[发明专利]基于增强型Dijkstra算法的无信号灯交叉路口车辆调度方法

说明书

针对车辆在通过无信号灯交叉路口时存在等待时间长，通行效率低的问题，提出了一种基于增强型Dijkstra算法的无信号灯交叉路口车辆调度方法。本专利以智能车辆为研究对象，把交叉路口网格化，由网格之间的连线描述车辆的行驶轨迹，创新的制定了动态网格权值赋值原则，通过确定网格的方向权值、安全权值和优先级权值为车辆寻找到通行时间最短的路径。增强型Dijkstra算法在Dijkstra算法的基础上进行改进，实现了动态权值下求最短路径的目的，可以根据实际车辆环境灵活调整每个车辆的行驶轨迹。仿真结果表明，增强型Dijkstra算法调度能够在保持较低的冲突次数的前提下减少车辆总通行时间，在一定条件下相比Dijkstra算法，车辆平均停车延误减少1.5s，冲突率下降13％。

技术领域

本发明涉及无信号灯交叉路口车辆调度方法，尤其是采用Dijkstra算法的车辆调度方法。

背景技术

智能车辆在无信号灯交叉路口的通行调度是当前无人驾驶领域的研究热点。调度策略的优劣直接影响到智能车辆在交叉路口的通行效率和行驶安全。但受制于车载传感器的感知范围，以及楼宇、车体等对电磁信号的遮挡，每个智能车辆只能感知到局部道路信息，难以实现交叉路口的全局优化调度，频繁发生冲突起停、碰撞追尾等问题。这不仅降低了智能车辆在交叉路口的通行效率，还增加了交通事故发生的风险。

相关交叉路口调度方案可分为集中式和分布式两类。集中式车辆调度以全局最优为调度目标，通常由智能路基单元(Road Side Unit,RSU)搜集获取全局信息并进行调度规划，再将调度策略发送至每个智能车辆。集中式车辆调度模式简单，但对路基单元的算力要求较高，且网络负载过于集中，系统可靠性较差。相比之下，分布式车辆调度采用去中心化的系统架构，每个智能车辆仅利用自身感知的局部信息进行调度规划。虽然分布式车辆调度模式存在全局寻优困难等问题，但不依赖于中心节点(如路基单元RSU等)，具有算量小、负载相对均衡等优点，表现出较好的应用前景。

当前主流的分布式车辆调度方案主要分为以下三类：

(1)网格权值法，其基本原理是将交叉路口描述为一个网格图，每个网格具有不同权值，每个车辆依据网格权值选择下一步前进的目标网格，进而得出最优调度策略，如改进Dijkstra算法、快速扩展随机树(RRT)算法和A*算法等。刘子豪等人结合跳跃点搜索理论，用选取的关键点代替了传统A*算法中Openlist和Closelist的点，提高了调度算法的寻优速度；姜辰凯等人提出了一种基于时间窗的改进Dijkstra算法，实现多AGV的动态路径规划。该算法能够在最优路径下避免冲突与死锁，使系统具有较好的鲁棒性。吴伟等人提出了交叉路口网格化下的车辆调度优化模型和时间优化分配算法，以交叉口总延误最小为控制目标，运用分支定界法确定车辆在交叉口的最佳行驶路径、速度及驶入时刻。此类算法虽然模型简单，但均属于静态算法，并不是适用于移动车辆较多的路口调度场景。

(2)仿生调度法，即智能车辆通过模拟自然界生物的行为规律对交叉路口下的调度策略进行寻优，具有自学习、自决定等特点，如优化粒子群算法、改进遗传算法和人工鱼群算法等。Zhuofei Li等人基于遗传算法的优化方法对车辆通过序列进行决策，同时计算最优车辆轨迹，降低了交叉口平均行程时延；覃磊等人提出了一种基于改进的人工鱼群算法的车辆优化调度方法，首先将车辆与路径通过三维粒子编码方法进行编码，构造有效的车辆路径，再通过原始算法进行迭代，寻找最优解，仿真表明该算法具有较快的收敛速度，而且以较大的概率收敛于人工鱼群算法的最优解。陈秋莲等人本专利提出了一种基于神经网络和三次样条曲线函数的改进粒子群算法，统一了静态和动态障碍物环境表示和碰撞检测模型，能够快速规划出光滑的无碰撞机器人路径，使得路径长度更短，算法的迭代次数更少。Jian Wang等人提出了一种解决车辆调度问题的混合蚁群算法，在分析其优缺点的基础上，提出了考虑实时路况的蚁群算法的改进策略，提高了求解动态VRP的算法性能。此类算法对环境、参数和任务的变化具有较强的适用性和灵活性，但其全局搜索能力弱，寻优时间受个体分布的影响明显。