买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉长沙理工大学申请的专利基于多目标优化的分布式车队协同震荡波吸收方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121191309B 。

龙图腾网通过国家知识产权局官网在2026-03-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511735654.3，技术领域涉及：G08G1/00；该发明授权基于多目标优化的分布式车队协同震荡波吸收方法是由郝威;阳云衡;赵红亮;张兆磊;闫章存;李昌泽设计研发完成，并于2025-11-25向国家知识产权局提交的专利申请。

本基于多目标优化的分布式车队协同震荡波吸收方法在说明书摘要公布了：本发明公开了一种基于多目标优化的分布式车队协同震荡波吸收方法，步骤包括：S1获取混合流车队通过震荡区的场景，对长车队进行划分，并确定关键参数；S2构建优化控制模型，以求解最优车队拆分点，对混合车队进行拆分；S3基于改进的AS‑OCD分布式轨迹优化算法，对各子车队进行同步控制，以完全吸收交通震荡波。解决了高饱和交通流或城市快速路中交通震荡波频发的问题，通过分布式协同优化实现子车队间的状态共享与边界协调，增强了系统在高密度复杂交通环境中的适应性和鲁棒性，保障了车队间速度协调与安全车距，减少了交通冲突风险，提升了整体交通系统的稳定性和运行效率。

本发明授权基于多目标优化的分布式车队协同震荡波吸收方法在权利要求书中公布了：1.一种基于多目标优化的分布式车队协同震荡波吸收方法，其特征在于，步骤包括： 步骤S1，获取混合流车队通过震荡区的场景，对车队进行划分，并确定关键参数； 步骤S2，构建优化控制模型，以求解最优车队拆分点，对混合车队进行拆分； 步骤S3，基于改进的AS-OCD分布式轨迹优化算法，对各子车队进行同步控制，以完全吸收交通震荡波； 所述S3的具体步骤如下： S31，基于车队头车的运行状态，初始化AS-OCD算法，将满足边界的约束纳入活动集、拉格朗日乘子通过求解初始优化问题，输出初始解、以及与各类约束对应的拉格朗日乘子，明确当前真正影响车辆运行安全与稳定性而激活的等式约束，公式如下： ； ； 式中，是车辆的加速度，是车辆的加速度，表示涉及两辆或多辆车辆的约束项，在被激活时等式化处理，表示单个车辆的硬约束； S32，活动集迭代，遍历联网自动驾驶汽车的所有约束动态筛选，识别并标记在当前运行状态下被触发的约束为候选激活项，候选约束加入活动集并以等式形式强制执行；对于活动集中相应的拉格朗日乘子变为负值，则予以移除并恢复为非活性约束； S33，最优条件分解求解，构建KKT条件及其矩阵近似，采用分布式牛顿迭代方法进行求解，通过迭代优化联网自动驾驶汽车的分布式控制输入及拉格朗日乘子，以满足步骤S23中的约束条件，同时最小化目标函数值，公式如下： ； ； ； ； ； 式中，是目标函数J得出的拉格朗日函数；和是拉格朗日乘数，表示所有车辆的搜索方向向量，表示所有车辆的加速度向量，是决策变量，是约束条件的权重，是等式约束的权重，T表示转置，表示梯度算子，表示Hessian矩阵； 将KKT矩阵K近似为CAVi的矩阵块，具体如下： ； ； ； 式中，表示CAVi的搜索方向向量，表示CAVi的残差向量，表示CAVi对应的子矩阵块，N表示第N辆车，表示结构近似操作； S34，同步与全局更新，各联网自动驾驶汽车通过车联网进行跨车辆通信，实时共享各自的运行状态信息并对齐涉及的所有约束条件，相邻车辆之间交换优化后的控制输入和状态数据，用于修正各自的边界条件，生成在全局范围内一致且符合所有耦合约束的控制输入序列； S35，收敛性检查与终止，在迭代过程中检查目标函数值是否趋于稳定，同时评估所有关键约束是否得到满足，若优化结果达到预设的收敛标准则算法终止，否则返回步骤S32，继续进行活动集更新与优化迭代； S36，最优控制输入执行，优化过程结束后，输出的最优控制输入序列将被下发至各子车队车辆，使其按照规划结果调整速度与车距，保证队列运行的平稳性与一致性。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人长沙理工大学，其通讯地址为：410114 湖南省长沙市天心区万家丽南路2段960号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。