[发明专利]一种面向智能网联车辆的多车道时空轨迹优化方法

说明书

本发明提供了一种面向智能网联车辆的多车道时空轨迹优化方法，本发明设计了基于强化学习算法的时空轨迹优化算法可以快速匹配最优轨迹。该算法一共包含计算两个不同输入的内容：（1）时空轨迹的优化，以车辆当前位置、速度及目标驶出车道、时段为输入，车辆加速度的集合为输出；（2）多车道协同换道的优化，以车辆当前位置、速度及目标车道威胁车位置、速度为输入，车辆加速度集合为输出。即车辆发起换道请求后可通过强化学习匹配车辆协同换道过程的轨迹，换道完成后通过强化学习匹配此时刻的时空轨迹以达到多车道轨迹优化的过程。该方法可根据不同的道路环境和交通状态实时优化及生成路段内通行车辆的时空轨迹，增加了车辆间的相互协作能力，提升了通过路段的安全性以及交叉口的车辆通行效率，减少了车辆的能源消耗水平，为保证道路交通安全，提高出行效率提出了新的解决方案和理论依据。

技术领域

本发明属于车路协同/干线交通流控制技术领域，具体涉及面向智能网联车辆的多车道时空轨迹优化方法，适用于城市道路交通路网内任意信号交叉口路段。

背景技术

对于城市交通路网而言，除了少部分流量较小的郊区路口采用无信号自组织的控制方法外，目前城市交通路系统对交叉口车流进行控制。交叉口是各路段相互连接的主要节点，各路段内车流的合理规划也是提升交叉口通行效率的重要组成部分。在路段的行驶过程中车辆的驾驶行为可以分为车道保持行为和变换车道行为，其中超车行为的过程可拆解为至少两次变换车道行为。换道行为相比于保持车道行为有更多的因素要考虑，所以也有较高的复杂度，其发生事故的概率也大于保持车道行为发生的概率。而且，由变换车道行为导致的事故现场占据多车道，使道路堵塞的情况更为严重。Apollo在轨迹规划中以当前车辆的环境信息为基础建立了弗莱纳(Frenet)坐标做运动分解，并通过分段加加速度算法优化车辆的行驶轨迹以保证车辆安全性的前提下提升车辆的通行效率。然而该算法仅仅使针对单一车辆进行轨迹优化，无法整体提升路段甚至路网内车辆通行效率。此外，为了提升路网内路段车流吞吐量，国内外学者通过优化车辆驶出当前车道的时空轨迹的方式提升驶入交叉口的通行效率。但是，常见的多车道路段的通行效率问题无法直接通过多条单一车道的优化办法得以提升，同时具有更多的数据计算量和更高的系统的复杂度。

针对上述问题，本发明建立基于V2X的多车道路段场景，并以此为基础设计了车辆多车道时空轨迹优化方法。该方法结合了车辆当前的状态信息、车辆附近的环境信息以及路段下游的信号配时信息等，生成基于V2X的车辆时空轨迹。此外，该发明设计了基于V2X的在线车辆协同时空轨迹优化办法以减少车辆换道过程对时空轨迹的影响。该方法规定了车辆在线协同优化的换道规则、换道安全查验规则、协同换道时空轨迹更新办法以及基于强化学习的协同换道时空轨迹优化办法，可以有效的解决多车道多车辆的协同换道问题，为解决信号交叉口拥堵问题提供了路段内的车辆时空轨迹优化方法。

相关技术

1车路通信技术

随着无线通信和新一代互联网等技术的发展，物联网技术也应用到道路交通方面。基于车路通信技术的V2X(Vehicle to Everything)车联网技术包括V2V(Vehicle toVehicle)车车协同技术、V2R(Vehicle to Route)车路协同技术、V2I(Vehicle toInfrastructure)车与基础设施协同技术及V2C(Vehicle to Cloud)车与云端技术等。目前实现V2X的两大标准分别为LTE-V和DSRC标准。全方位的实施V2X技术可以有效保证车辆相关信息的实时交互，充分实现车路系统的有效协同。保证道路交通安全、提高车辆通行效率，为形成安全、互联、高效的交通控制系统打好信息互通的基础。

2交通诱导技术