CN116189462A - 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 - Google Patents

Abstract

本发明公开了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，包括：进口道区域划分，将进口道区域划分为规划区和控制区；车队划分；根据车队驶入控制区域边界的信息生成车辆初始轨迹；建立优化信号配时的MILP模型；求解信号优化模型，得到各个通行方向的配时信息；结合配时信息，对车队中的车辆进行轨迹规划或轨迹预测；当有新的车队驶入时，开启下一周期的协同控制。本发明实现了车辆轨迹与交通信号的协同控制，在保证车辆安全通行的前提下，灵活调节每个通行方向车辆的通行次序和通行时间，进一步提高了信号控制交叉口的时空资源利用率，且本发明对不同交通流量、不同交叉口以及不同自动驾驶车辆渗透率的场景均可实现有效的协同控制。

Description

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

技术领域

本发明涉及道路交通控制技术领域，更具体的说是涉及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。

背景技术

改善交叉口运行状态是提高城市道路交通系统运行效率的关键。交通信号主要从时间分配的角度为不同通行方向的车辆赋予通行权，是一种被动控制方法。合理的信号配时在保证车辆通行秩序的前提下，可以缓解交叉口的交通拥堵。车辆的轨迹控制从主动适应的角度出发，通过引导和规划车辆的行驶轨迹，减小交通信号对交通流的影响，实现生态驾驶，为解决城市道路交通问题提供了新思路。

传统的交叉口信号控制大多基于历史流量数据或由固定线圈、视频检测等方式获取到的交通流信息对路权进行分配，存在测量精度低、实时性差、受环境影响较大等问题，难以应对复杂的混行交通环境。在网联环境下，根据实时采集的车辆轨迹信息，建立信号配时优化模型，根据交叉口车辆的驶入信息，生成最佳信号配时方案。得益于自动驾驶技术和网联技术的发展，自动驾驶车辆的轨迹控制逐渐成为本领域的研究热点。现有的自动驾驶车辆轨迹控制大多都是在固定信号配时的基础上对车辆的轨迹进行研究，缺乏与交通信号的协同。

因此，如何提供复杂混行环境下自适应交通信号与车辆轨迹协同控制是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了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，面向人工与自动驾驶混行的复杂交通流环境，建立一种交通信号与车辆轨迹协同控制的方法，进一步提升信号交叉口的通行效率，缓解交叉口交通拥堵现象。

为了实现上述目的，本发明采用如下技术方案：

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，包括如下步骤：

步骤1：将信号交叉口进口道划分为规划区和控制区；当有车辆到达规划区与控制区的交汇边界时，开启协同控制，记录控制开始时刻t₀₀，并将控制开始时刻t₀₀的信号交叉口各个通行方向规划区内的所有车辆视为该通行方向的一个车队，采集各个车队中所有车辆的车辆信息并进行编队，车辆信息包括车辆位置和车辆行驶速度，编队获得编队信息；

步骤2：根据车辆信息和编队信息，生成车队中各车辆的初始轨迹；

步骤3：根据信号交叉口各个通行方向当前的绿灯开始时间和绿灯持续时间，结合车辆的初始轨迹，采用最大延误估算方法估算获得每辆车的行驶延误值，并根据绿灯开始时间、绿灯持续时间和所述行驶延误值计算一个信号周期内各通行方向当前车队所有车辆的平均行驶延误值和平均剩余绿灯时间，以平均行驶延误值和平均剩余绿灯时间之和最小化为优化目标，确定约束条件，建立MILP模型；

步骤4：求解MILP模型，得到各个通行方向的配时信息，包括绿灯开始时间和绿灯持续时间；

步骤5：对车辆类型进行判断，并根据配时信息对车队中所有车辆的轨迹进行分析，获得行驶轨迹，按照行驶轨迹对车辆进行协同控制，车辆按照行驶轨迹行驶；根据车辆在车队中的位置，以及车辆按照初始轨迹行驶到达停车线的时间范围和与前车距离，再结合车辆类型进行轨迹规划或轨迹预测；

将步骤4中得到的配时信息作为轨迹控制方法的输入，当车队中各车辆驶入控制区边界时，采用分段轨迹规划方法对自动驾驶车辆轨迹进行规划，并结合Newell模型对人工驾驶车辆轨迹进行预测；

步骤6：当检测到有新的车辆驶入规划区与控制区交汇边界时，进入步骤1，开启下一信号周期的协同控制。

优选的，所述步骤1的具体包括：

车辆到达停车线前需要依次经过规划区与控制区；

规划区的主要功能是采集车辆信息，包括车辆位置和速度信息，并对本区域内车辆编队，使车辆以车队的形式驶离信号交叉口，设定车辆均以匀速状态驶入规划区，当车辆与前车的车头时距小于THW_max时，认为车辆处于跟驰状态，且保持与前车相同的速度匀速行驶，当车头时距大于THW_max时，认为车辆处于自由行驶状态，且按照随机的给定速度匀速行驶；

驶入车辆包括自动驾驶车辆和/或人工驾驶车辆；

根据车辆位置和车辆行驶速度预测车辆进入控制区的驶入状态信息，包括驶入时间和驶入速度；

信号交叉口共有I*J个通行方向，I表示进口道总数，J表示每个进口道的通行方向；每个通行方向的车队的车辆数为N_ij(i∈I,j∈J)；以规划区和控制区的交汇边界为坐标原点，记录控制开始时刻t₀₀，以及控制开始时刻t₀₀车辆n(n∈N_ij)的位置l_np和行驶速度v_np，计算车辆n距离规划区与控制区的交汇边界l_d的距离d_nd，预测车辆n驶入控制区的驶入时间和驶入速度，表达式为：

d_nd＝|l_d-l_np|

v_n0＝v_np。

优选的，所述步骤2中设定车辆n的初始轨迹为车辆按照先加速后匀速的方式行驶时车辆n在t时刻的位置x_n(t)，具体表示为：

/>

式中，v_n0表示车辆n驶入控制区域的初始速度，

表示车辆n的加速度，t_n0表示车辆n驶入控制区域的初始时间，v_max表示道路允许行驶的最大速度，t_na表示加速结束的时刻，t_ne表示车辆n到达停车线L的时刻；

优选的，所述步骤3具体实现过程包括：

步骤31：一个车队中，行驶在最前面的车称为头车；判断车辆n是否为车队头车，若是则进入步骤32，否则进入步骤33；

步骤32：车辆n按照初始轨迹到达停车线的时刻为t_ne，当前通行方向绿灯开始时刻为T_ij，判断车辆n是否会在绿灯时期到达停车线；

若t_ne>T_ij，表明车辆n在绿灯时期到达停车线，此时车辆n的行驶延误值d_n，表达式为：

式中，L表示规划区和控制区的交汇边界到停车线的距离；t_n0表示车辆n驶入控制区的初始时间；v_max表示道路允许行驶的最大速度；

否则，表明车辆n会在绿灯开始前到达停车线，意味着车辆将在绿灯开启时刻才会离开停车线，此时车辆n的行驶延误值d_n表达式为：

步骤33：若车辆n不是车队头车，则称车辆n为跟随车；根据前车n-1到达停车线的时刻maxt_(m-1)e≤车辆n到达停车线的时刻t_ne是否成立判断跟随车的行驶状态；

若成立，认为不需要对轨迹调整，车辆n可以按照自由状态行驶；

否则，认为车辆n与前车保持跟驰行驶，需要对车辆延误进行估算，在满足最小安全间距的前提下，车辆n与前车n-1到达停车线的时间关系为：

t_ne＝t_(n-1)e+Δt₁+Δt₂

式中，Δt₁与车辆间的最小安全间距s有关，更具体地说，等于车辆n-1从停车线处继续向前行驶至车辆间最小安全间距s所需要的时间；Δt₂为车辆间的最小安全时距；t_(n-1)e为车辆n-1到达停车线的时刻；

通过计算Δt₁的最大值代替Δt₁的精确计算值；

/>

此时，估算的车辆n的行驶延误值为：

步骤34：计算各个通行方向车队中所有车辆的平均行驶延误值与各通行方向的平均剩余绿灯时间，并最小化平均行驶延误值与各通行方向的平均剩余绿灯时间的加权和最小化为MILP模型的优化目标，具体为：

式中，N_ij表示通行方向PH(i,j)中规划车队的车辆数，T_ij表示通行方向PH(i,j)中绿灯开始时间，g_ij表示通行方向PH(i,j)中绿灯持续时间，I*J表示通行方向总数，α₁和α₂表示权重系数，t_Neij表示通行方向PH(i,j)的车队中最后一辆车驶离停车线的时间；

步骤35：MILP模型主要考虑两个约束，分别是相位顺序约束和最小绿灯时长约束；

相位顺序约束是指两个冲突通行方向PH(i,j)和PH(i′,j′)的绿灯时间不能重叠，两个冲突方向的通行次序用变量σ_iji'j'表示；若通行方向PH(i,j)在通行方向PH(i′,j′)之前，则σ_iji'j'＝0，否则σ_iji'j'＝1，约束表达式为：

σ_iji'j'+σ_i'j'ij＝1

T_ij+Mσ_i'j'ij≥T_i'j'+g_i'j'

式中，M表示一个无穷大的正数，T_i′j′表示通行方向PH(i′,j′)中绿灯开始时间，g_i′j′表示通行方向PH(i′,j′)中绿灯持续时间；

最小绿灯时长约束是指当前车队必须在绿灯时间内完全通过信号交叉口，通行方向PH(i,j)中绿灯持续时间g_ij与车队中最后一辆车到达停车线的时间t_Ne之间需要满足：

T_ij+g_ij≥t_Ne。

优选的，对于步骤3中建立的MILP模型，采用遗传算法进行求解，得到各个通行方向的最佳绿灯开始时间和绿灯持续时间，需要注意的是，遗传算法属于启发式算法，因此求解的最优信号配时结果并不唯一。

优选的，所述步骤5具体实现过程包括：

步骤51：当车辆n为车队头车时，根据车辆n按照初始轨迹行驶到达停车线的时间范围，判断是否对车辆n进行轨迹规划，确定车辆轨迹；

步骤511：当头车按照初始轨迹行驶且将在绿灯开始前到达停车线，即t_ne<T_ij成立，根据车辆n的类型决定是否启动轨迹规划；

若车辆n为自动驾驶车辆，启动轨迹规划，对初始轨迹进行调整，控制中心需要提前对车辆进行加减速控制，避免车辆在交叉口处停车等待，在控制车辆开始减速时刻t_bm将车辆的减速加速度变为a，车辆n开始减速行驶，接着在控制车辆开始加速时刻t_ba将车辆n的加速加速度变为

车辆按照该加速度加速行驶，使车辆n在T_ij时刻刚好到达停车线；

自动驾驶车辆的行驶轨迹为：

若车辆n为人工驾驶车辆，认为车辆n行驶至停车线附近时以减速加速度a减速行驶，刚好在停车线处减速为0；

人工驾驶车辆的行驶轨迹为：

步骤512：当头车按照初始轨迹行驶且将在绿灯时期到达停车线时，即t_ne≥t_gij，这种情况下，无需对车辆轨迹进行调整，若车辆n为自动驾驶车辆，控制车辆n按照初始轨迹行驶；若车辆n为人工驾驶车辆，将初始轨迹视为车辆n的行驶轨迹；

步骤52：当车辆n为跟随车时，车辆n的行驶状态有两种，分别是自由行驶和跟驰行驶，根据车辆类型对车辆n的行驶轨迹进行具体分析(根据车辆类型规划车辆行驶轨迹)；

步骤521：当跟随车辆n为自动驾驶车辆时，为保证车辆间的最小安全行驶间距，避免发生碰撞，根据前车n-1的行驶轨迹(前车n-1的行驶轨迹即控制中心对车队中车辆n-1规划得到的轨迹，包括车辆行驶在控制区域内任意时刻的位置和速度)，生成时空安全轨迹S_n-1；当车辆n的行驶轨迹不超过时空安全轨迹时，车辆可以按照自由状态行驶，否则需要对车辆轨迹进行调整，在控制车辆开始减速时刻t_fa将车辆加速度变为a，减速行驶，令使车辆轨迹与前车的时空安全轨迹在t_fm时刻车辆位置和车辆行驶速度相同；

前车n-1的时空安全轨迹表示为：

式中，τ_c表示自动驾驶车辆的最小车头时距，s表示自动驾驶车辆的安全间距，本发明中设定τ_c为0.7s，s为6m；

所述自动驾驶车辆n的行驶轨迹为：

步骤522：当车辆n为人工驾驶车辆时，采用Newell模型对车辆轨迹进行预测：

判断车辆n按照初始轨迹行驶时，与前车n-1之间的距离是否满足x_n(t)≤x_n-1(t-τ_n)-d_n，若是，则初始轨迹为车辆n预测的行驶轨迹；若否，表明车辆n不满足自由行驶的条件，需要与前车n-1保持跟驰行驶；

人工驾驶车辆的行驶轨迹为：

式中，d_n表示自动驾驶车辆n的空间位移，τ_n表示人工驾驶车辆n的时间位移，本发明中设定τ_n为2s，d_n为6m。

步骤523：判断当前车辆是否为车队中的最后一辆车，若是，结束轨迹分析；否则，将车辆n的行驶轨迹作为前车的行驶轨迹，将车队中n+1辆车作为当前规划车辆继续执行步骤521。

经由上述的技术方案可知，与现有技术相比，本发明公开提供了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，面向人工与自动驾驶混行的复杂交通流环境，建立一种交通信号与车辆轨迹协同控制的方法，进一步提升信号交叉口的通行效率，缓解交叉口交通拥堵现象，实现了交通资源在时间和空间上的协同利用，在保证车辆安全行驶的前提下提高了交叉口的通行效率，减少交叉口处的车辆延误。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1附图为本发明提供的人工与自动驾驶混行交通流下信号交叉口车路协同控制流程图；

图2附图为本发明提供的四进口道信号交叉口结构示意图；

图3附图为本发明提供的车队划分示意图；

图4附图为本发明提供的轨迹规划流程图。

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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例公开了一种面向人工与自动驾驶新型混行交通流下信号交叉口车路协同控制方法，如图1所示，包括以下步骤：

S1、将信号交叉口进口道划分为规划区和控制区，当有车辆到达规划区与控制区的交汇边界时，开启协同控制，将控制开始时刻t₀₀交叉口各个通行方向规划区内的所有车辆视为该通行方向的一个车队，并采集各个车队中所有车辆的状态信息，包括车辆位置和车辆行驶速度；根据车辆当前状态信息预测各个通行方向上车辆驶入对应控制区边界的状态信息，包括驶入时间和驶入速度；

S2、根据车队的驶入信息，生成车辆的初始轨迹；

S3、以交叉口各通行方向绿灯开始时间和绿灯持续时间为控制变量；采用最大延误估算方法队各车队行驶延误进行估算，并以车辆平均延误和平均剩余绿灯时间之和最小化为优化目标，确定约束条件，建立MILP模型；

S4、求解MILP模型，得到各个通行方向的配时信息，包括绿灯开始时间和绿灯持续时间；

S5、将S4得到的配时信息作为轨迹控制方法的输入，当车辆驶入控制区边界时，采用分段轨迹规划方法对自动驾驶车辆轨迹进行规划，并结合Newell模型对人工驾驶车辆轨迹进行预测；

S6、当检测到有新的车辆驶入控制区边界时，继续执行S1，开启下一周期的规划，更新当前规划车队N。

实施例1

如图2所示，本实施例以一个典型的信号控制交叉口为例，该交叉口共有四个进口道，每个进口道包含一个直行车道和一个左转专用车道，用PH(i,j)表示通行方向，其中，i表示进口道，i∈[1,2,3,4]，j表示直行或左转，j∈[1,2]，j＝1表示直行，j＝2表示左转，例如PH(3,2)表示编号为3的进口道左转方向的车辆通行。对本实施例所需要的步骤进行详细介绍：

S1：将交叉口各个进口道区域划分为规划区和控制区，车辆到达停车线前需要依次经过规划区与控制区；

规划区的主要功能是采集车辆信息，包括车辆位置和速度信息，并对本区域内车辆编队，使车辆以车队的形式驶离信号交叉口，设定车辆均以匀速状态驶入规划区，当车辆与前车的车头时距小于THW_max时，认为车辆处于跟驰状态，且保持与前车相同的速度匀速行驶，当车头时距大于THW_max时，认为车辆处于自由行驶状态，且按照随机的给定速度匀速行驶；

控制区的主要功能是根据车队驶入控制区边界的信息为信号交叉口提供最佳信号配时方案并对驶入车辆进行轨迹规划；驶入车辆包括自动驾驶车辆和/或人工驾驶车辆；车队驶入控制区边界的信息包括车辆信息和车辆编队信息；

其中控制区为进口道上距停车线300米处组成的区域，规划区为进口道上距停车线300米至600米部分组成的区域。各个进口道通行方向流车流量相同，均设为600veh/h，且通行能力均为1800veh/h。每个通行方向绿灯时间结束后均设有3s的清空时长，将跟驰行驶的最大车头时距THW_max设为5s，

采集t₀₀时刻车辆n的位置信息l_np和速度信息v_np，计算车辆n距离规划区与控制区的交汇边界l_d的距离d_nd，预测车辆n驶入控制区的时间和速度为：

d_nd＝|l_d-l_np|

v_n0＝v_np

S2：根据车队的驶入信息，生成车辆的初始轨迹；

设定车队中车辆n的初始轨迹为车辆按照先加速后匀速的方式行驶时车辆在t时刻的位置x_n(t)，具体为：

式中，v_n0表示车辆n驶入控制区域的初始速度，

表示车辆n的加速度，本发明设定自动驾驶车辆的加速度为2m/s²，人工驾驶车辆的加速度为3m/s²。t_n0表示车辆n驶入控制区域的初始时间，v_max表示道路允许行驶的最大速度，t_na表示加速结束的时刻，t_ne表示车辆n到达停车线L的时刻；

S3：以交叉口各通行方向绿灯开始时间和绿灯持续时间为控制变量，以车辆平均延误和平均剩余绿灯时间之和最小化为优化目标，确定约束条件，建立MILP模型；

S31：一个车队中，行驶在最前面的车称为头车；判断车辆n是否为车队头车，若是，车辆n的延误有两种情况：比较车辆n按照初始轨迹到达停车线的时刻t_ne与当前通行方向绿灯开始时刻T_ij，若t_ne>T_ij，表明车辆n在绿灯时期到达停车线，此时车辆n的延误d_n为：

否则，表明车辆n会在绿灯开始前到达停车线，意味着车辆将在绿灯开启时刻才会离开停车线，此时车辆n的延误d_n为：

若车辆n不是车队头车，车辆n称为跟随车；根据maxt_n-1)e≤t_ne是否成立判断跟驰车的行驶状态，若成立，不需要对车辆n的轨迹调整，可以按照自由状态行驶，否则，认为车辆n与前车保持跟驰行驶，需要对车辆延误进行估算，在满足最小安全间距的前提下，车辆n与前车n-1到达停车线的时间关系为：

t_ne＝t_(n-1)e+Δt₁+Δt₂

式中，Δt₁与车辆间的最小安全间距s有关，更具体地说，等于车辆n-1从停车线处行驶距离s所需要的时间，本发明中，设定s为6。通过计算Δt₁的最大值代替Δt₁的精确计算值，Δt₂即为车辆间的最小安全时距，与车辆种类有关，当车辆n为自动驾驶车辆时，设定Δt₂为0.7，当车辆n为人工驾驶车辆时，设定Δt₂为2：

此时，车辆延误为：

式中，t_nep表示车辆n的估算到达时间，d_n表示车辆n的估算延误值；

S32：选取车辆的平均延误与通行方向的平均剩余绿灯时长的加权和为优化目标，具体为：

式中，N_ij表示通行方向PH(i,j)中规划车队的车辆数，T_ij表示通行方向PH(i,j)中绿灯开始时间，g_ij表示通行方向PH(i,j)中绿灯持续时间，I*J表示通行方向总数，α₁和α₂表示权重系数，本发明设定α₁＝1，α₂＝0.5，

表示通行方向PH(i,j)的车队中最后一辆车驶离停车线的时间；

S33：该模型主要考虑两个约束，分别是相位顺序约束和最小绿灯时长约束；相位顺序约束是指两个冲突方向PH(i,j)和PH(i′,j′)的绿灯时间不能重叠；交叉口所有冲突的通行方向如下表1所示；

表1交叉口冲突通行方向

两个冲突的通行方向的通行次序用变量σ_iji'j'表示。若通行方向(i,j)在通行方向(i′,j′)之前，则σ_iji'j'＝0，否则σ_iji'j'＝1，约束表达式为：

σ_iji'j'+σ_i'j'ij＝1

T_ij+Mσ_i'j'ij≥T_i'j'+g_i'j'

式中，M表示一个无穷大的正数；

最小绿灯时长约束是指当前车队必须在绿灯时间内完全通过交叉口，绿灯持续时间g_ij与车队中最后一辆车到达停车线的时间t_Ne之间需要满足：

T_ij+g_ij≥t_Ne；

S4：求解MILP模型，得到各个通行方向的配时信息，包括绿灯开始时间和绿灯持续时间；采用遗传算法求解MILP优化模型，得到各个通行方向的最佳绿灯开始时间和绿灯持续时间，需要注意的是，遗传算法属于启发式算法，因此求解的最优信号配时结果并不唯一；

S5：如图4所示，将S4得到的配时信息作为轨迹控制方法的输入，当车辆k驶入控制区边界时，采用分段轨迹规划方法对自动驾驶车辆轨迹进行规划，并结合Newell模型对人工驾驶车辆轨迹进行预测；

S51：当车辆n为车队头车时，轨迹规划分为两种：

S511：当头车按照初始轨迹行驶，将在绿灯开始前到达停车线，即t_ne<T_ij成立，根据车辆n的类型决定是否启动轨迹规划，若车辆n为自动驾驶车辆，启动轨迹规划，控制中心需要提前对车辆进行加减速控制，避免车辆在交叉口处停车等待；在t_bm时刻将车辆的加速度变为a，车辆n开始减速行驶，接着在t_ba时刻将车辆的加速度变为

使车辆n在T_ij时刻到达停车线，本发明设定自动驾驶车辆的减速度为-5m/s²，人工驾驶车辆的减速度为-6m/s²；

自动驾驶车辆规划轨迹为：

若车辆n为人工驾驶车辆，认为车辆n行驶至停车线附近时以a为减速度行驶，刚好在停车线处减速为0；

人工驾驶车辆的预测轨迹为：

S512：当头车按照初始轨迹行驶将在绿灯时期到达停车线，即t_ne≥t_gij，这种情况下，无需对车辆轨迹进行调整，若车辆n为自动驾驶车辆，控制车辆n按照初始轨迹行驶；若车辆n为人工驾驶车辆，将初始轨迹视为车辆n的行驶轨迹；

S52：当车辆n为跟随车时，车辆n的行驶状态有两种，分别是自由行驶和跟驰行驶，根据车辆类型对车辆n的行驶轨迹进行分析；

S521：当车辆n为自动驾驶车辆时，为保证车辆间的最小安全行驶间距，避免发生碰撞，根据前车n-1的轨迹信息，生成时空安全轨迹S_n-1；当车辆n的行驶轨迹不超过时空安全轨迹时，车辆可以按照自由状态行驶，否则需要对车辆轨迹进行调整；在t_fa时刻将车辆加速度变为a，使车辆轨迹与前车的时空安全轨迹在t_fm时刻位置和速度相同；

车辆n-1的时空安全轨迹表示为：

自动驾驶车辆的规划轨迹为：

S522：当车辆n为人工驾驶车辆时，采用Newell模型对车辆轨迹进行预测：判断车辆n按照初始轨迹行驶时，与前车n-1之间的距离是否满足x_n(t)≤x_n-1(t-τ_n)-d_n，若是，则初始轨迹为人工车辆n的预测轨迹；若否，表明车辆n不满足自由行驶的条件，需要与前车n-1保持跟驰行驶；

人工驾驶车辆的预测轨迹为：

S523：判断当前车辆是否为车队中的最后一辆车，若是，结束轨迹规划；否则，将车辆n的规划轨迹信息作为前车的轨迹信息，将车队中n+1辆车作为当前规划车辆继续执行S521；

S6：当检测到有新的车辆驶入控制区边界时，继续执行S1，开启下一周期的规划，并更新当前规划车队。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (9)

1.一种面向混合交通流的车辆轨迹与交通信号协同控制方法，其特征在于，包括如下步骤：

步骤1：将信号交叉口进口道划分为规划区和控制区；当有车辆到达规划区与控制区的交汇边界时，开启协同控制，记录控制开始时刻，并将控制开始时刻的信号交叉口中各个通行方向规划区内的所有车辆作为该通行方向的一个车队，采集各个车队中所有车辆的车辆信息并进行编队；

步骤2：根据车辆信息和编队信息，生成车队中各车辆的初始轨迹；

步骤3：根据信号交叉口各个通行方向当前的绿灯开始时间和绿灯持续时间，结合车辆的初始轨迹，采用最大延误估算方法估算获得每辆车的行驶延误值，并根据绿灯开始时间、绿灯持续时间和所述行驶延误值计算一个信号周期内各通行方向当前车队所有车辆的平均行驶延误值和平均剩余绿灯时间，以平均行驶延误值和平均剩余绿灯时间之和最小化为优化目标，确定约束条件，建立MILP模型；

步骤4：求解MILP模型，得到各个通行方向的配时信息；

步骤5：对车辆类型进行判断，并根据配时信息对车队中所有车辆的轨迹进行分析，获得行驶轨迹，车辆按照所述行驶轨迹行驶；

步骤6：当检测到有新的车辆驶入规划区与控制区交汇边界时，进入步骤1，开启下一信号周期的协同控制。

2.根据权利要求1所述的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，其特征在于，车辆到达停车线前依次经过规划区与控制区；在规划区采集车辆信息，包括车辆在某一时刻对应的速度和位置；

对车辆进行编队，划分为头车和跟随车，包括自动驾驶车辆和人工驾驶车辆，以车队形式驶离信号交叉口；当车辆与前车的车头时距小于设定时距阈值时，则当前车辆为跟随车，处于跟驰状态，保持与前车相同速度匀速行驶；当车辆与前车的车头时距大于设定时距阈值时，则当前车辆为头车，处于自由行驶状态，按照随机给定速度匀速行驶。

3.根据权利要求1所述的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，其特征在于，采集的车辆信息包括车辆位置和车辆行驶速度；步骤2中根据车辆位置和车辆行驶速度预测车辆进入控制区的驶入状态信息，包括驶入时间和驶入速度；

信号交叉口共有I*J个通行方向，I表示进口道总数，J表示每个进口道的通行方向；每个通行方向的车队的车辆数为N_ij(i∈I,j∈J)；以规划区和控制区的交汇边界为坐标原点，记录控制开始时刻t₀₀，以及控制开始时刻t₀₀车辆n(n∈N_ij)的车辆位置l_np和车辆行驶速度v_np，计算车辆n距离规划区与控制区的交汇边界l_d的距离d_nd，预测车辆n驶入控制区的驶入时间和驶入速度，表达式为：

d_nd＝|l_d-l_np|

v_n0＝v_np。

4.根据权利要求3所述的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，其特征在于，所述步骤2中车辆n的初始轨迹为车辆按照先加速后匀速的方式行驶时车辆n在t时刻的位置x_n(t)，具体表示为：

式中，v_n0表示车辆n驶入控制区的初始速度，

表示车辆n的加速度，t_n0表示车辆n驶入控制区的初始时间，v_max表示道路允许行驶的最大速度，t_na表示加速结束的时刻，t_ne表示车辆n到达停车线的时刻。

5.根据权利要求1所述的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，其特征在于，所述步骤3具体实现过程包括：

步骤31：判断车辆n是否为车队头车，如果为车队头车则进入步骤32，否则进入步骤33；

步骤32：若车辆n是车队头车，则根据车辆n按照初始轨迹到达停车线的时刻t_ne，以及当前通行方向绿灯开始时刻T_ij，判断车辆n是否会在绿灯时期到达停车线；

若t_ne>T_ij，表明车辆n在绿灯时期到达停车线，此时车辆n的行驶延误值d_n表达式为：

式中，L表示规划区和控制区的交汇边界到停车线的距离；t_n0表示车辆n驶入控制区的初始时间；v_max表示道路允许行驶的最大速度；

否则，表明车辆n会在绿灯开始前到达停车线，此时车辆n的行驶延误值d_n表达式为：

步骤33：若车辆n不是车队头车，则车辆n为跟随车；根据前车n-1到达停车线的时刻maxt_(n-1)e与车辆n到达停车线的时刻t_ne判断当前车辆n的行驶状态；

若maxt_(n-1)e≤t_ne，则不需要对轨迹调整，车辆n的按照自由状态行驶；

否则，判断车辆n与前车保持跟驰行驶，需要对车辆延误进行估算，在满足最小安全间距的前提下，车辆n与前车n-1到达停车线的时间关系为：

t_ne＝t_(n-1)e+Δt₁+Δt₂

式中，Δt₁为车辆n-1从停车线处继续向前行驶至车辆间最小安全间距s的时间；Δt₂为车辆间的最小安全时距；t_(n-1)e为车辆n-1到达停车线的时刻；

通过计算Δt₁的最大值获得Δt₁的精确值：

此时，估算的车辆行驶延误值为：

步骤34：计算各个通行方向车队中所有车辆的平均行驶延误值与各通行方向的平均剩余绿灯时间，并最小化平均行驶延误值与各通行方向的平均剩余绿灯时间的加权和获得MILP模型的优化目标，具体为：

式中，N_ij表示通行方向PH(i,j)中规划车队的车辆数，T_ij表示通行方向PH(i,j)中绿灯开始时间，g_ij表示通行方向PH(i,j)中绿灯持续时间，I*J表示通行方向总数，α₁和α₂表示权重系数，

表示通行方向PH(i,j)的车队中最后一辆车驶离停车线的时间；

步骤35：MILP模型的约束包括相位顺序约束和最小绿灯时长约束；

相位顺序约束为两个冲突通行方向PH(i,j)和PH(i′,j′)的绿灯时间不能重叠，两个冲突方向的通行次序用变量σ_iji′j′表示；若通行方向PH(i,j)在通行方向PH(i′,j′)之前，则σ_iji′j′＝0，否则σ_iji′j′＝1，约束表达式为：

σ_iji′j′+σ_i′j′ij＝1

T_ij+Mσ_i'j'ij≥T_i'j'+g_i'j'

式中，M表示一个无穷大的正数，T_i′j′表示通行方向PH(i′,j′)中绿灯开始时间，g_i′j′表示通行方向PH(i′,j′)中绿灯持续时间；

最小绿灯时长约束为当前车队必须在绿灯时间内完全通过信号交叉口，通行方向PH(i,j)中绿灯持续时间g_ij与车队中最后一辆车到达停车线的时间t_Ne之间需要满足：

T_ij+g_ij≥t_Ne。

6.根据权利要求1所述的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，其特征在于，采用遗传算法对MILP模型进行求解，得到的配时信息包括各个通行方向的最佳绿灯开始时间和最佳绿灯持续时间。

7.根据权利要求1所述的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，其特征在于，根据车辆在车队中的位置，以及车辆按照初始轨迹行驶到达停车线的时间范围和与前车距离，再结合车辆类型进行轨迹规划或轨迹预测，具体实现过程包括：

步骤51：当车辆n为车队头车时，根据车辆n按照初始轨迹行驶到达停车线的时间范围，判断是否对车辆n进行轨迹规划，确定车辆轨迹；

步骤52：当车辆n为跟随车时，车辆n的行驶状态有两种，分别是自由行驶和跟驰行驶，根据车辆类型对车辆n的行驶轨迹进行规划。

8.根据权利要求7所述的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，其特征在于，步骤51的具体实现过程为：

步骤511：当头车按照初始轨迹行驶且将在绿灯开始前到达停车线，则车辆n到达停车线的时刻t_ne<当前通行方向绿灯开始时刻T_ij，根据车辆n的类型决定是否启动轨迹规划；

若车辆n为自动驾驶车辆，启动轨迹规划，对初始轨迹进行调整，在控制车辆开始减速时刻t_bm将车辆加速度调整为a，车辆按照该加速度减速行驶，在控制车辆开始加速时刻t_ba将车辆加速度调整为

车辆按照该加速度加速行驶，使车辆n在T_ij时刻到达停车线；

自动驾驶车辆的行驶轨迹为：

若车辆n为人工驾驶车辆，则令车辆n行驶至预设距离停车线阈值范围内以加速度a减速行驶，在停车线处减速为0；

人工驾驶车辆的行驶轨迹为：

步骤512：车辆n到达停车线的时刻t_ne≥当前通行方向绿灯开始时刻T_ij，则头车按照初始轨迹行驶且将在绿灯时期到达停车线，无需对车辆轨迹进行调整，若车辆n为自动驾驶车辆，控制车辆n按照初始轨迹行驶；若车辆n为人工驾驶车辆，将初始轨迹视为车辆n的行驶轨迹。

9.根据权利要求7所述的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，其特征在于，

步骤521：当跟随车辆n为自动驾驶车辆时，根据前车n-1的行驶轨迹，生成前车n-1的时空安全轨迹S_n-1；当车辆n的行驶轨迹不超过时空安全轨迹时，车辆按照自由状态行驶，否则对车辆轨迹进行调整，在控制车辆开始减速时刻t_fa将车辆加速度调整为a，减速行驶，令使车辆轨迹与前车的时空安全轨迹在t_fm时刻车辆位置和车辆行驶速度相同；

前车n-1的时空安全轨迹表示为：

式中，τ_c表示自动驾驶车辆的最小车头时距，s表示自动驾驶车辆的最小安全间距，τ_c为0.7s，s为6m；

自动驾驶车辆n的行驶轨迹为：

步骤522：当车辆n为人工驾驶车辆时，采用Newell模型对车辆轨迹进行预测：

判断车辆n按照初始轨迹行驶时，与前车n-1之间的距离是否满足x_n(t)≤x_n-1(t-τ_n)-d_n，若是，则初始轨迹为车辆n预测的行驶轨迹；若否，表明车辆n不满足自由行驶的条件，需要与前车n-1保持跟驰行驶；

人工驾驶车辆的行驶轨迹为：

式中，d_n表示自动驾驶车辆n的空间位移，τ_n表示人工驾驶车辆n的时间位移，设定τ_n为2s，d_n为6m；

步骤523：判断当前车辆是否为车队中的最后一辆车，若是，结束轨迹分析；否则，将车辆n的行驶轨迹作为前车的行驶轨迹，将车队中n+1辆车作为当前规划车辆继续执行步骤521。

Images