CN113763741B - 一种车联网环境下的干线公路交通诱导方法 - Google Patents

Abstract

本发明公开了一种车联网环境下的干线公路交通诱导方法，包括：通过驾驶员发出的出发请求获取相应的起讫点信息；构建路网结构图；采用分级诱导的方式，对道路车辆进行实时动态诱导。本发明分别从路网、路径及路段三个层面对车辆进行诱导，并将下一级阻抗实时往上一级反馈进行路网阻抗更新。同时，本发明对干线公路实时阻抗函数，提出了新的计算方法，同时考虑了干线公路大小型车辆的相互影响，道路突发事件造成的阻抗的突变和交叉口自身及转向延误三方面因素。该方法的使用，不仅可以提高干线公路交通运行效率，还增加了路径诱导的精确性。

Description

一种车联网环境下的干线公路交通诱导方法

技术领域

本发明涉及智慧交通中干线公路车辆路径诱导技术领域，具体而言涉及一种车联网环境下的干线公路交通诱导方法。

背景技术

干线公路作为公路网的重要骨干，发挥着举足轻重的交通运输和交通走廊的作用。然而目前对于干线公路交通管控技术的研究相对较少，且缺乏针对性。

交通诱导是智能交通系统的重要环节，对于缓解拥堵、改善行车环境、保障交通运行安全发挥着不可或缺的作用。一方面可以辅助驾驶员选择行驶路径，提高出行效率；另一方面，通过合理的路径规划诱导，可以均衡路网交通流分布。但是目前对于路径的诱导规划多基于静态最短路方法，然而交通状况是随时发生变化的，所以传统的路径诱导方法，并不能体现路网运行状况的变化，当路网内发生突发拥堵时，无法进行路径规避，导致拥堵加剧。

随着车联网技术的发展，车辆在进入路网的同时，即可与路侧设施及云计算平台进行信息交互，获得丰富的行驶数据和实时路况信息。故云计算平台可以根据路网阻抗信息对路网内车辆进行实时动态的分级诱导。在传统最短路径的基础上考虑路网动态阻抗变化，逐步选择最优路径。然而现有技术中尚未提出有效的能够将路网动态阻抗变化融入最优路径选择的方法。

发明内容

本发明针对现有技术中的不足，提供一种车联网环境下的干线公路交通诱导方法，同时考虑了干线公路大小型车辆的相互影响，道路突发事件造成的阻抗的突变和交叉口自身及转向延误三方面因素。该方法的使用，不仅可以提高干线公路交通运行效率，还增加了路径诱导的精确性。

为实现上述目的，本发明采用以下技术方案：

本发明实施例提出了一种车联网环境下的干线公路交通诱导方法，所述诱导方法包括以下步骤：

通过驾驶员发出的出发请求获取相应的起讫点信息；

构建路网结构图；

采用分级诱导的方式，对道路车辆进行实时动态诱导：

一级诱导：从路网层面出发，基于路网结构图，对发出出发请求的车辆进行相对路径规划，得到起讫点之间可通行路径集合L，组成可达路径的集合为：L＝{l₁,l₂,…l_n}，其中l_i为第i条可达路径；

二级诱导：从路径层面出发，根据可达路径的集合，基于当前路网阻抗，计算起讫点之间的阻抗值，得到阻抗最小的最优路径L^*，构成最优路径的路段组合为：L^*＝{l_i1,l_i2,…l_ij}，其中l_ij为路径i上的第j个路段；

三级诱导：从路段层面出发，通过流量加载的形式，以交叉口为节点，计算组成最优路径的各路段当前阻抗，同时将路段实时交通状况按照一定时间周期更新到路网阻抗中，使三级诱导的结果对二级诱导和一级诱导的过程进行正向反馈。

可选地，所述构建路网结构图的过程包括以下步骤：

获取连接城乡不穿越城镇的普通国省干线；

去除低等级支路，该低等级支路包括低等级农村公路和大型车辆不可通行的含桥隧路段；

以交叉口作为节点，交叉口间的路段作为边，构建路网结构图。

可选地，所述一级诱导的过程包括以下步骤：

利用车联网实时信息感知与交互能力，提取道路动态实时交通信息，转化成道路实时交通阻抗，为车辆规划阻抗最优路径；该道路动态实时交通信息包括车辆类型、交通流量和车辆位置；其中，通过道路等级对阻抗的影响来限定不同车辆类型和路径搜索范围。

可选地，所述通过道路等级对阻抗的影响来限定不同车辆类型和路径搜索范围包括以下步骤：

将车辆类型分为大型客货运车辆和小型轿车；

计算路网阻抗作为初始阻抗，提出如下路段阻抗函数模型：

式中，

为小型车车交通量为

大型客货车交通量为

时，路段a的整体行程时间；t₀(a)为交通量为自由流时，路段a的行程时间；C_a为路段a的通行能力；a₁，a₂，β₁，β₂为模型参数，根据道路上大、小型车辆的交通量、历史车速调查数据、道路等级采用最小二乘法确定。

可选地，所述二级诱导的过程包括以下步骤：

将一级诱导过程得到的阻抗最优路径分隔为多个路段，并根据实时路段的交通状况，计算每个路段的道路阻抗和交叉口延误阻抗；

遍历下游路径综合阻抗，对比各路径阻抗值，确定阻抗值最小的路径作为初始最优路径L^*；综合阻抗为路段阻抗、交叉口阻抗和突变阻抗之和。

可选地，所述将一级诱导过程得到的阻抗最优路径分隔为多个路段，并根据实时路段的交通状况，计算每个路段的道路阻抗和交叉口延误阻抗的过程包括以下步骤：

根据车联网技术实时获取路径上各类车型的交通量，根据下述公式计算得到路径上各路段阻抗值：

式中，

为路段a的整体行程时间，n是路径上的路段总数；

获取网联车辆以及RSU检测得到的突发事件类型，饥饿和现场状况预测事件造成拥堵可能持续时间，作为突变阻抗T*；

根据下述公式计算得到第k个交叉口转向延误的阻抗：

y_k(α,β)＝{f(k),l(k),r(k)}

式中，k为α、β之间节点，f(k),l(k),r(k)分别为在k点直行、左转和右转时的延误阻抗；采用Webster延误公式计算各方向延误时间t作为方向阻抗，

其中t为延误时间，C为信号周期，g为绿灯时间，x为饱和度，q为进口道交通流量；

则路径上交叉口延误为：

可选地，所述将路段实时交通状况按照一定时间周期更新到路网阻抗中，使三级诱导的结果对二级诱导和一级诱导的过程进行正向反馈的过程包括以下步骤：

S1，根据最优路径计算车辆在最优路径当前节点到达下一节点阻抗值；

S2，判断当前节点与下一节点间是否发生阻抗突变，如是则返回一级诱导，重新规划阻抗最优路径，同时向上游车辆以及路侧设施发送造成阻抗突变的原因及现场情况，由路侧设施和云计算中心判断影响范围，预测原路径通行时间，以及推荐绕行路径行程时间，对上游受影响范围内路径进行阻抗更新；否则进入S3；

S3，判断下一交叉口是否为终点，若是则结束诱导；否则以当前交叉口为新的起点驶往下一节点；

S4，确定车辆到达下一节点的时间，并在车辆进入诱导区域时更新下游路段交通阻抗，选择到终点阻抗最小的路径；更新诱导路径并返回S1；

S5，输出阻抗值最小路径。

可选地，步骤S2中，所述由路侧设施和云计算中心判断影响范围，预测原路径通行时间，以及推荐绕行路径行程时间，对上游受影响范围内路径进行阻抗更新的过程包括以下步骤：

S21，对事件类型及预计持续时间进行判别计算，根据下述公式计算得到拥堵影响范围：

S＝V_f×T_s

式中，S为拥堵影响范围，V_f为路段自由流车速，T_s为预计持续时间；

S22，根据事件影响范围，在路网层面对车辆进行诱导：

当S<l_sa时，对当前路段车辆进行限速，变道诱导，同时更新当前路段交通阻抗，并向上有车辆发送示警信息；其中，l_sa为事件发生地点与上游第一个交叉口之间的距离。

当l_sa<S<l_sb时，对事件点与上游第一个交叉口间车辆进行车速、车道诱导，向上游第一个交叉口与第b个交叉口间车辆发送警告信息并进行强制分流诱导，云计算中心通过对比拥堵时间及绕行时间为影响范围内车辆规划新的路径，通过智能路侧设施向该范围内车辆发送绕行路线，对b交叉口上游车辆发送示警信息及推荐行驶路径；其中，l_sa为事件发生地点与上游第一个交叉口之间的距离，l_sb为事件发生地点与上游第b个交叉口之间的距离。

本发明的有益效果是：

本发明提出的车联网环境下的普通国省干线交通诱导方法，根据普通国省干线交通运行特征，路网结构以及车联网技术发展，将车辆在行驶过程中所产生的位置、速度、交通量等实时交通数据，通过RSU(Road Side Unit：路侧单元)和V2X技术将其转化为道路实时交通阻抗。本发明分别从路网、路径及路段三个层面对车辆进行诱导，并将下一级阻抗实时往上一级反馈进行路网阻抗更新。本发明对干线公路实时阻抗函数，提出了新的计算方法，同时考虑了干线公路大小型车辆的相互影响，道路突发事件造成的阻抗的突变和交叉口自身及转向延误三方面因素。该方法的使用，不仅可以提高干线公路交通运行效率，还增加了路径诱导的精确性。

附图说明

图1是本发明实施例的车联网环境下的干线公路交通诱导方法流程图。

图2是本发明实施例的事件影响范围示意图。

图3是本发明实施例的车联网环境下实时数据流向示意图。

图4是本发明实施例的路网拓扑结构图。

具体实施方式

现在结合附图对本发明作进一步详细的说明。

需要注意的是，发明中所引用的如“上”、“下”、“左”、“右”、“前”、“后”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。

实施例一

图1是本发明实施例的车联网环境下的干线公路交通诱导方法流程图。参见图1，诱导方法包括以下步骤：

步骤一、通过驾驶员发出的出发请求获取相应的起讫点信息。

步骤二、构建路网结构图。

步骤三、采用分级诱导的方式，对道路车辆进行实时动态诱导：

一级诱导：从路网层面出发，基于路网结构图，云计算平台对发出出发请求的车辆进行相对路径规划，得到起讫点之间可通行路径集合L，组成可达路径的集合为：L＝{l₁,l₂，…l_n}，其中l_i为第i条可达路径。

二级诱导：从路径层面出发，根据可达路径的集合，基于当前路网阻抗，计算起讫点之间的阻抗值，得到阻抗最小的最优路径L^*，构成最优路径的路段组合为：L^*＝{l_i1，l_i2，…l_ij}，其中l_ij为路径i上的第j个路段。

三级诱导：从路段层面出发，通过流量加载的形式，以交叉口为节点，计算组成最优路径的各路段当前阻抗，同时将路段实时交通状况按照一定时间周期更新到路网阻抗中，使三级诱导的结果对二级诱导和一级诱导的过程进行正向反馈。

本实施例的研究对象是连接城乡不穿越城镇的普通国省干线。车联网环境包括智能车载子系统、智能路侧子系统、云计算中心。其中智能车载子系统又包含：车载信息获取模块、车载预警和控制模块、车载通信模块；智能路侧子系统包含：路侧信息获取模块、交通控制和信息发布模块、路侧通信模块；云计算中心包含：信息获取模块、计算决策模块、信息发布模块。

根据普通国省干线交通运行特征，以及路网结构，网联车辆在行驶过程中所产生的位置、速度、交通量等交通数据，可以通过RSU(Road Side Unit：路侧单元)使用V2I技术将其转化为道路实时流量等路网实时交通信息。根据阻抗函数的形式，RSU可以通过预先设置的路网拓扑结构将路网实时交通信息转化成路径实时阻抗，并将其发送给上游装载有诱导设备的车辆，而车辆之间则可以利用V2V技术共享实时阻抗信息，进而从用户最优的角度制定最优交通路线。当干线公路发生交通事件时，上游车辆可以实时接收路段交通信息以及简单事件下操作建议(绕行、变道、变速等)。

诱导过程的具体步骤如下：

Step1：根据实际路网状况，利用车联网技术获取车辆起始点及目的地信息，以及车辆类型。

Step2：以交叉口作为节点，交叉口间路段作为边，构建路网拓扑结构图。在构建路网拓扑结构图时，去除较低等级支路，比如低等级农村公路，大型车辆不可通行的含桥隧路段。在对车辆进行诱导时，需对车辆类型进行判断，针对车辆类型进行分类，采用与之相应的阻抗函数进行路径规划。

Step3：云计算平台在地图上为车辆规划出可到达目的地的路径集合L。

Step4：利用车联网实时信息感知与交互能力，提取道路动态实时交通信息(如：车辆类型、交通流量、车辆位置等)，转化成道路实时交通阻抗，为车辆规划阻抗最优路径。针对普通国省干线公路上客货运输车辆较多的情况，以及在对大型车辆进行诱导时，需考虑道路基础设施状况，是否可供大型车辆通过。因此，通过道路等级对阻抗的影响来限定不同车辆类型和路径搜索范围。

Step5：将所述路径分隔为多个路段，并根据实时路段的交通状况，计算每个路段的道路阻抗和交叉口延误阻抗；遍历下游路径综合(路段阻抗+交叉口阻抗+突变阻抗)阻抗，对比各路径阻抗值，确定阻抗值最小的路径作为初始最优路径L^*。

为了计算不同车辆类型阻抗相互影响，将车辆类型分为大型客货运车辆和小型轿车，计算路网阻抗作为初始阻抗，提出如下路段阻抗函数模型：

式中，

为小型车车交通量为

大型客货车交通量为

时，路段a的整体行程时间；t₀(a)为交通量为自由流时，路段a的行程时间；C_a为路段a的通行能力；a₁，a₂，β₁，β₂为模型参数，根据道路上大、小型车辆的交通量、历史车速调查数据、道路等级等用最小二乘法确定，应根据不同道路交通情况而定。

表1参数拟合值

道路上各类车型交通量可根据车联网技术实时获取。故路径上各路段阻抗值为：

考虑道路突发事件引起的阻抗突变，通过网联车辆以及RSU检测突发事件类型等因素，并根据现场状况预测事件造成拥堵可能持续时间，作为突变阻抗T*。

考虑交叉口转向延误的阻抗：y_k(α,β)＝{f(k),l(k),r(k)},k为α，β之间节点，f(k),l(k),r(k)分别为在k点直行，左转，右转延误阻抗，可用Webster延误公式计算各方向延误时间t作为方向阻抗,

其中t为方向阻抗，C为信号周期，g为绿灯时间，x为饱和度，q为进口道交通流量。路径上交叉口延误：

总的阻抗：D＝T+T*+Y。

Step6：根据最优路径计算车辆在最优路径当前节点到达下一节点阻抗值。

Step7：判断当前节点与下一节点间是否发生阻抗突变，如是则返回step4，同时向上游车辆以及路侧设施发送造成阻抗突变的原因及现场情况，由路侧设施和云计算中心判断影响范围，预测原路径通行时间，以及推荐绕行路径行程时间，对上游受影响范围内路径进行阻抗更新。否则进入Step8。

针对step7中突发事件引起的阻抗突变。判断事件类型，预测事件持续时间，影响范围，对范围内路径阻抗进行更新，以提前进行车辆分流，防止拥堵加剧。突发事件的检测由智能网联车辆和智能路侧设施共同完成，同时对事件类型及预计持续时间进行判别计算。拥堵影响范围：S＝V_f×T_s。其中S为拥堵影响范围，V_f为路段自由流车速，T_s为预计持续时间。

根据事件影响范围，在路网层面对车辆进行诱导。参见图2，当S<l_sa时，对当前路段车辆进行限速，变道诱导，同时更新当前路段交通阻抗，并向上有车辆发送示警信息。其中，l_sa为事件发生地点与上游第一个交叉口之间的距离。

当l_sa<S<l_sb时，对事件点与上游第一个交叉口间车辆进行车速、车道诱导，向上游第一个交叉口与第b个交叉口间车辆发送警告信息并进行强制分流诱导，云计算中心通过对比拥堵时间及绕行时间为影响范围内车辆规划新的路径，通过智能路侧设施向该范围内车辆发送绕行路线，对b交叉口上游车辆发送示警信息及推荐行驶路径。其中，l_sa为事件发生地点与上游第一个交叉口之间的距离，l_sb为事件发生地点与上游第b个交叉口之间的距离。

Step8：判断下一交叉口是否为终点，若是则结束诱导；否则以当前交叉口为新的起点驶往下一节点。

Step9：确定车辆到达下一节点的时间，并在车辆进入诱导区域时更新下游路段交通阻抗，选择到终点阻抗最小的路径；更新诱导路径并返回Step6。

Step10：输出阻抗值最小路径。

上述车联网环境下干线公路交通诱导方法中，将路网中的实际交通流量信息转化成实时阻抗信息。分别从路网、路径、路段层面对车辆进行分级诱导，在路网层面获取到OD可达路径后，通过路网阻抗计算，获取当前阻抗最小的最优路径，将最优路径以交叉口为节点，车辆加载的形式实现路段的逐步选择。并将路段实施阻抗变化以正向反馈的形式作用于路径和路网，进行阻抗的更新。可有效体现路网内交通状况的实时动态变化，有效避免或缓解路网交通拥堵。提高出行效率。

实施例二

本实施例以S342羊尖段局部路网进行实施例分析，帮助进一步说明本专利实施方法，该区域路网拓扑结构图如图4示，考虑到干线公路大型客货车辆多，对道路基础设施要求高，因此拓扑结构图中只保留了高等级公路，包括普通国省干线道和高等级支路，而去除了低等级的乡镇村道路。

参考图1所示，图1为一个实施例的车联网环境下干线公路多级诱导方法流程图，图3为车联网环境下数据流向示意图，在车联网环境下以普通国省干线车辆进行三级诱导，包括：

一级诱导：从路网层面出发，基于路网结构，云计算平台对发出出发请求的车辆进行相对路径规划。得到OD间可通行路径集合L，组成可达路径的集合为：L＝{l₁,l₂,…l_i…l_n}.其中l_i为第i条可达路径。

二级诱导：从路径层面出发，根据可达路径集合，及基于当前路网阻抗，计算OD间最优路径，得到最优路径L^*,构成最优路径的路段组合为：L^*＝{l_i1,l_i2,…l_ij}其中l_ij为路径i上的第j个路段。

三级诱导：从路段层面出发，通过流量加载的形式，以交叉口为节点，对最优路径内车辆进行逐步多阶段诱导。同时将路段实时交通状况按照一定时间周期更新到路网阻抗中。实现三级诱导对二级和一级诱导的正向反馈。

基于图4实施例路网拓扑结构图的具体实施步骤如下：

(1)Step1:根据实际路网状况，利用车辆网联技术获取车辆自身信息，起始点O点、目的地D点在路网中所处的位置信息，并将其发送到云计算平台。

(2)Step2:以交叉口作为节点，交叉口间路段作为边，构建路网拓扑结构图，如图3示，在该图中去除了较低等级的乡村道路，保留了国省干线及等级较高的支路。

(3)Step3:云计算平台在地图上为车辆规划出从OD点到D点的可达路径集合L，因为从O-A只有唯一的可达路段，A-B之间有2条可选路径，B-C之间4条路径可选，C-E之间4条路径可选，E-D之间4条路径可选，故OD间可达路径组合方式共有128种，即L＝{l₁,l₂,…l₁₂₈}。

(4)Step4:利用车联网实时信息感知与交互能力，提取道路动态实时交通信息，(不同类型车辆数、车辆行驶速度等)。

(5)Step5:将所述路径分隔为多个路段，并根据Step4获取的实时路段的交通状况，计算每个路段的道路阻抗和交叉口延误阻抗；遍历下游路径综合(路段阻抗+交叉口阻抗+突变阻抗)阻抗，对比各路径阻抗值，确定阻抗值最小的路径作为初始最优路径L^*。

(5.1)其中，路段阻抗计算公式：

(5.2)主干路阻抗：

(5.3)支路阻抗：

(5.4)

和

分别为路段a上小型客车交通量，大型客货车交通量，由车联网技术获取。

(5.5)突变阻抗T*，事件造成拥堵可能持续时间，由网联车辆及RSU计算得到。

(5.6)考虑交叉口转向延误的阻抗：y_k(α,β)＝{f(k),l(k)，r(k)},k为α，β之间节点，f(k),l(k),r(k)分别为在k点直行，左转，右转延误阻抗，可Webster延误公式计算方向延误时间t作为方向阻抗，

其中t为方向阻抗，C为信号周期，g为绿灯时间，x为饱和度，q为进口道交通流量。路径上交叉口延误：

(5.7)各路径总的阻抗：Di＝Ti+Ti*+Yi

(6)Step6:确定最优路径及车辆从起点到达下一节点阻抗值，并将路段阻抗值反馈到路径和路网中，以便实时更新路网阻抗，从而实时规划最优路径。

(7)Step7:判断当前节点与下一节点间是否发生阻抗突变，当车辆行驶到C点时，由于CE段突发事件S造成阻抗突变，则对事件类型进行判断，并计算事件造成拥堵影响范围及持续时间，最影响范围内车辆进行诱导限速、变道，分流，同时更新路段阻抗，向上游车辆发送示警信息。

(8)Step8:判断下一交叉口是否为终点，若是则结束诱导；否则以当前交叉口为新的起点驶往下一节点。

(9)Step9：确定车辆到达下一节点的时间，并在车辆进入诱导区域时更新下游路段交通阻抗，选择到终点阻抗最小的路径；更新诱导路径并返回Step6；

(10)Step10：输出最优路径，诱导结束。

本发明所述的车联网环境下干线公路交通诱导方法，能够利用车联网技术实施监测道路运行状况，根据路网实际交通阻抗对车辆进行分级诱导，可有效缓解交通拥堵，提高行驶效率。

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (2)

1.一种车联网环境下的干线公路交通诱导方法，其特征在于，所述诱导方法包括以下步骤：

通过驾驶员发出的出发请求获取相应的起讫点信息；

构建路网结构图；

采用分级诱导的方式，对道路车辆进行实时动态诱导：

一级诱导：从路网层面出发，基于路网结构图，对发出出发请求的车辆进行相对路径规划，得到起讫点之间可通行路径集合L，组成可达路径的集合为：L＝{l₁,l₂,…,l_i,…,l_n}，其中l_i为第i条可达路径；

二级诱导：从路径层面出发，根据可达路径的集合，基于当前路网阻抗，计算起讫点之间的阻抗值，得到阻抗最小的最优路径L^*，构成最优路径的路段组合为：L^*＝{l_i1,l_i2,…l_ij}，其中l_ij为路径i上的第j个路段；

三级诱导：从路段层面出发，通过流量加载的形式，以交叉口为节点，计算组成最优路径的各路段当前阻抗，同时将路段实时交通状况按照一定时间周期更新到路网阻抗中，使三级诱导的结果对二级诱导和一级诱导的过程进行正向反馈；

所述一级诱导的过程包括以下步骤：

利用车联网实时信息感知与交互能力，提取道路动态实时交通信息，转化成道路实时交通阻抗，为车辆规划阻抗最优路径；该道路动态实时交通信息包括车辆类型、交通流量和车辆位置；其中，通过道路等级对阻抗的影响来限定不同车辆类型和路径搜索范围；

所述通过道路等级对阻抗的影响来限定不同车辆类型和路径搜索范围包括以下步骤：

将车辆类型分为大型客货运车辆和小型轿车；

计算路网阻抗作为初始阻抗，提出如下路段阻抗函数模型：

式中，

为小型车交通量为

大型客货车交通量为

时，路段a的整体行程时间；t₀(a)为交通量为自由流时，路段a的行程时间；C_a为路段a的通行能力；a₁，a₂，β₁，β₂为模型参数，根据道路上大、小型车辆的交通量、历史车速调查数据、道路等级采用最小二乘法确定；

所述二级诱导的过程包括以下步骤：

将一级诱导过程得到的阻抗最优路径分隔为多个路段，并根据实时路段的交通状况，计算每个路段的道路阻抗和交叉口延误阻抗；

遍历下游路径综合阻抗，对比各路径阻抗值，确定阻抗值最小的路径作为初始最优路径L^*；综合阻抗为路段阻抗、交叉口阻抗和突变阻抗之和；

所述将一级诱导过程得到的阻抗最优路径分隔为多个路段，并根据实时路段的交通状况，计算每个路段的道路阻抗和交叉口延误阻抗的过程包括以下步骤：

根据车联网技术实时获取路径上各类车型的交通量，根据下述公式计算得到路径上各路段阻抗值：

式中，

为路段a的整体行程时间，n是路径上的路段总数；

获取网联车辆以及RSU检测得到的突发事件类型，并根据现场状况预测事件造成拥堵可能持续时间，作为突变阻抗T*；

根据下述公式计算得到第k个交叉口转向延误的阻抗：

y_k(α，β)＝{f(k),l(k),r(k)}

式中，k为α、β之间节点，f(k),l(k),r(k)分别为在k点直行、左转和右转时的延误阻抗；

采用Webster延误公式计算各方向延误时间t作为方向阻抗，

其中t为延误时间，C为信号周期，g为绿灯时间，x为饱和度，q为进口道交通流量；

则路径上交叉口延误为：

所述将路段实时交通状况按照一定时间周期更新到路网阻抗中，使三级诱导的结果对二级诱导和一级诱导的过程进行正向反馈的过程包括以下步骤：

S1，根据最优路径计算车辆在最优路径当前节点到达下一节点阻抗值；

S2，判断当前节点与下一节点间是否发生阻抗突变，如是则返回一级诱导，重新规划阻抗最优路径，同时向上游车辆以及路侧设施发送造成阻抗突变的原因及现场情况，由路侧设施和云计算中心判断影响范围，预测原路径通行时间，以及推荐绕行路径行程时间，对上游受影响范围内路径进行阻抗更新；否则进入S3；

S3，判断下一交叉口是否为终点，是则结束诱导；否则以当前交叉口为新的起点驶往下一节点；

S4，确定车辆到达下一节点的时间，并在车辆进入诱导区域时更新下游路段交通阻抗，选择到终点阻抗最小的路径；更新诱导路径并返回S1；

S5，输出阻抗值最小路径；

步骤S2中，所述由路侧设施和云计算中心判断影响范围，预测原路径通行时间，以及推荐绕行路径行程时间，对上游受影响范围内路径进行阻抗更新的过程包括以下步骤：

S21，对事件类型及预计持续时间进行判别计算，根据下述公式计算得到拥堵影响范围：

S＝V_f×T_s

式中，S为拥堵影响范围，V_f为路段自由流车速，T_s为预计持续时间；

S22，根据事件影响范围，在路网层面对车辆进行诱导：

当S<l_sa时，对当前路段车辆进行限速，变道诱导，同时更新当前路段交通阻抗，并向上有车辆发送示警信息；其中，l_sa为事件发生地点与上游第一个交叉口之间的距离；

当l_sa<S<l_sb时，对事件点与上游第一个交叉口间车辆进行车速、车道诱导，向上游第一个交叉口与第b个交叉口间车辆发送警告信息并进行强制分流诱导，云计算中心通过对比拥堵时间及绕行时间为影响范围内车辆规划新的路径，通过智能路侧设施向该范围内车辆发送绕行路线，对b交叉口上游车辆发送示警信息及推荐行驶路径；其中，l_sa为事件发生地点与上游第一个交叉口之间的距离，l_sb为事件发生地点与上游第b个交叉口之间的距离。

2.根据权利要求1所述的车联网环境下的干线公路交通诱导方法，其特征在于，所述构建路网结构图的过程包括以下步骤：

获取连接城乡不穿越城镇的普通国省干线；

去除低等级支路，该低等级支路包括低等级农村公路和大型车辆不可通行的含桥隧路段；

以交叉口作为节点，交叉口间的路段作为边，构建路网结构图。

Images