[发明专利]一种行驶轨迹的优化方法、装置、设备及可读存储介质有效
申请号: | 202011551321.2 | 申请日: | 2020-12-24 |
公开(公告)号: | CN112762952B | 公开(公告)日: | 2021-09-28 |
发明(设计)人: | 周韬;郑芳芳;侯康宁;陆良;刘婧;白霖涵 | 申请(专利权)人: | 西南交通大学;成都交大大数据科技有限公司 |
主分类号: | G01C21/34 | 分类号: | G01C21/34;G01C21/36 |
代理公司: | 北京集智东方知识产权代理有限公司 11578 | 代理人: | 刘林;陈攀 |
地址: | 610031 四*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 行驶 轨迹 优化 方法 装置 设备 可读 存储 介质 | ||
1.一种行驶轨迹的优化方法,其特征在于,包括:
获取参数,所述参数包括自动货车的行程时间、自动货车编队的可选顺序集合、自动货车的初始位置、自动货车的初始速度和自动货车的初始车道占用信息,对自动货车的位置变量、自动货车的速度变量和自动货车的车道占用状态变量进行初始化设置;
基于所述参数,计算所述可选顺序集合中各顺序的编队时长损失,编队时长损失最小的顺序为最优编队顺序;
判断所述最优编队顺序在行程时间上是否可行,若可行,则直接进入下一步骤,否则将该顺序从所述可选顺序集合中移除,重新选择集合中的最优编队顺序直至可行;
基于在行程时间上可行的最优编队顺序,以系统能耗最低为目标,构建混合整数规划模型,对模型进行求解,获得自动货车的路径优化结果;
其中,所述计算所述可选顺序集合中各顺序的编队时长损失,包括:
计算原始编队的解散所造成的编队时长损失,针对的是初始车道上的跟随车辆,包括计算自动货车在初始状态下已形成编队场景下的编队时长的损失和计算自动货车在初始状态下未形成编队场景下的编队时长的损失;
所述计算自动货车在初始状态下已形成编队场景下的编队时长的损失,计算公式为:
公式(1)中:为原始队列中跟随车辆i的编队时间损失;为跟随车辆i从初始编队状态到创建汇入点处所需安全间距而花费的时间;
所述计算自动货车在初始状态下未形成编队场景下的编队时长的损失,计算公式为:
公式(2)中:为跟随车辆i在原始车道上由初始状态到形成编队所需的时间;为跟随车辆i从起点到汇入点所花费的时间;
计算抵达汇入点的时间延误所造成的编队时长损失,针对的是初始车道上的领航车辆,计算公式为:
公式(3)中:为原始车道领航车辆i的编队时间损失;为原始车道上领头车辆i最快能到达汇入点所需的时间;
计算汇入后编队重组所造成的编队时长损失,针对的是所有自动货车,包括:
计算相邻自动货车在汇入点间距过大所造成的编队时长损失若位于相同初始车道上的相邻车辆在汇入点下游依旧作为相邻车辆行驶,对跟随车辆i而言,计算公式为:
若位于相同初始车道的相邻车辆在汇入点下游不作为相邻车辆行驶,且两车中间有n辆来自其它车道的自动货车汇入,由于车辆间距相较于前一种情况减小,此时对跟随车辆i而言,计算公式为:
公式(5)中:slane_c为自动货车在汇入点处变道所要求的最小安全间距,scoli为在同一车道行驶的自动货车间的最小安全间距,为最大速度;
对于初始车道上的领头车辆,若它并没有插入其余起始车道的车辆中间而是跟随其末尾车辆,也需要计算它因为与前车间距过大而造成的编队损失时间,计算公式为:
计算在汇入点处相邻车辆速度差异而造成的编队重组时间损失由后方车辆需在汇入点上游花费时间等待前方车辆驶过后再进入主路而造成,计算公式为:
公式(7)中:为自动货车i紧接自动货车j之后驶过汇入点,其通过汇入点的速度,amax为最大加速度,dmax为最大减速度绝对值;
公式(8)中:为自动货车i出发起点到汇入点的距离;
计算编队在分离点的解散与重组所造成的的编队时长损失针对的是驶离分离点后目标车道上的跟随车辆,计算公式为:
公式(9)中:为跟随车辆i在目标车道上重新进入编队所需要花费的时间;
计算各场景编队时长损失之和的最小值,计算公式为:
公式(10)中:N为所有自动货车的集合,Ol为在起始车道上的领头车辆集合,Of为在起始车道上的跟随车辆集合,Df为目标车道上的跟随车辆集合。
2.根据权利要求1所述的行驶轨迹的优化方法,其特征在于,所述自动货车编队的可选顺序集合为:
对于所考虑的n辆自动货车,共有种排列顺序,同时,对于从同一起始车道出发的自动货车,其在起始车道上的位置前后关系在整个路段上保持不变,即对于可选顺序集合,共有个元素或可选编队排列顺序,其中nk代表k个起始车道上的自动货车数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西南交通大学;成都交大大数据科技有限公司,未经西南交通大学;成都交大大数据科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011551321.2/1.html,转载请声明来源钻瓜专利网。