智能网联汽车协同控制技术（第2版）课件 第8、9章 面向城市路网的智能网联汽车时空轨迹优化方法、智能网联汽车动力学模型

智能网联汽车协同控制技术第2版“十四五”时期国家重点出版物出版专项规划项目新基建核心技术与融合应用丛书智能网联汽车技术系列第8章面向城市路网的智能网联汽车时空轨迹优化方法8.1最优路径相关算法的研究现状8.2基于V2X通信的城市路网场景8.3城市路网环境下的系统架构改进8.4基于有向加权图方法的多子节点拓扑图生成8.5路网承载力分析模型8.6面向城市路网的路径决策模型8.7仿真实验第8章

面向城市路网的智能网联汽车时空轨迹优化方法本章重点：

针对实际交通路网具有随机性、时变性的特点，以第7章所述信号交叉口场景下的多车道时空轨迹优化系统为基础，实现城市道路环境内多节点的时空轨迹路径决策与优化。

主要内容：●搭建城市路网场景，并完成系统架构改进；●生成考虑信号交叉口的子节点拓扑图，并计算路网承载力；

●针对时空轨迹优化方法，设计路网环境下的路径规划算法和求解方法，实现路网环境下多车道时空轨迹优化方法，提高城市路网交叉口通行效率并改善环保性能。8.1最优路径相关算法的研究现状在最优路径规划问题中，Dijkstra算法作为路径规划方法的基础，可以通过搜索大量节点来精确计算路径，但高复杂性和高难度阻碍了该算法的推广应用。研究人员提出了众多解决方法。8.2基于V2X通信的城市路网场景场景：●3×3的“九宫格”城市路网；●以3条横向主干道路和3条纵向主干道路及相交而成的9个十字信号交叉口；●红色目标车辆由场景入口驶入。8.2基于V2X通信的城市路网场景8.3城市路网环境下的系统架构改进●对实际路网进行了拓扑化处理，针对实际交叉口车流流向特点，设计了基于有项加权图算法的多子节点拓扑图生成方法；●考虑了各信号交叉口、各路段饱和状态下将影响路径决策，设计了基于优劣解距法和重力模型法完成路网承载力的分析模型；●基于D*算法实现了城市路网路径决策，进而形成连续的多信号交叉口路径可通过多车道时空轨迹优化方法提升实际路网交通效率。8.3城市路网环境下

的系统架构改进8.4基于有向加权图方法的多子节点拓扑图生成路网模型8.4基于有向加权图方法的多子节点拓扑图生成8.4基于有向加权图方法的多子节点拓扑图生成8.4基于有向加权图方法的多子节点拓扑图生成边上的数值表示，通过极限学习机（ELM）方法估算当前节点对其子节点的时间成本。8.4基于有向加权图方法的多子节点拓扑图生成基于拓扑节点图，累计各子节点间的时间成本，即可得到最优的路径集合。通过路径搜寻算法实现最优路径。8.5路网承载力分析模型●基于优劣解距离法，设计路网节点承载力分析方法；●基于重力模型法的路段承载力评价，共同构建路网承载力分析模型。8.5路网承载力分析模型基于优劣解距离法（TOPSIS）的路网节点承载力分析方法：根据各路网子节点实际交通情况和需求设定评价维度及评价指标属性，结合各子节点交通通行数据，实现子节点交通承载力分析。8.5.1基于优劣解距离法的节点承载力分析节点n在第t个维度的评价权重值趋势一致化指标数值无量纲化后指标数值8.5路网承载力分析模型8.5.1基于优劣解距离法的节点承载力分析采用层次分析法构造判断特征矩阵8.5路网承载力分析模型8.5.1基于优劣解距离法的节点承载力分析得加权后的指标数值当前子节点样本最优欧几里得距离

最劣欧几里得距离当前子节点样本与最优子节点样本间可连通性距离的表征节点承载力8.5路网承载力分析模型8.5.1基于优劣解距离法的节点承载力分析8.5路网承载力分析模型节点承载力吸引量初始路段承载力优化承载力模型8.5.2基于重力模型法的路段承载力评价8.6面向城市路网的路径决策模型具体的决策过程：●基于D*算法的路径搜索算法完成路网路径决策数学模型构建；

●基于遗传算法的求解方法，实现高纬度问题的快速求解过程；●形成连续的多信号交叉口路径并通过多车道时空轨迹优化方法提升实际路网交通效率。8.6面向城市路网的路径决策模型D*算法是一种基于A*算法的启发式算法：●增加成本评估函数对下一节点或子节点开展成本评估；●从后继节点筛选评价指标最优的子节点扩展至路径集合。优点：●相比Dijkstra算法，不失准确度又减少时间的浪费（BSF算法启发函数优化）。

●相比BSF算法，有障碍物干扰的情况下更准确地选择最优路径。8.6.1基于D*算法的城市路径规划8.6面向城市路网的路径决策模型节点n的估价函数相容性条件启发函数启发函数满足相容性条件8.6.1基于D*算法的城市路径规划8.6面向城市路网的路径决策模型D*算法5步骤：1）预处理

2）初始化3）更新目标节点4）节点选择5）判断终止条件8.6.1基于D*算法的城市路径规划8.6面向城市路网的路径决策模型路网环境内全局多车多点的路径决策方案，主要采用爬山算法和遗传算法相结合的方式，对路径决策方案进行快速求解。本章算法结合爬山算法和遗传算法在局部和全局的优势，对路网内多车多点的路径决策方案进行优化。对路网内多车多点的路径决策方案建立数学模型。

【模型描述】从某起点由智能网联汽车经过多次路径决策，最大路网负载由上节路网承载力分析计算，要求合理安排智能网联汽车路线，优化目标函数。8.6.2基于混合遗传算法的求解方法8.6面向城市路网的路径决策模型路径决策数学模型8.6.2基于混合遗传算法的求解方法8.6面向城市路网的路径决策模型过程：1）编码方式的确定直接生成1至L

个互不重复的自然数排列。2）初始群体的确定随机算法、最近邻算法、Solomon插入法及Impact算法分别产生1/4的可行解，将四个部分的解放在一起混合为初始群体。8.6.2基于混合遗传算法的求解方法8.6面向城市路网的路径决策模型3）适应度评估的确定适应度4）选择操作选择概率累计选择概率8.6.2基于混合遗传算法的求解方法8.6面向城市路网的路径决策模型5）交叉操作两点交叉运算8.6.2基于混合遗传算法的求解方法8.6面向城市路网的路径决策模型6）变异操作通过随机方法产生交换次数J，连续J次对随机位置的需要变异的个体基因进行对换8.6.2基于混合遗传算法的求解方法8.6面向城市路网的路径决策模型7）爬山操作●应用基因连锁互换算子完成爬山操作；●若适应值在爬山操作后增加则将换位后的个体取代原个体；●重复这个步骤直到达到交换次数。8）终止条件的判定循环过程达到设置的最大迭代次数

，或者个体适应度已经在最大迭代次数迭代没有改善，将止循环并输出最佳路径。8.6.2基于混合遗传算法的求解方法8.7仿真实验SUMO软件仿真验证●选取实际城市路网场景，搭建了仿真实验环境；●设置算法各项参数，配置软件实验环境参数；●验证本章算法。【验证分析】本章的面向城市道路的智能网联汽车时空轨迹优化方法，在通行高效性、环保经济性上具有一定的实用性和先进性，可有效提高城市路网交叉口通行效率并改善环保性能。。8.7仿真实验仿真实验环境——北京市昌平区部分区域城市道路●东西向——由北至南分别是龙锦二街、龙锦三街、回龙观东大街；●南北向——由西至东分别是文华西路、文华路、文华东路；【特点】6条路网内贯穿性的城市道路组成上面算法涉及的3×3城市道路路网，9个城市信号交叉口。8.7.1场景选择与搭建8.7仿真实验8.7.1场景选择与搭建8.7仿真实验通过Neteditor软件对SUMO软件中仿真场景设置进行简化，简化条件如下：①仿真环境内车辆均为相同的型号、尺寸及运动学特征。②对于设有中央隔离带的回龙观东大街，简化中央隔离带并合并两条单向车道为一条双向车道。③仿真环境内无特殊天气影响且道路附着系数保持恒等。④仿真环境内道路优化为平直道路，且路段道路保持水平，无倾角变化，即车辆不会处在上坡或下坡的情况。8.7.1场景选择与搭建8.7仿真实验⑤仿真环境内取消子路段、匝道、非机动车道或停车位等情况，使路网内车辆无法额外的驶入或驶出。⑥仿真环境内车辆的到达概率具有随机性且符合泊松分布。⑦仿真环境内车辆无超速等违法行为。⑧仿真环境内车辆安全具有最高优先级，网联汽车可根据实际仿真环境判断最优时空轨迹是否满足安全，并允许车辆在轨迹优化方法和自适应巡航控制键切换。8.7.1场景选择与搭建8.7仿真实验8.7.2参数设置8.7仿真实验8.7.2参数设置8.7仿真实验8.7.2参数设置8.7仿真实验8.7.3仿真实验结果分析8.7仿真实验8.7.3仿真实验结果分析8.7仿真实验8.7.3仿真实验结果分析8.7仿真实验8.7.3仿真实验结果分析8.7仿真实验1.通行高效性分析8.7.3仿真实验结果分析8.7仿真实验8.7.3仿真实验结果分析8.7仿真实验8.7.3仿真实验结果分析8.7仿真实验8.7.3仿真实验结果分析8.7仿真实验8.7.3仿真实验结果分析8.7仿真实验8.7.3仿真实验结果分析8.7仿真实验8.7.3仿真实验结果分析8.7仿真实验8.7.3仿真实验结果分析8.7仿真实验8.7.3仿真实验结果分析8.7仿真实验8.7.3仿真实验结果分析2.通行高效性分析8.7仿真实验8.7.3仿真实验结果分析8.7仿真实验8.7.3仿真实验结果分析8.7仿真实验8.7.3仿真实验结果分析8.7仿真实验8.7.3仿真实验结果分析8.7仿真实验8.7.3仿真实验结果分析8.7仿真实验8.7.3仿真实验结果分析8.7仿真实验8.7.3仿真实验结果分析8.7仿真实验8.7.3仿真实验结果分析8.7仿真实验8.7.3仿真实验结果分析8.7仿真实验8.7.3仿真实验结果分析8.7仿真实验8.7.4实验总结【总结】1）考虑车道通行能力差异，提出针对道路环境的信号交叉口子节点拓扑模型建立方法，将实际道路交通特性数字化构建数学模型。2）基于优劣解距法和重力模型法，提出可应用于城市路网的承载力评价分析方法。3）基于实际道路信号交叉口子节点拓扑图结构及路网承载力约束，设计面向城市路网的路径生成模型，以及基于遗传算法的求解方法。第9章智能网联汽车动力学模型9.1智能网联汽车受力分析9.2智能网联汽车简化纵向动力学分层模型9.3基于CarSim/MATLAB软件的车辆动力学模型联合仿真验证第9章

智能网联汽车动力学模型本章内容利用计算机仿真软件验证车辆动力学模型。

在软件中，可以设置车辆控制系统参数和环境参数，搭建各种复杂实验场景并进行多次重复性实验，从而降低实验的成本和减少实验的盲目性，还可以缩短了模型的研发周期。9.1智能网联汽车受力分析车辆动力学模型划分为●纵向动力学●行驶动力学●操纵动力学

三者可以分别独立进行分析。9.1智能网联汽车受力分析考虑横摆运动、质心侧偏运动和侧倾运动的三自由度汽车模型9.1智能网联汽车受力分析本书重点对车辆纵向编队控制进行研究9.1智能网联汽车受力分析纵向的车辆动力学方程9.1智能网联汽车受力分析（1）轮胎切向力车轮滑移率9.1智能网联汽车受力分析（2）滚动阻力前后轮正压力9.1智能网联汽车受力分析（3）空气阻力车辆的纵向速度（4）重力分量9.1智能网联汽车受力分析（5）驱动力和制动力

9.2智能网联汽车简化纵向动力学分层模型9.2.1智能网联汽车动力学模型的简化合理必要的简化：1）车辆在平直公路上纵向行驶，不存在坡道，故路面仰角θ为零。2）只考虑车辆的纵向行驶，即车辆的一维行驶，不涉及车辆行驶过程中的其他运动，如横摆、侧倾等。3）车辆左右两侧动力学对称，从而可以将车辆左右轮运动的差异忽略掉，将车辆轮胎模型简化为两轮模型。4）假设车辆坐标系原点、车辆几何中心、车辆质心三者重合，并且公路为干燥表面，可以提供足够的地面附着力使轮胎不滑移，传动轴和传动齿轮在动力传动系统中为刚性。5）车辆轮胎受力分析如图9-4所示。6）设定车辆行驶环境天气良好，无雨雪等特殊情况，风力微弱，可以忽略迎风空气阻力。9.2智能网联汽车简化纵向动力学分层模型9.2.1智能网联汽车动力学模型的简化9.2智能网联汽车简化纵向动力学分层模型9.2.2简化纵向车辆动力学模型的分层车辆动力学系统模型分为三部分：

●下层控制模型（车辆纵向动力学模型）

●车辆模型（执行器模型）●上层控制模型（核心控制模型，这里指车辆队列协同控制模型）9.2智能网联汽车简化纵向动力学分层模型9.2.2简化纵向车辆动力学模型的分层（1）车辆模型的选型所有车型一致为大众帕萨特——CarSim软件车辆模型库中对应为为B-Class普通轿车车型9.2智能网联汽车简化纵向动力学分层模型9.2.2简化纵向车辆动力学模型的分层（2）下层控制模型车辆纵向动力学方程简化公式当前加速度值对应的发动机输出净转矩9.2智能网联汽车简化纵向动力学分层模型9.2.2简化纵向车辆动力学模型的分层（2）下层控制模型期望发动机转矩期望节气门开度当前期望制动力期望制动压力9.3基于CarSim/MATLAB软件的车辆动力学模型

联合仿真验证9.3基于CarSim/MATLAB软件的车辆动力学模型

联合仿真验证9.3.1CarSim软件仿真环境参数设置（1）设置车辆模型参数见图9-9（默认设置）见图9-10见表9-19.3基于CarSim/MATLAB软件的车辆动力学模型

联合仿真验证9.3.1CarSim软件仿真环境参数设置9.3基于CarSim/MATLAB软件的车辆动力学模型

联合仿真验证9.3.1CarSim软件仿真环境参数设置9.3基于CarSim/MATLAB软件的车辆动力学模型

联合仿真验证9.3.1CarSim软件仿真环境参数设置（2）设置环境参数设置椭圆形的环形路面，两个长直道的长度为1km，两个短直道的长度为180m，弯道半径为25m