CN113919157B - 考虑不同制式自动驾驶车辆的高速公路通行能力计算方法 - Google Patents
考虑不同制式自动驾驶车辆的高速公路通行能力计算方法 Download PDFInfo
- Publication number
- CN113919157B CN113919157B CN202111197799.4A CN202111197799A CN113919157B CN 113919157 B CN113919157 B CN 113919157B CN 202111197799 A CN202111197799 A CN 202111197799A CN 113919157 B CN113919157 B CN 113919157B
- Authority
- CN
- China
- Prior art keywords
- automatic driving
- vehicle
- vehicles
- traffic capacity
- driving vehicles
- 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
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 20
- 238000005315 distribution function Methods 0.000 claims abstract description 27
- 238000005259 measurement Methods 0.000 claims abstract description 5
- 238000011160 research Methods 0.000 claims abstract description 5
- 238000004088 simulation Methods 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 6
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 4
- 238000007726 management method Methods 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种考虑不同制式自动驾驶车辆的高速公路通行能力计算方法,包括以下步骤:S1设定路段交通流内包含人类驾驶车辆、单车智能自动驾驶车辆与智能网联自动驾驶车辆三大类机动车;S2统计研究对象路段,得到三大类机动车的占有率;S3分别实测获取三大类机动车作为后车,跟车时车头时距的概率分布函数;S4列出考虑自动驾驶车辆混入的路段通行能力计算公式;S5采用数学软件进行仿真,获取考虑不同制式自动驾驶车辆混入的高速公路车道通行能力C的概率分布函数;S6即采用确定性表达与概率性表达作为该通行能力的表达方式。本发明考虑了多种自动驾驶制式,简化了计算方法、提升了计算效率,创新地给出了一种通行能力的概率性表达。
Description
技术领域
本发明涉及道路车辆的交通系统解析的技术领域,尤其是涉及一种考虑不同制式自动驾驶车辆的高速公路通行能力计算方法。
背景技术
通行能力是交通工程的核心概念之一,也是交通规划、交通设计与交通管理与控制的理论基石。伴随着自动驾驶车辆混入人类驾驶车辆(Human Driving Vehicle,HDV)交通流,特别是自动驾驶车辆又可分为单车智能自动驾驶车辆(Autonomous Vehicle,AV)与智能网联自动驾驶车辆(Connected Autonomous Vehicle,CAV),现有的通行能力算法已经显示出其不适应性。由于高速公路是自由流,交通环境相比城市道路比较单一,故目前自动驾驶车辆的推广往往从高速公路开始。因此,提出一种简便的、能够适应不同制式自动驾驶车辆混入的高速公路车道通行能力方法具有重要的理论意义与工程价值。
现有技术中,车道通行能力是以“同质交通流”为研究对象的,《道路通行能力手册(2016版)》对通行能力的定义为“在一定道路几何条件和交通管理条件下,单位小时内车辆通过断面的合理期望的最大交通流”。这里面的两大关键词语:“期望”与“最大交通流”在考虑自动驾驶车辆混入的“异质交通流”时均会发生变化。一是计算方法,不同车辆的跟随组合对应着不同的车头时距,从而随着占有率的不同而导致计算方法更加复杂;二是表达范式,也就是将用一个定值表达通行能力的“确定性表达”变为用概率分布函数的“概率性表达”。
发明内容
本发明要解决的技术问题在于,提供一种考虑了多种自动驾驶制式,又简化了计算方法、提升了计算效率,同时创新地给出了一种通行能力的概率性表的考虑不同制式自动驾驶车辆的高速公路通行能力计算方法。
本发明解决其技术问题所采用的技术方案是:构造一种考虑不同制式自动驾驶车辆的高速公路通行能力计算方法,包括以下步骤:
S1、将交通流内的车辆界定为人类驾驶车辆与不同制式的自动驾驶车辆;
所述交通流内的车辆为人类驾驶车辆、单车智能自动驾驶车辆和智能网联自动驾驶车辆,所述不同制式的自动驾驶车辆为单车智能自动驾驶车辆和智能网联自动驾驶车辆;
所述单车智能自动驾驶车辆即Autonomous Vehicle,简称AV;所述智能网联自动驾驶车辆即Connected Autonomous Vehic1e,简称CAV;所述人类驾驶车辆即HumanVehicle,简称HDV;所述单车智能自动驾驶车辆即Autonomous Vehicle,,简称AV;所述智能网联自动驾驶车辆即Connected Autonomous Vehicle,简称CAV;
S2、在研究对象的路段中,选取高峰小时,统计HDV、AV与CAV的占有率分别为αHDV、αAV、αCAV;
S3、分别实测获取HDV、AV与CAV作为后车,跟车时的车头时距hHDV、hAV、hCAV的概率分布函数f1(hHDV)、f2(hAV)及f3(hCAV);
S4、列出考虑不同制式自动驾驶车辆混入的高速公路车道通行能力C计算公式;
S5、采用Monte-Carlo方法进行仿真,获取考虑不同制式自动驾驶车辆混入的高速公路车道通行能力C的概率分布函数f4(C);
S6、以确定性与概率性两种表达范式,得到考虑不同制式自动驾驶车辆混入的高速公路车道通行能力。
按上述方案,所述步骤S2包括以下步骤:
S201、选取交通高峰时,作为研究时段;
S202、在研究对象的路段,设立一个基准断面,按照车辆类型,即HDV、AV与CAV统计1小时内通过基准断面的车辆数VHDV、VAV和VCAV;
S203、计算HDV、AV与CAV的占有率,分别为:
按上述方案,所述步骤S3包括以下步骤:
S301、对观测的VHDV台人类驾驶车辆,记录每一辆HDV在通过基准断面时与前车的车头时距hHDV,并得到hHDV的概率分布函数f1(hHV);
S302、对观测的VAV台人类驾驶车辆,记录每一辆AV在通过基准断面时与前车的车头时距hAV,并得到hHDV的概率分布函数f2(hAV);
S303、对观测的VCAV台人类驾驶车辆,记录每一辆CAV在通过基准断面时与前车的车头时距hCAV,并得到hHDV的概率分布函数f3(hCAV)。
按上述方案,所述步骤S4包括以下内容:
用以下公式计算考虑不同制式自动驾驶车辆混入的高速公路车道的通行能力:
按上述方案,所述步骤S5包括以下步骤:
S501、在仿真环境中初始化仿真计数器A=0,以1为步长更新仿真计数器,根据hHV、hAV及hCAV的概率分布函数、平均值和标准差,分别产生1个hHDV、hAV及hCAV的随机数值,其中,hHDV、hAV及hCAV均为正值;
S502、以公式计算获取一个高速公路车道的通行能力C值;
S503、判断仿真次数A,当A等于N次时进行下一步,否则,重复步骤S501-S502;
S504、对仿真得到的N个高速公路车道的通行能力C值进行数理统计,得到C的平均值μC、标准差δC及概率分布函数C~f4(C)。
按上述方案,所述步骤S6包括以下步骤:
S601、在确定性表达下,不同制式自动驾驶车辆混入的高速公路车道通行能力为μC;
S602、在概率性表达下,不同制式自动驾驶车辆混入的高速公路车道通行能力为C~f4(C)。
按上述方案,当C服从正态分布时,C~N(μC,δC)。
实施本发明的考虑不同制式自动驾驶车辆的高速公路通行能力计算方法,具有以下有益效果:
1、本发明提供了一种考虑不同制式自动驾驶车辆的高速公路通行能力计算方法,通过观测HDV、AV与CAV的跟车车头时距与占有率,并通过Monte-Carlo仿真得到高速公路车道通行能力的概率分布函数;
2、本发明在通行能力计算层面,利用交通工程学知识与经验,简化了三类车辆在空间上的复杂组合,而只选用HDV、AV与CAV的跟车车头时距与占有率六个易观测的参数便可得到车道通行能力的概率分布;
3、本发明在通行能力表达方面,提出了“确定性表达”与“概率性表达”两种表达方式,简化了计算方法、提升了计算效率,同时创新地给出了一种通行能力的概率性表。
附图说明
图1为三种跟车车头时距的示意图;
图2为车道平均车头时距的示意图;
图3为本发明的流程图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式。
如图1-3所示,本发明的考虑不同制式自动驾驶车辆的高速公路通行能力计算方法包括以下步骤:
S1、在计算车道通行能力时,将交通流内的车辆界定为人类驾驶车辆(HumanVehicle,HDV)、单车智能自动驾驶车辆(Autonomous Vehicle,AV)与智能网联自动驾驶车辆(Connected Autonomous Vehicle,CAV)。
所谓HDV,即由人类感知外界环境并操纵执行相关动作的车辆;所谓AV,是指由车载传感器感知外界环境并操纵执行相关动作,但与其它车辆不通讯、协作的车辆;所谓CAV是指由车载传感器感知外界环境并操纵执行相关动作,且与其它车辆通讯、协作的车辆。
S2、在研究对象的路段中,选取高峰小时,统计HDV、AV与CAV的占有率分别为αHDV、αAV、αCAV。
S2具体包括以下步骤:
S201、选取交通高峰的1个小时,如晚高峰17:00~18:00,作为研究时段;
S202、在研究对象的路段,设立一个基准断面,按照车辆类型,即HDV、AV与CAV统计1小时内通过基准断面的车辆数VHDV、VAV和VCAV;
S203、利用以下公式,计算HDV、AV与CAV的占有率,分别为:
本实施例中,在晚高峰对某高速公路设立一个基准断面,观测得到HDV、AV与CAV统计1小时内通过基准断面的车辆数分别为600台、400台、200台,故HDV、AV与CAV的占有率分别为50.00%、33.33%、16.67%。
S3、分别实测获取HDV、AV与CAV作为后车,跟车时的车头时距hHDV、hAV、hCAV的概率分布函数f1(hHDV)、f2(hAV)及f3(hCAV)。
S3具体包括以下步骤:
以实测获取HDV作为后车跟车时的车头时距hHDV的概率分布函数f1(hHDV)为例,将观测时间段内HDV作为后车跟随HDV、AV与CAV的车头时距均合并统计,得到其概率分布函数为hHDV~N(2.30,0.602)。
同样的方法,得到AV作为后车跟车时的车头时距hAV的概率分布函数为hAV~N(1.41,0.432)。
同样的方法,得到CAV作为后车跟车时的车头时距hCAV的概率分布函数为hCAV~N(0.73,0.212)。
S4、用公式计算考虑不同制式自动驾驶车辆混入的高速公路车道通行能力。
S4具体包括以下步骤:
S401、用下式计算考虑不同制式自动驾驶车辆混入的高速公路车道的通行能力:
S5、采用Monte-Carlo方法进行仿真,获取考虑不同制式自动驾驶车辆混入的高速公路车道通行能力C的概率分布函数f4(C)。
S5具体包括以下步骤:
S501、在仿真环境中初始化仿真计数器A=0,以1为步长更新仿真计数器,根据hHDV、hAV及hCAV的概率分布函数、平均值和标准差,分别产生1个hHDV、hAV及hCAV的随机数值,其中,hHDV、hAV及hCAV均为正值。
S502、以公式计算获取一个高速公路车道的通行能力C值。
S503、判断仿真次数A,当A等于100000次时进行下一步,否则,重复S501与S502。
S504、对仿真得到的N个高速公路车道的通行能力C值进行数理统计,得到C的平均值μC、标准差δC及概率分布函数C~f4(C)。
本实施例中,Monte-Carlo为数学软件MATLAB的常用仿真软件包,本领域技术人员可以依据需求设置参数并进行仿真模拟,HDV、AV与CAV作为后车,跟车时的车头时距hHDV、hAV、hCAV均服从正态分布,具体数值可取为hHDV~N(2.30,0.602)、hAV~N(1.41,0.432)、hCAV~N(0.73,0.212)。为了保证仿真结果的可靠性,A取100000次,本领域技术人员可以在条件允许的情况下,综合考虑仿真结果对次数A进行增减,C应服从正态分布,若C不服从正态分布,应当重新开始步骤S2。
本实施例的最终仿真结果为:考虑不同制式自动驾驶车辆混入的高速公路车道通行能力C服从正态分布,其平均值μC=2067.0,标准差δC=45.3,因此其概率分布函数为C~N(2067.0,45.32)。
S6、在确定性表达下,不同制式自动驾驶车辆混入的高速公路车道通行能力为2067.0pcu/h;在概率性表达下,不同制式自动驾驶车辆混入的高速公路车道通行能力为C~N(2067.0,45.32)。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (3)
1.一种考虑不同制式自动驾驶车辆的高速公路通行能力计算方法,其特征在于,包括以下步骤:
S1、将交通流内的车辆界定为人类驾驶车辆与不同制式的自动驾驶车辆;
所述交通流内的车辆为人类驾驶车辆、单车智能自动驾驶车辆和智能网联自动驾驶车辆,所述不同制式的自动驾驶车辆为单车智能自动驾驶车辆和智能网联自动驾驶车辆;
所述人类驾驶车辆即Human Driving Vehicle,简称 HDV;所述单车智能自动驾驶车辆即Autonomous Vehicle,简称AV;所述智能网联自动驾驶车辆即Connected AutonomousVehicle,简称 CAV;
S2、在研究对象的路段中,选取高峰小时,统计HDV、AV与CAV的占有率分别为、/>、;
所述步骤S2包括以下步骤:
S201、选取交通高峰时,作为研究时段;
S202、在研究对象的路段,设立一个基准断面,按照车辆类型,即HDV、AV与CAV统计1小时内通过基准断面的车辆数、/>和/>;
S203、计算HDV、AV与CAV的占有率,分别为:
;
S3、分别实测获取HDV、AV与CAV作为后车,跟车时的车头时距、/>、/>的概率分布函数/>、/>及/>;
所述步骤S3包括以下步骤:
S301、对观测的台人类驾驶车辆,记录每一辆HDV在通过基准断面时与前车的车头时距/>,并得到/>的概率分布函数/>;
S302、对观测的台人类驾驶车辆,记录每一辆AV在通过基准断面时与前车的车头时距/>,并得到/>的概率分布函数/>;
S303、对观测的台人类驾驶车辆,记录每一辆/>在通过基准断面时与前车的车头时距/>,并得到/>的概率分布函数/>;
S4、列出考虑不同制式自动驾驶车辆混入的高速公路车道通行能力计算公式;
所述步骤S4包括以下内容:
用以下公式计算考虑不同制式自动驾驶车辆混入的高速公路车道的通行能力:
;
S5、采用Monte-Carlo方法进行仿真,获取考虑不同制式自动驾驶车辆混入的高速公路车道通行能力的概率分布函数/>;
所述步骤S5包括以下步骤:
S501、在仿真环境中初始化仿真计数器A=0,以1为步长更新仿真计数器,根据、/>及/>的概率分布函数、平均值和标准差,分别产生1个/>、/>及/>的随机数值,其中,、/>及/>均为正值;
S502、以公式计算获取一个高速公路车道的通行能力/>值;
S503、判断仿真次数A,当A等于N次时进行下一步,否则,重复步骤S501-S502;
S504、对仿真得到的N个高速公路车道的通行能力值进行数理统计,得到/>的平均值/>、标准差/>及概率分布函数/>;
S6、以确定性与概率性两种表达范式,得到考虑不同制式自动驾驶车辆混入的高速公路车道通行能力。
2.根据权利要求1所述的一种考虑不同制式自动驾驶车辆的高速公路通行能力计算方法,其特征在于,所述步骤S6包括以下步骤:
S601、在确定性表达下,不同制式自动驾驶车辆混入的高速公路车道通行能力为;
S602、在概率性表达下,不同制式自动驾驶车辆混入的高速公路车道通行能力为。
3.根据权利要求2所述的一种考虑不同制式自动驾驶车辆的高速公路通行能力计算方法,其特征在于,当服从正态分布时,/>。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111197799.4A CN113919157B (zh) | 2021-10-14 | 2021-10-14 | 考虑不同制式自动驾驶车辆的高速公路通行能力计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111197799.4A CN113919157B (zh) | 2021-10-14 | 2021-10-14 | 考虑不同制式自动驾驶车辆的高速公路通行能力计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113919157A CN113919157A (zh) | 2022-01-11 |
CN113919157B true CN113919157B (zh) | 2024-04-30 |
Family
ID=79240519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111197799.4A Active CN113919157B (zh) | 2021-10-14 | 2021-10-14 | 考虑不同制式自动驾驶车辆的高速公路通行能力计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113919157B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114897306B (zh) * | 2022-04-12 | 2024-04-26 | 重庆大学 | 一种考虑自动驾驶专用车道混合交通流路段阻抗计算方法 |
CN116030632B (zh) * | 2023-02-10 | 2023-06-09 | 西南交通大学 | 一种面向混合交通流的性能指标计算方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104952252A (zh) * | 2015-06-19 | 2015-09-30 | 辽宁省交通规划设计院 | 获取主辅分离式多车道高速公路通行能力的方法和系统 |
CN112907946A (zh) * | 2021-01-04 | 2021-06-04 | 清华大学 | 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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10564643B2 (en) * | 2018-05-31 | 2020-02-18 | Nissan North America, Inc. | Time-warping for autonomous driving simulation |
-
2021
- 2021-10-14 CN CN202111197799.4A patent/CN113919157B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104952252A (zh) * | 2015-06-19 | 2015-09-30 | 辽宁省交通规划设计院 | 获取主辅分离式多车道高速公路通行能力的方法和系统 |
CN112907946A (zh) * | 2021-01-04 | 2021-06-04 | 清华大学 | 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 |
Non-Patent Citations (1)
Title |
---|
混有网联车队的高速公路通行能力分析;常鑫;李海舰;荣建;赵晓华;王益;;华南理工大学学报(自然科学版);20200415(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113919157A (zh) | 2022-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113919157B (zh) | 考虑不同制式自动驾驶车辆的高速公路通行能力计算方法 | |
Aria et al. | Investigation of automated vehicle effects on driver's behavior and traffic performance | |
DE102019104845A1 (de) | Proaktive fahrzeugwartungsplanung basierend auf digitalzwillingssimulationen | |
CN111527531A (zh) | 用于交通工具列队的智能交通管理 | |
CN105936271B (zh) | 用于车辆的信息处理器以及车辆控制方法 | |
US20190035284A1 (en) | Systems and methods for increasing platooning efficiency | |
CN102084403B (zh) | 车辆群控制方法及车辆群控制装置 | |
US9121722B1 (en) | Trip partitioning based on driving pattern energy consumption | |
CN113781774B (zh) | 考虑人机混驾交通流的信号控制交叉口通行能力确定方法 | |
US10029693B2 (en) | Active acceleration limit management and gear shift scheduling based on driving environment | |
KR100910344B1 (ko) | 교통정보 제공 방법 | |
DE102014205252A1 (de) | Verfahren zum Steuern eines Hybridantriebs eines Fahrzeugs, fahrzeugseitige Vorrichtung und Zentralrechner | |
WO2021149253A1 (ja) | 制御装置、移動体、管理サーバ、基地局、通信システム及び通信方法 | |
CN116168539B (zh) | 一种公路通行能力参数的预测方法及预测装置 | |
CN108711285B (zh) | 一种基于道路路口的混合交通模拟方法 | |
EP3619085A1 (en) | A method and a control arrangement for determining a control profile for a vehicle | |
CN115344971A (zh) | 人机混驾场景下自动驾驶专用车道横纵位置优化布设方法 | |
Mohebifard et al. | Effects of automated vehicles on traffic operations at roundabouts | |
Alozi et al. | Quantifying Impacts of Connected and Autonomous Vehicles on Traffic Operation using Micro-simulation in Dubai, UAE. | |
DE102014205246A1 (de) | Verfahren zum Steuern eines Hybridantriebs eines Fahrzeugs | |
CN111734543B (zh) | 发动机喷油量控制方法、装置、设备及车辆 | |
CN114791731A (zh) | 用于运载工具的系统、方法以及计算机可读存储介质 | |
CN114170830B (zh) | 用于区域内充电网络精细化管理的方法及系统 | |
CN110509928A (zh) | 一种辅助驾驶方法、装置 | |
CN110879862A (zh) | 基于物联网的车辆信息查询系统 |
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 |