買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜同濟(jì)大學(xué)申請的專利一種智能網(wǎng)聯(lián)車輛交叉口生態(tài)駕駛控制方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN116206447B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-03-21發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202310167370.3，技術(shù)領(lǐng)域涉及：G08G1/01；該發(fā)明授權(quán)一種智能網(wǎng)聯(lián)車輛交叉口生態(tài)駕駛控制方法是由胡笳;馮永威;張子晗;王浩然設(shè)計(jì)研發(fā)完成，并于2023-02-24向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種智能網(wǎng)聯(lián)車輛交叉口生態(tài)駕駛控制方法在說明書摘要公布了：本發(fā)明涉及一種智能網(wǎng)聯(lián)車輛交叉口生態(tài)駕駛控制方法，包括：基于GPS技術(shù)與V2I通信，實(shí)時(shí)采集交通信息；基于模擬采樣的車輛軌跡數(shù)據(jù)，全局線性化車輛動(dòng)力學(xué)模型；結(jié)合交叉口信號配時(shí)約束以及全局線性化車輛動(dòng)力學(xué)模型，以作為約束條件，構(gòu)建基于空間域的生態(tài)駕駛優(yōu)化控制模型；基于模型預(yù)測控制技術(shù)，將實(shí)時(shí)采集的交通信息輸入生態(tài)駕駛優(yōu)化控制模型，通過迭代動(dòng)態(tài)求解，實(shí)時(shí)規(guī)劃生成生態(tài)駕駛最優(yōu)運(yùn)動(dòng)軌跡，并實(shí)時(shí)更新優(yōu)化自動(dòng)駕駛控制指令，使車輛按照生態(tài)駕駛最優(yōu)運(yùn)動(dòng)軌跡行駛。與現(xiàn)有技術(shù)相比，本發(fā)明能夠精確、快速地對智能網(wǎng)聯(lián)車輛行駛軌跡進(jìn)行決策規(guī)劃，從而實(shí)現(xiàn)智能網(wǎng)聯(lián)車輛在城市交叉口的高效、綠色通行。

本發(fā)明授權(quán)一種智能網(wǎng)聯(lián)車輛交叉口生態(tài)駕駛控制方法在權(quán)利要求書中公布了：1.一種智能網(wǎng)聯(lián)車輛交叉口生態(tài)駕駛控制方法，其特征在于，包括以下步驟：S1、基于GPS技術(shù)與V2I通信，實(shí)時(shí)采集交通信息；S2、基于模擬采樣的車輛軌跡數(shù)據(jù)，全局線性化車輛動(dòng)力學(xué)模型；S3、結(jié)合交叉口信號配時(shí)約束以及全局線性化車輛動(dòng)力學(xué)模型，以作為約束條件，構(gòu)建基于空間域的生態(tài)駕駛優(yōu)化控制模型；S4、基于模型預(yù)測控制技術(shù)，將實(shí)時(shí)采集的交通信息輸入生態(tài)駕駛優(yōu)化控制模型，通過迭代動(dòng)態(tài)求解，實(shí)時(shí)規(guī)劃生成生態(tài)駕駛最優(yōu)運(yùn)動(dòng)軌跡，并實(shí)時(shí)更新優(yōu)化自動(dòng)駕駛控制指令，使車輛按照生態(tài)駕駛最優(yōu)運(yùn)動(dòng)軌跡行駛；所述步驟S2具體是采用縱橫向高度耦合的非線性動(dòng)力學(xué)模型離線模擬采樣軌跡數(shù)據(jù)，并基于Koopman算子，以模擬采樣軌跡數(shù)據(jù)作為輸入，全局線性化車輛動(dòng)力學(xué)模型；所述步驟S2包括以下步驟：S21、基函數(shù)向量選取與狀態(tài)向量的擴(kuò)增；非線性車輛動(dòng)力學(xué)模型為xk+1＝fxk，uk，其中，表示為在第k時(shí)刻的車輛狀態(tài)向量，包含車輛的縱橫向位置坐標(biāo)、縱橫向速度、偏航角以及偏航角速度，為第k時(shí)刻的車輛控制輸入向量，包含車輛的加速度與前輪轉(zhuǎn)角；根據(jù)Koopman線性算子理論，通過擴(kuò)增狀態(tài)向量xk的維度使原非線性動(dòng)力學(xué)模型趨于線性化，即存在線性算子與基函數(shù)φ，使下式成立： 選取徑向基函數(shù)ψ與線性函數(shù)的組合作為基函數(shù)φ，即 其中，ψixk＝||xk-xi||2log||xk-xi||，xi為隨機(jī)選取的參數(shù)向量；則原狀態(tài)向量擴(kuò)增為zk＝xk，ψ1xk，…，ψNxk；記線性Koopman算子則非線性動(dòng)力系統(tǒng)xk+1＝fxk，uk轉(zhuǎn)化為線性動(dòng)力系統(tǒng)zk+1＝Azk+Buk，A，B均為待求的參數(shù)矩陣；S22、軌跡數(shù)據(jù)離線模擬采樣；基于虛擬仿真平臺，在可行范圍內(nèi)隨機(jī)產(chǎn)生K個(gè)控制輸入u，K＞＞n，m，N，構(gòu)成控制輸入數(shù)據(jù)集合U＝[u1，...，uk，...，uK]，將U中的控制輸入按次序依次作用于非線性動(dòng)力學(xué)系統(tǒng)xk+1＝fxk，uk，則得到狀態(tài)序列X＝[x1，...，xk，...，xK+1]，將狀態(tài)序列依次代入徑向基函數(shù)，則可得到擴(kuò)充狀態(tài)序列Z＝[z1，...，zk，...，zK]及Y＝[z2，...，zk，...，zK+1]；S23、車輛動(dòng)力學(xué)模型全局線性化；利用最小二乘問題描述線性動(dòng)力學(xué)系統(tǒng)的待定參數(shù)矩陣A，B： 該最小二乘問題的解為進(jìn)而將模擬采樣的軌跡數(shù)據(jù)代入該式，得到參數(shù)矩陣A，B，即完成非線性車輛動(dòng)力學(xué)模型的全局線性化；所述步驟S3具體包括以下步驟：S31、考慮智能網(wǎng)聯(lián)車輛的能耗與機(jī)動(dòng)性，構(gòu)建模型成本函數(shù)；S32、根據(jù)當(dāng)前信號燈的狀態(tài)，按照紅燈和綠燈兩類狀態(tài)，建立對應(yīng)的信號配時(shí)約束；S33、考慮智能網(wǎng)聯(lián)車輛在交叉口通行的空間固定性，將時(shí)間域模型轉(zhuǎn)化為空間域模型，以車輛縱向位置作為底層變量、以時(shí)間作為系統(tǒng)狀態(tài)變量，構(gòu)建出構(gòu)建基于空間域的生態(tài)駕駛優(yōu)化控制模型。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人同濟(jì)大學(xué)，其通訊地址為：200092 上海市楊浦區(qū)四平路1239號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。