[发明专利]一种基于分布式群智学习的多车协同规划方法

说明书

本发明公开了一种基于群智学习的多车协同规划方法，属于多车路协同决策技术领域。本发明中，利用边缘服务器减轻了车辆计算能力与通信能力的要求；利用演化博弈来建模路由规划中车辆之间不断博弈的过程，当博弈状态形成一个稳定局面时，每辆车得到自身利益最大化的路由决策；在每辆车上部署路口通行驾驶决策模块，将车辆看成一个独立决策的个体，利用深度强化学习强大的策略学习能力建模多车在路口的协同驾驶行为；在路侧边缘计算部署交通态势预测模块，利用多车路的通信能力来扩大车辆有限视野下对交通态势的感知。本发明优化了道路资源的不同方面，优化了路口的时空利用，优化了路口周围道路资源的时空利用，增大路口的吞吐量。

技术领域

本发明涉及道路交通网络、多车协同技术领域，具体涉及一种基于分布式群智学习的多车协同规划方法。

背景技术

城市交通空间资源有限，机动车的急剧增加，打破了脆弱的道路供求平衡关系，导致交通拥堵。因此如何协同车辆的行驶轨迹，充分地利用有限的道路资源，提高交通的通行效率，缓解道路交通拥堵的现状是当前的一个研究方向。

车辆路由规划已被证明是缓解城市交通拥堵的有效途径。受益于智能交通系统和智能网联车辆，路由规划技术已经从静态路由演化为基于实时交通信息的动态路由，但一些利用实时道路网络信息为车辆规划源-目的地的最优路径算法没有考虑车辆之间的相互影响。近年来，有研究学者提出了一些考虑了多车路由的相互影响的算法，但它们采用了集中控制框架，并假设驾驶员具有完美的个体理性，即驾驶员完全按照系统推荐的路由行驶，然而在实践中，由于驾驶员的有限理性，他们可能会根据自己有限的知识和局部信息来规划路由，而不一定会遵循系统推荐的最优路由。而且，随着路网规模的扩大，集中控制的计算复杂度呈指数级增长，使得这种控制方法不适用于实时交通。

公开号为CN105313891A的专利文献在2016年2月10日公开了一种多车协同避撞方法及装置，包括：1)行驶车辆监测自车的制动工况；2)当某辆车的制动工况超过设定制动阈值时，则该车为首车，首车后方的车辆为后车；否则返回1)；3)首车将其作为首车的信息输送至后车；4)各后车接收到首车信息后，将自车的车况信息输送给首车；5)首车接收各后车的车况信息后集中规划后车的制动加速度，并将期望加速度输送给相应的后车；6)后车接收期望加速度，并按照期望加速度对自车进行控制。7)若后车停止，停止控制；否则返回4)。该技术方案可以有效利用制动车辆队列中各车间的制动空间进行控制，实现车辆相对位置的均匀分布，从而有效避免碰撞或者减轻碰撞损伤程度并提高制动过程的乘坐舒适性。但不足之处在于，在多车协同控制过程中，选择一个首车来协同多车在路口的驾驶行为，集中式控制的方式存在车辆驾驶安全隐患的问题。首先，多车协同的驾驶决策的任务由一辆车完成，这对首车造成了严重的计算和通信负担。首车需要具备同时与多车进行信息交互的通信能力，还需要具备计算多车协同驾驶策略的计算能力。其次，车辆的驾驶行为是由首车控制的，车辆没有独立的决策能力，并且假定车辆完全服从首车的驾驶指令。交通路口的态势复杂多变，车辆之间的通信质量受环境影响。在可能产生干扰路段的环境中，可能导致通信延迟，车辆不能及时接收首车发送的驾驶指令，导致交通故事的发生。

公开号为CN112040392A的专利文献在2020年12月4日公开了一种基于车车通信的多车协同换道控制系统及方法，包括感知单元、通信单元、决策单元、控制单元和提示单元，设定场景内的所有车辆通过车车通信共享行驶信息，换道车辆在发出请求后根据所述信息进行可行性判断，判断可行后通过求解本发明设计的一个二次规划问题确定三辆协同车辆的期望控制输入即纵向期望加速度，并共享给协同车辆。该技术方案假设每辆车的控制单元能够根据所需的控制输入实现精确的纵向和横向车辆控制，不详细设计控制的实现，充分利用了车车通信技术，改善了车辆换道时的安全性与舒适性。该技术方案不足之处在于，车辆之间需要实时的交互关于速度，加速度，位置等信息，对车辆的通行能力提出了一定的要求，当车辆有变道需求时，需要车辆通过感知单元收集的自车信息和通信单元接收的其他车辆的信息来做出协同变道的决策，变道车辆将决策信息下发给协同车辆，协同车辆需按照协同决策规定的加速度行驶，这有可能损害了协同车辆的利益。