CN116386385A - 一种基于混合交通流的智能网联车辆上匝道汇入控制协议 - Google Patents

一种基于混合交通流的智能网联车辆上匝道汇入控制协议 Download PDF

Info

Publication number
CN116386385A
CN116386385A CN202310130127.4A CN202310130127A CN116386385A CN 116386385 A CN116386385 A CN 116386385A CN 202310130127 A CN202310130127 A CN 202310130127A CN 116386385 A CN116386385 A CN 116386385A
Authority
CN
China
Prior art keywords
intelligent network
vehicle
lane
ramp
changing
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
CN202310130127.4A
Other languages
English (en)
Other versions
CN116386385B (zh
Inventor
董长印
王昊
尹芳至
陈雨佳
刘云杰
张家瑞
熊卓智
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.)
Southeast University
Original Assignee
Southeast 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 Southeast University filed Critical Southeast University
Priority to CN202310130127.4A priority Critical patent/CN116386385B/zh
Publication of CN116386385A publication Critical patent/CN116386385A/zh
Application granted granted Critical
Publication of CN116386385B publication Critical patent/CN116386385B/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
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • 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
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于混合交通流的智能网联车辆上匝道汇入控制协议，包括步骤为：拥堵判断；区域划分为汇入区，让行区和减速区；跟驰状态；根据平均车速计算预估换道时间；根据安全加速度设计理想汇入控制间距；当上匝道口判断为拥堵时，对处于让行区、汇入区和减速区的智能网联车辆，进行分区域分别控制。本发明提供考虑了整体系统的效益和风险，进行了较为平衡的控制协议设计，提出的主干道车辆理想控制间距能够有效保证上匝道车辆在拥挤时段的换道要求，并且不要求智能网联车辆提前进行编组形成队列，使得该控制协议具有较强的普适性。

Description

一种基于混合交通流的智能网联车辆上匝道汇入控制协议
技术领域
本发明涉及智能交通控制领域，特别是一种基于混合交通流的智能网联车辆上匝道汇入控制协议。
背景技术
作为交通运输的中流砥柱，高速公路的交通安全、拥堵成为了生活质量问题。新兴技术为解决这些问题提供了创新机会。智能车辆技术和通信技术在交通领域引起了广泛的关注。智能车辆技术使得未来车辆可以通过传感器精确获取周围车辆的关键特征，帮助车辆进行决策。通信技术则可以实现车对车(V2V)通信和车与路边设备(V2I)的通信，这些可以帮助车辆获取更多的信息提高驾驶安全性。
在上匝道口，往往由于匝道或主干道车流量的增加，导致匝道口堵塞，车流汇入流率大大降低，同时车辆间距被压缩，增加了车辆碰撞风险。而智能车辆和通信技术的引入可以让车辆对拥堵交通提前做出让行处理，将交通流压力由点分到面，最终让拥堵问题得到解决。
已有研究中大多将智能网联车辆在混合流中进行编队以此发挥其梳理交通流的作用，但是在低市场渗透率下，是有可能无法形成有效队列的，而且由于车辆驾驶员的主观意愿，车辆队列在未来能否顺利形成本就是一个问题。总的来说，现有研究缺乏对混合交通流背景下，智能网联车辆不成列的上匝道汇入控制相关的研究。就智能网联车辆个体，如何通过智能技术和通信技术得到的全面信息进行单独决策和控制没有得到充分考虑。
发明内容
本发明要解决的技术问题是针对上述现有技术的不足，而提供一种基于混合交通流的智能网联车辆上匝道汇入控制协议，该基于混合交通流的智能网联车辆上匝道汇入控制协议以自适应巡航控制模型和换道决策模型为依据，控制主干道和匝道智能网联车辆的状态变化，进而以实际匝道口交通状况以及车辆个体数据为基本信息，计算理想控制间距，从而实现在上匝道口相关区域对所有智能网联车辆计算合理控制输入，保障了公路交通安全、高效、平稳的状态.
为解决上述技术问题，本发明采用的技术方案是：
一种基于混合交通流的智能网联车辆上匝道汇入控制协议，包括如下步骤。
步骤1、拥堵判断：位于次干道中的智能网联车辆通过上匝道口汇入主干道，形成混合交通流；根据上匝道智能网联车辆的速度或路边单元测量的上匝道口平均车速，判断上匝道口是否拥堵。
步骤2、区域划分：将与上匝道口纵向位置相对应的主干道划为汇入区，将汇入区上游距离为a的主干道区域划为让行区；将汇入区上游距离为b的次干道区域划为减速区；其中，a≥b。
步骤3、跟驰状态：智能网联车辆在常规行驶时处于跟驰状态，此时，根据自身的横纵向位置和速度，计算跟驰状态下的控制输入μ0(t)＝[ax0(t),ay0(t)]；其中；ax0(t)和ay0(t)分别为跟驰状态下智能网联车辆在t时刻的横向加速度和纵向加速度。
步骤4、设计智能网联车辆控制协议：当上匝道口判断为非拥堵时，处于汇入区、让行区和减速区的智能网联车辆，均采用步骤3的跟驰状态进行行驶。
当上匝道口判断为拥堵时，对处于让行区、汇入区和减速区的智能网联车辆，进行分区域分别控制，具体控制协议为：
A、对处于让行区的智能网联车辆，其纵向加速度ay′(t)的控制输入公式为：
Figure SMS_1
其中：
Figure SMS_2
式中，k1和k2分别表示定位误差增益和速度误差增益；dl-α(t)表示t时刻前车与本车的间距；
Figure SMS_3
表示t时刻本车速度；/>
Figure SMS_4
表示t时刻前车速度；
ge(t)表示t时刻让行区智能网联车辆的理想汇入控制间距；g0(t)表示正常跟驰状态下的安全期望间距；
bsafe表示保证行驶安全的最大减速度绝对值；
tlc表示预估换道时间。
B、对处于汇入区的智能网联车辆，采用步骤3的跟驰状态进行控制行驶。
C、对处于减速区的智能网联车辆，其纵向加速度ay″(t)的控制输入公式为：
Figure SMS_5
其中：
Figure SMS_6
式中，Vsafe表示减速区安全行驶速度；VL表示交通流拥挤速度。
步骤1中，设位于上匝道口即将强制换道的智能网联车辆的速度为vr，路边单元测量得到的在设定时间段内上匝道口的平均车速为
Figure SMS_7
设定拥挤判定速度VL；当vr＜VL或
Figure SMS_8
时，则判断上匝道口处于拥堵状态；否则，判定为上匝道口不拥堵。
步骤2中，a＝800m，b＝500m。
步骤3中，ax0(t)和ay0(t)的计算公式，分别为：
ax0(t)＝0
Figure SMS_9
式中，thw表示安全时间间隔。
步骤3中，在跟驰状态下，智能网联车辆根据换道效用和换道安全，确定换道决策。
步骤3中的换道决策，包括如下步骤：
步骤3-1、判断换道动机：当智能网联车辆的系统总体效益在换道前后提升值大于设定换道系统总体效益提升门限值△a时，智能网联车辆具有换道动机。
步骤3-2、确保换道安全：当智能网联车辆具有换道动机的前提下，对当前智能网联车辆换至目前车道后的加速度，以及换至目标车道后的后车加速度，均进行判断，只有当两者均大于
保证行驶安全的最大减速度绝对值bsafe时，则当前智能网联车辆方能换道。
步骤3-3、换道：在跟驰状态下换道时，设智能网联车辆中心越过车道线前的控制输入为μ1(t)，智能网联车辆中心越过车道线后的控制输入为μ2(t)，则μ1(t)和μ2(t)的表达式分别为：
μ1(t)＝[ax1(t),ay1(t)]
μ2(t)＝[ax2(t),ay2(t)]
Figure SMS_10
Figure SMS_11
Figure SMS_12
Figure SMS_13
Figure SMS_14
式中，ax1(t),ay1(t)]分别为智能网联车辆中心越过车道线前的横向加速度和纵向加速度。
ax2(t),ay2(t)分别为智能网联车辆中心越过车道线后的横向加速度和纵向加速度。
W为路段车道宽度；vc为换道期望最高速度。
Figure SMS_15
为t时刻换至目标车道后前车的速度。
Figure SMS_16
为车辆做出换道决策时的纵向速度；k3为换道速度的比例系数。
步骤3-1中，换道动机的判断公式为：
Figure SMS_17
式中，
Figure SMS_18
为换道智能网联车辆α变到目标车道后的自身纵向加速度。
Figure SMS_19
为换道智能网联车辆α在换道前的自身纵向加速度。
Figure SMS_20
为换道智能网联车辆α变到目标车道后的原车道后车f的纵向加速度。
Figure SMS_21
为换道智能网联车辆α在换道前的原车道后车f的纵向加速度。
Figure SMS_22
为换道智能网联车辆α变到目标车道后的目标车道后车/>
Figure SMS_23
的纵向加速度。
Figure SMS_24
为换道智能网联车辆α在换道前的目标车道后车/>
Figure SMS_25
的纵向加速度。
p为利他因子，且p∈[0,1]，用于描述换道实施者在进行换道决策时对自身利益和他人利益的统筹情况；当p＝0时，换道仅考虑自身的利益，是完全利己的行为；当p＝1时，换道决策人平等地对待自身利益和他人利益。
步骤4中，对处于汇入区的智能网联车辆，采用跟驰状态进行控制行驶时，p＝0，△a＝0。
预估换道时间tlc的计算公式为：
Figure SMS_26
vc'＝k3Vd
式中，W为路段车道宽度；vc'为匝道换道车辆横向位移速度最高值的平均数；Vd即为匝道车辆平均速度。
本发明具有如下有益效果：基于混合异质交通流的实际特征，针对匝道车辆设计汇入区和减速区控制方法，对主干道智能网联车辆则通过确定期望让行间距设计让行区的控制协议，并且不要求智能网联车辆提前进行编组形成队列，使得该控制协议具有较强的普适性。本发明提供的方法考虑了整体系统的效益和风险，进行了较为平衡的控制协议设计，提出的主干道车辆理想控制间距
Figure SMS_27
能够有效保证上匝道车辆在拥挤时段的换道要求，而且能够避免可能的碰撞风险，为道路交通安全提供保障。
附图说明
图1是本发明一种基于混合交通流的智能网联车辆上匝道汇入控制协议的流程图。
图2是本发明实施例的换道模型的示意图。
图3是本发明实施例的协议触发后控制分区示意图。
具体实施方式
下面结合附图和具体较佳实施方式对本发明作进一步详细的说明。
本发明的描述中，需要理解的是，术语“左侧”、“右侧”、“上部”、“下部”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，“第一”、“第二”等并不表示零部件的重要程度，因此不能理解为对本发明的限制。本实施例中采用的具体尺寸只是为了举例说明技术方案，并不限制本发明的保护范围。
如图1所示，一种基于混合交通流的智能网联车辆上匝道汇入控制协议，包括如下步骤。
步骤1、拥堵判断：位于次干道中的智能网联车辆通过上匝道口汇入主干道，形成混合交通流；根据上匝道智能网联车辆的速度或路边单元测量的上匝道口平均车速，判断上匝道口是否拥堵。
拥堵判别式要由实际路况进行采用，若上匝道口有路边单元，则主干道的智能网联车辆可以接收线圈测量的平均车速作为判别标准，判别方法如下：
Figure SMS_28
Figure SMS_29
其中
Figure SMS_30
是上匝道口线圈测量得到的平均车速，vn为一定时间段内线圈测量的第n辆车辆的速度，N为一定时间段内线圈测量的车辆数，VL为设定的拥挤判定速度，可以根据当前匝道口的历史观测数据估计。
而上匝道口没有路边单元，那么主干道的智能网联车辆只能根据V2V通信确定平均速度，位于上匝道口即将强制换道的智能网联车辆根据自身速度自行进行判断，若速度满足判别式则向主干道智能网联车辆发送拥挤信息，判别方法如下：
判别式 结果
vr<VL 拥挤
vr≥VL 不拥挤
本实例中的上匝道口有一个线圈，所以就利用它测量的平均车速，根据实例公路段的历史数据分析得到，拥堵速度VL为16km/h，而此时线圈测量得到的平均车速为15km/h小于拥堵速度，所以可以判定此时路段陷入拥挤状态，智能网联车辆需要做出应对。
步骤2、区域划分
如图3所示，将与上匝道口纵向位置相对应的主干道划为汇入区，将汇入区上游距离为a的主干道区域划为让行区；将汇入区上游距离为b的次干道区域划为减速区；其中，a≥b，本实施例中，优选a＝800m，b＝500m。
步骤3、跟驰状态：智能网联车辆在常规行驶时处于跟驰状态，此时，根据自身的横纵向位置和速度，计算跟驰状态下的控制输入μ0(t)＝[ax0(t),ay0(t)]；其中；ax0(t)和ay0(t)分别为跟驰状态下智能网联车辆在t时刻的横向加速度和纵向加速度。
上述控制输入μ0(t)，根据车辆运动学建立系统动态方程建立得到，具体为现有技术，也即仅考虑车辆的运动学特征，将车辆视为刚体来简化计算；状态变量有车辆位置、车辆速度和车辆的控制输入，对状态变量进行横纵解耦；对主干道车辆和上匝道车辆分别建立系统动态方程。
而智能网联车辆跟驰状态下的控制常规输入需要考量前后车的间距和速度差，保证跟驰的安全性，所以主干道和匝道车辆跟驰控制输入设计为：
ax0(t)＝0
Figure SMS_31
式中，thw表示安全时间间隔，一般取为1.1s，而且正常跟驰模式下的安全期望间距
Figure SMS_32
在跟驰状态下，智能网联车辆根据换道效用和换道安全，确定换道决策。确定方法，具体包括如下步骤：
步骤3-1、判断换道动机：当智能网联车辆的系统总体效益在换道前后提升值大于设定换道系统总体效益提升门限值△a时，智能网联车辆具有换道动机。
上述换道动机的判断公式优选为：
Figure SMS_33
式中，
Figure SMS_34
为换道智能网联车辆α变到目标车道后的自身纵向加速度。
Figure SMS_35
为换道智能网联车辆α在换道前的自身纵向加速度。
Figure SMS_36
为换道智能网联车辆α变到目标车道后的原车道后车f的纵向加速度。
Figure SMS_37
为换道智能网联车辆α在换道前的原车道后车f的纵向加速度。
Figure SMS_38
为换道智能网联车辆α变到目标车道后的目标车道后车/>
Figure SMS_39
的纵向加速度。
Figure SMS_40
为换道智能网联车辆α在换道前的目标车道后车/>
Figure SMS_41
的纵向加速度。
p为利他因子，且p∈[0,1]，用于描述换道实施者在进行换道决策时对自身利益和他人利益的统筹情况；当p＝0时，换道仅考虑自身的利益，是完全利己的行为；当p＝1时，换道决策人平等地对待自身利益和他人利益。智能网联车辆为了保证系统总体效益的增加，所以自由换道时p取1。
步骤3-2、确保换道安全：当智能网联车辆具有换道动机的前提下，对当前智能网联车辆换至目前车道后的加速度，以及换至目标车道后的后车加速度，均进行判断，只有当两者均大于保证行驶安全的最大减速度绝对值bsafe时，则当前智能网联车辆方能换道。
换道决策不能只考虑换道效用，同时也需要考虑换道安全，车辆的加减速度来判断。在换道过程中，潜在安全隐患主要存在于换道车辆α自身，以及目标车道上的后车
Figure SMS_42
它们不能有太大的加速度，否则会导致车辆碰撞风险大大增加，所以所述的安全条件判别式如下：
Figure SMS_43
Figure SMS_44
其中，bsafe是保证行驶安全的最大减速度绝对值。总结来看，智能网联车辆进行换道决策时，就是将换道效用和换道安全条件共同考虑，只有两者都满足时才会选择换道。
智能网联车辆自由换道时进行换道决策需要考虑系统(如图2所示)总体效益以及车辆碰撞风险，假设本实例中安全减速度设置为2m/s，自由换道的利他因子设置为1，换道效用阈值设为0.4，那么主干道和匝道车辆换道决策判别式设计为：
Figure SMS_45
步骤3-3、换道：在跟驰状态下换道时，设智能网联车辆中心越过车道线前的控制输入为μ1(t)，智能网联车辆中心越过车道线后的控制输入为μ2(t)，则μ1(t)和μ2(t)的表达式分别为：
μ1(t)＝[ax1(t),ay1(t)]
μ2(t)＝[ax2(t),ay2(t)]
Figure SMS_46
Figure SMS_47
Figure SMS_48
Figure SMS_49
Figure SMS_50
式中，ax1(t),ay1(t)]分别为智能网联车辆中心越过车道线前的横向加速度和纵向加速度。
ax2(t),ay2(t)分别为智能网联车辆中心越过车道线后的横向加速度和纵向加速度。
W为路段车道宽度；vc为换道期望最高速度。
Figure SMS_51
为t时刻换至目标车道后前车的速度。
Figure SMS_52
为车辆做出换道决策时的纵向速度；k3为换道速度的比例系数，一般取为0.2，保证横向换道时车辆位姿的协调。
换道决定一旦做出，车辆便进入换道模式。假设本实例目标车换道开始瞬间的纵向速度为2m/s，此时控制输入的计算式为：
vc＝2k3
步骤4、设计智能网联车辆控制协议：当上匝道口判断为非拥堵时，处于汇入区、让行区和减速区的智能网联车辆，均采用步骤3的跟驰状态进行行驶。
当上匝道口判断为拥堵时，对处于让行区、汇入区和减速区的智能网联车辆，进行分区域分别控制，具体控制协议为：
A、对处于让行区的智能网联车辆，其纵向加速度ay′(t)的控制输入公式为：
Figure SMS_53
其中：
Figure SMS_54
Figure SMS_55
vc'＝k3Vd
式中，k1和k2分别是定位误差增益和速度误差的增益，一般分别取为0.23和0.07。
dl-α(t)表示t时刻前车与本车的间距。
Figure SMS_56
表示t时刻本车速度；/>
Figure SMS_57
表示t时刻前车速度。
ge(t)表示t时刻让行区智能网联车辆的理想汇入控制间距；g0(t)表示正常跟驰模式下的安全期望间距。
bsafe表示保证行驶安全的最大减速度绝对值。
tlc表示预估换道时间，vc'为匝道换道车辆横向位移速度最高值的平均数；Vd即为匝道车辆平均速度，若上匝道口有路边单元则等于上匝道口线圈测量得到的平均车速
Figure SMS_58
若上匝道口没有路边单元则为上匝道强制换道的智能网联车辆的速度vr。
在本实施例中，由于目标车换道开始瞬间的纵向速度为2m/s，故而：
Figure SMS_59
理想汇入控制间距的计算公式为：
Figure SMS_60
B、对处于汇入区的智能网联车辆，采用步骤3的跟驰状态进行控制行驶。
由于换道决策不能只考虑换道效用，同时也需要考虑换道安全，车辆的加减速度来判断。在换道过程中，潜在安全隐患主要存在于换道车辆α自身，以及目标车道上的后车
Figure SMS_61
它们在目标车道上的预期减速度不能太大，否则减速造成的交通干扰导致交通流的碰撞风险增大；但是不用设置预期加速度的上限，因为车辆预期加速度是换道效用值的一部分，其越大只能说明换道造成的系统增益越大，而且车辆加速度的变化也受前车状态控制，所以并不会过大导致安全风险。所述的安全条件判别式如下：
Figure SMS_62
Figure SMS_63
在本实施例中，匝道车辆在进行换道决策时有自由换道变为强制换道模式，具体表现为利他因子变为0，换道效益阈值也变为0，此时的判别式变为：
Figure SMS_64
C、对处于减速区的智能网联车辆，其纵向加速度ay″(t)的控制输入公式为：
Figure SMS_65
其中：
Figure SMS_66
式中，Vsafe表示减速区安全行驶速度；VL表示交通流拥挤速度。
以上详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种等同变换，这些等同变换均属于本发明的保护范围。

Claims (9)

1.一种基于混合交通流的智能网联车辆上匝道汇入控制协议，其特征在于：包括如下步骤：
步骤1、拥堵判断：位于次干道中的智能网联车辆通过上匝道口汇入主干道，形成混合交通流；根据上匝道智能网联车辆的速度或路边单元测量的上匝道口平均车速，判断上匝道口是否拥堵；
步骤2、区域划分：将与上匝道口纵向位置相对应的主干道划为汇入区，将汇入区上游距离为a的主干道区域划为让行区；将汇入区上游距离为b的次干道区域划为减速区；其中，a≥b；
步骤3、跟驰状态：智能网联车辆在常规行驶时处于跟驰状态，此时，根据自身的横纵向位置和速度，计算跟驰状态下的控制输入μ0(t)＝[ax0(t),ay0(t)]；其中；ax0(t)和ay0(t)分别为跟驰状态下智能网联车辆在t时刻的横向加速度和纵向加速度；
步骤4、设计智能网联车辆控制协议：当上匝道口判断为非拥堵时，处于汇入区、让行区和减速区的智能网联车辆，均采用步骤3的跟驰状态进行行驶；
当上匝道口判断为拥堵时，对处于让行区、汇入区和减速区的智能网联车辆，进行分区域分别控制，具体控制协议为：
A、对处于让行区的智能网联车辆，其纵向加速度ay′(t)的控制输入公式为：
Figure QLYQS_1
其中：
Figure QLYQS_2
式中，k1和k2分别表示定位误差增益和速度误差增益；dl-α(t)表示t时刻前车与本车的间距；
Figure QLYQS_3
表示t时刻本车速度；/>
Figure QLYQS_4
表示t时刻前车速度；
ge(t)表示t时刻让行区智能网联车辆的理想汇入控制间距；g0(t)表示正常跟驰状态下的安全期望间距；
bsafe表示保证行驶安全的最大减速度绝对值；
tlc表示预估换道时间；
B、对处于汇入区的智能网联车辆，采用步骤3的跟驰状态进行控制行驶；
C、对处于减速区的智能网联车辆，其纵向加速度ay″(t)的控制输入公式为：
Figure QLYQS_5
其中：
Figure QLYQS_6
式中，Vsafe表示减速区安全行驶速度；VL表示交通流拥挤速度。
2.根据权利要求1所述的基于混合交通流的智能网联车辆上匝道汇入控制协议，其特征在于：步骤1中，设位于上匝道口即将强制换道的智能网联车辆的速度为vr，路边单元测量得到的在设定时间段内上匝道口的平均车速为
Figure QLYQS_7
设定拥挤判定速度VL；当vr＜VL或
Figure QLYQS_8
时，则判断上匝道口处于拥堵状态；否则，判定为上匝道口不拥堵。
3.根据权利要求1所述的基于混合交通流的智能网联车辆上匝道汇入控制协议，其特征在于：步骤2中，a＝800m，b＝500m。
4.根据权利要求1所述的基于混合交通流的智能网联车辆上匝道汇入控制协议，其特征在于：步骤3中，ax0(t)和ay0(t)的计算公式，分别为：
ax0(t)＝0
Figure QLYQS_9
式中，thw表示安全时间间隔。
5.根据权利要求1所述的基于混合交通流的智能网联车辆上匝道汇入控制协议，其特征在于：步骤3中，在跟驰状态下，智能网联车辆根据换道效用和换道安全，确定换道决策。
6.根据权利要求5所述的基于混合交通流的智能网联车辆上匝道汇入控制协议，其特征在于：步骤3中的换道决策，包括如下步骤：
步骤3-1、判断换道动机：当智能网联车辆的系统总体效益在换道前后提升值大于设定换道系统总体效益提升门限值△a时，智能网联车辆具有换道动机；
步骤3-2、确保换道安全：当智能网联车辆具有换道动机的前提下，对当前智能网联车辆换至目前车道后的加速度，以及换至目标车道后的后车加速度，均进行判断，只有当两者均大于保证行驶安全的最大减速度绝对值bsafe时，则当前智能网联车辆方能换道；
步骤3-3、换道：在跟驰状态下换道时，设智能网联车辆中心越过车道线前的控制输入为μ1(t)，智能网联车辆中心越过车道线后的控制输入为μ2(t)，则μ1(t)和μ2(t)的表达式分别为：
μ1(t)＝[ax1(t),ay1(t)]
μ2(t)＝[ax2(t),ay2(t)]
Figure QLYQS_10
Figure QLYQS_11
Figure QLYQS_12
Figure QLYQS_13
Figure QLYQS_14
式中，ax1(t),ay1(t)]分别为智能网联车辆中心越过车道线前的横向加速度和纵向加速度；
ax2(t),ay2(t)分别为智能网联车辆中心越过车道线后的横向加速度和纵向加速度；
W为路段车道宽度；vc为换道车辆横向位移最高速度；
Figure QLYQS_15
为t时刻换至目标车道后前车的速度；
Figure QLYQS_16
为车辆做出换道决策时的纵向速度；k3为换道速度的比例系数。
7.根据权利要求6所述的基于混合交通流的智能网联车辆上匝道汇入控制协议，其特征在于：步骤3-1中，换道动机的判断公式为：
Figure QLYQS_17
式中，
Figure QLYQS_18
为换道智能网联车辆α变到目标车道后的自身纵向加速度；
Figure QLYQS_19
为换道智能网联车辆α在换道前的自身纵向加速度；
Figure QLYQS_20
为换道智能网联车辆α变到目标车道后的原车道后车f的纵向加速度；
Figure QLYQS_21
为换道智能网联车辆α在换道前的原车道后车f的纵向加速度；
Figure QLYQS_22
为换道智能网联车辆α变到目标车道后的目标车道后车/>
Figure QLYQS_23
的纵向加速度；
Figure QLYQS_24
为换道智能网联车辆α在换道前的目标车道后车/>
Figure QLYQS_25
的纵向加速度；
p为利他因子，且p∈[0,1]，用于描述换道实施者在进行换道决策时对自身利益和他人利益的统筹情况；当p＝0时，换道仅考虑自身的利益，是完全利己的行为；当p＝1时，换道决策人平等地对待自身利益和他人利益。
8.根据权利要求7所述的基于混合交通流的智能网联车辆上匝道汇入控制协议，其特征在于：步骤4中，对处于汇入区的智能网联车辆，采用跟驰状态进行控制行驶时，p＝0，△a＝0。
9.根据权利要求1所述的基于混合交通流的智能网联车辆上匝道汇入控制协议，其特征在于：预估换道时间tlc的计算公式为：
Figure QLYQS_26
vc'＝k3Vd
式中，W为路段车道宽度；vc'为匝道换道车辆横向位移速度最高值的平均数；Vd为匝道车辆平均速度。
CN202310130127.4A 2023-02-17 2023-02-17 一种基于混合交通流的智能网联车辆上匝道汇入控制协议 Active CN116386385B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310130127.4A CN116386385B (zh) 2023-02-17 2023-02-17 一种基于混合交通流的智能网联车辆上匝道汇入控制协议

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310130127.4A CN116386385B (zh) 2023-02-17 2023-02-17 一种基于混合交通流的智能网联车辆上匝道汇入控制协议

Publications (2)

Publication Number Publication Date
CN116386385A true CN116386385A (zh) 2023-07-04
CN116386385B CN116386385B (zh) 2024-03-26

Family

ID=86962332

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310130127.4A Active CN116386385B (zh) 2023-02-17 2023-02-17 一种基于混合交通流的智能网联车辆上匝道汇入控制协议

Country Status (1)

Country Link
CN (1) CN116386385B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102016209239A1 (de) * 2015-05-29 2016-12-01 Denso Corporation Fahrassistenzvorrichtung und fahrassistenzverfahren
CN108986488A (zh) * 2018-07-23 2018-12-11 东南大学 一种车车通信环境下匝道汇入协同轨迹确定方法及设备
CN110930697A (zh) * 2019-11-12 2020-03-27 南京航空航天大学 一种基于规则的智能网联车辆协同汇入控制方法
DE102020100342A1 (de) * 2019-03-27 2020-10-01 Suzuki Motor Corporation Fahrsteuerungsvorrichtung für ein fahrzeug
CN113424239A (zh) * 2019-02-15 2021-09-21 联想(北京)有限公司 用于管理交通工具队列的方法及设备
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
CN113947900A (zh) * 2021-10-15 2022-01-18 苏州科技大学 一种智能网联快速路匝道协同控制系统
CN113990085A (zh) * 2021-10-11 2022-01-28 南京航空航天大学 一种匝道汇入区域的交通疏解方法及系统
CN114664078A (zh) * 2022-03-18 2022-06-24 河北工业大学 基于自动驾驶车辆队列的道路合流区协作汇入控制方法
CN115331432A (zh) * 2022-07-25 2022-11-11 重庆大学 一种抑制隧道入口区域交通流负效应的网联动车控制方法
CN115547035A (zh) * 2022-08-31 2022-12-30 交通运输部公路科学研究所 超视距避撞行驶控制方法、装置及信息物理系统
CN115641717A (zh) * 2022-10-19 2023-01-24 长沙理工大学 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

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102016209239A1 (de) * 2015-05-29 2016-12-01 Denso Corporation Fahrassistenzvorrichtung und fahrassistenzverfahren
CN108986488A (zh) * 2018-07-23 2018-12-11 东南大学 一种车车通信环境下匝道汇入协同轨迹确定方法及设备
CN113424239A (zh) * 2019-02-15 2021-09-21 联想(北京)有限公司 用于管理交通工具队列的方法及设备
DE102020100342A1 (de) * 2019-03-27 2020-10-01 Suzuki Motor Corporation Fahrsteuerungsvorrichtung für ein fahrzeug
CN110930697A (zh) * 2019-11-12 2020-03-27 南京航空航天大学 一种基于规则的智能网联车辆协同汇入控制方法
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
CN113990085A (zh) * 2021-10-11 2022-01-28 南京航空航天大学 一种匝道汇入区域的交通疏解方法及系统
CN113947900A (zh) * 2021-10-15 2022-01-18 苏州科技大学 一种智能网联快速路匝道协同控制系统
CN114664078A (zh) * 2022-03-18 2022-06-24 河北工业大学 基于自动驾驶车辆队列的道路合流区协作汇入控制方法
CN115331432A (zh) * 2022-07-25 2022-11-11 重庆大学 一种抑制隧道入口区域交通流负效应的网联动车控制方法
CN115547035A (zh) * 2022-08-31 2022-12-30 交通运输部公路科学研究所 超视距避撞行驶控制方法、装置及信息物理系统
CN115641717A (zh) * 2022-10-19 2023-01-24 长沙理工大学 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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
董长印;王昊;王炜;李烨;华雪东;: "混入智能车的下匝道瓶颈路段交通流建模与仿真分析", 物理学报, no. 14, 9 July 2018 (2018-07-09) *

Also Published As

Publication number Publication date
CN116386385B (zh) 2024-03-26

Similar Documents

Publication Publication Date Title
CN110775060B (zh) 一种单车道双列式小型汽车编队智能控制系统及编队方法
CN108447266B (zh) 一种智能网联汽车协同换道入队控制方法
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
CN107993453B (zh) 一种基于车路协同的弯道安全车速计算方法
CN110930697B (zh) 一种基于规则的智能网联车辆协同汇入控制方法
US8781707B2 (en) Vehicle control device, vehicle control method, and vehicle control system
WO2012098663A1 (ja) 走行計画生成方法及び走行計画生成装置
CN111768612A (zh) 基于c-v2x的车辆编队行驶策略控制方法
CN113205679B (zh) 一种基于t字型交叉口车辆控制系统的通行效率控制方法
CN113990085B (zh) 一种匝道汇入区域的交通疏解方法及系统
CN111081009A (zh) 一种基于车联网的车辆编队行驶系统及控制方法
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
CN112435473A (zh) 一种结合历史数据的快速路交通流溯源及匝道调控方法
CN114120666B (zh) 一种基于车路协同的智能车速诱导系统
CN111862596A (zh) 一种社会车辆借用brt专用道的交叉口信号控制方法及控制系统
JP5725068B2 (ja) 車両制御装置、車両制御方法及び車両制御システム
CN114694392A (zh) 一种基于车路协同的智能红绿灯路口高效通行方法
CN111754774B (zh) 一种高速路匝道口智能网联汽车安全自组织通行控制方法
CN116386385B (zh) 一种基于混合交通流的智能网联车辆上匝道汇入控制协议
JP5918559B2 (ja) 隊列走行制御装置
CN115331432B (zh) 一种抑制隧道入口区域交通流负效应的网联动车控制方法
CN113611132B (zh) 一种基于车路协同系统的饱和单路口公交信号控制方法
CN115223347A (zh) 一种车辆闯红灯预警及车速控制方法
CN115131959A (zh) 车辆队列防追尾主动避撞协同控制方法
WO2019170452A1 (en) A method and system for longitudinal control of vehicles in a platoon

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