CN115471389A - 智能车辆交叉口通行排序与轨迹规划计算量降低方法 - Google Patents

Abstract

本发明涉及一种智能车辆交叉口通行排序与轨迹规划计算量降低方法，包括以下步骤：S1、判断是否有其它智能网联车队驶出交叉口冲突区；S2、将v_i视为队长为1的智能网联车队，将v_i移入冲突车队集P_cf，形成未组队冲突车队集P_{cf_up}；S3、能否在交叉口控制区范围汇入其所在路径的前方车队；S4、根据未组队车均延误d_up和组队车均延误d_p的数值比较结果确定智能网联车辆v_i的组队策略；S5、实现交叉口智能网联车辆通行次序与轨迹规划的动态更新。本发明将智能网联车辆的组队策略作为决策变量，使得智能网联车辆的组队行为可控性更强，问题规模降低，不需要独立进行轨迹规划，只需依照前方车队轨迹规划结果修正初始轨迹即可，降低计算负担。

Description

智能车辆交叉口通行排序与轨迹规划计算量降低方法

技术领域

本发明涉及智能网联车辆的轨迹规划与通行次序求解的技术领域，尤其是涉及一种智能车辆交叉口通行排序与轨迹规划计算量降低方法。

背景技术

随着通信技术和控制技术的进一步发展，智能网联车辆将逐渐普及，其被认为是解决交通拥堵、交通安全的新兴解决方案。在V2X背景下，智能网联车辆的通行次序和行驶轨迹将由交叉口内部的中央控制器集中调度，但随着交叉口内部的智能网联车辆数量增加，中央控制器的计算负担快速增大，因此需要一种求解智能网联车辆通行次序和轨迹规划的高效方法。

现有技术中，通行次序和轨迹规划的控制对象均为智能网联车辆单车，当交叉口内部的智能网联车辆数量达到一定阈值时，合理的通行次序求解方法将解得智能网联车辆组队通过交叉口的方案，辅以单车轨迹规划方法可使得智能网联车辆组队通过交叉口；然而，现有通行次序求解方法和轨迹规划方法均单独控制每辆智能网联车辆，计算复杂度随着车辆数量的增多而迅速增加。

发明内容

本发明要解决的技术问题在于，提供一种智能车辆交叉口通行排序与轨迹规划计算量降低方法，其以车队为控制对象进行智能网联车辆的通行次序求解和轨迹规划，降低了中央控制器的计算负担。

本发明解决其技术问题所采用的技术方案是：提供一种智能车辆交叉口通行排序与轨迹规划计算量降低方法，包括以下步骤：

S1、智能网联车辆v_i到达交叉口控制区时，判断是否有其它智能网联车队驶出交叉口冲突区，若有则将其移出冲突车队集P_cf；

S2、将v_i视为队长为1的智能网联车队，将v_i移入冲突车队集P_cf，形成未组队冲突车队集P_{cf_up}，采用启发式算法计算未组队冲突车队集P_{cf_up}中各个车队间最优的通行次序D_up及未组队车均延误d_up；

S3、能否在交叉口控制区范围汇入其所在路径的前方车队，若能则更新前方车队的信息，更新冲突车队集P_cf，形成组队冲突车队集P_{cf_p}，采用启发式算法计算组队冲突车队集P_{cf_p}中各个车队间最优的通行次序D_p及其组队车均延误d_p；

S4、根据未组队车均延误d_up和组队车均延误d_p的数值比较结果确定智能网联车辆v_i的组队策略；

S5、每个智能网联车辆到达交叉口控制区时，执行步骤S1-S4，实现交叉口智能网联车辆通行次序与轨迹规划的动态更新。

按上述方案，所述步骤S1包括以下步骤：

S101、获取智能网联车辆v_i到达交叉口控制区的时刻，所述交叉口控制区为四个进口道的警示线与信号传输边界围合的区域；

S102、判断上一辆智能网联车辆v_i-1和当前智能网联车辆v_i到达控制区的时间范围内，是否有智能网联车队驶出冲突区，其中冲突区是四个进口道的警示线围合区域；

t_a,i-1≤T_d≤t_a,i

式中，t_a,i-1表示上一辆智能网联车辆v_i-1到达控制区的时刻，t_a,i表示当前智能网联车辆v_i到达控制区的时刻，T_d表示t_a,i-1和t_a,i时间范围内智能网联车队驶出交叉口冲突区的时刻集合；

S103、若步骤S102中的集合T_d为空集，则表示t_a,i-1和t_a,i时间范围内不存在驶离交叉口冲突区的车队；

S104、若步骤S102中的集合T_d非空，则需按下式将T_d中的对应车队P_d移出冲突车辆集P_cf：

按上述方案，所述步骤S2包括以下步骤：

S201、将智能网联车辆v_i视为队长为1的智能网联车队P_i，形成未组队冲突车队集P_{cf_up}：

P_{cf_up}＝P_cf∪P_i

S202、建立最小车均延误模型，目标函数具体表达式如下：

式中，O_m,n表示未组队冲突车队集P_{cf_up}中第m个车队P_m与第n个车队P_n的通行次序，取1表示P_m优先通行，取0表示P_n中第m个车辆优先通行；d_up表示未组队冲突车队集P_{cf_up}的车均延误；

表示车队P_m的车辆总延误；

表示车队P_m的队长(包含车辆数)；M表示未组队冲突车队集P_{cf_up}的车队总数；

S203、采用启发式算法求解步骤S202中的最小车均延误模型，将求解结果O_m,n存入未组队最优通行次序D_up。

按上述方案，所述步骤S3包括以下步骤：

S301、获取智能网联车辆v_i所在路径；

S302、判断智能网联车辆v_i所在路径是否有未驶出控制区的车队，若有则判断智能网联车辆v_i以最大速度匀速行驶能否在控制区范围内汇入前方车队；

S303、若不能汇入前方车队，或前方无车队，则步骤S3结束，组队车均延误d_p取无穷大；

S304、若能汇入前方车队

则按下式更新前方车队的信息：

式中，

表示前方车队P_f的队长(所包含车辆数)；

表示前方车队P_f的车队实际长度，l_i表示智能网联车辆v_i的车辆实际长度，δ表示最小安全间距；

S305、更新原冲突车辆集P_cf中车队P_f的车队信息，形成组队车队冲突集P_{cf_p}；

S306、建立最小车均延误模型，目标函数具体表达式如下：

式中，O_m,n表示组队冲突车队集P_{cf_p}中第m个车队P_m与第n个车队P_n的通行次序，取1表示P_m优先通行，取0表示P_n中第m个车辆优先通行；d_p表示组队冲突车队集P_{cf_p}的车均延误；

表示车队P_m的车辆总延误；

表示车队P_m的队长(包含车辆数)；M表示组队冲突车队集P_{cf_p}的车队总数；

S307、采用启发式算法求解步骤S306中的最小车均延误模型，将求解结果O_m,n存入组队最优通行次序D_p。

按上述方案，所述步骤S4中：若智能网联车辆v_i不与前方车队组队，则并根据步骤S2的最优通行次序为其进行轨迹规划；若智能网联车辆v_i与前方车队组队，则需引入校正模型修正以最大速度匀速行驶的初始轨迹，以使智能网联车辆v_i顺利汇入前方车队。

按上述方案，所述步骤S4包括以下步骤：

S401、若未组队车均延误d_up小于组队车均延误d_p，则智能网联车辆v_i与前方车队组队，否则能网联车辆v_i不与前方车队组队；

S402、获取智能网联车辆v_i到达控制区边界的时刻、速度、加速度、加速度变化率等当前行驶信息，并确定其初始条件x₀:t＝t⁰,s₀＝(u⁰,a⁰,v⁰,x⁰)；

式中，式中，t⁰表示初始时刻，s₀表示初始状态，u⁰表示初始加速度变化率，a⁰表示初始加速度，v⁰表示初始速度，x⁰表示初始位置；

S403、若智能网联车辆v_i不与前方车队组队，则根据步骤S2的未组队最优通行次序D_up计算其警示线预定到达时刻、速度、加速度、加速度变化率等待执行行驶信息，并确定其终止条件x_f:t＝t^f,s_f＝(u^f,a^f,v^f,x^f)；

式中，t^f表示终止时刻，s_f表示终止状态，u^f表示终止加速度变化率，a^f表示终止加速度，v^f表示终止速度，x^f表示终止位置；

S404、建立智能网联车辆v_i在初始条件和终止条件之间的最优控制模型，具体表达式如下：

目标函数：

约束条件：

u_min≤u(t)≤u_max

a_min≤a(t)≤a_max

v_min≤v(t)≤v_max

式中，目标函数保证车辆行驶过程中乘客舒适度最高，约束条件保证车辆行驶过程中满足系统动力学方程和车辆性能约束，其中，u(t)表示加速度变化率关于时间的函数，a(t)表示加速度关于时间的函数，v(t)表示速度关于时间的函数，x(t)表示位移关于时间的函数，u_min、u_max分别表示加速度变化率的下限和上限，a_min、a_max分别表示加速度的下限和上限，v_min、v_max分别表示速度的下限和上限；

S405、求解步骤S404中的最优控制模型，得到智能网联车辆v_i不与前方车队组队的轨迹规划结果；

S406、若智能网联车辆v_i与前方车队组队，则求解其在初始时刻t＝t⁰之后始终以最大速度匀速行驶的初始轨迹；

S407、提取步骤S406求得的智能网联车辆v_i的初始轨迹与前方车队最优轨迹的首次相交时刻t_{FC_1}，智能网联车辆v_i轨迹规划的分段时刻按下式计算：

t_FC＝max(t_{FC_1},t⁰+t_FCmin)

式中，t_FC表示智能网联车辆v_i轨迹规划的分段时刻，t⁰表示智能网联车辆v_i的初始时刻，t_FCmin表示智能网联车辆v_i与前方车队组队的最短用时；

S408、根据前方车队在分段时刻t_FC的状态计算智能网联车辆v_i的分段状态：

式中，s_FC表示智能网联车辆v_i的分段状态，u^FC表示前方车队的分段加速度变化率，a^FC表示前方车队的分段加速度，v^FC表示前方车队的分段速度，x^FC表示前方车队的分段首车位置，

表示前方车队的实际车队长度，δ表示最小安全间距；

S409、使用步骤S404—S405计算智能网联车辆v_i在初始条件x₀:t＝t⁰,s₀＝(u⁰,a⁰,v⁰,x⁰)和分段条件x_FC:t＝t_FC,

之间的轨迹，智能网联车辆v_i在分段时刻t_FC之后的速度、加速度、加速度变化率与前方车队的最优轨迹保持一致，智能网联车辆v_i在分段时刻t_FC之后的位置与前方车队的首车位置满足以下条件：

式中，x_i表示智能网联车辆v_i的位置，

表示前方车队首车的位置，

表示前方车队的实际车队长度，δ表示最小安全间距。

实施本发明的智能车辆交叉口通行排序与轨迹规划计算量降低方法，具有以下有益效果：

本发明通过将智能网联车辆的组队策略作为决策变量，使得智能网联车辆的组队行为得以提前求解，进而以车队为控制对象进行通行次序求解和轨迹规划，降低了中央控制器求解智能网联车辆通行次序和轨迹规划的计算负担。

附图说明

图1为智能车辆交叉口通行排序与轨迹规划计算量降低方法的流程图；

图2为交叉口控制区与冲突区的分布位置的示意图；

图3为交叉口路径分布的示意图；

图4为未组队通行次序求解控制对象的示意图；

图5为组队通行次序求解控制对象的示意图。

具体实施方式

为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。

如图1-5所示，本发明智能车辆交叉口通行排序与轨迹规划计算量降低方法，包括以下步骤：

S1、智能网联车辆v_i到达交叉口控制区时，判断是否有其它智能网联车队驶出交叉口冲突区，若有则将其移出冲突车队集P_cf；

S101、获取智能网联车辆v_i到达交叉口控制区的时刻；

S102、判断上一辆智能网联车辆v_i-1和当前智能网联车辆v_i到达控制区的时间范围内，是否有智能网联车队驶出冲突区：

t_a,i-1≤T_d≤t_a,i

式中，t_a,i-1表示上一辆智能网联车辆v_i-1到达控制区的时刻，t_a,i表示当前智能网联车辆v_i到达控制区的时刻，T_d表示t_a,i-1和t_a,i时间范围内智能网联车队驶出交叉口冲突区的时刻集合；

S103、若步骤S102中的集合T_d为空集，则表示t_a,i-1和t_a,i时间范围内不存在驶离交叉口冲突区的车队；

S104、若步骤S102中的集合T_d非空，则需按下式将T_d中的对应车队P_d移出冲突车辆集P_cf：

本实施例中，智能网联车辆v₁₀到达交叉口控制区的时刻为20s，上一辆智能网联车辆v₉到达控制区的时刻为19s在v₉和v₁₀到达控制区的时间范围内，无车队驶出交叉口冲突区。

S2、将v_i视为队长为1的智能网联车队，将v_i移入冲突车队集P_cf，形成未组队冲突车队集P_{cf_up}，采用启发式算法计算未组队冲突车队集P_{cf_up}中各个车队间最优的通行次序D_up及未组队车均延误d_up；

S201、将智能网联车辆v₁₀视为队长为1的智能网联车队P₁₀，形成未组队冲突车队集P_{cf_up}：

P_{cf_up}＝P_cf∪P_i

S202、建立最小车均延误模型，目标函数具体表达式如下：

式中，O_m,n表示未组队冲突车队集P_{cf_up}中第m个车队P_m与第n个车队P_n的通行次序，取1表示P_m优先通行，取0表示P_n中第m个车辆优先通行；d_up表示未组队冲突车队集P_{cf_up}的车均延误；

表示车队P_m的车辆总延误；

表示车队P_m的队长(包含车辆数)；M表示未组队冲突车队集P_{cf_up}的车队总数；

S203、采用启发式算法求解步骤S202中的最小车均延误模型，将求解结果O_m,n存入未组队最优通行次序D_up；

本实施例中，原冲突车队集P_cf共有3个车队，将v₁₀加入后形成的未组队冲突车队集P_{cf_up}共含有4个车队，未组队冲突车队集P_{cf_up}的最小车均延误d_up＝14.8s；

S3、获取智能网联车辆v_i所在路径，判断智能网联车辆v_i以最大速度匀速行驶能否在交叉口控制区范围汇入其所在路径的前方车队，若能则更新前方车队的信息，更新冲突车队集P_cf，形成组队冲突车队集P_{cf_p}，采用启发式算法计算组队冲突车队集P_{cf_p}中各个车队间最优的通行次序D_p及其组队车均延误d_p；

S301、获取智能网联车辆v_i所在路径；

本实施例中，v₁₀所在路径编号为1；

S302、判断智能网联车辆v_i所在路径是否有未驶出控制区的车队，若有则判断智能网联车辆以最大速度匀速行驶能否在控制区范围内汇入前方车队；

S303、若不能汇入前方车队，或前v_i方无车队，则步骤S3结束，组队车均延误d_p取无穷大；

本实施例中，v₁₀所在路径有未驶出控制区的车队，且v₁₀可以汇入前方车队；

S304、若能汇入前方车队

则按下式更新前方车队的信息：

式中，

表示前方车队P_f的队长(所包含车辆数)；

表示前方车队P_f的车队实际长度，l_i表示智能网联车辆v_i的车辆实际长度，δ表示最小安全间距；

本实施例中，v₁₀的车辆实际长度为3.75m，最小安全间距取1.5m，前方车队P_f的队长由1更新为2，前方车队P_f的车队实际长度由3.75m更新为9m；

S305、更新原冲突车辆集P_cf中车队P_f的车队信息，形成组队车队冲突集P_{cf_p}；

本实施例中，更新原冲突车辆集P_cf中v₁₀所在车队P_f的队长和车队实际长度；

S306、建立最小车均延误模型，目标函数具体表达式如下：

式中，O_m,n表示组队冲突车队集P_{cf_p}中第m个车队P_m与第n个车队P_n的通行次序，取1表示P_m优先通行，取0表示P_n中第m个车辆优先通行；d_p表示组队冲突车队集P_{cf_p}的车均延误；

表示车队P_m的车辆总延误；

表示车队P_m的队长(包含车辆数)；M表示组队冲突车队集P_{cf_p}的车队总数；

S307、采用启发式算法求解步骤S306中的最小车均延误模型，将求解结果O_m,n存入组队最优通行次序D_p；

本实施例中，冲突车队集P_{cf_p}中共含有3个车队，组队冲突车队集P_{cf_p}的最小车均延误d_p＝11.3s；

S4、根据未组队车均延误d_up和组队车均延误d_p的数值比较结果确定智能网联车辆v_i的组队策略；若智能网联车辆v_i不与前方车队组队，则并根据步骤S2的最优通行次序为其进行轨迹规划；若智能网联车辆v_i与前方车队组队，则需引入校正模型修正以最大速度匀速行驶的初始轨迹，以使智能网联车辆v_i顺利汇入前方车队；

S401、若未组队车均延误d_up小于组队车均延误d_p，则智能网联车辆v₁₀与前方车队组队，否则智能网联车辆v₁₀不与前方车队组队；

本实施例中，未组队车均延误d_up＝14.8s>组队车均延误d_p＝11.3s，智能网联车辆v₁₀与前方车队组队；

S402、获取智能网联车辆v₁₀到达控制区边界的时刻、速度、加速度、加速度变化率等当前行驶信息，并确定其初始条件x₀:t＝20,s₀＝(0,0,14,0)；

S403、若智能网联车辆v₁₀不与前方车队组队，则根据步骤S2的未组队最优通行次序D_up计算其警示线预定到达时刻、速度、加速度、加速度变化率等待执行行驶信息，并确定其终止条件x_f:t＝t^f,s_f＝(u^f,a^f,v^f,x^f)；

式中，t^f表示终止时刻，s_f表示终止状态，u^f表示终止加速度变化率，a^f表示终止加速度，v^f表示终止速度，x^f表示终止位置；

S404：建立智能网联车辆v₁₀在初始条件和终止条件之间的最优控制模型，具体表达式如下：

目标函数：

约束条件：

u_min≤u(t)≤u_max

a_min≤a(t)≤a_max

v_min≤v(t)≤v_max

式中，目标函数保证车辆行驶过程中乘客舒适度最高，约束条件保证车辆行驶过程中满足系统动力学方程和车辆性能约束。其中，u(t)表示加速度变化率关于时间的函数，a(t)表示加速度关于时间的函数，v(t)表示速度关于时间的函数，x(t)表示位移关于时间的函数，u_min、u_max分别表示加速度变化率的下限和上限，a_min、a_max分别表示加速度的下限和上限，v_min、v_max分别表示速度的下限和上限。

S405、求解步骤S404中的最优控制模型，得到智能网联车辆v₁₀不与前方车队组队的轨迹规划结果；

本实施例中，智能网联车辆v₁₀与前方车队组队，则跳过步骤S403—S405；

S406、若智能网联车辆v₁₀与前方车队组队，则求解其在初始时刻t＝20之后始终以最大速度匀速行驶的初始轨迹；

S407、提取步骤S406求得的智能网联车辆v₁₀的初始轨迹与前方车队最优轨迹的首次相交时刻t_{FC_1}＝25，智能网联车辆v₁₀轨迹规划的分段时刻按下式计算：

t_FC＝max(25,20+12)＝32

S408：根据前方车队在分段时刻t_FC的状态计算智能网联车辆v_i的分段状态：

s_FC＝(0,0,0,92-3.75-1.5)＝(0,0,0,86.75)

S409：使用步骤S404—S405计算智能网联车辆v₁₀在初始条件x₀:t＝20,s₀＝(0,0,14,0)和分段条件x_FC:t＝32,s_FC＝(0,0,0,86.75)之间的轨迹，智能网联车辆v₁₀在分段时刻t_FC＝32之后的速度、加速度、加速度变化率与前方车队的最优轨迹保持一致，智能网联车辆v₁₀在分段时刻t_FC之后的位置与前方车队的首车位置满足以下条件：

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (6)

1.一种智能车辆交叉口通行排序与轨迹规划计算量降低方法，其特征在于，包括以下步骤：

S1、智能网联车辆v_i到达交叉口控制区时，判断是否有其它智能网联车队驶出交叉口冲突区，若有则将其移出冲突车队集P_cf；

S2、将v_i视为队长为1的智能网联车队，将v_i移入冲突车队集P_cf，形成未组队冲突车队集P_{cf_up}，采用启发式算法计算未组队冲突车队集P_{cf_up}中各个车队间最优的通行次序D_up及未组队车均延误d_up；

S3、能否在交叉口控制区范围汇入其所在路径的前方车队，若能则更新前方车队的信息，更新冲突车队集P_cf，形成组队冲突车队集P_{cf_p}，采用启发式算法计算组队冲突车队集P_{cf_p}中各个车队间最优的通行次序D_p及其组队车均延误d_p；

S4、根据未组队车均延误d_up和组队车均延误d_p的数值比较结果确定智能网联车辆v_i的组队策略；

S5、每个智能网联车辆到达交叉口控制区时，执行步骤S1-S4，实现交叉口智能网联车辆通行次序与轨迹规划的动态更新。

2.根据权利要求1所述的一种智能车辆交叉口通行排序与轨迹规划计算量降低方法，其特征在于，所述步骤S1包括以下步骤：

S101、获取智能网联车辆v_i到达交叉口控制区的时刻，所述交叉口控制区为四个进口道的警示线与信号传输边界围合的区域；

S102、判断上一辆智能网联车辆v_i-1和当前智能网联车辆v_i到达控制区的时间范围内，是否有智能网联车队驶出冲突区，其中冲突区是四个进口道的警示线围合区域；

t_a，i-1≤T_d≤t_a，i

式中，t_a，i-1表示上一辆智能网联车辆v_i-1到达控制区的时刻，t_a，i表示当前智能网联车辆v_i到达控制区的时刻，T_d表示t_a，i-1和t_a，i时间范围内智能网联车队驶出交叉口冲突区的时刻集合；

S103、若步骤S102中的集合T_d为空集，则表示t_a，i-1和t_a，i时间范围内不存在驶离交叉口冲突区的车队；

S104、若步骤S102中的集合T_d非空，则需按下式将T_d中的对应车队P_d移出冲突车辆集P_cf：

3.根据权利要求1所述的一种智能车辆交叉口通行排序与轨迹规划计算量降低方法，其特征在于，所述步骤S2包括以下步骤：

S201、将智能网联车辆v_i视为队长为1的智能网联车队P_i，形成未组队冲突车队集P_{cf_up}：

P_{cf_up}＝P_cf∪P_i

S202、建立最小车均延误模型，目标函数具体表达式如下：

式中，O_m，n表示未组队冲突车队集P_{cf_up}中第m个车队P_m与第n个车队P_n的通行次序，取1表示P_m优先通行，取0表示P_n中第m个车辆优先通行；d_up表示未组队冲突车队集P_{cf_up}的车均延误；D_Pm表示车队P_m的车辆总延误；

表示车队P_m的队长(包含车辆数)；M表示未组队冲突车队集P_{cf_up}的车队总数；

S203、采用启发式算法求解步骤S202中的最小车均延误模型，将求解结果O_m，n存入未组队最优通行次序D_up。

4.根据权利要求1所述的一种智能车辆交叉口通行排序与轨迹规划计算量降低方法，其特征在于，所述步骤S3包括以下步骤：

S301、获取智能网联车辆v_i所在路径；

S302、判断智能网联车辆v_i所在路径是否有未驶出控制区的车队，若有则判断智能网联车辆v_i以最大速度匀速行驶能否在控制区范围内汇入前方车队；

S303、若不能汇入前方车队，或前方无车队，则步骤S3结束，组队车均延误d_p取无穷大；

S304、若能汇入前方车队

则按下式更新前方车队的信息：

式中，

表示前方车队P_f的队长(所包含车辆数)；

表示前方车队P_f的车队实际长度，l_i表示智能网联车辆v_i的车辆实际长度，δ表示最小安全间距；

S305、更新原冲突车辆集P_cf中车队P_f的车队信息，形成组队车队冲突集P_{cf_p}；

S306、建立最小车均延误模型，目标函数具体表达式如下：

式中，O_m，n表示组队冲突车队集P_{cf_p}中第m个车队P_m与第n个车队P_n的通行次序，取1表示P_m优先通行，取0表示P_n中第m个车辆优先通行；d_p表示组队冲突车队集P_{cf_p}的车均延误；

表示车队P_m的车辆总延误；

表示车队P_m的队长(包含车辆数)；M表示组队冲突车队集P_{cf_p}的车队总数；

S307、采用启发式算法求解步骤S306中的最小车均延误模型，将求解结果O_m，n存入组队最优通行次序D_p。

5.根据权利要求1所述的一种智能车辆交叉口通行排序与轨迹规划计算量降低方法，其特征在于，所述步骤S4中：若智能网联车辆v_i不与前方车队组队，则并根据步骤S2的最优通行次序为其进行轨迹规划；若智能网联车辆v_i与前方车队组队，则需引入校正模型修正以最大速度匀速行驶的初始轨迹，以使智能网联车辆v_i顺利汇入前方车队。

6.根据权利要求5所述的一种智能车辆交叉口通行排序与轨迹规划计算量降低方法，其特征在于，所述步骤S4包括以下步骤：

S401、若未组队车均延误d_up小于组队车均延误d_p，则智能网联车辆v_i与前方车队组队，否则能网联车辆v_i不与前方车队组队；

S402、获取智能网联车辆v_i到达控制区边界的时刻、速度、加速度、加速度变化率等当前行驶信息，并确定其初始条件x₀：t＝t⁰，s₀＝(u⁰，a⁰，v⁰，x⁰)；

式中，式中，t⁰表示初始时刻，s₀表示初始状态，u⁰表示初始加速度变化率，a⁰表示初始加速度，v⁰表示初始速度，x⁰表示初始位置；

S403、若智能网联车辆v_i不与前方车队组队，则根据步骤S2的未组队最优通行次序D_up计算其警示线预定到达时刻、速度、加速度、加速度变化率等待执行行驶信息，并确定其终止条件x_f：t＝t^f，s_f＝(u^f，a^f，v^f，x^f)；

式中，t^f表示终止时刻，s_f表示终止状态，u^f表示终止加速度变化率，a^f表示终止加速度，v^f表示终止速度，x^f表示终止位置；

S404、建立智能网联车辆v_i在初始条件和终止条件之间的最优控制模型，具体表达式如下：

目标函数：

约束条件：

u_min≤u(t)≤u_max

a_min≤a(t)≤a_max

v_min≤v(t)≤v_max

式中，目标函数保证车辆行驶过程中乘客舒适度最高，约束条件保证车辆行驶过程中满足系统动力学方程和车辆性能约束，其中，u(t)表示加速度变化率关于时间的函数，a(t)表示加速度关于时间的函数，v(t)表示速度关于时间的函数，x(t)表示位移关于时间的函数，u_min、u_max分别表示加速度变化率的下限和上限，a_min、a_max分别表示加速度的下限和上限，v_min、v_max分别表示速度的下限和上限；

S405、求解步骤S404中的最优控制模型，得到智能网联车辆v_i不与前方车队组队的轨迹规划结果；

S406、若智能网联车辆v_i与前方车队组队，则求解其在初始时刻t＝t⁰之后始终以最大速度匀速行驶的初始轨迹；

S407、提取步骤S406求得的智能网联车辆v_i的初始轨迹与前方车队最优轨迹的首次相交时刻t_{FC_1}，智能网联车辆v_i轨迹规划的分段时刻按下式计算：

t_FC＝max(t_{FC_1}，t⁰+t_FCmin)

式中，t_FC表示智能网联车辆v_i轨迹规划的分段时刻，t⁰表示智能网联车辆v_i的初始时刻，t_FCmin表示智能网联车辆v_i与前方车队组队的最短用时；

S408、根据前方车队在分段时刻t_FC的状态计算智能网联车辆v_i的分段状态：

式中，s_FC表示智能网联车辆v_i的分段状态，u^FC表示前方车队的分段加速度变化率，a^FC表示前方车队的分段加速度，v^FC表示前方车队的分段速度，x^FC表示前方车队的分段首车位置，

表示前方车队的实际车队长度，δ表示最小安全间距；

S409、使用步骤S404-S405计算智能网联车辆v_i在初始条件x₀：t＝t⁰，s₀＝(u⁰，a⁰，v⁰，x⁰)和分段条件

之间的轨迹，智能网联车辆v_i在分段时刻t_FC之后的速度、加速度、加速度变化率与前方车队的最优轨迹保持一致，智能网联车辆v_i在分段时刻t_FC之后的位置与前方车队的首车位置满足以下条件：

式中，x_i表示智能网联车辆v_i的位置，

表示前方车队首车的位置，

表示前方车队的实际车队长度，δ表示最小安全间距。

Images