CN115083140A - 智能网联汽车快速路专用道管控方法、系统及存储介质 - Google Patents

智能网联汽车快速路专用道管控方法、系统及存储介质 Download PDF

Info

Publication number
CN115083140A
CN115083140A CN202210406585.1A CN202210406585A CN115083140A CN 115083140 A CN115083140 A CN 115083140A CN 202210406585 A CN202210406585 A CN 202210406585A CN 115083140 A CN115083140 A CN 115083140A
Authority
CN
China
Prior art keywords
lane
vehicle
special
vehicles
speed
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
CN202210406585.1A
Other languages
English (en)
Other versions
CN115083140B (zh
Inventor
田野
邵英豪
孙剑
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.)
Tongji University
Original Assignee
Tongji University
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 Tongji University filed Critical Tongji University
Priority to CN202210406585.1A priority Critical patent/CN115083140B/zh
Publication of CN115083140A publication Critical patent/CN115083140A/zh
Application granted granted Critical
Publication of CN115083140B publication Critical patent/CN115083140B/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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q50/40—Business processes related to the transportation industry
    • 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
    • G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • G08G1/207—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles with respect to certain areas, e.g. forbidden or allowed areas with possible alerting when inside or outside boundaries
    • 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)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Computational Mathematics (AREA)
  • Economics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Analytical Chemistry (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种智能网联汽车快速路专用道管控方法、系统及存储介质，该方法包括以下步骤：步骤S1、为专用道内每辆智能网联车分配一个虚拟专用道，在该范围内智能网联车具有绝对优先权，任何普通车辆均不得侵入；步骤S2、根据专用道内智能网联车的分布情况，建立基于可插入间隙理论的车辆识别模型，识别出专用道内未被利用的空闲区间及该区间范围内具备换入条件的普通车辆合集；步骤S3、根据优化模型确定最终换入专用道的车辆，并检查每个虚拟专用道是否被侵入，向对应的普通车辆发送换入或换出专用道的指令。与现有技术相比，本发明的方法在保护智能网联车优先权的前提下，实现了道路系统效用最大化。

Description

智能网联汽车快速路专用道管控方法、系统及存储介质
技术领域
本发明涉及车路协同技术领域，尤其是涉及一种智能网联汽车快速路专用道管控方法、系统及存储介质。
背景技术
随着车路协同技术的发展，智能网联车开始小规模上路行驶。基于当前技术发展现状，智能网联汽车将与普通人类驾驶车辆长期共存。然而，在智能网联车低渗透率的条件下，与普通车辆的混合行驶将大大降低其在提升交通安全与交通路网运行效率方面的优势与潜力。为智能网联车部署专用道是解决这一问题的有效方法。在专用道内，智能网联车更容易形成车队行驶，同时，智能网联汽车与普通人类驾驶车辆的交互次数可限制减少，这大大提高整个系统的安全稳定性。
然而，在智能网联车低渗透率的现实条件下，传统的“时变优先权专用道管理”(即固定时段向所有车辆开放专用道)所开辟出来的专用道往往无法被充分利用，造成大量通行资源被浪费。
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了一种智能网联汽车快速路专用道管控方法、系统及存储介质，该方法通过准确识别专用道的潜在换入对象，并基于优化模型确定最终换入专用道的车辆，在保护智能网联车优先权的前提下，实现道路系统效用最大化。
本发明的目的可以通过以下技术方案来实现：
根据本发明的第一方面，提供了一种智能网联汽车快速路专用道管控方法，该方法包括以下步骤：
步骤S1、为专用道内每辆智能网联车分配一个虚拟专用道，在该范围内智能网联车具有绝对优先权，任何普通车辆均不得侵入；
步骤S2、根据专用道内智能网联车的分布情况，建立基于可插入间隙理论的车辆识别模型，识别出专用道内未被利用的空闲区间及该区间范围内具备换入条件的普通车辆合集；
步骤S3、根据优化模型确定最终换入专用道的车辆，并检查每个虚拟专用道是否被侵入，向对应的普通车辆发送换入或换出专用道的指令。
优选地，所述步骤S2具体为：建立基于可插入间隙理论的车辆识别模型，将理想安全间隙时距作为是否具备换道条件的判断指标；当所判断车辆的目标间隙时距长度大于理想安全间隙时距，则认为该车辆具备换道条件。
优选地，所述理想安全间隙时距表达式为：
gc＝vfTs+vfTl+gu·vl+gd·vf
式中，Ts为安全停车所需时间，Tl为加速时间损失，vf为目标车道上后车的速度，vl为l车道上的目标车速，gu为虚拟专用车道的上游净空时距，gd为虚拟专用车道的下游净空时距。
优选地，所述安全停车所需时间Ts表达式为：
Figure BDA0003602139100000021
式中，vf是目标车道上后车的速度，L车辆长度，RT是驾驶员反应时间。
优选地，所述加速时间损失Tl表达式为：
Figure BDA0003602139100000022
式中，vf是目标车道上后车的速度，u是执行换道车辆的速度，a和b为常量。
优选地，所述步骤S3包括以下子步骤：
步骤S3.1、建立基于速度的效用函数，以量化路权分配方案，表达式为：
Figure BDA0003602139100000023
式中，xc为决策变量，c号为待选车执行换道时，xc为1，否则为0；nc为具备换道条件的普通车辆数目；l为车道ID，l＝0时为专用道，vl,i为l车道上第i辆车的速度，Δvl为l车道上的速度变化；Δρl为l车道上的密度变化；
步骤S3.2、建立基于规则的动态换道车队组织方法，一旦执行换道的车辆确定，其与目标车道上对应上下游的两辆车组成一个换道车队，给上游的普通车辆提供更高的优先级，当其获得换入专用道的路权时，同时分配对应的虚拟专用道；
步骤S3.3、基于约束条件，建立目标函数为最大化普通车辆的整体效用的优化模型，求解获得最终的路权分配方案，确定最终换道的普通车辆集合。
优选地，所述步骤S3.3中目标函数表达式为：
Figure BDA0003602139100000031
优选地，所述约束条件包括专用道上的智能网联车的速度约束，普通车辆在计算可插入间隙时所锚定的目标车道上下游车辆约束以及决策变量类型约束；
所述专用道上的智能网联车的速度约束为：
Figure BDA0003602139100000032
Figure BDA0003602139100000033
式中，sl,i为l车道上第i辆车的位置；xc为决策变量，c号为待选车执行换道时， xc为1，否则为0；gd为虚拟专用车道的下游净空时距；vl,i为l车道上第i辆车的速度；nc为具备换道条件的普通车辆数目；
所述普通车辆在计算可插入间隙时所锚定的目标车道上下游车辆约束：
Figure BDA0003602139100000034
Figure BDA0003602139100000035
Figure BDA0003602139100000036
式中，lr为换道车队中第r辆车所处的车道ID；xc为决策变量，c号为待选车执行换道时，xc为1，否则为0；nc为具备换道条件的普通车辆数目；vl,i为l车道上第 i辆车的速度；ir为换道车队中第r辆车的本身序号；
所述决策变量类型约束为：
Figure BDA0003602139100000037
式中，nc为具备换道条件的普通车辆数目。
根据本发明的第二方面，提供了一种上述的智能网联汽车快速路专用道管控方法的系统，该系统包括VISSIM路网模块、接口模块、模型求解器模块、数据库以及可视化模块；
所述VISSIM路网模块将采集到的车辆信息通过接口模块传输至模型求解器模块，经模型求解器模块计算后，将得到的优化结果存储至数据库中；所述数据库通过接口模块将优化结果构成的控制策略发送回VISSIM路网模块，并通过可视化模块进行优化结果展示。
根据本发明的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现任一项所述的方法。
与现有技术相比，本发明具有以下优点：
1)本发明提出的一种车辆级别下的主动实时快速路专用道管控方法，实现专用道优先路权的合理分配，避免了优先车型渗透率较低情况下所产生的道路通行资源浪费，在保护专用道上优先车辆通行权的基础上，最大程度改善非优先车辆的运行条件，可为车路协同背景下智能网联车专用道的管理提供参考，同时对类似专用道的管控策略制定具有重大借鉴意义；
2)本发明通过准确识别专用道的潜在换入对象，并基于优化模型确定最终换入专用道的车辆，在保护智能网联车优先权的前提下，实现道路系统效用最大化；
3)本发明采用的基于可插入间隙理论的车辆识别模型，通过改进后的理想安全间隙时距作为是否具备换道条件的判断指标，将虚拟专用道的前后方净空范围考虑在内，安全性更高；
4)本发明构建的基于速度的效用函数，实现了对路权分配方案的效用量化，通过对换入专用道的普通车辆由于享受到更高等级服务水平所带来的效用提升评估以及对未换入专用车道的普通车辆由于部分车辆换出当前车道而产生的效用提升量化，实现了道路系统效用最大化；
5)本发明建立基于规则的动态换道车队组织方法，避免了在后续路权分配过程中，出现选择多辆普通车辆同时换入同一个专用道空闲区域的情况，可靠性更高。
附图说明
图1为具备间歇型优先路权的快速路专用道管控方法示意图；
图2为本发明方法流程图；
图3为基于规则的动态换道车队组织方法示例图；其中，图3a为不使用动态换道车队组织方法下的路权分配结果示例图，图3b为使用动态换道车队组织方法并且MV1执行换道下的路权分配结果示例图，图3c为使用动态换道车队组织方法并且MV1不执行换道下的路权分配结果示例图；
图4为实例验证框架示意图；
图5为仿真实现图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中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，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
本发明公开一种车路协同环境下快速路专用道优先路权主动实时分配的管控方法，因其根据专用道内优先车辆的状态，将专用道内未被优先车辆利用的道路空间开放给相邻车道内的非优先车辆，故命名为间歇型优先路权；旨在提出一种实现快速路专用道路权主动实时分配的管控方法。该方法定义了管控过程的两个阶段及各阶段方法：1.备选换入车辆识别阶段：基于可插入间隙理论识别出具备换入专用道条件的非优先车辆，即备选换入车辆；2.专用道优先路权分配阶段：以基于最大效用理论的整数规划模型实现专用道优先路权分配，使部分备选换入车辆换入专用道，提升系统整体效用；通过提出一种车辆级别下的主动实时快速路专用道管控方法，实现专用道优先路权的合理分配，避免了优先车型渗透率较低情况下所产生的道路通行资源浪费，在保护专用道上优先车辆通行权的基础上，最大程度改善非优先车辆的运行条件，可为车路协同背景下智能网联车专用道的管理提供参考，同时对类似专用道的管控策略制定具有重大借鉴意义。
实施例
首先给出本发明的方法实施例，一种智能网联汽车快速路专用道管控方法，该方法包括以下步骤：
步骤S1、为专用道内每辆智能网联车分配一个虚拟专用道，在该范围内智能网联车具有绝对优先权，任何普通车辆均不得侵入；
步骤S2、根据专用道内智能网联车的分布情况，建立基于可插入间隙理论的车辆识别模型，识别出专用道内未被利用的空闲区间及该区间范围内具备换入条件的普通车辆合集，具体为：
建立基于可插入间隙理论的车辆识别模型，将理想安全间隙时距作为是否具备换道条件的判断指标；当所判断车辆的目标间隙时距长度大于理想安全间隙时距，则认为该车辆具备换道条件。
所述理想安全间隙时距表达式为：
gc＝vfTs+vfTl+gu·vl+gd·vf
式中，Ts为安全停车所需时间，Tl为加速时间损失，vf为目标车道上后车的速度，vl为l车道上的目标车速，gu为虚拟专用车道的上游净空时距，gd为虚拟专用车道的下游净空时距。
所述安全停车所需时间Ts表达式为：
Figure BDA0003602139100000061
式中，vf是目标车道上后车的速度，L车辆长度，RT是驾驶员反应时间。
所述加速时间损失Tl表达式为：
Figure BDA0003602139100000062
式中，vf是目标车道上后车的速度，u是执行换道车辆的速度，a和b为常量。
步骤S3、根据优化模型确定最终换入专用道的车辆，并检查每个虚拟专用道是否被侵入，向对应的普通车辆发送换入或换出专用道的指令，包括以下子步骤：
步骤S3.1、建立基于速度的效用函数，以量化路权分配方案，表达式为：
Figure BDA0003602139100000063
式中，xc为决策变量，c号为待选车执行换道时，xc为1，否则为0；nc为具备换道条件的普通车辆数目；l为车道ID，l＝0时为专用道，vl,i为l车道上第i辆车的速度，Δvl为l车道上的速度变化；Δρl为l车道上的密度变化；
步骤S3.2、建立基于规则的动态换道车队组织方法，一旦执行换道的车辆确定，其与目标车道上对应上下游的两辆车组成一个换道车队，给上游的普通车辆提供更高的优先级，当其获得换入专用道的路权时，同时分配对应的虚拟专用道；
步骤S3.3、基于约束条件，建立目标函数为最大化普通车辆的整体效用的优化模型，求解获得最终的路权分配方案，确定最终换道的普通车辆集合。
优选地，所述步骤S3.3中目标函数表达式为：
Figure BDA0003602139100000064
优选地，所述约束条件包括专用道上的智能网联车的速度约束，普通车辆在计算可插入间隙时所锚定的目标车道上下游车辆约束以及决策变量类型约束；
所述专用道上的智能网联车的速度约束为：
Figure BDA0003602139100000071
Figure BDA0003602139100000072
式中，sl,i为l车道上第i辆车的位置；xc为决策变量，c号为待选车执行换道时， xc为1，否则为0；gd为虚拟专用车道的下游净空时距；vl,i为l车道上第i辆车的速度；nc为具备换道条件的普通车辆数目；
所述普通车辆在计算可插入间隙时所锚定的目标车道上下游车辆约束：
Figure BDA0003602139100000073
Figure BDA0003602139100000074
Figure BDA0003602139100000075
式中，lr为换道车队中第r辆车所处的车道ID；xc为决策变量，c号为待选车执行换道时，xc为1，否则为0；nc为具备换道条件的普通车辆数目；vl,i为l车道上第 i辆车的速度；ir为换道车队中第r辆车的本身序号；
所述决策变量类型约束为：
Figure BDA0003602139100000076
式中，nc为具备换道条件的普通车辆数目。
接下来，以城市快速路基本路段为例，对本发明的方法进行详细介绍。
城市快速路基本路段，同一方向共四条车道，其中最左侧车道为智能网联车专用道，另外三条为普通车道，具体参数设置见表1。
表1
参数 取值
管控区域路段长度(m) 960
虚拟专用道上游净空(s) 1
虚拟专用道下游净空(s) 4
智能网联车期望速度(km/h) 90
普通车辆期望速度(km/h) [80,100]*
*普通车辆的期望速度服从均匀分布。
1、本发明的第一个目的是识别出管制区域内具备换入专用道条件的普通车辆。
1.1、依据学术界的相关理论和工业界的实践经验，建立基于可插入间隙理论的车辆识别模型，判断车辆是否具备换道条件。在本发明中通过理想安全间隙时距作为是否具备换道条件的判断指标，其可通过使用安全停车所需时间和加速所造成的时间损失之和获得。其示意图见附图3，具体计算公式如下：
安全停车所需时间：
Figure BDA0003602139100000081
其中：Ts是安全停车所需时间，vf是目标车道上后车的速度，L车辆长度，RT 是驾驶员反应时间。
加速时间损失：
Figure BDA0003602139100000082
其中：Tl是加速时间损失，u是执行换道车辆的速度，a和b为常量。
理想安全间隙时距：
Figure BDA0003602139100000083
考虑到该管控方法下，智能网联车存在不得侵入的虚拟专用道，故计算理想安全间隙时需要将虚拟专用道的前后方净空范围考虑在内，于是理想安全间隙时距的计算公式最终为：
Figure BDA0003602139100000084
其中：gc为理想安全间隙时距，gu为虚拟专用车道的前方净空，gd为虚拟专用车道的后方净空。
如果对应所判断车辆的目标间隙时距长度大于理想安全间隙时距，则认为该车辆具备换道条件。
2、本发明的第二个目的是在保证专用道内智能网联车的前提下，最大化系统总效用。相关参数及其定义见表2：
表2
Figure BDA0003602139100000085
Figure BDA0003602139100000091
2.1、建立基于速度的效用函数，以量化路权分配方案的效用，该函数包括两部分，第一部分评估了换入专用道的普通车辆由于享受到更高等级服务水平所带来的效用提升；第二部分量化了未换入专用车道的普通车辆由于部分车辆换出当前车道而产生的效用提升。其计算公式如下：
Figure BDA0003602139100000092
2.2、为避免在后续路权分配过程中，出现选择多辆普通车辆同时换入同一个专用道空闲区域的情况，建立基于规则的动态换道车队组织方法。一般而言，一旦执行换道的车辆确定，其与目标车道上对应上下游的两辆车组成一个换道车队，可插入间隙的计算也即基于此车队进行计算。而为了避免多辆车同时换道，模型需要确定一个合适的换道车队。基于规则的动态换道车队组织方法的核心是为更上游的普通车辆提供更高的优先级，当其被获得换入专用道的路权时，同时分配对应的虚拟专用道，保证其不会被同车道下游的普通车辆所干扰，说明图参见附图3：
图3a表示在未使用动态换道车队组织方法的情况下，普通车道上的1、2、3 号车均将获得路权并执行换道。
图3b表示在使用动态换道车队组织方法且1号车获得路权执行换道的情况下，由于2号车侵入1号车的虚拟专用道，而不能获得专用道路权，而3号车由于并未受到上游2号车的限制，可以获得路权并执行换道。
图3c表示在使用动态换道车队组织方法且1号车未获得路权的情况下，由于 2号车不再受1号车限制，故获得路权并执行换道，而3号车则由于侵入2号车的虚拟专用道而不能获得路权。
2.3、根据相关约束条件，建立优化模型，求解获得最终的路权分配方案，确定最终换道的普通车辆集合，优化模型如下：
Figure BDA0003602139100000101
约束函数为：
Figure BDA0003602139100000102
Figure BDA0003602139100000103
Figure BDA0003602139100000104
Figure BDA0003602139100000105
Figure BDA0003602139100000106
Figure BDA0003602139100000107
Figure BDA0003602139100000108
其中，优化模型的目标函数最大化了普通车辆的整体效用，约束条件(7)～ (8)限制了专用道上的智能网联车的速度，约束条件(9)～(12)限制了普通车辆在计算可插入间隙时所锚定的目标车道上下游车辆，约束(13)限制了决策变量必须为01变量。
表3中显示了相比于传统静态专用道管理方案(对专用道不采取任何管控措施，仅供优先车辆使用)，本发明在每个流量场景下都优于传统方案，整体效用提升最高达到14.29％。这种提升随着流量水平的提升和优先车辆渗透率的增加而逐渐减少，其原因是本发明的效果很大程度上取决于专用道内可利用的空闲区域数量，而随着流量水平及优先车辆渗透率的增加，专用道内可利用的空闲区域相应减少。
表3
Figure BDA0003602139100000109
接下来给出本发明的系统实施例，一种用于上述的智能网联汽车快速路专用道管控方法的系统，该系统包括VISSIM路网模块、接口模块、模型求解器模块、数据库以及可视化模块；
所述VISSIM路网模块将采集到的车辆信息通过接口模块传输至模型求解器模块，经模型求解器模块计算后，将得到的优化结果存储至数据库中；所述数据库通过接口模块将优化结果构成的控制策略发送回VISSIM路网模块，并通过可视化模块进行优化结果展示。
实例验证采用VISSIM与Python联合仿真的方式，其中VISSIM用于构建实例仿真环境，Python用于调用VISSIM COM接口及开源优化求解器SCIP来实现整个专用道管控策略，系统框架图见附图4。
在该框架中，所有车辆信息通过COM接口从VISSIM传输到模型求解器模块，该模块使用开源解算器SCIP求解优化模型，得到的控制策略归档在一个集中的数据库中，并通过COM接口将获得的控制策略发送回VISSIM。在上述模拟过程中产生的所有数据被传输到可视化模块，在该模块中计算并说明系统性能指标。
附图5展示了采用VISSIM+Python联合仿真的专用道主动管制效果仿真截图，可见上游智能网联车快速接近下游三辆普通车辆，为保证智能网联车的优先权，这三辆车被收回专用道路权，被迫换出专用道，而下游相邻车道有一辆普通车被给予路权，正向专用道内执行换道。
在本发明的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
以上所述，仅为本发明的具体实施方式，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，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种智能网联汽车快速路专用道管控方法，其特征在于，该方法包括以下步骤：
步骤S1、为专用道内每辆智能网联车分配一个虚拟专用道，在该范围内智能网联车具有绝对优先权，任何普通车辆均不得侵入；
步骤S2、根据专用道内智能网联车的分布情况，建立基于可插入间隙理论的车辆识别模型，识别出专用道内未被利用的空闲区间及该区间范围内具备换入条件的普通车辆合集；
步骤S3、根据优化模型确定最终换入专用道的车辆，并检查每个虚拟专用道是否被侵入，向对应的普通车辆发送换入或换出专用道的指令。
2.根据权利要求1所述的一种智能网联汽车快速路专用道管控方法，其特征在于，所述步骤S2具体为：建立基于可插入间隙理论的车辆识别模型，将理想安全间隙时距作为是否具备换道条件的判断指标；当所判断车辆的目标间隙时距长度大于理想安全间隙时距，则认为该车辆具备换道条件。
3.根据权利要求2所述的一种智能网联汽车快速路专用道管控方法，其特征在于，所述理想安全间隙时距表达式为：
gc＝vfTs+vfTl+gu·vl+gd·vf
式中，Ts为安全停车所需时间，Tl为加速时间损失，vf为目标车道上后车的速度，vl为l车道上的目标车速，gu为虚拟专用车道的上游净空时距，gd为虚拟专用车道的下游净空时距。
4.根据权利要求3所述的一种智能网联汽车快速路专用道管控方法，其特征在于，所述安全停车所需时间Ts表达式为：
Figure FDA0003602139090000011
式中，vf是目标车道上后车的速度，L车辆长度，RT是驾驶员反应时间。
5.根据权利要求3所述的一种智能网联汽车快速路专用道管控方法，其特征在于，所述加速时间损失Tl表达式为：
Figure FDA0003602139090000012
式中，vf是目标车道上后车的速度，u是执行换道车辆的速度，a和b为常量。
6.根据权利要求1所述的一种智能网联汽车快速路专用道管控方法，其特征在于，所述步骤S3包括以下子步骤：
步骤S3.1、建立基于速度的效用函数，以量化路权分配方案，表达式为：
Figure FDA0003602139090000021
式中，xc为决策变量，c号为待选车执行换道时，xc为1，否则为0；nc为具备换道条件的普通车辆数目；l为车道ID，l＝0时为专用道，vl，i为l车道上第i辆车的速度，Δvl为l车道上的速度变化；Δρl为l车道上的密度变化；
步骤S3.2、建立基于规则的动态换道车队组织方法，一旦执行换道的车辆确定，其与目标车道上对应上下游的两辆车组成一个换道车队，给上游的普通车辆提供更高的优先级，当其获得换入专用道的路权时，同时分配对应的虚拟专用道；
步骤S3.3、基于约束条件，建立目标函数为最大化普通车辆的整体效用的优化模型，求解获得最终的路权分配方案，确定最终换道的普通车辆集合。
7.根据权利要求6所述的一种智能网联汽车快速路专用道管控方法，其特征在于，所述步骤S3.3中目标函数表达式为：
Figure FDA0003602139090000022
8.根据权利要求6所述的一种智能网联汽车快速路专用道管控方法，其特征在于，所述约束条件包括专用道上的智能网联车的速度约束，普通车辆在计算可插入间隙时所锚定的目标车道上下游车辆约束以及决策变量类型约束；
所述专用道上的智能网联车的速度约束为：
Figure FDA0003602139090000023
Figure FDA0003602139090000024
式中，sl，i为l车道上第i辆车的位置；xc为决策变量，c号为待选车执行换道时，xc为1，否则为0；gd为虚拟专用车道的下游净空时距；vl，i为l车道上第i辆车的速度；nc为具备换道条件的普通车辆数目；
所述普通车辆在计算可插入间隙时所锚定的目标车道上下游车辆约束：
Figure FDA0003602139090000025
Figure FDA0003602139090000031
Figure FDA0003602139090000032
式中，lr为换道车队中第r辆车所处的车道ID；xc为决策变量，c号为待选车执行换道时，xc为1，否则为0；nc为具备换道条件的普通车辆数目；vl，i为l车道上第i辆车的速度；ir为换道车队中第r辆车的本身序号；
所述决策变量类型约束为：
xc＝(0|1)；
Figure FDA0003602139090000033
式中，nc为具备换道条件的普通车辆数目。
9.一种用于权利要求1所述的智能网联汽车快速路专用道管控方法的系统，其特征在于，该系统包括VISSIM路网模块、接口模块、模型求解器模块、数据库以及可视化模块；
所述VISSIM路网模块将采集到的车辆信息通过接口模块传输至模型求解器模块，经模型求解器模块计算后，将得到的优化结果存储至数据库中；所述数据库通过接口模块将优化结果构成的控制策略发送回VISSIM路网模块，并通过可视化模块进行优化结果展示。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1～8中任一项所述的方法。
CN202210406585.1A 2022-04-18 2022-04-18 智能网联汽车快速路专用道管控方法、系统及存储介质 Active CN115083140B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210406585.1A CN115083140B (zh) 2022-04-18 2022-04-18 智能网联汽车快速路专用道管控方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210406585.1A CN115083140B (zh) 2022-04-18 2022-04-18 智能网联汽车快速路专用道管控方法、系统及存储介质

Publications (2)

Publication Number Publication Date
CN115083140A true CN115083140A (zh) 2022-09-20
CN115083140B CN115083140B (zh) 2023-09-26

Family

ID=83247839

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210406585.1A Active CN115083140B (zh) 2022-04-18 2022-04-18 智能网联汽车快速路专用道管控方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN115083140B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150194055A1 (en) * 2012-08-23 2015-07-09 Robert Bosch Gmbh Lane change assistant for optimizing the traffic flow (traffic flow assistant)
JP2019194782A (ja) * 2018-05-02 2019-11-07 株式会社デンソー 交通管理装置
CN111785088A (zh) * 2020-06-23 2020-10-16 大连理工大学 一种网联车辆匝道合并的双层协同优化方法
CN112820126A (zh) * 2020-12-31 2021-05-18 北京交通大学 一种非侵入式导向运输车辆路权优先运行控制及仿真方法
CN113591269A (zh) * 2021-06-29 2021-11-02 东南大学 基于交通仿真的拥堵路段智能网联车辆专用道控制方法
CN113781806A (zh) * 2021-09-23 2021-12-10 西南交通大学 一种用于智能网联环境下的混合交通流通行方法
CN113808436A (zh) * 2021-08-31 2021-12-17 东南大学 一种下匝道车辆驶离智能网联专用道的车队控制方法
CN113838305A (zh) * 2021-08-31 2021-12-24 东南大学 一种车队汇入智能网联专用道的控制方法
WO2022042355A1 (zh) * 2020-08-28 2022-03-03 长沙智能驾驶研究院有限公司 路权分配与监管方法及装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150194055A1 (en) * 2012-08-23 2015-07-09 Robert Bosch Gmbh Lane change assistant for optimizing the traffic flow (traffic flow assistant)
JP2019194782A (ja) * 2018-05-02 2019-11-07 株式会社デンソー 交通管理装置
CN111785088A (zh) * 2020-06-23 2020-10-16 大连理工大学 一种网联车辆匝道合并的双层协同优化方法
WO2022042355A1 (zh) * 2020-08-28 2022-03-03 长沙智能驾驶研究院有限公司 路权分配与监管方法及装置
CN112820126A (zh) * 2020-12-31 2021-05-18 北京交通大学 一种非侵入式导向运输车辆路权优先运行控制及仿真方法
CN113591269A (zh) * 2021-06-29 2021-11-02 东南大学 基于交通仿真的拥堵路段智能网联车辆专用道控制方法
CN113808436A (zh) * 2021-08-31 2021-12-17 东南大学 一种下匝道车辆驶离智能网联专用道的车队控制方法
CN113838305A (zh) * 2021-08-31 2021-12-24 东南大学 一种车队汇入智能网联专用道的控制方法
CN113781806A (zh) * 2021-09-23 2021-12-10 西南交通大学 一种用于智能网联环境下的混合交通流通行方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
QUANLU FU ETAL.: "Modeling and simulation of dynamic lane reversal using a cell transmission model", JOURNAL OF INTELLIGENT TRANSPORTATION SYSTEMS *
刘志强;张腾;: "基于车联网信息的自动换道方法研究", 重庆理工大学学报(自然科学), no. 04 *
常鑫;李海舰;荣建;赵晓华;王益;: "混有智能网联车辆交通流车道管理策略研究", 交通工程, no. 05 *
李克强;李家文;常雪阳;高博麟;许庆;李升波;: "智能网联汽车云控系统原理及其典型应用", 汽车安全与节能学报, no. 03 *
赵欣等: "基于动态清空距离的特殊车辆与CAVs混合车道控制", 交通信息与安全, no. 3 *

Also Published As

Publication number Publication date
CN115083140B (zh) 2023-09-26

Similar Documents

Publication Publication Date Title
CN111267830B (zh) 一种混合动力公交车能量管理方法、设备和存储介质
CN113674546B (zh) 基于sumo仿真的V2X环境下的高速公路管控方法
CN114778140B (zh) 车辆能耗台架测试方法和系统
CN108877253A (zh) 一种基于物联网的公交专用道资源动态共享方法及系统
CN114282821B (zh) 一种共享电动汽车的调度方法、系统及设备
CN110288826A (zh) 基于多源数据融合和milp的交通控制子区聚类划分方法
CN116596380A (zh) 高速公路施工组织方案和管控方案的优化确定方法、平台、设备及介质
CN113628459B (zh) 一种面向间歇式公交车道的预约交叉口公交优先方法
JP2022500307A (ja) ハイブリッド自動車による燃料および電流の消費に対する管理設定値を計算する方法
CN113838305A (zh) 一种车队汇入智能网联专用道的控制方法
CN116935624B (zh) 基于数字孪生的降雪天气智能网联交通事故风险评价方法
CN115083140A (zh) 智能网联汽车快速路专用道管控方法、系统及存储介质
CN107480330A (zh) 一种车道边通行能力的计算、改进的方法
CN102157065A (zh) 设置直通式公交专用进口道的信号交叉口设计方法
CN105608315B (zh) 公交停靠站安全服务水平定量评价方法及系统
CN116359656A (zh) 一种基于人工智能的充电车道设备测试管理系统及方法
CN115923763A (zh) 降低增程型汽车油耗的控制方法、装置、设备及存储介质
CN113276860B (zh) 车辆控制方法、装置、电子设备以及存储介质
CN113096377B (zh) 一种基于城市异质性的车辆合乘规划方法
CN114818109A (zh) 一种车辆编队行驶下空气阻力系数及燃油经济性计算方法
CN114819361A (zh) 一种低碳出行背景下的城市电动汽车需求预测方法
CN116959278B (zh) 车路协同环境下快速路合流区的可变限速标志的动态调控方法
Liu et al. Optimizing fares and transfer discounts for a bus-subway corridor
CN116729386B (zh) 多交叉路口场景下车辆分层规划和控制方法及装置
CN113763708B (zh) 一种基于交通仿真的多类型专用道控制方法

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