CN114399922A - 考虑公交优先的交叉口网联自动驾驶车辆轨迹控制方法 - Google Patents

Abstract

本发明涉及一种考虑公交优先的交叉口网联自动驾驶车辆轨迹控制方法，应用于交叉口网联自动驾驶车辆轨迹控制系统，该系统包括控制激活模块、TBC模块和执行模块，该方法包括：控制激活模块获取控制区域内当前公交车新驶入信息、普通社会车辆新驶入信息以及交通信号方案更新信息，并以此判断输出启动信号给TBC模块或执行模块；TBC模块接收控制区域内当前普通社会车辆信息、公交车辆信息以及交通信号方案，通过求解BPLAM模型，得到普通社会车辆对应的轨迹优化控制方案、并输出给执行模块；执行模块根据接收的信息，执行相应轨迹优化控制方案。与现有技术相比，本发明能够在保证公交车辆路权绝对优先的条件下，实现普通社会车辆对道路资源的最大化利用。

Description

考虑公交优先的交叉口网联自动驾驶车辆轨迹控制方法

技术领域

本发明涉及智能交通控制技术领域，尤其是涉及一种考虑公交优先的交叉口网联自动驾驶车辆轨迹控制方法。

背景技术

在城市道路中，为缓解交通拥堵，公交优先控制是一种十分有效的手段，公交优先控制能够有效降低私人汽车的使用、鼓励使用公交车，以此避免交通需求的过度增长，从而缓解城市道路资源供需不匹配的严重矛盾。

现有的公交优先控制方法主要包括：城市道路交叉口信号优先控制(被动控制、主动控制和自适应控制等等)，以及通过设置专用道来确保公交车辆优先路权的控制，其中，信号优先大多只是保证了公交车辆在信号交叉口处能够获得优先通行的条件，但在路段中途还是会受到普通社会车辆的严重干扰。因此，为了使公交车辆能够拥有绝对的路权优先性，现有的大多方案还是聚焦于公交专用道的设置。

尽管公交专用道的设置在一定程度上能够极大地保证公交车辆在整个行驶过程中的路权优先性，但其具有明显的适用条件和针对性，当在专用道线路上公交流量较低情况下，路权的空置和专用道对普通社会车辆的排外性造成了道路交通资源的严重浪费。因此设置固定的专用道，难以完全适应动态、随机的交通需求，这种传统的公交路权优先方法亟需改进。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种考虑公交优先的交叉口网联自动驾驶车辆轨迹控制方法，以能够在保证公交车辆路权绝对优先的条件下，实现普通社会车辆对道路资源的最大化利用。

本发明的目的可以通过以下技术方案来实现：一种考虑公交优先的交叉口网联自动驾驶车辆轨迹控制方法，应用于交叉口网联自动驾驶车辆轨迹控制系统，所述网联自动驾驶车辆轨迹控制系统包括控制激活模块、TBC(Trajectory Based Control，轨迹控制)模块和执行模块，所述控制激活模块用于输出对应启动信号给TBC模块或执行模块，所述TBC模块用于生成普通社会车辆对应的轨迹优化控制方案，所述执行模块用于接收并执行轨迹优化控制方案；

所述交叉口网联自动驾驶车辆轨迹控制方法包括以下步骤：

S1、控制激活模块获取控制区域内当前公交车新驶入信息、普通社会车辆新驶入信息以及交通信号方案更新信息，并根据获取的信息，判断输出启动信号给TBC模块或执行模块，若判断输出启动信号给TBC模块，则将获取的当前普通社会车辆信息、公交车辆信息以及交通信号方案同时输出给TBC模块；

若判断输出启动信号给执行模块，则直接输出相应启动信号给执行模块；

S2、TBC模块接收控制区域内当前普通社会车辆信息、公交车辆信息以及交通信号方案，并通过求解BPLAM模型，以得到普通社会车辆对应的轨迹优化控制方案、并输出给执行模块；

S3、若执行模块仅接收到控制激活模块输出的启动信号，则执行上一次的轨迹优化控制方案；

若执行模块接收到TBC模块输出的轨迹优化控制方案，则执行当前接收到的轨迹优化控制方案。

进一步地，所述步骤S1具体包括以下步骤：

S11、控制激活模块获取控制区域内当前公交车新驶入信息、普通社会车辆新驶入信息以及交通信号方案更新信息；

S12、依次判断控制区域内是否有新的公交车驶入、是否有新的普通社会车辆驶入、交通信号方案是否发生改变，若其中任意一个条件判断为是，则重新获取当前状态下的普通社会车辆、公交车辆以及交通信号方案信息，并与相应的启动信号一起输出给TBC模块；

若三个条件均判断为否，则直接输出相应启动信号给执行模块。

进一步地，所述步骤S2具体包括以下步骤：

S21、TBC模块根据控制区域内当前普通社会车辆信息、公交车辆信息以及交通信号方案，确定出普通社会车辆的优化时间范围；

S22、TBC模块进一步确定控制区域内受控的车辆集合，并将受控的车辆相关信息输入值构建的BPLAM模型中，通过求解计算得到普通社会车辆的轨迹优化控制方案，进而判断车辆是否要在当前优化时间范围内通过交叉口，如果车辆要在当前优化时间范围内通过交叉口，则输出轨迹优化控制方案给执行模块；

否则TBC模块规划车辆在下一个周期通过交叉口，同时将优化时间范围拓展到下一个周期结束，返回执行步骤S21。

进一步地，所述步骤S21具体包括以下步骤：

S211、根据控制区域内当前普通社会车辆信息、公交车辆信息以及交通信号方案，TBC模块首先判断普通社会车辆若以最大速度通行，能否在给定优化时间范围内通过交叉口，若判断为是，则执行步骤S213，否则执行步骤S212；

S212、TBC模块规划车辆在下一个周期通过交叉口，同时将优化时间范围拓展到下一个周期结束，之后返回执行步骤S211；

S213、判断车辆前方是否能够为车辆在给定时间范围内通过交叉口提供路权使用的空间，若判断为是，则执行步骤S22，否则返回步骤S212。

进一步地，所述BPLAM模型的优化目标为控制区域内所有车辆的通行时间和延误最小化、油耗最小化、公交车辆优先性降低最小化；

所述BPLAM模型的约束条件包括车辆运动学约束、车辆避撞约束、车辆车道使用约束以及模型求解边界约束，其中，车辆动力学约束用于规定车辆运动状态；

车辆避撞约束用于避免车辆在纵向跟驰以及换道过程中碰撞；

车辆车道使用约束用于保证车辆在每个时间步内只能出现在一条车道上；

所述模型求解边界约束用于减少出交叉口车辆对模型求解的影响，进而缩小模型求解范围，同时限制车辆轨迹满足交通信号灯管理。

进一步地，所述优化目标具体为：

minJ(x,v,a,w)＝J₁+J₂+J₃

P_n＝{i|i≤n,i∈Z⁺}，Q_n＝{j|n＜j≤u,j∈Z⁺}

P_n＝{i|i≤n,i∈Z⁺}，Q_n＝{j|n＜j≤u,j∈Z⁺}

其中，J₁为所有普通社会车辆通过交叉口的行程时间，τ^c为控制区域内的车辆c在当前优化时间范围内的行程时间，α为权重系数，

是一个二进制的辅助变量，若车辆c在时间步t处于车道k(k＝1或2)上，则

反之，

Δt为一个时间步的长度，

为普通社会车辆因无法在当前优化时间范围内通过交叉口所造成的延误，u为当前给定优化时间范围内无法通过交叉口车辆数，M为设定的一个显著大的正数，参数R和t_h分别为红灯时间和车辆安全车头间距，二进制变量δ_i和δ_j分别用于指示车辆能否在给定优化时间内通过交叉口，δ_i＝1为车辆能够在给定优化时间内通过交叉口，δ_j＝1为车辆不能在给定优化时间内通过交叉口，n为初始无法在当前优化时间内通过交叉口的车辆经过优化后可以通过的车辆数，P_n和Q_n分别为在当前优化时间内能通过交叉口的车辆集合以及无法通过交叉口的车辆集合；

J₂为油耗成本，β为油耗项的权重系数，

为车辆c在每一个时间步t内的油耗；

J₃为公交优先性降低水平，μ和γ分别为普通社会车辆在BPL(公交优先车道)上行驶成本的权重系数以及每个时间步内普通车辆在BPL上行驶的成本，

是一个二进制辅助变量，若车辆c在BPL上，则

反之，

因此，普通社会车辆只在必要条件下才换道借用BPL。

进一步地，所述车辆运动学约束具体为：

其中，

和

分别为在当前时间步t下的车辆位置、车辆速度以及车辆加速度，v_max和v_min分别为车辆速度最大值和最小值，a_max和a_min分别为车辆加速度最大值和最小值，车辆满足基本的运动学约束。

进一步地，所述车辆避撞约束包括普通社会车辆之间的安全间隔限制，以及普通社会车辆与公交车辆之间的安全间隔限制，具体为：

其中，M是一个显著大的正数，变量

用于描述车辆c和公交车b在纵向上的前后次序，当公交车b在车辆c前方时，即

那么

当公交车b在车辆c后方时，即

则

为表示车辆c在哪一条车道上的二进制辅助变量，k＝1表示车道1，k＝2表示车道2，若车辆c在车道1上，则

若车辆c在车道2上，则

l^c和l^b分别为车辆c和车辆b的车长，π为车辆执行操作的平均延迟时间。

进一步地，所述车辆车道使用约束用于保证车辆每个时间步内只能存在于一条车道、且同时约束车辆换道进入专用道后不可再进行自动换出的行为，具体为：

在每一个时间间隔内，车辆只允许使用一条车道，当

时，车辆在控制区域内处于其中的某一条车道上；当

时，车辆未驶入控制区域或者驶离控制区域通过交叉口，

为车辆c当前时间步t是否处于普通车道上对应的变量，

为车辆c下一时间步是否处于普通车道上对应的变量，车辆c在借用BPL后，将不允许变道回普通车道，直至驶离控制区域通过交叉口。

进一步地，所述模型求解边界约束用于缩小求解范围，并且使得对车辆轨迹控制方案的求解满足交叉口信号灯约束，具体为：

其中，L为控制区域的长度，

和G分别为优化的起始时间，优化的终止时间以及绿灯时间，ξ^c作为一个二进制变量，用来描述车辆c能否在当前给定的优化时间内通过交叉口，ξ^c＝1表示车辆能够在当前优化时间内通过交叉口，反之，ξ^c＝0。

与现有技术相比，本发明获取当前的车辆(包括公交车辆以及普通社会车辆)与信号灯状态信息，并建立一种由混合整数线性规划搭建的BPLAM模型，通过求解BPLAM模型，以实现对控制区域内车辆的轨迹优化控制，使得部分普通社会车辆能够在不影响公交车辆路权绝对优先的情况下进入公交优先车道，该方法既保证了传统公交专用道对公交车辆路权绝对优先，同时通过在网联自动化环境下对车辆轨迹的精准控制，实现了专用道排外性的弱化，从专用道向可共用的公交优先车道转变，避免道路资源空置、降低通行延误，从而有效提高城市道路交叉口通行效率。

本发明通过设置控制激活模块、TBC模块和执行模块，其中，控制激活模块用于输出对应启动信号给TBC模块或执行模块，TBC模块用于生成普通社会车辆对应的轨迹优化控制方案，执行模块用于接收并执行轨迹优化控制方案，由此在网联自动驾驶环境下，通过对普通社会车辆的轨迹控制，能够精准地控制普通社会车辆在恰当的条件下使用公交专用道，在保证公交车辆绝对路权优先的条件下，实现道路交通资源的动态化合理分配，使得传统的公交专用道向有条件地允许普通社会车辆共用的公交优先车道转变，实现普通社会车辆对道路资源的最大化利用。

附图说明

图1为本发明的方法流程示意图；

图2为实施例的应用示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

实施例

如图1所示，一种考虑公交优先的交叉口网联自动驾驶车辆轨迹控制方法，应用于交叉口网联自动驾驶车辆轨迹控制系统，如图2所示，通过检测器和传感器对实时交通状态信息和信号灯方案进行感知，以将采集的信息流输入到路侧控制中心，该路侧控制中心设置有控制激活模块、TBC模块和执行模块，控制激活模块用于输出对应启动信号给TBC模块或执行模块，TBC模块用于生成普通社会车辆对应的轨迹优化控制方案，执行模块用于接收并执行轨迹优化控制方案；

整个路侧控制中心通过建立一种由混合整数线性规划搭建的BPLAM模型，通过求解BPLAM模型，以实现对控制区域内车辆的轨迹优化控制，使得部分普通社会车辆能够在不影响公交车辆路权绝对优先的情况下进入公交优先车道。具体的交叉口网联自动驾驶车辆轨迹控制方法包括以下步骤：

S1、控制激活模块获取控制区域内当前公交车新驶入信息、普通社会车辆新驶入信息以及交通信号方案更新信息，并根据获取的信息，判断输出启动信号给TBC模块或执行模块，若判断输出启动信号给TBC模块，则将获取的当前普通社会车辆信息、公交车辆信息以及交通信号方案同时输出给TBC模块；

若判断输出启动信号给执行模块，则直接输出相应启动信号给执行模块；

S2、TBC模块接收控制区域内当前普通社会车辆信息、公交车辆信息以及交通信号方案，并通过求解BPLAM模型，以得到普通社会车辆对应的轨迹优化控制方案、并输出给执行模块；

S3、若执行模块仅接收到控制激活模块输出的启动信号，则执行上一次的轨迹优化控制方案；

若执行模块接收到TBC模块输出的轨迹优化控制方案，则执行当前接收到的轨迹优化控制方案。

在步骤S1中，控制激活模块在整个TBC逻辑中决定了下一步是激活TBC模块还是执行模块。为了得到决策结果，控制激活模块分别对三个条件进行判断。第一个条件和第二个条件分别对控制区域内是否检测到新的公交车辆驶入以及新的普通社会车辆驶入进行判断，第三个条件是判断交通信号方案是否发生改变。这三个条件中任意一个条件得到满足，控制激活模块将重新获取当前状态下的普通社会车辆，公交车辆以及交通信号方案信息，并将信息输入到TBC模块。接收到更新后的车辆和信号的状态信息后，触发TBC模块，如果三个条件均不满足，则直接进入执行模块。

在步骤S2中，TBC模块是通过求解BPLAM模型，以为普通社会车辆生成一个轨迹优化的方案。BPLAM模型能够控制社会车辆是否以及如何进入BPL来通过信号交叉口，在轨迹优化方案生成的过程中，TBC模块可以分为两个子步骤。首先在第一个子步骤中，TBC模块为被检测车辆提供一个给定的优化时间范围。其中车辆能否在给定的优化时间范围内通过信号交叉口是由两个准则所决定：第一个准则是判断检测车辆若以最大速度通行，能否在给定优化时间范围内通过交叉口。第二个准则是判断前方是否能够为检测车辆在给定时间范围内通过交叉口提供路权使用的空间。上述两个原则如果无法同时满足，TBC模块将规划车辆在下一个周期通过交叉口，同时将优化时间范围拓展到下一个周期结束，如此迭代反复，直至两个准则均被满足，进入第二个子步骤中。

接下来在第二个子步骤中，TBC模块将确定控制区域内受控车辆集合，并将相关车辆的状态信息输入到BPLAM模型中，模型通过计算得到结果，进而判断车辆是否要在当前优化时间范围内通过交叉口，如果车辆要在当前优化时间范围内通过交叉口，则逻辑进入执行模块，反之，TBC模块将TBC模块将规划车辆在下一个周期通过交叉口，同时将优化时间范围拓展到下一个周期结束，循环整个上述过程，直至BPLAM模型计算得到检测车辆能够在确定的优化时间范围内通过交叉口，逻辑进入执行模块后结束。

在步骤S3中，执行模块在整个TBC控制逻辑中起到的作用是让普通社会车辆能够接收和执行轨迹优化方案。

本技术方案采用混合整数线性规划方法建立BPLAM模型，以作为优化控制模型，能够权衡普通社会车辆因无法使用专用道造成的路权牺牲与公交优先性降低两方面要素。该优化控制模型的优化目标为控制区域内所有车辆的通行时间和延误最小化，油耗最小化以及公交车辆优先性降低最小化，其中，模型的约束条件包括车辆运动学约束、车辆避撞约束、车辆车道使用约束、模型求解边界约束。车辆动力学约束用于规定车辆运动状态，车辆避撞约束用于避免车辆在纵向跟驰以及换道过程中碰撞，车辆车道使用约束用于保证车辆在每个时间步内只能出现在一条车道上，模型求解边界约束用于减少出交叉口车辆对模型求解的影响，进而缩小模型求解范围，同时限制车辆轨迹满足交通信号灯管理。

具体的，优化控制模型的优化目标为：

minJ(x,v,a,w)＝J₁+J₂+J₃

其中，J₁代表所有普通社会车辆通过交叉口的行程时间，定义如下：

P_n＝{i|i≤n，i∈Z⁺}，Q_n＝{j|n＜j≤u，j∈Z⁺}

P_n＝{i|i≤n，i∈Z⁺}，Q_n＝{j|n＜j≤u，j∈Z⁺}

其中，τ^c为控制区域内的车辆c在当前优化时间范围内的行程时间。α为权重系数，

是一个二进制的辅助变量，若车辆c在时间步t处于车道k(k＝1或2)上，则

反之，

Δt为一个时间步的长度(秒)，

为普通社会车辆因无法在当前优化时间范围内通过交叉口所造成的延误。u代表在当前给定优化时间范围内无法通过交叉口车辆数，M为一个显著大的正数。参数R和t_h分别代表红灯时间和车辆安全车头间距。二进制变量δ_i和δ_j分别代表车辆能否在给定优化时间内通过交叉口，δ_i＝1为车辆能够在给定优化时间内通过交叉口，δ_j＝1为车辆不能在给定优化时间内通过交叉口。n为初始无法在当前优化时间内通过交叉口的车辆经过优化后可以通过的车辆数。P_n和Q_n分别为在当前优化时间内能通过交叉口的车辆集合以及无法通过交叉口的车辆集合。

优化目标中的第二项J₂用于表示油耗的关系，定义如下：

其中，β为油耗项的权重系数，

用来代表车辆c在每一个时间步内的油耗。

优化目标中的第三项J₃用于量化公交优先性降低水平，表示如下：

其中，μ和γ分别代表普通社会车辆在BPL上行驶成本的权重系数以及每个时间步内普通车辆在BPL上行驶的成本。因此，普通社会车辆只在必要条件下才换道借用BPL。

为保证优化控制模型的真实性以及车辆能够在城市道路上基本的安全行驶，具体限制条件为：

其中

是车辆c在时间步t的速度，车辆的速度在所允许范围内存在最大值v_max和最小值v_min。同时，车辆的加速度在所允许范围内也存在最大值a_max和最小值a_min。在此基础上，

和

分别代表在当前时间步t下的车辆位置、车辆速度以及车辆加速度，车辆满足基本的运动学约束。

普通社会车辆之间的安全间隔限制以及普通社会车辆与公交车辆之间的安全间隔限制，具体约束条件如下：

其中，M是一个显著大的正数。为了描述车辆c和公交车b在纵向上的前后次序，本发明引入一个变量

当公交车b在车辆c前方时，即

那么

而当公交车b在车辆c后方时，即

则

为表示车辆c在哪一条车道上的二进制辅助变量，k＝1表示车道1，k＝2表示车道2，若车辆c在车道1上，则

若车辆c在车道2上，则

l^c和l^b分别代表车辆c和车辆b的车长(m)。π为车辆执行操作的平均延迟时间。

为保证车辆每个时间步内只能存在于一条车道、且同时约束车辆换道进入专用道后不可再进行自动换出的行为，具体限制条件为：

在每一个时间间隔内，车辆只允许使用一条车道。

时，车辆在控制区域内处于其中的某一条车道上。当车辆未驶入控制区域或者驶离控制区域通过交叉口，

时。车辆c在借用BPL后，将不允许变道回普通车道，直至驶离控制区域通过交叉口。

对于已经通过交叉口的车辆，轨迹控制方案将不再继续进行求解，为缩小求解范围，并且使得对车辆轨迹控制方案的求解满足交叉口信号灯约束，具体设置如下：

其中L为控制区域的长度，

和G分别代表优化的起始时间、优化的终止时间以及绿灯时间。ξ^c作为一个二进制变量，用来描述车辆c能否在当前给定的优化时间内通过交叉口，ξ^c＝1表示车辆能够在当前优化时间内通过交叉口，反之，ξ^c＝0。

综上可知，本发明通过在网联自动化环境下对普通社会车辆进行轨迹优化控制、进而合理地使用专用道路权，能够将传统的公交专用道(DBL)向公交优先车道(BPL)转变。在这种轨迹控制下的BPL既能绝对保证公交车辆的优先性，同时也允许普通社会车辆使用。

本发明在控制区域内实时采集与感知车辆状态信息和交叉口信号灯方案，路侧控制中心能够与控制区域内的车辆进行实时信息传输，从而实现对车辆轨迹的精准化控制，具体的控制包括车辆位置、速度、是否使用BPL以及如何使用BPL等。每个时间步内都会检测控制区域内车辆是否需要更新轨迹控制方案，控制区域内车辆在每个时间步内执行一步控制操作。由此在保证了传统公交专用道对公交车辆路权绝对优先的同时，通过在网联自动化环境下对车辆轨迹的精准控制，实现了专用道排外性的弱化，从专用道向可共用的公交优先车道转变，能够有效避免道路资源空置、降低通行延误，最终提高城市道路交叉口通行效率。

Claims (10)

1.一种考虑公交优先的交叉口网联自动驾驶车辆轨迹控制方法，其特征在于，应用于交叉口网联自动驾驶车辆轨迹控制系统，所述网联自动驾驶车辆轨迹控制系统包括控制激活模块、TBC模块和执行模块，所述控制激活模块用于输出对应启动信号给TBC模块或执行模块，所述TBC模块用于生成普通社会车辆对应的轨迹优化控制方案，所述执行模块用于接收并执行轨迹优化控制方案；

所述交叉口网联自动驾驶车辆轨迹控制方法包括以下步骤：

S1、控制激活模块获取控制区域内当前公交车新驶入信息、普通社会车辆新驶入信息以及交通信号方案更新信息，并根据获取的信息，判断输出启动信号给TBC模块或执行模块，若判断输出启动信号给TBC模块，则将获取的当前普通社会车辆信息、公交车辆信息以及交通信号方案同时输出给TBC模块；

若判断输出启动信号给执行模块，则直接输出相应启动信号给执行模块；

S2、TBC模块接收控制区域内当前普通社会车辆信息、公交车辆信息以及交通信号方案，并通过求解BPLAM模型，以得到普通社会车辆对应的轨迹优化控制方案、并输出给执行模块；

S3、若执行模块仅接收到控制激活模块输出的启动信号，则执行上一次的轨迹优化控制方案；

若执行模块接收到TBC模块输出的轨迹优化控制方案，则执行当前接收到的轨迹优化控制方案。

2.根据权利要求1所述的一种考虑公交优先的交叉口网联自动驾驶车辆轨迹控制方法，其特征在于，所述步骤S1具体包括以下步骤：

S11、控制激活模块获取控制区域内当前公交车新驶入信息、普通社会车辆新驶入信息以及交通信号方案更新信息；

S12、依次判断控制区域内是否有新的公交车驶入、是否有新的普通社会车辆驶入、交通信号方案是否发生改变，若其中任意一个条件判断为是，则重新获取当前状态下的普通社会车辆、公交车辆以及交通信号方案信息，并与相应的启动信号一起输出给TBC模块；

若三个条件均判断为否，则直接输出相应启动信号给执行模块。

3.根据权利要求1所述的一种考虑公交优先的交叉口网联自动驾驶车辆轨迹控制方法，其特征在于，所述步骤S2具体包括以下步骤：

S21、TBC模块根据控制区域内当前普通社会车辆信息、公交车辆信息以及交通信号方案，确定出普通社会车辆的优化时间范围；

S22、TBC模块进一步确定控制区域内受控的车辆集合，并将受控的车辆相关信息输入值构建的BPLAM模型中，通过求解计算得到普通社会车辆的轨迹优化控制方案，进而判断车辆是否要在当前优化时间范围内通过交叉口，如果车辆要在当前优化时间范围内通过交叉口，则输出轨迹优化控制方案给执行模块；

否则TBC模块规划车辆在下一个周期通过交叉口，同时将优化时间范围拓展到下一个周期结束，返回执行步骤S21。

4.根据权利要求3所述的一种考虑公交优先的交叉口网联自动驾驶车辆轨迹控制方法，其特征在于，所述步骤S21具体包括以下步骤：

S211、根据控制区域内当前普通社会车辆信息、公交车辆信息以及交通信号方案，TBC模块首先判断普通社会车辆若以最大速度通行，能否在给定优化时间范围内通过交叉口，若判断为是，则执行步骤S213，否则执行步骤S212；

S212、TBC模块规划车辆在下一个周期通过交叉口，同时将优化时间范围拓展到下一个周期结束，之后返回执行步骤S211；

S213、判断车辆前方是否能够为车辆在给定时间范围内通过交叉口提供路权使用的空间，若判断为是，则执行步骤S22，否则返回步骤S212。

5.根据权利要求3所述的一种考虑公交优先的交叉口网联自动驾驶车辆轨迹控制方法，其特征在于，所述BPLAM模型的优化目标为控制区域内所有车辆的通行时间和延误最小化、油耗最小化、公交车辆优先性降低最小化；

所述BPLAM模型的约束条件包括车辆运动学约束、车辆避撞约束、车辆车道使用约束以及模型求解边界约束，其中，车辆动力学约束用于规定车辆运动状态；

车辆避撞约束用于避免车辆在纵向跟驰以及换道过程中碰撞；

车辆车道使用约束用于保证车辆在每个时间步内只能出现在一条车道上；

所述模型求解边界约束用于减少出交叉口车辆对模型求解的影响，进而缩小模型求解范围，同时限制车辆轨迹满足交通信号灯管理。

6.根据权利要求5所述的一种考虑公交优先的交叉口网联自动驾驶车辆轨迹控制方法，其特征在于，所述优化目标具体为：

minJ(x，v，a，w)＝J₁+J₂+J₃

P_n＝{i|i≤n，i∈Z⁺}，Q_n＝{j|n＜j≤u，j∈Z⁺}

P_n＝{i|i≤n，i∈Z⁺}，Q_n＝{j|n＜j≤u，j∈Z⁺}

其中，J₁为所有普通社会车辆通过交叉口的行程时间，τ^c为控制区域内的车辆c在当前优化时间范围内的行程时间，α为权重系数，

是一个二进制的辅助变量，若车辆c在时间步t处于车道k(k＝1或2)上，则

反之，

Δt为一个时间步的长度，

为普通社会车辆因无法在当前优化时间范围内通过交叉口所造成的延误，u为当前给定优化时间范围内无法通过交叉口车辆数，M为设定的一个显著大的正数，参数R和t_h分别为红灯时间和车辆安全车头间距，二进制变量δ_i和δ_j分别用于指示车辆能否在给定优化时间内通过交叉口，δ_i＝1为车辆能够在给定优化时间内通过交叉口，δ_j＝1为车辆不能在给定优化时间内通过交叉口，n为初始无法在当前优化时间内通过交叉口的车辆经过优化后可以通过的车辆数，P_n和Q_n分别为在当前优化时间内能通过交叉口的车辆集合以及无法通过交叉口的车辆集合；

J₂为油耗成本，β为油耗项的权重系数，

为车辆c在每一个时间步t内的油耗；

J₃为公交优先性降低水平，μ和γ分别为普通社会车辆在BPL(公交优先车道)上行驶成本的权重系数以及每个时间步内普通车辆在BPL上行驶的成本，

是一个二进制辅助变量，若车辆c在BPL上，则

反之，

因此，普通社会车辆只在必要条件下才换道借用BPL。

7.根据权利要求6所述的一种考虑公交优先的交叉口网联自动驾驶车辆轨迹控制方法，其特征在于，所述车辆运动学约束具体为：

其中，

和

分别为在当前时间步t下的车辆位置、车辆速度以及车辆加速度，v_max和v_min分别为车辆速度最大值和最小值，a_max和a_min分别为车辆加速度最大值和最小值，车辆满足基本的运动学约束。

8.根据权利要求7所述的一种考虑公交优先的交叉口网联自动驾驶车辆轨迹控制方法，其特征在于，所述车辆避撞约束包括普通社会车辆之间的安全间隔限制，以及普通社会车辆与公交车辆之间的安全间隔限制，具体为：

其中，M是一个显著大的正数，变量

用于描述车辆c和公交车b在纵向上的前后次序，当公交车b在车辆c前方时，即

那么

当公交车b在车辆c后方时，即

则

为表示车辆c在哪一条车道上的二进制辅助变量，k＝1表示车道1，k＝2表示车道2，若车辆c在车道1上，则

若车辆c在车道2上，则

l^c和l^b分别为车辆c和车辆b的车长，π为车辆执行操作的平均延迟时间。

9.根据权利要求8所述的一种考虑公交优先的交叉口网联自动驾驶车辆轨迹控制方法，其特征在于，所述车辆车道使用约束用于保证车辆每个时间步内只能存在于一条车道、且同时约束车辆换道进入专用道后不可再进行自动换出的行为，具体为：

在每一个时间间隔内，车辆只允许使用一条车道，当

时，车辆在控制区域内处于其中的某一条车道上；当

时，车辆未驶入控制区域或者驶离控制区域通过交叉口，

为车辆c当前时间步t是否处于普通车道上对应的变量，

为车辆c下一时间步是否处于普通车道上对应的变量，车辆c在借用BPL后，将不允许变道回普通车道，直至驶离控制区域通过交叉口。

10.根据权利要求9所述的一种考虑公交优先的交叉口网联自动驾驶车辆轨迹控制方法，其特征在于，所述模型求解边界约束用于缩小求解范围，并且使得对车辆轨迹控制方案的求解满足交叉口信号灯约束，具体为：

其中，L为控制区域的长度，

和G分别为优化的起始时间，优化的终止时间以及绿灯时间，ξ^c作为一个二进制变量，用来描述车辆c能否在当前给定的优化时间内通过交叉口，ξ^c＝1表示车辆能够在当前优化时间内通过交叉口，反之，ξ^c＝0。

Images