CN114373296A - 混行交叉口网联自动专用道布设方案评价方法和系统 - Google Patents

混行交叉口网联自动专用道布设方案评价方法和系统 Download PDF

Info

Publication number
CN114373296A
CN114373296A CN202111486313.9A CN202111486313A CN114373296A CN 114373296 A CN114373296 A CN 114373296A CN 202111486313 A CN202111486313 A CN 202111486313A CN 114373296 A CN114373296 A CN 114373296A
Authority
CN
China
Prior art keywords
lane
automatic
traffic
conflict
scheme
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.)
Granted
Application number
CN202111486313.9A
Other languages
English (en)
Other versions
CN114373296B (zh
Inventor
钱国敏
温晓岳
程平
吴越
蒋立靓
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.)
Zhejiang Yinjiang Intelligent Transportation Engineering Technology Research Institute Co ltd
Original Assignee
Zhejiang Yinjiang Intelligent Transportation Engineering Technology Research Institute Co ltd
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 Zhejiang Yinjiang Intelligent Transportation Engineering Technology Research Institute Co ltd filed Critical Zhejiang Yinjiang Intelligent Transportation Engineering Technology Research Institute Co ltd
Priority to CN202111486313.9A priority Critical patent/CN114373296B/zh
Publication of CN114373296A publication Critical patent/CN114373296A/zh
Application granted granted Critical
Publication of CN114373296B publication Critical patent/CN114373296B/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
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G08G1/081—Plural intersections under common control
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请涉及一种混行交叉口网联自动专用道布设方案评价方法和系统，通过相关数据，网联自动专用道、人工车道和每个进口方向混行车道的通行能力，基本冲突集合、每个进口方向左冲突集合和右冲突集合，构建一套以交叉口最大通行能力为目标，考虑网联自动专用道布设方案的通用渠化配时协同优化模型；再根据每种专用道布设方案和第一冲突集合，获得相应方案下的第二冲突集合和总车道集合，根据第二冲突集合和总车道集合修改通用渠化配时协同优化模型中的相应参数，获得每种布设方案的渠化配时协同优化模型，协同优化相应方案下的车道渠化方案以及信号配时方案，解决了当路段布设网联自动专用道时，现有的车道渠化方案和信号配时方案不再适用的问题。

Description

混行交叉口网联自动专用道布设方案评价方法和系统
技术领域
本申请涉及智能交通技术领域，特别是涉及混行交叉口网联自动专用道布设方案评价方法。
背景技术
搭载车联网的自动驾驶车辆称为网联自动车，网联自动车由于具有更及时、更准确的信息探知能力和更快的反应能力，可以以更小的车头时距跟驰行驶，从而提升道路通行能力。因此，网联自动车被认为在未来可以有效缓解城市交通拥堵，提高出行效率。
目前，车联网和自动驾驶技术取得了飞速发展，部分企业的网联自动车已进入实地试运营阶段，如谷歌的Waymo和百度的Apollo网联自动车已分别在美国的凤凰城和中国的长沙地区开启其出租运营服务。当网联自动车大规模应用，进入路网与人工车辆一起运行，为保证运行安全或提高路网出行效率，管理者可能会在某些路段上布设专用道专供网联自动车运行，称为网联自动专用道。
对于网联自动专用道的布设对路网和路段交通流运行的影响目前已进行了大量的研究，然而在城市路网中，交通流的运行还受到交叉口的影响。当路段布设网联自动专用道，并一直延伸至交叉口，配置给网联自动车流和人工车流的车道资源发生改变，影响交叉口的车道渠化方案；另外，当交叉口存在网联自动专用道时，两种车流运行轨迹不再相同，产生一些新冲突，影响交叉口的信号配时方案，使现有的车道渠化方案和信号配时方案不再适用。
目前针对相关技术中交叉口布设网联自动专用道后，现有的车道渠化方案和信号配时方案不适用的问题，尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种混行交叉口网联自动专用道布设方案评价方法和系统，以至少解决相关技术中交叉口布设网联自动专用道后，现有的车道渠化方案和信号配时方案不适用的问题。
第一方面，本申请实施例提供了一种混行交叉口网联自动专用道布设方案评价方法，所述方法包括：
获取相关数据，所述相关数据包括交叉口方向数、每个方向的进口车道数、出口车道数、每个流向网联自动车流流量、每个流向人工车流流量、最大最小许可周期时长和最大最小许可相位绿灯时长；
根据混行车流中四种最小车头时距以及每个进口方向混行车流中网联自动车的占比，确定车道通行能力，所述车道通行能力包括网联自动专用道、人工车道以及每个进口方向混行车道的通行能力；
根据交叉口几何结构和各股车流的运行轨迹，确定两股不同转向车流是否冲突以及冲突关系是否受网联自动专用道布设方案的影响，构建第一冲突集合，所述第一冲突集合包括基本冲突集合、每个进口方向左冲突集合和每个进口方向右冲突集合；
根据所述相关数据、所述车道通行能力和所述第一冲突集合构建通用渠化配时协同优化模型；
根据每种网联自动专用道布设方案和所述第一冲突集合，获得每种网联自动专用道布设方案下的第二冲突集合和总车道集合，根据所述第二冲突集合和总车道集合修改所述通用渠化配时协同优化模型中的相应参数，获得每种网联自动专用道布设方案的渠化配时协同优化模型，协同优化网联自动专用道布设方案下的车道渠化方案以及信号配时方案。
在其中一些实施例中，所述获得每种网联自动专用道布设方案的渠化配时协同优化模型之后，所述方法还包括：
求解每种网联自动专用道布设方案下的渠化配时协同优化模型，获得每种网联自动专用道布设方案下的交叉口最大通行能力指标，其中，所述交叉口最大通行能力指标用于对网联自动专用道布设方案进行评价。
在其中一些实施例中，所述渠化配时协同优化模型包括车道渠化模块、流量分配模块、信号配时模块、共享车道车流相互影响模块和目标函数模块；
所述车道渠化模块用于设计网联自动专用道和人工车道的渠化方案，所述流量分配模块用于将车流分配到各自许可的车道，所述信号配时模块调整各股车流相应的绿灯信号方案，所述共享车道车流相互影响模块用于确定共享车道上各股车流之间的相互影响，所述目标函数模块用于获取交叉口最大通行能力指标。
在其中一些实施例中，所述根据混行车流中四种最小车头时距以及每个进口方向混行车流中网联自动车的占比，确定车道通行能力包括：
所述车道通行能力通过以下公式进行计算：
Figure BDA0003397648220000031
其中，
Figure BDA0003397648220000032
为进口方向i不同类型车道的通行能力，A表示网联自动车流，H表示人工车流，AH表示网联自动车和人工车辆混行车流，η11表示人工车辆跟驰人工车辆的最小车头时距，η12为网联自动车跟驰人工车辆的最小车头时距，η21为人工车辆跟驰网联自动车的最小车头时距，η22为网联自动车跟驰网联自动车的最小车头时距，ri为进口方向i的混行车流中网联自动车占比。
在其中一些实施例中，根据交叉口几何结构和各股车流的运行轨迹，确定两股不同转向车流是否冲突以及冲突关系是否受网联自动专用道布设方案的影响，构建第一冲突集合包括：
将所有不受网联自动专用道布设方案影响的冲突添加到基本冲突集合；
将只有在某进口方向左侧布设网联自动专用道才会产生的冲突添加到对应方向的左冲突集合；
将只有在某进口方向右侧布设网联自动专用道才会产生的冲突添加到对应方向的右冲突集合。
第二方面，本申请实施例提供了一种混行交叉口网联自动专用道布设方案评价系统，所述系统包括获取模块、构建模块和优化模块，
所述获取模块，用于获取相关数据，所述相关数据包括交叉口方向数、每个方向的进口车道数、出口车道数、每个流向网联自动车流流量、每个流向人工车流流量、最大最小许可周期时长和最大最小许可相位绿灯时长；
根据混行车流中四种最小车头时距以及每个进口方向混行车流中网联自动车的占比，确定车道通行能力，所述车道通行能力包括网联自动专用道、人工车道以及每个进口方向混行车道的通行能力；
所述构建模块，用于根据交叉口几何结构和各股车流的运行轨迹，确定两股不同转向车流是否冲突以及冲突关系是否受网联自动专用道布设方案的影响，构建第一冲突集合，所述第一冲突集合包括基本冲突集合、每个进口方向左冲突集合和每个进口方向右冲突集合；
所述优化模块，用于根据所述相关数据、所述车道通行能力和所述第一冲突集合构建通用渠化配时协同优化模型；
根据每种网联自动专用道布设方案和所述第一冲突集合，获得每种网联自动专用道布设方案下的第二冲突集合和总车道集合，根据所述第二冲突集合和总车道集合修改所述通用渠化配时协同优化模型中的相应参数，获得每种网联自动专用道布设方案的渠化配时协同优化模型，协同优化网联自动专用道布设方案下的车道渠化方案以及信号配时方案。
在其中一些实施例中，所述系统还包括评价模块，所述评价模块用于求解每种网联自动专用道布设方案下的渠化配时协同优化模型，获得每种网联自动专用道布设方案下的交叉口最大通行能力指标，其中，所述交叉口最大通行能力指标用于对网联自动专用道布设方案进行评价。
在其中一些实施例中，所述渠化配时协同优化模型包括车道渠化模块、流量分配模块、信号配时模块、共享车道车流相互影响模块和目标函数模块；
所述车道渠化模块用于设计网联自动专用道和人工车道的渠化方案，所述流量分配模块用于将车流分配到各自许可的车道，所述信号配时模块调整各股车流相应的绿灯信号方案，所述共享车道车流相互影响模块用于确定共享车道上各股车流之间的相互影响，所述目标函数模块用于获取交叉口最大通行能力指标。
在其中一些实施例中，所述获取模块根据混行车流中四种最小车头时距以及每个进口方向混行车流中网联自动车的占比，确定车道通行能力包括：
所述车道通行能力通过以下公式进行计算：
Figure BDA0003397648220000041
其中，
Figure BDA0003397648220000042
为进口方向i不同类型车道的通行能力，A表示网联自动车流，H表示人工车流，AH表示网联自动车和人工车辆混行车流，η11表示人工车辆跟驰人工车辆的最小车头时距，η12为网联自动车跟驰人工车辆的最小车头时距，η21为人工车辆跟驰网联自动车的最小车头时距，η22为网联自动车跟驰网联自动车的最小车头时距，ri为进口方向i的混行车流中网联自动车占比。
在其中一些实施例中，所述构建模块根据交叉口几何结构和各股车流的运行轨迹，确定两股不同转向车流是否冲突以及冲突关系是否受网联自动专用道布设方案的影响，构建第一冲突集合包括：
将所有不受网联自动专用道布设方案影响的冲突添加到基本冲突集合；
将只有在某进口方向左侧布设网联自动专用道才会产生的冲突添加到对应方向的左冲突集合；
将只有在某进口方向右侧布设网联自动专用道才会产生的冲突添加到对应方向的右冲突集合。
相比于相关技术，本申请实施例提供的混行交叉口网联自动专用道布设方案评价方法，通过获取相关数据，相关数据包括交叉口方向数、每个方向的进口车道数、出口车道数、每个流向网联自动车流流量、每个流向人工车流流量、最大最小许可周期时长和最大最小许可相位绿灯时长；根据混行车流中四种最小车头时距以及每个进口方向混行车流中网联自动车的占比，确定车道通行能力，车道通行能力包括网联自动专用道、人工车道以及每个进口方向混行车道的通行能力；根据交叉口几何结构和各股车流的运行轨迹，确定两股不同转向车流是否冲突以及冲突关系是否受网联自动专用道布设方案的影响，构建第一冲突集合，第一冲突集合包括基本冲突集合、每个进口方向左冲突集合和每个进口方向右冲突集合；根据相关数据、车道通行能力和第一冲突集合构建通用渠化配时协同优化模型；根据每种网联自动专用道布设方案和第一冲突集合，获得每种网联自动专用道布设方案下的第二冲突集合和总车道集合，根据第二冲突集合和总车道集合修改通用渠化配时协同优化模型中的相应参数，获得每种网联自动专用道布设方案的渠化配时协同优化模型，协同优化网联自动专用道布设方案下的车道渠化方案以及信号配时方案，解决了当路段布设网联自动专用道并一直延伸至交叉口时，会导致现有的车道渠化方案和信号配时方案不再适用的问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的混行交叉口网联自动专用道布设方案评价方法的流程图；
图2是根据本申请实施例的混行车流中四种最小车头时距的示意图；
图3是根据本申请实施例的基本冲突示意图；
图4是根据本申请实施例的左冲突示意图；
图5是根据本申请实施例的右冲突示意图；
图6是根据本申请实施例的无网联自动专用道布设方案示意图；
图7是根据本申请实施例的单网联自动专用道右侧布设方案示意图；
图8是根据本申请实施例的单网联自动专用道左侧布设方案示意图；
图9是根据本申请实施例的双网联自动专用道右侧布设方案示意图；
图10是根据本申请实施例的双网联自动专用道左侧布设方案示意图；
图11是根据本申请实施例的混行交叉口网联自动专用道布设方案评价系统的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指大于或者等于两个。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
本实施例提供了一种混行交叉口网联自动专用道布设方案评价方法，图1是根据本申请实施例的混行交叉口网联自动专用道布设方案评价方法的流程图，如图1所示，该方法包括如下步骤：
步骤S101，获取相关数据，该相关数据包括交叉口方向数、每个方向的进口车道数、出口车道数、每个流向网联自动车流流量、每个流向人工车流流量、最大最小许可周期时长和最大最小许可相位绿灯时长；
步骤S102，根据混行车流中四种最小车头时距以及每个进口方向混行车流中网联自动车的占比，确定车道通行能力，该车道通行能力包括网联自动专用道、人工车道以及每个进口方向混行车道的通行能力；
步骤S103，根据交叉口几何结构和各股车流的运行轨迹，确定两股不同转向车流是否冲突以及冲突关系是否受网联自动专用道布设方案的影响，构建第一冲突集合，该第一冲突集合包括基本冲突集合、每个进口方向左冲突集合和每个进口方向右冲突集合；
步骤S104，根据相关数据、车道通行能力和第一冲突集合构建通用渠化配时协同优化模型；其中，该通用渠化配时协同优化模型以交叉口最大通行能力为目标，考虑网联自动专用道布设方案。
步骤S105，根据每种网联自动专用道布设方案和第一冲突集合，获得每种网联自动专用道布设方案下的第二冲突集合和总车道集合，根据第二冲突集合和总车道集合修改通用渠化配时协同优化模型中的相应参数，获得每种网联自动专用道布设方案的渠化配时协同优化模型，协同优化网联自动专用道布设方案下的车道渠化方案以及信号配时方案。
需要说明的是，第二冲突集合(冲突车流集合Ψ)受网联自动专用道布设方案影响，例如，当在交叉口某些进口方向左侧布设网联自动专用道时，冲突车流集合Ψ包含基本冲突和相应进口方向的左冲突；总车道集合包括网联自动专用道集合
Figure BDA0003397648220000071
和车道集合Ki，当某个网联自动专用道方案中进口方向i没有网联自动专用道时，
Figure BDA0003397648220000072
为空，而Ki不为空；相应参数包括Ki、
Figure BDA0003397648220000073
Ψ、布尔参数和部分布尔变量，通过获取每种网联自动专用道布设方案下的第二冲突集合和总车道集合，修改通用渠化配时协同优化模型中的相应参数，即可获得每种网联自动专用道布设方案的渠化配时协同优化模型。
相对于相关技术中，当路段布设网联自动专用道并一直延伸至交叉口时，会导致现有的车道渠化方案和信号配时方案不再适用，而本申请的实施例中，通过步骤S101至步骤S105，构建一个以交叉口最大通行能力为目标，考虑网联自动专用道布设方案的通用渠化配时协同优化模型，再根据具体的网联自动专用道布设方案修改该通用渠化配时协同优化模型，得到每种网联自动专用道布设方案下的渠化配时协同优化模型，协同优化网联自动专用道布设方案下对应的车道渠化方案以及信号配时方案，解决了当路段布设网联自动专用道并一直延伸至交叉口时，会导致现有的车道渠化方案和信号配时方案不再适用的问题。
在其中一些实施例中，获得每种网联自动专用道布设方案的渠化配时协同优化模型之后，求解每种网联自动专用道布设方案下的渠化配时协同优化模型，获得每种网联自动专用道布设方案下的交叉口最大通行能力指标，其中，交叉口最大通行能力指标用于对网联自动专用道布设方案进行评价。本实施例中，交叉口最大通行能力指标可以用于评价网联自动专用道布设方案的实施效果，为混行环境下在交叉口布设网联自动专用道提供决策依据。
在其中一些实施例中，步骤S102中的网联自动专用道、人工车道以及每个进口方向混行车道的通行能力根据下述公式(1)进行计算：
Figure BDA0003397648220000081
其中，
Figure BDA0003397648220000082
为进口方向i不同类型车道的通行能力，A表示网联自动车流，H表示人工车流，AH表示网联自动车和人工车辆混行车流，ri为进口方向i的混行车流中网联自动车占比；
图2是根据本申请实施例的混行车流中四种最小车头时距的示意图，如图2所示，η11表示人工车辆跟驰人工车辆的最小车头时距，η12为网联自动车跟驰人工车辆的最小车头时距，η21为人工车辆跟驰网联自动车的最小车头时距，η22为网联自动车跟驰网联自动车的最小车头时距。
在其中一些实施例中，步骤S103中的根据交叉口几何结构和各股车流的运行轨迹，确定两股不同转向车流是否冲突以及冲突关系是否受网联自动专用道布设方案的影响构建基本冲突集合、每个进口方向左冲突集合和每个进口方向右冲突集合的建过程为：
将所有不受网联自动专用道布设方案影响的冲突添加到基本冲突集合；示例性的，图3是根据本申请实施例的基本冲突示意图，如图3所示，当在进口方向1、4的左侧即车道4上布设一条网联自动专用道时，网联自动车流(1,3)和(4,2)会发生冲突，当在进口方向1、4的右侧即车道1上布设一条网联自动专用道时，网联自动车流(1,3)’和(4,2)’也会发生冲突，说明上述冲突不受网联自动专用道布设方案影响，因此将上述冲突添加到基本冲突集合。
将只有在某进口方向左侧布设网联自动专用道才会产生的冲突添加到对应方向的左冲突集合；示例性的，图4是根据本申请实施例的左冲突示意图，如图4所示，当在进口方向1的左侧布设一条网联自动专用道时，直行网联自动车流(1,3)与左转人工车流(2,3)会发生冲突，而直行网联自动车流(1,3)与右转人工车流(4,3)不冲突，因此直行网联自动车流(1,3)与左转人工车流(2,3)属于左冲突，将该冲突添加到对应方向的左冲突集合。
将只有在某进口方向右侧布设网联自动专用道才会产生的冲突添加到对应方向的右冲突集合。示例性的，图5是根据本申请实施例的右冲突示意图，如图5所示，直行网联自动车流(1,3)和右转人工车流(1,4)的冲突属于右冲突。
在其中一些实施例中，渠化配时协同优化模型包括车道渠化模块、流量分配模块、信号配时模块、共享车道车流相互影响模块和目标函数模块，其中：
车道渠化模块通过以下约束设计网联自动专用道和人工车道的渠化方案：
Figure BDA0003397648220000091
Figure BDA0003397648220000092
Figure BDA0003397648220000093
Figure BDA0003397648220000094
Figure BDA0003397648220000095
式中：
I为交叉口进口方向全局编号集合，顺时针编号；
J为以进口方向i为参照的交叉口进口方向局部编号集合，顺时针编号；
Ki为进口方向i的车道集合；
Figure BDA0003397648220000096
为进口方向i的网联自动专用道集合，
Figure BDA0003397648220000097
为进口方向i的人工车道集合；
Figure BDA0003397648220000098
为布尔变量，
Figure BDA0003397648220000099
表示m类型车流(i,j)可以通过车道k进入交叉口，否则，不允许通过车道k进入交叉口；当
Figure BDA00033976482200000910
固定变量
Figure BDA00033976482200000911
当
Figure BDA00033976482200000912
固定变量
Figure BDA00033976482200000913
Zi为布尔参数，Zi＝1表示进口方向i布设了网联自动专用道，否则，进口方向i未布设网联自动专用道。
M为一个足够大的正整数。
Figure BDA00033976482200000914
为布尔变量，
Figure BDA00033976482200000915
表示车道k是m类型车流(i,j1)和(i,j2)的共享车道，否则，不是。
ei,j为车流(i,j)出口车道数量。
式(2)确保交叉口所有进口车道都能被有效利用；式(3)表示在未布设网联自动专用道的进口方向，同转向的网联自动车流和人工车流共享相同进口车道出行；式(4)表示对于m类型车流，其左转车道应布设在直行和右转车道左侧，直行车道应布设在右转车道左侧，避免同一进口方向左直右车流发生内部冲突；式(5)表示车道k是否是m类型车流(i,j1)和(i,j2)的共享车道；式(6)确保m类型车流(i,j1)的许可进口车道数量不超过其出口车道数量。
流量分配模块通过以下约束将车流分配到各自许可的车道：
Figure BDA0003397648220000101
Figure BDA0003397648220000102
Figure BDA0003397648220000103
式中：
Figure BDA0003397648220000104
为分配到进口方向i车道k上m类型车流(i,j)的流量；
τi,j为车流(i,j)转换成等量直行车流的转换系数；
δi,j1,j2为在共享车道k上，(i,j1)方向车流受(i,j2)方向车流影响而增加的转换系数；
Figure BDA0003397648220000105
为在车道k上，车流(i,j1)是否受车流(i,j2)影响，
Figure BDA0003397648220000106
为在共享车道k上，车流(i,j1)受车流(i,j2)影响而增加的等量直行车流。
Figure BDA0003397648220000107
为m类型车流(i,j)的出行需求，
Figure BDA0003397648220000108
为交叉口预留通行能力，μ为公共乘子。
式(7)确保m类型车流(i,j)只通过其许可车道进入交叉口；式(8)表示当相邻车道同时允许车流(i,j)通行，相邻车道上的流量分布满足排队理论；式(9)为流量守恒约束。
信号配时模块通过以下约束调整各股车流相应的绿灯信号方案：
Figure BDA0003397648220000111
Figure BDA0003397648220000112
Figure BDA0003397648220000113
Figure BDA0003397648220000114
Figure BDA0003397648220000115
Figure BDA0003397648220000116
Figure BDA0003397648220000117
Figure BDA0003397648220000118
Figure BDA0003397648220000119
式中：
Ψ为冲突车流集合，受网联自动专用道布设方案影响。当交叉口未布设网联自动专用道时，集合Ψ仅包含基本冲突；当在交叉口某些进口方向左侧布设网联自动专用道时，集合Ψ包含基本冲突和相应进口方向的左冲突；当在交叉口某些进口方向右侧布设网联自动专用道，集合Ψ包含基本冲突和相应进口方向的右冲突。
ζ为周期时长倒数；
cmax和cmin分别为最大和最小周期时长；
Figure BDA00033976482200001110
和
Figure BDA00033976482200001111
分别为m类型车流(i,j)绿灯起点和时长，以周期时长为单位；
Θi,k和Φi,k分别为进口方向i车道k的绿灯起点和时长，以周期时长为单位；
gmax和gmax分别为最大和最小许可相位绿灯时长；
Figure BDA00033976482200001112
为布尔变量，表示m1类型车流(i,j)和m2类型车流(t,v)绿灯信号显示顺序，
Figure BDA00033976482200001113
当
Figure BDA00033976482200001114
m1类型车流(i,j)的绿灯先于m2类型车流(t,v)的绿灯显示，否则，m1类型车流(i,j)的绿灯晚于m2类型车流(t,v)的绿灯显示；
Figure BDA0003397648220000121
为冲突的m1类型车流(i,j)和m2类型车流(t,v)信号相位清空时间，包括黄灯时间和全红时间；
ρ为有效绿灯补偿时间；
pi,k为进口方向i车道k的最大可接受饱和度；
Ci,k为进口方向i车道k的通行能力，当进口方向i布设了网联自动专用道，且车道k为普通车道时，Ci,k等于普通车道通行能力CH；当车道k为网联自动专用道时，Ci,k等于纯网联自动驾驶环境下车道通行能力CA；当进口方向i未布设网联自动专用道，Ci,k等于网联自动车与人工车辆混行环境下车道通行能力CAH。
式(10)约束周期时长的取值范围；式(11)-(13)分别约束m类型车流(i,j)的绿灯起点、时长和终点的取值范围；式(14)和(15)确保具有共享车道的多股车流被分配相同的绿灯起点和时长；式(16)和(17)确保冲突车流通过信号相序在时间上分离，消除冲突；式(18)确保进口车道k的饱和度小于最大可接受饱和度。
共享车道车流相互影响模块通过以下约束确定共享车道上各股车流之间的相互影响：
Figure BDA0003397648220000122
Figure BDA0003397648220000123
Figure BDA0003397648220000124
Figure BDA0003397648220000125
式(19)-(22)用于线性化变量
Figure BDA0003397648220000126
使变量
Figure BDA0003397648220000127
与非线性项
Figure BDA0003397648220000128
等价，其中，若某条车道允同时允许人工车流直行和左转通行，那么该车道即为人工车流直行和左转的共享车道。
目标函数模块通过以下约束实现交叉口最大通行能力：
maxμ
示例性的，图6是根据本申请实施例的无网联自动专用道布设方案示意图，图7是根据本申请实施例的单网联自动专用道右侧布设方案示意图，图8是根据本申请实施例的单网联自动专用道左侧布设方案示意图，图9是根据本申请实施例的双网联自动专用道右侧布设方案示意图，图10是根据本申请实施例的双网联自动专用道左侧布设方案示意图，如图6-10所示，以典型四车道十字信号交叉口为例，选取五种网联自动专用道布设方案进行对比，则混行交叉口网联自动专用道布设方案评价方法包括如下步骤：
步骤1：对进口方向和车道进行编号，构建进口方向全局编号集合I，局部编号集合J，车道编号集合Ki和网联自动专用道集合
Figure BDA0003397648220000131
如表1所示：
表1所有进口方向单网联自动专用道右侧布设方案下基本集合示例
Figure BDA0003397648220000132
步骤2：调查得到各类模型参数，包括每个进口方向混行车流中网联自动车占比ri，最大最小许可周期时长cmax和cmin，最大最小许可相位绿灯时长gmax和gmin，冲突车流的清空时间
Figure BDA0003397648220000133
绿灯补偿时间ρ，最大可接受饱和度p，左直右车流的转换系数τi,j和δi,j1,j2，以及混行车流中四种最小车头时距η11、η12、η21和η22。
步骤3：计算网联自动专用道和人工车道以及每个进口方向混行车道的通行能力CA、CH和
Figure BDA0003397648220000134
若混行车流中四种最小车头时距η11＝η12＝η21＝3η22＝2s，每个进口方向混行车流中网联自动车占比ri均为0.4，则CA＝3CH＝5400pcu/h，
Figure BDA0003397648220000135
步骤4：根据两股不同转向车流是否冲突以及冲突关系是否受网联自动专用道布设方案影响，构建基本冲突集合、每个进口方向左冲突集合和每个进口方向右冲突集合，表2-4给出了四车道十字交叉口交通流冲突分类，字母B表示基本冲突集合，字母L表示左冲突集合，字母R表示右冲突集合：
表2十字信号交叉口人工车流之间冲突分类
Figure BDA0003397648220000136
Figure BDA0003397648220000141
表3十字信号交叉口网联自动车流与人工车流之间冲突分类
Figure BDA0003397648220000142
表4十字信号交叉口网联自动车流之间冲突分类
Figure BDA0003397648220000143
步骤5：根据每种方案中网联自动专用道布设位置和数量，组合基本冲突集合、部分左冲突集合和部分右冲突集合，得到相应方案下的冲突集合，即每种网联自动专用道布设方案下的第二冲突集合，表5给出了五种网联自动专用道布设方案下相应的冲突集合。
表5五种网联自动专用道布设方案下相应的第二冲突集合
Figure BDA0003397648220000144
Figure BDA0003397648220000151
步骤6：求解各网联自动专用道布设方案下相应的渠化配时协同优化模型，得到五种网联自动专用道布设方案下交叉口最大通行能力值μ分别为0.810、0.855、0.728、0.708和0.687，即右侧单网联自动专用道方案下交叉口通行能力最大。五种网联自动专用道布设方案下最优的车道渠化方案如图6-10所示，最优的信号配时方案如表6所示。
表6五种网联自动专用道布设方案四车道交叉口最优信号配时方案
Figure BDA0003397648220000152
通过本实施例，构建一套考虑网联自动专用道布设方案的渠化配时协同优化模型，可以获得在网联自动车和人工车辆混行环境下不同网联自动专用道布设方案的交叉口最大通行能力指标以及最优的车道渠化方案和信号配时方案，解决现有的车道渠化方案和信号配时方案不再适用的问题，以及评价网联自动专用道布设方案的实施效果，为混行环境下在交叉口布设网联自动专用道提供决策依据。
需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本实施例还提供了一种混行交叉口网联自动专用道布设方案评价系统，该系统用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图11是根据本申请实施例的混行交叉口网联自动专用道布设方案评价系统的结构框图，如图11所示，混行交叉口网联自动专用道布设方案评价系统11包括获取模块110、构建模块111和优化模块112，获取模块110，用于获取相关数据，相关数据包括交叉口方向数、每个方向的进口车道数、出口车道数、每个流向网联自动车流流量、每个流向人工车流流量、最大最小许可周期时长和最大最小许可相位绿灯时长；
根据混行车流中四种最小车头时距以及每个进口方向混行车流中网联自动车的占比，确定车道通行能力，车道通行能力包括网联自动专用道、人工车道以及每个进口方向混行车道的通行能力；
构建模块111，用于根据交叉口几何结构和各股车流的运行轨迹，确定两股不同转向车流是否冲突以及冲突关系是否受网联自动专用道布设方案的影响，构建第一冲突集合，第一冲突集合包括基本冲突集合、每个进口方向左冲突集合和每个进口方向右冲突集合；
优化模块112，用于根据相关数据、车道通行能力和第一冲突集合构建通用渠化配时协同优化模型；
根据每种网联自动专用道布设方案和第一冲突集合，获得每种网联自动专用道布设方案下的第二冲突集合和总车道集合，根据第二冲突集合和总车道集合修改通用渠化配时协同优化模型中的相应参数，获得每种网联自动专用道布设方案的渠化配时协同优化模型，协同优化网联自动专用道布设方案下的车道渠化方案以及信号配时方案。
相对于相关技术中，当路段布设网联自动专用道并一直延伸至交叉口时，会导致现有的车道渠化方案和信号配时方案不再适用，而本申请的实施例中，构建一个以交叉口最大通行能力为目标，考虑网联自动专用道布设方案的通用渠化配时协同优化模型，再根据具体的网联自动专用道布设方案修改该通用渠化配时协同优化模型，得到每种网联自动专用道布设方案下的渠化配时协同优化模型，协同优化网联自动专用道布设方案下对应的车道渠化方案以及信号配时方案，解决了当路段布设网联自动专用道并一直延伸至交叉口时，会导致现有的车道渠化方案和信号配时方案不再适用的问题。
需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
本实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
需要说明的是，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
另外，结合上述实施例中的混行交叉口网联自动专用道布设方案评价方法，本申请实施例可提供一种存储介质来实现。该存储介质上存储有计算机程序；该计算机程序被处理器执行时实现上述实施例中的任意一种混行交叉口网联自动专用道布设方案评价方法。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种混行交叉口网联自动专用道布设方案评价方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
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，该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。
本领域的技术人员应该明白，以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种混行交叉口网联自动专用道布设方案评价方法，其特征在于，所述方法包括：
获取相关数据，所述相关数据包括交叉口方向数、每个方向的进口车道数、出口车道数、每个流向网联自动车流流量、每个流向人工车流流量、最大最小许可周期时长和最大最小许可相位绿灯时长；
根据混行车流中四种最小车头时距以及每个进口方向混行车流中网联自动车的占比，确定车道通行能力，所述车道通行能力包括网联自动专用道、人工车道以及每个进口方向混行车道的通行能力；
根据交叉口几何结构和各股车流的运行轨迹，确定两股不同转向车流是否冲突以及冲突关系是否受网联自动专用道布设方案的影响，构建第一冲突集合，所述第一冲突集合包括基本冲突集合、每个进口方向左冲突集合和每个进口方向右冲突集合；
根据所述相关数据、所述车道通行能力和所述第一冲突集合构建通用渠化配时协同优化模型；
根据每种网联自动专用道布设方案和所述第一冲突集合，获得每种网联自动专用道布设方案下的第二冲突集合和总车道集合，根据所述第二冲突集合和总车道集合修改所述通用渠化配时协同优化模型中的相应参数，获得每种网联自动专用道布设方案的渠化配时协同优化模型，协同优化网联自动专用道布设方案下的车道渠化方案以及信号配时方案。
2.根据权利要求1所述的方法，其特征在于，所述获得每种网联自动专用道布设方案的渠化配时协同优化模型之后，所述方法还包括：
求解每种网联自动专用道布设方案下的渠化配时协同优化模型，获得每种网联自动专用道布设方案下的交叉口最大通行能力指标，其中，所述交叉口最大通行能力指标用于对网联自动专用道布设方案进行评价。
3.根据权利要求1所述的方法，其特征在于，所述渠化配时协同优化模型包括车道渠化模块、流量分配模块、信号配时模块、共享车道车流相互影响模块和目标函数模块；
所述车道渠化模块用于设计网联自动专用道和人工车道的渠化方案，所述流量分配模块用于将车流分配到各自许可的车道，所述信号配时模块调整各股车流相应的绿灯信号方案，所述共享车道车流相互影响模块用于确定共享车道上各股车流之间的相互影响，所述目标函数模块用于获取交叉口最大通行能力指标。
4.根据权利要求1所述的方法，其特征在于，所述根据混行车流中四种最小车头时距以及每个进口方向混行车流中网联自动车的占比，确定车道通行能力包括：
所述车道通行能力通过以下公式进行计算：
Figure FDA0003397648210000021
其中，
Figure FDA0003397648210000022
为进口方向i不同类型车道的通行能力，A表示网联自动车流，H表示人工车流，AH表示网联自动车和人工车辆混行车流，η11表示人工车辆跟驰人工车辆的最小车头时距，η12为网联自动车跟驰人工车辆的最小车头时距，η21为人工车辆跟驰网联自动车的最小车头时距，η22为网联自动车跟驰网联自动车的最小车头时距，ri为进口方向i的混行车流中网联自动车占比。
5.根据权利要求1所述的方法，其特征在于，根据交叉口几何结构和各股车流的运行轨迹，确定两股不同转向车流是否冲突以及冲突关系是否受网联自动专用道布设方案的影响，构建第一冲突集合包括：
将所有不受网联自动专用道布设方案影响的冲突添加到基本冲突集合；
将只有在某进口方向左侧布设网联自动专用道才会产生的冲突添加到对应方向的左冲突集合；
将只有在某进口方向右侧布设网联自动专用道才会产生的冲突添加到对应方向的右冲突集合。
6.一种混行交叉口网联自动专用道布设方案评价系统，其特征在于，所述系统包括获取模块、构建模块和优化模块，
所述获取模块，用于获取相关数据，所述相关数据包括交叉口方向数、每个方向的进口车道数、出口车道数、每个流向网联自动车流流量、每个流向人工车流流量、最大最小许可周期时长和最大最小许可相位绿灯时长；
根据混行车流中四种最小车头时距以及每个进口方向混行车流中网联自动车的占比，确定车道通行能力，所述车道通行能力包括网联自动专用道、人工车道以及每个进口方向混行车道的通行能力；
所述构建模块，用于根据交叉口几何结构和各股车流的运行轨迹，确定两股不同转向车流是否冲突以及冲突关系是否受网联自动专用道布设方案的影响，构建第一冲突集合，所述第一冲突集合包括基本冲突集合、每个进口方向左冲突集合和每个进口方向右冲突集合；
所述优化模块，用于根据所述相关数据、所述车道通行能力和所述第一冲突集合构建通用渠化配时协同优化模型；
根据每种网联自动专用道布设方案和所述第一冲突集合，获得每种网联自动专用道布设方案下的第二冲突集合和总车道集合，根据所述第二冲突集合和总车道集合修改所述通用渠化配时协同优化模型中的相应参数，获得每种网联自动专用道布设方案的渠化配时协同优化模型，协同优化网联自动专用道布设方案下的车道渠化方案以及信号配时方案。
7.根据权利要求6所述的系统，其特征在于，所述系统还包括评价模块，所述评价模块用于求解每种网联自动专用道布设方案下的渠化配时协同优化模型，获得每种网联自动专用道布设方案下的交叉口最大通行能力指标，其中，所述交叉口最大通行能力指标用于对网联自动专用道布设方案进行评价。
8.根据权利要求6所述的系统，其特征在于，所述渠化配时协同优化模型包括车道渠化模块、流量分配模块、信号配时模块、共享车道车流相互影响模块和目标函数模块；
所述车道渠化模块用于设计网联自动专用道和人工车道的渠化方案，所述流量分配模块用于将车流分配到各自许可的车道，所述信号配时模块调整各股车流相应的绿灯信号方案，所述共享车道车流相互影响模块用于确定共享车道上各股车流之间的相互影响，所述目标函数模块用于获取交叉口最大通行能力指标。
9.根据权利要求6所述的系统，其特征在于，所述获取模块根据混行车流中四种最小车头时距以及每个进口方向混行车流中网联自动车的占比，确定车道通行能力包括：
所述车道通行能力通过以下公式进行计算：
Figure FDA0003397648210000031
其中，
Figure FDA0003397648210000032
为进口方向i不同类型车道的通行能力，A表示网联自动车流，H表示人工车流，AH表示网联自动车和人工车辆混行车流，η11表示人工车辆跟驰人工车辆的最小车头时距，η12为网联自动车跟驰人工车辆的最小车头时距，η21为人工车辆跟驰网联自动车的最小车头时距，η22为网联自动车跟驰网联自动车的最小车头时距，ri为进口方向i的混行车流中网联自动车占比。
10.根据权利要求6所述的系统，其特征在于，所述构建模块根据交叉口几何结构和各股车流的运行轨迹，确定两股不同转向车流是否冲突以及冲突关系是否受网联自动专用道布设方案的影响，构建第一冲突集合包括：
将所有不受网联自动专用道布设方案影响的冲突添加到基本冲突集合；
将只有在某进口方向左侧布设网联自动专用道才会产生的冲突添加到对应方向的左冲突集合；
将只有在某进口方向右侧布设网联自动专用道才会产生的冲突添加到对应方向的右冲突集合。
CN202111486313.9A 2021-12-07 2021-12-07 混行交叉口网联自动专用道布设方案评价方法和系统 Active CN114373296B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111486313.9A CN114373296B (zh) 2021-12-07 2021-12-07 混行交叉口网联自动专用道布设方案评价方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111486313.9A CN114373296B (zh) 2021-12-07 2021-12-07 混行交叉口网联自动专用道布设方案评价方法和系统

Publications (2)

Publication Number Publication Date
CN114373296A true CN114373296A (zh) 2022-04-19
CN114373296B CN114373296B (zh) 2023-04-25

Family

ID=81139663

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111486313.9A Active CN114373296B (zh) 2021-12-07 2021-12-07 混行交叉口网联自动专用道布设方案评价方法和系统

Country Status (1)

Country Link
CN (1) CN114373296B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115240451A (zh) * 2022-07-18 2022-10-25 东南大学 基于车路协同的高速公路自动驾驶专用道分时共享方法
CN115631639A (zh) * 2022-12-20 2023-01-20 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
CN115762200A (zh) * 2022-11-02 2023-03-07 山东大学 车路协同环境下信号交叉口车道功能动态优化方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102881176A (zh) * 2012-11-05 2013-01-16 东南大学 一种设公交专用道的三进口道交叉口渠化及信号配时方法
CN107016857A (zh) * 2017-04-13 2017-08-04 同济大学 一种信控交叉口左转交通组合设计优化方法
CN107134157A (zh) * 2017-06-29 2017-09-05 盐城工学院 转弯车流组织方法、装置及电子设备
WO2018072240A1 (zh) * 2016-10-20 2018-04-26 中国科学院深圳先进技术研究院 一种路网潮汐交通流可变导向车道控制方法
WO2021189668A1 (zh) * 2020-03-27 2021-09-30 江苏智通交通科技有限公司 基于排队消散时间的路口交通信号方案优化方法
WO2021217790A1 (zh) * 2020-04-26 2021-11-04 江苏智通交通科技有限公司 考虑路口流量失衡状况的交通信号控制方案时段划分方法
WO2021227502A1 (zh) * 2020-05-14 2021-11-18 同济大学 一种信号交叉口交通信号灯和车辆轨迹控制方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102881176A (zh) * 2012-11-05 2013-01-16 东南大学 一种设公交专用道的三进口道交叉口渠化及信号配时方法
WO2018072240A1 (zh) * 2016-10-20 2018-04-26 中国科学院深圳先进技术研究院 一种路网潮汐交通流可变导向车道控制方法
CN107016857A (zh) * 2017-04-13 2017-08-04 同济大学 一种信控交叉口左转交通组合设计优化方法
CN107134157A (zh) * 2017-06-29 2017-09-05 盐城工学院 转弯车流组织方法、装置及电子设备
WO2021189668A1 (zh) * 2020-03-27 2021-09-30 江苏智通交通科技有限公司 基于排队消散时间的路口交通信号方案优化方法
WO2021217790A1 (zh) * 2020-04-26 2021-11-04 江苏智通交通科技有限公司 考虑路口流量失衡状况的交通信号控制方案时段划分方法
WO2021227502A1 (zh) * 2020-05-14 2021-11-18 同济大学 一种信号交叉口交通信号灯和车辆轨迹控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
钱国敏: "智能网联混行环境下交叉口时空资源配置优化", 《浙江大学学报》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115240451A (zh) * 2022-07-18 2022-10-25 东南大学 基于车路协同的高速公路自动驾驶专用道分时共享方法
CN115240451B (zh) * 2022-07-18 2023-05-12 东南大学 基于车路协同的高速公路自动驾驶专用道分时共享方法
CN115762200A (zh) * 2022-11-02 2023-03-07 山东大学 车路协同环境下信号交叉口车道功能动态优化方法及系统
CN115762200B (zh) * 2022-11-02 2024-05-10 山东大学 车路协同环境下信号交叉口车道功能动态优化方法及系统
CN115631639A (zh) * 2022-12-20 2023-01-20 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

Also Published As

Publication number Publication date
CN114373296B (zh) 2023-04-25

Similar Documents

Publication Publication Date Title
CN114373296A (zh) 混行交叉口网联自动专用道布设方案评价方法和系统
Wang et al. Cooperative autonomous traffic organization method for connected automated vehicles in multi-intersection road networks
Hajbabaie et al. A program for simultaneous network signal timing optimization and traffic assignment
Pei et al. Distributed cooperative driving in multi-intersection road networks
He et al. Impact of connected and autonomous vehicle dedicated lane on the freeway traffic efficiency
CN107067759A (zh) 一种基于acp的平行交通信号灯实时控制方法
CN113257016B (zh) 一种交通信号控制方法、装置以及可读存储介质
Balan et al. History-based traffic control
Chen et al. Modeling and control of automated vehicle access on dedicated bus rapid transit lanes
Xu et al. A bi-level model to resolve conflicting transit priority requests at urban arterials
Wang et al. Assessing the potential of the strategic formation of urban platoons for shared automated vehicle fleets
Hou et al. Large-scale vehicle platooning: Advances and challenges in scheduling and planning techniques
Jin et al. Lane width‐based cellular automata model for mixed bicycle traffic flow
Wang et al. Microscopic modeling of a signalized traffic intersection using timed Petri nets
Sashank et al. Calibration of sumo for indian heterogeneous traffic conditions
CN115631639B (zh) 基于改进nema相位结构的混行交叉口信号配时方法与系统
Zhao et al. Optimizing vehicle and pedestrian trade-off using signal timing in intersections with center transit lanes
Tran et al. Traffic signal timing optimization for isolated urban intersections considering environmental problems and non-motorized vehicles by using constrained optimization solutions
Guo et al. Network multiscale urban traffic control with mixed traffic flow
Wang et al. An advanced control strategy for connected autonomous vehicles based on Micro simulation models at multiple intersections
Qin et al. Game theoretic application to intersection management: A literature review
Gemma et al. Automated Vehicles’ Effects on Urban Traffic Flow Parameters
Wei et al. Design of Safety Petri Net Controllers for Deadlock Prevention at a Class of Road Intersections
Tu et al. Genetic algorithm for optimization in adaptive bus signal priority control
Zhang et al. A quantitative analysis of superblocks based on node removal

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