CN113781806B - 一种用于智能网联环境下的混合交通流通行方法 - Google Patents

一种用于智能网联环境下的混合交通流通行方法 Download PDF

Info

Publication number
CN113781806B
CN113781806B CN202111111861.3A CN202111111861A CN113781806B CN 113781806 B CN113781806 B CN 113781806B CN 202111111861 A CN202111111861 A CN 202111111861A CN 113781806 B CN113781806 B CN 113781806B
Authority
CN
China
Prior art keywords
bus
lane
vehicles
vehicle
intermittent
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.)
Active
Application number
CN202111111861.3A
Other languages
English (en)
Other versions
CN113781806A (zh
Inventor
刘昱岗
贺山成
易洪波
李佳励
唐李莹
郑帅
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.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong 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 Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN202111111861.3A priority Critical patent/CN113781806B/zh
Publication of CN113781806A publication Critical patent/CN113781806A/zh
Application granted granted Critical
Publication of CN113781806B publication Critical patent/CN113781806B/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
    • G08G1/07—Controlling traffic signals
    • G08G1/087—Override of traffic control, e.g. by signal transmitted by an emergency vehicle
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096783—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a roadside individual element

Abstract

本发明属于城市智能交通领域，公开了一种用于智能网联环境下的混合交通流通行方法，包括：研究分析混合交通流的特点；确定智能网联环境下混合交通流运行策略，包括普通路段处的间歇式公交专用车道通行策略和交站点处的间歇式公交专用车道通行策略。本发明在对智能网联环境交通流特性分析和间歇式公交专用车道研究的基础上，提出智能网联环境下间歇式公交专用车道通行方法，通过将智能网联车辆合理分配至公交车道，对该方法下道路车流运行效率和适用条件进行研究，在保证公交相对优先的同时，有效提高公交车道的利用率。

Description

一种用于智能网联环境下的混合交通流通行方法
技术领域
本发明属于城市智能交通领域，涉及一种在智能网联环境下合理组织混合交通流的通行方法。
背景技术
近年来，随着车路信息交互技术的发展成熟，智能网联交通系统与自动驾驶汽车技术融合下的智能网联车辆Connected and Automated Vehicle CAV为消除道路驾驶差异、改善交通流固有属性，解决各类交通问题提供了一种新思路。与传统交通环境下的人工驾驶车辆Manual Vehicle MV相比，智能网联车辆在具备自动驾驶能力基础上，能够通过车-车 Vehicle-to-Vehicle V2V通信技术实现协同自适应巡航控制CooperativeAdaptive Cruise Control CACC，将车辆行驶动态信息在周围道路和车辆间实时交互，具有行驶安全可靠、通行高效稳定以及能耗节约环保的潜力。
目前，我国正处于传统交通环境向智能网联交通环境发展的过渡阶段，未来一定时期内，道路上将仍以智能网联车辆与人工驾驶车辆混行为主。智能网联环境发展初期，道路上智能网联车辆、人工驾驶车辆以及公交等慢行车辆组成的混合交通流，由于具有不同的物理特点和速度特性，车辆间易形成干扰，尤其对于公交车辆，更易受到混合交通流影响，公交优先通行权益难以保障，无法充分发挥智能网联环境高效稳定的运行效用。
基于此，利用智能网联车辆反应时间短、换道跟驰灵活、车头时距小、协同控制能力强的特点，提出一种智能网联环境下混合交通流通行方法，将智能网联车辆合理布置在公交车道上，在保证公交优先、提高车道利用率的同时，能够明显减少不同类型车辆间的相互干扰，有效提高路段通行效率。
发明内容
为解决上述问题，本发明的技术方案为：
一种用于智能网联环境下的混合交通流通行方法，所述混合交通流是指由智能网联车辆、人工驾驶车辆以及公交车辆构成的混合交通流，即混合交通流中包括三种类型的车辆，分别为智能网联车辆CAV、人工驾驶车辆MV和公交车，其中智能网联车辆CAV 包括合作自适应巡航控制系统CACC和自适应巡航控制系统ACC：所述通行方法包括以下步骤：
S1、基于传统道路环境下间歇式公交车道Intermittent Bus Lane IBL和具有间歇性优先权的公交车道Bus Lane with Intermittent Priority BLIP的运行规律，如图1所示，研究智能网联环境交通特性；定义道路环境为包括间歇式公交车道IBL和具有间歇性优先权的公交车道BLIP，并且CAV可以通过车辆对车辆通信技术获得同类车辆的速度和位置，实现车辆之间的双向信息通信，公交车携带车辆到道路通信技术，并可以将公交运行状态信息发送到 CAV；
S2、以路段上有无公交站点为划分依据，确定智能网联环境下混合交通流运行方法；
普通路段处的间歇式公交专用车道通行方法：
将最右侧道路定义为间歇式公交专用车道IBL，在智能网络环境中，IBL不对所有社会车辆开放，只有CAV才能进入IBL，而MV只能在通用车道GL上行驶，公交车辆只在IBL 上行驶，不能进入常规机动车道行驶，当间歇式公交车道达到饱和时，CAV优先在相邻机动车道行驶；
IBL上清空距离Lclear的设置方法是：当公交车到达时，CAV禁止在公交车下游的预留距离内行驶，并对预留距离内的车辆发送换道驶离指令，公交车辆上游的智能网联车辆可自由换道至公交车道行驶：
Figure GDA0003597856400000021
其中，Lf为预留清空距离值，单位：km，为避免上游车辆超车对公交产生延误而设置；tstop是公交车站点停靠服务时间，单位：h；i为子路段编号，取值为1,2,…,n；S为0-1 变量，表示研究路段上是否设有公交车站；li为IBL上第i个子路段的路段长度，单位： km；v*为公交车期望运营速度；
Figure GDA0003597856400000022
为IBL上第i个子路段的社会车辆平均车速，单位：km/h；
公交站点处的间歇式公交专用车道通行方法：
对于非港湾式站台类型，在非港湾式站点前后设置预留距离，以保证CAV在到达公交站点前提前完成变道；对于港湾式站台类型，当公交进入站点前，预留距离范围内的车辆可以正常跟随行驶，并在公交进站后无需变道驶过站点，当公交进入站点后，路侧单元向上游车辆发送指令，预留距离范围内禁行车辆。
本发明的有益效果为：在对智能网联环境交通流特性分析和间歇式公交专用车道研究的基础上，提出智能网联环境下间歇式公交专用车道通行方法，通过将智能网联车辆合理分配至公交车道，对该方法下道路车流运行效率和适用条件进行研究，在保证公交相对优先的同时，有效提高公交车道的利用率。
附图说明
图1为间歇式公交专用车道通行方法下车流运行规则。
图2为非港湾式公交站点处的车流通行方法示意图。
图3为港湾式公交站点处的车流通行方法示意图。
图4为CACC控制逻辑流程图。
图5为间歇式公交专用车道通行方法实施路段上车辆换道判断过程。
图6为CaseA：间歇式公交专用车道通行方法实施后交通仿真情景。
图7为CaseB：间歇式公交专用车道通行方法实施前交通仿真情景。
图8为CaseC：增设CAV专用车道交通仿真情景。
图9为人工驾驶车辆协作换道策略示意图。
图10为智能网联车辆协作换道策略示意图。
图11为智能网联车辆协作强制换道策略示意图。
图12为混合交通流密度-流量基本图。
图13为不同CAV渗透率下CaseA仿真情景的混合交通流密度-流量关系。
图14为不同CAV渗透率下CaseB仿真情景的混合交通流密度-流量关系。
图15为不同CAV渗透率下CaseC仿真情景的混合交通流密度-流量关系。
图16为不同渗透率下各仿真情景的混合交通流密度-流量关系。
图17为不同公交车头时距下的速度-密度关系图。
图18为间歇式公交专用车道通行方法下三车道换道行为。
图19为通行方法实施前后各车道平均速度分布情况。
图20为通行方法实施前后各类型车辆的速度-密度关系。
图21为通行方法实施前后各类型车辆行程延误。
图22为各密度条件下公交瞬时油耗累计分布。
图23为间歇式公交专用车道通行方法实施前后道路断面乘客通过能力。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例：
由于本发明的提出基于未来智能网联车辆与人工驾驶车辆混行背景，无法以实际案例对本发明应用后的实际效果进行展示。现依托计算机软件MATLAB搭建仿真系统，按照所制定的单车道跟驰演化规则和多车道换道决策模型更新混合交通流的速度和位置信息，并对道路环境进行合理限定；并且进一步对模型结果以及通行方法进行验证，分析其影响因素以及适用的条件，并进行运行效益的评价。
基于智能网联环境下合理组织混合交通流的通行方法，所述方法包括如下步骤：
S1、研究智能网联环境交通特性：
智能网联车辆驾驶特性分析：反应时间上，智能网联车辆远小于人工驾驶车辆，可设定人工驾驶车辆反应时间τ＝1s，不考虑智能网联车辆反应时间；安全距离方面，智能网联车辆相较于人工驾驶车辆明显缩短；速度方面，智能网联车辆在保持较小车头间距的同时以能较高速度行驶，交通流更加稳定；加减速方面，智能网联车辆发生随机慢化的概率远小于人工驾驶车辆；换道方面，只要智能网联车辆满足换道条件，便会执行换道策略，而满足换道条件的人工驾驶车辆在一定概率下才会实施换道。
混合交通流运行特性分析：
车流组成上，由CAV、MV和公交车三种类型的车辆组成，且假设公交车辆不具备自动驾驶车辆特点仅具备联网能力；智能网联车辆间能够进行双向的信息交流；人工驾驶车辆无法与道路或其他车辆形成信息共享。
跟驰行为分析方面：依据车流运行规则，常规车道上可进一步将智能网联车辆的跟驰类型分为A-M、C-C、C-A三种，人工驾驶车辆的跟驰类型分为M-M、M-C、M-A 三种；间歇式公交车道上的车辆跟驰类型可分为C-C、A-B、B-C三种，其中各类型车辆的比例满足：
Figure GDA0003597856400000051
车辆换道行为方面：可分为普通换道、强制换道、协作换道。其中，普通换道包含了社会车辆(包括智能网联车辆和人工驾驶车辆)在常规机动车道间的换道行为和公交下游清空距离以外的智能网联车辆在间歇车道与常规机动车道间的换道行为；强制换道要求当间歇车道上的智能网联车辆位于公交下游清空距离内时，不论其是否具有换道意愿，都对其采取强制换道，以保证公交具有良好的行车环境；协作换道是指换道车辆在具有换道意愿或换道指令后，向目标车道的前后发出换道信号，迫使目标车道的跟随车主动减速，以达到换道安全条件，从而协助换道车辆成功实施换道。
S2、智能网联环境下混合交通流运行方法：
以智能网联交通系统发展初期为背景，对混合交通流的组织管理策略进行研究，将智能网联车辆反应迅速、换道跟驰灵活、实时通信传输及协同控制能力强的特点与间歇式公交车道控制方法相结合，这里根据路段上有无公交站点，创新性地提出两种智能网联车辆借用公交车道行驶的间歇通行方法。
普通路段处的间歇式公交专用车道通行方法：
明确路段上的三条车道，即左侧、中间为常规机动车道，右侧为间歇式公交专用车道。对于人工驾驶车辆而言，只能在常规机动车道上行驶；对于智能网联车辆，可以在三条车道上行驶；公交车只能在专用道上行驶。
明确公交车下游的清空距离大小。当公交到达时，路侧单元向公交下游清空距离范围内的车辆发送禁止换道指令，并对清空距离内的车辆发送换道驶离指令，公交车辆上游的智能网联车辆可自由换道至公交车道行驶。所以，为了保证间歇式公交专用车道通行方法下的公交车辆通行权益，实现公交相对优先，就需要在公交车辆下游设置一定的清空距离，其大小参考发明内容中的计算公式。
公交站点处的间歇式公交专用车道通行方法：
公交站点处的车流组织和车道设置是影响公交车道通行能力的重要因素，为减少通行方法实施路段上公交站点处的交通冲突，避免对公交进出站产生干扰，需要将公交站点处的路段通行情况考虑在内。
如图2所示，对于非港湾式公交站点，需在其前后设置一定的预留距离。此时，通行规则为：当公交站点内有公交车辆时，预留距离范围内的车辆强制换道至相邻车道，并禁止相邻车道的智能网联车辆换道至公交车道；当站点内没有公交停靠时，车辆可正常行驶。
如图3所示，对于港湾式公交站点而言，虽然港其完成乘客的上下车不占据公交车道，但停靠服务时间(即乘客上下车时间)受站点客流需求、站台乘客混乱程度等因素影响较大，所以仍旧需要在其前后设置预留距离。此时，通行规则的为：当公交进入站点前，预留距离范围内的车辆可以正常跟随行驶，并在公交进站后无需变道驶过站点；当公交进入站点后，路侧单元向上游车辆发送指令，预留距离范围内禁行车辆。
为了证明本方法的有效性，现基于交通流基本理论，进行模型构建，并依托计算机软件 MATLAB搭建仿真系统进行验证；
移动瓶颈影响下路段通行能力理论计算模型：
由于智能网联环境下混合交通流中包含公交这类慢行车辆，因此间歇式公交车道通行方法实施后路段的通行能力将介于设置专用式公交专用道的路段通行能力与原始道路通行能力之间。针对道路上两种类型的车道，其通行能力大小计算模型为：
(1)常规机动车道通行能力推算公式：
Figure GDA0003597856400000061
其中，C0是纯人工驾驶环境下道路通行能力，I为混合交通流车队车辆数，M为智能网联车辆数，N为人工驾驶车辆数，λ(0<λ<1)用以表示两种类型车辆的车间时距关系，γ为混合交通流车队与智能网联车辆数量的比值，即γ＝I/M，αg为常规机动车道上智能网联车辆的比例，即αg＝M/(M+N)；
(2)间歇式公交车道通行能力推算公式：
Figure GDA0003597856400000071
其中，ng为常规机动车道数目，nb为允许智能网联车辆行驶的间歇式车道数，p0为间歇式车道达到饱和状态时对应的CAV渗透率，当渗透率较低时，常规车道行驶的智能网联车辆比例αg＝α0，当渗透率较高时，
Figure GDA0003597856400000072
车辆跟驰模型的建立：
单车道上不同类型的车辆具有不同的跟驰行驶特性，现基于TSM元胞自动机模型和 PATH实验室标定模型，对车辆类型和元胞尺寸重新定义，分别制定智能网联车辆和人工驾驶车辆的跟驰规则，建立车辆的跟驰模型：
(1)CACC车辆纵向控制模型：
en(t)＝Xn+1(t)-Xn(t)-l-s0-tcvn(t)＝dn(t)-s0-tcvn(t)；
Figure GDA0003597856400000073
Figure GDA0003597856400000074
Figure GDA0003597856400000075
Figure GDA0003597856400000076
其中，en(t)为车辆n在时刻t与前车的实际车间距与期望车间距的误差；l为前车的车辆长度，取5m；s0为最小安全停车间距，取2m；tc为CACC车辆期望车间时距；
Figure GDA0003597856400000077
为PATH实验室标定模型求得的CACC车辆速度；
Figure GDA0003597856400000078
为CACC车辆系统的控制步长，取 0.1s；kp为车间距误差项控制参数，可取0.45；kd为车间距误差微分项控制参数，可取 0.25；
Figure GDA0003597856400000079
为CACC车辆在下一控制步长后的更新速度；
Figure GDA00035978564000000710
为CACC车辆的最大速度；
(2)ACC车辆纵向控制模型，如图4：
en(t)＝dn(t)-s0-tavn(t)；
a'n(t)＝k1en(t)+k2(vn+1(t)-vn(t))；
vn(t+1)＝vn(t)+an(t)；
Figure GDA0003597856400000081
Figure GDA0003597856400000082
Figure GDA0003597856400000083
Figure GDA0003597856400000084
Figure GDA0003597856400000085
Figure GDA0003597856400000086
其中，a'n(t)为PATH实验室标定模型求得的ACC车辆加速度；ta为ACC车辆的期望车间时距；k1为车间距误差项控制参数；k2为速度差项控制参数；an(t)为ACC车辆在时刻t 的加速度；
Figure GDA0003597856400000087
为ACC车辆的最大速度；
Figure GDA0003597856400000088
为ACC车辆与前车在时刻t的期望间距；
Figure GDA0003597856400000089
为ACC车辆在时刻t的安全速度；vn+1,max为ACC车辆前车的最大速度，根据跟驰情况取人工驾驶社会车辆或公交车辆的最大加速度值；
(3)人工驾驶车辆跟驰模型：
Figure GDA00035978564000000810
Figure GDA00035978564000000811
vn(t+△t)＝min(dn(t)/△t,vn(t+△t))；
Xn(t+△t)＝Xn(t)+vn(t+△t)△t；
Figure GDA0003597856400000091
Figure GDA0003597856400000092
其中，△t为人工驾驶车辆的控制步长，△t＝1s；τ为车辆驾驶员的反应时间，人工驾驶车辆驾驶员的反应时间τ取1s；人工驾驶车辆的期望间距
Figure GDA0003597856400000093
前车期望速度vanti、随机减速度brand及随机慢化概率pn计算方法与TSM模型相同。
车辆换道模型的建立：
车辆在间歇式公交专用车道上行驶时，按照其是否受到上游公交车辆的影响，将车辆换道行为分为自发性普通换道和强制换道两种，但依据本通行方法下的混合交通流运行规则，还存在协作换道规则，如图5。
(1)普通换道规则：
Figure GDA0003597856400000094
换道动机：
Figure GDA0003597856400000095
Figure GDA0003597856400000096
安全条件：
Figure GDA0003597856400000097
Figure GDA0003597856400000098
其中，dsafe为换道车辆与目标车道上紧邻后车的安全距离；s0为最小安全停车间距；τ为驾驶员反应时间，当目标车辆为智能网联车辆时，τ＝0；
Figure GDA0003597856400000099
为位于车道j上的目标车辆 n的速度；
Figure GDA00035978564000000910
为相邻车道j±1上后车n-1的速度；
Figure GDA00035978564000000911
为车道j上的车辆n与同车道前车在时刻t的车间距；
Figure GDA00035978564000000912
为车道j上的车辆n与相邻车道j±1上的紧邻前车在时刻t的车间距；α为换道安全距离修正系数；
Figure GDA00035978564000000913
为车道j上的车辆n与目标车道j±1上的紧邻后车在时刻t的车间距；
Figure GDA0003597856400000101
为智能网联车辆的换道概率；
Figure GDA0003597856400000102
为目标车道紧邻后方的公交车辆的位置；Lclear为公交清空距离；
(2)强制换道规则：
适用于公交车道上的智能网联车辆位于公交清空距离内时，只要满足换道安全条件都必须实施换道，可描述为：
换道动机：
Figure GDA0003597856400000103
安全条件：
Figure GDA0003597856400000104
(3)协作换道规则：
在常规机动车道上，协作换道策略一般发生在帮助智能网联车辆加入CACC车队时，而对于人工驾驶车辆离开CACC车队进入人工驾驶车队则较难发生，如图9-10，原因在于人工驾驶车辆受驾驶员主观因素影响大，往往不能在该情况下立即进行协作换道，需要在具有换道动机时才会选择换道；
在间歇式公交车道上，当智能网联车辆满足强制换道条件后，会通过V2V通信技术或转向灯向冲突车辆(相邻车道上紧邻前后车)发送换道请求，冲突车辆减速或加速，创造良好换道条件，如图11，可描述为：
Figure GDA0003597856400000105
Figure GDA0003597856400000106
其中，
Figure GDA0003597856400000107
为车队i的目标车道上紧邻后车在时刻t的速度；
Figure GDA0003597856400000108
为车队i的目标车道上紧邻前车在时刻t的速度；bmax为车队i的目标车道上紧邻后车的最大减速度；
Figure GDA0003597856400000109
为车队i的目标车道上紧邻前车在时刻t的加速度；
Figure GDA00035978564000001010
为车队i的目标车道上紧邻后车在时刻t的位置；
Figure GDA0003597856400000111
为车队i的目标车道上紧邻前车在时刻t的位置；
模型的边界条件以及相关参数的确定；
选择开放性边界条件，具体为：对路段入口的社会车辆采用扩展左边界条件，以入境概率pin生成车辆，公交车辆则不受入境概率限制，以固定频率进入间歇式公交车道；路段出口采用周期右边界条件，以出境概率pout离开研究路段；
参数确定：表1为模型参数的设置情况，表2为仿真系统的参数设置情况，相关数据选择美国交通部发布的NGSIM(the Next Generation Simulation)数据集，并做去噪以及指数式递减加权的移动平均法处理，另外选择元胞的尺寸为1m；
表1模型参数的设置情况表
Figure GDA0003597856400000112
表2仿真系统参数设置
Figure GDA0003597856400000113
Figure GDA0003597856400000121
三种仿真情景搭建：
为了探究不同交通条件对智能网联环境下间歇式公交专用车道通行方法的影响情况，现搭建三种仿真情景，参考发明内容。
利用搭建的仿真平台，对三种情景的车道通行能力进行分析，并从CAV渗透率、公交车车头时距、公交车站点数三个方面进行影响因素分析，如图6-图8；
1、通行能力分析：为了对混合交通流跟驰和换道模型进行验证，采用基本图法对模型仿真后单车道和双车道的密度-流量基本图进行分析，结果如图12所示，表明所构建的混合交通流元胞自动机模型能够真实模拟出三相交通流及其相变过程，其中单车道分析结果表示跟驰换道规则制定合理有效，双车道分析结果表示换道规则合理有效；
通过对通行方法实施前后传统人工驾驶环境和智能网联环境下的通行能力进行对比分析，结果如表3所示，表明智能网联环境下实施间歇式公交专用车道通行方法相较传统交通环境更具优势；
表3智能网联环境与传统人工驾驶环境下道路通行能力对比
Figure GDA0003597856400000122
进一步探究CAV渗透率、公交车头时距，对间歇式公交专用车道通行方法实施后道路通行能力折减情况的影响，结果如表4、表5所示：
表4不同交通环境下通行方法实施后道路通行能力
Figure GDA0003597856400000123
表5不同交通环境下通行方法实施后通行能力折减比例
Figure GDA0003597856400000131
2、基于三车道仿真模型，通过设置不同的CAV渗透率、公交车头时距及公交站点数目，研究上述三种因素对间歇式公交专用车道通行方法运行效果的影响情况：
(1)不同CAV渗透率对间歇式公交专用车道通行方法运行的影响结果如图13-图16所示，结果表明CAV渗透率低于0.5时，实施间歇式公交专用车道通行方法虽然会在一定程度上降低社会车辆流量，但能够明显提高公交通过能力；CAV渗透率高于0.5时，实施通行方法会提高道路整体流量，有效保证混合交通流的稳定性，具有明显优势；CAV渗透率较高时，增设CAV专用车道的间歇式公交专用车道通行方法更优；
(2)公交车头时距对间歇式公交专用车道通行方法运行的影响结果如图17所示，结果表明随着公交车头时距的增大，通行方法的实施能够在明显提高公交车辆的运行速度的同时，降低对常规机动车道上其他车流的干扰，混合交通流中各类型车流得到合理组织，有效提高路段车流的通过效率；
(3)公交站点数目对间歇式公交专用车道通行方法运行的影响结果如图18所示，结果表明公交站点数目会显著影响间歇式公交专用车道通行方法的实施效果，当路段存在较多公交站点时，会使得借道行驶的智能网联车辆频繁换道至相邻车道，车辆换道进入公交车道的难度增大，导致间歇式公交车道利用率较低，无法保障该通行方法下智能网联车辆的通行权益；
对本发明提出的方法进行运行效益评价；
以人均出行时间作为衡量间歇式公交专用车道通行方法实施与否的指标，探究不同CAV 渗透率和公交车头时距下通行方法的适用密度条件，人均出行时间计算方法如以下公式：
Figure GDA0003597856400000132
其中，pCAV为CAV渗透率，ρ为道路交通流密度，vc、vm、vb为混合流中各类型车辆的速度，h为公交车头时距，Eb为公交当量系数，η1、η2为社会车辆和公交车的实际载客人数，并以间歇式公交专用车道通行方法实施前后的人均出行时间差，来判断条件是否合适；
通过分析，将道路交通流密度作为独立变量，得到不同公交车头时距下间歇式公交专用车道通行方法适用密度范围，如表6所示，另外综合智能网联环境下不同CAV渗透率的影响，得到表7，即不同CAV渗透率条件下间歇式公交专用车道通行方法适用密度条件；
表6不同公交车头时距下间歇式公交专用车道通行方法适用密度范围
Figure GDA0003597856400000141
表7不同CAV渗透率条件下间歇式公交专用车道通行方法适用密度条件
Figure GDA0003597856400000142
通过分析混合流各类型车辆速度分布、行程延误以及公交油耗等效益评价指标，对间歇式公交专用车道通行方法下智能网联车辆运行效率和公交优先保障方面进行评价：
(1)通过对中低密度条件下各个车道、各种车型的平均速度进行分析，得到如表8、图19、图20的结果，结果表明通行方法实施后，车道3上的社会车辆平均速度明显提高，公交车道上的社会车辆只有智能网联车辆，相较实施前平均车速提高约50.6％；公交车辆拥有相对优先的路权，平均速度明显提高，提高幅度较大，约49.3％；通行方法实施后，公交车辆速度波动较小，平均速度集中在40km/h左右，平均车速提高45.5％；智能网联车辆速度分布相对稳定，平均速度约为86.9km/h，提高约27％；当密度在60-90pcu/km范围时，实施通行方法后的公交车辆和智能网联车辆速度明显高于实施前，公交车速平均提高25％，智能网联车辆速度最大提高约1.17倍；在密度区间40-90pcu/km，通行方法实施后的车流平均速度明显高于实施前，速度优化效果明显，道路上车辆平均速度提高约30％；
表8中低密度条件下通行方法实施前后的车辆速度分布(单位：km/h)
Figure GDA0003597856400000143
Figure GDA0003597856400000151
(2)采用自适应权重线性加权融合方法，对不同车辆在不同密度条件下通过研究路段的平均时间进行分析，其结果如图21、表9所示，结果表示通行方法实施后智能网联车辆的延误增加相对缓慢，最大行程延误为6.8s，最大延误降低约72％；人工驾驶车辆延误随密度增大而大幅增加，车辆延误时间大于实施前；公交车辆最大延误值为26.7s，与通行方法实施前最大延误相比降低约41％；尽管间歇式公交专用车道通行方法会在一定程度上增大人工驾驶车辆的延误，但由于该方法在保证公交优先同时，为智能网联车辆提供了良好的行驶环境，因此，整体交通流行程延误略有降低；
表9通行方法实施前后车辆最大行程延误情况(单位：)
Figure GDA0003597856400000152
(3)根据相关研究结果，公交车油耗和行驶速度存在如下的关系：
y＝326.7x-0.765-8.876；
以适用密度范围内中低密度和高密度两种条件作为研究情景，对通行方法实施前后两种交通场景分别进行仿真，统计道路公交车辆的瞬时速度，并通过上式求得不同公交速度下的瞬时油耗，其结果如图22、表10所示，其结果表明在通行方法适用条件的中低密度范围时，通行方法实施前公交瞬时油耗均值为28.72L/km，有近70％的公交瞬时油耗在25L/km 以下，约80％的公交油耗在38L/km以下，约90％在60L/km以下；通行方法实施后公交瞬时油耗均值达到21.18L/km，相较实施前公交油耗降低约26.3％，有近70％的公交油耗在15L/km以下，约80％在25L/km以下，95％的公交油耗在50L/km，整体油耗降低显著；通行方法适用条件的高密度范围下，通行方法实施前公交油耗均值为41.67L/km，实施后公交油耗均值下降到32.33L/km，近70％的公交油耗在35L/km以下，近90％在64L/km以下，油耗均值降低约22.4％。虽然相比中低密度条件公交油耗降低幅度有所减缓，但通行方法仍在其适用密度范围内表现出良好的燃油经济性。
表10公交油耗统计分布情况(单位：L/100km)
Figure GDA0003597856400000161
(4)选取高密度条件，并设定CAV渗透率pcav＝0.5，公交车头时距h＝90s，社会车辆平均载客人数h1＝1.5，公交车辆的平均载客人数h2＝30。经过仿真统计并计算，得到不同仿真时步下的乘客通过人数，如图23所示，结果表明在各个仿真时步下，间歇式公交专用车道通行方法实施前后乘客总通过人数相差不大，搭乘社会车辆和公交车辆的乘客总人数大致相等；仿真时长较短时，通行方法实施前的通过人数略大于实施后；但随着仿真时长的增大，实施前后差异逐渐减小，在仿真时长3600s之后，通行方法实施后的乘客通过能力开始大于实施前；由此看来，尽管间歇式公交专用车道通行方法会在智能网联环境发展初期降低路段交通量，对道路通行能力产生折减，但随着路面智能网联车辆增加和公交流量增大，通行方法具有合理规划混合交通流的优势开始展现，城市路网乘客运输能力增大。这进一步验证了该通行方法在体现公交优先的同时，保障了智能网联车辆的高效运行，是智能网联环境下组织管理混合交通流的有效手段。
在本实施例中，(1)在对传统道路环境下间歇式公交专用车道车流运行规则研究的基础上，结合智能网联环境交通流特点，对传统道路环境下的间歇式公交专用车道通行规则进行改进，加入强制换道规则，形成智能网联环境下间歇式公交专用车道通行方法，为智能网联环境发展初期混合交通流的合理组织提供了一种思路。(2)结合智能网联环境混合交通流运行特性，对两状态安全速度模型进行改进，将PATH实验室标定的智能网联车辆跟驰模型进行离散化，加入通行方法下的换道规则，形成混合交通流元胞自动机模型，并通过基本图验证了模型的有效性。(3)通过对间歇式公交专用车道通行方法实施前后道路混合交通流运行情况的仿真，得出不同交通环境下通行方法实施路段的交通流特性。应用移动瓶颈理论对间歇式公交专用车道设置路段的通行能力进行折减计算，并通过仿真结果验证了理论计算公式的有效性。为进一步研究通行方法通行能力折减机理，对不同CAV渗透率和公交车头时距下道路通行能力的折减情况进行分析，并进一步探究不同CAV渗透率、公交车头时距及公交站点数目对通行方法实施效果的影响情况。(4)以人均出行时间作为通行方法适用条件的分析指标，研究不同公交车头时距和CAV渗透率下间歇式公交专用车道通行方法的适用条件，并从车辆速度、行程延误、公交油耗及乘客通过能力四个方面对通行方法的运行效益进行评价。结果表明：实施间歇式公交专用车道通行方法后，中低密度条件下，公交车速提高了49.3％，智能网联车辆速度平均提高27％；相较通行方法实施前，公交行程时间最大可节约14％，油耗降低26.3％，路段整体交通流行程延误降低28.63％，乘客总通过能力有效提高。
本实施例存在一定的局限性。(1)本实施例中建立的混合交通流元胞自动机模型目前的验证方法是通过基本图法以及对人工驾驶车辆跟驰模型的检验，缺少混合交通流实测数据的支撑；(2)论文研究结果基于交通仿真模拟得出，仿真过程易受到参数设置或运行环境的影响而导致结果数据有所偏差。(3)本实施例简化处理了公交车辆驾驶行为，并未对公交进出站行为、车流跟驰特性进行详细的研究，难以反映真实交通流中公交行驶特点。
本发明提出了一种一种在智能网联环境下合理组织混合交通流的通行方法，制定了跟驰规则与换道规则，还进一步探究通行能力折减情况与影响因素，并且以人均出行时间作为通行方法适用条件的分析指标，确定间歇式公交专用车道通行方法的适用条件并论证其运行效益。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种用于智能网联环境下的混合交通流通行方法，所述混合交通流是指由智能网联车辆、人工驾驶车辆以及公交车辆构成的混合交通流，即混合交通流中包括三种类型的车辆，分别为智能网联车辆CAV、人工驾驶车辆MV和公交车，其中智能网联车辆CAV包括合作自适应巡航控制系统CACC和自适应巡航控制系统ACC，其特征在于：所述通行方法包括以下步骤：
S1、定义道路环境为包括间歇式公交车道IBL和具有间歇性优先权的公交车道BLIP，并且CAV可以通过车辆对车辆通信技术获得同类车辆的速度和位置，实现车辆之间的双向信息通信，公交车携带车辆到道路通信技术，并可以将公交运行状态信息发送到CAV；
S2、以路段上有无公交站点为划分依据，确定智能网联环境下混合交通流运行方法；
普通路段处的间歇式公交专用车道通行方法：
将最右侧道路定义为间歇式公交专用车道IBL，在智能网络环境中，IBL不对所有社会车辆开放，只有CAV才能进入IBL，而MV只能在通用车道GL上行驶，公交车辆只在IBL上行驶，不能进入常规机动车道行驶，当间歇式公交车道达到饱和时，CAV优先在相邻机动车道行驶；
IBL上清空距离Lclear的设置方法是：当公交车到达时，CAV禁止在公交车下游的预留距离内行驶，并对预留距离内的车辆发送换道驶离指令，公交车辆上游的智能网联车辆可自由换道至公交车道行驶：
Figure FDA0003274170220000011
其中，Lf为预留清空距离值，单位：km，为避免上游车辆超车对公交产生延误而设置；tstop是公交车站点停靠服务时间，单位：h；i为子路段编号，取值为1,2,…,n；S为0-1变量，表示研究路段上是否设有公交车站；li为IBL上第i个子路段的路段长度，单位：km；v*为公交车期望运营速度；
Figure FDA0003274170220000012
为IBL上第i个子路段的社会车辆平均车速，单位：km/h；
公交站点处的间歇式公交专用车道通行方法：
对于非港湾式站台类型，在非港湾式站点前后设置预留距离，以保证CAV在到达公交站点前提前完成变道；对于港湾式站台类型，当公交进入站点前，预留距离范围内的车辆可以正常跟随行驶，并在公交进站后无需变道驶过站点，当公交进入站点后，路侧单元向上游车辆发送指令，预留距离范围内禁行车辆。
CN202111111861.3A 2021-09-23 2021-09-23 一种用于智能网联环境下的混合交通流通行方法 Active CN113781806B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111111861.3A CN113781806B (zh) 2021-09-23 2021-09-23 一种用于智能网联环境下的混合交通流通行方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111111861.3A CN113781806B (zh) 2021-09-23 2021-09-23 一种用于智能网联环境下的混合交通流通行方法

Publications (2)

Publication Number Publication Date
CN113781806A CN113781806A (zh) 2021-12-10
CN113781806B true CN113781806B (zh) 2022-05-24

Family

ID=78852659

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111111861.3A Active CN113781806B (zh) 2021-09-23 2021-09-23 一种用于智能网联环境下的混合交通流通行方法

Country Status (1)

Country Link
CN (1) CN113781806B (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115083140B (zh) * 2022-04-18 2023-09-26 同济大学 智能网联汽车快速路专用道管控方法、系统及存储介质
CN114842644B (zh) * 2022-04-26 2023-02-24 河北工业大学 一种混合交通流交织区通行能力计算方法
CN114999227B (zh) * 2022-05-25 2023-10-20 中国农业大学 非信控交叉路口混合多车无模型预测协同控制方法
CN114999158A (zh) * 2022-05-31 2022-09-02 重庆大学 一种抑制快速路瓶颈负效应的混合交通众从节流控制方法
CN115188182B (zh) * 2022-06-10 2023-07-25 山东大学 一种直线式公交停靠站共享超车道系统及其控制方法
CN115035731B (zh) * 2022-06-15 2023-05-16 东南大学 一种基于车辆组群的智能网联队列合流方法
CN115206093B (zh) * 2022-06-21 2023-08-29 同济大学 一种基于智能网联车辆的交通流控制方法
CN115331420B (zh) * 2022-07-25 2023-11-14 重庆大学 一种混合交通条件下的移动瓶颈控制方法
CN115497315B (zh) * 2022-09-03 2023-10-24 河海大学 一种车路协同环境下的动态公交专用道节能优化控制方法
CN115817460B (zh) * 2022-11-07 2024-04-05 苏州大学 一种混合流条件下智能网联车主动协调避撞方法
CN115497300B (zh) * 2022-11-16 2023-01-31 四川省公路规划勘察设计研究院有限公司 一种基于车路协同系统的车辆安全分流调度方法及设备
CN115631639B (zh) * 2022-12-20 2023-04-11 银江技术股份有限公司 基于改进nema相位结构的混行交叉口信号配时方法与系统
CN116246466B (zh) * 2023-03-13 2024-01-23 长安大学 考虑自动驾驶多模式特性的混合交通流管理方法及系统
CN116469263B (zh) * 2023-04-26 2024-04-12 合肥工业大学 一种网联环境下考虑公交车停靠的交通流控制方法
CN116704775B (zh) * 2023-06-27 2024-01-30 大连海事大学 一种考虑智能网联公交车的混合交通流通行能力计算方法
CN116895150B (zh) * 2023-07-14 2024-01-26 大连海事大学 一种公交站附近混合流的协同控制方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108122420A (zh) * 2017-12-19 2018-06-05 长沙理工大学 一种路中型动态公交专用道清空距离设置方法
WO2019213980A1 (zh) * 2018-05-08 2019-11-14 清华大学 基于行车安全场的车辆智能安全决策方法
CN210402716U (zh) * 2019-07-31 2020-04-24 淮阴工学院 一种间歇优先公交专用道的警示系统
CN111260940A (zh) * 2018-11-30 2020-06-09 深圳市以捷智慧交通科技有限公司 一种电子智能化公交专用道的通行控制系统及方法
CN111311909A (zh) * 2020-02-19 2020-06-19 河海大学 一种车路协同环境下港湾公交停靠站车辆离站控制方法
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
CN112820126A (zh) * 2020-12-31 2021-05-18 北京交通大学 一种非侵入式导向运输车辆路权优先运行控制及仿真方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101763735B (zh) * 2010-02-01 2015-02-25 王茜 可具有负系统损失时间的动态信号控制系统的控制方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108122420A (zh) * 2017-12-19 2018-06-05 长沙理工大学 一种路中型动态公交专用道清空距离设置方法
WO2019213980A1 (zh) * 2018-05-08 2019-11-14 清华大学 基于行车安全场的车辆智能安全决策方法
CN111260940A (zh) * 2018-11-30 2020-06-09 深圳市以捷智慧交通科技有限公司 一种电子智能化公交专用道的通行控制系统及方法
CN210402716U (zh) * 2019-07-31 2020-04-24 淮阴工学院 一种间歇优先公交专用道的警示系统
CN111311909A (zh) * 2020-02-19 2020-06-19 河海大学 一种车路协同环境下港湾公交停靠站车辆离站控制方法
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
CN112820126A (zh) * 2020-12-31 2021-05-18 北京交通大学 一种非侵入式导向运输车辆路权优先运行控制及仿真方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Intermittent Bus Lane Control Method for Preventing Blocking of Right-Turning Vehicles;Guorong Zheng 等;《2021 IEEE International Intelligent Transportation Systems Conference (ITSC)》;20210921;全文 *
信号交叉口直行待行区的设置研究;王璐璐;《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》;20180915(第9期);第52-64页 *
动态公交专用道的设置及其仿真分析评价;宋现敏 等;《公路与水路运输》;20200930;第50卷(第5期);全文 *

Also Published As

Publication number Publication date
CN113781806A (zh) 2021-12-10

Similar Documents

Publication Publication Date Title
CN113781806B (zh) 一种用于智能网联环境下的混合交通流通行方法
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
Manzie et al. Fuel economy improvements for urban driving: Hybrid vs. intelligent vehicles
HomChaudhuri et al. A fuel economic model predictive control strategy for a group of connected vehicles in urban roads
Treiber et al. An open-source microscopic traffic simulator
CN113327441B (zh) 基于高速公路合流区的网联自动车辆速度控制及轨迹优化方法
CN113312752B (zh) 一种主路优先控制交叉口交通仿真方法及装置
CN113313949A (zh) 一种高速公路出口匝道客货车协同控制方法、装置和设备
Zhao et al. Fuel consumption and traffic emissions evaluation of mixed traffic flow with connected automated vehicles at multiple traffic scenarios
Li et al. Modeling and simulation of vehicle group collaboration behaviors in an on-ramp area with a connected vehicle environment
CN102505593B (zh) 出入口纵深长度确定方法
Zhang et al. Cooperative platoon forming strategy for connected autonomous vehicles in mixed traffic flow
Jiang et al. Integrating traffic signal optimization with vehicle microscopic control to reduce energy consumption in a connected and automated vehicles environment
Wang et al. Towards higher efficiency and less consumption: Control Strategy and Simulation for CAV platooning
Lyu et al. Heterogeneous traffic flow characteristics on the highway with a climbing lane under different truck percentages: The framework of Kerner’s three-phase traffic theory
CN114995138A (zh) 一种近信号控制区混合车群的分布式协同控制方法
Du et al. Impacts of vehicle-to-infrastructure communication on traffic flows with mixed connected vehicles and human-driven vehicles
Esmaeili et al. A platoon formation strategy for heterogeneous vehicle types at a signalized intersection
Zhang et al. Simulation study on ramp inflow for hybrid autonomous driving
Dong et al. Model of platoon evolution in lvm scenario
Cheng et al. A study of interference between pedestrians and vehicles in drop-off area at railway station based on celluar automata
Liu et al. Research on the Traffic Strategy of Intermittent Bus Lane in Intelligent Network Environment
Qian et al. Mode Switching Strategy and Transition Lane Design for Connected and Autonomous Driving Vehicle
Xu et al. Eco-driving at successive signalized intersections under partially connected vehicles environment
Qin et al. Two-lane multipoint overtaking decision model based on vehicle network

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