无信号交叉口车辆调度方法研究

随着车辆数量的快速增加,交通拥堵问题变得日益严重.如何引导车辆安全高效地通过交叉路口已经受到了学界的广泛关注.已有的控制方法主要是在线优化信号灯的相位配比.然而相位之间的频繁切换会导致信号周期中黄灯时间占比的增加,进而降低交叉口的车辆放行能力.本文提出了一种基于车路协同的无信号交叉口资源调度模型,该模型将交叉口划分为互不相交的物理空间路权资源,并描述了各个路权资源之间的相互协同关系,进而将无信号交叉口交通控制问题转换为有限资源调度问题.在此基础上,构建最大化交叉口通行效率的目标函数,并求解车辆的最优通行序列.实验结果表明:较传统有信号交叉口控制方法,无信号控制方法有效减少了车辆的排队长度,提高了交叉口的车辆吞吐能力.     

车路协同下的无信号交叉口车辆通行调度策略

无信号交叉口车辆通行调度问题是智能交通领域的研究重点,由于车辆通行顺序决策问题的解空间随着车辆数增加而指数级增长,在保证实时性的同时找到较优通行顺序成为无信号交叉口通行调度的一大问题。针对该问题提出一种基于自适应蒙特卡罗树搜索算法的无信号交叉口车辆通行调度方法,采用分层式框架,上层集中式顺序决策,下层分布式轨迹规划。首先,建立基于冲突点的交叉口模型,将网联车加入到待搜索队列中,根据交叉口中的车辆通行特点设计通行顺序的蒙特卡罗树搜索流程,以总通行时间为指标建立评价函数,然后针对不同交通情景设计自适应探索系数及其他超参数,使算法在求解不同车辆数时以及搜索的不同时期保持最佳状态。轨迹规划环节以加速度二范数为目标函数,以速度、加速度以及始终点位置等为约束,建立最优控制命题求解车辆轨迹。最后,进行实验,结果表明该算法相较于其他算法在数值仿真和微缩平台实验中最大优化幅度分别达到33.42%和38.04%,为无信号交叉口车辆通行调度提供了一个有效解决方案。     

智能网联汽车变车距队列控制与仿真

智能网联汽车的发展是将来智能交通系统中的一个重要方向,受基础设施条件以及试验成本的限制,目前的测试验证仍以计算机仿真为主。针对现有仿真软件难以满足智能网联汽车测试需求的问题,以开源软件PLEXE为基础,通过对其道路交通模拟器中的车辆动力学模型、通信拓扑结构以及车辆队列控制器等关键模块进行二次开发,设计了面向智能网联汽车队列控制研究的可视化仿真平台,对变车距队列控制算法进行仿真验证。仿真结果表明:上述平台可完成队列控制的可视化仿真,相比其它软件更加直观形象。     

自动驾驶车辆在无信号交叉口右转驾驶决策技术研究

利用深度强化学习（deep reinforcement learning,DRL）技术实现自动驾驶决策已成为国内外研究热点,现有研究中的车辆交通流缺乏随机性与真实性,同时自动驾驶车辆在环境中的有效探索具有局限性。因此利用TD3算法进行自动驾驶车辆在无信号交叉口下的右转驾驶决策研究,首先在Carla仿真平台中开发无信号交叉口的训练与测试场景,并添加交通流管理功能,提高系统训练和测试随机性。其次,为了提高自动驾驶车辆的探索性,对TD3算法中的Actor网络进行改进,为目标动作添加OU噪声。最后使用通行成功率和平均通行时间评估指标评价自动驾驶行为决策。结果表明,在不同交通流场景下,改进后的TD3算法通行成功率与基于DDPG算法控制的车辆相比平均提升6.2%,与基于规则的AEB模型相比平均提升23%。改进后的TD3算法不仅能够探索更多可能,而且其通行决策表现更加突出。     

交叉口混合交通流微观控制模型

为构建智能网联汽车(CAV)和有人驾驶汽车(HDV)混合通行情况下的交叉口通行机制与控制方法, 本文提出CAV专用道条件下交叉口协同通行模型. 首先, 设计CAV专用道条件下的交叉口布置, 对交叉口进行网格化处理,将CAV通行时隙和HDV绿灯相位对交叉口某部分网格某时段的占用统一到交叉口时空资源描述框架下; 其次, 建立兼顾CAV与HDV的交叉口时空网格资源分配模型, 构建自适应信号灯控制算法和CAV轨迹规划算法; 再次, 以车辆最小延误为目标进行自适应信号灯配时优化和CAV轨迹优化; 最后, 选取广州某典型交叉口建立仿真实验对所提方法的有效性进行了验证.     

快速路匝道入口智能网联车协同合并控制研究

针对快速路匝道入口场景在高车流量的情况下容易发生交通拥堵的问题,提出了一种快速路匝道入口智能网联车(connected and automated vehicles, CAV)协同合并控制的解决方案,将问题解耦成多车顺序决策和车辆运动规划两部分。其中多车顺序决策对通行效率起到重要作用,因此设计了一种基于状态评价模型(state evaluation model, SEM)的多车顺序决策算法。该算法首先建立状态空间并初始化,考虑通行效率和车辆延迟设计状态评价函数,通过状态转移关系选择出最优状态,最终回溯得到最优通行顺序。根据车辆状态和到达冲突点时间,控制器实时推导各车辆纵向速度的解析解,实现车辆运动规划。仿真和实验结果表明,该方案在满足交通系统实时性要求的同时能有效提高快速路匝道入口的通行效率,缩短车辆延迟,降低燃油消耗。     

智能公交调度中实时均车模式的应用

智能公交系统的研究在中国发展进行了十来年,但是几乎所有大城市交通堵塞情况依然严重,公交调度系统依然有多种不合理,本文首先介绍智能公效系统的概念,接着指出调度服务子系统是其核心功能,然后提出实时均车模式调度方法,并讨论智能调度模式对异常情况的处理,根据实际交通情况提出实时均车模型以期达到最佳利用公交系统资源,合理调配车次的目的。     

基于实时均车模式的智能公交调度系统研究

智能公交系统的研究在中国发展进行了10来年,但是,几乎所有大城市交通堵塞情况依然严重,公交调度系统依然有多种不合理,根据实际交通情况,提出实时均车模型,以期达到最佳利用公交系统资源和合理调配车次的目的,同时,根据出车情况给出客观科学的工作人员考核方案.     

网联共享车路协同智能交通系统综述

网联车辆、交通大数据、共享出行等技术给智能交通系统的发展与应用革新带来了机遇和挑战.在全面总 结共享出行系统、网联车辆协同优化控制、交通大数据分析等领域最新研究成果的基础上,系统论述智能交通技术的研究进展,特别对智能交通系统中的交通流及出行需求预测、共享出行系统车辆调度、交通网及电网联合优化、网联车辆协调控制及车-路协同控制等方面进行全面综述.分析智能交通系统存在的问题及挑战,并对其未来发展方向进行展望.     

一种基于分布式模型预测控制的综合能源系统优化调度方法

为了有效提升综合能源系统的能源利用效率，并解决环境污染的问题，提出一种基于分布式模型预测控制的综合能源系统优化调度方法。该方法将短期综合能源系统内部协调控制作为主要研究对象，利用模型预测控制算法实时更新综合能源系统的状态，有利于最大限度地降低预测误差对系统产生的影响。通过比较MPC控制策略和DMPC控制策略的控制性能可知，DMPC控制策略的控制性能更优，符合系统对经济性的要求。     

现场总线系统分布式智能预测控制的实现

对于采用现场总线系统控制的复杂对象，应用智能预测控制的方式对其进行分布式控制，将现场总线的特点与智能预测控制方法相结合，使各子系统之间的参数以及控制动作协调一致，以实现对整个系统的优化控制．提出了在现场总线系统中构建该方法的步骤，并给出了一个采用该控制方法获得较好控制效果的具体实例。     

通讯信息约束下具有全局稳定性的分布式系统预测控制

本文针对一类由状态相互耦合的子系统组成的分布式系统, 提出了一种可以处理输入约束的保证稳定性的非 迭代协调分布式预测控制方法(distributed model predictive control, DMPC). 该方法中, 每个控制器在求解控制率时只与 其它控制器通信一次来满足系统对通信负荷限制; 同时, 通过优化全局性能指标来提高优化性能. 另外, 该方法在优化 问题中加入了一致性约束来限制关联子系统的估计状态与当前时刻更新的状态之间的偏差, 进而保证各子系统优化问 题初始可行时, 后续时刻相继可行. 在此基础上, 通过加入终端约束来保证闭环系统渐进稳定. 该方法能够在使用较少 的通信和计算负荷情况下, 提高系统优化性能. 即使对于强耦合系统同样能够保证优化问题的递推可行性和闭环系统的 渐进稳定性. 仿真结果验证了本文所提出方法的有效性.     

通信拓扑切换下车辆队列分布式模型预测控制

考虑通信拓扑切换下异质非线性车辆队列系统协同控制问题,提出一种能够保证车辆队列稳定和弦稳定的分布式模型预测控制策略.先结合车辆队列动态通信拓扑切换过程,构建与时间相关的图函数,再利用邻居车辆状态信息描述平均协同代价函数,并将其引入局部滚动时域优化控制问题.进一步,应用平均停留时间概念和切换系统Lyapunov稳定性理论...     

事件触发双模分布式预测控制

本文针对有界扰动作用下的线性离散大系统,提出了事件触发双模分布式预测控制设计方法.利用输入状态稳定性(input-to-state stability,ISS)理论建立了仅与子系统自身信息相关的事件触发条件.只有子系统满足相应的事件触发条件,才进行状态信息的传输和分布式预测控制优化问题的求解,并与邻域子系统交互最优解作用下的关联信息.当子系统进入不变集时,采用状态反馈控制律进行镇定,并与进入不变集的邻域子系统不再交互信息.分析了算法的递推可行性和系统的闭环稳定性,给出了扰动的上界.最后,通过车辆控制系统对算法进行仿真验证,结果表明,本文提出的方法能够有效降低优化问题的求解次数和关联信息的交互次数,节约计算资源和通信资源.     

Nonlinear cascade strategy for longitudinal control in automated vehicle guidance

This paper deals with automatic control design for automotive driving with a special focus on the longitudinal control. The automotive vehicle is a complex system characterised by highly nonlinear longitudinal and lateral coupled dynamics. Consequently, the control design for automated driving should deal with both of these dynamic couplings. Indeed, the longitudinal control plays an important role in the automated guidance to ensure safety and comfort of automotive passengers. In this work, a nonlinear cascade longitudinal control based on inner and outer-loops design is proposed. The lateral control is handled following a model predictive approach ensuring the automated steering of the vehicle. Finally, the nonlinear longitudinal control is integrated with the lateral control in a whole architecture to perform a coupled longitudinal and lateral control. The effectiveness of the automated driving strategy is highlighted through simulation results.     

分布式预测控制算法的性能分析

分布式求解策略是为了降低大规模预测控制系统实施的计算量和计算复杂性而提出的一种有效算法，在算法收敛的条件下，分析了分布式求解和集中求解两种方法在单步时域上的性能偏差，给出了标称情况下分布式预测控制系统名义稳定的充分条件，为更好地理解所提出的分布式预测控制算法和算法的实施提供了理论依据。     

Robust variable horizon model predictive control for vehicle maneuvering

This paper provides a new method of robust maneuver control with guaranteed finite‐time arrival and satisfaction of constraints, despite the action of an unknown but bounded disturbance. The new method extends the constraint tightening approach to robust model predictive control of constrained linear systems by combining it with a variable horizon. This relaxes the requirement for the target to be an invariant set, which is assumed by many stabilizing MPC formulations but can be restrictive in vehicle maneuvering applications. The target sets for vehicle maneuvers are typically determined by the mission requirements and are not generally invariant sets. The new controller guarantees finite‐time arrival within an arbitrary target set, i.e. not necessarily invariant, and is therefore applicable when the target is predetermined by other factors. Several simulation examples are presented including spacecraft rendezvous control with sensor visibility constraints and UAV guidance through obstacle fields. Copyright © 2006 John Wiley & Sons, Ltd.     

基于GNP算法的分布式爬虫调度策略*

针对分布式搜索引擎的任务调度及负载均衡问题,提出了基于GNP算法的分布式爬虫调度策略和负载均衡的方法。利用网络距离预估取代大规模的网络距离测量,不仅提高了系统的响应速度,还减少了系统对广域网造成的压力。通过在广域网上部署爬虫节点,构建分布式搜索引擎,应用该调度策略进行实验,验证了系统性能有较大提高。     

智能车辆视觉导航横向模糊控制策略仿真研究

针对智能车辆视觉导航横向控制中存在的适应性问题,提出了一种基于横摆角速度与横向偏差的智能车辆横向模糊控制策略。根据车辆于车道内的位置状态信息,建立了横摆角速度预测模型、7自由度车辆操纵动力学模型以及横向模糊推理模型。仿真结果表明,与常规位置偏差控制策略相比较,采用横向模糊控制策略不仅能提高智能车辆横向控制的精确性,并且具有很好的鲁棒性和自适应性。