CN113628443B - 一种基于驾驶员有限理性的信号交叉口速度引导方法 - Google Patents

Abstract

一种基于驾驶员有限理性的信号交叉口速度引导方法，属于环境保护和交通运输技术领域，本发明为解决现有技术中速度引导信息在实际情况下不准确的问题和实施效益不佳的问题。本发明方法包括以下步骤：对即将进入引导区间的车辆进行编队，结合车队进入引导区间时的交通灯相位显示建立首车不停车通过信号交叉口的时间约束：车队中首车不停车通过信号交叉口的最小时间T_min、最大时间T_max；根据时间约束及驾驶员有限理性参数划分四种速度引导场景，根据车辆速度和S1的时间约束判断当前车队隶属场景类别，并给出对应引导策略。

Description

一种基于驾驶员有限理性的信号交叉口速度引导方法

技术领域

本发明涉及一种基于驾驶员有限理性的信号交叉口速度引导方法，属于环境保护和交通运输技术领域。

背景技术

信号交叉口是城市路网控制的重点。随着我国机动车保有量大幅度增长，当车辆通过信号交叉口时，信号变化可能使车辆产生频繁的加减速及停车启动过程，增加了燃油消耗、排放以及通行时间。我国针对此问题已展开了相关研究，如设置绿波带、倡导公交优先、路网分配以及信号交叉口速度引导等。

信号交叉口速度引导的基础是车路协同技术，即车辆与基础设施能够实现车辆速度、车辆位置、信号配时信息的交互与共享。当车辆驶入信号交叉口引导区间时，控制中心根据车辆信息、信号配时信息分析车辆能否接受引导不停车通过信号交叉口，给出引导速度、或是减速停车信息，这样就减少了车辆通过信号交叉口的油耗、排放及通行时间。

目前有关信号交叉口的速度引导技术大都假定车辆100％遵从速度引导信息，且严格按照策略完成驾驶任务，这在自动驾驶技术成熟的基础上能够取得很好的效益。但在未来一段时间内，道路上的车辆主要由人工驾驶，这种假设与驾驶员存在反应延迟、面对信息需要判断分析、决定是否接受引导以及执行引导信息至何种水平的人工驾驶环境有一定的差异，驾驶员面对速度引导信息可能存在不接受或不充分、过度执行情况，即在受有限理性限制的情况下，做出不及时、不贴切的选择，导致速度引导失效或效果不佳。也就是说目前的速度引导技术提供的引导速度在实际情况下不准确，实施效益不佳，甚至出现负效益。此外，现有技术追求的是通行时间最短，忽略了绿色可持续发展的要求，不能达到较好的污染物减排效果，与未来“碳达峰、碳中和”的愿景目标相悖。

发明内容

本发明目的是为了解决现有技术中速度引导信息在实际情况下不准确的问题和实施效益不佳的问题，以及引导无法达到一定的节省燃油与污染物减排效益的问题，提供了一种基于驾驶员有限理性的信号交叉口速度引导方法。

本发明所述一种基于驾驶员有限理性的信号交叉口速度引导方法，该方法包括以下步骤：

S1、对即将进入引导区间的车辆进行编队，结合车队进入引导区间时的交通灯相位显示建立首车不停车通过信号交叉口的时间约束：车队中首车不停车通过信号交叉口的最小时间T_min、最大时间T_max；

S2、根据S1建立的时间约束及驾驶员有限理性参数划分四种速度引导场景：

场景1、车队中所有车辆均能以初速度v₀通过信号交叉口；

场景2、车队首车在最小时间T_min内行驶的最小距离大于引导区间长度L；

场景3、车队首车在最小时间T_min行驶的最小距离小于引导区间长度L，在最大时间T_max内行驶的最大距离大于引导区间长度L；

场景4、车队首车在最大时间T_max内行驶的最大距离小于引导区间L；

S3、根据车辆速度和S1的时间约束判断当前车队隶属场景类别，并给出对应引导策略：

若隶属于场景1，引导策略为：不提供引导速度，车队所有车辆轨迹为以初速度v₀匀速通过信号交叉口；

若隶属于场景2，引导策略为：不提供引导速度，提供减速信息指示，以避免车速骤降的情况；

若隶属于场景3，引导策略为：获取车队的油耗，并以油耗最小为目标函数，利用基于粒子群算法求解车辆最优引导速度，用于指导车队满足污染物减排的情况下通过信号交叉口；

若隶属于场景4，引导策略为：更新车队中首车不停车通过信号交叉口的最小时间T_min、最大时间T_max至下一交通灯相位再返回执行步骤S3。

优选地，步骤S1中对即将进入引导区间的车辆进行编队，车队识别依据为车头间距、车辆瞬时速度，具体为：

H_i,j≤H_base

V_i,j≤V_base

H_i,j＝x_i,j-x_i,j-1

V_i,j＝|v_i,j-v_i,j-1|/v_i,j-1

其中，i为车队编号、j为车辆编号；H_i,j为i车队中j车与j-1车的车头间距；V_i,j为i车队中j车与j-1车的瞬时速度差；H_base为车队中相邻车辆间的平均车头间距；V_base为车队中相邻车辆间的平均相对速度差；x_i,j为i车队中j车距离信号交叉口的距离；v_i,j为i车队中j车的瞬时速度。

优选地，步骤S1中结合车队进入引导区间时的交通灯相位显示、车辆速度建立首车不停车通过信号交叉口的时间约束按下式获取：

其中，t_i-1为i车队中首车进入引导区间时，i-1车队尾车通过信号交叉口所需时间；t_safe为安全车头时距；TTR为i车队中首车进入引导区间时，距离红灯相位的时间，当红灯相位进入时，为负值；R为红灯时间；G为绿灯时间。

优选地，驾驶员有限理性参数包括反应时间、接受阈值和执行水平；

当驾驶员进入到引导区间时的时间为t-τ时，其要执行期望速度如下：

其中，v_t为驾驶员在t时刻实际要执行的引导速度；v_t-τ为驾驶员在t-τ时刻收到的引导速度；v₀为车队首车进入引导区间时的速度；τ为驾驶员的反应时间；μ为驾驶员的接受阈值；γ为驾驶员的接受水平。

优选地，驾驶员在遵从速度引导信息的加速过程中，驾驶员以变加速度改变自身速度，采用线性变化作为加速度的变化形式进行描述如下：

a(t)＝e^-σt(a_max-σv₀)

其中，v(t)为变速过程中t时刻车辆的速度；a(t)为变速过程中t时刻车辆的加速度；L(t)为从0到t时间段车辆加速过程驶过的距离；σ为速度反应系数，表示驾驶员加速过程时对速度的敏感程度；a_max为加速度的最大值；

驾驶员在遵从速度引导信息的减速过程中，驾驶员采取的减速度较为平稳，取常数作为车辆的减速度d。

优选地，步骤S3中判断当前车队隶属场景类别的具体过程：

当满足约束条件：

v₀T_min≤L

判定为隶属于场景1；式中N为车队中车辆数；

当满足约束条件：

判定为隶属于场景2；式中v_min为当前路段安全限速的最小速度；

当满足约束条件：

判定为隶属于场景3；

式中，v_max为当前路段安全限速的最大速度，

T₁为驾驶员加速至最大速度过程的结束时刻，

L(T_max-τ)为从0到T_max-τ时间段车辆加速过程驶过的距离，

L(T₁)为从0到T₁时间段车辆加速过程驶过的距离，

v(T_max-τ)；为加速过程中T_max-τ时刻车辆的速度，

v(T₁)为加速过程中T₁时刻车辆的速度；

当满足约束条件：

判定为隶属于场景4。

优选地，步骤S3中场景3引导策略的具体过程为：

S3-1、场景3下对首车进行引导使其不停车通过信号交叉口，速度轨迹满足如下约束条件：

其中，T₂为驾驶员加(减)速过程的结束时刻，v(T₂)为T₂时刻车辆的速度；L(T₂)为从0到T₂时间段车辆加速过程驶过的距离，

T₃为驾驶员离开信号交叉口的时刻；

v₁为该场景下提供的引导速度；

S3-2、在引导速度v₁的给定范围内选取多个值作为粒子，筛选出符合S3-1约束条件的粒子；

S3-3、计算符合约束条件的粒子的车辆油耗；

S3-4、以油耗最小作为目标函数，利用基于粒子群算法求解车辆最优引导速度，算法更新规则如下：

V_pi ⁿ⁺¹＝ωV_pi ⁿ+c₁r₁(pbest_i-X_pi ⁿ)+c₂r₂(gbest_i-X_pi ⁿ)

ω＝(ω_ini-ω_end)(G_k-g)/G_k+ω_end

X_pi ⁿ⁺¹＝X_pi ⁿ+V_pi ⁿ⁺¹

其中，V_pi ⁿ、V_pi ⁿ⁺¹为粒子当前、更新速度；ω为惯性因子；c₁、c₂为学习因子；r₁、r₂为介于[0,1]的随机数；ω_ini为初始惯性权值；ω_end为迭代至最大进化次数时的惯性权值；G_k为最大迭代次数；g为当前迭代次数；

粒子位置为车辆速度：pbest_i为粒子目前为止达到的最佳位置；gbest_i为粒子邻域中的当前最佳位置；X_pi ⁿ、X_pi ⁿ⁺¹为粒子的当前、更新位置。

优选地，步骤S3-3符合约束条件的粒子的车辆油耗通过VT-Micro模型计算获取。

优选地，场景3下，所有车辆引导速度相同。

优选地，场景3下还包括以下步骤：

确定能够与首车在同一绿灯信号下通过的车辆数K，确定方法如下：

若K+1N，该车队的K+1个车辆按同一引导策略于同一绿灯下通过该交叉口；

若K+1小于N，该车队中跟随首车的前K辆车与首车采取同一策略于同一绿灯下通过该交叉口，第K+1及后续车辆被划分为车队第二部分，当第K+1辆车进入引导区间时，将作为新车队首车重新编队。

本发明的有益效果：本发明的信号交叉口速度引导节油减排方法，将驾驶员有限理性考虑在内，有限理性参数包括：反应时间、接受阈值、执行水平。而且本发明还考虑了驾驶员在接受引导信息时更贴近实际的加减速过程构建时间约束、建立引导场景、确定速度引导范围，所以本发明的适用性更强，能够适用于城市道路实际交通环境下的速度引导，保证速度引导的有效性。

本发明是针对油耗最小进行求解，在未来“碳达峰、碳中和”的愿景目标下，本发明能有效响应国家政策，达到很好的节省燃油及污染物减排效果。同时，本发明运用优化算法能够准确得到最优速度轨迹，提高节油减排效益，减少驾驶员在信号交叉口的通行时间。

附图说明

图1是三种场景中首车进入引导区间时的时间约束原理图，其中：

图1(a)、图1(b)表示车队首车于绿灯相位到达引导区间时，不断变速通过或先变速再匀速通过；图1(c)为车队首车于红灯相位到达引导区间时，不断减速通过或先减速再匀速通过。

图2是本发明所述一种基于驾驶员有限理性的信号交叉口速度引导方法的流程图。

具体实施方式

具体实施方式一：下面结合图2说明本实施方式，本实施方式所述一种基于驾驶员有限理性的信号交叉口速度引导方法，该方法包括以下步骤：

S1、对即将进入引导区间的车辆进行编队，结合车队进入引导区间时的交通灯相位显示建立首车不停车通过信号交叉口的时间约束：车队中首车不停车通过信号交叉口的最小时间T_min、最大时间T_max；

步骤S1中对即将进入引导区间的车辆进行编队，车队识别依据为车头间距、车辆瞬时速度，具体为：

H_i,j≤H_base

V_i,j≤V_base

H_i,j＝x_i,j-x_i,j-1

V_i,j＝|v_i,j-v_i,j-1|/v_i,j-1

其中，i为车队编号、j为车辆编号；H_i,j为i车队中j车与j-1车的车头间距；V_i,j为i车队中j车与j-1车的瞬时速度误差；H_base为车队中相邻车辆间的平均车头间距；V_base为车队中相邻车辆间的平均相对速度误差；x_i,j为i车队中j车距离信号交叉口的距离；v_i,j为i车队中j车的瞬时速度。

步骤S1中结合车队进入引导区间时的交通灯相位显示、车辆速度建立首车不停车通过信号交叉口的时间约束按下式获取：

其中，t_i-1为i车队中首车进入引导区间时，i-1车队尾车通过信号交叉口所需时间；t_safe为安全车头时距；TTR为i车队中首车进入引导区间时，距离红灯相位的时间，当红灯相位进入时，为负值；R为红灯时间；G为绿灯时间。

对上式作进一步的说明，如下：

当TTR＞0And TTR＞t_i-1+t_safe时，即驾驶员于绿灯下进入引导区间，且前方车辆能够顺利通过信号交叉口时，车辆能够不停车通过信号交叉口的最小时间为前方车辆清尾时间，最大时间为剩余绿灯时间，即T_min＝t_i-1+t_safe,T_max＝TTR。

当TTR＞0And TTR＝t_i-1+t_safe时，即驾驶员于绿灯下进入引导区间，前方车辆正好于绿灯最后一秒通过信号交叉口时，车辆能够不停车通过信号交叉口的最小时间为下一绿灯启动时间，最大时间为下一绿灯结束时间，即T_min＝TTR+R,T_max＝TTR+R+G。

当TTR＞0And TTR＜t_i-1+t_safe时，即驾驶员于绿灯下进入引导区间，前方车辆无法在当前绿灯通过信号交叉口时，车辆能够不停车通过信号交叉口的最小时间为前方车辆清尾时间，最大时间为下一绿灯结束时间，即T_min＝t_i-1+t_safe,T_max＝TTR+R+G。

当TTR＜0And t_i-1＝0时，即驾驶员于红灯下进入引导区间，前方车辆已在上一绿灯全部通过信号交叉口时，车辆能够不停车通过信号交叉口的最小时间为下一绿灯启动时间，最大时间为下一绿灯结束时间，即T_min＝TTR+R,T_max＝TTR+R+G。

当TTR＜0And t_i-1＞0时，即驾驶员于红灯下进入引导区间，前方车辆未能于上一绿灯全部通过信号交叉口时，车辆能够不停车通过信号交叉口的最小时间为前方车辆清尾时间，最大时间为下一绿灯结束时间，即T_min＝t_i-1+t_safe,T_max＝TTR+R+G。

S2、根据S1建立的时间约束及驾驶员有限理性参数划分四种速度引导场景：

场景1、车队中所有车辆均能以初速度v₀通过信号交叉口；

场景2、车队首车在最小时间T_min内行驶的最小距离大于引导区间长度L；

场景3、车队首车在最小时间T_min行驶的最小距离小于引导区间长度L，在最大时间T_max内行驶的最大距离大于引导区间长度L；

场景4、车队首车在最大时间T_max内行驶的最大距离小于引导区间L；

S3、根据车辆速度和S1的时间约束判断当前车队隶属场景类别，并给出对应引导策略：

若隶属于场景1，引导策略为：不提供引导速度，车队所有车辆轨迹为以初速度v₀匀速通过信号交叉口；

若隶属于场景2，引导策略为：不提供引导速度，提供减速信息指示，以避免车速骤降的情况；

若隶属于场景3，引导策略为：获取车队的油耗，并以油耗最小为目标函数，利用基于粒子群算法求解车辆最优引导速度，用于指导车队满足污染物减排的情况下通过信号交叉口；

若隶属于场景4，引导策略为：更新车队中首车不停车通过信号交叉口的最小时间T_min、最大时间T_max至下一交通灯相位再返回执行步骤S3。

驾驶员有限理性参数包括反应时间、接受阈值和执行水平；

当驾驶员进入到引导区间时的时间为t-τ时，其要执行期望速度如下：

其中，v_t为驾驶员在t时刻实际要执行的引导速度；v_t-τ为驾驶员在t-τ时刻收到的引导速度；v₀为车队首车进入引导区间时的速度；τ为驾驶员的反应时间；μ为驾驶员的接受阈值；γ为驾驶员的接受水平。

驾驶员在遵从速度引导信息的加速过程中，驾驶员以变加速度改变自身速度，采用线性变化作为加速度的变化形式进行描述如下：

a(t)＝e^-σt(a_max-σv₀)

其中，v(t)为变速过程中t时刻车辆的速度；a(t)为变速过程中t时刻车辆的加速度；L(t)为从0到t时间段车辆加速过程驶过的距离；σ为速度反应系数，表示驾驶员加速过程时对速度的敏感程度；a_max为加速度的最大值；

驾驶员在遵从速度引导信息的减速过程中，驾驶员采取的减速度较为平稳，取常数作为车辆的减速度d。

具体实施方式二：下面结合图1和图2说明本实施方式，本实施方式对实施方式一作进一步说明，步骤S3中判断当前车队隶属场景类别的具体过程：

当满足约束条件1：

v₀T_min≤L

判定为隶属于场景1；式中N为车队中车辆数；

场景1不提供引导速度，轨迹为以初速度v₀匀速通过信号交叉口；

当满足约束条件2：

判定为隶属于场景2；式中v_min为当前路段安全限速的最小速度；

场景2车辆无法不停车通过信号交叉口，必须停车，此时提供减速信息指示，不作进一步引导，只要驾驶员不出现车速骤降的情况就可以；

当满足约束条件3：

判定为隶属于场景3；

式中，v_max为当前路段安全限速的最大速度，

T₁为驾驶员加速至最大速度过程的结束时刻，

L(T_max-τ)为从0到T_max-τ时间段车辆加速过程驶过的距离，

L(T₁)为从0到T₁时间段车辆加速过程驶过的距离，

v(T_max-τ)；为T_max-τ时刻车辆的速度，

v(T₁)为T₁时刻车辆的速度；

当满足约束条件4：

判定为隶属于场景4。

场景4下表征首车当前绿灯无法通过，需要在下一绿灯相位通过信号交叉口。

举例说明四个场景，前提条件：L＝300m，v₀＝10m/s，车头间距H_i,j假设均为10m，忽略前方排队车辆、忽略加减速过程所需的时间。

场景1：假设车队中有三辆车，红灯时间40秒，绿灯时间37秒。

(1)红灯下：剩下20s交通灯变为绿灯，则T_min＝20s、T_max＝60s。如果按照原速度行驶，L/v₀＝30s，(L+2H_i,j)/v₀＝32s，这时交通灯已处于绿灯状态，能够全部通过，为场景1。

(2)绿灯下：剩下35s交通灯变为红灯，T_min＝0s，T_max＝35s。这时如果按初速度行驶，L/v₀＝30s，(L+2H_i,j)/v₀＝32s，这时交通灯仍然处于绿灯状态，能够全部通过，为场景1。

场景2(在最小时间行过的距离大于L)：

红灯下：假如交通灯还有60秒变为绿灯，这时T_min＝60s。这时按照初速度v₀行驶，到达信号交叉口处时，交通灯仍为红灯，需停车等待，如果减速到最小值6m/s(忽略减速过程所需时间)，300/6＝50s，仍然无法通过，则判断为场景2。

假如场景3(最小时间行过的距离小于L，最大时间行过的距离大于L)：

假设红灯时间40秒，绿灯时间37秒。

红灯下：假如交通灯还有35秒变为绿灯，T_min＝35s、T_max＝72s；这时，按照正常速度是无法通过的。按照最小速度行驶，6×35<300，按最大速度行驶72×16.6>300的，这种情况下可以提供一个最小速度、最大速度之间的引导速度，引导车辆不停车通过；

绿灯下：假如交通灯还有25秒变为红灯，T_min＝0、T_max＝25s；这时按照正常速度无法通过；按照最小速度行驶，0×25<300，按照最大速度行驶25×16.6>300，这种情况下可以提供一个最小速度、最大速度之间的引导速度，引导车辆不停车通过。

场景4(最大时间行过的最大距离小于L)：

假设红灯时间40秒，绿灯时间37秒。

绿灯下：假如交通灯还有10秒变为红灯，这时T_min＝0、T_max＝10s；以正常速度行驶无法通过，以最小速度行驶，在这个绿灯下无法通过，以最大速度行驶，10×16.6<300亦无法通过。这时更新时间约束：T_min＝10+40＝50sT_max＝10+40+37＝87s，相当于在第二个绿灯信号下重新进行场景划分。

具体实施方式三：本实施方式对实施方式一或二作进一步说明，场景3下，一个车队中所有车辆引导速度相同，即先计算首车引导速度，再令车队中其它车辆也按该引导速度进行。

步骤S3中场景3引导策略的具体过程为：

S3-1、场景3下对首车进行引导使其不停车通过信号交叉口，速度轨迹满足如下约束条件：

其中，T₂为驾驶员加(减)速过程的结束时刻，v(T₂)为T_T时刻车辆的速度；L(T₂)为从0到T₂时间段车辆加速过程驶过的距离，

T₃为驾驶员离开信号交叉口的时刻；

v₁为该场景下提供的引导速度；

S3-2、在引导速度v₁的给定范围内选取多个值作为粒子，筛选出符合S3-1约束条件的粒子；

对步骤S3-2举例说明，给出满足场景3的多个粒子，比如v₁给出范围为9.6～17，在这个范围内取20个粒子，比如9.6、10、11……将这些粒子作为v(t)代入公式

求解出为驾驶员加(减)速过程的结束时刻T₂、为驾驶员离开信号交叉口的时刻T₃，再根据约束条件

筛选出符合条件的粒子。

S3-3、计算符合约束条件的粒子的车辆油耗；步骤S3-3符合约束条件的粒子的车辆油耗通过VT-Micro模型计算获取。

S3-4、以油耗最小作为目标函数，利用基于粒子群算法求解车辆最优引导速度，算法更新规则如下：

V_pi ⁿ⁺¹＝ωV_pi ⁿ+c₁r₁(pbest_i-X_pi ⁿ)+c₂r₂(gbest_i-X_pi ⁿ)

ω＝(ω_ini-ω_end)(G_k-g)/G_k+ω_end

X_pi ⁿ⁺¹＝X_pi ⁿ+V_pi ⁿ⁺¹

其中，V_pi ⁿ、V_pi ⁿ⁺¹为粒子当前、更新速度；ω为惯性因子；c₁、c₂为学习因子；r₁、r₂为介于[0,1]的随机数；ω_ini为初始惯性权值；ω_end为迭代至最大进化次数时的惯性权值；G_k为最大迭代次数；g为当前迭代次数；

粒子位置为车辆速度：pbest_i为粒子目前为止达到的最佳位置；gbest_i为粒子邻域中的当前最佳位置；X_pi ⁿ、X_pi ⁿ⁺¹为粒子的当前、更新位置。

在上述更新规则基础上，求解的流程如下：

(1)设置参数值，初始化各粒子的速度和位置，粒子位置为车辆速度。计算适应函数值，并且得到粒子的历史最优位置和群体的全局最优位置，适应度函数为燃油消耗最小；

(2)按照上述更新规则，根据自身历史最优位置和全局最优位置，更新每个粒子的速度和位置。对于越界的位置，需要进行合法性的调整，即令位置处于区域边界内；

(3)评估粒子的适应度函数值，更新粒子的最优历史位置和全局历史位置；

(4)判断是否达到最大收敛次数G_k或满足收敛条件ε_max，若判断成立，则转至(5)；若判断不成立，转至(2)；

(5)停止迭代，输出全局最优结果，即车辆最优引导速度。

具体实施方式四：本实施方式对实施方式三一作进一步说明，场景3下还包括以下步骤：

确定能够与首车在同一绿灯信号下通过的车辆数K，确定方法如下：

若K+1＝N，该车队的K+1个车辆按同一引导策略于同一绿灯下通过该交叉口；

若K+1小于N，该车队中跟随首车的前K辆车与首车采取同一策略于同一绿灯下通过该交叉口，第K+1及后续车辆被划分为车队第二部分，当第K+1辆车进入引导区间时，将作为新车队首车重新编队。

Claims (8)

1.一种基于驾驶员有限理性的信号交叉口速度引导方法，其特征在于，该方法包括以下步骤：

S1、对即将进入引导区间的车辆进行编队，结合车队进入引导区间时的交通灯相位显示建立首车不停车通过信号交叉口的时间约束：车队中首车不停车通过信号交叉口的最小时间T_min、最大时间T_max；

时间约束按下式获取：

其中，t_i-1为i车队中首车进入引导区间时，i-1车队尾车通过信号交叉口所需时间；t_safe为安全车头时距；TTR为i车队中首车进入引导区间时，距离红灯相位的时间，当红灯相位进入时，为负值；R为红灯时间；G为绿灯时间；

S2、根据S1建立的时间约束及驾驶员有限理性参数划分四种速度引导场景：

场景1、车队中所有车辆均能以初速度v₀通过信号交叉口；

场景2、车队首车在最小时间T_min内行驶的最小距离大于引导区间长度L；

场景3、车队首车在最小时间T_min行驶的最小距离小于引导区间长度L，在最大时间T_max内行驶的最大距离大于引导区间长度L；

场景4、车队首车在最大时间T_max内行驶的最大距离小于引导区间L；

步骤S2中所述驾驶员有限理性参数包括反应时间、接受阈值和执行水平；

当驾驶员进入到引导区间时的时间为t-τ时，其要执行期望速度如下：

其中，v_t为驾驶员在t时刻实际要执行的引导速度；v_t-τ为驾驶员在t-τ时刻收到的引导速度；v₀为车队首车进入引导区间时的速度；τ为驾驶员的反应时间；μ为驾驶员的接受阈值；γ为驾驶员的执行水平；

S3、根据车辆速度和S1的时间约束判断当前车队隶属场景类别，并给出对应引导策略：

若隶属于场景1，引导策略为：不提供引导速度，车队所有车辆轨迹为以初速度v₀匀速通过信号交叉口；

若隶属于场景2，引导策略为：不提供引导速度，提供减速信息指示，以避免车速骤降的情况；

若隶属于场景3，引导策略为：获取车队的油耗，并以油耗最小为目标函数，利用基于粒子群算法求解车辆最优引导速度，用于指导车队满足污染物减排的情况下通过信号交叉口；

若隶属于场景4，引导策略为：更新车队中首车不停车通过信号交叉口的最小时间T_min、最大时间T_max至下一交通灯相位再返回执行步骤S3。

2.根据权利要求1所述一种基于驾驶员有限理性的信号交叉口速度引导方法，其特征在于，步骤S1中对即将进入引导区间的车辆进行编队，车队识别依据为车头间距、车辆瞬时速度，具体为：

H_i,j≤H_base

V_i,j≤V_base

H_i,j＝x_i,j-x_i,j-1

V_i,j＝|v_i,j-v_i,j-1|/v_i,j-1

其中，i为车队编号、j为车辆编号；H_i,j为i车队中j车与j-1车的车头间距；V_i,j为i车队中j车与j-1车的瞬时速度差；H_base为车队中相邻车辆间的平均车头间距；V_base为车队中相邻车辆间的平均相对速度差；x_i,j为i车队中j车距离信号交叉口的距离；v_i,j为i车队中j车的瞬时速度。

3.根据权利要求2所述一种基于驾驶员有限理性的信号交叉口速度引导方法，其特征在于，驾驶员在遵从速度引导信息的加速过程中，驾驶员以变加速度改变自身速度，采用线性变化作为加速度的变化形式进行描述如下：

a(t)＝e^-σt(a_max-σv₀)

其中，v(t)为变速过程中t时刻车辆的速度；a(t)为变速过程中t时刻车辆的加速度；L(t)为从0到t时间段车辆加速过程驶过的距离；σ为速度反应系数，表示驾驶员加速过程时对速度的敏感程度；a_max为加速度的最大值；

驾驶员在遵从速度引导信息的减速过程中，驾驶员采取的减速度较为平稳，取常数作为车辆的减速度d。

4.根据权利要求3所述一种基于驾驶员有限理性的信号交叉口速度引导方法，其特征在于，步骤S3中判断当前车队隶属场景类别的具体过程：

当满足约束条件：

v₀T_min≤L

判定为隶属于场景1；式中N为车队中车辆数；

当满足约束条件：

判定为隶属于场景2；式中v_min为当前路段安全限速的最小速度；

当满足约束条件：

判定为隶属于场景3；

式中，v_max为当前路段安全限速的最大速度，

T₁为驾驶员加速至最大速度过程的结束时刻，

L(T_max-τ)为从0到T_max-τ时间段车辆加速过程驶过的距离，

L(T₁)为从0到T₁时间段车辆加速过程驶过的距离，

v(T_max-τ)；为加速过程中T_max-τ时刻车辆的速度，

v(T₁)为加速过程中T₁时刻车辆的速度；

当满足约束条件：

判定为隶属于场景4。

5.根据权利要求4所述一种基于驾驶员有限理性的信号交叉口速度引导方法，其特征在于，步骤S3中场景3引导策略的具体过程为：

S3-1、场景3下对首车进行引导使其不停车通过信号交叉口，速度轨迹满足如下约束条件：

其中，T₂为驾驶员加、减速过程的结束时刻，v(T₂)为T₂时刻车辆的速度；L(T₂)为从0到T₂时间段车辆加速过程驶过的距离，

T₃为驾驶员离开信号交叉口的时刻；

v₁为该场景下提供的引导速度；

S3-2、在引导速度v₁的给定范围内选取多个值作为粒子，筛选出符合S3-1约束条件的粒子；

S3-3、计算符合约束条件的粒子的车辆油耗；

S3-4、以油耗最小作为目标函数，利用基于粒子群算法求解车辆最优引导速度，算法更新规则如下：

V_pi ⁿ⁺¹＝ωV_pi ⁿ+c₁r₁(pbest_i-X_pi ⁿ)+c₂r₂(gbest_i-X_pi ⁿ)

ω＝(ω_ini-ω_end)(G_k-g)/G_k+ω_end

X_pi ⁿ⁺¹＝X_pi ⁿ+V_pi ⁿ⁺¹

其中，V_pi ⁿ、V_pi ⁿ⁺¹为粒子当前、更新速度；ω为惯性因子；c₁、c₂为学习因子；r₁、r₂为介于[0,1]的随机数；ω_ini为初始惯性权值；ω_end为迭代至最大进化次数时的惯性权值；G_k为最大迭代次数；g为当前迭代次数；

粒子位置为车辆速度：pbest_i为粒子目前为止达到的最佳位置；gbest_i为粒子邻域中的当前最佳位置；X_pi ⁿ、X_pi ⁿ⁺¹为粒子的当前、更新位置。

6.根据权利要求5所述一种基于驾驶员有限理性的信号交叉口速度引导方法，其特征在于，步骤S3-3符合约束条件的粒子的车辆油耗通过VT-Micro模型计算获取。

7.根据权利要求6所述一种基于驾驶员有限理性的信号交叉口速度引导方法，其特征在于，场景3下，隶属于同一车队的所有车辆的引导速度都与首车相同。

8.根据权利要求1所述一种基于驾驶员有限理性的信号交叉口速度引导方法，其特征在于，场景3下还包括以下步骤：

确定能够与首车在同一绿灯信号下通过的车辆数K，确定方法如下：

若K+1＝N，该车队的K+1个车辆按同一引导策略于同一绿灯下通过该交叉口；

若K+1小于N，该车队中跟随首车的前K辆车与首车采取同一策略于同一绿灯下通过该交叉口，第K+1及后续车辆被划分为车队第二部分，当第K+1辆车进入引导区间时，将作为新车队首车重新编队。

Images