一种基于C-V2X车路协同的智能网联汽车碳减排方法
- 国知局
- 2024-07-31 20:44:35
本发明属于智能网联汽车碳减排领域,特别涉及一种基于c-v2x车路协同的智能网联汽车碳减排方法。
背景技术:
1、c-v2x(cellular vehicle-to-everything,蜂窝车联网)是智慧交通和智能驾驶的重要使能技术,通过车车协同、车路协同能够以更低的成本为智慧交通和智能驾驶提供更广泛、更准确地信息感知,实现更强大的网联智能。目前,越来越多的研究利用c-v2x技术以增强行车安全,提升交通效率和智能交通管理,c-v2x技术也是实现道路碳减排的一种的解决方案。
2、城市车辆在行驶过程中,由于城市道路交通流状态不稳定,车辆在运行时具有加减速频繁的特点。在公知技术中,一种基于vsp(vehicle specific power,车辆比功率)分布的交通运行数据与排放数据耦合方法与系统(cn 104715605 a)中对交通运行数据与车辆排放特征分析,提升了交通路段排放量的评估效率,车辆驾驶行为与车辆排放量具有相关关系。
3、在满足道路交通安全以及行驶效率前提下,如何减少道路交通碳排放量,是道路交通领域关注的重点问题之一。
技术实现思路
1、针对道路车辆不合理加速减速走走停停行为,使得道路碳排放量增加的问题,本发明基于c-v2x车路协同技术设计了一种控制智能网联汽车实现碳减排的方法,通过车车协同、车路协同对车辆驾驶行为进行优化,提升交通效率,优化道路交通流以减少车辆行驶过程中二氧化碳的排放。
2、为了解决上述问题,本发明提供的基于c-v2x车路协同的智能网联汽车碳减排方法,包括以下步骤:
3、步骤1、由路侧单元rsu和车辆共同获取道路交通信息以及车辆自身信息;
4、步骤2、路侧单元rsu根据道路交通信息和车辆自身信息,将交通路口前单一车道上进入不可换道区域内的车辆组成车辆队列,并指定其中距离路口最近的车辆为主车hv;
5、步骤3、路侧单元rsu利用基于深度强化学习模型训练得到决策模型,根据道路信息和主车的自身信息输出车辆最经济行驶动作a;
6、所述决策模型的状态空间a和动作空间s表示如下:
7、s={v,ac,vev,acev,d,dtl,s};
8、a={v,ac};
9、其中,v为hv自身速度、ac为主车的加速度,vev为hv前方车辆的速度,acev为主车前方车辆的加速度,d为hv与前方车辆距离,dtl为hv距离路口的距离,s为当前信号灯状态,包括了当前状态以及状态的持续时间;
10、用于训练的奖励函数以提高车辆通过速度,同时避免频繁的加减速和车辆碰撞为目的设计;
11、步骤4,路侧单元rsu将车辆最经济行驶动作通过i2v通信发送给主车,再由主车通过v2v通信分享至车辆队列内的其他车辆,各车辆以该行驶动作为依据实施碳减排行驶;
12、步骤5,在当前主车通过路口后,将其从所述车辆队列中去除,并回到步骤2继续执行。
13、优选地,所述奖励函数表达如下:
14、r=ra+rb+rc
15、
16、
17、
18、其中,ra是车辆低速惩罚函数,rb是加速度惩罚函数,rc是条件奖励函数;α1、α2是惩罚函数对应的权重,t是训练中每一回合的时间步长,vt是当前时刻车辆行驶速度,vmax表示车辆高速行驶场景下,无潜在碰撞最大的行驶速度或道路限速二者孰小;act为当前时刻车辆的加速度,acmax为车辆最大加速度。
19、进一步的,决策模型的训练中,采用actor-critic算法框架。
20、进一步的,决策模型的训练中,采用近端策略优化算法更新模型参数。
21、优选地,步骤4中,若车辆为自动驾驶车辆则依照该车辆最经济行驶动作执行,若非自动驾驶车辆则向驾驶者提示该车辆最经济行驶动作。
22、进一步的,步骤4中,还包括依据收集到的数据结合车辆碳排放模型,计算采取最经济行驶动作后车辆的碳减排量,并向驾驶/乘坐人员提示该减排量。
23、进一步的,所述车辆碳排放模型如下:
24、
25、β为碳排放系数即单位能源消耗对应的二氧化碳排放量,ffuel,v为某一速度区间的单位距离油耗因子,vt为时刻t的行驶速度,γ为道路拥堵二氧化碳排放的补偿项,有:
26、
27、tl为车辆在此路段行驶的总时间,tl为拥堵时间,
28、由于上述技术方案的应用,本发明与现有技术相比具有下列优点:本发明采用c-v2x技术,通过车路协同来实现更大范围感知,通过驾驶行为建议使车辆以经济平稳的速度行驶,优化道路交通流提升道路交通效率,减少车辆的不合理加速减速,有效地应对由于不合理的驾驶行为造成的碳排放量增加的问题。
技术特征:1.一种基于c-v2x车路协同的智能网联汽车碳减排方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的方法,其特征在于,所述奖励函数表达如下:
3.根据权利要求1所述的方法,其特征在于,决策模型的训练中,采用actor-critic算法框架。
4.根据权利要求3所述的方法,其特征在于,决策模型的训练中,采用近端策略优化算法更新模型参数。
5.根据权利要求1所述的方法,其特征在于,步骤4中,若车辆为自动驾驶车辆则依照该车辆最经济行驶动作执行,若非自动驾驶车辆则向驾驶者提示该车辆最经济行驶动作。
6.根据权利要求1所述的方法,其特征在于,步骤4中,还包括依据收集到的数据结合车辆碳排放模型,计算采取最经济行驶动作后车辆的碳减排量,并向驾驶/乘坐人员提示该减排量。
7.根据权利要求6所述的方法,其特征在于,所述车辆碳排放模型如下:
技术总结本发明属于智能网联汽车碳减排领域,特别涉及一种基于C‑V2X车路协同的智能网联汽车碳减排方法。包括由路侧单元RSU和车辆共同获取道路交通信息以及车辆自身信息;路侧单元RSU根据道路交通信息和车辆自身信息,将交通路口前单一车道上进入不可换道区域内的车辆组成车辆队列,并指定其中距离路口最近的车辆为主车HV;路侧单元RSU利用基于深度强化学习模型训练得到决策模型,根据道路信息和主车的自身信息输出车辆最经济行驶动作a;用于训练的奖励函数以提高车辆通过速度,同时避免频繁的加减速和车辆碰撞为目的设计;各车辆以该行驶动作为依据实施碳减排行驶。通过对车辆驾驶行为进行优化,提升交通效率,减少车辆行驶过程中二氧化碳的排放。技术研发人员:杨作秀,刘凯,梅诗远受保护的技术使用者:重庆大学技术研发日:技术公布日:2024/6/18本文地址:https://www.jishuxx.com/zhuanli/20240731/187660.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。