一种基于车路云协同的车车软连接横纵向跟随控制方法

本发明属于人驾车与低智能自动驾驶车混合交通领域，具体涉及一种基于车路云协同的车车软连接横纵向跟随控制方法。

背景技术：

1、目前在智能汽车跟车领域，针对低智能cav在跟随前车时，因非标准人为驱动行为而存在低智能汽车跟随行驶不可靠的问题，可选择使用数学方法kps矩阵来修正这一问题，且其被认为是提升智能汽车稳定性、安全性和舒适性的可行技术手段，正受到学术界和产业界的广泛关注。

2、目前较为前沿的低智能汽车跟车控制方法大体可分为两类：

3、第一类：纵向控制和横向控制分明。作为运动收敛的条件，横向控制器分为基于车道保持的控制器和基于车辆跟随的控制器，他们之间的区别在于使用的检测技术。而纵向控制器一般采用分布式控制器，如自适应巡航控制系统和协同自适应巡航控制。

4、第二类：纵向控制和横向控制混合。将纵向控制和横向控制相结合并视为一个耦合系统，提高控制性能与可靠性。目前，组合控制常采用一种向前看的方法—即跟随车通过v2v通信跟随前车的轨迹。然而，这种方法导致跟随车航行方向偏差太大而出现急转弯或提前转弯的问题。除此以外，也存在一种虚拟前车的设置方法，即纵向与横向结合控制的拓展前视算法。其利用几何原理在二维空间找到参考点，同时补偿跟随车的参考转向方向。但此方法先决条件苛刻，需要从前体轨迹提取近似规则曲线，这一点无法适应人驾车的不确定性。同时，虚拟前车也只能在车辆方向差别不大的情况下获得。除此之外，在几何平面上考虑前车后设计静态参考点也可以补偿参考转向方向，用以避免跟随车走捷径。

5、然而，传感器仅限于周期性检测原理，故只能从实际场景中捕获一些离散的轨迹点，而非规则曲线。同时，不规范的人为驱动行为会产生不稳定的动态轨迹，并影响后续自动驾驶汽车的跟车行为。上述控制器非但未考虑人为驱动行为，在维持车辆排时也会带来一些多余控制误差，所以以上方法在混合车辆的场景下无效。现有专利公开了一种基于车路协同的混合交通横纵耦合控制方法(公告号：cn111583636b)，归属于网联智能汽车跟车控制领域，但是该方法并不针对混合交通多车连续误差堆积与时延累积的问题。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种基于车路云协同的车车软连接横纵向跟随控制方法。本发明旨在解决由于混合交通多车连续误差堆积与时延累积，导致跟车稳定性和安全性差的问题。

2、本发明提供了一种基于车路云协同的车车软连接横纵向跟随控制方法，包括以下步骤：

3、s1.通过驾驶自动化系统感知前车人驾车的速度信息并跟随、接受rsu信息；

4、s2.构建车辆纵向动力学模型与跟车误差系统；

5、s3.设计车速跟随误差控制器；

6、s4.考虑时延与非标准人为驱动影响的车速跟随误差控制器；

7、s5.考虑多辆跟随车之间的误差跟随系统；

8、s6.定义车辆之间的kps矩阵，从而将rsu检测到的补偿信息提供给控制器，保持混合车辆排驱动模式，抑制非标准人驱动行为的影响；

9、s7.轨迹修正；

10、s8.更新修正的kps矩阵；

11、s9.抑制时延与非标准人为驱动行为影响的轨迹修正；

12、s10.基于车路云的多辆跟随车的kps矩阵更新与优化；

13、利用修正后储至mec的轨迹作为后续cav过弯时的修正kps点集，来优化整个车队的弯通行速率，使整个车队快速、稳定地通行。

14、进一步，所述步骤s2包括以下子步骤：

15、s2.1定义混合车辆队列；

16、n+1辆车组成hv、cav混合车辆队列，记头车为第0辆车，存在跟随车辆i，i∈[1,n])；

17、s2.2获取车辆车速调节过程的非线性动力学关系；

18、

19、

20、式中，xi(t)、yi(t)表示车辆的横纵向位移；vi(t)、ai(t)和ωi(t)表示第i辆车在t时刻的速度、加速度和角速度；θi(t)表示车辆的行驶方向与横轴的夹角；表示横轴方向速度；表示纵轴方向速度；表示加速度；表示角速度；

21、s2.3计算车辆i-1与车辆i之间的期望间距ψi，其中车辆i-1为人驾车hv，车辆i为网联自动车；

22、

23、式中，bi为最短制动距离，vi和h分别为车辆i的速度和车头时距；ψx,i为横轴方向车辆i-1与车辆i之间的期望误差；ψy,i为纵轴方向上车辆i-1与车辆i之间的期望误差；

24、s2.4计算车辆纵向动力学和跟车误差；

25、计算车辆i-1与车辆i之间的误差系统，其中车辆i-1为人驾车hv，车辆i为网联自动车；

26、

27、式中，ex,i,i-1(t)表示横轴上第i-1辆车与第i辆车之间的位移误差；ey,i,i-1(t)表示纵轴上第i-1辆车与第i辆车之间的位移误差；ep,i,i-1表示第i-1辆车与第i辆车之间的位移误差；es,i,i-1表示第i-1辆车与第i辆车之间的速度误差；evx,i,i-1(t)表示横轴上第i-1辆车与第i辆车之间的速度误差；evy,i,i-1(t)纵轴上第i-1辆车与第i辆车之间的速度误差；

28、上式可被分解为：

29、

30、

31、考虑时延后与非标准人驾车行为因素后，

32、

33、

34、式中，和为虑时延后与非标准人驾车行为因素后对于修正kp点处的位移；为考虑时延后与非标准人驾车行为因素后对于修正kp点处的速度；

35、由前驱车的航向，其动力学表示为：

36、

37、考虑时延和非标准人驾车行为因素后：

38、

39、式中，表示车辆i-1的所有kp点；表示车辆i-1在第一个修正kp点处的曲率半径；表示车辆i-1在第一个修正kp点处与横轴的夹角；代表对转角的补偿；ρ是不变量；τ代表时延，0≤τ<h。

40、进一步，所述步骤s3包括以下子步骤：

41、s3.1设计以下控制器，其中车辆i-1为人驾车hv，车辆i为网联自动车：

42、

43、

44、其中，zi,φi-1,gi分别表示如下三个参数：

45、

46、

47、

48、式中，hi表示车辆i的车头时距；h表示标准车头时距；

49、控制器[ai(t) ωi(t)]t如下：

50、

51、其中，可表示为：

52、

53、其中，κ1>0,κ2>0,且均为与机器反应时间有关的灵敏度系数；

54、式(11)和式(12)可被重写为：

55、

56、

57、其中，γi(t),κ分别表示如下两个参数：

58、

59、

60、s3.2式(13)控制器利用修正后的前车历史运动和位置数据进行补偿，使系统(14)、(15)在零点处渐进稳定。

61、进一步，所述步骤s4包括以下子步骤：

62、s4.1考虑时延与非标准人驾车的影响，其中车辆i-1为人驾车hv，车辆i为网联自动车，得到：

63、

64、

65、s4.2基于后向差分法，得到：

66、

67、其中，与是关于t的连续函数，使用泰勒级数展开将式(18)线性化，并保留关于τ的一次项，得到：

68、

69、将式(19)代入(16)中得：

70、

71、

72、其中，

73、

74、

75、

76、控制器[ai(t) ωi(t)]t如下：

77、

78、其中，可表示为：

79、

80、式(20)和式(21)可被重写为：

81、

82、

83、其中，

84、

85、其中，车辆i-1为人驾车hv，车辆i为网联自动车。

86、进一步，所述步骤s5包括以下子步骤：

87、s5.1考虑多辆跟随车，重新构建误差系统；

88、车辆i与车辆i-1之间的误差系统ep,cav,cav为：

89、

90、式中，ex,cav,cav(t)＝ex,i,i-1'(t)，表示横轴上的第i-1辆车与第i辆车之间的位移误差；ey,cav,cav(t)＝ey,i,i-1'(t)，表示纵轴上的第i-1辆车与第i辆车之间的位移误差；evx,i,i-1'(t)表示横轴上的第i-1辆车与第i辆车之间的速度误差；evy,i,i-1'(t)表示纵轴上的第i-1辆车与第i辆车之间的速度误差；ep,cav,cav表示第i-1辆车与第i辆车之间的位移误差；es,cav,cav表示第i-1辆车与第i辆车之间的速度误差；

91、

92、

93、考虑时延因素后：

94、

95、

96、式中，其中车辆i-1和车辆i均为网联自动车。

97、进一步，所述步骤s6包括以下子步骤：

98、s6.1计算每个kp节点组成的控制器所需信息

99、

100、其中，分别表示第i-1辆车的第c个kp记录点处的横纵向位移、角度、曲率圆心半径；车辆i-1为人驾车hv，车辆i为网联自动车；

101、s6.2定义t0时刻一对车辆之间的kps矩阵；

102、

103、其中，k表示维度；表示第i-1辆车所有的kps点的数量；kpsi-1表示在t0时刻一对车辆之间的kps矩阵。

104、进一步，所述步骤s7包括以下子步骤：

105、s7.1提出预先的轨迹规划，修正记录的kps，从而进行优化；

106、s7.2利用实变函数理论中的“点集映射”方法将记录的kps定期对齐到指导性节点；

107、s7.3假设crdi-1是矫正后稳定的kps集，给定规则f，使得kpsi-1中每一个点对应t0时刻的修正点di-1,m；

108、

109、其中，表示修正点与横轴的夹角；表示修正点处的曲率圆半径；

110、规则f：kpsi-1→crdi-1

111、s7.4将crdi-1定义为中心线上的点集；

112、其中，f是直线到弯曲道路切线上的垂直映射，交点为di-1,m；

113、s7.5通过全局的地图、目标kp与车辆的相对位置可以得到di-1,m.的唯一解，从而得到直线道路上轨迹修正的修正点集crdi-1和映射关系。

114、进一步，所述步骤s8包括以下子步骤：

115、s8.1定义到目标跟踪点的最大允许偏移距离fd，保证控制器的运行；

116、即须满足t0时刻的条件

117、s8.2随着控制器运行，不断更新修正后的kps矩阵。

118、进一步，所述步骤s9包括以下子步骤：

119、s9.1考虑修正点若其满足t0时刻的条件则有：

120、

121、相应的、其控制器为：

122、

123、其内部动力学表示为：

124、

125、

126、其中，

127、

128、而若

129、

130、s9.2重返步骤s1并根据所设置的控制策略调节运动状态。

131、有益效果：

132、本发明针对跟车场景，提出了一种通过协调车辆与rsu的横纵向组合控制器，减少驾驶员操作负荷，避免人机作用冲突的同时，增强le智能汽车跟车稳定性和安全性。特别的，其偶尔记录和管理前车hv的轨迹上的关键点(记为kps)，通过直接纠正这些kps抑制非标准人为驱动行为；后引入校正后的kps，设计一种新的纵向和横向组合控制器。并且在后续cav跟车过程中通过车路云协同不断修正kps点集，以供后续的cav车队通过修正的kps实现连接跟随——即“软连接”，最终车队均可在不同道路情况下完成跟车。

133、本发明的一个有益效果在于引入历史轨迹点作为控制输入，设计了横纵耦合控制方法，保证了网联智能汽车与前方人工驾驶车辆的跟车距离一致性和速度一致性；本发明的另一个有益效果在于完成了混合交通下，通过应用车路协同技术，实现了不同智能化等级车辆间的协同运动控制，可以在未来汽车从传统人驾时代过渡到完全智能化时代过程中得以应用。

134、本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究，对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。