CN114639246A - 一种高速公路匝道合流区车路协同控制方法及系统 - Google Patents

一种高速公路匝道合流区车路协同控制方法及系统 Download PDF

Info

Publication number
CN114639246A
CN114639246A CN202210537639.8A CN202210537639A CN114639246A CN 114639246 A CN114639246 A CN 114639246A CN 202210537639 A CN202210537639 A CN 202210537639A CN 114639246 A CN114639246 A CN 114639246A
Authority
CN
China
Prior art keywords
vehicle
confluence
subsystem
optimal
strategy
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.)
Pending
Application number
CN202210537639.8A
Other languages
English (en)
Inventor
马艳丽
徐小鹏
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.)
Harbin Institute of Technology
Original Assignee
Harbin Institute of Technology
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 Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN202210537639.8A priority Critical patent/CN114639246A/zh
Publication of CN114639246A publication Critical patent/CN114639246A/zh
Pending legal-status Critical Current

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
    • 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
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种高速公路匝道合流区车路协同控制方法及系统，所述系统包括车载子系统、路侧单元子系统和云服务子系统；所述车载子系统获取车辆信息，并与路侧单元子系统进行车辆之间的信息交互；所述路侧单元子系统采集交通流的状态信息，发送给云服务子系统；接收云服务子系统的控制指令，发送给车载子系统；所述云服务子系统包括云服务器，其采用博弈方法确定最优合流序列，解算出每辆车所采取的控制指令。本发明可提高整个合流区的通行效率，避免交通事故的发生，保障车辆的行车安全，降低能耗。

Description

一种高速公路匝道合流区车路协同控制方法及系统
技术领域
本发明属于智能交通管理与控制领域，具体涉及一种车辆博弈下高速公路匝道合流区车路协同控制方法及系统。
背景技术
匝道与主线结合处是高速公路系统的瓶颈路段，极易导致道路拥堵和交通事故，存在很大安全隐患。研究表明，我国每年有30%的交通事故发生在高速公路合流区域，发生在合流区域的交通事故约占整个高速公路事故的40%。开展高速公路匝道合流区车路协同控制方法研究，对于提高高速公路合流区域行车安全意义重大。
目前基于车路协同的高速公路匝道控制系统大多采用传统的可变限速或者冲突预演的评判和预警方法，忽视车辆博弈的特性。因此，目前急需一种高速公路匝道合流区车路协同控制方法，为匝道合流区控制提供新的路径，融合车路协同技术，为高级辅助驾驶和自动驾驶车辆的匝道合流区控制提供新方法。
发明内容
本发明为解决现有技术中高速公路合流区域交通事故率高、通行效率较低的问题，进而提供了一种车辆博弈下高速公路匝道合流区车路协同控制方法。
本发明涉及一种高速公路匝道合流区车路协同控制方法，包括如下步骤：
步骤一、给车辆赋予标识，根据标识建立车辆状态方程，确定约束和合流点车辆进入检测区域后，赋予车辆唯一标识，建立车辆状态方程，如式（1）所示：
Figure 678650DEST_PATH_IMAGE001
其中，
Figure 287486DEST_PATH_IMAGE002
表示车辆i的状态方程，t表示时间，
Figure 398662DEST_PATH_IMAGE003
分别表示车辆i在t时刻的位移、速度、加速度和加速度变化量，假设所采集的数据不产生噪声和延时影响，相应参数之间的关系如式（2）所示：
Figure 409343DEST_PATH_IMAGE004
其中，加速度
Figure 377299DEST_PATH_IMAGE005
的导数
Figure 473431DEST_PATH_IMAGE006
表示车辆加速度变化量的大小，间接反映驾驶员和乘客的舒适程度，
Figure 122718DEST_PATH_IMAGE006
值越小，表明乘客的舒适度越高；
确保车辆的参数符合实际情况，添加约束条件，如式（3）所示：
Figure 987906DEST_PATH_IMAGE007
其中，v i 、a i 和u i 分别表示车辆i的速度、加速度和加速度变化量，v max 表示最大速度，a min 和a max 分别表示最小加速度和最大加速度，u min 和u max 分别表示加速度变化量的最小值和最大值；
步骤二、确定每辆车在合流区域的成本函数
从进入合流区范围起，到达合流点的时间范围内，将车辆的油耗以及加速度变化量作为该车辆的成本，同时考虑驾驶员的类型，驾驶员类型不同，所对应的参数不同；燃油消耗量相对于加速度是单调关系，减小加速度降低油耗，采用加速度表示车辆的燃油消耗成本；加速度变化量表示车辆驾驶员为合流而付出的驾驶体验成本，成本函数如式（4）所示：
Figure 126763DEST_PATH_IMAGE008
其中，u表示车辆的成本函数，t i 0 表示车辆i进入合流区范围的时间，t i f 表示车辆到达合流点的时间，b 1 、b 2为相应的权重，b表示驾驶员的类型所带来的成本，若驾驶员为激进型，b的值为-1；若驾驶员为稳重型，b的值为0；若驾驶员为保守型，b的值为1；
由云服务器确定最优的合流序列，协调车辆的合流时间实现整个合流区成本最小化；整体优化协同合流可以构建为合作博弈模型，把整个合流区看作一个整体，每一辆车的状态都会影响到整体的状态，总的状态方程如式（5）所示：
Figure 710191DEST_PATH_IMAGE009
其中，c1,c2,c3,…,cn表示每个状态方程的系数，一般取1，z1(t),z2(t),z3(t),…,zn(t)表示车辆1,2,3,…,n的状态方程；
步骤三、确定合作博弈的要素，包括参与者、策略、动作、支付、信息和均衡；
步骤四、计算车辆到达合流点的时间；对于合流车辆，为确保车辆的纵向安全，车辆到达合流点时将与前车保持一定的安全时间间距，车辆到达合流点的时间可由下式（6）确定：
Figure 891731DEST_PATH_IMAGE010
其中，T为车队的安全车头时距，T max 为车辆以最大限速到达合流点的时间，d 1为车辆1到达合流点的距离，v 1表示车辆1的行驶速度；
步骤五、确定每辆车的策略集；
步骤六、计算策略成本和系统整体收益，并且寻找最优序列；根据最优序列计算，确定车辆的控制指令，确保车辆能够按照最优序列进行合流，将控制指令发送给路侧单元子系统，再通过路侧单元子系统发送给车载子系统，实现车辆的协同控制合流；
对每辆车的策略进行预测，定义动作Ai=（S ij ，u ij ），其中S ij 为策略，u ij 为策略的参数，i表示车辆标号，j表示车辆i可以选择的策略序号，则策略对应的成本函数如式（7）所示：
Figure 877004DEST_PATH_IMAGE011
其中，W i 为该策略与先到先进序列相比的时间差，b 3为相应的权重；则整个系统的收益为每辆车的策略收益的总和，如式（8）所示：
Figure 186763DEST_PATH_IMAGE012
构建最优序列和最优控制问题，计算公式如式（9）所示：
Figure 257487DEST_PATH_IMAGE013
其中，Si表示第i辆车的策略集合，R表示实数。S*表示最优序列集，u*表示一系列与最优策略相对应的最优动作，Sij *表示每辆车的最优策略，uij *表示每辆车在相应策略下的最优动作。
对该问题进行最优化求解，求得在特定情况下每辆车所采用的最优策略，进而实现整个合流区的成本最小，通过距离、加速度和时间的关系，将所求得的最优策略计算成每辆车所需采取的加减速措施和需要保持的速度，然后通过路侧单元子系统发送给车载子系统引导驾驶员完成合流。
步骤三中，参与者是合流区内的所有车辆；策略是参与者所能选择的合流序列，动作是在所选择的策略前提下所采取的行动，具体为车辆为达到最小合流时间所采取的加速度大小；支付是动作的成本，由成本函数计算；信息是控制区域内所有的车辆状态信息；每个参与者的目标都是选择最佳策略以最小化合流区的合流成本；每辆车的策略是选择不同的合流顺序；使得系统的成本最小的合流序列就是最优合流序列。
步骤五中，对于每个车辆i，设定相应不同的合流策略，即不同的合流序列，记为S ij ，i表示车辆标号，j表示车辆i可以选择的策略序号；合流序列是一个时间序列，表示每一辆车到达合流点的时间，需要云服务器通过计算找到最优合流序列，确定合流车辆的合流时间；车辆i进入合流区后，存在的合流策略如下：{S i1：1>i>2>3>4};{S i2:1>2>i>3>4};{S i3:1>2>3>i>4};{S i4:1>2>3>4>i}；通过计算每个策略的全局成本确定最优合流序列，计算得出策略相应的控制指令，将控制指令通过路侧单元子系统传递给车载子系统。
本发明还包括一种用于实施上述高速公路匝道合流区车路协同控制方法的系统，所述系统包括车载子系统、路侧单元子系统和云服务子系统；
所述车载子系统获取车辆信息，并与路侧单元子系统进行车辆之间的信息交互；
所述路侧单元子系统采集交通流的状态信息，发送给云服务子系统；接收云服务子系统的控制指令，发送给车载子系统；
所述云服务子系统包括云服务器，其采用所述高速公路匝道合流区车路协同控制方法确定最优合流序列，解算出每辆车所采取的控制指令。
所述路侧单元子系统布设在主线和匝道上，收集交通流量、密度和平均车速信息；路侧单元子系统接收车载子系统发送的车辆信息，对车辆信息和交通流状态信息进行初步处理和整合，发送给云服务子系统。
所述云服务子系统还包括云数据库，云数据库对数据进行存储；云服务器根据路侧单元子系统发送的车辆位置数据、速度数据和加速度确定最优合流序列，根据最优序列结果解算出每辆车所采取的控制指令，发送给路侧单元子系统，再由路侧单元子系统发送指令给车载子系统，引导车辆实现安全合流。
有益效果
本发明通过采用车路协同的方式，能够全面获取交通流信息以及车辆状态信息，进行更加宏观、全面的考虑，使用博弈方法确定最优合流序列，获取对合流区最有益的决策，使全局合流成本最低，合流车辆能够更加顺利的汇入主线车辆，提高整个合流区的通行效率，避免交通事故的发生，保障车辆的行车安全，降低能耗。
附图说明
图1为本发明高速公路匝道合流区车路协同控制系统的结构图；
图2为本发明高速公路匝道合流区车路协同控制系统的工作流程。
具体实施方式
以下结合图1至2对本实施方式进行具体说明。
本发明涉及一种高速公路匝道合流区车路协同控制方法，包括如下步骤：
步骤一、给车辆赋予标识，根据标识建立车辆状态方程，确定约束和合流点车辆进入检测区域后，赋予车辆唯一标识，建立车辆状态方程，如式（1）所示：
Figure 248577DEST_PATH_IMAGE001
其中，
Figure 88357DEST_PATH_IMAGE002
表示车辆i的状态方程，t表示时间，
Figure 569017DEST_PATH_IMAGE003
分别表示车辆i在t时刻的位移、速度、加速度和加速度变化量，假设所采集的数据不产生噪声和延时影响，相应参数之间的关系如式（2）所示：
Figure 861458DEST_PATH_IMAGE004
其中，加速度
Figure 656239DEST_PATH_IMAGE005
的导数
Figure 350525DEST_PATH_IMAGE006
表示车辆加速度变化量的大小，间接反映驾驶员和乘客的舒适程度，
Figure 2086DEST_PATH_IMAGE006
值越小，表明乘客的舒适度越高；
确保车辆的参数符合实际情况，添加约束条件，如式（3）所示：
Figure 47403DEST_PATH_IMAGE007
其中，v i 、a i 和u i 分别表示车辆i的速度、加速度和加速度变化量，v max 表示最大速度，a min 和a max 分别表示最小加速度和最大加速度，u min 和u max 分别表示加速度变化量的最小值和最大值；
步骤二、确定每辆车在合流区域的成本函数
从进入合流区范围起，到达合流点的时间范围内，将车辆的油耗以及加速度变化量作为该车辆的成本，同时考虑驾驶员的类型，驾驶员类型不同，所对应的参数不同；燃油消耗量相对于加速度是单调关系，减小加速度降低油耗，采用加速度表示车辆的燃油消耗成本；加速度变化量表示车辆驾驶员为合流而付出的驾驶体验成本，成本函数如式（4）所示：
Figure 380295DEST_PATH_IMAGE008
其中，u表示车辆的成本函数，t i 0 表示车辆i进入合流区范围的时间，t i f 表示车辆到达合流点的时间，b 1 、b 2为相应的权重，b表示驾驶员的类型所带来的成本，若驾驶员为激进型，b的值为-1；若驾驶员为稳重型，b的值为0；若驾驶员为保守型，b的值为1；
由云服务器确定最优的合流序列，协调车辆的合流时间实现整个合流区成本最小化；整体优化协同合流可以构建为合作博弈模型，把整个合流区看作一个整体，每一辆车的状态都会影响到整体的状态，总的状态方程如式（5）所示：
Figure 929088DEST_PATH_IMAGE009
其中，c1,c2,c3,…,cn表示每个状态方程的系数，一般取1，z1(t),z2(t),z3(t),…,zn(t)表示车辆1,2,3,…,n的状态方程；
步骤三、确定合作博弈的要素，包括参与者、策略、动作、支付、信息和均衡；参与者是合流区内的所有车辆；策略是参与者所能选择的合流序列，动作是在所选择的策略前提下所采取的行动，具体为车辆为达到最小合流时间所采取的加速度大小；支付是动作的成本，由成本函数计算；信息是控制区域内所有的车辆状态信息；每个参与者的目标都是选择最佳策略以最小化合流区的合流成本；每辆车的策略是选择不同的合流顺序；使得系统的成本最小的合流序列就是最优合流序列。
步骤四、计算车辆到达合流点的时间；对于合流车辆，为确保车辆的纵向安全，车辆到达合流点时将与前车保持一定的安全时间间距，车辆到达合流点的时间可由下式（6）确定：
Figure 954813DEST_PATH_IMAGE010
其中，T为车队的安全车头时距，T max 为车辆以最大限速到达合流点的时间，d 1为车辆1到达合流点的距离，v 1表示车辆1的行驶速度；
步骤五、确定每辆车的策略集；对于每个车辆i，设定相应不同的合流策略，即不同的合流序列，记为S ij ，i表示车辆标号，j表示车辆i可以选择的策略序号；合流序列是一个时间序列，表示每一辆车到达合流点的时间，需要云服务器通过计算找到最优合流序列，确定合流车辆的合流时间；车辆i进入合流区后，存在的合流策略如下：{S i1：1>i>2>3>4};{S i2:1>2>i>3>4};{S i3:1>2>3>i>4};{S i4:1>2>3>4>i}；通过计算每个策略的全局成本确定最优合流序列，计算得出策略相应的控制指令，将控制指令通过路侧单元子系统传递给车载子系统。
步骤六、计算策略成本和系统整体收益，并且寻找最优序列；根据最优序列计算，确定车辆的控制指令，确保车辆能够按照最优序列进行合流，将控制指令发送给路侧单元子系统，再通过路侧单元子系统发送给车载子系统，实现车辆的协同控制合流；
对每辆车的策略进行预测，定义动作Ai=（S ij ，u ij ），其中S ij 为策略，u ij 为策略的参数，i表示车辆标号，j表示车辆i可以选择的策略序号，则策略对应的成本函数如式（7）所示：
Figure 221846DEST_PATH_IMAGE011
其中，W i 为该策略与先到先进序列相比的时间差，b 3为相应的权重；则整个系统的收益为每辆车的策略收益的总和，如式（8）所示：
Figure 420746DEST_PATH_IMAGE012
构建最优序列和最优控制问题，计算公式如式（9）所示：
Figure 761729DEST_PATH_IMAGE013
其中，Si表示第i辆车的策略集合，R表示实数。S*表示最优序列集，u*表示一系列与最优策略相对应的最优动作，Sij *表示每辆车的最优策略，uij *表示每辆车在相应策略下的最优动作。
对该问题进行最优化求解，求得在特定情况下每辆车所采用的最优策略，进而实现整个合流区的成本最小，通过距离、加速度和时间的关系，将所求得的最优策略计算成每辆车所需采取的加减速措施和需要保持的速度，然后通过路侧单元子系统发送给车载子系统引导驾驶员完成合流。
本发明还包括一种用于实施上述高速公路匝道合流区车路协同控制方法的系统，系统包括车载子系统、路侧单元子系统和云服务子系统；
车载子系统获取车辆信息，并与路侧单元子系统进行车辆之间的信息交互；路侧单元子系统采集交通流的状态信息，发送给云服务子系统；接收云服务子系统的控制指令，发送给车载子系统；云服务子系统包括云服务器，其采用所述高速公路匝道合流区车路协同控制方法确定最优合流序列，解算出每辆车所采取的控制指令。路侧单元子系统布设在主线和匝道上，收集交通流量、密度和平均车速信息；路侧单元子系统接收车载子系统发送的车辆信息，对车辆信息和交通流状态信息进行初步处理和整合，发送给云服务子系统。云服务子系统还包括云数据库，云数据库对数据进行存储；云服务器根据路侧单元子系统发送的车辆位置数据、速度数据和加速度确定最优合流序列，根据最优序列结果解算出每辆车所采取的控制指令，发送给路侧单元子系统，再由路侧单元子系统发送指令给车载子系统，引导车辆实现安全合流。
实施例
本实施例具体说明如下：
设高速路段为双向四车道，最外侧车道限速80km/h，交通量为600辆/h，合流匝道为单车道，限速40km/h，交通量为100辆/h。合流路段长为600m，安全车头时距为T=2s，加速度范围为-2m/s2~3m/s2。每150m布设一个路侧单元子系统。主线车辆将自身的车速90km/h、位置信息和加速度信息通过车载子系统发送给路侧单元子系统和周围交互车辆；匝道车辆将自身速度30km/h、位置信息和加速度发送道路侧单元子系统，路侧单元子系统检测主线路段交通流量为600辆/h，平均车速为30km/h，检测匝道交通流量，平均速度和密度。路侧单元子系统将检测到的信息和车载子系统发送的信息合并发送到云服务数据库，云服务器根据数据库的数据进行最优序列求解。
根据车辆的位置，速度和加速度确定出车辆的状态方程，如式（10）所示：
Figure 20672DEST_PATH_IMAGE014
假设驾驶员为稳重型，b取0，权重b 1 、b 2和b 3分别取1、1、2，则可以得到成本函数，如式（11）所示：
Figure 775001DEST_PATH_IMAGE015
根据构建出的成本函数，得出整个系统的收益函数，如式（12）所示：
Figure 512013DEST_PATH_IMAGE016
确定车辆的策略集，计算车辆的合流时间，根据构建的最优控制方程求解出最优合流序列，通过距离、加速度和时间的关系计算出车辆的具体控制指令，通过路侧单元子系统发送给车载子系统，实现车辆的控制。
上述内容仅为本发明的较佳实施例，并非用于限制本发明的实施方案，本领域普通技术人员根据本发明的主要构思和精神，可以十分方便地进行相应的变通或修改，故本发明的保护范围应以权利要求书所要求的保护范围为准。

Claims (6)

1.一种高速公路匝道合流区车路协同控制方法，其特征在于，包括如下步骤：
步骤一、给车辆赋予标识，根据标识建立车辆状态方程，确定约束和合流点车辆进入检测区域后，赋予车辆唯一标识，建立车辆状态方程，如式（1）所示：
Figure 175047DEST_PATH_IMAGE001
其中，
Figure 542574DEST_PATH_IMAGE002
表示车辆i的状态方程，t表示时间，
Figure 518621DEST_PATH_IMAGE003
分别表示车辆i在t时刻的位移、速度、加速度和加速度变化量，假设所采集的数据不产生噪声和延时影响，相应参数之间的关系如式（2）所示：
Figure 59323DEST_PATH_IMAGE004
其中，加速度
Figure 640477DEST_PATH_IMAGE005
的导数
Figure 975644DEST_PATH_IMAGE006
表示车辆加速度变化量的大小，间接反映驾驶员和乘客的舒适程度，
Figure 704565DEST_PATH_IMAGE006
值越小，表明乘客的舒适度越高；
确保车辆的参数符合实际情况，添加约束条件，如式（3）所示：
Figure 721063DEST_PATH_IMAGE007
其中，v i 、a i 和u i 分别表示车辆i的速度、加速度和加速度变化量，v max 表示最大速度，a min 和a max 分别表示最小加速度和最大加速度，u min 和u max 分别表示加速度变化量的最小值和最大值；
步骤二、确定每辆车在合流区域的成本函数
从进入合流区范围起，到达合流点的时间范围内，将车辆的油耗以及加速度变化量作为该车辆的成本，同时考虑驾驶员的类型，驾驶员类型不同，所对应的参数不同；燃油消耗量相对于加速度是单调关系，减小加速度降低油耗，采用加速度表示车辆的燃油消耗成本；加速度变化量表示车辆驾驶员为合流而付出的驾驶体验成本，成本函数如式（4）所示：
Figure 219040DEST_PATH_IMAGE008
其中，u表示车辆的成本函数，t i 0 表示车辆i进入合流区范围的时间，t i f 表示车辆到达合流点的时间，b 1 、b 2为相应的权重，b表示驾驶员的类型所带来的成本，若驾驶员为激进型，b的值为-1；若驾驶员为稳重型，b的值为0；若驾驶员为保守型，b的值为1；
由云服务器确定最优的合流序列，协调车辆的合流时间实现整个合流区成本最小化；整体优化协同合流可以构建为合作博弈模型，把整个合流区看作一个整体，每一辆车的状态都会影响到整体的状态，总的状态方程如式（5）所示：
Figure 725108DEST_PATH_IMAGE009
其中，c1,c2,c3,…,cn表示每个状态方程的系数，取1，z1(t),z2(t),z3(t),…,zn(t)表示车辆1,2,3,…,n的状态方程；
步骤三、确定合作博弈的要素，包括参与者、策略、动作、支付、信息和均衡；
步骤四、计算车辆到达合流点的时间；对于合流车辆，为确保车辆的纵向安全，车辆到达合流点时将与前车保持一定的安全时间间距，车辆到达合流点的时间可由下式（6）确定：
Figure 879009DEST_PATH_IMAGE010
其中，T为车队的安全车头时距，T max 为车辆以最大限速到达合流点的时间，d 1为车辆1到达合流点的距离，v 1表示车辆1的行驶速度；
步骤五、确定每辆车的策略集；
步骤六、计算策略成本和系统整体收益，并且寻找最优序列；根据最优序列计算，确定车辆的控制指令，确保车辆能够按照最优序列进行合流，将控制指令发送给路侧单元子系统，再通过路侧单元子系统发送给车载子系统，实现车辆的协同控制合流；
对每辆车的策略进行预测，定义动作Ai=（S ij ，u ij ），其中S ij 为策略，u ij 为策略的参数，i表示车辆标号，j表示车辆i可以选择的策略序号，则策略对应的成本函数如式（7）所示：
Figure 761514DEST_PATH_IMAGE011
其中，W i 为该策略与先到先进序列相比的时间差，b 3为相应的权重；则整个系统的收益为每辆车的策略收益的总和，如式（8）所示：
Figure 113998DEST_PATH_IMAGE012
构建最优序列和最优控制问题，计算公式如式（9）所示：
Figure 994229DEST_PATH_IMAGE013
其中，Si表示第i辆车的策略集合，R表示实数；S*表示最优序列集，u*表示一系列与最优策略相对应的最优动作，Sij *表示每辆车的最优策略，uij *表示每辆车在相应策略下的最优动作；
对该问题进行最优化求解，求得在特定情况下每辆车所采用的最优策略，进而实现整个合流区的成本最小，通过距离、加速度和时间的关系，将所求得的最优策略计算成每辆车所需采取的加减速措施和需要保持的速度，然后通过路侧单元子系统发送给车载子系统引导驾驶员完成合流。
2.根据权利要求1所述的高速公路匝道合流区车路协同控制方法，其特征在于，步骤三中，参与者是合流区内的所有车辆；策略是参与者所能选择的合流序列，动作是在所选择的策略前提下所采取的行动，具体为车辆为达到最小合流时间所采取的加速度大小；支付是动作的成本，由成本函数计算；信息是控制区域内所有的车辆状态信息；每个参与者的目标都是选择最佳策略以最小化合流区的合流成本；每辆车的策略是选择不同的合流顺序；使得系统的成本最小的合流序列就是最优合流序列。
3.根据权利要求1所述的高速公路匝道合流区车路协同控制方法，其特征在于，步骤五中，对于每个车辆i，设定相应不同的合流策略，即不同的合流序列，记为S ij ，i表示车辆标号，j表示车辆i可以选择的策略序号；合流序列是一个时间序列，表示每一辆车到达合流点的时间，需要云服务器通过计算找到最优合流序列，确定合流车辆的合流时间；车辆i进入合流区后，存在的合流策略如下：{S i1：1>i>2>3>4};{S i2:1>2>i>3>4};{S i3:1>2>3>i>4};{S i4:1>2>3>4>i}；通过计算每个策略的全局成本确定最优合流序列，计算得出策略相应的控制指令，将控制指令通过路侧单元子系统传递给车载子系统。
4.一种用于实施上述权利要求1至3任一项所述高速公路匝道合流区车路协同控制方法的高速公路匝道合流区车路协同控制系统，其特征在于，所述系统包括车载子系统、路侧单元子系统和云服务子系统；
所述车载子系统获取车辆信息，并与路侧单元子系统进行车辆之间的信息交互；
所述路侧单元子系统采集交通流的状态信息，发送给云服务子系统；接收云服务子系统的控制指令，发送给车载子系统；
所述云服务子系统包括云服务器，其采用上述权利要求1至3任一项所述高速公路匝道合流区车路协同控制方法确定最优合流序列，解算出每辆车所采取的控制指令。
5.根据权利要求4所述的高速公路匝道合流区车路协同控制系统，其特征在于，所述路侧单元子系统布设在主线和匝道上，收集交通流量、密度和平均车速信息；路侧单元子系统接收车载子系统发送的车辆信息，对车辆信息和交通流状态信息进行初步处理和整合，发送给云服务子系统。
6.根据权利要求4所述的高速公路匝道合流区车路协同控制系统，其特征在于，所述云服务子系统还包括云数据库，云数据库对数据进行存储；云服务器根据路侧单元子系统发送的车辆位置数据、速度数据和加速度确定最优合流序列，根据最优序列结果解算出每辆车所采取的控制指令，发送给路侧单元子系统，再由路侧单元子系统发送指令给车载子系统，引导车辆实现安全合流。
CN202210537639.8A 2022-05-18 2022-05-18 一种高速公路匝道合流区车路协同控制方法及系统 Pending CN114639246A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210537639.8A CN114639246A (zh) 2022-05-18 2022-05-18 一种高速公路匝道合流区车路协同控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210537639.8A CN114639246A (zh) 2022-05-18 2022-05-18 一种高速公路匝道合流区车路协同控制方法及系统

Publications (1)

Publication Number Publication Date
CN114639246A true CN114639246A (zh) 2022-06-17

Family

ID=81952858

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210537639.8A Pending CN114639246A (zh) 2022-05-18 2022-05-18 一种高速公路匝道合流区车路协同控制方法及系统

Country Status (1)

Country Link
CN (1) CN114639246A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115273501A (zh) * 2022-07-27 2022-11-01 同济大学 一种基于maddpg的自动驾驶车辆匝道合流协同控制方法及系统
CN115880884A (zh) * 2022-09-23 2023-03-31 长安大学 基于可控智能网联车的高速公路匝道混合交通流管控方法
CN115909784A (zh) * 2022-12-07 2023-04-04 长安大学 多车道的智能网联车辆合流控制方法和控制装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160073687A (ko) * 2014-12-17 2016-06-27 주식회사 포스코아이씨티 차량 추돌 위험 경보 시스템 및 방법
US20160379486A1 (en) * 2015-03-24 2016-12-29 Donald Warren Taylor Apparatus and system to manage monitored vehicular flow rate
CN107093332A (zh) * 2017-07-06 2017-08-25 哈尔滨工业大学 城市快速路匝道合流区安全预警系统
CN110214264A (zh) * 2016-12-23 2019-09-06 御眼视觉技术有限公司 具有施加的责任约束的导航系统
CN110363986A (zh) * 2019-06-28 2019-10-22 江苏大学 一种基于车车博弈与行车势场力的集中式合流区车辆速度优化方法
CN112292646A (zh) * 2018-06-25 2021-01-29 三菱电机株式会社 车辆的控制系统、用于控制车辆的方法和非暂时性计算机可读存储器
US20210118290A1 (en) * 2018-09-27 2021-04-22 Melodie Noel Monitoring and reporting traffic information
CN112927512A (zh) * 2021-02-24 2021-06-08 山东科技大学 一种高速公路匝道合流控制系统及方法
CN113903174A (zh) * 2021-11-10 2022-01-07 哈尔滨工业大学 考虑横向偏移的交织区多车交互换道模型及其构建方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160073687A (ko) * 2014-12-17 2016-06-27 주식회사 포스코아이씨티 차량 추돌 위험 경보 시스템 및 방법
US20160379486A1 (en) * 2015-03-24 2016-12-29 Donald Warren Taylor Apparatus and system to manage monitored vehicular flow rate
CN110214264A (zh) * 2016-12-23 2019-09-06 御眼视觉技术有限公司 具有施加的责任约束的导航系统
CN107093332A (zh) * 2017-07-06 2017-08-25 哈尔滨工业大学 城市快速路匝道合流区安全预警系统
CN112292646A (zh) * 2018-06-25 2021-01-29 三菱电机株式会社 车辆的控制系统、用于控制车辆的方法和非暂时性计算机可读存储器
US20210118290A1 (en) * 2018-09-27 2021-04-22 Melodie Noel Monitoring and reporting traffic information
CN110363986A (zh) * 2019-06-28 2019-10-22 江苏大学 一种基于车车博弈与行车势场力的集中式合流区车辆速度优化方法
CN112927512A (zh) * 2021-02-24 2021-06-08 山东科技大学 一种高速公路匝道合流控制系统及方法
CN113903174A (zh) * 2021-11-10 2022-01-07 哈尔滨工业大学 考虑横向偏移的交织区多车交互换道模型及其构建方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
SHOUCAI JING ET.AL: "Cooperative Game Approach to Optimal Merging Sequence and On-Ramp Merging Control of Connected and Automated Vehicles", 《TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS》 *
刘畅等: "高速匝道入口多智能网联车协同合流控制", 《东南大学学报(自然科学版)》 *
马艳丽等: "基于PET算法的匝道合流区交通冲突识别模型", 《交通运输系统工程与信息》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115273501A (zh) * 2022-07-27 2022-11-01 同济大学 一种基于maddpg的自动驾驶车辆匝道合流协同控制方法及系统
CN115273501B (zh) * 2022-07-27 2023-08-29 同济大学 一种基于maddpg的自动驾驶车辆匝道合流协同控制方法及系统
CN115880884A (zh) * 2022-09-23 2023-03-31 长安大学 基于可控智能网联车的高速公路匝道混合交通流管控方法
CN115880884B (zh) * 2022-09-23 2023-10-27 长安大学 基于可控智能网联车的高速公路匝道混合交通流管控方法
CN115909784A (zh) * 2022-12-07 2023-04-04 长安大学 多车道的智能网联车辆合流控制方法和控制装置
CN115909784B (zh) * 2022-12-07 2023-10-27 长安大学 多车道的智能网联车辆合流控制方法和控制装置

Similar Documents

Publication Publication Date Title
CN114639246A (zh) 一种高速公路匝道合流区车路协同控制方法及系统
CN113450583B (zh) 一种车路协同下高速公路可变限速和变道协同控制方法
KR102225006B1 (ko) 차량 제동 에너지 회수 방법 및 장치
CN110853357B (zh) 高速公路危险路段及施工区域预警控制系统和方法
US8494759B2 (en) Vehicle speed indication using vehicle-infrastructure wireless communication
CN109559532B (zh) 高速公路出口分流区车路协同安全预警控制方法
CN107742432B (zh) 基于车路协同的高速公路运行车速主动预警系统及控制方法
JP6380274B2 (ja) 自動運転車両用ナビゲーション装置
JP5641060B2 (ja) 走行計画生成方法及び走行計画生成装置
CN102803039B (zh) 用于控制车辆速度的方法和模块
US20120296539A1 (en) Driver assistance system
CN108460980A (zh) 自动驾驶车辆下匝道最优意图生成点计算方法
CN108922177A (zh) 一种无人驾驶车辆通过交叉路口时速度控制系统及方法
KR20200020016A (ko) 변하는 도로 상태들에 따라 차량들을 보조하는 기술들
CN110796752B (zh) 一种收费站车道动态智慧指引系统及其动态指引方法
JP2015075398A (ja) 車両用車線案内システム及び車両用車線案内方法
CN116206440A (zh) 一种基于智慧高速的交通流采集、预测、管控及信息化推送系统及方法
Aryal Optimization of geometric road design for autonomous vehicle
JP3882541B2 (ja) 運転者将来状況予測装置
CN109229107A (zh) 优化驾驶员和车辆性能的系统
CN116631211B (zh) 一种基于车联网的紧急车辆道路拥堵疏散系统
CN113335293B (zh) 一种线控底盘的高速公路路面探测系统
CN112161638B (zh) 一种多目标优化的个性化路径选择方法
CN112037552B (zh) 一种基于5g的矿区无人运输系统的编组协同作业方法
CN111784873A (zh) 基于机器学习原理的高速路安全车载智能系统及工作流程

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