CN109523807A - 一种交通路网车辆分布式控制方法 - Google Patents

Abstract

本发明公开了一种交通路网车辆分布式控制方法，该方法包括：步骤1，判断车辆所处的区域；步骤2，确定车辆的跟车行为；步骤3，构建二维路网车群几何拓扑构型；步骤4，判断二维路网车群几何拓扑构型中车辆的实际跟车距离是否大于第一距离阈值，若是，进入步骤5；反之，进入步骤6；步骤5，根据车辆所在区域，拆分当前的二维路网车群几何拓扑构型；步骤6，判断二维路网车群几何拓扑构型在几何位置上的距离是否小于第二距离阈值，若是，则合并；步骤7，获取二维路网车群几何拓扑构型的信息邻域车辆集；步骤8，设计车群分布式线性反馈控制器，求解车辆的期望加速度，以控制相应车辆的纵向运动。本发明能够节省计算资源，提高整体的通行效率。

Description

一种交通路网车辆分布式控制方法

技术领域

本发明涉及一种智能汽车交通控制方法，特别是一种交通路网车辆分布式控制方法。

背景技术

在制约交通运行安全性和效率以及影响汽车行驶经济性的众多因素中，交叉路口是关键的因素。随着智能网联汽车的出现和发展，为交叉路口车辆经济驾驶、交通信号优化控制技术提供了新的方法，其解决了信息不对称的问题，也显著提升了交叉路口的自动化水平。然而，现有技术中，单个交叉路口的优化控制无法达到估计全局的交通状态的目的，甚至还会进一步恶化整个路网的交通情况。现有的多车协同方法也未综合考虑二维路网约束下交叉路口交通流的复杂冲突关系，未充分利用无冲突交通流在路口共存的可能性，因而难以实现在保证交通安全的前提下提高交叉路口交通效率。

公开号为CN201510065215.6的专利设计了一种车路协同环境下的无信号交叉口优化控制方法，利用路侧设备获取车辆信息与发送信息给各个车辆，对车辆进行速度引导。公开号为CN201510297347.1的专利提出了基于车联网环境下的无信号交叉口车辆协同控制方法，利用中心控制器对主路与支路车辆进行行驶策略制定。公开号为CN201510236223.2的专利发明了一种连续交叉路口车辆通行控制方法及装置，通过采集信号灯信息和车辆信息，提供车辆通行连续固定配时的交叉路口时的速度引导，以实现节能驾驶的目的。

上述现有专利技术对实现交叉路口高效通行有积极意义，但其需要依赖路侧设备或者中心控制器，状态控制和控制变量控制较大，计算负荷较大，难以实时求解，且以单个交叉路口或连续交叉路口为研究对象无法实现整体交通的优化。

因此，希望有一种技术方案来克服或至少减轻现有技术的至少一种上述缺陷。

发明内容

本发明的目的在于提供一种交通路网车辆分布式控制方法来克服或至少减轻现有技术的上述缺陷中的至少一个。

为实现上述目的，本发明提供一种交通路网车辆分布式控制方法，该方法包括如下步骤：

步骤1，根据车辆与其前方最近的交叉路口之间的纵向相对距离，判断车辆所处的区域，该区域分为队列区域和协调区域；

步骤2，根据车辆所在的区域，建立相应的车群几何构型，以确定车辆的跟车行为；

步骤3，根据步骤2确定的跟车行为，构建路网下的二维路网车群几何拓扑构型，路网包括多个连续的交叉路口；

步骤4，判断步骤3所构建的二维路网车群几何拓扑构型中相邻两辆车的实际跟车距离是否大于第一距离阈值，若是，则进入步骤5；反之，则进入步骤6；

步骤5，根据步骤1确定的车辆所在区域，拆分当前的二维路网车群几何拓扑构型，构造出至少两个新的二维路网车群几何拓扑构型；

步骤6，判断相邻两个二维路网车群几何拓扑构型在几何位置上的距离是否小于第二距离阈值，若是，则合并成一个新的二维路网车群几何拓扑构型；

步骤7，在步骤5和步骤6所构造的每一个新的二维路网车群几何拓扑构型中，通过V2V通信方式获取二维路网车群几何拓扑构型的信息邻域车辆集，该信息邻域车辆集包括该二维路网车群几何拓扑构型中每一车辆的运动信息；

步骤8，利用步骤7获得的信息邻域车辆集，设计车群分布式线性反馈控制器，求解车辆的期望加速度，以控制相应车辆的纵向运动。

进一步地，步骤1中的“确定车辆所处的区域”的方法包括：

判断车辆所处的位置是否在以交叉路口的中心点为圆心、预设的通信距离为半径的圆内，若是，则车辆所处的区域为协调区域内；否则车辆所处的区域为队列区域。

进一步地，步骤2具体包括：

对于处于队列区域的车辆，车群几何构型为路段车队几何拓扑结构，采用恒定纵向距离的跟驰策略控制路段车队几何拓扑结构中车辆的跟车行为；

对于处于协调区域的车辆，单个交叉路口下的车群几何构型为交叉路口车群几何拓扑构型，利用二维车群协调控制方式控制交叉路口车群几何拓扑构型中车辆的跟车行为，使车辆通过交叉路口时不与其余通行车辆存在几何位置上的冲突关系，路段车队几何拓扑结构和交叉路口车群几何拓扑构型中的一辆成员车对应为一个节点。

进一步地，步骤2中的“二维车群协调控制方式”具体包括如下步骤：

步骤2.1，通过将交叉路口的入口处位于不同车道不同交通流的所有车辆根据其与交叉路口的中心点的距离旋转投影至一虚拟车道上，使得交叉路口车群几何拓扑构型转化为一维虚拟车列几何拓扑结构；

步骤2.2，采用深度优先生成树，对步骤2.1转化得到的一维虚拟车列几何拓扑结构进行几何拓扑重构，以构建交叉路口车群几何拓扑构型，交叉路口车群几何拓扑构型表示为式(1)；

式(1)中，D_i为交叉路口恒定跟车距离；v_i(t)为节点i的速度；为父节点P_i的速度；父节点P_i为深度优先生成树中的直接连接节点i的上一个节点；为节点i的父节点的父节点P_i的速度，p_i(t)为节点i的父节点P_i与交叉路口的距离。

进一步地，步骤2.1转化得到的一维虚拟车列几何拓扑结构具有N辆车辆，根据前后位置按照0，1，2…，N进行编号，编号为0的车辆为车群几何拓扑结构中的领航车辆；

步骤2.2中的“深度优先生成树”表示为其中， v_N+1＝{0，1，2，…，N}表示一维虚拟车列几何拓扑结构中的所有节点的集合，ε_N+1＝{(i，j)|i，j∈v_N+1}表示一维虚拟车列几何拓扑结构中相邻两节点之间存在冲突关系的集合；步骤2.2中的“深度优先生成树”的构造算法包括如下步骤：

步骤2.21，设定一维虚拟车列几何拓扑结构中的节点0的层数l₀设置为1，则有：l₀＝1；

步骤2.22，找到一维虚拟车列几何拓扑结构的冲突有向图中节点i 的所有父节点j，则有：所有j∈{j|(j，i)∈ε_N+1}，；

步骤2.23，根据步骤2.22找到的节点i的所有父节点j，找到节点i的所有父节点中层数最大的节点k，该节点k在一维虚拟车列几何拓扑结构的冲突有向图的层数为l_k；

步骤2.24，“深度优先生成树”中， l_i＝l_k+1；

步骤2.22中的一维虚拟车列几何拓扑结构的冲突有向图的获取方法是：根据步骤2.1得到的一维虚拟车列几何拓扑结构{0，1，2，…，N}、各车辆冲突集以及有向图若v_N+1＝{0，1，2，…，N}，且当且仅当有(j，i)∈ε_N+1，则为一维虚拟车列几何拓扑结构的冲突有向图；

步骤2.22中的父节点j的获取方法是：若一维虚拟车列几何拓扑结构的冲突有向图中存在一个有向边序列集{(i₁，i₂)，(i₂，i₃)，…，(i_n-1，i_n)}，其中有(i_k-1，i_k)∈ε_N+1，则该有向边序列集称为从节点i₁到节点i_n的一条有向路径，若存在(j，i)∈ε_N+1，则节点j为节点i的父节点，节点i为节点j的子节点。

进一步地，步骤3中，路段车队几何拓扑结构的领航车为位于同一车道协调区域内的前车；交叉路口车群几何拓扑构型的领航车为已驶出该交叉路口的最邻近车辆；二维路网车群几何拓扑构型中的车辆i与车辆j的期望距离跟车距离确定方法为：

情况一，对于同一车群中的车辆i与其任意祖先节点j，二者之间的期望跟车距离可通过车群几何构型确定，从节点j到节点i存在唯一的有向路径 {ε₁，ε₂，…ε_n}，其中ε_k为一维虚拟车列几何拓扑结构的冲突有向图中的一条边，假设有向路径中，属于路段车队几何拓扑结构的有向边有n_l条，属于交叉路口车群几何拓扑构型的有向边有n_i条，则车辆i与车辆j的期望跟车距离表示为式(2)：

D_i，j＝n_lD_l+n_iD_i (2)

式(2)中，D₁为路段车队几何拓扑结构中车辆的跟车距离，D_i为交叉路口车群几何拓扑构型中车辆的跟车距离；

情况二，对于同一车群中的任意节点i和节点j，由于二维路网车群几何拓扑构型为一生成树，其必存在共同的祖先节点k，则节点i和节点j的期望跟车距离D_i，j可通过其与祖先节点k的期望距离计算得到式(3)：

D_i，j＝D_i，k-D_j，k (3)

式(3)中，D_i，k为节点i和节点k的跟车距离；D_j，k为节点j和节点k的跟车距离。

进一步地，步骤5中，拆分当前的二维路网车群几何拓扑构型的方法包括：

情况一，如若实际跟车距离大于第一距离阈值的车辆位于协调区域，则将该车辆及当前的二维路网车群几何拓扑构型中该车辆后方的所有车辆构造成新的二维路网车群几何拓扑构型，采用步骤2和步骤3的方法重新构造新的二维路网车群几何拓扑构型；

情况二，如若实际跟车距离大于第一距离阈值的车辆位于队列区域，则将该车辆及当前的二维路网车群几何拓扑构型中该车辆后方所有车辆构成新的车群，重新构造新的二维路网车群几何拓扑构型。

进一步地，步骤8中，在二维路网车群几何拓扑构型中，车辆i与其信息邻域车辆j的跟车距离误差和速度误差表示为式(4)：

式(4)和式(5)中，δ_p ^(i，j)为车辆i和车辆j的跟驰距离误差；p_i(t)为节点 i的父节点P_i与交叉路口的距离；p_j(t)为节点j的父节点P_j与交叉路口的距离；为步骤7获得的一维虚拟车列几何拓扑结构中车辆i的信息邻域车辆集；δ_v ^(i，j)为节点i和节点j的跟驰速度误差；v_i(t)为节点i的速度；v_j(t)为节点j的速度；D为节点与其父节点之间的期望车头距离；l_i和l_j分别为车辆i和车辆j在一维虚拟车列几何拓扑结构深度优先生成树中的层数；

采用车辆i与信息邻域车辆的跟驰距离误差和速度误差的线性组合，构建期望加速度的线性反馈控制律：

式(6)中，为节点i线性反馈控制器的距离误差的反馈增益；为节点i线性反馈控制器的速度误差的反馈增益；u_i为期望加速度；v₀领航车辆的速度；a_ij为非虚拟领航车间的信息传递，a_ij表示为式(7)；q_ij为虚拟领航车与其余车辆的信息传递，q_ij表示为式(8)；

式(7)和式(8)中，为节点间信息流情况。

由于本发明通过考虑交通路网中路段车辆队列几何拓扑构型和交叉路口车群几何拓扑构型的车群几何构型，构建路网下的二维路网车群几何拓扑构型，再基于维路网车群几何拓扑构型，考虑信息领域的环境车辆运动信息，构建车群分布式线性反馈控制器。其从整体上考虑交通状态问题，再化为车辆群的拆分和合并问题，通过车辆分布式控制改善交通状态，从单点车辆影响车群，到车群改善交通，从而节省计算资源，提高整体的通行效率。

附图说明

图1为本发明实施例的交通路网车辆分布式控制方法提供的应用场景的示意图，其中示意了整个路网以及协调区域和队列区域；

图2为本发明实施例的交通路网车辆分布式控制方法提供的路口几何拓扑结构的示意图；

图3为本发明实施例的交通路网车辆分布式控制方法提供的二维路网车群几何拓扑构型的示意图；

图4为本发明实施例的交通路网车辆分布式控制方法提供的中车群拆分的示意图；

图5为本发明实施例的交通路网车辆分布式控制方法提供的一维虚拟车列几何拓扑结构的冲突有向图的示意图；

图6为本发明实施例的交通路网车辆分布式控制方法提供的深度优先生成树的示意图。

具体实施方式

在附图中，使用相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面结合附图对本发明的实施例进行详细说明。

如图1所示，本实施例提供的交通路网车辆分布式控制方法包括如下步骤：

步骤1，根据车辆与其前方最近的交叉路口之间的纵向相对距离，判断车辆所处的区域，该区域分为队列区域和协调区域。步骤1中的“确定车辆所处的区域”的方法具体包括：

判断车辆所处的位置是否在以交叉路口的中心点为圆心、预设的通信距离为半径的圆内，若是，则车辆所处的区域为协调区域；否则车辆所处的区域为队列区域。也就是说，协调区域由通信距离决定，预设的通信距离一般可设置为300m～500m。

步骤2，根据车辆所在的区域，建立相应的车群几何构型，以描述车辆的跟车行为。如图2所示，步骤2具体包括：

对于处于队列区域的车辆，车群几何构型为路段车队几何拓扑结构，采用一维车辆队列控制路段车队几何拓扑结构中车辆的跟车行为。“一维车辆队列控制”指的是车辆跟驰的前车为其在几何位置上的相邻前车，在跟驰策略中，采用恒定纵向距离的跟驰策略进行跟车行驶。

对于处于协调区域的车辆，单个交叉路口下的车群几何构型为交叉路口车群几何拓扑构型，利用二维车群协调控制方式控制交叉路口车群几何拓扑构型中的车辆的跟车行为，也就是说，协调区域的车辆需要调整其运动，使车辆通过交叉路口时不与其余通行车辆存在几何位置上的冲突关系。

路段车队几何拓扑结构和交叉路口车群几何拓扑构型中的一辆成员车对应为一个节点。交叉路口车群几何拓扑构型是虚拟车辆队列，虚拟队列中车辆不一定跟随其相邻前车，而是可能跟随其前方另一车辆，该部分内容在后文再详细阐述。

步骤3，根据步骤2确定的跟车行为，构建路网下的二维路网车群几何拓扑构型，路网包括多个连续的交叉路口。从空间上看，“二维”表示一个交叉路口上车辆在不同的道路上。

步骤4，判断步骤3所构建的二维路网车群几何拓扑构型中相邻两辆车的实际跟车距离是否大于第一距离阈值，若是，则进入步骤5；反之，则进入步骤6。

步骤5，根据步骤1确定的车辆所在区域，拆分当前的二维路网车群几何拓扑构型，构造出至少两个新的二维路网车群几何拓扑构型。

步骤6，判断相邻两个二维路网车群几何拓扑构型在几何位置上的距离是否小于第二距离阈值，若是，则合并成一个新的二维路网车群几何拓扑构型。步骤6具体包括：如图4所示，三个子车群，分别为二维路网车群几何拓扑构型A、二维路网车群几何拓扑构型B、二维路网车群几何拓扑构型C，如若车辆6和车辆7跟车距离减小至阈值，车群1和车群2的集合拓扑结构合并，形成新的几何拓扑构型。在此取车辆通过路口速度为15m/s，跟车时距阈值为 2.5s，因此确定跟车距离阈值约为35m。“相邻两个二维路网车群几何拓扑构型在几何位置上的距离”可以理解为以“前面的车群的尾车”与“后面的车群的头车”之间的纵向相对距离。“车群”是将位于一维虚拟车列几何拓扑上且跟车距离在阈值内的所有车辆为一个车群。

步骤7，在步骤5和步骤6所构造的每一个新的二维路网车群几何拓扑构型中，通过V2V通信方式获取二维路网车群几何拓扑构型的信息邻域车辆集，该信息邻域车辆集包括该二维路网车群几何拓扑构型中每一车辆的运动信息。“V2V通信”使用专用短程通信(DSRC)，车辆终端彼此直接交换无线信息，无需通过基站转发。

步骤8，利用步骤7获得的信息邻域车辆集，设计车群分布式线性反馈控制器，求解车辆的期望加速度，以控制相应车辆的纵向运动。

在一个实施例中，步骤2中的“二维车群协调控制方式”具体包括如下步骤：

步骤2.1，通过将交叉路口的入口处位于不同车道不同交通流的所有车辆根据其与交叉路口的中心点的距离旋转投影至一虚拟车道上，使得交叉路口车群几何拓扑构型转化为一维虚拟车列几何拓扑结构。“不同交通流”包括：由北向南、由北向东、由北向西等共12种交通流方向。

步骤2.2，采用深度优先生成树，对步骤2.1转化得到的一维虚拟车列几何拓扑结构进行几何拓扑重构，以构建交叉路口车群几何拓扑构型(如图2 所示)，交叉路口车群几何拓扑构型表示为式(1)：

式(1)中，D_i为交叉路口恒定跟车距离；v_i(t)为节点i的速度；为父节点P_i的速度；父节点P_i为深度优先生成树中的直接连接节点i的上一个节点；为节点i的父节点的父节点P_i的速度，p_i(t)为节点i的父节点P_i与交叉路口的距离。

在一个实施例中，步骤2.1转化得到的一维虚拟车列几何拓扑结构具有N 辆车辆，根据前后位置按照0，1，2，…，N进行编号，编号为0的车辆为车群几何拓扑结构中的领航车辆；

如图5和图6所示，步骤2.2中的“深度优先生成树”表示为其中，v_N+1＝{0，1，2，…，N}表示一维虚拟车列几何拓扑结构中的所有节点的集合，ε_N+1＝{(i，j)|i，j∈v_N+1表示一维虚拟车列几何拓扑结构中相邻两节点之间存在冲突关系的集合；步骤2.2中的“深度优先生成树”的构造算法包括如下步骤：

步骤2.21，设定一维虚拟车列几何拓扑结构中的节点0的层数l₀设置为1，则有：l₀＝1；节点0为领航车辆；

步骤2.22，找到一维虚拟车列几何拓扑结构的冲突有向图中节点i 的所有父节点j，则有：所有j∈{j|(j，i)∈ε_N+1}；

步骤2.23，根据步骤2.22找到的节点i的所有父节点j，找到节点i的所有父节点中层数最大的节点k，该节点k在一维虚拟车列几何拓扑结构的冲突有向图的层数为l_k；

步骤2.24，“深度优先生成树”中， l_i＝l_k+1；

步骤2.22中的一维虚拟车列几何拓扑结构的冲突有向图的获取方法是：根据步骤2.1得到的一维虚拟车列几何拓扑结构{0，1，2，…，N}、各车辆冲突集以及有向图若v_N+1＝{0，1，2，…，N}，且当且仅当有(j，i)∈ε_N+1，则为一维虚拟车列几何拓扑结构的冲突有向图；

步骤2.22中的父节点j的获取方法是：若一维虚拟车列几何拓扑结构的冲突有向图中存在一个有向边序列集{(i₁，i₂)，(i₂，i₃)，…，(i_n-1，i_n)}，其中有(i_k-1，i_k)∈ε_N+1，则该有向边序列集称为从节点i₁到节点i_n的一条有向路径，若存在(j，i)∈ε_N+1，则节点j为节点i的父节点，节点i为节点j的子节点。

“祖先节点”指的是深度优先生成树中，若存在一条从节点i₁到节点i_n的有向路径{(i₁，i₂)，(i₂，i₃)，…，(i_n-1，i_n)}((i_k，i_k+1)∈ε_N+1，1≤k≤n-1)，则节点i₁为节点i_n的祖先节点，节点i_n为节点i₁的子孙节点。

在一个实施例中，如图3所示，步骤3中，路段车队几何拓扑结构的领航车为位于同一车道协调区域内的前车；交叉路口车群几何拓扑构型的领航车为已驶出该交叉路口的最邻近车辆；二维路网车群几何拓扑构型中的车辆i与车辆j的期望距离跟车距离确定方法为：

情况一，对于同一车群中的车辆i与其任意祖先节点j，二者之间的期望跟车距离可通过车群几何构型确定，从节点j到节点i存在唯一的有向路径 {ε₁，ε₂，…ε_n}，其中ε_k为一维虚拟车列几何拓扑结构的冲突有向图中的一条边，假设有向路径中，属于路段车队几何拓扑结构的有向边有n_l条，属于交叉路口车群几何拓扑构型的有向边有n_i条，则车辆i与车辆j的期望跟车距离表示为式(2)：

D_i，j＝n_lD_l+n_iD_i (2)

式(2)中，D_l为路段车队几何拓扑结构中车辆的跟车距离，D_i为交叉路口车群几何拓扑构型中车辆的跟车距离；

情况二，对于同一车群中的任意节点i和节点j，由于二维路网车群几何拓扑构型为一生成树，其必存在共同的祖先节点k，则节点i和节点j的期望跟车距离D_i，j可通过其与祖先节点k的期望距离计算得到式(3)：

D_i，j＝D_i，k-D_j，k (3)

式(3)中，D_i，k为节点i和节点k的跟车距离；D_j，k为节点j和节点k的跟车距离。

在一个实施例中，如图4所示，步骤5中，拆分当前的二维路网车群几何拓扑构型的方法包括：

情况一，如若实际跟车距离大于第一距离阈值的车辆位于协调区域，则将该车辆及当前的二维路网车群几何拓扑构型中该车辆后方的所有车辆构造成新的二维路网车群几何拓扑构型，采用步骤2和步骤3的方法重新构造新的二维路网车群几何拓扑构型；

情况二，如若实际跟车距离大于第一距离阈值的车辆位于队列区域，则将该车辆及当前的二维路网车群几何拓扑构型中该车辆后方所有车辆构成新的车群，重新构造新的二维路网车群几何拓扑构型。

在一个实施例中，步骤8中，在二维路网车群几何拓扑构型中，车辆i与其信息邻域车辆j的跟车距离误差和速度误差表示为式(4)：

式(4)和式(5)中，δ_p ^(i，j)为车辆i和车辆j的跟驰距离误差；p_i(t)为节点 i的父节点P_i与交叉路口的距离；p_j(t)为节点j的父节点P_j与交叉路口的距离；为步骤7获得的一维虚拟车列几何拓扑结构中车辆j的信息邻域车辆集；δ_v ^(i，j)为节点i和节点j的跟驰速度误差；v_i(t)为节点i的速度；v_j(t)为节点j的速度；D为节点与其父节点之间的期望车头距离；l_i和l_j分别为车辆i和车辆j在一维虚拟车列几何拓扑结构深度优先生成树中的层数；

采用车辆i与信息邻域车辆的跟驰距离误差和速度误差的线性组合，构建期望加速度的线性反馈控制律：

式(6)中，为节点i线性反馈控制器的距离误差的反馈增益；为节点i线性反馈控制器的速度误差的反馈增益；u_i为期望加速度；v₀领航车辆的速度；a_ij为非虚拟领航车间的信息传递，a_ij表示为式(7)；q_ij为虚拟领航车与其余车辆的信息传递，q_ij表示为式(8)；

式(7)和式(8)中，为节点间信息流情况

由于本发明将交叉路口单点的一维虚拟车列几何拓扑结构几何构型拓展到交通路网，提出交通路网车辆分布式控制方法，解决了路网车辆协同控制困难的问题。考虑交通路网中路段车辆队列几何拓扑构型和交叉路口车群几何拓扑构型的车群几何构型，构建路网下的二维路网车群几何拓扑构型，再基于维路网车群几何拓扑构型，考虑信息领域的环境车辆运动信息，构建车群分布式线性反馈控制器。其从整体上考虑交通状态问题，再化为车辆群的拆分和合并问题，通过车辆分布式控制改善交通状态，从单点车辆影响车群，到车群改善交通，从而节省计算资源，提高整体的通行效率。

最后需要指出的是：以上实施例仅用以说明本发明的技术方案，而非对其限制。本领域的普通技术人员应当理解：可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种交通路网车辆分布式控制方法，其特征在于，包括如下步骤：

步骤1，根据车辆与其前方最近的交叉路口之间的纵向相对距离，判断车辆所处的区域，该区域分为队列区域和协调区域；

步骤2，根据车辆所在的区域，建立相应的车群几何构型，以确定车辆的跟车行为；

步骤3，根据步骤2确定的跟车行为，构建路网下的二维路网车群几何拓扑构型，路网包括多个连续的交叉路口；

步骤4，判断步骤3所构建的二维路网车群几何拓扑构型中相邻两辆车的实际跟车距离是否大于第一距离阈值，若是，则进入步骤5；反之，则进入步骤6；

步骤5，根据步骤1确定的车辆所在区域，拆分当前的二维路网车群几何拓扑构型，构造出至少两个新的二维路网车群几何拓扑构型；

步骤6，判断相邻两个二维路网车群几何拓扑构型在几何位置上的距离是否小于第二距离阈值，若是，则合并成一个新的二维路网车群几何拓扑构型；

步骤7，在步骤5和步骤6所构造的每一个新的二维路网车群几何拓扑构型中，通过V2V通信方式获取二维路网车群几何拓扑构型的信息邻域车辆集，该信息邻域车辆集包括该二维路网车群几何拓扑构型中每一车辆的运动信息；

步骤8，利用步骤7获得的信息邻域车辆集，设计车群分布式线性反馈控制器，求解车辆的期望加速度，以控制相应车辆的纵向运动。

2.如权利要求1所述的交通路网车辆分布式控制方法，其特征在于，步骤1中的“确定车辆所处的区域”的方法包括：

判断车辆所处的位置是否在以交叉路口的中心点为圆心、预设的通信距离为半径的圆内，若是，则车辆所处的区域为协调区域内；否则车辆所处的区域为队列区域。

3.如权利要求1所述的交通路网车辆分布式控制方法，其特征在于，步骤2具体包括：

对于处于队列区域的车辆，车群几何构型为路段车队几何拓扑结构，采用恒定纵向距离的跟驰策略控制路段车队几何拓扑结构中车辆的跟车行为；

对于处于协调区域的车辆，单个交叉路口下的车群几何构型为交叉路口车群几何拓扑构型，利用二维车群协调控制方式控制交叉路口车群几何拓扑构型中车辆的跟车行为，使车辆通过交叉路口时不与其余通行车辆存在几何位置上的冲突关系，路段车队几何拓扑结构和交叉路口车群几何拓扑构型中的一辆成员车对应为一个节点。

4.如权利要求3所述的交通路网车辆分布式控制方法，其特征在于，步骤2中的“二维车群协调控制方式”具体包括如下步骤：

步骤2.1，通过将交叉路口的入口处位于不同车道不同交通流的所有车辆根据其与交叉路口的中心点的距离旋转投影至一虚拟车道上，使得交叉路口车群几何拓扑构型转化为一维虚拟车列几何拓扑结构；

步骤2.2，采用深度优先生成树，对步骤2.1转化得到的一维虚拟车列几何拓扑结构进行几何拓扑重构，以构建交叉路口车群几何拓扑构型，交叉路口车群几何拓扑构型表示为式(1)；

式(1)中，D_i为交叉路口恒定跟车距离；v_i(t)为节点i的速度；为父节点P_i的速度；父节点P_i为深度优先生成树中的直接连接节点i的上一个节点；为节点i的父节点的父节点P_i的速度，p_i(t)为节点i的父节点P_i与交叉路口的距离。

5.如权利要求4所述的交通路网车辆分布式控制方法，其特征在于，步骤2.1转化得到的一维虚拟车列几何拓扑结构具有N辆车辆，根据前后位置按照0，1，2，…，N进行编号，编号为0的车辆为车群几何拓扑结构中的领航车辆；

步骤2.2中的“深度优先生成树”表示为其中，表示一维虚拟车列几何拓扑结构中的所有节点的集合，表示一维虚拟车列几何拓扑结构中相邻两节点之间存在冲突关系的集合；步骤2.2中的“深度优先生成树”的构造算法包括如下步骤：

步骤2.21，设定一维虚拟车列几何拓扑结构中的节点0的层数l₀设置为1，则有：l₀＝1；

步骤2.22，找到一维虚拟车列几何拓扑结构的冲突有向图中节点i的所有父节点j，则有：所有j∈{j|(j，i)∈ε_N+1}，；

步骤2.23，根据步骤2.22找到的节点i的所有父节点j，找到节点i的所有父节点中层数最大的节点k，该节点k在一维虚拟车列几何拓扑结构的冲突有向图的层数为l_k；

步骤2.24，“深度优先生成树”中， l_i＝l_k+1；

步骤2.22中的一维虚拟车列几何拓扑结构的冲突有向图的获取方法是：根据步骤2.1得到的一维虚拟车列几何拓扑结构{0，1，2，…，N}、各车辆冲突集以及有向图若且当且仅当有(j，i)∈ε_N+1，则为一维虚拟车列几何拓扑结构的冲突有向图；

步骤2.22中的父节点j的获取方法是：若一维虚拟车列几何拓扑结构的冲突有向图中存在一个有向边序列集{(i₁，i₂)，(i₂，i₃)，…，(i_n-1，i_n)}，其中有(i_k-1i_k)∈ε_N+1，则该有向边序列集称为从节点i₁到节点i_n的一条有向路径，若存在(j，i)∈ε_N+1，则节点j为节点i的父节点，节点i为节点j的子节点。

6.如权利要求1至5中任一项所述的交通路网车辆分布式控制方法，其特征在于，步骤3中，路段车队几何拓扑结构的领航车为位于同一车道协调区域内的前车；交叉路口车群几何拓扑构型的领航车为已驶出该交叉路口的最邻近车辆；二维路网车群几何拓扑构型中的车辆i与车辆j的期望距离跟车距离确定方法为：

情况一，对于同一车群中的车辆i与其任意祖先节点j，二者之间的期望跟车距离可通过车群几何构型确定，从节点j到节点i存在唯一的有向路径{ε₁，ε₂，…ε_n}，其中ε_k为一维虚拟车列几何拓扑结构的冲突有向图中的一条边，假设有向路径中，属于路段车队几何拓扑结构的有向边有n_l条，属于交叉路口车群几何拓扑构型的有向边有n_i条，则车辆i与车辆j的期望跟车距离表示为式(2)：

D_i，j＝n_lD_l+n_iD_i (2)

式(2)中，D_l为路段车队几何拓扑结构中车辆的跟车距离，D_i为交叉路口车群几何拓扑构型中车辆的跟车距离；

情况二，对于同一车群中的任意节点i和节点j，由于二维路网车群几何拓扑构型为一生成树，其必存在共同的祖先节点k，则节点i和节点j的期望跟车距离D_i，j可通过其与祖先节点k的期望距离计算得到式(3)：

D_i，j＝D_i，k-D_j，k (3)

式(3)中，D_i，k为节点i和节点k的跟车距离；D_j，k为节点j和节点k的跟车距离。

7.如权利要求3所述的交通路网车辆分布式控制方法，其特征在于，步骤5中，拆分当前的二维路网车群几何拓扑构型的方法包括：

情况一，如若实际跟车距离大于第一距离阈值的车辆位于协调区域，则将该车辆及当前的二维路网车群几何拓扑构型中该车辆后方的所有车辆构造成新的二维路网车群几何拓扑构型，采用步骤2和步骤3的方法重新构造新的二维路网车群几何拓扑构型；

情况二，如若实际跟车距离大于第一距离阈值的车辆位于队列区域，则将该车辆及当前的二维路网车群几何拓扑构型中该车辆后方所有车辆构成新的车群，重新构造新的二维路网车群几何拓扑构型。

8.如权利要求1所述的交通路网车辆分布式控制方法，其特征在于，步骤8中，在二维路网车群几何拓扑构型中，车辆i与其信息邻域车辆j的跟车距离误差和速度误差表示为式(4)：

式(4)和式(5)中，δ_p ^(i，j)为车辆i和车辆j的跟驰距离误差；p_i(t)为节点i的父节点P_i与交叉路口的距离；p_j(t)为节点j的父节点P_j与交叉路口的距离；为步骤7获得的一维虚拟车列几何拓扑结构中车辆i的信息邻域车辆集；δ_v ^(i，j)为节点i和节点j的跟驰速度误差；v_i(t)为节点i的速度；v_j(t)为节点j的速度；D为节点与其父节点之间的期望车头距离；l_i和l_j分别为车辆i和车辆j在一维虚拟车列几何拓扑结构深度优先生成树中的层数；

采用车辆i与信息邻域车辆的跟驰距离误差和速度误差的线性组合，构建期望加速度的线性反馈控制律：

式(6)中，为节点i线性反馈控制器的距离误差的反馈增益；为节点i线性反馈控制器的速度误差的反馈增益；u_i为期望加速度；v₀领航车辆的速度；a_ij为非虚拟领航车间的信息传递，a_ij表示为式(7)；q_ij为虚拟领航车与其余车辆的信息传递，q_ij表示为式(8)；

式(7)和式(8)中，为节点间信息流情况。