CN113409567A - 一种公交与自动驾驶车辆混行车道的交通评估方法和系统 - Google Patents

一种公交与自动驾驶车辆混行车道的交通评估方法和系统 Download PDF

Info

Publication number
CN113409567A
CN113409567A CN202110003489.8A CN202110003489A CN113409567A CN 113409567 A CN113409567 A CN 113409567A CN 202110003489 A CN202110003489 A CN 202110003489A CN 113409567 A CN113409567 A CN 113409567A
Authority
CN
China
Prior art keywords
time
road
bus
road section
traffic
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110003489.8A
Other languages
English (en)
Other versions
CN113409567B (zh
Inventor
李萌
陈湘冬
郭娅明
林犀
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Original Assignee
Tsinghua University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tsinghua University filed Critical Tsinghua University
Priority to CN202110003489.8A priority Critical patent/CN113409567B/zh
Publication of CN113409567A publication Critical patent/CN113409567A/zh
Application granted granted Critical
Publication of CN113409567B publication Critical patent/CN113409567B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count

Abstract

本发明公开了一种用于公交车与自动驾驶车辆混行车道的交通评估方法，其特征在于，该方法包括：基于公交车到达每个路段的时间刻画公交车；根据公交车的行驶时间与周期，计算各路段的局部坐标与相位差，所述路段包括普通路段、进口路段、出口路段、超车路段、不超车路段；基于自动驾驶车辆的起始点和目的点，在各路段上为自动驾驶车辆分配时空轨迹；计算自动驾驶车辆在各不同路段上的通行时间；计算一个周期内各个路段上所有自动驾驶车辆的通行时间。通过本发明，充分利用了公交专用车道的道路资源以及自动驾驶技术的优势，在保障公共交通服务水平的同时，提高了自动驾驶车辆的通行效率和安全性，并给出了混行车道的交通效率的有效交通评估方法。

Description

一种公交与自动驾驶车辆混行车道的交通评估方法和系统
技术领域
本发明涉及自动驾驶技术与城市公共交通领域，尤其涉及一种公交与自动驾驶车辆混行车道的交通评估方法和系统。
背景技术
自动驾驶技术在近些年发展非常迅速，因其可以自动地驾驶车辆并且准确地检测道路条件，在提高道路通行能力、减少能源消耗和污染排放方面具有巨大的潜力。然而，尽管自动驾驶技术取得了长足的进步，在现阶段还无法实现成熟的完全自主驾驶。同时，手动驾驶车辆也将长期存在，构成了“自动驾驶-手动驾驶混行”的交通场景。对于自动驾驶车辆而言，手动驾驶车辆的存在会严重影响交通的通行效率，并且为道路环境的检测增加难度，进而带来交通安全等问题。在自动驾驶技术应用后发生的几起交通事故，大部分都与混行的交通场景密切相关。因此，在自动驾驶技术应用的初级阶段，需要为自动驾驶车辆分配独立的路权，以减少手动驾驶车辆的影响。
另一方面，城市快速公交系统是一种介于常规公交与轨道交通之间的新型客运系统，通过为公交车提供专用的车道以减少城市拥堵对公交车运营的影响，提高公共交通的服务水平。因此，公交专用的车道能够避免其他手动驾驶车辆、非机动车和行人的干扰，可以为自动驾驶车辆提供相对简单的驾驶环境。将公交专用车道的使用权开放给自动驾驶车辆，可以充分发挥自动驾驶技术的优势，既能保障通行的安全性，又在一定程度上提高了道路资源的利用率。
一般而言，公交车的行驶速度比自动驾驶车辆低，而且需要在特定车站停靠等待，所以自动驾驶车辆在公交专用道上行驶会受到影响，其通行效率需要进一步探究，以判断快速公交与自动驾驶车辆的混行是否可以提高道路的通行效率。另一方面，为保障公共交通的服务水平，公交车的通行应具有较高的优先级，即自动驾驶车辆的驶入不应对公交车的正常运行带来干扰。传统的交通评价方法主要基于宏观的交通流特性，难以应用到包含多类型车辆的交通系统中。因此，对异构交通系统的性能进行评价成为了主要难题。
发明内容
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的技术方案。因此，本发明的一个方面，提供了一种用于公交车与自动驾驶车辆混行车道的交通评估方法，该方法包括：
基于公交车到达每个路段的时间刻画公交车；
根据公交车的行驶时间与周期，计算各路段的局部坐标与相位差，所述路段包括普通路段、进口路段、出口路段、超车路段、不超车路段；
基于自动驾驶车辆的起始点和目的点，在各路段上为自动驾驶车辆分配时空轨迹；
计算自动驾驶车辆在各不同路段上的通行时间；
计算一个周期内各个路段上所有自动驾驶车辆的通行时间。
可选的，该方法还包括：根据公交车在车站的停靠时间，计算各路段的最大通行量。
可选的，根据公交车的行驶时间与周期，计算各路段的局部坐标与相位差，包括：设定同一线路的公交车的发车间隔相等、公交车到达各个路段的时间间隔相等，为每个路段定义时间坐标，不同路段之间的时间关系用相位表示。
可选的，该方法还包括：通过对所述通行时间的优化，为自动驾驶车辆进行时空轨迹规划的优化。
可选的，该方法还包括：
为自动驾驶车辆进行时空轨迹规划，包括：只针对一个路段上的自动驾驶车辆进行时空轨迹规划，将得到结果作为下一个路段的初始条件，并对下个路段上的自动进行时空轨迹规划。
本发明还提供一种用于公交车与自动驾驶车辆混行车道的评估系统，该系统包括：
公交车描述单元，用于基于公交车到达每个路段的时间刻画公交车；
路段描述单元，用于根据公交车的行驶时间与周期，计算各路段的局部坐标与相位差，所述路段包括普通路段、进口路段、出口路段、超车路段、不超车路段；
时空轨迹规划单元，用于根据自动驾驶车辆的起始点和目的点，在各路段上为自动驾驶车辆分配时空轨迹；
第一时间计算单元，用于计算自动驾驶车辆在各不同路段上的通行时间；
第二时间计算单元，用于计算一个周期内各个路段上所有自动驾驶车辆的通行时间。
可选的，该系统还包括：路段通行量计算单元，用于根据公交车在车站的停靠时间，计算各路段的最大通行量。
可选的，所述路段描述单元，设定同一线路的公交车的发车间隔相等、公交车到达各个路段的时间间隔相等，为每个路段定义时间坐标，不同路段之间的时间关系用相位表示。
可选的，该系统还包括：时空轨迹优化单元，用于通过对所述通行时间的优化，为自动驾驶车辆进行时空轨迹规划的优化。
可选的，所述时空轨迹规划单元只针对一个路段上的自动驾驶车辆进行时空轨迹规划，将得到结果作为下一个路段的初始条件，并对下个路段上的自动进行时空轨迹规划。
本申请提供的技术方案，至少具有如下技术效果或优点：该交通评估方法、系统充分利用了公交专用车道的道路资源以及自动驾驶技术的优势，在保障公共交通服务水平的同时，提高了自动驾驶车辆的通行效率和安全性，并给出了混行车道的交通效率的有效交通评估方法、系统。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述技术方案和其目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明提供用于公交车与自动驾驶车辆混行车道的交通评估方法的流程图；
图2示出了本发明中公交车站处的超车行为；
图3示出了本发明定义的不同道路类型；
图4示出了本发明提出的系统时空特性；
图5示出了本发明定义的自动驾驶车辆时空轨迹；
图6示出了本发明的实验道路网络图；
图7示出了效果验证实验一的结果；
图8示出了效果验证实验二的结果；
图9示出了仿真对比实验三的结果；
图10示出了仿真对比实验四的结果。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
本发明提供的是一种广义上的公交-自动驾驶车辆混行车道的交通评估方法和系统，在实际应用过程中可以结合具体情况做出相应修正。主要的思路是充分利用公交车道、快速公交车道，力图避免繁杂且无序可寻的人为驾驶随机事件，保证自动驾驶车辆的可靠、高效运行。
本发明提供一种用于公交车与自动驾驶车辆混行车道的交通评估方法，如图1所示，该方法包括：
S1.基于公交车到达每个路段的时间刻画公交车；
S2.根据公交车的行驶时间与周期，计算各路段的局部坐标与相位差，所述路段包括普通路段、进口路段、出口路段、超车路段、不超车路段；
S3.基于自动驾驶车辆的起始点和目的点，在各路段上为自动驾驶车辆分配时空轨迹；
S4.计算自动驾驶车辆在各不同路段上的通行时间；
S5.计算一个周期内各个路段上所有自动驾驶车辆的通行时间。
在本发明中，将城市快速公交专用车道的使用权开放给自动驾驶车辆，构建快速公交与自动驾驶车辆的混行车道；利用公交系统的周期性，准确描述公交车的微观通行状态，并刻画自动驾驶车辆所有可行的时空轨迹；根据公交车在车站的停靠时间，计算混行车道各路段的最大车辆通行量，以限制使用混行车道的自动驾驶车辆数；根据自动驾驶车辆的出发点和目的点，在各路段上为自动驾驶车辆分配时空轨迹，实现车辆总体延误的最小化；根据自动驾驶车辆的时空轨迹，评估在不同交通场景、不同交通需求下的混行车道的平均通行效率。
首先，从空间和时间维度上对公交、自动驾驶车辆的特性进行刻画。
在空间上，公交车的运行具有固定的线路，并且要在特定的公交站停靠一定时间间隔。
自动驾驶车辆的行驶过程则包括进入混行车道、在混行车道上行驶和离开混行车道的过程；在混行车道上，自动驾驶车辆会受到公交车行驶的干扰，以及公交车站的类型是否允许超车行为的影响，图2给出了公交车站允许超车的一个例子。
根据自动驾驶车辆的行驶特性，本发明将道路分为不同的类型，包括进口路段
Figure BDA0002882488060000061
出口路段
Figure BDA0002882488060000062
允许超车路段
Figure BDA0002882488060000063
不允许超车路段
Figure BDA0002882488060000064
和普通路段
Figure BDA0002882488060000065
如图3所示。
从时间上，由于同一线路的公交车的发车间隔相等，公交车到达各个路段的时间间隔也相等，即系统具有周期性。基于时间的周期性，本方法提出“局部坐标”的概念，为每个路段定义各自的时间坐标，不同路段之间的时间关系用“相位”来刻画，图4为系统的时空特性示意图。根据公交车的行驶时间与周期，计算各路段的局部坐标与相位差，包括：设定同一线路的公交车的发车间隔相等、公交车到达各个路段的时间间隔相等，为每个路段定义时间坐标，不同路段之间的时间关系用相位表示。
在本发明定义的时空坐标里，自动驾驶车辆的行驶轨迹可以被完全刻画，包括起始点、目的点、出发时间点和到达时间点四个元素。考虑路段是否允许超车以及系统的周期性，自动驾驶车辆的轨迹分为了可行轨迹与不可行轨迹，图5绘制了自动驾驶车辆的部分轨迹。
下面具体说明自动驾驶车辆的时空轨迹的规划方法，这一规划问题可以表示为：
Figure BDA0002882488060000066
s.t.
Figure BDA0002882488060000067
Figure BDA0002882488060000068
Figure BDA0002882488060000069
Figure BDA00028824880600000610
Figure BDA0002882488060000071
Figure BDA0002882488060000072
Figure BDA0002882488060000073
Figure BDA0002882488060000074
Figure BDA0002882488060000075
下面对上述数学规划问题做详细说明：
在本问题中，决策变量有三个：
Figure BDA0002882488060000076
和
Figure BDA0002882488060000077
与
Figure BDA0002882488060000078
分别表示起终点为mn在时间点p到达路段a和离开路段a的车流量，
Figure BDA0002882488060000079
表示起终点为mn在时间点p到达路段a并在时间点
Figure BDA00028824880600000710
离开路段a的车流量。本方法通过对决策变量的优化，实现自动驾驶车辆的时空轨迹规划。
式(1)给出了本发明所提数学规划问题的目标函数,式
Figure BDA00028824880600000711
表示一个周期内各个路段上所有自动驾驶车辆的通行时间之和，而该规划问题的优化目标为最小化系统的总体通行时间。
式(2)和(3)分别为路段内部、相邻路段间的车流量守恒的约束条件；式(4)和(5)分别为路段上到达车流量和离开车流量等于交通需求的约束条件，其中
Figure BDA00028824880600000712
表示自动驾驶车辆的交通需求；式(6)为路段上总的车流量等于各个起终点车流量的总和的约束条件；式(7)为路段上总的车流量不超过路段通行能力的约束条件，其中需要考虑公交车的停车过程对通行能力的影响，
Figure BDA0002882488060000081
表示路段的有效通行能力；式(8)和(9)为同一路段上先到达的车辆先离开的约束条件，其中式(8)限制了除允许超车路段，自动驾驶车辆在通行过程中不允许超过公交车，式(9)限制了自动驾驶车辆在通行过程中不允许超过其他自动驾驶车辆；式(10)为决策变量均非负的约束条件。
由于式(9)为互补约束条件，该数学规划问题难以直接求解。
作为一种具体实施方式，本方法进一步提出了序贯优化算法，将原问题转化为一系列的易于求解的子问题，从而消除互补约束条件。在序贯优化算法中，每一个子问题只针对一个路段上的自动驾驶车辆进行轨迹规划，求得的结果作为下一个路段的初始条件，并对下个路段上的自动驾驶车辆继续进行轨迹规划。其中，每个子问题均为线性规划问题，可以高效地求得最优解。即在对自动驾驶车辆进行时空轨迹规划时，逐路段地进行时空轨迹规划，前一路段的规划结果作为后一路段规划的初始值或者基础。
根据自动驾驶车辆的时空轨迹，结合下面的通行时间，可评估在不同交通场景、不同交通需求下的混行车道的平均通行效率。
下面具体说明自动驾驶车辆在不同类型路段上的通行时间的计算方法。
步骤一：根据公交车的行驶时间与周期，计算各路段的局部坐标与相位差：
Figure BDA0002882488060000082
Figure BDA0002882488060000083
步骤二：计算普通路段上自动驾驶车辆的通行时间：
Figure BDA0002882488060000084
步骤三：计算进口与出口路段上自动驾驶车辆的通行时间：
Figure BDA0002882488060000085
步骤四：计算允许超车路段上自动驾驶车辆的通行时间：
Figure BDA0002882488060000091
步骤五：计算不允许超车路段上自动驾驶车辆的通行时间：
Figure BDA0002882488060000092
步骤六：计算各路段自动驾驶车辆实际通行时间：
Figure BDA0002882488060000093
Figure BDA0002882488060000094
其中，T为公交车的周期，
Figure BDA0002882488060000095
为公交车在路段a上的通行时间，ωi，j为路段ij上的相位差，p为自动驾驶车辆的到达时间点，
Figure BDA0002882488060000096
为自动驾驶车辆的离开时间点，la为路段a的长度，vAV为自动驾驶车辆的自由流行驶速度，ηa(p)为自动驾驶车辆的最早离开路段a的时间，
Figure BDA0002882488060000097
为自动驾驶车辆在路段a上的实际通行时间。
该方法还包括：通过对所述通行时间的优化，为自动驾驶车辆进行时空轨迹规划的优化。
通过对自动驾驶车辆的通行时间进行判断，可反馈当时自动驾驶车辆辆的通行效率。
本发明还提供一种用于公交车与自动驾驶车辆混行车道的评估系统，该系统包括：
公交车描述单元，用于基于公交车到达每个路段的时间刻画公交车；
路段描述单元，用于根据公交车的行驶时间与周期，计算各路段的局部坐标与相位差，所述路段包括普通路段、进口路段、出口路段、超车路段、不超车路段；
时空轨迹规划单元，用于根据自动驾驶车辆的起始点和目的点，在各路段上为自动驾驶车辆分配时空轨迹；
第一时间计算单元，用于计算自动驾驶车辆在各不同路段上的通行时间；
第二时间计算单元，用于计算一个周期内各个路段上所有自动驾驶车辆的通行时间。
可选的，该系统还包括：路段通行量计算单元，用于根据公交车在车站的停靠时间，计算各路段的最大通行量。
可选的，所述路段描述单元，设定同一线路的公交车的发车间隔相等、公交车到达各个路段的时间间隔相等，为每个路段定义时间坐标，不同路段之间的时间关系用相位表示。
可选的，该系统还包括：时空轨迹优化单元，用于通过对所述通行时间的优化，为自动驾驶车辆进行时空轨迹规划的优化。
可选的，所述时空轨迹规划单元只针对一个路段上的自动驾驶车辆进行时空轨迹规划，将得到结果作为下一个路段的初始条件，并对下个路段上的自动驾驶车辆进行时空轨迹规划。
下面利用数值实验对本发明所提出的混行车道的性能进行验证。图6给出了实验路网图，表1与表2分别给出了混行车道的公交站和进出口路段参数设置情况。由于公交站是否允许超车直接影响了混行车道的交通效率，为了考察本方法的适用性，在实验共考虑了两种情况：(1)实验一：所有公交站均允许超车；(2)实验二：仅部分公交站允许超车。
表1.混行车道公交车站设置
Figure BDA0002882488060000101
表2.混行车道进出口路段设置
Figure BDA0002882488060000102
Figure BDA0002882488060000111
表3给出了自动驾驶车辆的交通流量设置情况，包括长距离和短距离的通行需求，β1为调节流量大小的参数。为探究交通流量和公交车周期对实验结果的影响，β1的取值范围为1～8(间隔为1)，公交车周期的取值范围为60秒～360秒(间隔为30秒)。为了评估本发明提出的方法的性能，选择车辆的平均行驶速度作为技术指标。
表3.自动驾驶车辆交通流量设置
Figure BDA0002882488060000112
图7和图8分别给出了实验一和实验二的结果。观察可得，车辆的平均行驶速度在各种场景下均随着公交车周期的增大而增大，随着交通流量的增大而减小。相同参数设置的情况下，实验二的平均速度低于实验一的结果；此外，实验二中出现了流量超负荷的情况(空白值)，这表明在实验二中，由于部分公交车站不允许自动驾驶车辆超车，使得混行车道的有效通行能力下降。
下面通过仿真实验来说明本发明提出的交通评估方法的可行性和准确性。
为了验证本发明提出的交通评估方法的准确性，本步骤给出了与仿真实验对比的结果。
本实验利用SUMO(Simulation ofUrban Mobility)仿真平台得到仿真结果。同时，为了验证本发明提出的序贯求解算法的性能，在对比中给出了规划模型最优解的上界作为参照。具体来说，将规划模型中的互补约束条件(9)移除，从而将原模型转化为线性规划模型(LP-O)，求解该模型可以得到原问题最优解的上界值。
仿真实验的场景与混行车道性能验证实验中的实验二的设置相同。为了验证本发明提出的评价方法的鲁棒性，本实验考虑了两种情况：(1)实验三：公交车的发车间隔相等；(2)实验四：公交车的发车间隔服从随机分布。同时，为了观察公交车的通行效率，选择公交车的平均延误作为评价实验结果的另一个技术指标。
图9和表4给出了实验三的结果，图10给出了实验四的结果。图中SOM表示本发明提出的序贯求解算法的求解结果，LP-O表示线性规划模型的求解结果，Simulation表示SUMO仿真平台得到的仿真结果。结果对比表明：(1)在不同的实验场景下，本发明提出的交通评估方法得到的结果均与仿真结果非常接近，验证了该交通评估方法的准确性；(2)公交车的车辆延误很小，说明自动驾驶车辆的驶入对公交车正常运行的影响有限，保证了公共交通的服务水平；(3)公交车的到达时间不影响评估结果的准确性，说明了本发明提出的方法具有较强的鲁棒性。
表4.实验三公交车平均车辆延误(秒)
Figure BDA0002882488060000121
本发明基于自动驾驶与车联网的环境下，提出了城市快速公交与自动驾驶车辆混行车道性能的交通评估方法，在不影响公交车运行的情况下，提高了自动驾驶车辆的安全性和通行效率。该方法利用了混行交通系统的周期性，对自动驾驶车辆的行驶轨迹进行规划以及对交通流量进行管理与控制，实现了混行交通性能的准确评估。
本申请提供的技术方案，至少具有如下技术效果或优点：该交通评估方法、系统充分利用了公交专用车道的道路资源以及自动驾驶技术的优势，在保障公共交通服务水平的同时，提高了自动驾驶车辆的通行效率和安全性，并给出了混行车道的交通效率的有效交通评估方法、系统。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。

Claims (10)

1.一种用于公交车与自动驾驶车辆混行车道的交通评估方法，其特征在于，该方法包括：
基于公交车到达每个路段的时间刻画公交车；
根据公交车的行驶时间与周期，计算各路段的局部坐标与相位差，所述路段包括普通路段、进口路段、出口路段、超车路段、不超车路段；
基于自动驾驶车辆的起始点和目的点，在各路段上为自动驾驶车辆分配时空轨迹；
计算自动驾驶车辆在各不同路段上的通行时间；
计算一个周期内各个路段上所有自动驾驶车辆的通行时间。
2.根据权利要求1所述的交通评估方法，其特征还在于，该方法还包括：
根据公交车在车站的停靠时间，计算各路段的最大通行量。
3.根据权利要求1所述的交通评估方法，其特征还在于，根据公交车的行驶时间与周期，计算各路段的局部坐标与相位差，包括：设定同一线路的公交车的发车间隔相等、公交车到达各个路段的时间间隔相等，为每个路段定义时间坐标，不同路段之间的时间关系用相位表示。
4.根据权利要求1所述的交通评估方法，其特征还在于，该方法还包括：通过对所述通行时间的优化，为自动驾驶车辆进行时空轨迹规划的优化。
5.根据权利要求1或4所述的交通评估方法，其特征还在于，该方法还包括：
为自动驾驶车辆进行时空轨迹规划，包括：只针对一个路段上的自动驾驶车辆进行时空轨迹规划，将得到结果作为下一个路段的初始条件，并对下个路段上的自动驾驶车辆进行时空轨迹规划。
6.一种用于公交车与自动驾驶车辆混行车道的评估系统，其特征在于，该系统包括：
公交车描述单元，用于基于公交车到达每个路段的时间刻画公交车；
路段描述单元，用于根据公交车的行驶时间与周期，计算各路段的局部坐标与相位差，所述路段包括普通路段、进口路段、出口路段、超车路段、不超车路段；
时空轨迹规划单元，用于根据自动驾驶车辆的起始点和目的点，在各路段上为自动驾驶车辆分配时空轨迹；
第一时间计算单元，用于计算自动驾驶车辆在各不同路段上的通行时间；
第二时间计算单元，用于计算一个周期内各个路段上所有自动驾驶车辆的通行时间。
7.根据权利要求6所述的评估系统，其特征还在于，该系统还包括：路段通行量计算单元，用于根据公交车在车站的停靠时间，计算各路段的最大通行量。
8.根据权利要求6所述的评估系统，所述路段描述单元，设定同一线路的公交车的发车间隔相等、公交车到达各个路段的时间间隔相等，为每个路段定义时间坐标，不同路段之间的时间关系用相位表示。
9.根据权利要求6所述的评估系统，其特征还在于，该系统还包括：时空轨迹优化单元，用于通过对所述通行时间的优化，为自动驾驶车辆进行时空轨迹规划的优化。
10.根据权利要求6或9所述的交通评估方法，其特征还在于，所述时空轨迹规划单元只针对一个路段上的自动驾驶车辆进行时空轨迹规划，将得到结果作为下一个路段的初始条件，并对下个路段上的自动驾驶车辆进行时空轨迹规划。
CN202110003489.8A 2021-01-04 2021-01-04 一种公交与自动驾驶车辆混行车道的交通评估方法和系统 Active CN113409567B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110003489.8A CN113409567B (zh) 2021-01-04 2021-01-04 一种公交与自动驾驶车辆混行车道的交通评估方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110003489.8A CN113409567B (zh) 2021-01-04 2021-01-04 一种公交与自动驾驶车辆混行车道的交通评估方法和系统

Publications (2)

Publication Number Publication Date
CN113409567A true CN113409567A (zh) 2021-09-17
CN113409567B CN113409567B (zh) 2022-08-05

Family

ID=77675711

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110003489.8A Active CN113409567B (zh) 2021-01-04 2021-01-04 一种公交与自动驾驶车辆混行车道的交通评估方法和系统

Country Status (1)

Country Link
CN (1) CN113409567B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114255586A (zh) * 2021-11-12 2022-03-29 浙江银江智慧交通工程技术研究院有限公司 一种开放策略下多模式网络交通分布的优化方法和系统

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105973245A (zh) * 2016-04-28 2016-09-28 百度在线网络技术（北京）有限公司 利用无人驾驶车辆更新在线地图的方法和装置
CN106926844A (zh) * 2017-03-27 2017-07-07 西南交通大学 一种基于实时环境信息的动态自动驾驶换道轨迹规划方法
CN108109413A (zh) * 2017-12-13 2018-06-01 厦门金龙旅行车有限公司 一种无人驾驶车辆与非智能交通参与者的信息交互系统
CN108399762A (zh) * 2018-05-08 2018-08-14 北京航空航天大学 一种自动驾驶和人工驾驶车辆混行条件下的交叉口通行控制方法
KR20180116749A (ko) * 2017-04-17 2018-10-25 주식회사 비트센싱 실시간 대규모 교통정보 수집방법 및 그 운용시스템
DE102018005954A1 (de) * 2018-07-27 2019-01-10 Daimler Ag Verfahren zum Aktualisieren von Kartenmaterial durch mindestens ein zumindest teilweise autonomes Fahrzeug, Fahrassistenzsystem, eingerichtet zum Ausführen eines solchen Verfahrens, sowie Fahrzeug mit einem solchen Fahrassistenzsystem
CN109267438A (zh) * 2018-10-19 2019-01-25 哈尔滨工业大学 一种潮汐式自动驾驶brt的控制方法
CN109544934A (zh) * 2018-12-19 2019-03-29 同济大学 基于城市交叉口混合交通流三维轨迹的效率安全监控系统
KR20190106840A (ko) * 2019-08-14 2019-09-18 엘지전자 주식회사 충돌을 효과적으로 방지하는 자율 주행 차량 및 이를 제어하는 제어 장치 및 방법
CN110503823A (zh) * 2019-07-11 2019-11-26 江苏大学 一种自动驾驶车辆专用车道控制系统与方法
CN110807923A (zh) * 2019-10-31 2020-02-18 哈尔滨工业大学 人机混合驾驶环境下交叉口进口道车道功能重构方法
CN110952406A (zh) * 2019-12-11 2020-04-03 上海同济城市规划设计研究院有限公司 适于无人驾驶公交的道路布置及无人驾驶公交专用道系统
CN110968086A (zh) * 2018-09-30 2020-04-07 郑州宇通客车股份有限公司 一种车辆进站控制方法及系统
CN111199284A (zh) * 2019-12-17 2020-05-26 天津职业技术师范大学(中国职业培训指导教师进修中心) 有人与无人驾驶混行条件下的车-车交互模型
CN111508247A (zh) * 2020-04-23 2020-08-07 河海大学 一种面向自动驾驶的公交优先道路交通协同诱导方法
CN111754777A (zh) * 2020-07-10 2020-10-09 清华大学 无人驾驶和有人驾驶混行交通流的微观交通仿真方法
CN112071074A (zh) * 2020-11-12 2020-12-11 长沙理工大学 一种交叉口自动驾驶车辆专用相位的设置方法
CN112116822A (zh) * 2020-09-21 2020-12-22 长沙理工大学 基于CAVs混合交通流的车道动态分配的高速公路通行能力协同调控方法

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105973245A (zh) * 2016-04-28 2016-09-28 百度在线网络技术（北京）有限公司 利用无人驾驶车辆更新在线地图的方法和装置
CN106926844A (zh) * 2017-03-27 2017-07-07 西南交通大学 一种基于实时环境信息的动态自动驾驶换道轨迹规划方法
KR20180116749A (ko) * 2017-04-17 2018-10-25 주식회사 비트센싱 실시간 대규모 교통정보 수집방법 및 그 운용시스템
CN108109413A (zh) * 2017-12-13 2018-06-01 厦门金龙旅行车有限公司 一种无人驾驶车辆与非智能交通参与者的信息交互系统
CN108399762A (zh) * 2018-05-08 2018-08-14 北京航空航天大学 一种自动驾驶和人工驾驶车辆混行条件下的交叉口通行控制方法
DE102018005954A1 (de) * 2018-07-27 2019-01-10 Daimler Ag Verfahren zum Aktualisieren von Kartenmaterial durch mindestens ein zumindest teilweise autonomes Fahrzeug, Fahrassistenzsystem, eingerichtet zum Ausführen eines solchen Verfahrens, sowie Fahrzeug mit einem solchen Fahrassistenzsystem
CN110968086A (zh) * 2018-09-30 2020-04-07 郑州宇通客车股份有限公司 一种车辆进站控制方法及系统
CN109267438A (zh) * 2018-10-19 2019-01-25 哈尔滨工业大学 一种潮汐式自动驾驶brt的控制方法
CN109544934A (zh) * 2018-12-19 2019-03-29 同济大学 基于城市交叉口混合交通流三维轨迹的效率安全监控系统
CN110503823A (zh) * 2019-07-11 2019-11-26 江苏大学 一种自动驾驶车辆专用车道控制系统与方法
KR20190106840A (ko) * 2019-08-14 2019-09-18 엘지전자 주식회사 충돌을 효과적으로 방지하는 자율 주행 차량 및 이를 제어하는 제어 장치 및 방법
CN110807923A (zh) * 2019-10-31 2020-02-18 哈尔滨工业大学 人机混合驾驶环境下交叉口进口道车道功能重构方法
CN110952406A (zh) * 2019-12-11 2020-04-03 上海同济城市规划设计研究院有限公司 适于无人驾驶公交的道路布置及无人驾驶公交专用道系统
CN111199284A (zh) * 2019-12-17 2020-05-26 天津职业技术师范大学(中国职业培训指导教师进修中心) 有人与无人驾驶混行条件下的车-车交互模型
CN111508247A (zh) * 2020-04-23 2020-08-07 河海大学 一种面向自动驾驶的公交优先道路交通协同诱导方法
CN111754777A (zh) * 2020-07-10 2020-10-09 清华大学 无人驾驶和有人驾驶混行交通流的微观交通仿真方法
CN112116822A (zh) * 2020-09-21 2020-12-22 长沙理工大学 基于CAVs混合交通流的车道动态分配的高速公路通行能力协同调控方法
CN112071074A (zh) * 2020-11-12 2020-12-11 长沙理工大学 一种交叉口自动驾驶车辆专用相位的设置方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘天天: "智能网联环境下交叉口混行车队通行模型构建", 《交通运输研究》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114255586A (zh) * 2021-11-12 2022-03-29 浙江银江智慧交通工程技术研究院有限公司 一种开放策略下多模式网络交通分布的优化方法和系统

Also Published As

Publication number Publication date
CN113409567B (zh) 2022-08-05

Similar Documents

Publication Publication Date Title
CN112907946B (zh) 一种自动驾驶车辆与其他车辆混行的交通控制方法以及系统
CN108877268B (zh) 一种面向无人驾驶的无红绿灯十字路口智能调度方法
Feng et al. Spatiotemporal intersection control in a connected and automated vehicle environment
CN111445692B (zh) 一种无信号灯路口智能网联汽车的速度协同优化方法
CN107507430B (zh) 一种城市路口交通控制方法及系统
CN110288821A (zh) 一种人工驾驶公交和自动驾驶公交联合调度优化方法
CN111882905B (zh) 一种道路交通预约通行的实现方法、系统及电子设备
CN111341136A (zh) 一种基于车路协同的代客泊车方法、系统及存储介质
CN110910646B (zh) 用于交叉口的无人驾驶公交车辆的协同控制方法
CN110444015B (zh) 基于无信号十字路口分区的智能网联汽车速度决策方法
CN112466115A (zh) 一种基于边缘计算的公交车辆交叉口优先通行控制系统及方法
CN107274684A (zh) 一种车路协同环境下单点交叉口信号控制策略选择方法
CN107490384A (zh) 一种基于城市路网的最优静态路径选择方法
Hassan et al. A fully-distributed heuristic algorithm for control of autonomous vehicle movements at isolated intersections
Guerrero-Ibanez et al. A policy-based multi-agent management approach for intelligent traffic-light control
CN110097751A (zh) 一种两相位信号控制交叉口行人专用相位动态设置方法
CN112365714A (zh) 一种智轨通行主支路交叉口交通信号控制方法
Younes et al. A vehicular network based intelligent lane change assistance protocol for highways
CN113409567B (zh) 一种公交与自动驾驶车辆混行车道的交通评估方法和系统
Rapelli et al. A distributed V2V-based virtual traffic light system
Li et al. Biobjective optimization and evaluation for transit signal priority strategies at bus stop-to-stop segment
CN115083198B (zh) 一种多车运力资源调度方法及装置
CN114495547B (zh) 一种面向自动驾驶汽车的信号交叉口协同通行方法
CN115482663A (zh) 一种考虑自动驾驶专用相位的交叉口交通控制方法
CN113066295B (zh) 交通信号灯控制方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant