CN114648878A - 一种智能网联环境下连续路口速度诱导方法 - Google Patents

一种智能网联环境下连续路口速度诱导方法 Download PDF

Info

Publication number
CN114648878A
CN114648878A CN202210538308.6A CN202210538308A CN114648878A CN 114648878 A CN114648878 A CN 114648878A CN 202210538308 A CN202210538308 A CN 202210538308A CN 114648878 A CN114648878 A CN 114648878A
Authority
CN
China
Prior art keywords
vehicle
intersection
speed
current
scene
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
CN202210538308.6A
Other languages
English (en)
Other versions
CN114648878B (zh
Inventor
安德玺
张龙洋
邱志军
何书贤
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.)
Ismartways Wuhan Technology Co ltd
Original Assignee
Ismartways Wuhan Technology 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 Ismartways Wuhan Technology Co ltd filed Critical Ismartways Wuhan Technology Co ltd
Priority to CN202210538308.6A priority Critical patent/CN114648878B/zh
Publication of CN114648878A publication Critical patent/CN114648878A/zh
Application granted granted Critical
Publication of CN114648878B publication Critical patent/CN114648878B/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
    • 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
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • 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)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本申请公开了一种智能网联环境下连续路口速度诱导方法，包括获取当前交叉口的信息、下一交叉口的信息和车辆信息；根据所述当前交叉口的信息、车辆信息和预设通行场景类别，得到车辆在当前交叉口的通行场景；根据车辆在当前交叉口的通行场景、当前交叉口的信息和车辆信息，得到车辆的初步诱导车速；根据所述初步诱导车速、车辆信息、当前交叉口的信息和下一交叉口的信息，对所述初步诱导车速进行优化，得到修正诱导车速。本发明的方法适用于所有的信号控制交叉口环境，仅需获取连续两个交叉口的交通灯信息和当前车辆信息即可通过不断迭代来实现对连续路口的速度诱导，不需要获取路径上所有交叉口的信息，提高了车速诱导效率。

Description

一种智能网联环境下连续路口速度诱导方法
技术领域
本发明涉及交通工程技术领域，具体涉及一种智能网联环境下连续路口速度诱导方法。
背景技术
车辆在城市道路行驶的过程中，经常会遇到红灯而不得不停车，甚至会出现在连续路口连续遇到红灯而停车的情况。针对该问题，传统ITS技术提供了绿波车速引导和干线绿波协调控制相结合的解决方案，但该方案只能应用在城市主干路环境下，且要求路口信号控制机支持协调控制，还会降低非干线方向道路的通行效率，因此该解决方案应用并不广泛。
随着智能网联环境的扩展以及“端-边-云”概念在智慧交通环境中的应用，智能网联车辆可以获取远距离多个交叉口的信号配时信息。在智能网联交通环境下，交叉口的红绿灯信息会形成SPaT消息经RSU对外播报，而配备OBU的网联车辆可以实时接收SPaT消息，在较远距离即可获得红绿灯信息。OBU根据红绿灯信息和车辆自身的位置和速度信息即可进行速度引导，引导车辆避开红灯，不停车通过交叉口。
因此，结合车辆行驶路径，利用多个交叉口的配时信息来引导车辆不停车通过连续路口的技术条件已经成熟，需要提供一种智能网联环境下连续路口速度诱导方法，对网联车辆提供速度引导，用以减少车辆在行程中的停车次数，能够所有的信号控制交叉口环境，且不会对非干线方向的交通产生不利影响。
发明内容
有鉴于此，有必要提供一种智能网联环境下连续路口速度诱导方法、系统、电子设备和计算机存储设备，用以解决现有技术中对车辆进行速度诱导时存在的对信号机兼容性差，对非干线方向交通会产生不利影响的问题。
为了解决上述问题，本发明提供一种智能网联环境下连续路口速度诱导方法，包括：
获取当前交叉口的信息、下一交叉口的信息和车辆信息；
根据所述当前交叉口的信息、车辆信息和预设通行场景类别，得到车辆在当前交叉口的通行场景；
根据车辆在当前交叉口的通行场景、当前交叉口的信息和车辆信息，得到车辆能够不停车通过当前交叉口的初步诱导车速；
根据所述初步诱导车速、车辆信息、当前交叉口的信息和下一交叉口的信息，对所述初步诱导车速进行优化，得到车辆能够不停车连续通过当前交叉口和下一交叉口的修正诱导车速。
进一步地，所述交叉口的信息包括：交叉口停车线的位置、交叉口交通灯灯色状态、交叉口交通灯灯色剩余显示时长、交叉口交通灯灯色变换周期；
所述车辆信息包括：车辆速度和车辆位置。
进一步地，根据所述当前交叉口的信息、车辆信息和预设通行场景类别，得到车辆在当前交叉口的通行场景，包括：
根据当前交叉口停车线的位置和车辆位置，得到车辆与当前交叉口的距离；
根据所述车辆与当前交叉口的距离和车辆速度，得到车辆到达当前交叉口停车线的预计通行时间；
根据所述当前交叉口预计通行时间、当前交叉口交通灯灯色状态、当前交叉口交通灯灯色剩余显示时长和预设通行场景类别，得到车辆在当前交叉口的通行场景。
进一步地，预设通行场景类别包括：交通灯当前状态通行场景、交通灯状态变换通行场景和停车等待场景；
当车辆处于交通灯当前状态通行场景时，车辆能在交通灯当前状态保持不变的情况下通过当前交叉口；
当车辆处于交通灯下一周期通行场景时，车辆能在交通灯状态发生至少一次改变后通过当前交叉口；
当车辆处于停车等待场景时，车辆无法通过当前交叉口。
进一步地，根据车辆在当前交叉口的通行场景、当前交叉口的信息和车辆信息，得到车辆能够不停车通过当前交叉口的初步诱导车速，包括：
当车辆在当前交叉口的通行场景不属于停车等待场景时，根据车辆在当前交叉口的通行场景、当前交叉口的信息和车辆信息，计算车辆不停车通过当前交叉口的建议行程时间范围；
根据所述建议行程时间范围，得到车辆能够不停车通过当前交叉口的建议速度范围，所述建议速度范围为初步诱导车速。
进一步地，根据所述当前交叉口车辆所处场景、当前交叉口的交通灯信息和车辆信息，计算车辆不停车通过当前交叉口的建议行程时间范围，包括：
当车辆处于交通灯当前状态通行场景时，根据当前交叉口交通灯灯色剩余显示时长、车辆速度和车辆与当前交叉口的距离，计算车辆不停车通过当前交叉口的最大建议行程时间和最小建议行程时间；
当车辆处于交通灯下一周期通行场景时，根据当前交叉口交通灯灯色剩余显示时长、交叉口交通灯灯色变换周期、车辆速度和车辆与当前交叉口的距离，计算车辆不停车通过当前交叉口的最大建议行程时间和最小建议行程时间。
进一步地，根据所述建议行程时间范围，得到车辆能够不停车通过当前交叉口的建议速度范围，包括：
根据当前交叉口车辆所处场景的最大建议行程时间和最小建议行程时间，得到车辆能够不停车通过当前交叉口的最大建议速度和最小建议速度。
进一步地，据所述初步诱导车速、车辆信息、当前交叉口的信息和下一交叉口的信息，对所述初步诱导车速进行优化，包括：
根据所述初步诱导车速、车辆与当前交叉口停车线的距离，得到车辆通过当前交叉口时的末速度和预测时间；
根据所述车辆通过当前交叉口的预测时间和下一交叉口交通灯灯色剩余显示时长，得到车辆通过当前交叉口时下一交叉口交通灯的预测灯色剩余时长；
根据所述下一交叉口交通灯的预测灯色剩余时长、车辆通过当前交叉口时末速度、车辆与下一交叉口停车线的距离和所述初步诱导车速，确定车辆在达到当前交叉路口时，车辆在下一交叉口的通行场景；
根据所述车辆在下一交叉口的通行场景，对所述初步诱导车速进行优化。
进一步地，确定车辆在达到当前交叉路口时，车辆在下一交叉口的通行场景，包括：
分别计算车辆以所述最大建议速度和最小建议速度到达当前交叉口的预测行驶时间；
根据所述车辆通过当前交叉口时的末速度、下一交叉口交通灯灯色剩余显示时长和预测行驶时间，得到车辆在达到当前交叉路口时，车辆在下一交叉口的通行场景。
进一步地，根据所述车辆在下一交叉口的通行场景，对所述初步诱导车速进行优化，包括：
当所述车辆在下一交叉口的通行场景属于停车等待场景时，对所述车辆不停车通过当前交叉口的建议行程时间范围进行优化，得到优化后的建议行程时间范围；
根据所述优化后的行程时间范围对所述最大建议速度和最小建议速度进行优化，得到车辆能够不停车连续通过当前交叉口和下一交叉口的修正诱导车速。
与现有技术相比，本发明的有益效果包括：首先，获取当前交叉口、下一交叉口的交通灯信息和车辆信息；其次，根据预设的通行场景类型，确定当前交叉口车辆所处场景，根据当前交叉口车辆所处场景计算初步诱导车速；最后，根据下一交叉口的交通灯信息，对初步诱导车速进行优化，得到修正诱导车速。本方法适用于所有的信号控制交叉口环境，相较于传统ITS技术的干线绿波速度引导，并不会只适用于干线信号控制交叉口环境，而且由于不要求特殊的信号协调控制方案，在设备上不要求信号机支持干线协调控制功能（适用于绝大多数信号机），也不会对非干线方向的交通产生不利影响。本方法通过下游交叉口状态信息来反向修正车辆的诱导速度，保证车辆能够连续不停车通过交叉口。本方法仅需要获取连续两个交叉口的交通灯信息和当前车辆信息即可通过不断迭代来实现对连续路口的速度诱导，不需要获取路径上所有交叉口的信息，提高了车速诱导效率。
附图说明
图1为本发明提供的一种智能网联环境下连续路口速度诱导方法一实施例的流程示意图；
图2为本发明提供的通行场景判断方法一实施例的流程示意图；
图3（a）为本发明提供的车辆在m时刻的一实施例的通行情况示意图；
图3（b）为本发明提供的车辆在n时刻的一实施例的通行情况示意图；
图3（c）为本发明提供的车辆在p时刻的一实施例的通行情况示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
首先需要说明的是，由于在进行连续路口速度诱导时，考虑的交叉口越多，越难形成统筹协调，难以生成速度诱导方案。因此，本发明的方法讨论的是针对连续路口为连续两个交叉口的情形：车辆前进方向下游的第一个路口为当前交叉口，车辆前进方向下游的第二个路口为下一交叉口。通过不断对当前交叉口和下一交叉口诱导信息的递推，实现多个连续路口的速度诱导。
本发明实施例提供了一种智能网联环境下连续路口速度诱导方法，其流程示意图如图1所示，包括：
步骤S101、获取当前交叉口的交通灯信息、下一交叉口的交通灯信息和车辆信息；
步骤S102、根据所述当前交叉口的交通灯信息、车辆信息和预设通行场景类别，得到当前交叉口车辆所处场景；
步骤S103、根据车辆在当前交叉口的通行场景、当前交叉口的信息和车辆信息，得到车辆能够不停车通过当前交叉口的初步诱导车速；
步骤S104、根据所述初步诱导车速、车辆信息、当前交叉口的信息和下一交叉口的信息，对所述初步诱导车速进行优化，得到车辆能够不停车连续通过当前交叉口和下一交叉口的修正诱导车速。
与现有技术相比，本实施例提供的一种智能网联环境下连续路口速度诱导方法，首先，获取当前交叉口、下一交叉口的交通灯信息和车辆信息；其次，根据预设的通行场景类型，确定当前交叉口车辆所处场景，根据当前交叉口车辆所处场景计算初步诱导车速；最后，根据下一交叉口的交通灯信息，对初步诱导车速进行优化，得到修正诱导车速。本方法适用于所有的信号控制交叉口环境，相较于传统ITS技术的干线绿波速度引导，并不会只适用于干线信号控制交叉口环境，而且由于不要求特殊的信号协调控制方案，在设备上不要求信号机支持干线协调控制功能（适用于绝大多数信号机），也不会对非干线方向的交通产生不利影响。本方法通过下游交叉口状态信息来反向修正车辆的诱导速度，保证车辆能够连续不停车通过交叉口。本方法仅需要获取连续两个交叉口的交通灯信息和当前车辆信息即可通过不断迭代来实现对连续路口的速度诱导，不需要获取路径上所有交叉口的信息，提高了车速诱导效率。
作为优选的实施例，步骤S101中，所述交通灯信息包括：交通灯位置、交通灯灯色状态、交通灯灯色剩余显示时长、交通灯灯色变换周期；
所述车辆信息包括：车辆速度和车辆位置。
作为优选的实施例，步骤S102中，预设通行场景类别包括：交通灯当前状态通行场景、交通灯状态变换通行场景和停车等待场景；
当车辆处于交通灯当前状态通行场景时，车辆能在交通灯当前状态保持不变的情况下通过当前交叉口；
当车辆处于交通灯下一周期通行场景时，车辆能在交通灯状态发生至少一次改变后通过当前交叉口；
当车辆处于停车等待场景时，车辆无法通过当前交叉口。
作为优选的实施例，根据所述当前交叉口的信息、车辆信息和预设通行场景类别，得到车辆在当前交叉口的通行场景，包括：
根据当前交叉口停车线的位置和车辆位置，得到车辆与当前交叉口的距离；
根据所述车辆与当前交叉口的距离和车辆速度，得到车辆到达当前交叉口停车线的预计通行时间；
根据所述当前交叉口预计通行时间、当前交叉口交通灯灯色状态、当前交叉口交通灯灯色剩余显示时长和预设通行场景类别，得到车辆在当前交叉口的通行场景。
作为一个具体的实施例，为了保证交通行驶的安全性，并考虑到交通灯设置的差异性，我们将黄灯灯色也定义为红灯，即：交通灯灯色状态为红色时，包含了灯色为红色和灯色为黄色的情形。因此，交叉口的交通灯灯色状态包括绿灯和红灯，根据交叉口的交通灯信息和车辆信息，预设了下面几种通行场景：绿灯匀速通行（场景1）、绿灯加速通行（场景2）、绿灯减速停车（场景3）、红灯减速通行（场景4）、红灯减速停车（场景5）、红灯匀速通行（场景6）、红灯加速通行（场景7）、绿灯减速通行（场景8）。
将场景1：绿灯匀速通行场景定义为：交叉口的交通灯当前灯色为绿色，且车辆保持当前车速可以在当前灯色结束前不停车通过交叉口。场景1的判定条件如下：
Figure 534840DEST_PATH_IMAGE001
式中，
Figure 734877DEST_PATH_IMAGE002
表示绿灯灯色剩余显示时长，
Figure 275711DEST_PATH_IMAGE003
表示车辆与交叉口停止线的距离，
Figure 498882DEST_PATH_IMAGE004
表示交通灯的灯色状态，
Figure 298211DEST_PATH_IMAGE005
表示交通灯的灯色为绿色。
将场景2：绿灯加速通行场景定义为：交叉口的交通灯当前灯色为绿色，且车辆保持当前车速难以在当前灯色结束前不停车通过交叉口，但是在道路最高限速的约束条件下，车辆可以先加速到一定速度，然后在当前灯色结束前匀速通过交叉口。场景2的判定条件如下：
Figure 352755DEST_PATH_IMAGE006
式中，
Figure 251440DEST_PATH_IMAGE007
表示绿灯灯色剩余显示时长，
Figure 24224DEST_PATH_IMAGE008
表示车辆与交叉口停止线的距离，
Figure 112397DEST_PATH_IMAGE009
表示车辆的初始速度，
Figure 21447DEST_PATH_IMAGE010
表示道路最高限速，
Figure 153351DEST_PATH_IMAGE011
表示车辆的加速度，
Figure 351115DEST_PATH_IMAGE012
表示交通灯的灯色状态，
Figure 492246DEST_PATH_IMAGE013
表示交通灯的灯色为绿色。
将场景3：绿灯减速停车场景定义为：交叉口的交通灯当前灯色为绿色，车辆立即加速至道路最高限速，并保持最高车速匀速行驶，仍不能在当前绿灯结束前通过交叉口，并且车辆立即减速至预设的最低诱导速度并保持最低诱导速度匀速行驶，也不能在交通灯由当前绿灯结束后的红灯结束后（即：下一个绿灯开始时）通过交叉口。场景3的判定条件如下：
Figure 272114DEST_PATH_IMAGE014
式中，
Figure 512603DEST_PATH_IMAGE015
表示绿灯灯色剩余显示时长，
Figure 259979DEST_PATH_IMAGE016
表示车辆与交叉口停止线的距离，
Figure 939222DEST_PATH_IMAGE017
表示车辆的初始速度，
Figure 822864DEST_PATH_IMAGE018
表示道路最高限速，
Figure 234254DEST_PATH_IMAGE019
表示车辆的加速度，
Figure 951150DEST_PATH_IMAGE020
表示红灯剩余显示时长，
Figure 434084DEST_PATH_IMAGE021
表示预设的最低诱导速度，
Figure 172233DEST_PATH_IMAGE022
表示车辆的减速度，
Figure 20103DEST_PATH_IMAGE023
表示交通灯的灯色状态，
Figure 476492DEST_PATH_IMAGE024
表示交通灯的灯色为绿色。
将场景4：红灯减速通行场景定义为：交叉口的交通灯当前灯色为红灯，车辆保当前车速会在当前红灯结束前到达交叉口，但车辆立即减速至预设的最低诱导速度然后保持最低诱导速度匀速行驶可以在当前红灯结束后的绿灯开始时通过交叉口。场景4的判定条件如下：
Figure 982691DEST_PATH_IMAGE025
式中，
Figure 840925DEST_PATH_IMAGE026
表示红灯剩余显示时长，
Figure 656435DEST_PATH_IMAGE027
表示车辆与交叉口停止线的距离，
Figure 334541DEST_PATH_IMAGE028
表示车辆的初始速度，
Figure 644430DEST_PATH_IMAGE029
表示预设的最低诱导速度，
Figure 357171DEST_PATH_IMAGE030
表示车辆的减速度，
Figure 609161DEST_PATH_IMAGE031
表示交通灯的灯色状态，
Figure 774563DEST_PATH_IMAGE032
表示交通灯的灯色为红色。
将场景5：红灯减速停车场景定义为：交叉口的交通灯当前灯色为红灯，车辆保持当前车速会在当前红灯结束前到达交叉口，且车辆立即减速至预设的最低诱导速度并保持最低诱导速度匀速行驶也不能在当前红灯结束后（当前灯色变为绿灯后）通过交叉口。场景5的判定条件为：
Figure 419302DEST_PATH_IMAGE033
式中，
Figure 720971DEST_PATH_IMAGE034
表示红灯剩余显示时长，
Figure 364702DEST_PATH_IMAGE035
表示车辆与交叉口停止线的距离，
Figure 800756DEST_PATH_IMAGE036
表示车辆的初始速度，
Figure 498454DEST_PATH_IMAGE037
表示预设的最低诱导速度，
Figure 185787DEST_PATH_IMAGE038
表示车辆的减速度，
Figure 264733DEST_PATH_IMAGE004
表示交通灯的灯色状态，
Figure 404727DEST_PATH_IMAGE039
表示交通灯的灯色为红色。
将场景6：红灯匀速通行场景定义为：交叉口的交通灯当前灯色为红色，且车辆保持当前车速可以在当前红灯结束后的绿灯结束前不停车通过交叉口。场景6的判定条件为：
Figure 374957DEST_PATH_IMAGE040
式中，
Figure 667529DEST_PATH_IMAGE041
表示红灯剩余显示时长，
Figure 697802DEST_PATH_IMAGE042
表示绿灯灯色剩余显示时长，
Figure 207981DEST_PATH_IMAGE043
表示车辆与交叉口停止线的距离，
Figure 450744DEST_PATH_IMAGE044
表示车辆的初始速度，
Figure 112669DEST_PATH_IMAGE045
表示交通灯的灯色状态，
Figure 782685DEST_PATH_IMAGE046
表示交通灯的灯色为红色。
将场景7：红灯加速通行场景定义为：交叉口的交通灯灯色为红色，车辆保持当前车速匀速行驶会在当前红灯结束后的绿灯结束后（即：下一个红灯开始时）到达交叉口，但是在车辆道路最高速度限制的约束条件下，车辆可以先加速到一定速度，在当前红灯结束后的绿灯结束前匀速通过交叉口。场景7的判定条件为：
Figure 382425DEST_PATH_IMAGE047
式中，
Figure 428878DEST_PATH_IMAGE048
表示车辆与交叉口停止线的距离，
Figure 945310DEST_PATH_IMAGE049
表示道路最高限速，
Figure 333697DEST_PATH_IMAGE017
表示车辆的初始速度，
Figure 670001DEST_PATH_IMAGE050
表示车辆的加速度，
Figure 785724DEST_PATH_IMAGE051
表示红灯剩余显示时长，
Figure 514253DEST_PATH_IMAGE052
表示绿灯灯色剩余显示时长，
Figure 526071DEST_PATH_IMAGE053
表示交通灯的灯色状态，
Figure 615250DEST_PATH_IMAGE046
表示交通灯的灯色为红色。
将场景8：绿灯减速通行场景定义为：交叉口的当前灯色为绿色，车辆保持当前车速匀速行驶会在当前绿灯结束后到达交叉口，即使车辆加速到道路最高限速然后保持最高速度匀速行驶，也不能在当前绿灯结束前通过交叉口，即不属于场景2：绿灯加速通行类的场景，但在预设的最低诱导速度的约束下减速至一定速度并保持匀速行驶，能够在当前绿灯结束后的下个周期的绿灯开始后通过交叉口。场景8的判定条件为：
Figure 737926DEST_PATH_IMAGE054
式中，
Figure 979683DEST_PATH_IMAGE055
表示绿灯灯色剩余显示时长，
Figure 162403DEST_PATH_IMAGE056
表示红灯剩余显示时长，
Figure 473298DEST_PATH_IMAGE057
表示车辆的初始速度，
Figure 681557DEST_PATH_IMAGE058
表示道路最高限速，
Figure 27088DEST_PATH_IMAGE059
表示车辆的加速度，
Figure 380709DEST_PATH_IMAGE060
表示预设的最低诱导速度，
Figure 339087DEST_PATH_IMAGE061
表示车辆的减速度，
Figure 85457DEST_PATH_IMAGE062
表示车辆与交叉口停止线的距离，
Figure 705401DEST_PATH_IMAGE004
表示交通灯的灯色状态，
Figure 229923DEST_PATH_IMAGE063
表示交通灯的灯色为绿色。
如图2所示，图2是上述8种场景的判断流程示意图，对上述8种情况进行了总结。具体为：
步骤S201：获取在m时刻：第i个交叉口的交通灯状况和位置，以及车辆位置和速度；
步骤S202：判断m时刻第i个交叉口的交通灯灯色是否为绿色，如果是，进入步骤S203；如果否，进入步骤S206；
步骤S203：判断按照m时刻的车辆速度和灯色剩余时长是否能通过第i个路口，如果是，确定为场景1（绿灯匀速通行）；如果否，进入步骤S204；
步骤S204：判断加速到道路最高限速行驶是否能够通过第i个交叉口，如果是，确定为场景2（绿灯加速通行）；如果否，进入步骤S205；
步骤S205：判断按照最低诱导速度行驶是否能在下一周期的绿灯期间通过第i个交叉口；如果是，确定为场景8（绿灯减速通行）；如果否，确定为场景3（绿灯减速停车）；
步骤S206：判断按照m时刻的车辆速度是否能在下一个绿灯期间通过第i个交叉口；如果是，确定为场景6（红灯匀速通行）；如果否，进入步骤S207；
步骤S207：判断按照道路最高限速行驶是否能在下一个绿灯期间通过第i个交叉口；如果是，确定为场景7（红灯加速通行）；如果否，进入步骤S208；
步骤S208：判断按照最低诱导速度行驶是否能在下一个绿灯期间通过第i个交叉口；如果是，确定为场景4（红灯减速通行）；如果否，确定为场景5（红灯减速停车）。
通过对上述8种场景的分析可以看出：
交通灯当前状态通行场景包括：场景1绿灯匀速通行、场景2绿灯加速通行；
交通灯状态变换一次通行的场景包括：场景4红灯减速通行、场景6红灯匀速通行和场景7红灯加速通行；
交通灯状态变换两次通行的场景包括：场景8绿灯减速通行；
停车等待场景包括：场景3绿灯减速停车和场景5红灯减速停车。
当车辆属于绿灯减速停车（场景3）或红灯减速停车（场景5），说明车辆无法通过车速诱导不停车通过交叉口，不具备速度诱导的条件；当车辆属于绿灯匀速通行（场景1）、绿灯加速通行（场景2）、红灯减速通行（场景4）、红灯匀速通行（场景6）、红灯加速通行（场景7）、绿灯减速通行（场景8），说明车辆可以通过车速诱导不停车通过交叉口，具备速度诱导的条件。
作为优选的实施例，步骤S103中，根据车辆在当前交叉口的通行场景、当前交叉口的信息和车辆信息，得到车辆能够不停车通过当前交叉口的初步诱导车速，包括：
当车辆在当前交叉口的通行场景不属于停车等待场景时，根据车辆在当前交叉口的通行场景、当前交叉口的信息和车辆信息，计算车辆不停车通过当前交叉口的建议行程时间范围；
根据所述建议行程时间范围，得到车辆能够不停车通过当前交叉口的建议速度范围，所述建议速度范围为初步诱导车速。
作为优选的实施例，根据所述当前交叉口车辆所处场景、当前交叉口的交通灯信息和车辆信息，计算车辆不停车通过当前交叉口的建议行程时间范围，包括：
当车辆处于交通灯当前状态通行场景时，根据当前交叉口交通灯灯色剩余显示时长、车辆速度和车辆与当前交叉口的距离，计算车辆不停车通过当前交叉口的最大建议行程时间和最小建议行程时间；
当车辆处于交通灯下一周期通行场景时，根据当前交叉口交通灯灯色剩余显示时长、交叉口交通灯灯色变换周期、车辆速度和车辆与当前交叉口的距离，计算车辆不停车通过当前交叉口的最大建议行程时间和最小建议行程时间。
作为一个具体的实施例，在上述讨论的8种通行场景中，当车辆所述的场景不属于场景3绿灯减速停车和场景5红灯减速停车时，可以根据车辆所处的场景，得到初步诱导车速。具体的实现方法如下：
假定车辆完全服从速度诱导，将车辆的运动模型简化为匀变速运动和匀速运动，车辆先通过匀变速运动加速或减速至诱导速度，然后保持诱导速度匀速通过交叉口。
在上述车辆运动模型下，可以根据车辆的初速度、末速度、车辆位置与当前交叉口停止线之间的行程距离，以及车辆的加速度计算出车辆到达当前交叉口的行程时间，所述行程时间计算模型为：
Figure 515411DEST_PATH_IMAGE064
式中，
Figure 49161DEST_PATH_IMAGE065
表示车辆初速度为
Figure 120016DEST_PATH_IMAGE066
、车辆到达当前交叉口的速度为
Figure 815440DEST_PATH_IMAGE067
、车辆与交叉口停止线的距离L（车辆与交叉口停止线的距离可以根据车辆位置与交叉口的交通灯的位置换算得到）、车辆加速度为
Figure 588224DEST_PATH_IMAGE068
的情况下的行程时间。
下面分别对各个场景对行程时间进行计算。
当车辆属于绿灯匀速通行（场景1）或绿灯加速通行（场景2）时，车辆可以保持当前速度或加速至最大诱导速度保持最大速度（不停车通过当前交叉口速度区间上限值），然后匀速通过交叉口，从当前时刻到车辆通过交叉口的时刻即为经诱导不停车通过交叉口的最小行程时间；从当前时刻到车辆通过交叉口的时刻即为经诱导不停车通过交叉口的最大行程时间（此时最大行程时间等于剩余绿灯时间）。场景1和场景2的最小行程时间和最大行程时间的计算模型为：
Figure 660085DEST_PATH_IMAGE069
式中，
Figure 319867DEST_PATH_IMAGE007
表示绿灯灯色剩余显示时长，
Figure 451771DEST_PATH_IMAGE070
表示车辆初速度为
Figure 446272DEST_PATH_IMAGE017
、车辆到达当前交叉口的速度为道路最高限速
Figure 321824DEST_PATH_IMAGE071
、车辆与当前交叉口停止线的距离
Figure 836113DEST_PATH_IMAGE072
（车辆与当前交叉口停止线的距离可以根据车辆位置与当前交叉口的交通灯的位置换算得到）、车辆加速度为
Figure 138919DEST_PATH_IMAGE073
的情况下的行程时间；
Figure 620716DEST_PATH_IMAGE074
表示车辆经速度诱导后行驶至当前交叉口停止线的最大行程时间；
Figure 34379DEST_PATH_IMAGE075
表示车辆经速度诱导后行驶至当前交叉口停止线的最小行程时间。
当车辆属于红灯减速通行（场景4）时，车辆可以立即减速至一定速度并保持该速度（不停车通过当前交叉口速度区间上限值），然后恰好在当前红灯结束时刻匀速通过交叉口，从当前时刻到车辆通过交叉口的时刻即为经诱导不停车通过交叉口的最小行程时间（此时最小行程时间等于当前红灯剩余时长）；车辆也可以立即减速至最低速度（不停车通过当前交叉口速度区间下限值）并保持该速度，可恰好在当前红灯结束后的绿灯结束时刻匀速通过交叉口，从当前时刻到车辆通过交叉口的时刻即为经诱导不停车通过交叉口的最大行程时间，由于最小诱导速度的限制，车辆在末速度为最小诱导速度时也有可能在绿灯结束前通过交叉口（未等到绿灯刚好结束就通过交叉口），因此最小行程时间为两者之间的较小值。场景4最小行程时间和最大行程时间的计算模型为：
Figure 121284DEST_PATH_IMAGE076
式中，
Figure 360372DEST_PATH_IMAGE077
表示车辆经速度诱导后行驶至当前交叉口停止线的最大行程时间；
Figure 329465DEST_PATH_IMAGE078
表示车辆经速度诱导后行驶至当前交叉口停止线的最小行程时间，
Figure 546819DEST_PATH_IMAGE079
表示红灯剩余显示时长，
Figure 284968DEST_PATH_IMAGE080
表示绿灯灯色剩余显示时长，
Figure 680309DEST_PATH_IMAGE081
表示车辆初速度为
Figure 136698DEST_PATH_IMAGE017
、车辆到达当前交叉口的速度为道路最高限速
Figure 892164DEST_PATH_IMAGE082
、车辆与当前交叉口停止线的距离
Figure 750399DEST_PATH_IMAGE083
、车辆减速度为
Figure 51061DEST_PATH_IMAGE084
的情况下的行程时间。
当车辆属于红灯匀速通行（场景6）时，车辆可以在当前红灯结束后的绿灯结束之前通过交叉口。车辆可以立即加速至一定速度并保持该速度（不停车通过当前交叉口速度区间上限值），然后能够在当前红灯结束后的绿灯结束前匀速通过交叉口，从当前时刻到车辆通过交叉口的时刻即为经诱导不停车通过交叉口的最小行程时间；车辆也可以立即减速至一定速度（不停车通过当前交叉口速度区间下限）并保持该速度，在当前红灯结束后的绿灯结束前匀速通过交叉口，从当前时刻到车辆通过交叉口的时刻即为经诱导不停车通过交叉口的最大行程时间。场景6最小行程时间和最大行程时间的计算模型为：
Figure 994747DEST_PATH_IMAGE085
式中，
Figure 553904DEST_PATH_IMAGE086
表示车辆经速度诱导后行驶至当前交叉口停止线的最大行程时间；
Figure 266645DEST_PATH_IMAGE087
表示车辆经速度诱导后行驶至当前交叉口停止线的最小行程时间，
Figure 269367DEST_PATH_IMAGE088
表示绿灯灯色剩余显示时长，
Figure 434769DEST_PATH_IMAGE089
表示红灯剩余显示时长，
Figure 735301DEST_PATH_IMAGE090
表示车辆初速度为
Figure 568127DEST_PATH_IMAGE091
、车辆到达当前交叉口的速度为道路最高限速
Figure 991018DEST_PATH_IMAGE092
、车辆与当前交叉口停止线的距离
Figure 846979DEST_PATH_IMAGE093
、车辆减速度为
Figure 495742DEST_PATH_IMAGE038
的情况下的行程时间；
Figure 448654DEST_PATH_IMAGE094
表示车辆初速度为
Figure 776867DEST_PATH_IMAGE095
、车辆到达当前交叉口的速度为道路最高限速
Figure 120124DEST_PATH_IMAGE096
、车辆与当前交叉口停止线的距离
Figure 559196DEST_PATH_IMAGE097
、车辆加速度为
Figure 117347DEST_PATH_IMAGE098
情况下的行程时间。
当车辆属于红灯加速通行（场景7）时，车辆可以经诱导加速后在当前红灯结束后的绿灯结束前通过交叉口。车辆可以立即加速至一定速度并保持该速度（不停车通过当前交叉口速度区间上限值），在当前红灯结束后的绿灯结束前匀速通过交叉口，从当前时刻到车辆通过交叉口的时刻即为经诱导不停车通过交叉口的最小行程时间；车辆也可以立即加速至一定速度（不停车通过当前交叉口速度区间下限）并保持该速度，恰好在当前红灯结束后的绿灯结束时刻匀速通过交叉口，从当前时刻到车辆通过交叉口的时刻即为经诱导不停车通过交叉口的最大行程时间。场景7的最小行程时间和最大行程时间的计算模型为：
Figure 819724DEST_PATH_IMAGE099
式中，
Figure 447014DEST_PATH_IMAGE100
表示车辆经速度诱导后行驶至当前交叉口停止线的最大行程时间；
Figure 955356DEST_PATH_IMAGE101
表示车辆经速度诱导后行驶至当前交叉口停止线的最小行程时间，
Figure 351702DEST_PATH_IMAGE102
表示绿灯灯色剩余显示时长，
Figure 224980DEST_PATH_IMAGE103
表示红灯剩余显示时长，
Figure 90299DEST_PATH_IMAGE104
表示车辆初速度为
Figure 402332DEST_PATH_IMAGE105
、车辆到达当前交叉口的速度为道路最高限速
Figure 856447DEST_PATH_IMAGE106
、车辆与当前交叉口停止线的距离
Figure 697364DEST_PATH_IMAGE107
、车辆加速度为
Figure 564826DEST_PATH_IMAGE019
情况下的行程时间。
当车辆属于绿灯减速通行（场景8）时，车辆可以经诱导减速后在下个绿灯周期结束前通过交叉口。车辆可以立即减速至一定速度并保持该速度（不停车通过当前交叉口速度区间上限值），恰好能够在下个绿灯周期开始时刻匀速通过交叉口，从当前时刻到车辆通过交叉口的时刻即为经诱导不停车通过交叉口的最小行程时间；车辆也可以立即减速至一定速度（不停车通过当前交叉口速度区间下限值）并保持该速度，能够在下个绿灯周期结束前匀速通过交叉口，从当前时刻到车辆通过交叉口的时刻即为经诱导不停车通过交叉口的最大行程时间。场景8的最小行程时间和最大行程时间计算模型为：
Figure 900123DEST_PATH_IMAGE108
式中，
Figure 474324DEST_PATH_IMAGE109
表示车辆经速度诱导后行驶至当前交叉口停止线的最大行程时间；
Figure 486143DEST_PATH_IMAGE110
表示车辆经速度诱导后行驶至当前交叉口停止线的最小行程时间，
Figure 840900DEST_PATH_IMAGE111
表示灯色变换周期，
Figure 963577DEST_PATH_IMAGE112
表示绿灯灯色剩余显示时长，
Figure 392285DEST_PATH_IMAGE113
表示红灯剩余显示时长，
Figure 594246DEST_PATH_IMAGE114
表示车辆初速度为
Figure 170720DEST_PATH_IMAGE115
、车辆到达当前交叉口的速度为道路最高限速
Figure 97088DEST_PATH_IMAGE116
、车辆与当前交叉口停止线的距离
Figure 645881DEST_PATH_IMAGE117
、车辆减速度为
Figure 265081DEST_PATH_IMAGE118
的情况下的行程时间。
因此，根据上述各类场景的最小行程时间和最大行程时间的计算模型，可以计算出各类场景车辆不停车通过当前交叉口的建议行程时间范围。车辆的建议行程时间区间为
Figure 814005DEST_PATH_IMAGE119
。
作为优选的实施例，根据所述建议行程时间范围，得到车辆能够不停车通过当前交叉口的建议速度范围，包括：
根据当前交叉口车辆所处场景的最大建议行程时间和最小建议行程时间，得到车辆能够不停车通过当前交叉口的最大建议速度和最小建议速度。
作为一个具体的实施例，在前面设置的车辆运动模型下，可以根据车辆不停车通过当前交叉口的建议行程时间范围、车辆的初速度、行程距离和车辆加速度计算车辆的初步诱导车速。诱导车速的计算模型为：
Figure 747326DEST_PATH_IMAGE120
式中，
Figure 947364DEST_PATH_IMAGE121
表示车辆初始速度为
Figure 737465DEST_PATH_IMAGE017
、车辆的加速度（或减速度）为
Figure 22953DEST_PATH_IMAGE122
，建议行程时间为
Figure 494385DEST_PATH_IMAGE123
，车辆与交叉口停止线的距离L （车辆与交叉口停止线的距离可以根据车辆位置与交叉口的交通灯的位置换算得到）的情况下车辆的末速度。
为了简化计算量，对不同场景的诱导车速计算模型进行了以下推导：
绿灯匀速通行（场景1）场景下最小诱导速度和最大诱导速度的计算模型为：
Figure 565241DEST_PATH_IMAGE124
式中，
Figure 526244DEST_PATH_IMAGE125
表示通过当前交叉口的最小诱导车速，
Figure 502290DEST_PATH_IMAGE126
表示通过当前交叉口的最大诱导车速。（下同）
绿灯加速通行（场景2）场景下最小建议速度和最大建议速度的计算模型为：
Figure 308572DEST_PATH_IMAGE127
红灯减速通行（场景4）场景下最小建议速度和最大建议速度的计算模型为：
Figure 748780DEST_PATH_IMAGE128
红灯匀速通行（场景6）场景下最小建议速度和最大建议速度的计算模型为：
Figure 365838DEST_PATH_IMAGE129
红灯加速通行（场景7）场景下最小建议速度和最大建议速度的计算模型为：
Figure 829180DEST_PATH_IMAGE130
绿灯减速通行（场景8）场景下最小建议速度和最大建议速度的计算模型为：
Figure 439153DEST_PATH_IMAGE131
通过上述对建议行程时间和初步诱导车速的计算可以看出，建议行程时间和初步诱导车速仅考虑了不停车通过当前交叉口的情况，但在通过连续路口的情况下需要对这些数据进行修正。
作为优选的实施例，据所述初步诱导车速、车辆信息、当前交叉口的信息和下一交叉口的信息，对所述初步诱导车速进行优化，包括：
根据所述初步诱导车速、车辆与当前交叉口停车线的距离，得到车辆通过当前交叉口时的末速度和预测时间；
根据所述车辆通过当前交叉口的预测时间和下一交叉口交通灯灯色剩余显示时长，得到车辆通过当前交叉口时下一交叉口交通灯的预测灯色剩余时长；
根据所述下一交叉口交通灯的预测灯色剩余时长、车辆通过当前交叉口时末速度、车辆与下一交叉口停车线的距离和所述初步诱导车速，确定车辆在达到当前交叉路口时，车辆在下一交叉口的通行场景；
根据所述车辆在下一交叉口的通行场景，对所述初步诱导车速进行优化。
作为一个具体的实施例，在确定了车辆到达当前交叉口的建议行程时间和初步诱导车速的基础上，根据当前下一交叉口的交通灯状态可预测车辆驶至当前交叉口时下一交叉口的交通灯状态。对不同的情形进行推导：
首先对各字母的含义进行说明：
Figure 733868DEST_PATH_IMAGE132
表示下一交叉口交通灯的当前灯色实际剩余时长，
Figure 239936DEST_PATH_IMAGE133
表示下一交叉口交通灯的下一灯色实际剩余时长；预测车辆驶至当前交叉口时，下一交叉口的交通灯预测灯色状态为
Figure 721733DEST_PATH_IMAGE134
、下一交叉口当前的灯色预测剩余显示时长为
Figure 148778DEST_PATH_IMAGE135
；下一交叉口的交通灯下一灯色的预测剩余时长为
Figure 32421DEST_PATH_IMAGE136
，
Figure 709390DEST_PATH_IMAGE137
表示交通灯的灯色为绿色；
Figure 944062DEST_PATH_IMAGE046
表示交通灯的灯色为红色或黄色，
Figure 895838DEST_PATH_IMAGE138
表示交通灯灯色变换周期，
Figure 102828DEST_PATH_IMAGE139
表示车辆行驶至当前交叉口的行程时间。
若
Figure 498168DEST_PATH_IMAGE140
，即：当车辆到达当前交叉口的行程时间大于等于下一交叉口交通灯当前灯色实际剩余时长，且小于下一交叉口交通灯下一灯色实际剩余时长的情况，下一交叉口交通灯的灯色满足下式：
Figure 220137DEST_PATH_IMAGE141
即：下一交叉口的交通灯预测灯色状态发生转换，下一交叉口当前的灯色预测剩余显示时长为下一交叉口当前灯色剩余时长与下一灯色剩余时长的和减去车辆到达当前交叉口的行程时间，下一交叉口的交通灯下一灯色的预测剩余时长与下一交叉口交通灯的下一灯色实际剩余时长相同。
若
Figure 975603DEST_PATH_IMAGE142
，即：车辆到达当前交叉口的行程时间小于周期变换时长，且大于下一交叉口交通灯当前灯色实际剩余时长和下一灯色实际时长的和，则下一交叉口交通灯的灯色满足下式：
Figure 771521DEST_PATH_IMAGE143
即：下一交叉口的交通灯预测灯色状态不发生转换，下一交叉口当前的灯色预测剩余显示时长为车辆到达当前交叉口的行程时间减去下一交叉口当前灯色剩余时长再减去下一灯色剩余时长，下一交叉口的交通灯下一灯色的预测剩余时长与下一交叉口交通灯的下一灯色实际剩余时长相同。
若
Figure 852609DEST_PATH_IMAGE144
，即：车辆到达当前交叉口的行程时间小于等于下一交叉口当前灯色的剩余时长时，下一交叉口交通灯的灯色满足下式：
Figure 547027DEST_PATH_IMAGE145
即：下一交叉口的交通灯预测灯色状态不发生转换，下一交叉口当前的灯色预测剩余显示时长为下一交叉口当前灯色剩余时长减去车辆到达当前交叉口的行程时间，下一交叉口的交通灯下一灯色的预测剩余时长与下一交叉口交通灯的下一灯色实际剩余时长相同。
根据上述分析，在获得下一交叉口的交通灯当前状态信息和车辆由当前位置行驶至当前交叉口的行程时间的前提下，可以预测车辆行驶至当前交叉口时下一交叉口的交通灯的预测灯色状态
Figure 309447DEST_PATH_IMAGE146
、预测灯色剩余显示时长
Figure 22188DEST_PATH_IMAGE147
，下一灯色的预测灯色时长
Figure 8598DEST_PATH_IMAGE148
。
作为优选的实施例，确定车辆在达到当前交叉路口时，车辆在下一交叉口的通行场景，包括：
分别计算车辆以所述最大建议速度和最小建议速度到达当前交叉口的预测行驶时间；
根据所述车辆通过当前交叉口时的末速度、下一交叉口交通灯灯色剩余显示时长和预测行驶时间，得到车辆在达到当前交叉路口时，车辆在下一交叉口的通行场景。
作为一个具体的实施例，分别以最小诱导车速和最大诱导车速为车辆到达当前交叉口时的末速度，结合车辆行驶至当前交叉口时下一交叉口的交通灯的预测灯色状态
Figure 439580DEST_PATH_IMAGE149
、预测灯色剩余显示时长
Figure 740111DEST_PATH_IMAGE150
、下一灯色预测时长
Figure 589249DEST_PATH_IMAGE151
，分别预测最小诱导速度和最大诱导速度下，车辆驶向下一交叉口的场景类别
Figure 480982DEST_PATH_IMAGE152
。
作为优选的实施例，根据所述车辆在下一交叉口的通行场景，对所述初步诱导车速进行优化，包括：
当所述车辆在下一交叉口的通行场景属于停车等待场景时，对所述车辆不停车通过当前交叉口的建议行程时间范围进行优化，得到优化后的建议行程时间范围；
根据所述优化后的行程时间范围对所述最大建议速度和最小建议速度进行优化，得到车辆能够不停车连续通过当前交叉口和下一交叉口的修正诱导车速。
作为一个具体的实施例，若车辆驶向下一交叉口时的场景类别
Figure 602522DEST_PATH_IMAGE153
属于绿灯匀速通行（场景1）、绿灯加速通行（场景2）、红灯减速通行（场景4）、红灯匀速通行（场景6）、红灯加速通行（场景7）、绿灯减速通行（场景8），则车辆遵循速度诱导可以连续不停车通过下一交叉口，无需对初步诱导车速进行修正；若车辆驶向下一交叉口时的场景类别
Figure 503482DEST_PATH_IMAGE154
属于绿灯减速停车（场景3）、红灯减速停车（场景5），则需对初步诱导车速进行修正，才能使车辆不停车通过连续交叉口。
对车速的修正，本质上仍然是对建议行程时间的修正，初步诱导车速的增加和减少在时间上表现为建议行程时间的减少或增加。
为了减少计算量，对不同的行程时间修正创建相应的修正模型：
当建议行程时间区间为
Figure 190815DEST_PATH_IMAGE155
时，则建议行程时间允许调整的最大值为
Figure 260971DEST_PATH_IMAGE156
。对行程时间区间
Figure 604228DEST_PATH_IMAGE157
的上限
Figure 308879DEST_PATH_IMAGE158
，创建行程时间减少修正模型，对行程时间区间
Figure 116298DEST_PATH_IMAGE159
的下限
Figure 615412DEST_PATH_IMAGE160
，创建行程时间增加修正模型。
1、行程时间减少修正模型
当预测下一交叉口所处场景为绿灯减速停车
Figure 445965DEST_PATH_IMAGE161
时，车辆若要能不停车通过下一交叉口，则车辆在驶向当前交叉口需要减少的行程时间
Figure 705039DEST_PATH_IMAGE162
计算模型为：
Figure 101386DEST_PATH_IMAGE163
式中，
Figure 974664DEST_PATH_IMAGE164
表示车辆到达当前交叉口时对于下一交叉口的预测场景类别，
Figure 89250DEST_PATH_IMAGE165
表示车辆经速度诱导后行驶至下一交叉口停止线的最小行程时间，
Figure 135704DEST_PATH_IMAGE166
表示车辆与当前交叉口停止线的距离，
Figure 402868DEST_PATH_IMAGE167
表示灯色变换周期；
Figure 447047DEST_PATH_IMAGE168
表示减少的行程时间，
Figure 314509DEST_PATH_IMAGE169
表示下一交叉口当前的灯色预测剩余显示时长，
Figure 899074DEST_PATH_IMAGE170
表示驶向当前交叉路口的诱导车速，
Figure 473275DEST_PATH_IMAGE171
表示道路最高限速。
若
Figure 485093DEST_PATH_IMAGE172
，车辆可以通过减少行程时间
Figure 325005DEST_PATH_IMAGE173
来实现车辆不停车通过下一交叉口；否则，无法通过减少行程时间来实现车辆不停车通过下一交叉口
Figure 713261DEST_PATH_IMAGE174
。
当当预测下一交叉口所处场景为红灯减速停车
Figure 141968DEST_PATH_IMAGE175
时，车辆若要能不停车通过下游交叉口（第二交叉口），车辆在驶向目标交叉口需要减少的行程时间
Figure 324688DEST_PATH_IMAGE176
计算模型为：
Figure 166742DEST_PATH_IMAGE177
若
Figure 840912DEST_PATH_IMAGE178
，则车辆可以通过减少行程时间
Figure 124126DEST_PATH_IMAGE179
来实现车辆不停车通过下一交叉口；否则，无法通过减少行程时间来实现车辆不停车通过下一交叉口
Figure 743326DEST_PATH_IMAGE180
。
2、行程时间增加修正模型
当预测下一交叉口所处场景为绿灯减速停车
Figure 807097DEST_PATH_IMAGE161
时，车辆若要能不停车通过下一交叉口，则车辆在驶向目标交叉口需要增加的行程时间
Figure 537156DEST_PATH_IMAGE181
计算模型为：
Figure 674876DEST_PATH_IMAGE182
若
Figure 215710DEST_PATH_IMAGE183
，则车辆可以通过增加行程时间
Figure 766777DEST_PATH_IMAGE184
来实现车辆不停车通过下一交叉口；否则，无法通过增加行程时间来实现车辆不停车通过下一交叉口，
Figure 34947DEST_PATH_IMAGE185
。
当预测下一交叉口所处场景为红灯减速停车
Figure 292753DEST_PATH_IMAGE186
时，车辆若要能不停车通过下一交叉口，则车辆在驶向目标交叉口需要增加的行程时间
Figure 253756DEST_PATH_IMAGE187
计算模型为：
Figure 777272DEST_PATH_IMAGE188
若
Figure 849133DEST_PATH_IMAGE189
，则车辆可以通过增加行程时间
Figure 227025DEST_PATH_IMAGE190
来实现车辆不停车通过下一交叉口；否则，无法通过增加行程时间来实现车辆不停车通过下一交叉口
Figure 93350DEST_PATH_IMAGE191
。
根据上述分析，修正后的行程时间区间为
Figure 619009DEST_PATH_IMAGE192
，即
Figure 979715DEST_PATH_IMAGE193
。
由于行程时间区间相较于
Figure 8851DEST_PATH_IMAGE194
发生变化，车辆在驶向当前交叉路口所对应的场景分类可能会发生变化，场景变化模型为：
Figure 249339DEST_PATH_IMAGE195
式中，
Figure 996715DEST_PATH_IMAGE196
表示行程时间修正后车辆驶向当前交叉路口所对应的场景类型。
根据修正后的行程时间区间
Figure 410379DEST_PATH_IMAGE197
以及修正后车辆驶向当前交叉路口所对应的场景类型
Figure 313263DEST_PATH_IMAGE198
，通过前面讨论的不同场景的诱导车速的计算模型，可以获得修正后的最小诱导车速
Figure 786969DEST_PATH_IMAGE199
和最大诱导车速
Figure 959325DEST_PATH_IMAGE200
。
Figure 911100DEST_PATH_IMAGE201
式中：加速度a的取值取决于
Figure 180407DEST_PATH_IMAGE202
（变化后的场景类别）。
下面结合图3（a）、图3（b）和图3（c）对一个具体通行速度诱导的示例进行详细说明。
如图3（a）所示，在m时刻，车辆与第i个交叉口的距离为L1，当前车速为v。此时，第i个交叉口的灯色为绿色、绿灯剩余时长为Ti，第i+1个交叉口的灯色为绿色、绿灯剩余时长为Ti+1；
若车辆以当前车速v行驶至第i个交叉口，则行驶时间t=L1/v，而t>Ti，即：车辆行驶到交叉口的时间比交叉口绿灯剩余时间长。因此无法在第i个交叉口当前绿灯结束前通过，但如果加速到道路最高限速
Figure 762699DEST_PATH_IMAGE203
，并保持最高速
Figure 969820DEST_PATH_IMAGE204
到达第i个交叉口，则可以在第i个交叉口当前绿灯结束前通过。根据上述的分析，可确定车辆在当前第i个交叉口的通行场景为场景2（绿灯加速通行）。
根据场景2的行程时间计算模型，可以计算得到车辆不停车通过第i个交叉口的最小行程时间
Figure 990866DEST_PATH_IMAGE087
和最大行程时间
Figure 849100DEST_PATH_IMAGE086
。因此，建议行程时间范围为
Figure 867872DEST_PATH_IMAGE205
。
根据建议行程时间范围，可以计算得到车辆不停车通过第i个交叉口的最大速度
Figure 359027DEST_PATH_IMAGE206
和最小速度
Figure 855868DEST_PATH_IMAGE207
，从而得到初步诱导车速
Figure 568609DEST_PATH_IMAGE208
。
如图3（b）所示，当车辆以大速度
Figure 820598DEST_PATH_IMAGE209
行驶至第i个交叉口时（假设此时为n时刻，可推得n=m+
Figure 251580DEST_PATH_IMAGE210
），根据车辆通过第i个交叉口时的速度
Figure 552111DEST_PATH_IMAGE211
以及n时刻车辆与第i+1交叉口的距离L2，可以计算车辆以当前速度到达第i+1个交叉口的行驶时间T2，T2=L2/
Figure 135670DEST_PATH_IMAGE212
。根据m时刻第i+1个交叉口的绿灯剩余时长Ti+1和到达第i+1个交叉口的行驶时间T2，可以确定在时刻n车辆在第i+1个交叉口的场景。
同理，如图3（c）所示，可以得到当车辆以最小速度
Figure 292982DEST_PATH_IMAGE213
行驶至第i个交叉口时（假设此时为p时刻），并确定在时刻p，车辆在第i+1个交叉口的场景。
如果在时刻n车辆在第i+1个交叉口的场景不属于场景3或场景5，即：可以对时刻n车辆的速度
Figure 414522DEST_PATH_IMAGE214
进行诱导从而不停车继续通过第i+1个交叉口，则不需要对初步诱导车速区间上限
Figure 315482DEST_PATH_IMAGE215
进行调节。
如果在时刻p车辆在第i+1个交叉口的场景属于场景3或场景5，即：车辆以时刻p的速度
Figure 2815DEST_PATH_IMAGE216
行驶时，无法通过上述的诱导过程不停车继续通过第i+1个交叉口，则需要对初步诱导车速下限
Figure 534291DEST_PATH_IMAGE217
进行调节。
即：需要对建议行程时间范围
Figure 422088DEST_PATH_IMAGE205
Figure 392318DEST_PATH_IMAGE205
进行调节，从而对初步诱导车速
Figure 934158DEST_PATH_IMAGE218
范围进行调节。
根据需要增减的行程时间，以及p时刻车辆在第i+1个交叉口的通行场景，调用相应的修正模型进行调整，得到修正后的诱导速度。
通过上述过程完成在m时刻车辆能够连续通过第i和第i+1个交叉口的诱导速度。
同理，当车辆行驶至第i个路口时，继续迭代上述的推导过程，将此时的下一个交叉口（即m时刻的i+1个交叉口）作为第i个交叉口进行分析。
本发明公开的一种智能网联环境下连续路口速度诱导方法，首先，获取当前交叉口、下一交叉口的交通灯信息和车辆信息；其次，根据预设的通行场景类型，确定当前交叉口车辆所处场景，根据当前交叉口车辆所处场景计算初步诱导车速；最后，根据下一交叉口的交通灯信息，对初步诱导车速进行优化，得到修正诱导车速。本方法适用于所有的信号控制交叉口环境，相较于传统ITS技术的干线绿波速度引导，并不会只适用于干线信号控制交叉口环境，而且由于不要求特殊的信号协调控制方案，在设备上不要求信号机支持干线协调控制功能（适用于绝大多数信号机），也不会对非干线方向的交通产生不利影响。本方法通过下游交叉口状态信息来反向修正车辆的诱导速度，保证车辆能够连续不停车通过交叉口。本方法仅需要获取连续两个交叉口的交通灯信息和当前车辆信息即可通过不断迭代来实现对连续路口的速度诱导，不需要获取路径上所有交叉口的信息，提高了车速诱导效率。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种智能网联环境下连续路口速度诱导方法，其特征在于，包括：
获取当前交叉口的信息、下一交叉口的信息和车辆信息；
根据所述当前交叉口的信息、车辆信息和预设通行场景类别，得到车辆在当前交叉口的通行场景；
根据车辆在当前交叉口的通行场景、当前交叉口的信息和车辆信息，得到车辆能够不停车通过当前交叉口的初步诱导车速；
根据所述初步诱导车速、车辆信息、当前交叉口的信息和下一交叉口的信息，对所述初步诱导车速进行优化，得到车辆能够不停车连续通过当前交叉口和下一交叉口的修正诱导车速。
2.根据权利要求1所述的智能网联环境下连续路口速度诱导方法，其特征在于，所述交叉口的信息包括：交叉口停车线的位置、交叉口交通灯灯色状态、交叉口交通灯灯色剩余显示时长、交叉口交通灯灯色变换周期；
所述车辆信息包括：车辆速度和车辆位置。
3.根据权利要求2所述的智能网联环境下连续路口速度诱导方法，其特征在于，根据所述当前交叉口的信息、车辆信息和预设通行场景类别，得到车辆在当前交叉口的通行场景，包括：
根据当前交叉口停车线的位置和车辆位置，得到车辆与当前交叉口的距离；
根据所述车辆与当前交叉口的距离和车辆速度，得到车辆到达当前交叉口停车线的预计通行时间；
根据所述当前交叉口预计通行时间、当前交叉口交通灯灯色状态、当前交叉口交通灯灯色剩余显示时长和预设通行场景类别，得到车辆在当前交叉口的通行场景。
4.根据权利要求2所述的智能网联环境下连续路口速度诱导方法，其特征在于，预设通行场景类别包括：交通灯当前状态通行场景、交通灯状态变换通行场景和停车等待场景；
当车辆处于交通灯当前状态通行场景时，车辆能在交通灯当前状态保持不变的情况下通过当前交叉口；
当车辆处于交通灯下一周期通行场景时，车辆能在交通灯状态发生至少一次改变后通过当前交叉口；
当车辆处于停车等待场景时，车辆无法通过当前交叉口。
5.根据权利要求4所述的智能网联环境下连续路口速度诱导方法，其特征在于，根据车辆在当前交叉口的通行场景、当前交叉口的信息和车辆信息，得到车辆能够不停车通过当前交叉口的初步诱导车速，包括：
当车辆在当前交叉口的通行场景不属于停车等待场景时，根据车辆在当前交叉口的通行场景、当前交叉口的信息和车辆信息，计算车辆不停车通过当前交叉口的建议行程时间范围；
根据所述建议行程时间范围，得到车辆能够不停车通过当前交叉口的建议速度范围，所述建议速度范围为初步诱导车速。
6.根据权利要求5所述的智能网联环境下连续路口速度诱导方法，其特征在于，根据车辆在当前交叉口的通行场景、当前交叉口的信息和车辆信息，计算车辆不停车通过当前交叉口的建议行程时间范围，包括：
当车辆处于交通灯当前状态通行场景时，根据当前交叉口交通灯灯色剩余显示时长、车辆速度和车辆与当前交叉口的距离，计算车辆不停车通过当前交叉口的最大建议行程时间和最小建议行程时间；
当车辆处于交通灯下一周期通行场景时，根据当前交叉口交通灯灯色剩余显示时长、交叉口交通灯灯色变换周期、车辆速度和车辆与当前交叉口的距离，计算车辆不停车通过当前交叉口的最大建议行程时间和最小建议行程时间。
7.根据权利要求6所述的智能网联环境下连续路口速度诱导方法，其特征在于，根据所述建议行程时间范围，得到车辆能够不停车通过当前交叉口的建议速度范围，包括：
根据当前交叉口车辆所处场景的最大建议行程时间和最小建议行程时间，得到车辆能够不停车通过当前交叉口的最大建议速度和最小建议速度。
8.根据权利要求7所述的智能网联环境下连续路口速度诱导方法，其特征在于，据所述初步诱导车速、车辆信息、当前交叉口的信息和下一交叉口的信息，对所述初步诱导车速进行优化，包括：
根据所述初步诱导车速、车辆与当前交叉口停车线的距离，得到车辆通过当前交叉口时的末速度和预测时间；
根据所述车辆通过当前交叉口的预测时间和下一交叉口交通灯灯色剩余显示时长，得到车辆通过当前交叉口时下一交叉口交通灯的预测灯色剩余时长；
根据所述下一交叉口交通灯的预测灯色剩余时长、车辆通过当前交叉口时末速度、车辆与下一交叉口停车线的距离和所述初步诱导车速，确定车辆在达到当前交叉路口时，车辆在下一交叉口的通行场景；
根据所述车辆在下一交叉口的通行场景，对所述初步诱导车速进行优化。
9.根据权利要求8所述的智能网联环境下连续路口速度诱导方法，其特征在于，确定车辆在达到当前交叉路口时，车辆在下一交叉口的通行场景，包括：
分别计算车辆以所述最大建议速度和最小建议速度到达当前交叉口的预测行驶时间；
根据所述车辆通过当前交叉口时的末速度、下一交叉口交通灯灯色剩余显示时长和预测行驶时间，得到车辆在达到当前交叉路口时，车辆在下一交叉口的通行场景。
10.根据权利要求8所述的智能网联环境下连续路口速度诱导方法，其特征在于，根据所述车辆在下一交叉口的通行场景，对所述初步诱导车速进行优化，包括：
当所述车辆在下一交叉口的通行场景属于停车等待场景时，对所述车辆不停车通过当前交叉口的建议行程时间范围进行优化，得到优化后的建议行程时间范围；
根据所述优化后的行程时间范围对所述最大建议速度和最小建议速度进行优化，得到车辆能够不停车连续通过当前交叉口和下一交叉口的修正诱导车速。
CN202210538308.6A 2022-05-18 2022-05-18 一种智能网联环境下连续路口速度诱导方法 Active CN114648878B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210538308.6A CN114648878B (zh) 2022-05-18 2022-05-18 一种智能网联环境下连续路口速度诱导方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210538308.6A CN114648878B (zh) 2022-05-18 2022-05-18 一种智能网联环境下连续路口速度诱导方法

Publications (2)

Publication Number Publication Date
CN114648878A true CN114648878A (zh) 2022-06-21
CN114648878B CN114648878B (zh) 2022-08-16

Family

ID=81996690

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210538308.6A Active CN114648878B (zh) 2022-05-18 2022-05-18 一种智能网联环境下连续路口速度诱导方法

Country Status (1)

Country Link
CN (1) CN114648878B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116129652A (zh) * 2023-04-10 2023-05-16 深圳市城市交通规划设计研究中心股份有限公司 单交叉口网联车辆车速引导方法、电子设备及存储介质

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012058826A (ja) * 2010-09-06 2012-03-22 Denso Corp 運転者支援装置、および運転者支援システム
JP2014096015A (ja) * 2012-11-08 2014-05-22 Honda Motor Co Ltd 車両用運転支援装置
CN105976621A (zh) * 2016-07-22 2016-09-28 江苏大学 一种基于车辆速度诱导策略引导车辆不停车通过交叉口的装置及方法
JP2017091322A (ja) * 2015-11-12 2017-05-25 住友電気工業株式会社 車載装置及びコンピュータプログラム
CN108039049A (zh) * 2017-12-12 2018-05-15 哈尔滨工业大学 一种考虑上游交叉口交通信号控制方案并结合车速诱导的交叉口交通信号控制方法
CN108335508A (zh) * 2018-02-10 2018-07-27 长安大学 一种基于v2i的红绿灯绿波车速诱导方法及系统
CN109993984A (zh) * 2018-01-02 2019-07-09 中国移动通信有限公司研究院 一种车速引导方法及装置
CN110264757A (zh) * 2019-05-21 2019-09-20 吉林大学 基于连续信号灯信息的智能网联汽车分层速度规划方法
JP2019204361A (ja) * 2018-05-24 2019-11-28 株式会社オートネットワーク技術研究所 走行支援装置、走行支援方法及びコンピュータプログラム
CN111762167A (zh) * 2019-03-29 2020-10-13 本田技研工业株式会社 车辆用驾驶辅助装置
CN112634629A (zh) * 2020-12-22 2021-04-09 东风汽车集团有限公司 一种基于v2x的交叉路口车速引导方法
CN113034907A (zh) * 2021-03-10 2021-06-25 南开大学 一种生态智慧车速诱导方法及装置
CN113359719A (zh) * 2021-05-28 2021-09-07 江苏大学 一种acc车辆连续通过多个交叉口的经济速度规划系统及方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012058826A (ja) * 2010-09-06 2012-03-22 Denso Corp 運転者支援装置、および運転者支援システム
JP2014096015A (ja) * 2012-11-08 2014-05-22 Honda Motor Co Ltd 車両用運転支援装置
JP2017091322A (ja) * 2015-11-12 2017-05-25 住友電気工業株式会社 車載装置及びコンピュータプログラム
CN105976621A (zh) * 2016-07-22 2016-09-28 江苏大学 一种基于车辆速度诱导策略引导车辆不停车通过交叉口的装置及方法
CN108039049A (zh) * 2017-12-12 2018-05-15 哈尔滨工业大学 一种考虑上游交叉口交通信号控制方案并结合车速诱导的交叉口交通信号控制方法
CN109993984A (zh) * 2018-01-02 2019-07-09 中国移动通信有限公司研究院 一种车速引导方法及装置
CN108335508A (zh) * 2018-02-10 2018-07-27 长安大学 一种基于v2i的红绿灯绿波车速诱导方法及系统
JP2019204361A (ja) * 2018-05-24 2019-11-28 株式会社オートネットワーク技術研究所 走行支援装置、走行支援方法及びコンピュータプログラム
CN111762167A (zh) * 2019-03-29 2020-10-13 本田技研工业株式会社 车辆用驾驶辅助装置
CN110264757A (zh) * 2019-05-21 2019-09-20 吉林大学 基于连续信号灯信息的智能网联汽车分层速度规划方法
CN112634629A (zh) * 2020-12-22 2021-04-09 东风汽车集团有限公司 一种基于v2x的交叉路口车速引导方法
CN113034907A (zh) * 2021-03-10 2021-06-25 南开大学 一种生态智慧车速诱导方法及装置
CN113359719A (zh) * 2021-05-28 2021-09-07 江苏大学 一种acc车辆连续通过多个交叉口的经济速度规划系统及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
洪经纬: "基于前车速度预测的信号交叉口汽车生态驾驶控制策略研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *
蒋贤才 等: "考虑车速诱导及车辆到达特征的交叉口信号优化控制方法", 《大连交通大学学报》 *
邢江柯: "V2I环境下信号控制交叉口ACC车辆跟驰模型及仿真研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116129652A (zh) * 2023-04-10 2023-05-16 深圳市城市交通规划设计研究中心股份有限公司 单交叉口网联车辆车速引导方法、电子设备及存储介质

Also Published As

Publication number Publication date
CN114648878B (zh) 2022-08-16

Similar Documents

Publication Publication Date Title
CN108986471B (zh) 混合交通条件下交叉口车辆引导方法
CN110085037B (zh) 一种车路协同环境下交叉口信号控制及车速引导系统
CN112373472B (zh) 一种自动驾驶交叉口车辆进入时刻与行驶轨迹控制方法
CN106997690B (zh) 一种车联网环境下高速公路车辆非强制换道控制方法
CN113763723B (zh) 基于强化学习与动态配时的交通信号灯控制系统及方法
CN113593258B (zh) 基于车路协同的信号配时与车速动态协调控制优化方法
CN113257007B (zh) 交叉口共享自动驾驶车道的信号控制方法及系统
CN115273500B (zh) 一种信号交叉口网联车辆轨迹优化引导方法及系统
CN114648878B (zh) 一种智能网联环境下连续路口速度诱导方法
CN107146408B (zh) 一种基于车联网的道路环保驾驶系统的控制方法
CN115641717B (zh) 基于混合交通流的高速公路主线-匝道车辆协同合流控制方法、设备及存储介质
CN113538936B (zh) 一种车路协同环境下的信号协同控制方法、装置及存储介质
CN109808690B (zh) 自动驾驶中基于目标点距离定点停车速度平滑规划方法
CN114120666B (zh) 一种基于车路协同的智能车速诱导系统
CN110176138B (zh) 一种路口级的主动交通诱导方法
CN116189462A (zh) 一种面向混合交通流的车辆轨迹与交通信号协同控制方法
CN114852076A (zh) 一种混行交通流环境下自动驾驶车辆轨迹规划方法
CN113345240A (zh) 一种基于智能网联环境的高速公路车辆汇入方法及系统
CN113570875A (zh) 一种绿波车速计算方法、装置，设备和存储介质
CN114241757A (zh) 一种用于智能网联车辆的入口匝道协同汇流控制方法
CN113034955B (zh) 一种自适应巡航车队通过信号路口的通行方法及装置
CN115083164A (zh) 一种面向混合交通流的信号交叉口双层优化方法
CN106887148B (zh) 一种引导车辆行驶的方法及装置
CN114187771B (zh) 基于协同式自适应巡航控制的公交车驾驶控制方法及系统
CN117542218B (zh) 一种基于车速-车距引导控制的车路协同系统

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
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A Speed Induction Method for Continuous Intersections in an Intelligent Connected Environment

Effective date of registration: 20231010

Granted publication date: 20220816

Pledgee: Bank of China Limited Wuhan Economic and Technological Development Zone sub branch

Pledgor: ISMARTWAYS (WUHAN) TECHNOLOGY Co.,Ltd.

Registration number: Y2023980060478

PE01 Entry into force of the registration of the contract for pledge of patent right