[发明专利]一种基于智能网联车辆的动态限速控制方法、系统、终端及可读存储介质

权利要求书

1.一种基于智能网联车辆的动态限速控制方法，其特征在于：包括如下步骤：

S1：监测所在路段是否出现瓶颈区段，若出现瓶颈区段，获取车队的车队状态参数；

其中，将瓶颈区段之后的网联车和非网联车进行编队，每个网联车分别作为一个车队的头车，以及将所述头车与下一网联车之间非网联车编入所述头车所在车队；

所述车队状态参数包括车队中头车的初始车速、瓶颈车速、车队长度以及车队与瓶颈区段的距离；

S2：基于动态限速控制模型控制车队中头车的减速参数，其中，所述动态限速控制模型如下：

式中，V₁为车队中头车的初始车速，V_n+1为头车的最终期望车速，等于瓶颈车速；t表示时间步长，其中，将每个控制周期划分为n个时间步长；a_k为第k个步长中头车的减速参数，d为车队与瓶颈区段的距离；

其中，基于动态限速控制模型计算减速参数，动态限速控制策略的减速参数，再将相同时刻下动态限速控制策略的减速参数与车辆内嵌跟驰控制算法的减速参数a_cav进行比较，择优执行；

其中，第k个步长的减速参数的择优规则表示为：

式中，a_T(k)表示当前控制周期T的第k个步长对应头车的最终减速参数，a_k为求解动态限速控制模型得到的第k个步长中头车的减速参数，a_cav为车辆内嵌跟驰控制算法的减速参数。

2.根据权利要求1所述的方法，其特征在于：步骤S2中基于动态限速控制模型控制车队中头车的减速参数的实现过程如下：

S21：获取基于动态限速控制模型构建的神经网络模型；

其中，在不同场景以及不同车队状态参数下利用遗传算法求解动态限速控制模型得到每组车队状态参数对应的头车的减速参数，其中，将每组车队状态参数及其对应的头车的减速参数作为一个样本；

将车队状态参数作为输入量，对应的头车的减速参数作为输出量，引入神经网络进行模型训练得到用于预测头车的减速参数的神经网络模型；

S22：将每个控制周期内的车队状态参数输入所述神经网络模型得到头车的减速参数；

S23：再将步骤S22得到的头车的减速参数与车辆内嵌跟驰控制算法的减速参数进行比较，并选择较小的减速参数作为头车的最终减速参数

其中，若当前控制周期内出现车辆内嵌跟驰控制算法的减速参数小于求解动态限速控制模型得到的头车的减速参数，将车辆内嵌跟驰控制算法的减速参数作为当前时间步长的减速参数后，不再执行当前控制周期内下一时间步长的动态限速控制，转为跳入下一个控制周期的动态限速控制。

3.根据权利要求1所述的方法，其特征在于：步骤S2中基于动态限速控制模型控制车队中头车的减速参数的实现过程如下：

利用遗传算法求解动态限速控制模型得到车队中车头减速参数；

将所述减速参数与车辆内嵌跟驰控制算法的减速参数进行比较，并选择较小的减速参数作为头车的最终减速参数；

其中，若当前控制周期内出现车辆内嵌跟驰控制算法的减速参数小于求解动态限速控制模型得到的头车的减速参数，将车辆内嵌跟驰控制算法的减速参数作为当前时间步长的减速参数后，不再执行当前控制周期内下一时间步长的动态限速控制，转为跳入下一个控制周期的动态限速控制。

4.根据权利要求2或3所述的方法，其特征在于：将限速控制过程划分为T个控制周期，获取每个控制周期的车队状态参数，并利用步骤S2控制每个控制周期中头车的减速参数。

5.根据权利要求4所述的方法，其特征在于：若控制过程中车队与瓶颈区段的距离d小于或等于0，则结束动态限速控制。

6.一种基于权利要求1-5任一项所述方法的系统，其特征在于：包括：

监测模块：用于监测所在路段是否出现瓶颈区段；

车队状态参数获取模块，用于获取车队的车队状态参数；

控制模块，用于基于动态限速控制模型控制车队中头车的减速参数。