面向联网和未联网车辆的混合场景的协同超车方法

本发明属于车联网通信，尤其涉及一种面向联网和未联网车辆的混合场景的协同超车方法。

背景技术：

1、随着车辆数量和道路交通需求的不断增加，智能交通系统(its)和自动驾驶技术的快速发展为交通效率和道路安全的挑战提供了新的解决方案。配备车载单元(obu)的联网车辆可以与周围的联网车辆和道路基础设施连接并共享环境信息，例如位置和速度。这种先进水平的自动化和协作驾驶预计将提高道路安全和整体交通流效率。在未来的道路网络中，与技术和基础设施开发相关的高成本将阻碍联网车辆的快速采用，这意味着联网车辆和未搭载obus的非联网车辆将共同组成未来的交通流。这种环境涉及到联网车辆和周围非联网车辆之间的复杂交互，尤其是在高密度和动态变化的交通情况下。变道超车作为车辆提高车速的重要手段，在提高道路交通效率和安全性方面发挥着关键作用。然而，这些机动的不当执行不仅增加了交通事故的风险，而且损害了交通流的整体效率。因此，确保联网车辆能够有效协作，并在混合场景中做出安全高效的变道超车决策，成为一个重要的研究领域。

2、目前在联网自动驾驶车辆的变道超车领域的公知技术已经取得了一定的进展。然而，这些公知技术大多集中于优化单个车辆的决策，如定义目标为每辆车尽可能的避免拥堵或提高速度，而牺牲了考虑相对车辆状态的动态以及由于缺乏合作而产生竞争冲突的可能性。为了克服单主体范式的局限性，相关公知技术提出了基于多主体范式的多车辆协同变道超车决策，通过车辆之间的信息共享和合作来提高整体交通效率和安全性。随着混合场景将持续存在的预期以及随着技术进步，联网车辆与非联网车辆的比例不断增加，仅关注联网车辆的自主决策可能会在自身利益的驱动下引发它们之间的决策冲突。将联网车辆之间的协作战略与单独的决策过程相结合，可以缓解这种冲突。然而，非联网车辆缺乏通信能力，使得现有的相关公知技术的基于多智能体方法的全联网自动驾驶策略在混合场景中的直接应用变得不可行。因此，在混合环境中实现联网车辆之间的协同变道超车是一个巨大的挑战。

3、联网车辆和非联网车辆的共存进一步分为人工驾驶车辆和自动驾驶车辆。由于制造商的设计理念、安全标准和算法参数的差异，自动驾驶车辆表现出不同的决策行为。因此，不同制造商生产的车辆可能在相同的道路条件和交通场景下采用不同的驾驶策略。例如，一些车辆可能被编程为在变道时保持谨慎，强调更长的安全距离，而另一些车辆可能会优先考虑流动的交通流，选择在安全边际降低的情况下变道。这种差异放大了驾驶风格的多样性。此外，人类驾驶员的驾驶风格受到一系列个人因素的影响，包括情绪、习惯、经验和对当前交通状况的理解。任何特定时刻的情绪变化，如不耐烦或恐惧，都会对驾驶员的决策产生重大影响。因此，车辆准确感知并即时适应驾驶风格动态特性的能力对于提高道路安全和优化交通流至关重要。

4、车辆在道路上的行驶包括两个主要维度：通过离散变道进行的横向操纵和通过连续速度控制进行的纵向调整。相关公知技术要么侧重于处理离散动作，要么只考虑连续动作，要么试图将离散动作转换为连续动作，反之亦然，以简化问题。然而，这种方法会影响决策的准确性，并可能忽略细微的速度变化所带来的细微的安全效益。此外，算法在稳定性方面的性能及其快速收敛到最优解的能力对于车辆决策过程的安全性和有效性至关重要。如果一种算法不能在短时间内快速收敛到优化策略，它可能会导致变道超车决策过程中的不确定行为，增加交通事故的风险，尤其是在高速或复杂的道路条件下。稳定的算法确保在混合场景等复杂场景中做出一致的决策，而快速收敛的算法对于实时驾驶任务至关重要，确保自动驾驶系统能够迅速适应环境变化，并及时更新其决策策略以适应新的驾驶条件。因此，有效处理变道超车决策中的混合动作空间，提高算法的稳定性和训练收敛速度，将进一步提高执行变道超车机动的安全性和效率。

5、现有技术中，在含有联网车辆和非联网车辆的混合场景下实现变道超车面临多个挑战：首先，大多数相关的公知技术都致力于提高联网自动驾驶车辆在变道超车过程中的决策效率，而往往忽视了非联网车辆对混合环境中联网车辆决策过程的影响。其次，由于混合场景中驾驶风格的差异，缺乏对自动驾驶汽车和人工驾驶汽车之间互动的深入探索，以及如何实时捕捉和适应这些风格变化。对于与变道超车过程相关的复杂动作空间，目前的相关公知技术往往通过离散连续动作或将离散动作转换为连续形式来简化混合动作空间的处理，从而降低了混合动作空间管理的准确性。此外，找到一种提高算法稳定性和训练效率的策略尤为重要。

6、因此，考虑到多辆联网和非联网车辆共存所涉及的复杂相互作用，提出了一种集成驾驶风格的多智能体协同超车策略，旨在促进对多辆联网车辆的协同控制，同时优先考虑安全性并提高超车操作的效率，成为亟待解决的问题。

技术实现思路

1、鉴于此，本发明提供了一种面向联网和未联网车辆的混合场景的协同超车方法，以解决混合场景中由于车辆通信能力差异而带来的变道超车的挑战。

2、本发明提供了一种面向联网和未联网车辆的混合场景的协同超车方法，包括如下步骤：

3、s1：装备有车载单元的联网车辆通过搭载的传感器实时监测并记录周围车辆的状态信息，其中，所述状态信息包括位置信息、速度信息以及加速度信息；

4、s2：利用改进的动态精确模糊c均值算法对速度数据和加速度数据进行聚类，得到周围车辆的驾驶风格隶属度；

5、s3：根据路段信息和联网车辆的状态信息设置联网车辆变道超车优先级触发条件，并利用联网车辆与前车的车速差异、车辆间距、交通流量以及安全条件四个指标计算联网车辆在变道超车过程中的优先级指数；

6、s4：采用s2中得到的驾驶风格隶属度和s3中得到的优先级指数以及其他的效率和安全指标建立奖励函数，并通过对变道超车过程中的混合动作空间进行参数化以及结合对比学习的方法构建变道超车模型；

7、s5：联网车辆根据所述变道超车模型提供的决策信息协同执行超车动作。

8、优选，s2具体包括如下步骤：

9、将监测到的速度数据和加速度数据记为m，通过引入四分位间距来检测和移除m中异常值；

10、利用模糊c均值算法将m分为c个簇，并生成一个隶属度矩阵u，之后，通过最小化数据点与其所属簇之间的距离，同时调整隶属度矩阵u和聚类中心c以找到最佳的聚类结果，其中，初始簇心使用k-means算法确定；

11、使用在线学习方法处理连续到达的速度数据和加速度数据，实现动态在线聚类。

12、进一步优选，s2中，驾驶风格分为三类：激进型、普通型和保守性。

13、进一步优选，s3中，根据路段信息和联网车辆的状态信息设置联网车辆变道超车优先级触发条件的方法如下：利用车辆在执行变道超车动作前与前车的相对间距和相对速度确定一个置信区间，然后采用基于统计置信区间的优先级触发机制判断何时需要触发优先级。

14、进一步优选，s3中，联网车辆cvi在变道超车过程中的优先级指数通过下式计算：

15、

16、式中，表示联网车辆cvi和与其在同一车道上的前一辆车的速度差，表示联网车辆cvi和与其在同一车道上的前一辆车的间距，fti表示交通流量，表示安全条件，w1，w2，w3和w4分别是各个因子的加权系数，σt是服从n(0,0.001)的小随机变量。

17、进一步优选，s4中，奖励函数取决于五个指标：结合驾驶风格的安全指数、速度执行效率、驾驶和谐度、优先级指数以及对不可执行动作的惩罚。

18、进一步优选，s4中，变道超车过程中的混合动作空间的参数化具体如下：将每个离散动作与对应的连续动作关联起来，并采用分层方法来确定最佳的离散及其对应的连续动作。

19、进一步优选，s4中，对比学习的方法具体如下：利用在强化学习中的经验池中随机采样的数据构建正、负样本并计算对比损失。

20、本发明提供的面向联网和未联网车辆的混合场景的协同超车方法，在优先考虑安全性并提高超车操作的效率的同时促进了对多辆连接车辆的协同控制。该方法通过优先级检测和触发机制可以优化联网车辆之间的协作；考虑到自动驾驶车辆和人工驾驶车辆之间存在驾驶风格的差异，通过动态捕捉车辆驾驶风格，可以显著提高决策安全性；对于变道超车决策中的混合行动空间，通过基于多智能体范式的算法，结合对比学习可以稳定策略更新过程，提高复杂场景下的模型稳定性。

21、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明的公开。