混合车辆队列的控制及其建模方法和装置

本技术涉及车辆控制领域，特别是涉及一种混合车辆队列的控制及其建模方法和装置。

背景技术：

1、智能车辆队列系统是智慧交通系统中车联网技术的一个典型应用，其应用能缓解交通堵塞、降低能源消耗、提高安全性等。根据不同的队形需求和环境约束，队列系统能主动使离散车辆获得相同的行驶特性，并保证车辆汇入或离开队列时系统稳定。由于自动驾驶技术还没有完全成熟，完全由自动驾驶车辆组成的队列系统还很难得到广泛应用。

2、尽管当前对车辆队列系统研究已有较多成果，但主要是针对完全的无人车队列。具体的，目前的车辆队列控制建模方法，主要是对完全的无人车队列进行控制建模，还无法有效地对人机混合车辆队列进行控制建模。

技术实现思路

1、在本发明中提供了一种混合车辆队列的控制及其建模方法和装置，以解决目前的车辆队列控制建模方法还无法有效地对人机混合车辆队列进行控制建模的问题。

2、第一个方面，在本发明中提供了一种混合车辆队列的控制建模方法，所述混合车辆队列包括一辆人工驾驶车辆和至少一辆无人驾驶车辆，所述控制建模方法包括：

3、基于所述无人驾驶车辆的规划行驶路径和所述人工驾驶车辆的实际行驶路径，构建所述无人驾驶车辆的横向约束；

4、基于纵向上相邻的所述无人驾驶车辆的间距，构建所述无人驾驶车辆的纵向约束，所述纵向为所述混合车辆队列的前进方向；

5、根据所述无人驾驶车辆的横向约束和纵向约束，构建所述无人驾驶车辆的控制模型。

6、在其中的一些实施例中，所述横向约束被配置为约束所述无人驾驶车辆的横向位置误差和航向角误差，所述无人驾驶车辆的横向位置误差和航向角误差根据所述人工驾驶车辆的规划行驶路径和所述无人驾驶车辆的实际行驶路径确定；

7、所述纵向约束被配置为纵向相邻的所述无人驾驶车辆的间距误差，所述纵向相邻的所述无人驾驶车辆的间距误差根据所述纵向相邻的所述无人驾驶车辆的实际间距和安全间距确定。

8、在其中的一些实施例中，所述纵向相邻的所述无人驾驶车辆的间距误差表示为：

9、

10、其中， i表示无人驾驶车辆的序号， x i表示第 i辆无人驾驶车辆的实际纵向位置， x i-1表示第 i-1辆无人驾驶车辆的实际纵向位置， l i表示第 i辆无人驾驶车辆的长度， l i-1表示第 i-1辆无人驾驶车辆的长度，表示纵向上相邻的所述无人驾驶车辆间的安全距离；

11、所述无人驾驶车辆的横向位置误差表示为：

12、

13、其中， y i表示第 i辆无人驾驶车辆的实际横向位置，表示第 i辆无人驾驶车辆的理想横向位置；

14、所述无人驾驶车辆的航向角误差表示为：

15、

16、其中，表示第 i辆无人驾驶车辆的实际航向角，表示第 i辆无人驾驶车辆的理想航向角；

17、所述无人驾驶车辆的理想横向位置和理想航向角根据所述人工驾驶车辆的规划行驶路径确定。

18、在其中的一些实施例中，所述无人驾驶车辆的纵向约束为：

19、

20、所述无人驾驶车辆的横向约束为：

21、

22、

23、其中，、、和均为大于零的常数。

24、在其中的一些实施例中，在构建所述无人驾驶车辆的控制模型的过程中，采用乌卡理论将所述无人驾驶车辆的纵向约束和横向约束转化为所述无人驾驶车辆的控制模型的参数。

25、在其中的一些实施例中，所述根据所述无人驾驶车辆的横向约束和纵向约束，构建所述无人驾驶车辆的控制模型，包括：

26、将所述无人驾驶车辆的纵向约束和横向约束转化为矩阵形式，得到所述无人驾驶车辆的矩阵约束；

27、根据所述无人驾驶车辆的矩阵约束，构建所述无人驾驶车辆的控制模型；

28、所述无人驾驶车辆的矩阵约束为：

29、

30、

31、

32、

33、其中， a i和 b i分别表示第 i辆无人驾驶车辆的约束矩阵和二阶约束向量；

34、所述无人驾驶车辆的控制模型为：

35、

36、

37、

38、

39、

40、

41、其中，、、和分别表示第 i辆无人驾驶车辆的总控制力、第一分控制力、第二分控制力和第三分控制力， m i表示第 i辆无人驾驶车辆的质量矩阵， h i表示第 i辆无人驾驶车辆的转角矩阵，表示 m i中的确定项，表示 h i中的确定项，表示性能度量矩阵。

42、在其中的一些实施例中，所述第 i辆无人驾驶车辆的质量矩阵为：

43、

44、其中， m i和 i i分别表示第 i辆无人驾驶车辆的质量和转动惯量；

45、所述第 i辆无人驾驶车辆的转角矩阵为：

46、

47、其中，和分别表示第 i辆无人驾驶车辆的前后轮到重心的距离，和分别表示第 i辆无人驾驶车辆的前后轮的转弯刚度，、和分别表示第 i辆无车驾驶车辆的横向速度、纵向速度和偏航速度；

48、所述性能度量矩阵为：

49、

50、其中，、和均为大于零的调整系数。

51、在其中的一些实施例中，所述控制建模方法还包括：

52、构建所述人工驾驶车辆的驾驶员模型，所述驾驶员模型被配置为模拟真实驾驶员的驾驶行为；

53、通过所述驾驶员模型生成所述人工驾驶车辆的规划行驶路径；

54、所述驾驶员模型包括第一模型和第二模型；

55、所述第一模型包括：

56、

57、其中， s表示拉普拉斯变换， t p表示驾驶员的预览时间， y d表示人工驾驶车辆的期望横向位置， y表示人工驾驶车辆的实际横向位置， e y表示驾驶员的横向控制误差， c（ s）表示驾驶员特性的修正量， c y表示横向位置的修正量，表示横向加速度的修正量， t n表示驾驶员肌肉神经的响应延迟时间，表示驾驶员神经系统的响应延迟时间，表示驾驶员的期望前轮转角，表示人工驾驶车辆的实际前轮转角；

58、所述第二模型包括：

59、

60、其中，表示人工驾驶车辆的横向加速度，表示人工驾驶车辆的纵向加速度， c xy表示增益系数，表述驾驶员在横向和纵向协调控制过程中的反应时间，表示人工驾驶车辆的纵向加速度偏移量。

61、第二个方面，在本发明中提供了一种混合车辆队列的控制方法，所述混合车辆队列包括一辆人工驾驶车辆和至少一辆无人驾驶车辆，所述控制方法包括：

62、获取所述人工驾驶车辆的行驶路径；

63、根据所述人工驾驶车辆的行驶路径和所述无人驾驶车辆的控制模型，对所述无人驾驶车辆进行控制，所述无人驾驶车辆的控制模型根据本发明提供的混合车辆队列的控制建模方法得到。

64、第三个方面，在本发明中提供了一种混合车辆队列的控制建模装置，所述混合车辆队列包括一辆人工驾驶车辆和至少一辆无人驾驶车辆，所述控制建模装置包括：

65、第一约束构建模块，被配置为基于所述无人驾驶车辆的规划行驶路径和所述人工驾驶车辆的实际行驶路径，构建所述无人驾驶车辆的横向约束；

66、第二约束构建模块，被配置为基于纵向上相邻的所述无人驾驶车辆的间距，构建所述无人驾驶车辆的纵向约束，所述纵向为人工驾驶车辆的行驶方向；

67、控制模型构建模块，被配置为根据所述无人驾驶车辆的横向约束和纵向约束，构建所述无人驾驶车辆的控制模型。

68、与相关技术相比，本发明提供了一种混合车辆队列的控制建模方法，通过该控制建模方法，可以得到混合车辆队列中无人驾驶车辆的控制模型，通过该控制模型，可以对无人驾驶车辆进行有效控制，解决目前的车辆队列控制建模方法还无法有效地对人机混合车辆队列进行控制建模的问题。

69、本技术的一个或多个实施例的细节在以下附图和描述中提出，以使本技术的其他特征、目的和优点更加简明易懂。