CN113990085A - 一种匝道汇入区域的交通疏解方法及系统 - Google Patents

Abstract

本发明公开了一种匝道汇入区域的交通疏解方法及系统，步骤如下：各车辆向路侧设备传输自车的位置、速度和所在车道信息；路侧设备向各车辆传输所有车辆的位置、速度和每个车道的车流量信息；进入匝道汇入区域的各主线车辆根据接收到的其他车辆的位置、速度和每个车道上的车流量信息，采用基于强化学习的车道选择算法决策出有利于缓解局部交通拥堵的最优车道，并换道至最优车道行驶；采用虚拟队列的方法实现匝道车辆的汇入控制。本发明考虑了匝道汇入区域的主线具有多条车道，通过主线上车辆的合理换道，缓解匝道车辆汇入引起的主线的外侧车道的局部拥堵，提高道路的总体利用率和交通通行效率。

Description

一种匝道汇入区域的交通疏解方法及系统

技术领域

本发明属于智能网联交通技术领域，具体涉及一种匝道汇入区域的交通疏解方法及系统。

背景技术

随着电子信息与通信技术的发展，智能网联成为当下交通技术的主要发展方向。在智能网联交通系统，路侧设备与车辆，车辆与车辆之间都通过无线网络实现低时延通信。路侧设备能够获取当前路段的交通状态，并将相关信息传输给路段中各智能网联车辆。智能网联车辆能够实时感知周围环境，并将自身状态信息和感知到的环境信息与周围车辆和路侧设备共享。在这种智能网联环境下，车辆能够获得充裕的交通信息、环境信息，有利于车辆的决策控制，提高了车辆安全性和交通效率。

在匝道汇入区域，因匝道车辆的汇入，交通事故和交通拥堵频发，损害了人民生命财产的安全。于是，部分研究已经对匝道汇入问题提出了有效的解决办法。中国发明专利申请号CN201610296352.5，名称为“一种车车联网的高速公路入口匝道安全控制方法”中提出了一种基于车车联网的高速公路入口匝道安全控制方法，该方法通过控制中心将主线与入口匝道的车辆进行车车联网，以实现车辆的及时减速与换道，提高了高速公路的交通安全。中国发明专利申请号CN201811473234.2，名称为“一种智能网联车辆的匝道协同汇入控制方法及系统”中提出了一种智能网联车辆的匝道协同汇入控制方法，该方法根据高速公路入口匝道处实时获取的主线和匝道车辆状态信息来确定匝道汇入主线的车辆数并优化匝道车辆汇入顺序，提升路段通行能力。

然而，现有的方法虽然能够改善匝道车辆的汇入，但没有考虑到主线具有多条车道时的匝道汇入情况。在主线具有多条车道时，采用现有的方法不能充分利用多条车道来缓解匝道汇入带来的拥堵问题，降低了道路利用率。

发明内容

针对于上述现有技术的不足，本发明的目的在于提供一种匝道汇入区域的交通疏解方法及系统，本发明考虑了匝道汇入区域的主线具有多条车道，通过主线上车辆的合理换道，缓解匝道车辆汇入引起的主线的外侧车道的局部拥堵，提高道路的总体利用率和交通通行效率。

为达到上述目的，本发明采用的技术方案如下：

本发明的一种匝道汇入区域的交通疏解方法，步骤如下：

1)主线车辆和匝道车辆驶入匝道汇入区域时，主线车辆、匝道车辆与位于匝道口处的路侧设备建立通讯，各车辆向路侧设备传输自车的位置、速度和所在车道信息；路侧设备向各车辆传输所有车辆的位置、速度和每个车道的车流量信息；

2)进入匝道汇入区域的各主线车辆根据接收到的其他车辆的位置、速度和每个车道上的车流量信息，采用基于强化学习的车道选择算法决策出有利于缓解局部交通拥堵的最优车道，并换道至最优车道行驶；

3)采用虚拟队列的方法实现匝道车辆的汇入控制。

进一步地，所述步骤1)中匝道汇入区域是依据匝道口处的路侧设备的最大通讯范围所划定的区域，且规定主线上和匝道上的匝道汇入区域的入口到匝道汇入口的距离相等。

进一步地，所述步骤1)中主线具有多条车道。

进一步地，所述步骤1)中车辆的位置是车辆沿着道路方向到匝道口处的距离。

进一步地，所述步骤1)中每个车道的车流量的求解方法为：

q_l＝ρ_l·v_l

式中，q_l为车道l的车流量，ρ_l为车道l的车辆密度，

N_l为车道l上车辆数目，L为匝道汇入区域的长度；v_l为车道l上的车辆平均速度，

v_i为车辆i的速度。

进一步地，所述步骤2)中的基于强化学习的车道选择算法具体为：采用DQN的强化学习方法构建车道选择模型，包含构建强化学习的状态、动作集和奖励；然后通过强化学习训练得到决策网络，决策网络根据当前时刻的状态决策出最优的动作；强化学习的状态为：

s_t＝{v_i,Δp_f,Δp_r,Δp_lf,Δp_lr,Δp_rf,Δp_rr,Δv_f,Δv_r,Δv_lf,Δv_lr,Δv_rf,Δv_rr,q_i,q_la,q_ra}

式中，v_i为车辆i的速度，Δp_f、Δp_r、Δp_lf、Δp_lr、Δp_rf和Δp_rr分别为自车与同车道前车、同车道后车、左相邻车道前车、左相邻车道后车、右相邻车道前车和右相邻车道后车的相对位置，有Δp_f＝p_f-p_i，Δp_r＝p_r-p_i，Δp_lf＝p_lf-p_i，Δp_lr＝p_lr-p_i，Δp_rf＝p_rf-p_i，Δp_rr＝p_rr-p_i，p_i、p_f、p_r、p_lf、p_lr、p_rf、p_rr分别为自车、同车道前车、同车道后车、左相邻车道前车、左相邻车道后车、右相邻车道前车和右相邻车道后车的位置；Δv_f、Δv_r、Δv_lf、Δv_lr、Δv_rf和Δv_rr分别为自车与同车道前车、同车道后车、左相邻车道前车、左相邻车道后车、右相邻车道前车和右相邻车道后车的相对速度，有Δv_f＝v_f-v_i，Δv_r＝v_r-v_i，Δv_lf＝v_lf-v_i，Δv_lr＝v_lr-v_i，Δv_rf＝v_rf-v_i，Δv_rr＝v_rr-v_i，v_i、v_f、v_r、v_lf、v_lr、v_rf、v_rr分别为自车、同车道前车、同车道后车、左相邻车道前车、左相邻车道后车、右相邻车道前车和右相邻车道后车的速度；q_i、q_la和q_ra分别为自车的同车道、左相邻车道和右相邻车道的车流量；在进行决策时，当自车的同车道或右相邻车道是主线的外侧车道时，则状态中的同车道的车流量q_i或右相邻车道的车流量q_ra设为当前决策时刻主线的外侧车道的车流量与匝道车流量之和；

强化学习的动作集为：

a_t＝{LL,CL,RL}

式中，LL为左相邻车道；CL为自车所在车道；RL为右相邻车道；

强化学习的奖励为：

r_t＝r_s+r_c

式中，r_s为安全奖励；r_c为交通效率奖励；安全奖励定义为：

式中，ζ₁为权重系数；d_l为车辆长度；σ_l为用于安全冗余的一个正的常数(一般可取1米)；交通效率奖励定义为：

r_c＝-ζ₂+ζ₃[σ(t)-σ(t+1)]

式中，ζ₂和ζ₃均为权重系数；t为当前决策时刻，t+1为执行完当前时刻决策得到的动作后的下一个决策时刻；σ(t)为当前决策时刻的车道间交通均衡度，其定义为

式中，当L＝1，2，3时，q₁(t)＝q_la(t)，q₂(t)＝q_i(t)，q₃(t)＝q_ra(t)，分别为自车的左相邻车道、同车道和右相邻车道的车流量。

进一步地，所述步骤3)具体为：将主线的外侧车道的车辆映射到匝道上，保持其距离匝道汇入口的距离相等；进入汇入区域的匝道车辆寻找其前方的匝道车辆和映射到匝道上的主线外侧车道的车辆中最靠近自车的车辆作为跟车目标，然后采用智能驾驶员驾驶模型跟车行驶，从而实现了匝道车辆的安全汇入。

进一步地，所述智能驾驶员驾驶模型具体为：自车的跟车加速度为：

式中，a_max为最大加速度；v_max为最大速度；δ为加速度指数；s₀为自车与前车都静止时的最小车间距离；TH为期望车头时距；v_f为前车的速度；b为期望减速度。

本发明还提供一种匝道汇入区域的交通疏解系统，包括：

通信模块，用于实现车辆向匝道口处的路侧设备传输自车的位置、速度和所在车道信息，及匝道口处的路侧设备向各车辆传输所有车辆的位置、速度和每个车道的车流量信息；

换道决策模块，用于采用基于强化学习的车道选择算法决策出有利于缓解局部交通拥堵的最优车道；

换道控制模块，用于控制各主线车辆换道至最优车道行驶；

汇入控制模块，用于采用虚拟队列的方法实现匝道车辆的汇入控制。

本发明的有益效果：

本发明通过考虑多车道匝道汇入场景的车道间交通均衡度，采用强化学习方法构建了主线车辆的最优车道选择模型，能够使主线车辆主动换道至低流量车道来均衡各车道间的交通流量，避免匝道车辆流入导致主线外侧车道的局部拥堵，实现了匝道汇入区域的交通疏解，提高了整体的交通效率。

附图说明

图1为本发明方法流程图。

图2为匝道汇入区域的场景示意图。

具体实施方式

为了便于本领域技术人员的理解，下面结合实施例与附图对本发明作进一步的说明，实施方式提及的内容并非对本发明的限定。

参照图1所示，本发明的一种匝道汇入区域的交通疏解方法，步骤如下：

1)主线车辆和匝道车辆驶入匝道汇入区域时，主线车辆、匝道车辆与位于匝道口处的路侧设备建立通讯，各车辆向路侧设备传输自车的位置、速度和所在车道信息；路侧设备向各车辆传输所有车辆的位置、速度和每个车道的车流量信息；

其中，所述步骤1)中匝道汇入区域是依据匝道口处的路侧设备的最大通讯范围所划定的区域，且规定主线上和匝道上的匝道汇入区域的入口到匝道汇入口的距离相等。

优选示例中，中主线具有多条车道。

优选示例中，所述步骤1)中车辆的位置是车辆沿着道路方向到匝道口处的距离。

优选示例中，所述步骤1)中每个车道的车流量的求解方法为：

q_l＝ρ_l·v_l

式中，q_l为车道l的车流量，ρ_l为车道l的车辆密度，

N_l为车道l上车辆数目，L为匝道汇入区域的长度；v_l为车道l上的车辆平均速度，

v_i为车辆i的速度。

2)进入匝道汇入区域的各主线车辆根据接收到的其他车辆的位置、速度和每个车道上的车流量信息，采用基于强化学习的车道选择算法决策出有利于缓解局部交通拥堵的最优车道，并换道至最优车道行驶；

其中，所述基于强化学习的车道选择算法具体为：采用DQN的强化学习方法构建车道选择模型，包含构建强化学习的状态、动作集和奖励；然后通过强化学习训练得到决策网络，决策网络根据当前时刻的状态决策出最优的动作；强化学习的状态为：

s_t＝{v_i,Δp_f,Δp_r,Δp_lf,Δp_lr,Δp_rf,Δp_rr,Δv_f,Δv_r,Δv_lf,Δv_lr,Δv_rf,Δv_rr,q_i,q_la,q_ra}

式中，v_i为车辆i的速度，Δp_f、Δp_r、Δp_lf、Δp_lr、Δp_rf和Δp_rr分别为自车与同车道前车、同车道后车、左相邻车道前车、左相邻车道后车、右相邻车道前车和右相邻车道后车的相对位置，有Δp_f＝p_f-p_i，Δp_r＝p_r-p_i，Δp_lf＝p_lf-p_i，Δp_lr＝p_lr-p_i，Δp_rf＝p_rf-p_i，Δp_rr＝p_rr-p_i，p_i、p_f、p_r、p_lf、p_lr、p_rf、p_rr分别为自车、同车道前车、同车道后车、左相邻车道前车、左相邻车道后车、右相邻车道前车和右相邻车道后车的位置；Δv_f、Δv_r、Δv_lf、Δv_lr、Δv_rf和Δv_rr分别为自车与同车道前车、同车道后车、左相邻车道前车、左相邻车道后车、右相邻车道前车和右相邻车道后车的相对速度，有Δv_f＝v_f-v_i，Δv_r＝v_r-v_i，Δv_lf＝v_lf-v_i，Δv_lr＝v_lr-v_i，Δv_rf＝v_rf-v_i，Δv_rr＝v_rr-v_i，v_i、v_f、v_r、v_lf、v_lr、v_rf、v_rr分别为自车、同车道前车、同车道后车、左相邻车道前车、左相邻车道后车、右相邻车道前车和右相邻车道后车的速度；q_i、q_la和q_ra分别为自车的同车道、左相邻车道和右相邻车道的车流量；在进行决策时，当自车的同车道或右相邻车道是主线的外侧车道时，则状态中的同车道的车流量q_i或右相邻车道的车流量q_ra设为当前决策时刻主线的外侧车道的车流量与匝道车流量之和；

强化学习的动作集为：

a_t＝{LL,CL,RL}

式中，LL为左相邻车道；CL为自车所在车道；RL为右相邻车道；

强化学习的奖励为：

r_t＝r_s+r_c

式中，r_s为安全奖励；r_c为交通效率奖励；安全奖励定义为：

式中，ζ₁为权重系数；d_l为车辆长度；σ_l为用于安全冗余的一个正的常数(一般可取1米)；交通效率奖励定义为：

r_c＝-ζ₂+ζ₃[σ(t)-σ(t+1)]

式中，ζ₂和ζ₃均为权重系数；t为当前决策时刻，t+1为执行完当前时刻决策得到的动作后的下一个决策时刻；σ(t)为当前决策时刻的车道间交通均衡度，其定义为

式中，当L＝1，2，3时，q₁(t)＝q_la(t)，q₂(t)＝q_i(t)，q₃(t)＝q_ra(t)，分别为自车的左相邻车道、同车道和右相邻车道的车流量。

3)采用虚拟队列的方法实现匝道车辆的汇入控制。

参照图2所示，所述步骤3)具体为：将主线的外侧车道的车辆映射到匝道上，保持其距离匝道汇入口的距离相等；进入汇入区域的匝道车辆寻找其前方的匝道车辆和映射到匝道上的主线外侧车道的车辆中最靠近自车的车辆作为跟车目标，然后采用智能驾驶员驾驶模型跟车行驶，从而实现了匝道车辆的安全汇入。

优选示例中，所述智能驾驶员驾驶模型具体为：自车的跟车加速度为：

式中，a_max为最大加速度；v_max为最大速度；δ为加速度指数；s₀为自车与前车都静止时的最小车间距离；TH为期望车头时距；v_f为前车的速度；b为期望减速度。

本发明还提供一种匝道汇入区域的交通疏解系统，包括：

通信模块，用于实现车辆向匝道口处的路侧设备传输自车的位置、速度和所在车道信息，及匝道口处的路侧设备向各车辆传输所有车辆的位置、速度和每个车道的车流量信息；

换道决策模块，用于采用基于强化学习的车道选择算法决策出有利于缓解局部交通拥堵的最优车道；

换道控制模块，用于控制各主线车辆换道至最优车道行驶；

汇入控制模块，用于采用虚拟队列的方法实现匝道车辆的汇入控制。

本发明具体应用途径很多，以上所述仅是本发明的优选实施方式，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的前提下，还可以作出若干改进，这些改进也应视为本发明的保护范围。

Claims (9)

1.一种匝道汇入区域的交通疏解方法，其特征在于，步骤如下：

1)主线车辆和匝道车辆驶入匝道汇入区域时，主线车辆、匝道车辆与位于匝道口处的路侧设备建立通讯，各车辆向路侧设备传输自车的位置、速度和所在车道信息；路侧设备向各车辆传输所有车辆的位置、速度和每个车道的车流量信息；

2)进入匝道汇入区域的各主线车辆根据接收到的其他车辆的位置、速度和每个车道上的车流量信息，采用基于强化学习的车道选择算法决策出有利于缓解局部交通拥堵的最优车道，并换道至最优车道行驶；

3)采用虚拟队列的方法实现匝道车辆的汇入控制。

2.根据权利要求1所述的匝道汇入区域的交通疏解方法，其特征在于，所述步骤1)中匝道汇入区域是依据匝道口处的路侧设备的最大通讯范围所划定的区域，且规定主线上和匝道上的匝道汇入区域的入口到匝道汇入口的距离相等。

3.根据权利要求1所述的匝道汇入区域的交通疏解方法，其特征在于，所述步骤1)中主线具有多条车道。

4.根据权利要求1所述的匝道汇入区域的交通疏解方法，其特征在于，所述步骤1)中车辆的位置是车辆沿着道路方向到匝道口处的距离。

5.根据权利要求1所述的匝道汇入区域的交通疏解方法，其特征在于，所述步骤1)中每个车道的车流量的求解方法为：

q_l＝ρ_l·v_l

式中，q_l为车道l的车流量，ρ_l为车道l的车辆密度，

N_l为车道l上车辆数目，L为匝道汇入区域的长度；v_l为车道l上的车辆平均速度，

v_i为车辆i的速度。

6.根据权利要求5所述的匝道汇入区域的交通疏解方法，其特征在于，所述步骤2)中的基于强化学习的车道选择算法具体为：采用DQN的强化学习方法构建车道选择模型，包含构建强化学习的状态、动作集和奖励；然后通过强化学习训练得到决策网络，决策网络根据当前时刻的状态决策出最优的动作；强化学习的状态为：

s_t＝{v_i,Δp_f,Δp_r,Δp_lf,Δp_lr,Δp_rf,Δp_rr,Δv_f,Δv_r,Δv_lf,Δv_lr,Δv_rf,Δv_rr,q_i,q_la,q_ra}

式中，v_i为车辆i的速度，Δp_f、Δp_r、Δp_lf、Δp_lr、Δp_rf和Δp_rr分别为自车与同车道前车、同车道后车、左相邻车道前车、左相邻车道后车、右相邻车道前车和右相邻车道后车的相对位置，有Δp_f＝p_f-p_i，Δp_r＝p_r-p_i，Δp_lf＝p_lf-p_i，Δp_lr＝p_lr-p_i，Δp_rf＝p_rf-p_i，Δp_rr＝p_rr-p_i，p_i、p_f、p_r、p_lf、p_lr、p_rf、p_rr分别为自车、同车道前车、同车道后车、左相邻车道前车、左相邻车道后车、右相邻车道前车和右相邻车道后车的位置；Δv_f、Δv_r、Δv_lf、Δv_lr、Δv_rf和Δv_rr分别为自车与同车道前车、同车道后车、左相邻车道前车、左相邻车道后车、右相邻车道前车和右相邻车道后车的相对速度，有Δv_f＝v_f-v_i，Δv_r＝v_r-v_i，Δv_lf＝v_lf-v_i，Δv_lr＝v_lr-v_i，Δv_rf＝v_rf-v_i，Δv_rr＝v_rr-v_i，v_i、v_f、v_r、v_lf、v_lr、v_rf、v_rr分别为自车、同车道前车、同车道后车、左相邻车道前车、左相邻车道后车、右相邻车道前车和右相邻车道后车的速度；q_i、q_la和q_ra分别为自车的同车道、左相邻车道和右相邻车道的车流量；在进行决策时，当自车的同车道或右相邻车道是主线的外侧车道时，则状态中的同车道的车流量q_i或右相邻车道的车流量q_ra设为当前决策时刻主线的外侧车道的车流量与匝道车流量之和；

强化学习的动作集为：

a_t＝{LL,CL,RL}

式中，LL为左相邻车道；CL为自车所在车道；RL为右相邻车道；

强化学习的奖励为：

r_t＝r_s+r_c

式中，r_s为安全奖励；r_c为交通效率奖励；安全奖励定义为：

式中，ζ₁为权重系数；d_l为车辆长度；σ_l为用于安全冗余的一个正的常数(一般可取1米)；交通效率奖励定义为：

r_c＝-ζ₂+ζ₃[σ(t)-σ(t+1)]

式中，ζ₂和ζ₃均为权重系数；t为当前决策时刻，t+1为执行完当前时刻决策得到的动作后的下一个决策时刻；σ(t)为当前决策时刻的车道间交通均衡度，其定义为

式中，当L＝1，2，3时，q₁(t)＝q_la(t)，q₂(t)＝q_i(t)，q₃(t)＝q_ra(t)，分别为自车的左相邻车道、同车道和右相邻车道的车流量。

7.根据权利要求6所述的匝道汇入区域的交通疏解方法，其特征在于，所述步骤3)具体为：将主线的外侧车道的车辆映射到匝道上，保持其距离匝道汇入口的距离相等；进入汇入区域的匝道车辆寻找其前方的匝道车辆和映射到匝道上的主线外侧车道的车辆中最靠近自车的车辆作为跟车目标，然后采用智能驾驶员驾驶模型跟车行驶，从而实现了匝道车辆的安全汇入。

8.根据权利要求7所述的匝道汇入区域的交通疏解方法，其特征在于，所述智能驾驶员驾驶模型具体为：自车的跟车加速度为：

式中，a_max为最大加速度；v_max为最大速度；δ为加速度指数；s₀为自车与前车都静止时的最小车间距离；TH为期望车头时距；v_f为前车的速度；b为期望减速度。

9.一种匝道汇入区域的交通疏解系统，其特征在于，包括：

通信模块，用于实现车辆向匝道口处的路侧设备传输自车的位置、速度和所在车道信息，及匝道口处的路侧设备向各车辆传输所有车辆的位置、速度和每个车道的车流量信息；

换道决策模块，用于采用基于强化学习的车道选择算法决策出有利于缓解局部交通拥堵的最优车道；

换道控制模块，用于控制各主线车辆换道至最优车道行驶；

汇入控制模块，用于采用虚拟队列的方法实现匝道车辆的汇入控制。

Images