一个运用动态矩阵预测算法求解每一单次车辆的轨迹优化问题，所述下层模型中每一单次车辆的轨迹优化结果将作为所述上层模型动态规划递归求解过程中的一个输入；通过所述模型预测控制和所述双层优化模型共同保证系统车辆运行最优；