CN114897306B - 一种考虑自动驾驶专用车道混合交通流路段阻抗计算方法 - Google Patents
一种考虑自动驾驶专用车道混合交通流路段阻抗计算方法 Download PDFInfo
- Publication number
- CN114897306B CN114897306B CN202210380466.3A CN202210380466A CN114897306B CN 114897306 B CN114897306 B CN 114897306B CN 202210380466 A CN202210380466 A CN 202210380466A CN 114897306 B CN114897306 B CN 114897306B
- Authority
- CN
- China
- Prior art keywords
- lane
- road section
- scheme
- schemes
- impedance
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 21
- 230000035699 permeability Effects 0.000 claims abstract description 17
- 230000008859 change Effects 0.000 claims abstract description 6
- 238000013507 mapping Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Fuzzy Systems (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- Automation & Control Theory (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种考虑自动驾驶专用车道混合交通流路段阻抗计算方法,该方法包括以下步骤:S1、获取自动驾驶车辆与人工驾驶车辆混合交通条件下的基本数据;S2、基于不同的车道方案,考虑自动驾驶车辆渗透率及车流跟驰模式的影响,构建路段最大通行能力函数;S3、基于路段最大通行能力函数,推导不同车道方案下阻抗函数;S4、考虑具有不同车道方案组合下的道路阻抗函数,构建基于模糊软集合的混合交通流阻抗函数模型,实现对该道路的阻抗值计算。本发明考虑了自动驾驶车辆渗透率及车流跟驰模式差异的影响,基于模糊软集合的组合计算方法,将不同车道场景下的阻抗函数组合起来,更准确的反映出了拥有多种车道通行方案的道路结构的路段阻抗变化。
Description
技术领域
本发明属于智能交通信息技术领域,具体涉及一种考虑自动驾驶专用车道混合交通流路段阻抗计算方法。
背景技术
随着自动驾驶技术的不断发展,自动驾驶车辆的数量逐年递增,在未来会出现自动驾驶与人工驾驶车辆共存的混合交通状况。道路交通系统会因此发生前所未有的变化,交通流将经历一个长期的人工驾驶与自动驾驶混合行驶的时期,而这个时期的混合交通环境下的路段行程时间特征和以往的交通有着很大的区别。路段阻抗是交通分配的基础,同时准确的路段行程时间不仅能满足出行者的日常需要,也有助于管理者进行交通诱导,缓解交通拥堵等。
自动驾驶车辆的车头时距稳定、车辆反应时间更快、整体行驶性能优于传统人工驾驶车辆等特点,在道路上与传统的人工驾驶车辆混行时,容易导致人工驾驶车辆的驾驶风格变化和跟车距离的调整等,进而对道路阻抗产生不可忽视的影响作用,随着自动驾驶技术的快速发展,自动驾驶车辆数量的不断增加,这种影响在路段行程时间中呈现出不断加深的变化趋势。同时在混合交通场景中,会采取多种车道方案来提高道路通行的效率,例如自动驾驶专用车道;同时在自动驾驶车辆与人工驾驶车辆组成的混合车流中,会存在不同的跟驰模式;在自动驾驶车渗透率、不同车流跟驰模式和车道方案的影响下,道路阻抗会发生不同程度的变化,所以有必要考虑自动驾驶车辆渗透率、跟驰模式差异及车道方案对路段阻抗的影响作用。
现有的阻抗函数计算方法虽然在以往的研究中取得了不错的效果,但随着智能交通的快速发展,交通系统越来越复杂,以往的模型越来越不能满足在自动驾驶车辆混行的交通场景中路段阻抗值计算的准确性与适用性。
因此,通过分析自动驾驶车辆渗透率、跟驰模式差异及车道方案对路段最大通行能力的影响规律,研究考虑不同车道方案组合下的混合交通流阻抗函数计算方法,构建组合计算模型,将有利于提高模型的预测精度及泛化能力,使得自动驾驶车辆渗透率与专用车道方案等影响因素考虑到阻抗函数中。
发明内容
有鉴于此,为了解决上述问题,本发明提供一种考虑自动驾驶专用车道混合交通流路段阻抗计算方法
为实现上述目的,本发明是通过以下的技术方案来实现的:
一种考虑自动驾驶专用车道混合交通流路段阻抗计算方法,该方法包括以下步骤:
1)分析考虑自动驾驶车辆与人工驾驶车辆组成的所有不同车道方案下的路段最大通行能力,建立不同车道方案下的路段最大通行能力函数模型;
2)基于不同车道方案下的路段最大通行能力函数模型,考虑自动驾驶车辆的渗透率分别建立不同车道方案下的路段阻抗函数;
3)将不同车道组合方案下的路段阻抗函数通过基于模糊软集合的组合计算方法,得到不同车道组合方案下的路段阻抗函数模型;
进一步的,所述步骤1)的具体过程如下:
首先考虑在单向双车道的自动驾驶车辆与人工驾驶车辆组成的车道方案共包括4种组合形式:
a)车道1与车道2都用于人工驾驶车辆和自动驾驶车辆混合行驶,记为车道方案A;
b)车道1用于自动驾驶车辆的专用车道,车道2用于人工驾驶车辆的专用车道,记为车道方案B;
c)车道1用于人工驾驶车辆和自动驾驶车辆混合行驶,车道2用于人工驾驶车辆的专用车道,记为车道方案C;
d)车道1用于自动驾驶车辆的专用车道,车道2用于人工驾驶车辆和自动驾驶车辆混合行驶,记为车道方案D;
方案A的最大通行能力计算公式如下:
式中,C0表示车道1与车道2在纯人工驾驶车辆下的道路最大通行能力,p表示自动驾驶车辆的在整个路段上的渗透率,ε表示车道上的自动驾驶车辆增益,该变量反映了不同车流下的跟驰模式差异。
方案B的最大通行能力计算公式如下:
在上式中,ε1表示的是车道1的自动驾驶车辆的增益,在该车道方案中,当时,路段最大通行能力达到最大。
方案C的最大通行能力关系公式如下:
在上式中,α1表示车道1的自动驾驶车辆的渗透率,当时,路段最大通行能力达到最大,代入上述公式中可以得到方案C的最大通行能力的计算公式为:
方案D的最大通行能力关系公式如下:
式中,ε1,ε2分别代表车道1与车道2的自动驾驶车辆增益,α2表示车道2上的自动驾驶车辆的渗透率,当时,路段最大通行能力达到最大,代入上述公式可以得到方案D的最大通行能力的计算公式为:
进一步的,所述步骤2)的具体过程如下:
分别建立4种车道方案下的路段阻抗函数,基于广泛使用的BPR函数,考虑不同车道方案下的路段最大通行能力的变化,建立阻抗函数模型,BPR函数如下所示:
式中,该函数描述了路段行程时间与路段上的流量关系,C为道路的最大通行能力,式中a,b为模型的参数,可以通过实际的交通数据进行标定,t0是自由流行程时间。
在方案A中,代入该车道方案下的路段最大通行能力公式,可以得到:
式中,q1和q2分别代表车道1和车道2的流量,p表示整个路段的自动驾驶车辆的渗透率,可以通过如下公式计算:
同理可得,在方案B、C、D下的路段阻抗函数分别为:
进一步的,所述步骤3),通过模糊软集合理论,建立基于不同车道方案混合下的道路阻抗函数模型,具体过程如下:
根据不同车道方案组合下实际的阻抗值序列与各个车道方案下的路段阻抗值序列,构建模糊软集合(F:A),公式如下:
F:A→P(T)
式中,T={t1,t2,...,tk,tk+1,...,tn}表示实际阻抗值数据样本集合,A表示不同车道方案下的路段阻抗值序列,即A={ttp1,ttp2,...,ttpk,ttp(k+1),...,ttpn},F表示集合A到T的映射关系,即上文中得到的不同车道方案下的路段阻抗函数;
根据模糊软集合的定义,计算(F,A)的隶属度函数f(ξkm),公式如下:
f(ξkm)=(1-|ttpkm-tk|/tk)∨0
式中,ξkm表示单个车道方案下的路段阻抗值精度,k表示样本的容量,m表示车道方案的个数;
计算各个车道方案下的所有路段阻抗值的精度之和wj(j=1,2,3,…,m),公式如下:
根据得到的wj,计算该车道方案下的各个路段阻抗值所占的权重θj(j=1,2,3,…,m),公式如下:
式中,θj(j=1,2,3,…,m)表示该车道方案下各个阻抗值所占的权重,m表示车道方案的个数,j表示当前车道;
组合后的阻抗值为tFpk(k=1,2,3,…,n),公式如下:
根据上述过程得到最终的路段阻抗结果为其中,tFpk表示k时刻最终的路段阻抗值。
有益效果:
本发明提出一种考虑自动驾驶专用车道混合交通流路段阻抗计算方法,该方法针对现有的阻抗计算方法尚未考虑自动驾驶车辆与人工驾驶车辆混合交通场景下,不同车道方案设置对路段阻抗的影响,提出了一种计算混合车道方案下的道路阻抗计算方法,该方法考虑了自动驾驶车辆渗透率、车流的跟驰模式差异及车道方案等因素的影响,基于模糊软集合的组合计算方法,将不同车道场景下的阻抗函数组合起来,对于拥有多种车道通行方案的道路结构,该阻抗函数计算方法可以更为准确的反映出道路的阻抗变化,阻抗函数作为交通分配的基础,该方法可以为混合多种车道方案的道路提供更为可靠的阻抗计算方法,相较于以往的阻抗计算方法,本发明的适用性与准确性更高,除此之外,本发明还可以用于路段行程时间的计算和预测等领域。
附图说明
图1为本发明总体流程示意图。
具体实施方式
为使本发明的技术方案、优点和目的更加清楚,下面将结合本发明实施例的附图,对本发明实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例,都属于本申请的保护范围。
实施例1
如图1所示,本实施例提供了一种考虑自动驾驶专用车道混合交通流路段阻抗计算方法,该方法包括以下步骤:
首先考虑在单向双车道的自动驾驶车辆与人工驾驶车辆组成的车道方案共包括4种组合形式:
a)车道1与车道2都用于人工驾驶车辆和自动驾驶车辆混合行驶,记为车道方案A;
b)车道1用于自动驾驶车辆的专用车道,车道2用于人工驾驶车辆的专用车道,记为车道方案B;
c)车道1用于人工驾驶车辆和自动驾驶车辆混合行驶,车道2用于人工驾驶车辆的专用车道,记为车道方案C;
d)车道1用于自动驾驶车辆的专用车道,车道2用于人工驾驶车辆和自动驾驶车辆混合行驶,记为车道方案D。
步骤1)分析考虑自动驾驶车辆与人工驾驶车辆组成的所有不同车道方案下的路段最大通行能力,建立不同车道方案的路段最大通行能力函数模型;具体包括以下几个子步骤:
步骤1.1:首先确定道路在纯人工驾驶车辆下的路段最大通行能力C0及车道上自动驾驶车辆增益ε,可以通过真实的交通数据获得,然后根据自动驾驶车辆渗透率p计算方案A的最大通行能力,计算公式如下:
步骤1.2:与步骤1.1同理,通过以下公式计算方案B下的道路最大通行能力:
步骤1.3:计算方案C的路段最大通行能力的公式如下:
步骤1.4:计算方案D的路段最大通行能力的公式如下:
步骤1.5:通过上述计算方法分别得到4种车道方案下的路段最大通行能力值。
步骤2)基于不同车道方案下的路段最大通行能力函数,通过BPR函数考虑自动驾驶车辆的渗透率分别建立不同车道方案下的路段阻抗函数。具体包括以下几个子步骤:
步骤2.1:利用BPR函数推导不同车道方案下的路段阻抗函数,BPR函数如下:
式中,C为道路的最大通行能力,a,b为模型的参数,可以通过实际的交通数据进行标定,t0是自由流行程时间。
步骤2.2:代入方案A的最大通行能力函数,得到方案A下的阻抗函数,公式如下:
式中,q1和q2分别代表车道1和车道2的流量,p表示整个路段的自动驾驶车辆的渗透率,可以通过如下公式计算:
步骤2.3:代入方案B的最大通行能力函数,计算得到方案B下的阻抗函数为:
步骤2.4:代入方案C的最大通行能力函数,计算得到方案C下的阻抗函数为:
步骤2.5:代入方案D的最大通行能力函数,计算得到方案D下的阻抗函数为:
步骤3)通过模糊软集合理论,建立基于不同车道方案混合下的道路阻抗函数模型。具体包括以下几个子步骤:
步骤3.1:根据不同车道方案组合下实际的阻抗值序列与各个车道方案下的路段阻抗值序列,构建模糊软集合(F:A),公式如下:
F:A→P(T)
式中,T={t1,t2,...,tk,tk+1,...,tn}表示实际阻抗值数据样本集合,A表示不同车道方案下的路段阻抗值序列,即A={ttp1,ttp2,...,ttpk,ttp(k+1),...,ttpn},F表示集合A到T的映射关系,即上文中得到的不同车道方案下的路段阻抗函数;
步骤3.2:根据模糊软集合的定义,计算(F,A)的隶属度函数f(ξkm),公式如下:
f(ξkm)=(1-|ttpkm-tk|/tk)∨0
式中,ξkm表示单个车道方案下的路段阻抗值精度,k表示样本的容量,m表示车道方案的个数;
步骤3.3:计算各个车道方案下的所有路段阻抗值的精度之和wj(j=1,2,3,…,m),公式如下:
步骤3.4:根据得到的wj,计算该方案下的各个路段阻抗值所占的权重θj(j=1,2,3,…,m),公式如下:
式中,θj(j=1,2,3,…,m)表示该车道方案下各个阻抗值所占的权重,m表示车道方案的个数,j表示当前车道;
步骤3.5:计算组合后的阻抗值为tFpk(k=1,2,3,…,n),公式如下:
步骤3.6:根据上述过程得到最终的路段阻抗结果为TFp={tFp1,tFp2,...,tFpk,tFp(k+1),...,tFpn},其中,tFpk表示k时刻最终的路段阻抗值。
以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (1)
1.一种考虑自动驾驶专用车道混合交通流路段阻抗计算方法,其特征在于,该方法包括以下步骤:
S1、获取自动驾驶车辆与人工驾驶车辆混合交通条件下的车辆和车道的基本信息;
S2、基于S1中获取的基本信息,分析考虑自动驾驶车辆与人工驾驶车辆组成的所有不同车道方案下的路段最大通行能力,建立不同车道方案下的路段最大通行能力函数模型;
所述S2包括以下步骤:
S21、考虑在单向双车道的自动驾驶车辆与人工驾驶车辆组成的车道方案包括以下4种组合形式:
a)车道1与车道2均用于人工驾驶车辆和自动驾驶车辆混合行驶,记为车道方案A;
b)车道1用于自动驾驶车辆的专用车道,车道2用于人工驾驶车辆的专用车道,记为车道方案B;
c)车道1用于人工驾驶车辆和自动驾驶车辆混合行驶,车道2用于人工驾驶车辆的专用车道,记为车道方案C;
d)车道1用于自动驾驶车辆的专用车道,车道2用于人工驾驶车辆和自动驾驶车辆混合行驶,记为车道方案D;
S22、所述方案A的最大通行能力计算公式如下:
其中,C0表示车道1与车道2在纯人工驾驶车辆下的道路最大通行能力,p表示自动驾驶车辆在整个路段上的渗透率,ε表示车道上的自动驾驶车辆增益;
S23、所述方案B的最大通行能力计算公式如下:
其中,ε1表示的是车道1的自动驾驶车辆的增益,当时,路段最大通行能力达到最大;
S24、所述方案C的最大通行能力关系公式如下:
其中,α1表示车道1的自动驾驶车辆的渗透率,当时,路段最大通行能力达到最大,代入上述公式中得到方案C的最大通行能力的计算公式如下:
S25、所述方案D的最大通行能力关系公式如下:
其中,ε1,ε2分别代表车道1与车道2的自动驾驶车辆增益,α2表示车道2上的自动驾驶车辆的渗透率,当时,路段最大通行能力达到最大,代入上述公式得到方案D的最大通行能力的计算公式如下:
S3、基于S2中建立的不同车道方案下的路段最大通行能力函数模型,考虑自动驾驶车辆的渗透率分别建立不同车道方案下的路段阻抗函数;
所述S3包括以下步骤:
S31、分别建立4种车道方案下的路段阻抗函数,基于BPR函数,考虑不同车道方案下的路段最大通行能力的变化,建立阻抗函数模型;所述BPR函数如下:
其中,C为道路的最大通行能力,a,b为模型的参数,通过实际的交通数据进行标定,t0是自由流行程时间;Q为交通流量;
S32、在方案A中,代入该车道方案下的路段最大通行能力公式,得到以下公式:
其中,q1和q2分别代表车道1和车道2的流量,p表示整个路段的自动驾驶车辆的渗透率,通过如下公式计算:
S33、根据S31和S32,得到车道方案B、C、D下的路段阻抗函数分别为:
S4、将S3中建立的不同车道方案下的路段阻抗函数通过模糊软集合的组合计算方法计算,得到不同车道组合方案下的路段阻抗函数模型;
所述S4包括以下步骤:
S41、根据不同车道方案组合下实际的路段阻抗值序列与各个车道方案下的路段阻抗值序列,构建模糊软集合(F:A),公式如下:
F:A→Ρ(T)
其中,T={t1,t2,...,tk,tk+1,...,tn}表示实际路段阻抗值数据样本集合,A表示不同车道方案下的路段阻抗值序列,即A={ttp1,ttp2,...,ttpk,ttp(k+1),...,ttpn},F表示集合A到T的映射关系,即S3中得到的不同车道方案下的路段阻抗函数;
S42、根据模糊软集合的定义,计算(F,A)的隶属度函数f(ξkm),计算公式如下:
f(ξkm)=(1-|ttpkm-tk|/tk)∨0
其中,ξkm表示单个车道方案下的路段阻抗值精度,k表示样本的容量,m表示车道方案的个数;
S5、基于S4中得到的不同车道组合方案下的路段阻抗函数模型,计算不同车道方案下的路段阻抗值;
所述S5包括以下步骤:
S51、计算各个车道方案下的所有路段阻抗值的精度之和wj,j=1,2,3,…,m,计算公式如下:
S52、根据S51得到的wj,计算该车道方案下的各个路段阻抗值所占的权重θj,j=1,2,3,…,m,计算公式如下:
其中,θj,j=1,2,3,…,m,表示该车道方案下各个路段阻抗值所占的权重,j表示当前车道;
S53、计算组合后的路段阻抗值为tFpk,k=1,2,3,…,n,计算公式如下:
S54、根据S51至S53,得到最终的路段阻抗结果为TFp,计算公式如下:
TFp={tFp1,tFp2,...,tFpk,tFp(k+1),...,tFpn}
其中,tFpk表示k时刻最终的路段阻抗值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210380466.3A CN114897306B (zh) | 2022-04-12 | 2022-04-12 | 一种考虑自动驾驶专用车道混合交通流路段阻抗计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210380466.3A CN114897306B (zh) | 2022-04-12 | 2022-04-12 | 一种考虑自动驾驶专用车道混合交通流路段阻抗计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114897306A CN114897306A (zh) | 2022-08-12 |
CN114897306B true CN114897306B (zh) | 2024-04-26 |
Family
ID=82716870
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210380466.3A Active CN114897306B (zh) | 2022-04-12 | 2022-04-12 | 一种考虑自动驾驶专用车道混合交通流路段阻抗计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114897306B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117409572B (zh) * | 2023-09-04 | 2024-05-28 | 河北渤思科技有限公司 | 一种基于信号处理的道路交通流数据管理方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112907946A (zh) * | 2021-01-04 | 2021-06-04 | 清华大学 | 一种自动驾驶车辆与其他车辆混行的交通控制方法以及系统 |
CN113393690A (zh) * | 2021-08-17 | 2021-09-14 | 长沙理工大学 | 考虑自动驾驶专用车道的混合交通均衡分配方法 |
KR102311281B1 (ko) * | 2020-04-20 | 2021-10-08 | 한양대학교 산학협력단 | 자율 주행 시스템에서의 조향 제어 장치 및 그 방법 |
CN113919157A (zh) * | 2021-10-14 | 2022-01-11 | 华中科技大学 | 考虑不同制式自动驾驶车辆的高速公路通行能力计算方法 |
-
2022
- 2022-04-12 CN CN202210380466.3A patent/CN114897306B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102311281B1 (ko) * | 2020-04-20 | 2021-10-08 | 한양대학교 산학협력단 | 자율 주행 시스템에서의 조향 제어 장치 및 그 방법 |
CN112907946A (zh) * | 2021-01-04 | 2021-06-04 | 清华大学 | 一种自动驾驶车辆与其他车辆混行的交通控制方法以及系统 |
CN113393690A (zh) * | 2021-08-17 | 2021-09-14 | 长沙理工大学 | 考虑自动驾驶专用车道的混合交通均衡分配方法 |
CN113919157A (zh) * | 2021-10-14 | 2022-01-11 | 华中科技大学 | 考虑不同制式自动驾驶车辆的高速公路通行能力计算方法 |
Non-Patent Citations (4)
Title |
---|
Estimating the Average Road Travel Time Based on Soft Set Under Connected and Autonomous Vehicles;Huamin Li;《2020 5th International Conference on Information Science, Computer Technology and Transportation》;20210304;566-570 * |
自动驾驶环境下连续流交通特性研究;陈坦;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20220115;C034-1045 * |
设置自动驾驶专用车道的混合交通场景下路段阻抗函数及应用研究;陈志勇;《万方数据》;20231101;1-86 * |
道路阻抗函数研究综述;陈旭;交通运输研究;20200415(第02期);30-39 * |
Also Published As
Publication number | Publication date |
---|---|
CN114897306A (zh) | 2022-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107180530B (zh) | 一种基于深度时空卷积循环网络的路网状态预测方法 | |
CN108629979B (zh) | 一种基于历史和周边路口数据的拥堵预测算法 | |
CN113470365B (zh) | 一种面向有缺失数据的公交车到站时间预测方法 | |
CN110516708B (zh) | 一种基于轨迹与路网匹配的路径预测方法 | |
CN112907967B (zh) | 一种基于不完全信息博弈的智能车换道决策方法 | |
CN112489426B (zh) | 一种基于图卷积神经网络的城市交通流量时空预测方案 | |
GB2599765A (en) | Vehicle traffic flow prediction method with missing data | |
WO2022252398A1 (zh) | 基于船舶轨迹特征点提取的时空dp方法 | |
CN109584552B (zh) | 一种基于网络向量自回归模型的公交到站时间预测方法 | |
CN104573116B (zh) | 基于出租车gps数据挖掘的交通异常识别方法 | |
CN114897306B (zh) | 一种考虑自动驾驶专用车道混合交通流路段阻抗计算方法 | |
CN107958302A (zh) | 基于虚拟拓扑交通网络的经验路径规划方法 | |
CN106446960A (zh) | 一种密度聚类划分时间段的动态热度路网构建方法 | |
CN109035767A (zh) | 一种考虑交通控制与诱导协同的潮汐车道优化方法 | |
CN104966129A (zh) | 一种车辆运行轨迹的分离方法 | |
CN106971535A (zh) | 一种基于浮动车gps实时数据的城市交通拥堵指数计算平台 | |
CN111554118B (zh) | 一种公交车到站时间的动态预测方法及系统 | |
CN111126687B (zh) | 一种交通信号的单点离线优化系统及方法 | |
CN107134137A (zh) | 一种考虑实时信息的动态路径选择方法 | |
CN109359169A (zh) | 一种基于概率图模型的共享单车逆行行为实时识别方法 | |
CN110084491A (zh) | 对流天气条件下基于最优穿越路径的航路阻塞度评估方法 | |
CN104951655A (zh) | 一种基于频繁模式树的车辆运动模式挖掘方法 | |
CN104850657B (zh) | 一种全息位置地图的迭加方法 | |
CN109800738A (zh) | 一种基于无人机摄影测量的输电线路自动选线方法 | |
CN113903171B (zh) | 一种基于高速路网时空特性的车辆群智感知节点优化方法 |
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 |