混合车辆队列鲁棒数据驱动预测控制方法及装置

本技术涉及汽车制动系统和智能汽车，特别涉及一种混合车辆队列鲁棒数据驱动预测控制方法及装置。

背景技术：

1、交通拥堵是制约当代社会经济发展的重要因素，持续拥堵极大地降低通行效率和燃油经济性，并会增大交通事故风险。其中，有一种常见的拥堵现象，称为幽灵拥堵，其是指无交通瓶颈下的车辆频繁起停的现象。目前，一些环形道路场景的实车试验中，在没有外界干预的条件下，交通系统从初始的平衡状态，很快出现了不断起停的现象。该研究表明，由驾驶员驾驶行为的波动性、随机性导致出现了速度波动，且波动会不断累积和放大。

2、智能化和网联化是当今汽车发展的重要方向，结合两者的智能网联车辆的出现为提升交通性能提供新契机，特别地，以车辆队列为代表的智能网联车辆协同控制技术被认为能有效解决交通波动问题。但现有技术主要聚焦于全智能网联车辆环境，随着智能网联车辆的逐渐推广，现代交通系统即将迎来的是智能网联车辆智能网联车辆与人工驾驶车辆长期共存的混合交通发展阶段。因此我们急需突破混合交通环境下的智能网联车辆协同控制技术。

3、在混合交通流中，根据控制器基于媒介的不同可以将现有的控制策略分为单车acc(adaptivecrisecontrol，自适应巡航控制)方法、全智能网联车辆队列控制方法、混合队列控制方法三种。其中，单车acc控制方法已经实现了商业化、但是由于其缺乏超视距的感知信息，性能受限，研究潜力不足。全智能网联车辆队列控制方法在近几年得到了广泛的研究，但是在自由交通流下缺乏强制编队机制时形成全智能网联车辆队列是极其困难的。基于以上问题，混合队列受到关注，在特定的信息流拓扑下，例如网联巡航控制等，已经实现了较好的控制性能，特别是在低渗透率条件下，混合队列协同控制方法被认为是提升混合交通中车辆控制性能的极具潜力的策略。

4、关于混合队列的具体的控制方法，现有研究可以大体分为三类方法，第一类是经验性控制方法，其一般根据交通状况的不同采用分段控制的策略，该类方法缺乏理论支撑。第二类是有模型控制方法，其基于线性的混合队列模型进行控制器设计，尽管该类方法具有较好的理论保障，但在实际交通中，准确辨识人类驾驶行为非常困难。第三类是无模型的控制方法，现有研究多采用强化学习等方法，但该类方法可迁移性、可解释性差对于复杂系统需要大量数据支持，且迭代训练耗时较长。

5、数据驱动预测控制方法在混合队列上的应用得到了关注，该方法通过输入/输出数据的来表征未知的系统，而无需辨识系统。其中，一种基于willems基本定理的最新变式的数据驱动预测控制架构结合了隐式的数据驱动动力学、预测控制和输入输出约束三元素，已经在相关研究中展现出较好抑制交通波动的效果。然而，目前的研究缺乏对数据驱动预测控制中的数据噪声和外界干扰的关注和讨论，实际应用的鲁棒性难以保障。

6、综上可知，现有数据驱动预测控制研究中依赖数据质量，缺乏对于噪声和扰动的考虑，鲁棒性较差，极大影响车辆行驶的安全性，亟待解决。

技术实现思路

1、本技术提供一种混合车辆队列鲁棒数据驱动预测控制方法及装置，以解决现有数据驱动预测控制研究中依赖数据质量，并未考虑数据噪声和外界扰动，鲁棒性较差，极大影响车辆行驶的安全性等问题。

2、本技术第一方面实施例提供一种混合车辆队列鲁棒数据驱动预测控制方法，包括以下步骤：获取目标混合车辆队列中每个车辆的状态数据和每个目标智能网联车辆的控制量数据；基于所述状态数据和所述控制量数据，计算所述目标混合车辆队列的数据驱动标称系统可达集；基于所述数据驱动标称系统可达集，获取所述目标混合车辆队列的最优控制序列，以控制所述每个目标智能网联车辆执行与所述最优控制序列相应的驾驶操作。

3、可选地，在本技术的一个实施例中，在控制所述每个目标智能网联车辆执行与所述最优控制序列相应的驾驶操作之后，还包括：根据预设滚动时域控制策略更新所述最优控制序列，得到新的最优控制序列；控制所述每个目标智能网联车辆执行与所述新的最优控制序列相应的驾驶操作。

4、可选地，在本技术的一个实施例中，所述基于所述状态数据和所述控制量数据，计算所述目标混合车辆队列的数据驱动标称系统可达集，包括：根据所述状态数据和所述控制量数据生成所述目标混合车辆队列的状态约束和控制量约束；基于所述目标混合车辆队列，生成所述目标混合车辆队列对应的标称系统和误差系统；构建所述误差系统的系统矩阵集合，并通过所述系统矩阵集合和预设的反馈控制律增益，计算所述误差系统的数据驱动误差可达集；根据所述数据驱动误差可达集、所述状态约束和所述控制量约束计算所述标称系统可达集。

5、可选地，在本技术的一个实施例中，所述基于所述数据驱动标称系统可达集，获取所述目标混合车辆队列的最优控制序列，包括：构建所述目标混合车辆队列的hankel矩阵，并根据所述hankel矩阵确定所述目标混合车辆队列的数据驱动动力学方程；根据所述数据驱动动力学方程确定所述目标混合车辆队列的数据驱动动力学约束；基于所述标称系统可达集和所述数据驱动动力学约束，得到所述目标混合车辆队列的最优控制序列。

6、本技术第二方面实施例提供一种混合车辆队列鲁棒数据驱动预测控制装置，包括：获取模块，用于获取目标混合车辆队列中每个车辆的状态数据和每个目标智能网联车辆的控制量数据；计算模块，用于基于所述状态数据和所述控制量数据，计算所述目标混合车辆队列的数据驱动标称系统可达集；控制模块，用于基于所述数据驱动标称系统可达集，获取所述目标混合车辆队列的最优控制序列，以控制所述每个目标智能网联车辆执行与所述最优控制序列相应的驾驶操作。

7、可选地，在本技术的一个实施例中，还包括：更新模块，用于根据预设滚动时域控制策略更新所述最优控制序列，得到新的最优控制序列；执行模块，用于控制所述每个目标智能网联车辆执行与所述新的最优控制序列相应的驾驶操作。

8、可选地，在本技术的一个实施例中，所述计算模块包括：第一生成单元，用于根据所述状态数据和所述控制量数据生成所述目标混合车辆队列的状态约束和控制量约束；第二生成单元，用于基于所述目标混合车辆队列，生成所述目标混合车辆队列对应的标称系统和误差系统；构建单元，用于构建所述误差系统的系统矩阵集合，并通过所述系统矩阵集合和预设的反馈控制律增益，计算所述误差系统的数据驱动误差可达集；运算单元，用于根据所述数据驱动误差可达集、所述状态约束和所述控制量约束计算所述标称系统可达集。

9、可选地，在本技术的一个实施例中，所述控制模块包括：第一确定单元，用于构建所述目标混合车辆队列的hankel矩阵，并根据所述hankel矩阵确定所述目标混合车辆队列的数据驱动动力学方程；第二确定单元，用于根据所述数据驱动动力学方程确定所述目标混合车辆队列的数据驱动动力学约束；序列生成单元，用于基于所述标称系统可达集和所述数据驱动动力学约束，得到所述目标混合车辆队列的最优控制序列。

10、本技术第三方面实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的混合车辆队列鲁棒数据驱动预测控制方法。

11、本技术第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的混合车辆队列鲁棒数据驱动预测控制方法。

12、由此，本技术的实施例具有以下有益效果：

13、本技术的实施例可通过获取目标混合车辆队列中每个车辆的状态数据和每个目标智能网联车辆的控制量数据；基于状态数据和控制量数据，计算目标混合车辆队列的数据驱动标称系统可达集；基于数据驱动标称系统可达集，获取目标混合车辆队列的最优控制序列，以控制每个目标智能网联车辆执行与最优控制序列相应的驾驶操作，从而实现了混合队列的安全控制，有利于提高驾驶的安全性，提升了数据驱动技术的鲁棒性，为实现混合车辆队列的稳定、安全和高效控制提供有力的技术支撑。由此，解决了现有数据驱动预测控制研究中依赖数据质量，并未考虑数据噪声和外界扰动，鲁棒性较差，极大影响车辆行驶的安全性等问题。

14、本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。