CN112071104B - 一种考虑驾驶风格的多信号灯路口车辆通行辅助优化方法 - Google Patents

Abstract

本发明公开了一种考虑驾驶风格的多信号灯路口车辆通行辅助优化方法，该方法包括：步骤1，采集道路车流量信息，计算待通行优化路段每个路口的交通信号灯配时；步骤2，采集各车的车辆信息和待通行优化路段的道路信息；步骤3，计算各车辆不停车通过其前方的第一个路口的期望车速和期望车速区间；步骤4，判断车辆类型，如果是人工驾驶车辆，则进入步骤5；如果是自动驾驶车辆，则进入步骤6；步骤5，为人工驾驶车辆的驾驶员提供个性化车速和车道建议；步骤6，为自动驾驶车辆提供期望车速和期望车道，并计算自车所需控制量；步骤7，根据所述期望车速，计算各车辆到达停止线所需的预期时间，以各车辆通过路口的时间之和最短为目标，优化交通信号灯配时。本发明能够提高交通效率、提高交通安全、改善车辆燃油经济性。

Description

一种考虑驾驶风格的多信号灯路口车辆通行辅助优化方法

技术领域

本发明涉及智能交通系统技术领域，特别是关于一种考虑驾驶风格的多信号灯路口车辆通行辅助优化方法。

背景技术

随着我国社会经济发展和人民生活水平的不断提高，我国汽车保有量不断上升,由此带来了严峻的交通安全考验，同时城市拥堵问题给人们出行带来了额外的时间成本和燃油损失。另一方面，机动车尾气排放也成为雾霾的主要来源。因此，保证行驶安全，优化节能减排，提高出行效率有着重要的研究意义。

近年来，随着智能网联汽车的出现和发展，为智能交通控制提供了新的优化方法。通过动态地调整交通信号灯配时，可以使车辆更加顺畅地通过红绿灯路口，减少车辆启停次数和等待时间。另一方面，在车联网环境下，随着5G和V2X技术的发展，智能网联车辆可以实时获取交叉路口的红绿灯相位信息、道路上的车流量信息以及其他车辆的运动信息。基于上述丰富的交通信息可对车辆进行控制，优化车辆行驶轨迹，以达到节能、省时的目的。

然而，目前的研究大多是分别优化交通信号和优化车辆控制，二者相互独立进行。交通信号优化方法根据动态的交通流状态优化信号灯配时，车辆控制优化方法根据交通信号灯相位和道路拥堵情况规划车辆的最优轨迹，二者相互耦合，若分别独立地进行优化则可能存在冲突情况。此外，现有的优化方法并未考虑驾驶员的个体差异，即各驾驶员的驾驶风格不同，应为他们提供个性化的车速建议与车道建议。

发明内容

本发明的目的在于提供一种安全、节能、高效通行的考虑驾驶风格的多信号灯路口车辆通行辅助优化方法。

为实现上述目的，本发明提供一种考虑驾驶风格的多信号灯路口车辆通行辅助优化方法，该方法包括：

步骤1，采集道路车流量信息，并计算待通行优化路段每个路口的交通信号灯配时；

步骤2，采集各车的车辆信息和待通行优化路段的道路信息；

步骤3，计算各车辆不停车通过其前方的第一个路口的期望车速和期望车速区间；

步骤4，判断车辆类型，如果是人工驾驶车辆，则进入步骤5；如果是自动驾驶车辆，则进入步骤6；

步骤5，为人工驾驶车辆的驾驶员提供个性化车速和车道建议；

步骤6，为自动驾驶车辆提供期望车速和期望车道，并计算自车所需控制量；

步骤7，根据所述期望车速，计算各车辆到达停止线所需的预期时间，以各车辆通过路口的时间之和最短为目标，优化交通信号灯配时；

循环步骤2至步骤6，以预设周期更新车辆的期望车速，使各车辆不停车通过其前方的第一个路口；

在交通信号灯的一个周期结束时，循环步骤1至步骤7，更新信号灯的配时信息，以供各车计算期望车速。

进一步地，步骤5具体包括：

根据步骤3得到的自左起的n条车道上各车辆不停车通过其前方的第一个路口的期望车速v_{target_1},v_{target_2},...,v_{target_n}和期望车速区间[v_{low_1},v_{high_1}],[v_{low_2},v_{high_2}],...,[v_{low_n},v_{high_n}]、以及自车当前速度v₁；首先取v_target＝v_{target_1}，v_low＝v_{low_1}，v_high＝v_{high_1}，按照如下三种情形，向驾驶员提示加速/减速信息：

情况a，v₁>v_target，提示减速；

情况b，v₁<v_low，建议加速；

情况c，v_low≤v₁≤v_target，建议保持当前车速；

若当前自车状态属于情况a，且

t₀表示提示减速的时刻，

表示t₀时刻的车速，

表示t₀+T时刻的车速，v_thr为预设车速值，则建议驾驶员在左侧高速车道行驶；

若当前状态属于情况b，且

则按照下面方法为其提供更低的期望车速v_target＝v_{high_i}与速度区间[v_{low_i},v_{high_i}]：

第一次为其降低期望车速至v_target＝v_{target_2}，速度区间[v_{low_2},v_{high_2}]，根据v_{target_2}和v_{low_2}与v₁的大小关系，重新按照情况a、b、c进行新的加速/减速提示，以此循环直至其车速稳定至情况c所对应的速度区间[v_{low_i},v_{high_i}]内，此时的期望车速为v_target＝v_{target_i}。

进一步地，步骤3具体包括：

步骤3.1，将步骤1计算得到的交通信号灯配时分割为可通行的时间区间，得到接下来信号灯依序变换颜色对应的时刻[g₁₁,r₁₁,g₁₂,r₁₂,…,g_1i,r_1i…]，其中,g₁₁为第一个信号灯第一次变为绿灯的时刻，g₁₁＝红灯时长-当前红灯已持续时间；r₁₁为第一个信号灯第一次变为红灯的时刻，r₁₁＝g₁₁+绿灯时长；g₁₂为第一个信号灯第二次变为绿灯的时刻，g₁₂＝r₁₁+红灯时长；r₁₂＝g₁₂+绿灯时长；r_1i为第一个信号灯接下来第i次变为红灯的时刻，g_1i为第一个信号灯接下来第i次变为绿灯的时刻；

步骤3.2，根据各车辆位置信息、相应车道的停止线位置信息、信号灯配时信息及当前相位信息，结合待通行优化路段的道路限速情况和实时车流量信息，计算各车辆不停车通过其前方的第一个路口的期望车速区间：

情况一，第一个信号灯当前时刻为红灯，期望车速区间由式(1)得到：

情况二，第一个信号灯当前时刻为绿灯，期望车速区间由式(2)得到：

式中，d₁为当前路段的第一辆车与其前方的第一个路口的停止线之间的距离，v_max为车辆所在路段允许的最高车速，v_min为车辆所在路段允许行驶的最低车速，r_1i表示第一个信号灯接下来第i次变为红灯的时刻，g_1i表示第一个信号灯接下来第i次变为绿灯的时刻，

为车辆在当前车流量下所能达到的最高车速；

步骤3.3，设当前道路的车道总数为n，计算每一车道上各车辆不停车通过其前方的第一个路口的期望车速。

进一步地，步骤3.3具体包括：

步骤3.31，取i＝1，若计算结果为空集，则取i＝2继续计算，以此类推直至i＝i₀时得到非空集合[v_{low_1},v_{high_1}]；

步骤3.32，按照(1)中的方法分别计算i＝i₀+1,i₀+2,…,i₀+n-1时的非空集合[v_{low_2},v_{high_2}],...,[v_{low_n},v_{high_n}]；

步骤3.33，以最短通行时间为目的，得到每一车道上各车辆不停车通过其前方的第一个路口的期望车速应为v_{target_1}＝v_{high_1}，v_{target_2}＝v_{high_2},...,v_{target_n}＝v_{high_n}。

进一步地，

的获取方式包括：

从历史交通流数据中调取和当前道路等级相同、车道数相同、车流量相近的历史交通数据，计算每辆车在符合此条件的路段中行驶的平均车速，并计算各车车速的平均值，作为车辆在该类型路段和相应车流量下行驶的平均车速，记为

且

其中比例系数γ可根据所需的驾驶激进程度进行调节。

进一步地，步骤6具体包括：

步骤6.1，构建车辆的动力学描述如下式(3)：

式(3)中,

为车辆m的发动机有效牵引力，

为车辆m的制动力，

为车辆m的等效阻力，

的计算公式如式(4)：

式(4)中，v_m为车辆m的速度，m_m为车辆m的质量，g为重力加速度，θ为车辆m的所行驶当前路段的道路坡度，c_D为等效阻力系数，μ为滚动摩擦系数；

步骤6.2，构建如下式(5)所示离散状态空间方程：

式(5)中，z_m(k)＝[x_m(k) v_m(k)]^T为车辆m的状态向量，

为控制输入量。

步骤6.3，构造代价函数J_m(k)，求解对应的控制量：

其中ω₁和ω₂是惩罚系数；

此外，车辆控制还应满足以下约束：

v_min≤v_m(j)≤v_max

x_mfront(j)-x_m(j)≥αv_m(j)+β

其中

和

分别为车辆的最大驱动力和最大制动力，x_mfront(j)为车辆m的前车在采样点j的位置,x_m(j)为车辆m在采样点j的位置，v_m(j)表示第m辆车在采样点j的速度，αv_m(j)+β为最小安全距离。

本发明由于采取以上技术方案，其具有以下优点：。

本发明考虑了道路交通流量对车速的约束条件，对交通信号灯和车辆进行协同控制，以达到使车辆最短时间通过信号灯路口的目的，提高交通效率。同时为激进型驾驶员与保守型驾驶员提供不同的建议车速，避免出现建议车速与实际车速相差过大的无效建议情况。按照车速高低为车辆分配合适的建议车道，减少道路上换道超车的总次数，进而减少由超车带来的风险与车速波动，提高道路安全性与燃油经济性。

附图说明

图1是本发明信息流向示意图。

图2是本发明的流程图。

图3是步骤3中情况一，第一个信号灯在当前时刻为红灯的示意图。

图4是步骤3中情况二，第一个信号灯在当前时刻为绿灯的示意图。

图5是本发明针对人工驾驶车辆的驾驶辅助屏幕的信息提示示意图。

具体实施方式

下面结合附图和实施例对本发明进行详细的描述。

如图1和图2所示，本发明所提供的考虑驾驶风格的多信号灯路口车辆通行辅助优化方法包括：

步骤1，采集道路车流量信息，并计算待通行优化路段每个路口的交通信号灯配时。

其中，道路车流量信息可以理解为一段时间内各车道平均每小时通过的车辆总数，可通过铺设于地面的地磁感应线圈采集得到。交通信号灯配时包括信号灯周期和相位时长信息，其计算通常由云控平台来完成。

步骤2，采集各车的车辆信息和待通行优化路段的道路信息，并发送至云控平台。

其中，车辆信息包括车辆的位置和速度信息。车辆为自动驾驶车辆时，位置和速度信息通过车载传感器采集得到。车辆为人工驾驶车辆时，速度信息由车载传感器采集得到，位置信息由路侧传感器采集。道路路段信息包括各车道的停止线位置信息，该信息可从高精度地图中直接获取。

步骤3，计算各车辆不停车通过其前方的第一个路口的期望车速。

在一个实例中，步骤3具体包括：

步骤3.1，将交通信号灯配时分割为可通行的时间区间，得到接下来信号灯依序变换颜色对应的时刻。

步骤3.1具体包括：

情况一，如图3所示，设当前时刻为零时刻，第一个信号灯(第一个路口的信号灯)当前时刻为红灯，统计接下来第一个信号灯依序变换颜色对应的时刻[g₁₁,r₁₁,g₁₂,r₁₂,…,g_1i,r_1i…]，其中,g₁₁为第一个信号灯第一次变为绿灯的时刻，g₁₁＝红灯时长-当前红灯已持续时间。r₁₁为第一个信号灯第一次变为红灯的时刻，r₁₁＝g₁₁+绿灯时长。g₁₂为第一个信号灯第二次变为绿灯的时刻，g₁₂＝r₁₁+红灯时长。r₁₂＝g₁₂+绿灯时长。r_1i为第一个信号灯接下来第i次变为红灯的时刻，g_1i为第一个信号灯接下来第i次变为绿灯的时刻，r₁₂，g₁₃等以此类推。

情况二，如图4所示，设当前时刻为零时刻，第一个信号灯当前时刻为绿灯，统计接下来第一个信号灯依序变换颜色对应的时刻[r₀,g₁₁,r₁₁,g₁₂,r₁₂,g₁₃,…,r_1i,g_1i,…]，其中，r₀为第一个信号灯第一次变为红灯的时刻，g₁₁为第一个信号灯第一次变为绿灯的时刻，r₁₁，g₁₂等以此类推。

步骤3.2，云控平台利用收集到的各车辆位置信息、相应车道的停止线位置信息、信号灯配时信息及当前相位信息，结合道路的限速情况和实时车流量信息，按照当前相位信息采用如下方式计算各车辆不停车通过其前方的第一个路口的期望车速区间。

情况一，第一个信号灯当前时刻为红灯，期望车速区间由式(1)得到：

情况二，第一个信号灯当前时刻为绿灯，期望车速区间由式(2)得到：

式中，d₁为当前路段的第一辆车与其前方的第一个路口的停止线之间的距离，v_max为车辆所在路段允许的最高车速，v_min为车辆所在路段允许行驶的最低车速，r_1i表示第一个信号灯接下来第i次变为红灯的时刻，g_1i表示第一个信号灯接下来第i次变为绿灯的时刻，

为车辆在当前车流量下所能达到的最高车速。

的一种获取方式包括：

利用云控平台，从历史交通流数据中调取和当前道路等级相同、车道数相同、车流量相近的历史交通数据。计算每辆车在符合此条件的路段中行驶的平均车速，并计算各车车速的平均值，作为车辆在该类型路段和相应车流量下行驶的平均车速，记为

此计算可在云控平台负荷较低时离线进行，计算完成后保存相应结果，以便在使用过程中直接调用。取车辆在当前车流量下所能达到的最高车速

其中比例系数γ可根据所需的驾驶激进程度进行调节，此处可以取γ＝1。

的另一种获取方式包括：以固定时间间隔(如5分钟)统计当前道路上行驶的所有车辆的实时车速，取其中车速最大的值作为

步骤3.3，设当前道路的车道总数为n，计算每一车道上各车辆不停车通过其前方的第一个路口的期望车速，其具体包括如下步骤：

步骤3.31，取i＝1，若计算结果为空集，则取i＝2继续计算，以此类推直至i＝i₀时得到非空集合[v_{low_1},v_{high_1}]，此即为车辆不停车通过其前方的第一个路口的期望车速区间。

步骤3.32，按照(1)中的方法分别计算i＝i₀+1,i₀+2,…,i₀+n-1时的非空集合[v_{low_2},v_{high_2}],...,[v_{low_n},v_{high_n}]，即期望车速区间[v_{low_1},v_{high_1}],[v_{low_2},v_{high_2}],...,[v_{low_n},v_{high_n}]。

步骤3.33，以最短通行时间为目的，得到每一车道上各车辆不停车通过其前方的第一个路口的期望车速应为v_{target_1}＝v_{high_1}，v_{target_2}＝v_{high_2},...,v_{target_n}＝v_{high_n}。

步骤4，从各车辆向云控平台传输的信息中获取车辆类型，如果是人工驾驶车辆，则进入步骤5；如果是自动驾驶车辆，则进入步骤6。

步骤5，通过V2X技术，将步骤3得到的期望车速v_{target_1},v_{target_2},...,v_{target_n}和期望车速区间[v_{low_1},v_{high_1}],[v_{low_2},v_{high_2}],...,[v_{low_n},v_{high_n}]通过V2X技术发送给人工驾驶车辆的驾驶辅助系统，并将期望车速v_target作为建议车速显示在驾驶辅助屏幕上。

作为步骤5的一种优选实现方式，其包括：

首先取v_target＝v_{target_1}，v_low＝v_{low_1}，v_high＝v_{high_1}，结合自车当前速度v₁，分如下三种情形，对驾驶员驾驶车辆进行加速/减速提示，同时还将提示信息和前方路口信号灯的相位信息显示在驾驶辅助屏幕上，其显示界面如图5所示：

情况a，v₁>v_target，提示驾驶员适当减速；

情况b，v₁<v_low，提示驾驶员适当加速；

情况c，v_low≤v₁≤v_target，提示驾驶员保持当前车速。

若当前状态属于情况a，且信息提示后预设时长T(比如10秒)内车辆无明显减速趋势，即

其中

t₀表示提示驾驶员适当减速的时刻，

表示t₀时刻的车速，

表示t₀+T时刻的车速，则认为其属于激进型驾驶员，建议其在左侧高速车道行驶。

若当前状态属于情况b且信息提示后预设时长T内车辆无明显加速趋势,即

其中v_thr＝2m/s，则认为该驾驶员属于保守型驾驶员，主观意愿表明希望以相对较低车速谨慎行驶，此时应按照下面方法为其提供更低的期望车速v_target＝v_{target_i}与速度区间[v_{low_i},v_{high_i}]。

当车辆无法遵循v_target＝v_{target_1}进行驾驶时，第一次为其降低期望车速至v_target＝v_{target_2}，速度区间[v_{low_2},v_{high_2}]，根据v_{target_2}和v_{low_2}与v₁的大小关系，重新按照情况a、b、c进行新的加速/减速提示，若仍属于情况b，且提示加速T后车辆仍无明显加速趋势，则进一步降低期望车速至v_target＝v_{target_3}，速度区间[v_{low_3},v_{high_3}]，以此循环直至其车速稳定至情况c所对应的速度区间[v_{low_i},v_{high_i}]内，此时的期望车速为v_target＝v_{target_i}。

作为步骤5的另一种优选实现方式，其包括：

对驾驶员进行驾驶风格量表测试，根据测试结果将驾驶员分类为激进型驾驶员、谨慎型驾驶员和保守型驾驶员。为激进型驾驶员提供期望车速为v_{target_1}，建议其在最左侧车道行驶；为谨慎型驾驶员提供期望车速为v_{target_2}，建议其在中间车道行驶；为保守型驾驶员提供期望车速为v_{target_3}，建议其在最右侧车道行驶。

步骤6，通过V2X技术(例如DSRC技术或C-V2X技术)为自动驾驶车辆提供期望车速和期望车道，并采用如下方法，利用车载计算平台计算自车所需控制量：

步骤6.1，构建车辆的动力学描述如下式(3)：

式(3)中,

为车辆m的发动机有效牵引力，

为车辆m的制动力，

为车辆m的等效阻力，

的计算公式如式(4)：

式(4)中，v_m为车辆m的速度，m_m为车辆m的质量，g为重力加速度，θ为车辆m的所行驶当前路段的道路坡度，c_D为等效阻力系数，μ为滚动摩擦系数，c_D、μ都可以通过文献获得具体数值。

步骤6.2，构建如下式(5)所示离散状态空间方程：

式(5)中，z_m(k)＝[x_m(k) v_m(k)]^T为车辆m的状态向量，

为控制输入量。

步骤6.3，构造式(6)所示的代价函数J_m(k)，求解对应的控制量：

其中ω₁和ω₂是惩罚系数，ω₁惩罚了车辆速度与目标速度的偏差，ω₂保证了在速度跟踪过程中尽量少地进行制动，在一定程度上减少了速度的波动，降低油耗。可根据经验初定，如ω₁＝1000，ω₂＝0.001，并通过实验检验控制效果，再进一步优化。

此外，车辆控制还应满足以下约束：

v_min≤v_m(j)≤v_max

x_mfront(j)-x_m(j)≥αv_m(j)+β

其中

和

分别为车辆的最大驱动力和最大制动力，取决于轮胎和路面附着情况以及发动机的驱动力矩和制动器的制动力矩，不失一般性地，可取

j表示步骤6.3中的代指k至k+P-1中的任意项，是离散系统的采样点。

为车辆m的前车在采样点j的位置,x_m(j)为车辆m在采样点j的位置，v_m(j)表示车辆m在采样点j的速度，αv_m(j)+β为最小安全距离。α表示最小跟车时距，可根据需要确定，如α＝1.5。β表示两车静止时的最小距离，可根据需要确定，如β＝3。v_min、v_max表示车辆所在路段的限速。

将计算得到的控制输入量

发送至车辆底层控制器，用于控制自车的纵向运动。

待道路上各车车速相对稳定后，根据其最终采取的期望车速v_target,v_{target_2},...,t_{target_n}，按车速由高至低分别建议其行驶在左起第1,2,...,n条车道，根据车速分配车道可减少换道超车的需求。同时保证各车道的车辆数目应相近以达到较高的通行效率，且相邻两条车道中，左侧车道的平均车速不小于右侧车道的平均车速。

步骤7，优化交通信号灯配时：根据步骤3得到的期望车速，计算车辆m到达停止线所需的预期时间t_m，即，车辆m到其前方的第一个路口的停止线的距离除以其对应的期望车速

以各车辆通过路口的时间之和∑t_m最短为目标，优化交通信号灯配时。起点是算法运行时刻的各车辆所处位置，终点是车通过其前方的第一个路口停止线的位置，即计算车辆以期望车速开到路口所需的时间。在当前信号灯周期结束后，使用新的优化后的信号灯配时来控制交通信号。

在车辆运动过程中，以预设周期(比如1秒)对道路车辆的位置和速度信息进行更新，循环步骤2至步骤6，更新车辆的期望车速，使各车辆不停车通过其前方的第一个路口。此外，在交通信号灯的一个周期结束时，以所有车辆通过交叉路口停止线的总用时最短为目标，优化信号配时，并利用优化后的配时信息来控制信号灯此后的运行相位。循环步骤1至步骤7，更新信号灯的配时信息，以供各车计算期望车速。

1)根据局部动态地图中每条道路上行驶的车辆信息，将其汇总为宏观交通数据，据此设计每个信号灯周期和各交通相位的时长；2)采集局部动态地图中每辆车的位置和速度信息，读取信号灯路口相应行驶方向和车道对应的停止线位置信息；3)根据步骤2得到的各车辆位置和速度信息、停止线位置信息，步骤1得到的信号灯周期和相位时长信息，以及车辆所在路段的车速限制信息，计算车辆不停车通过路口的期望车速；4)根据步骤3得到的期望车速，为人工驾驶车辆提供个性化车速建议和车道建议、为自动驾驶车辆提供期望车速和期望车道并计算所需控制量；5)根据步骤4得到的期望车速，计算各车辆到达停止线所需的预期时间，以各车辆通过路口的时间之和最短为目标，优化交通信号灯配时；

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 (5)

1.一种考虑驾驶风格的多信号灯路口车辆通行辅助优化方法，其特征在于，包括：

步骤1，采集道路车流量信息，并计算待通行优化路段每个路口的交通信号灯配时；

步骤2，采集各车的车辆信息和待通行优化路段的道路信息；

步骤3，计算各车辆不停车通过其前方的第一个路口的期望车速和期望车速区间；

步骤4，判断车辆类型，如果是人工驾驶车辆，则进入步骤5；如果是自动驾驶车辆，则进入步骤6；

步骤5，为人工驾驶车辆的驾驶员提供个性化车速和车道建议；

步骤6，为自动驾驶车辆提供期望车速和期望车道，并计算自车所需控制量；

步骤7，根据所述期望车速，计算各车辆到达停止线所需的预期时间，以各车辆通过路口的时间之和最短为目标，优化交通信号灯配时；

循环步骤2至步骤6，以预设周期更新车辆的期望车速，使各车辆不停车通过其前方的第一个路口；

在交通信号灯的一个周期结束时，循环步骤1至步骤7，更新信号灯的配时信息，以供各车计算期望车速；

步骤6具体包括：

步骤6.1，构建车辆的动力学描述如下式(3)：

式(3)中，

为车辆m的发动机有效牵引力，

为车辆m的制动力，

为车辆m的等效阻力，

的计算公式如式(4)：

式(4)中，v_m为车辆m的速度，m_m为车辆m的质量，g为重力加速度，θ为车辆m的所行使当前路段的道路坡度，c_D为等效阻力系数，μ为滚动摩擦系数；

步骤6.2，构建如下式(5)所示离散状态空间方程：

式(5)中，z_m(k)＝[x_m(k) v_m(k)]^T为车辆m在采样点k的状态向量，x_m(k)为车辆m在采样点k的位置，v_m(k)为车辆m在采样点k的速度，u_m＝

为控制输入量，

为车辆m在采样点k的发动机有效牵引力，

为车辆m在采样点k的制动力；

步骤6.3，构造代价函数J_m(k)，求解对应的控制量：

其中ω₁和ω₂是惩罚系数，

为车辆m在采样点j的期望车速；

此外，车辆控制还应满足以下约束：

v_min≤v_m(j)≤v_max

其中，v_max为车辆所在路段允许的最高车速，v_min为车辆所在路段允许行驶的最低车速，

和

分别为车辆的最大驱动力和最大制动力，

为车辆m的前车在采样点j的位置，x_m(j)为车辆m在采样点j的位置，v_m(j)表示第m辆车在采样点j的速度，αv_m(j)+β为最小安全距离。

2.如权利要求1所述的考虑驾驶风格的多信号灯路口车辆通行辅助优化方法，其特征在于，步骤5具体包括：

根据步骤3得到的自左起的n条车道上各车辆不停车通过其前方的第一个路口的期望车速v_{target_1}，v_{target_2}，...，v_{target_n}和期望车速区间[v_{low_1}，v_{high_1}]，[v_{low_2}，v_{high_2}]，...，[v_{low_n}，v_{high_n}]、以及自车当前速度v₁；首先取v_target＝v_{target_1}，v_low＝v_{low_1}，v_high＝v_{high_1}，按照如下三种情形，向驾驶员提示加速/减速信息：

情况a，v₁＞v_target，提示减速；

情况b，v₁＜v_low，建议加速；

情况c，v_low≤v₁≤v_target，建议保持当前车速；

若当前自车状态属于情况a，且

t₀表示提示减速的时刻，

表示t₀时刻的车速，

表示t₀+T时刻的车速，v_thr为预设车速值，则建议驾驶员在左侧高速车道行驶；

若当前状态属于情况b，且

则按照下面方法为其提供更低的期望车速v_target＝v_{high_i}与速度区间[v_{low_i}，v_{high_i}]：

第一次为其降低期望车速至v_target＝v_{target_2}，速度区间[v_{low_2}，v_{high_2}]，根据v_{target_2}和v_{low_2}与v₁的大小关系，重新按照情况a、b、c进行新的加速/减速提示，以此循环直至其车速稳定至情况c所对应的速度区间[v_{low_i}，v_{high_i}]内，此时的期望车速为v_target＝v_{target_i}。

3.如权利要求1所述的考虑驾驶风格的多信号灯路口车辆通行辅助优化方法，其特征在于，步骤3具体包括：

步骤3.1，将步骤1计算得到的交通信号灯配时分割为可通行的时间区间，得到接下来信号灯依序变换颜色对应的时刻[g₁₁，r₁₁，g₁₂，r₁₂，...，g_1i，r_1i...]，其中，g₁₁为第一个信号灯第一次变为绿灯的时刻，g₁₁＝红灯时长-当前红灯已持续时间；r₁₁为第一个信号灯第一次变为红灯的时刻，r₁₁＝g₁₁+绿灯时长；g₁₂为第一个信号灯第二次变为绿灯的时刻，g₁₂＝r₁₁+红灯时长；r₁₂＝g₁₂+绿灯时长；r_1i为第一个信号灯接下来第i次变为红灯的时刻，g_1i为第一个信号灯接下来第i次变为绿灯的时刻；

步骤3.2，根据各车辆位置信息、相应车道的停止线位置信息、信号灯配时信息及当前相位信息，结合待通行优化路段的道路限速情况和实时车流量信息，计算各车辆不停车通过其前方的第一个路口的期望车速区间：

情况一，第一个信号灯当前时刻为红灯，期望车速区间由式(1)得到：

情况二，第一个信号灯当前时刻为绿灯，期望车速区间由式(2)得到：

式中，d₁为当前路段的第一辆车与其前方的第一个路口的停止线之间的距离，r_1i表示第一个信号灯接下来第i次变为红灯的时刻，g_1i表示第一个信号灯接下来第i次变为绿灯的时刻，

为车辆在当前车流量下所能达到的最高车速；

步骤3.3，设当前道路的车道总数为n，计算每一车道上各车辆不停车通过其前方的第一个路口的期望车速。

4.如权利要求3所述的考虑驾驶风格的多信号灯路口车辆通行辅助优化方法，其特征在于，步骤3.3具体包括：

步骤3.31，取i＝1，若计算结果为空集，则取i＝2继续计算，以此类推直至i＝i₀时得到非空集合[v_{low_1}，v_{high_1}]；

步骤3.32，按照步骤3.31中的方法分别计算i＝i₀+1，i₀+2，...，i₀+n-1时的非空集合[v_{low_2}，v_{high_2}]，...，[v_{low_n}，v_{high_n}]；

步骤3.33，以最短通行时间为目的，得到每一车道上各车辆不停车通过其前方的第一个路口的期望车速应为v_{target_1}＝v_{high_1}，v_{target_2}＝v_{high_2}，...，v_{target_n}＝v_{high_n}。

5.如权利要求3或4所述的考虑驾驶风格的多信号灯路口车辆通行辅助优化方法，其特征在于，

的获取方式包括：

从历史交通流数据中调取和当前道路等级相同、车道数相同、车流量相近的历史交通数据，计算每辆车在符合此条件的路段中行驶的平均车速，并计算各车车速的平均值，作为车辆在该类型路段和相应车流量下行驶的平均车速，记为

且

其中比例系数γ根据所需的驾驶激进程度进行调节。

Images