CN113763706B - 一种考虑智能车队的道路阻抗函数计算方法 - Google Patents

Abstract

本发明公开了一种考虑智能车队的道路阻抗函数计算方法，方法包括：采集路段内交通流数据，包括车队长度、车队车头时距、交通流量；计算车队的平均车头时距以及车队出现比例；计算路段的理想通行能力；计算阻抗函数的校准参数；确定该路段的阻抗函数。本发明能够准确描述混入智能车时的混合交通流运行情景，为交通流量分配提供精确的模型基础，提高交通规划四阶段方法的可靠性和科学性。

Description

一种考虑智能车队的道路阻抗函数计算方法

技术领域

本发明涉及智能交通控制领域，具体涉及一种考虑智能车队的道路阻抗函数计算方法。

背景技术

道路阻抗函数模型在路网分析中非常重要，它是进行网络交通分配、网络交通质量评价的基础。未来智能网联环境下，智能车的出现将改变传统阻抗函数的计算方式。美国公路局提出的BPR函数是目前使用最广泛的阻抗函数，此函数是面向手动驾驶车辆，并未考虑智能车辆，包括自适应巡航控制车辆(adaptive cruise control，简称ACC)和协同自适应巡航控制车辆(cooperative adaptive cruise control，简称CACC)这两类车辆。若直接应用该BPR函数预测未来交通流，会与实际情况产生较大的误差，误导交通工程师、政府等进行决策判断。

在智能车辆增多，尤其是具备通讯协作功能的CACC车辆增多时，必将形成智能车队模式，对提高效率与安全、节能减排均具有重要意义。智能车队模式形成时，交通流中车头时距、各类车辆比例均会发生变化，因此，道路阻抗函数应充分考虑这些因素，有助于提高未来交通流预测的精准度、交通分配的准确度、交通政策的科学性。

已有道路阻抗函数研究中，大部分是面向手动驾驶环境，少数面向智能网联环境的文献或论文均未考虑智能车队；其他已公开文献、专利等均未涉及考虑智能车队的道路阻抗函数计算方法的研究。

发明内容

发明目的：为了克服上述现有技术的不足，本发明目的在于提出一种考虑智能车队的道路阻抗函数计算方法，以路段内智能车队长度、车队车头时距、交通流量为基本信息，计算智能车队的平均车头时距以及车队出现比例，计算路段的理想通行能力，计算阻抗函数的校准参数，最终确定该路段的阻抗函数，为交通分配提供科学、合理、精确的模型基础。

技术方案：为解决上述技术问题，本发明采用的技术方案为：

混合交通流包括手动驾驶车辆、自适应巡航控制车辆(adaptive cruisecontrol，简称ACC)和协同自适应巡航控制车辆(cooperative adaptive cruise control，简称CACC)，且仅CACC车辆可形成车队模式。当CACC车辆前车为手动驾驶车辆时，CACC车辆协同功能失效，降级为ACC车辆。

一种考虑智能车队的道路阻抗函数计算方法，包括如下步骤：

(1)采集路段内交通流数据，包括车队长度、车队车头时距、交通流量；

(2)计算车队的平均车头时距以及车队出现比例；

(3)计算路段的理想通行能力；

(4)计算阻抗函数的校准参数；

(5)确定该路段的阻抗函数。

作为优选，步骤(1)中，所述路段内交通流数据为：

路段D范围内，统计时间段T内车队长度L_i及其对应的车头时距t_i，交通流量Q，其中i＝1,2,3……,N_PL，N_PL为路段D范围内；路段长度D、统计时间段T、车队长度L_i、车头时距t_i、交通流量Q的单位分别是千米(km)、小时(h)、辆(veh)、秒(s)、辆/小时(veh/h)。

作为优选，步骤(2)中，所述车队平均车头时距的计算方法为：

式中t_c1为车队平均车头时距；，N_i为i车队的车辆数目。

所述车队出现比例的计算方法为：

式中P_PL为车队出现比例。

作为优选，步骤(3)中，所述路段理想通行能力计算方法为：

式中C为路段理想通行能力，P_m、P_a、P_c分别为手动驾驶车辆、ACC车辆、CACC车辆的比例，t_m、t_a分别为手动驾驶车辆、ACC车辆的车头时距，t_c1、t_c2为CACC车辆在车队中和独立行驶(CACC车辆的前车为ACC车辆)时的车头时距。CACC车辆的前车为ACC车辆时，CACC车辆并不降级，此时车头时距为t_c2；CACC车辆的前车为手动驾驶车辆时，CACC车辆降级，此时车头时距为t_a。

作为优选，步骤(4)中，所述阻抗函数的校准参数α、β计算方法为：

α＝α₀(1-P_PL)

式中α₀、β₀为校准参数的初始值，美国联邦公路局建议取值分别为0.15、4。

作为优选，步骤(5)中，所述该路段的阻抗函数确定为：

式中T_time为该路段的阻抗，即实际通过该路段所需要的时间；T₀为路段自由行驶时间，T_time、T₀的单位均为小时(h)；

其中T₀按如下公式计算：

式中v_m、v_a、v_c为手动驾驶车辆、ACC车辆、CACC车辆的自由流速度，三类车辆的自由流速度均为km/h。

一种考虑智能车队的道路阻抗函数计算装置，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下考虑智能车队的道路阻抗函数计算方法的步骤：

(1)采集路段内交通流数据，包括车队长度、车队车头时距、交通流量；

(2)计算车队的平均车头时距以及车队出现比例；

(3)计算路段的理想通行能力；

(4)计算阻抗函数的校准参数；

(5)确定该路段的阻抗函数。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下考虑智能车队的道路阻抗函数计算方法的步骤：

(1)采集路段内交通流数据，包括车队长度、车队车头时距、交通流量；

(2)计算车队的平均车头时距以及车队出现比例；

(3)计算路段的理想通行能力；

(4)计算阻抗函数的校准参数；

(5)确定该路段的阻抗函数。

有益效果：本发明公开了一种考虑智能车队的道路阻抗函数计算方法，基于路段内交通流数据，包括车队长度、车队车头时距、交通流量，计算车队的平均车头时距以及车队出现比例，计算路段的理想通行能力、阻抗函数的校准参数，最终确定该路段的阻抗函数。本发明能够准确描述混入智能车时的混合交通流运行情景，为交通流量分配提供精确的模型基础，提高交通规划四阶段方法的可靠性和科学性。

附图说明

图1是本发明实施例的方法流程图。

具体实施方式

为了使本发明的内容更容易被清楚的理解，下面结合附图和具体实施例对本发明作进一步详细的说明。

在一个实施例中，如图1所示，提供了一种考虑智能车队的道路阻抗函数计算方法，包括如下步骤：

(1)采集路段内交通流数据，包括车队长度、车队车头时距、交通流量；

(2)计算车队的平均车头时距以及车队出现比例；

(3)计算路段的理想通行能力；

(4)计算阻抗函数的校准参数；

(5)确定该路段的阻抗函数。

在一个实施例中，提供了一种考虑智能车队的道路阻抗函数计算装置，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述考虑智能车队的道路阻抗函数计算方法的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述考虑智能车队的道路阻抗函数计算方法的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

交通示例：某单车道公路，观测长度为100km，数据统计时间共1h，交通流量1800veh/h，手动驾驶车辆、ACC车辆、CACC车辆分别有400、600、800辆，其中手动驾驶车辆、ACC车辆的车头时距分别为3.5s、2.0s，CACC车辆独立行驶时的车头时距为1.0s。手动驾驶车辆、ACC车辆、CACC车辆自由流速度分别为80km/h、90km/h、100km/h。

共观测到3组智能车队，车队参数统计如下表所示：

智能车队组别	长度(veh)	车头时距(s)
			A	15	0.62
B	18	0.60
			C	20	0.64

以下将采用本发明提出的一种考虑智能车队的道路阻抗函数计算方法：

(1)采集路段内交通流数据：

路段长度D＝100km，统计时间段T＝1h，交通流量Q＝1800veh/h，手动驾驶车辆的比例P_m＝400/1800＝0.22，ACC车辆的比例P_a＝600/1800＝0.33，CACC车辆的比例P_c＝800/1800＝0.44；手动驾驶车辆的车头时距t_m＝3.5s，ACC车辆的车头时距t_a＝2.0s，CACC车辆在独立行驶时的车头时距t_c2＝1.0s；手动驾驶车辆的自由流速度v_m＝80km/h，ACC车辆的自由流速度v_a＝90km/h，CACC车辆的自由流速度v_c＝100km/h。

(2)计算车队的平均车头时距t_c1以及车队出现比例P_PL：

(3)计算路段的理想通行能力C：

(4)计算阻抗函数的校准参数α、β：

α＝α₀(1-P_PL)＝0.15×(1-0.0294)＝0.1456

(5)确定该路段的阻抗函数：

路段自由行驶时间T₀为

实际通过该路段所需要的时间T_time为

根据计算结果，

实际通过该路段所需要的时间比自由行驶时间多13％。按照老方法，即

其中

式中v_max为道路最大限速，取100km/h，C_old为道路通行能力，根据《公路路线设计规范(JTGD20-2017)》对应100km/h设计速度的道路通行能力为2100veh/h，则T_{time_old}可得1.08。因此间接证明了本发明的道路阻抗函数更能反映复杂的混合交通流情景，能够为交通流量分配提供精确的模型基础，尤其是未来混入智能车场景下应用交通规划四阶段方法，提高其可靠性和科学性。

显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (3)

1.一种考虑智能车队的道路阻抗函数计算方法，其特征在于，所述车队由协同自适应巡航控制CACC车辆形成，该方法包括如下步骤：

(1)采集路段长度D范围内交通流数据，包括统计时间段T内i车队的长度L_i及其对应的车头时距t_i，交通流量Q；其中i＝1,2,3……,N_PL，N_PL为路段长度D范围内、统计时间段T内的车队数量；

(2)计算车队的平均车头时距以及车队出现比例；

所述车队平均车头时距的计算方法为：

式中t_c1为车队平均车头时距，N_i为i车队的车辆数目；

所述车队出现比例的计算方法为：

式中P_PL为车队出现比例；

(3)计算路段的理想通行能力：

当CACC车辆的前车为手动驾驶车辆时，CACC车辆协同功能失效，降级为自适应巡航控制ACC车辆；

路段的理想通行能力按如下公式计算：

式中C为路段的理想通行能力，P_m、P_a、P_c分别为路段范围内手动驾驶车辆、ACC车辆、CACC车辆的比例，t_m、t_a分别为手动驾驶车辆、ACC车辆的车头时距，t_c1为CACC车辆在车队中的车头时距、t_c2为CACC车辆的前车为ACC车辆时的车头时距；

(4)计算阻抗函数的校准参数：

α＝α₀(1-P_PL)

式中α、β为阻抗函数的校准参数，α₀、β₀为校准参数的初始值；

(5)确定该路段的阻抗函数为：

式中T_time为该路段的阻抗，T₀为该路段自由行驶时间

v_m、v_a、v_c为手动驾驶车辆、ACC车辆、CACC车辆的自由流速度。

2.一种考虑智能车队的道路阻抗函数计算装置，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1所述的考虑智能车队的道路阻抗函数计算方法的步骤。

3.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1所述的考虑智能车队的道路阻抗函数计算方法的步骤。

Images