CN117173910A - 智能车队协同汇入方法、装置及电子设备 - Google Patents
智能车队协同汇入方法、装置及电子设备 Download PDFInfo
- Publication number
- CN117173910A CN117173910A CN202311075216.XA CN202311075216A CN117173910A CN 117173910 A CN117173910 A CN 117173910A CN 202311075216 A CN202311075216 A CN 202311075216A CN 117173910 A CN117173910 A CN 117173910A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- following
- vehicles
- gap
- lane
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 94
- 230000008676 import Effects 0.000 title claims abstract description 36
- 230000001133 acceleration Effects 0.000 claims description 75
- 230000006870 function Effects 0.000 claims description 45
- 230000014509 gene expression Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 7
- 238000013461 design Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 17
- 238000004364 calculation method Methods 0.000 description 13
- 230000008859 change Effects 0.000 description 13
- 238000012546 transfer Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 7
- 238000010276 construction Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000011144 upstream manufacturing Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241001225883 Prosopis kuntzei Species 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
Classifications
-
- 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
- Traffic Control Systems (AREA)
Abstract
本发明提供了智能车队协同汇入方法、装置及电子设备；其中，该方法包括：首先根据区域参数确定汇入区间，并基于预设避撞条件和跟驰模式，确定每个间隙对应的间隙最大可容纳车辆数；然后，基于多个间隙的间隙最大可容纳车辆数，对待汇入车队中的多辆待汇入车辆进行拆分，得到多个拆分方案；最后，基于安全性和车队汇入效率构建目标函数，并以合流后混合车队的稳定性以及拆分方案与多个间隙的匹配程度作为约束条件，对目标函数进行优化，确定目标拆分方案，并控制待汇入车队按照目标拆分方案汇入主路目标车道的汇入区间。上述汇入方式中，通过对待汇入车队设计拆分方案和间隙匹配方案，实现了待汇入车队安全、高效地汇入至主路目标车道。
Description
技术领域
本发明涉及智慧交通技术领域，尤其是涉及智能车队协同汇入方法、装置及电子设备。
背景技术
由于入口匝道的待汇入车辆汇入过程中与主路车辆存在固有的空间干扰和速度差异，因此，合流区是制约高速公路安全高效运行的主要瓶颈。尤其是在入口匝道交通需求较高，超过合流区通行能力的条件下，追尾、侧向碰撞等交通事故和拥堵时有发生。传统智能交通主要通过入口匝道流量控制和可变限速两种方法缓解合流区拥堵，但这种节点式的控制方法实质上是对冲突的延后或放缓，并未在根本上改善车辆汇入模式，难以真正消除合流冲突，提高车辆合流过程的合理性和协调性。
从现有研究来看，协同合流控制方法的核心思想为通过主路目标车道和匝道交通流信息，协调主路车辆和匝道车辆通过合流点的次序和速度，从而避免合流冲突。从合流次序的确定方法来看，现有方法基本可分为基于先进先出(First-In，First-Out，FIFO)合流次序和基于优化合流次序。
其中，基于先进先出合流次序的控制方法通常和虚拟车辆法结合使用，通过将匝道车辆位置映射在主路上，使主路车辆和匝道待汇入车辆位于同一车道空间内，并基于先进先出的思想确定合流次序，之后对车辆进行纵向行驶控制即可实现匝道车辆的平滑合并。该方法可在一定程度上消除合流冲突，相较于传统方法，可减少车辆延误并提高合流区通行效率；但存在控制手段相对单一，且在交通需求较高时，合流次序未必合理的问题。
基于优化合流次序的控制方法，则是以通行效率最大为优化目标，寻找满足一定条件的主路间隙，通过各类算法优化并求解匝道待汇入车辆和主路车辆的合流顺序，并为其进行运动规划。在该方法中，可引入网联环境中不同的车辆行驶模式，包括主路车辆、待汇入车辆均视为单车行驶；主路车辆以CAV(Connected and Autonomous Vehicle，具网联功能的智能汽车)车队行驶，待汇入车辆以CAV单车汇入；待汇入车辆以CAV车队汇入，主路车辆视为若干CAV单车行驶以及主路车辆和待汇入车辆均为CAV车队；关键问题在于合流顺序的确定，主要解决方法为遍历寻优，即计算所有可能汇入方案的优化目标函数值，从而选取全局最优方案，但存在复杂场景下，计算成本急剧增加带来的可行性与时效问题。
综上，如何实现待汇入车辆安全、高效地汇入至主路，并减少对主路目标车道交通流的影响是亟需解决的问题。
发明内容
有鉴于此，本发明的目的在于提供智能车队协同汇入方法、装置及电子设备，以缓解上述问题，通过对待汇入车队设计拆分方案和间隙匹配方案，实现了待汇入车队安全、高效地汇入至主路目标车道。
第一方面，本发明实施例提供了一种智能车队协同汇入方法，应用于智慧高速合流区域；其中，智慧高速合流区域包括入口匝道、加速车道和主路目标车道；该方法包括：获取智慧高速合流区域的区域参数，并根据区域参数确定汇入区间；其中，汇入区间用于表征待汇入车队可汇入主路目标车道的多个间隙对应的空间范围，且，每个间隙均包括间隙前车和间隙后车；区域参数包括：加速车道的起始位置和车道长度、主路目标车道中主路车辆的行驶速度、待汇入车队中每辆待汇入车辆在加速车道的起始速度和加速度；基于预设避撞条件和跟驰模式，确定每个间隙对应的间隙最大可容纳车辆数；基于多个间隙的间隙最大可容纳车辆数，对待汇入车队中的多辆待汇入车辆进行拆分，得到多个拆分方案；其中，每个拆分方案包括多个子车队以及每个子车队包含的待汇入车辆的编号信息；基于安全性和车队汇入效率构建目标函数，并以合流后混合车队的稳定性以及拆分方案与多个间隙的匹配程度作为约束条件，对目标函数进行优化，确定目标拆分方案；控制待汇入车队按照目标拆分方案汇入主路目标车道的汇入区间。
优选地，基于预设避撞条件和跟驰模式，确定每个间隙对应的间隙最大可容纳车辆数的步骤，包括：根据跟驰模式确定对应的跟驰模型；其中，跟驰模型配置有对应的车辆期望车头时距；根据待汇入车辆的车长、安全距离、主路车辆的行驶速度、控制系数以及跟驰模型对应的车辆期望车头时距，计算得到该跟驰模型对应的跟驰车辆平衡态间距；其中，安全距离用于表征相邻两辆待汇入车辆之间的最小安全距离；根据跟驰车辆平衡态间距和每个间隙的距离，计算得到每个间隙对应的间隙最大可容纳车辆数。
优选地，跟驰模式包括：CAV-HDV跟驰模式、CAV-CAV跟驰模式、HDV-CAV跟驰模式和HDV-HDV跟驰模式；其中，CAV-HDV跟驰模式用于表征前车为HDV车辆，后车为CAV车辆的跟驰模式，CAV-CAV跟驰模式用于表示前车和后车均为CAV车辆的跟驰模式，HDV-CAV跟驰模式用于前车为CAV车辆、后车为HDV车辆的跟驰模式，HDV-HDV跟驰模式用于表征前车和后车均为HDV车辆的跟驰模式；上述根据跟驰模式确定对应的跟驰模型的步骤，包括：如果跟驰模式为CAV-HDV跟驰模式，确定对应的跟驰模型为ACC模型；或者，如果跟驰模式为CAV-CAV跟驰模式，确定对应的跟驰模型为CACC模型；或者，如果跟驰模式为HDV-CAV跟驰模式或HDV-HDV跟驰模式，确定对应的跟驰模型为IDM模型。
优选地，车辆期望车头时距包括：ACC模型车辆期望车头时距和CACC模型车辆期望车头时距，控制系数包括第一控制系数、第二控制系数、第三控制系数和时间参数；根据待汇入车辆的车长、安全距离、主路车辆的行驶速度、控制系数以及跟驰模型对应的车辆期望车头时距，计算得到该跟驰模型对应的跟驰车辆平衡态间距的步骤，包括：根据待汇入车辆的车长、安全距离、主路车辆的行驶速度、第一控制系数以及ACC模型车辆期望车头时距，计算得到ACC模型对应的跟驰车辆平衡态间距；根据待汇入车辆的车长、安全距离、主路车辆的行驶速度、第二控制系数、第三控制系数、时间参数以及CACC模型车辆期望车头时距，计算得到CACC模型对应的跟驰车辆平衡态间距。
优选地，根据跟驰车辆平衡态间距和每个间隙的距离，计算得到每个间隙对应的间隙最大可容纳车辆数的步骤，包括：根据下式计算间隙最大可容纳车辆数：
其中，ΔxACC表示ACC模型对应的跟驰车辆平衡态间距，ΔxCACC表示CACC模型对应的跟驰车辆平衡态间距，表示间隙Gi的距离，表示间隙Gi的间隙最大可容纳车辆数。
优选地，基于安全性和车队汇入效率构建目标函数的步骤，包括：目标函数的表达式如下：
其中，E表示目标函数，ω1表示安全性指标的权重值，e1表示安全性指标的归一化参数值，ω2表示车队汇入效率指标的权重值，e2表示车队汇入效率指标的归一化参数值，P表示待汇入车队中待汇入车辆的数量，TERCRIi(t)表示第i辆待汇入车辆对应的危险程度，表示第i辆待汇入车辆对应的汇入完成时刻，ti(xO)表示第i辆待汇入车辆达到加速车道的起始位置的时刻，危险程度用于表征当第i辆待汇入车辆速度骤减时，由于与后面待汇入车辆之间的安全距离较小导致追尾事故的危险程度。
优选地，根据区域参数确定汇入区间的步骤，包括：根据区域参数按照下式确定汇入区间：
其中，xO表示加速车道的起始位置，Lacc表示加速车道的车道长度，vmain表示主路车辆的行驶速度，vramp表示待汇入车辆在加速车道的起始速度，a表示待汇入车辆在加速车道的加速度。
第二方面，本发明实施例还提供一种智能车队协同汇入装置，应用于智慧高速合流区域；其中，智慧高速合流区域包括入口匝道、加速车道和主路目标车道；该装置包括：获取模块，用于获取智慧高速合流区域的区域参数，并根据区域参数确定汇入区间；其中，汇入区间用于表征待汇入车队可汇入主路目标车道的多个间隙对应的空间范围，且，每个间隙均包括间隙前车和间隙后车；区域参数包括：加速车道的起始位置和车道长度、主路目标车道中主路车辆的行驶速度、待汇入车队中每辆待汇入车辆在加速车道的起始速度和加速度；确定模块，用于基于预设避撞条件和跟驰模式，确定每个间隙对应的间隙最大可容纳车辆数；拆分模块，用于基于多个间隙的间隙最大可容纳车辆数，对待汇入车队中的多辆待汇入车辆进行拆分，得到多个拆分方案；其中，每个拆分方案包括多个子车队以及每个子车队包含的待汇入车辆的编号信息；优化模块，用于基于安全性和车队汇入效率构建目标函数，并以合流后混合车队的稳定性以及拆分方案与多个间隙的匹配程度作为约束条件，对目标函数进行优化，确定目标拆分方案；汇入模块，用于控制待汇入车队按照目标拆分方案汇入主路目标车道的汇入区间。
第三方面，本发明实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述第一方面的方法的步骤。
第四方面，本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述第一方面的方法的步骤。
本发明实施例带来了以下有益效果：
本发明实施例提供了智能车队协同汇入方法、装置及电子设备，首先根据区域参数确定汇入区间，并基于预设避撞条件和跟驰模式，确定每个间隙对应的间隙最大可容纳车辆数；然后，基于多个间隙的间隙最大可容纳车辆数，对待汇入车队中的多辆待汇入车辆进行拆分，得到多个拆分方案；最后，基于安全性和车队汇入效率构建目标函数，并以合流后混合车队的稳定性以及拆分方案与多个间隙的匹配程度作为约束条件，对目标函数进行优化，确定目标拆分方案，并控制待汇入车队按照目标拆分方案汇入主路目标车道的汇入区间。上述汇入方式中，通过对待汇入车队设计拆分方案和间隙匹配方案，实现了待汇入车队安全、高效地汇入至主路目标车道，降低了对主路目标车道交通的影响；此外，由于拆分后每个子车队中待汇入车辆通过顺序固定，与现有方式相比，一定程度上简化了计算，从而提高了车辆协同水平。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种智能车队协同汇入方法的流程图；
图2为本发明实施例提供的一种智慧高速合流区域示意图；
图3为本发明实施例提供的一种待汇入车辆与间隙前车的避撞示意图；
图4为本发明实施例提供的一种待汇入车辆与间隙后车的避撞示意图；
图5为本发明实施例提供的一种子车队汇入场景示意图；
图6为本发明实施例提供的一种跟驰模式的场景示意图；
图7为本发明实施例提供的一种智能车队协同汇入装置的示意图；
图8为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明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。
目前，随着新型路侧基础设施与智能车辆的功能不断完善，性能不断提高，越来越多的车路协同管控场景在逐步实现。对于车路协同控制策略的探索使得基于CAV车队协同合流的控制方式成为破解合流区交通拥堵和事故多发的重要手段。同时，考虑到计算复杂度，为了实现待汇入车辆安全、高效地汇入至主路，并减少对主路目标车道交通流的影响，本发明实施例提供了智能车队协同汇入方法、装置及电子设备，基于待汇入智能车辆与主线交通的协调，充分利用主路目标车道两车间隙的空间资源，发挥编队行驶优势，将待汇入车队拆分为若干子车队，为每个子车队进行汇入方案设计，无需主路车辆调整车速以配合匝道车辆汇入，减少了待汇入车辆对主路目标车道交通流的影响，可兼顾汇入效率、安全性和汇入后主路交通流稳定性；此外，由于子车队内车辆通过顺序固定，因此在一定程度上简化了计算，提高了车辆协同水平；同时相较单车汇入计算效率高，适用于当下智能车辆和路侧基础设施的发展水平，对主路交通流无要求，可有效支持车路协同和自动驾驶技术落地，促进了智慧高速建设。
为便于对本实施例进行理解，下面对本发明实施例进行详细介绍。
本发明实施例提供了一种智能车队协同汇入方法，应用于智慧高速合流区域；如图1所示，该方法包括以下步骤：
步骤S102，获取智慧高速合流区域的区域参数，并根据区域参数确定汇入区间；
在实际应用中，智慧高速合流区域包括入口匝道、加速车道和主路目标车道；如图2所示，B和O之间为入口匝道，其上行驶的待汇入车辆(即)组成待汇入车队；O和D之间为加速车道，用于待汇入车辆加速以汇入主路目标车道；其中，主路车道包含多个车道，本发明实施例将与加速车道紧邻的车道作为主路目标车道，这里主路目标车道为车道3。因此，在上述智慧高速合流区域中，待汇入车辆以车队形式从入口匝道驶出后，经加速车道加速后，向主路目标车道进行汇入。
其中，主路目标车道行驶有主路车辆，这里主路车辆为HDV(Human DrivenVehicle，人工驾驶车辆)和CAV组成的混合交通流。此外，在智慧高速合流区域还设置有多个智能路侧单元，包括但不仅限于：在入口匝道上游设置第一智能路侧单元A1、在加速车道上设置第二智能路侧单元A2和在主路路段设置第三智能路侧单元A3，用于分别采集对应采集范围内的车辆速度、加速度和位置等信息，并具备与智能车辆进行数据通信的功能。
因此，电子设备如智慧公路信息物理系统中的控制模块结合智能车队中待汇入车辆的性能参数，基于车路协同，获取主路目标车道一定范围内的车辆信息，并预先制定车队拆分策略，辅助待汇入的智能车队在加速车道进行队列拆分，使拆分后的子车队能充分利用主路间隙，灵活汇入主路目标车道，从而保障了待汇入车队汇入的高效性和安全性，并尽可能减小对主路交通流的影响。
具体地，电子设备获取智慧高速合流区域的区域参数，并根据区域参数确定汇入区间；其中，汇入区间用于表征待汇入车队可汇入主路目标车道的多个间隙对应的空间范围，即图2中M和N之间的空间范围；且，每个间隙均包括间隙前车和间隙后车，例如，间隙G1包括间隙前车和间隙后车区域参数包括：加速车道的起始位置和车道长度、主路目标车道中主路车辆的行驶速度、待汇入车队中每辆待汇入车辆在加速车道的起始速度和加速度。
其中，如图2所示，加速车道的起始位置为O，加速车道的车道长度为Lacc；以及，设置主路车辆以vmain＝80km/h的行驶速度主路目标车道匀速行驶，且在行驶过程中无换道行为。待汇入车辆均为具备网联功能的智能车辆即CAV车辆，在单车道匝道中按照跟驰模式匀速稳定行驶。需要说明的是，本发明实施例的研究重点在于匝道中待汇入车辆汇入前的车队拆分方案制定，对于后续的汇入行驶策略并不作限制说明。
为了制定待汇入车辆的拆分方案，需要获取主路车流的行驶状态信息以便分析待汇入车辆的汇入条件。其中，对于主路目标车道，供匝道中待汇入车辆汇入的间隙，即主路前后车的车头间距尤其重要，间隙的大小对汇入其中的车队规模有直接影响。但考虑到加速车道的长度限制，匝道待汇入车辆只可能汇入位于一定空间范围内的间隙。因此，在对待汇入车队拆分前，需要先划定可考虑的主路间隙的空间范围即汇入区间。
对于主路信息获取区的下界：经分析易得，当主路车辆位于信息获取区下界时，以虚拟车辆Cdown表示，使其以主路平均车速vmain匀速行驶至加速车道终点，该过程所用时间为t1＝x1/vmain；同时在该时间内，匝道处的待汇入车辆也以最大加速度a，初速度vramp从加速车道起点O匀加速行驶至加速车道终点D。在该情况下，虚拟车辆Cdown与后方主路车辆的车头间距即为待汇入车辆有可能汇入的第一个间隙，以此时匝道处待汇入车辆的位置作为主路信息获取区的下界。因此，关于信息获取区下界与加速车道终点的距离x1有如下关系：
其中，vmain表示主路车辆的行驶速度，vramp表示待汇入车辆在加速车道的起始速度，a表示待汇入车辆在加速车道的加速度，t1表示主路车辆从信息获取区下界匀速行驶至加速车道终点所用的时间，x1表示信息获取区下界与加速车道终点的距离。
因此，根据上述公式(1)可以计算得到
同理，对于主路信息获取区的上界：匝道待汇入车辆进入加速车道后，如无特殊情况不会减速。因此，待汇入车辆在加速车道行驶时间最长为t2＝Lacc/vramp，则主路车辆在该时段内行驶距离为因此，仅需考虑加速车道起点上游x2范围内的车辆即可。在此情况下，虚拟车辆Cup与前方主路车辆的车头间距即为待汇入车辆有可能汇入的最后一个间隙，即可认为主路信息获取区上界位于加速车道起点上游x2处。
综上，可以根据区域参数按照下式确定汇入区间：
其中，xO表示加速车道的起始位置，Lacc表示加速车道的车道长度，vmain表示主路车辆的行驶速度，vramp表示待汇入车辆在加速车道的起始速度，a表示待汇入车辆在加速车道的加速度。
步骤S104，基于预设避撞条件和跟驰模式，确定每个间隙对应的间隙最大可容纳车辆数；
在确定主路信息获取区即汇入区间的基础上，考虑到对匝道待汇入的智能车队进行拆分，并为拆分后的每个子车队指定一个可汇入的主路间隙，显然某一主路间隙内部可容纳的车辆数存在上限，因此，需要确定汇入区间内每个间隙的最大可容纳车辆数，以作为分配子车队规模的约束条件，从而保证拆分策略的可行性和合理性。
具体地，在确定每个间隙的间隙最大可容纳车辆数过程中，主要根据预设避撞条件和跟驰模式进行确定；具体预设避撞条件和跟驰模式分别如下：
(1)预设避撞条件：即待汇入车辆安全避撞分析，待汇入车辆汇入时，首先要满足安全避撞要求，对于车队而言，包括队内车辆避撞和汇入过程中与间隙前后车避撞。在本发明实施例中，考虑到待汇入车辆全部为具备网联功能的智能车辆CAV，且汇入过程中无减速行为，因此，待汇入队内车辆的前后间距默认为安全间距，不考虑车辆在换道过程中与队内前后车的碰撞问题，仅重点分析换道过程中与间隙前后车的避撞条件。
在实际应用中，待汇入车辆在汇入主路目标车道过程中，存在若干个重要时间点，定义如下：首先驾驶员在T0时刻产生换道意图，经判断具备换道条件后，驾驶员转动方向盘，车辆于Tadj时刻产生横向加速度，向主路目标车道进行换道。换道过程中，车辆经历临界碰撞时刻Tcri，并在Tlat时刻回正方向盘，取消横向加速度后完成车道的变换。随后在主路目标车道内调整纵向速度，直至Tfin时刻完成整个换道过程。
其中，换道过程中，如图3所示，对于待汇入车辆与某个间隙的间隙前车表示表示t＝0时刻，待汇入车辆的车头与间隙前车的车尾的距离，因此，的表达式如下：
其中，表示t＝0时刻，间隙前车的车辆位置，L表示车长，表示t＝0时刻，待汇入车辆的车辆位置。需要说明的是，车辆位置以车辆左前角点为基准，车长为间隙前车的车长。
同理，如图4所示，对于待汇入车辆与某个间隙的间隙后车 表示t＝0时刻，待汇入车辆的车头与间隙后车的车头的距离。
因此，若要保证待汇入车辆与间隙前车不发生碰撞，则需在t∈[Tcri,Tfin]内确保此外，考虑到后续待汇入车辆在间隙内的纵向调整，在满足避撞条件的基础上，最小初始距离还应保留出两车间最小安全距离S0的余量。
综上，待汇入车辆在汇入过程中与主路目标车道中某个间隙的间隙前车不发生碰撞的最小初始距离为：
其中，W表示车宽，θ表示待汇入车辆在换道过程中，行驶轨迹的切线方向与主路目标车道边界线的纵向夹角，如图3或图4所示的θ(t)；表示待汇入车辆在t＝0时刻的速度，表示待汇入车辆在t＝0时刻的加速度，表示间隙前车在t＝0时刻的速度，表示间隙前车在t＝0时刻的加速度，S0表示安全距离。
同理，待汇入车辆在汇入过程中与主路目标车道中某个间隙的间隙后车不发生碰撞的最小初始距离为：
其中，L表示车长，θ表示待汇入车辆在换道过程中，行驶轨迹的切线方向与主路目标车道边界线的纵向夹角，如图3或图4所示的θ(t)；表示待汇入车辆在t＝0时刻的速度，表示待汇入车辆在t＝0时刻的加速度，表示间隙后车在t＝0时刻的速度，表示间隙后车在t＝0时刻的加速度，S0表示安全距离。
记要保证待汇入车辆不与间隙前后车发生碰撞，则安全汇入的约束条件即预设避撞条件为：
因此，当上式条件成立时，匝道处待汇入车辆汇入主路目标车道时可保证充足的安全距离，实现避撞。
(2)跟驰模式；即对待汇入车辆间隙内纵向调整分析，上述通过计算待汇入车辆与目标车道间隙前后车的最小安全距离，保证了单车汇入时的安全性要求。在此基础上，对本发明实施例而言，子车队中的头车完成汇入后，其位置需要尽可能靠近间隙前车，以充分利用空间资源同时便于同一子车队中的后车完成汇入。
因此，在子车队前车汇入后，后车需要在加速车道上匀速行驶等待一段时间，以便前车按照相应跟驰模型完成纵向速度和位置调整，待调整完成后，子车队后车再按照上述模式依次进行汇入。其中，纵向调整过程最终目标为子车队前车速度与间隙前车一致，与间隙前车的距离保持最小安全距离。
如图5所示，对于目标主路车道即车道3中某个间隙，包括间隙前车和间隙后车对于加速车道上的待汇入车辆和在Tn时刻，和的车辆位置均处于加速车道上，在Tn+1时刻，汇入至车道3，此时，的车辆位置仍处于加速车道上；在Tn+2时刻，行驶在车道3，并进行纵向调整；此时，的车辆位置仍处于加速车道上；在Tn+3时刻，行驶在车道3，并与间隙前车一致，汇入至车道3；以及，在Tn+4时刻，行驶在车道3，并与间隙前车一致，行驶在车道3，并进行纵向调整，以与和间隙前车一致；从而实现了和组成的子车队汇入至和之间的间隙内。因此，这种子车队内车辆依次汇入的方法安全性较高，可控性强，汇入过程相对平稳，但相较子车队内车辆同时汇入，总耗时较长，适用于主路车流相对密集的情况。
具体地，确定每个间隙对应的间隙最大可容纳车辆数的过程包括：①根据跟驰模式确定对应的跟驰模型；其中，跟驰模型配置有对应的车辆期望车头时距；②根据待汇入车辆的车长、安全距离、主路车辆的行驶速度、控制系数以及跟驰模型对应的车辆期望车头时距，计算得到该跟驰模型对应的跟驰车辆平衡态间距；其中，安全距离用于表征相邻两辆待汇入车辆之间的最小安全距离；③根据跟驰车辆平衡态间距和每个间隙的距离，计算得到每个间隙对应的间隙最大可容纳车辆数。
在实际应用中，由于主路车辆主要为CAV车辆和/或HDV车辆，待汇入车辆则为CAV车辆，6所示，CAV和HDV共形成了四种跟驰模式，且，由于跟驰行为特征的差异，需应用不同跟驰模型对其加以描述。因此，本发明实施例中跟驰模式主要包括：CAV-HDV跟驰模式、CAV-CAV跟驰模式、HDV-CAV跟驰模式和HDV-HDV跟驰模式共四种模式；如图6所示，CAV-HDV跟驰模式用于表征前车为HDV车辆，后车为CAV车辆的跟驰模式，CAV-CAV跟驰模式用于表示前车和后车均为CAV车辆的跟驰模式，HDV-CAV跟驰模式用于前车为CAV车辆、后车为HDV车辆的跟驰模式，HDV-HDV跟驰模式用于表征前车和后车均为HDV车辆的跟驰模式。
具体地，对于上述步骤①，根据跟驰模式确定对应的跟驰模型的过程如下：如果跟驰模式为CAV-HDV跟驰模式，确定对应的跟驰模型为ACC(Adaptive Cruise Control，自适应巡航控制)模型，即采用ACC模型描述CAV-HDV跟驰模式；如果跟驰模式为CAV-CAV跟驰模式，确定对应的跟驰模型为CACC(Cooperative Adaptive Cruise Control，协同自适应巡航控制)模型，即采用CACC模型描述CAV-CAV跟驰模式；如果跟驰模式为HDV-CAV跟驰模式或HDV-HDV跟驰模式，确定对应的跟驰模型为IDM(Intelligent Driver Model，智能驾驶员模型)模型，即采用IDM模型描述HDV-CAV跟驰模式和HDV-HDV跟驰模式。
其中，IDM模型的表达式如下所示：
其中，表示跟驰车辆加速度，m/s2；a表示最大加速度(与车辆动力性能有关，定值)，m/s2；b表示舒适减速度，m/s2；表示跟驰车辆速度，m/s；vf表示跟驰车辆期望速度，m/s；表示跟驰车辆与前车实际车头间距，m；表示跟驰车辆与前车期望车头时距，m；S0表示跟驰车辆与前车最小停车间距即最小安全距离，m；T表示跟驰车辆与前车安全车头时距，s；表示跟驰车辆与前车速度差，m/s。
同理，ACC模型的表达式如下：
其中，表示跟驰车辆加速度，m/s2；k1和k2表示控制参数，Δx表示跟驰车辆与前车间距，L表示车长，定值；ta表示ACC跟驰模型下跟驰车辆期望车头时距即ACC跟驰模型对应的车辆期望车头时距，Δv表示跟驰车辆与前车速度差，S0表示跟驰车辆与前车最小停车间距即最小安全距离。
同理，CACC模型的表达式如下：
其中，表示跟驰车辆加速度，m/s2；kp和kd表示控制参数，Δx表示跟驰车辆与前车间距，L表示车长，定值；S0表示跟驰车辆与前车最小停车间距即最小安全距离，tc表示CACC跟驰模型下跟驰车辆期望车头时距即CACC跟驰模型对应的车辆期望车头时距，Δv表示跟驰车辆与前车速度差，v表示跟驰车辆速度，Δt表示时间参数，本发明实施例优选为0.01s。
因此，车辆期望车头时距包括：ACC模型车辆期望车头时距ta和CACC模型车辆期望车头时距tc，控制系数包括第一控制系数k1、第二控制系数kp、第三控制系数kd和时间参数Δt。
进一步地，通过运动学分析，换道结束后待汇入车辆与间隙前车的距离可表示为：
其中，和分别表示待汇入车辆和间隙前车在t＝Tadj时刻位置，tlc表示换道时间，取定值；alc表示换道期间待汇入车辆加速度，取定值，表示换道期间间隙前车速度，v0表示待汇入车辆换道时的加速度，L表示车长。
在此基础上，推导跟驰模型公式可知，每一个跟驰车辆速度对应一个平衡态车间距。在本发明实施例场景中，待汇入车辆的纵向速度调整初始态和终态已知。将时间离散化处理，得到跟驰车辆的速度变化表达式：
其中，表示待汇入车辆终态速度，表示待汇入车辆初始态速度，表示待汇入车辆加速度，Δt表示时间参数。
跟驰车辆完成纵向速度调整后，其终态速度与前车速度保持一致，车头间距为该速度对应的平衡态车头间距。对于不同的跟驰模型，其对应的跟驰车辆平衡态间距并不相同。
具体地，对于上述步骤②，包括：根据待汇入车辆的车长、安全距离、主路车辆的行驶速度、第一控制系数以及ACC模型车辆期望车头时距，计算得到ACC模型对应的跟驰车辆平衡态间距；根据待汇入车辆的车长、安全距离、主路车辆的行驶速度、第二控制系数、第三控制系数、时间参数以及CACC模型车辆期望车头时距，计算得到CACC模型对应的跟驰车辆平衡态间距。
其中，根据ACC模型的表达式可以得到ACC模型对应的跟驰车辆平衡态间距的计算公式，计算公式具体如下：
0＝k1(ΔxACC-L-S0-tavmain) (12)
其中，k1表示第一控制系数，L表示车长，定值；ta表示ACC跟驰模型下跟驰车辆期望车头时距即ACC跟驰模型对应的车辆期望车头时距，vmain表示主路车辆的行驶速度，S0表示安全距离即最小安全距离，ΔxACC表示ACC模型对应的跟驰车辆平衡态间距，即在CAV-HDV跟驰模式中，后方跟驰车辆平衡态(即跟驰车辆的加速度为0、与前车速度差为0)的间距。
同理，根据CACC模型的表达式可以得到CACC模型对应的跟驰车辆平衡态间距的计算公式，计算公式具体如下：
其中，kp和kd表示第二控制系数和第三控制系数，L表示车长，定值；S0表示安全距离即最小安全距离，tc表示CACC跟驰模型下跟驰车辆期望车头时距即CACC跟驰模型对应的车辆期望车头时距，vmain表示主路车辆的行驶速度，Δt表示时间参数，ΔxCACC表示CACC模型对应的跟驰车辆平衡态间距，即在CAV-CAV跟驰模式中，后方跟驰车辆平衡态(即跟驰车辆的加速度为0、与前车速度差为0)的间距。
此外，跟驰车辆在纵向调整过程中还满足下式：
其中，表示跟驰车辆即待汇入车辆在各个时刻的横向位置，可以通过路测设备获取；Δt表示离散化单位时间步长，可取0.1s；k表示时间步长计数变量，n表示纵向调整过程所需时间步总数，表示跟驰车辆速度，表示跟驰车辆加速度，表示待汇入车辆纵向调整过程所需时间，vmain表示主路车辆速度即间隙前车速度，表示换道结束后待汇入车辆与间隙前车的距离。因此，根据上述公式(14)，可以计算得到待汇入车辆纵向调整过程所需时间
此外，考虑到子车队后车在等待汇入过程中，行驶距离受到加速车道长度的限制，因此，对于上述步骤③，可以根据下式计算间隙最大可容纳车辆数：
其中，ΔxACC表示ACC模型对应的跟驰车辆平衡态间距，ΔxCACC表示CACC模型对应的跟驰车辆平衡态间距，表示间隙Gi的距离，表示间隙Gi的间隙最大可容纳车辆数。
以及，对于子车队而言，与间隙匹配时，还存在如下关系：
其中，表示间隙Gi的间隙最大可容纳车辆数，tlc表示换道时间，vramp表示待汇入车辆在加速车道的起始速度，Lacc表示加速车道的车道长度，表示子车队中头车换道前所在位置横坐标，q表示子车队中车辆总数，表示待汇入车辆的纵向速度调整时间。
因此，根据公式(12)、公式(13)、公式(15)和公式(16)，可以计算得到每辆待汇入车辆的纵向速度调整时间和每个间隙的间隙最大可容纳车辆数，并用于后续筛选车队拆分方案及评估不同拆分方案下的车队汇入效率。
步骤S106，基于多个间隙的间隙最大可容纳车辆数，对待汇入车队中的多辆待汇入车辆进行拆分，得到多个拆分方案；
具体地，本发明实施例主要对匝道待汇入车队的所有可能拆分策略进行表述。为了便于阐述，这里以一个由P辆待汇入车辆组成的待汇入车队为例说明。对于该待汇入车队，其拆分后可能形成的子车队个数集合Ω可表示为：Ω＝{Q|Q＝1,2,…,P；Q∈Z}；将拆分后形成的Q个子车队编号为q1,q2,…,qr,…,qQ,r∈[1,Q],r∈Z，设置子车队qr由pr辆车组成，显然有
参考数学问题排列组合中的插板法思想，将P辆车拆分成Q个子车队可抽象为在P-1个插板间隙中放入Q-1个隔板，将插板间隙按照车辆编号顺序依次编号为1,2,…,P-1，设第i个隔板最终放入的插板间隙编号为ni，则所有可能的插板结果应满足下式：
在0≤i≤Q-1和1≤ni≤P-1范围内，上述公式(17)的所有可行解即为所有可能的插板结果，对应着所有待汇入车队的拆分结果。但是，上述公式(17)的结果求得的是所有插板的位置，并不能直观反映出车队拆分后形成的子车队及子车队内车辆分布情况。因此，需要将插板间隙编号转换为子车队编号和车辆编号，进而形成最终拆分方案，即每个拆分方案包括多个子车队以及每个子车队包含的待汇入车辆的编号信息。
对于上述公式中，qi+1为拆分后第i+1个子车队的规模，显然有：qi+1＝ni+1-ni；因此，可以依次解得q1,q2,…,qQ，分别对应p1,p2,…,pQ，从而可推导出各子车队包含的车辆编号满足下式：
综上，即可输出针对P辆车拆分成Q个子车队的，由子车队编号和各子车队包含待汇入车辆编号组成的所有可能拆分方案。
步骤S108，基于安全性和车队汇入效率构建目标函数，并以合流后混合车队的稳定性以及拆分方案与多个间隙的匹配程度作为约束条件，对目标函数进行优化，确定目标拆分方案；
具体地，在本发明实施例中，以待汇入车队车辆安全性和车队汇入效率为优化目标，以拆分方案可行性、汇入后交通流稳定性为约束条件，构建优化目标函数，用以对上述步骤S106得出的车队所有可能拆分方案进行评估，以得出最优车队拆分方案即目标拆分方案。
其中，该步骤S108主要包括以下过程：
(1)车队可行拆分策略判别；即以“主路信息获取区(即汇入区间)”内间隙的可容纳车辆数为依据，筛选出所有可行的车队拆分策略。
具体地，对于汇入区间的间隙集合{G1,G2,…,Gi,…,GI}和某一车队拆分策略集合车队可行拆分策略应满足以下约束：
其中，各个参数说明如下表所示：
表1
因此，可以得到满足条件的一组集合，实现了拆分后子车队向特定主路间隙的映射，即实现了拆分后子车队与间隙的匹配。
(2)混合交通流稳定性判别；本发明实施例采用传递函数法对车队汇入后形成的混合交通流进行稳定性判别。
具体地，可以推导得到车队队列稳定性传递函数的一般形式如下：
其中，Gi(s)表示扰动传递函数，s表示拉普拉斯域，Ui(s)表示速度扰动的拉普拉斯变换，fi h、fi v和fi Δv表示相应跟驰模型在平衡点处对车间距、速度和速度差的偏导数值，即 具体表达式如下表所示：
表2
将上表中偏导数项代入扰动传递函数，可以分别得到三类跟驰模型下车辆的扰动传递函数表达式，分别记为GIDM(s)、GACC(s)和GCACC(s)，具体地，各个表达式如下：
由于扰动在车队中的传播具有相邻车辆两两传播的特性，因此，车队队列稳定性判别条件可由各车辆扰动项传递函数的乘积进行表达，具体为：G(s)＝(GIDM(s))N-1-(P-Q)(GACC(s))Q(GCACC(s))P-Q；其中，G(s)为智能车队汇入后形成的混合交通流整体扰动传递函数。
令s＝jω，将传递函数由拉普拉斯域转变至频率域，根据传递函数理论，可以得到混合交通流稳定性判别条件如下：
其中，表示传递函数频域幅值，j和ω分别表示频率域的虚数和频率。因此，因此，当满足上式判别条件时，混合交通流稳定，否则不稳定。且通过判别式可以看出，混合交通流稳定性由车队拆分汇入方案参数(N,P,Q)和平衡态速度(vf)共同决定。
(3)混合交通流队列安全性分析；
本发明实施例中，采用TERCRI描述当前车速度骤减，由于前后车辆之间的安全距离不足所造成追尾事故的危险程度，其计算公式如下：
其中，DL和DF分别表示前后车的停车距离，N表示车辆数量，M表示时间步数量，δt表示单位时间步长。
此外，DL和DF的计算公式如下：
其中，DL表示前车的停车距离，DF表示后车的停车距离，vi-1表示前车速度，L表示车长，b表示舒适减速度，vi表示后车速度，tPRT表示感知反应时间，h表示前车与后车的车头时距。
(4)队列拆分方案优化目标函数构造；
具体地，本发明实施例构造了以安全性和车队汇入效率为优化目标，以合流后混合车队稳定、拆分方案与实际间隙匹配为约束条件的拆分方案优化目标函数；其中，表达式如下：
其中，E表示目标函数，ω1表示安全性指标的权重值，e1表示安全性指标的归一化参数值，ω2表示车队汇入效率指标的权重值，e2表示车队汇入效率指标的归一化参数值，P表示待汇入车队中待汇入车辆的数量，TERCRIi(t)表示第i辆待汇入车辆对应的危险程度，表示第i辆待汇入车辆对应的汇入完成时刻，ti(xO)表示第i辆待汇入车辆达到加速车道的起始位置O的时刻，危险程度用于表征当第i辆待汇入车辆速度骤减时，由于与后面待汇入车辆之间的安全距离较小导致追尾事故的危险程度。需要说明的是，其余参数可以参考前述公式，本发明实施例在此不再详细赘述。
因此，选取上式最优解，即可求得当前交通状态下的最优车队拆分策略，车队拆分策略包括车队拆分后的形成的子车队个数Q以及各子车队所含车辆编号
步骤S110，控制待汇入车队按照目标拆分方案汇入主路目标车道的汇入区间。
具体地，根据目标拆分方案，对待汇入车队进行拆分，并控制拆分后的子车队依次汇入对应匹配的间隙中，以解决智慧高速合流区域智能车队安全高效汇入的问题。因此，上述智能车队协同汇入方法，面向待汇入的CAV车队，将汇入对象拓展到子车队层面，相较单车汇入而言，在增强了协同控制能力的同时，充分利用主路间隙空间资源，提高了匝道汇入效率。此外，由于本方法对主路车辆无要求，不需要主路车辆降低车速以配合汇入，降低了匝道车辆合流过程中对主路交通的影响，可使合流更安全、稳定。最后，本方法对于设备方面只要求匝道智能网联车队和智能路侧设备(具备信息采集、通信、计算功能)，降低了对智能网联环境的要求，适合当前智能交通发展水平，可作为一项典型应用示范场景和自动驾驶车路协同的测试场景，进一步支持自动驾驶车路协同相关技术落地应用，推动智慧高速建设。
综上，结合当前车路协同、自动驾驶等技术发展现状和现有交通系统存在的问题，结合物联网技术、边缘计算模式，本发明实施例提出了一种适用于智慧高速合流区域，辅助智能车队进行汇入的控制方法，即上述智能车队协同汇入方法，该方法依据智能车队基础信息(车辆数、运动学参数)，结合路侧设备采集到的主路目标车道车辆信息，可在车队驶入加速车道前为其设计车队拆分方案和间隙匹配方案，以保证车队汇入的高效和安全，降低对主路交通的影响；此外，还可作为一项典型应用示范场景和自动驾驶车路协同测试场景，进一步支持自动驾驶车路协同相关技术落地应用，推动智慧高速建设。
对应于上述方法实施例，本发明实施例还提供了一种智能车队协同汇入装置，应用于智慧高速合流区域；其中，智慧高速合流区域包括入口匝道、加速车道和主路目标车道；如图7所示，该装置包括：
获取模块71，用于获取智慧高速合流区域的区域参数，并根据区域参数确定汇入区间；其中，汇入区间用于表征待汇入车队可汇入主路目标车道的多个间隙对应的空间范围，且，每个间隙均包括间隙前车和间隙后车；区域参数包括：加速车道的起始位置和车道长度、主路目标车道中主路车辆的行驶速度、待汇入车队中每辆待汇入车辆在加速车道的起始速度和加速度；
确定模块72，用于基于预设避撞条件和跟驰模式，确定每个间隙对应的间隙最大可容纳车辆数；
拆分模块73，用于基于多个间隙的间隙最大可容纳车辆数，对待汇入车队中的多辆待汇入车辆进行拆分，得到多个拆分方案；其中，每个拆分方案包括多个子车队以及每个子车队包含的待汇入车辆的编号信息；
优化模块74，用于基于安全性和车队汇入效率构建目标函数，并以合流后混合车队的稳定性以及拆分方案与多个间隙的匹配程度作为约束条件，对目标函数进行优化，确定目标拆分方案；
汇入模块75，用于控制待汇入车队按照目标拆分方案汇入主路目标车道的汇入区间。
本发明实施例提供的智能车队协同汇入装置，通过对待汇入车队设计拆分方案和间隙匹配方案，实现了待汇入车队安全、高效地汇入至主路目标车道，降低了对主路目标车道交通的影响；此外，由于拆分后每个子车队中待汇入车辆通过顺序固定，与现有方式相比，一定程度上简化了计算，从而提高了车辆协同水平。
优选地，确定模块72还用于：根据跟驰模式确定对应的跟驰模型；其中，跟驰模型配置有对应的车辆期望车头时距；根据待汇入车辆的车长、安全距离、主路车辆的行驶速度、控制系数以及跟驰模型对应的车辆期望车头时距，计算得到该跟驰模型对应的跟驰车辆平衡态间距；其中，安全距离用于表征相邻两辆待汇入车辆之间的最小安全距离；根据跟驰车辆平衡态间距和每个间隙的距离，计算得到每个间隙对应的间隙最大可容纳车辆数。
优选地，跟驰模式包括：CAV-HDV跟驰模式、CAV-CAV跟驰模式、HDV-CAV跟驰模式和HDV-HDV跟驰模式；其中，CAV-HDV跟驰模式用于表征前车为HDV车辆，后车为CAV车辆的跟驰模式，CAV-CAV跟驰模式用于表示前车和后车均为CAV车辆的跟驰模式，HDV-CAV跟驰模式用于前车为CAV车辆、后车为HDV车辆的跟驰模式，HDV-HDV跟驰模式用于表征前车和后车均为HDV车辆的跟驰模式；上述根据跟驰模式确定对应的跟驰模型，包括：如果跟驰模式为CAV-HDV跟驰模式，确定对应的跟驰模型为ACC模型；或者，如果跟驰模式为CAV-CAV跟驰模式，确定对应的跟驰模型为CACC模型；或者，如果跟驰模式为HDV-CAV跟驰模式或HDV-HDV跟驰模式，确定对应的跟驰模型为IDM模型。
优选地，车辆期望车头时距包括：ACC模型车辆期望车头时距和CACC模型车辆期望车头时距，控制系数包括第一控制系数、第二控制系数、第三控制系数和时间参数；根据待汇入车辆的车长、安全距离、主路车辆的行驶速度、控制系数以及跟驰模型对应的车辆期望车头时距，计算得到该跟驰模型对应的跟驰车辆平衡态间距包括：根据待汇入车辆的车长、安全距离、主路车辆的行驶速度、第一控制系数以及ACC模型车辆期望车头时距，计算得到ACC模型对应的跟驰车辆平衡态间距；根据待汇入车辆的车长、安全距离、主路车辆的行驶速度、第二控制系数、第三控制系数、时间参数以及CACC模型车辆期望车头时距，计算得到CACC模型对应的跟驰车辆平衡态间距。
优选地，根据跟驰车辆平衡态间距和每个间隙的距离，计算得到每个间隙对应的间隙最大可容纳车辆数，包括：根据下式计算间隙最大可容纳车辆数：
其中，ΔxACC表示ACC模型对应的跟驰车辆平衡态间距，ΔxCACC表示CACC模型对应的跟驰车辆平衡态间距，表示间隙Gi的距离，表示间隙Gi的间隙最大可容纳车辆数。
优选地，基于安全性和车队汇入效率构建目标函数，包括：目标函数的表达式如下：
其中，E表示目标函数，ω1表示安全性指标的权重值，e1表示安全性指标的归一化参数值，ω2表示车队汇入效率指标的权重值，e2表示车队汇入效率指标的归一化参数值，P表示待汇入车队中待汇入车辆的数量，TERCRIi(t)表示第i辆待汇入车辆对应的危险程度，表示第i辆待汇入车辆对应的汇入完成时刻，ti(xO)表示第i辆待汇入车辆达到加速车道的起始位置的时刻，危险程度用于表征当第i辆待汇入车辆速度骤减时，由于与后面待汇入车辆之间的安全距离较小导致追尾事故的危险程度。
优选地，根据区域参数确定汇入区间，包括：根据区域参数按照下式确定汇入区间：
其中，xO表示加速车道的起始位置，Lacc表示加速车道的车道长度，vmain表示主路车辆的行驶速度，vramp表示待汇入车辆在加速车道的起始速度，a表示待汇入车辆在加速车道的加速度。
本发明实施例提供的智能车队协同汇入装置，与上述实施例提供的智能车队协同汇入方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。
本发明实施例还提供一种电子设备，包括处理器和存储器，存储器存储有能够被处理器执行的机器可执行指令，处理器执行机器可执行指令以实现上述智能车队协同汇入方法。
参见图8所示，该电子设备包括处理器100和存储器101，该存储器101存储有能够被处理器100执行的机器可执行指令，该处理器100执行机器可执行指令以实现上述智能车队协同汇入方法。
进一步地，图8所示的电子设备还包括总线102和通信接口103，处理器100、通信接口103和存储器101通过总线102连接。
其中，存储器101可能包含高速随机存取存储器(RAM，Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口103(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。总线102可以是ISA(IndustrialStandard Architecture，工业标准结构总线)总线、PCI(Peripheral ComponentInterconnect，外设部件互连标准)总线或EISA(Enhanced Industry StandardArchitecture，扩展工业标准结构)总线等。上述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
处理器100可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器100中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器100可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DigitalSignal Processor，简称DSP)、专用集成电路(Application Specific IntegratedCircuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器101，处理器100读取存储器101中的信息，结合其硬件完成前述实施例的方法的步骤。
本实施例还提供一种机器可读存储介质，机器可读存储介质存储有机器可执行指令，机器可执行指令在被处理器调用和执行时，机器可执行指令促使处理器实现上述智能车队协同汇入方法。
本发明实施例所提供的智能车队协同汇入方法、装置和电子设备的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”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，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，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所述以权利要求的保护范围为准。
Claims (10)
1.一种智能车队协同汇入方法，其特征在于，应用于智慧高速合流区域；其中，所述智慧高速合流区域包括入口匝道、加速车道和主路目标车道；所述方法包括：
获取所述智慧高速合流区域的区域参数，并根据所述区域参数确定汇入区间；其中，所述汇入区间用于表征待汇入车队可汇入所述主路目标车道的多个间隙对应的空间范围，且，每个所述间隙均包括间隙前车和间隙后车；所述区域参数包括：所述加速车道的起始位置和车道长度、所述主路目标车道中主路车辆的行驶速度、所述待汇入车队中每辆待汇入车辆在所述加速车道的起始速度和加速度；
基于预设避撞条件和跟驰模式，确定每个所述间隙对应的间隙最大可容纳车辆数；
基于多个所述间隙的间隙最大可容纳车辆数，对所述待汇入车队中的多辆待汇入车辆进行拆分，得到多个拆分方案；其中，每个所述拆分方案包括多个子车队以及每个所述子车队包含的待汇入车辆的编号信息；
基于安全性和车队汇入效率构建目标函数，并以合流后混合车队的稳定性以及所述拆分方案与多个所述间隙的匹配程度作为约束条件，对所述目标函数进行优化，确定目标拆分方案；
控制所述待汇入车队按照所述目标拆分方案汇入所述主路目标车道的汇入区间。
2.根据权利要求1所述的方法，其特征在于，所述基于预设避撞条件和跟驰模式，确定每个所述间隙对应的间隙最大可容纳车辆数的步骤，包括：
根据所述跟驰模式确定对应的跟驰模型；其中，所述跟驰模型配置有对应的车辆期望车头时距；
根据所述待汇入车辆的车长、安全距离、所述主路车辆的行驶速度、控制系数以及所述跟驰模型对应的车辆期望车头时距，计算得到该跟驰模型对应的跟驰车辆平衡态间距；其中，所述安全距离用于表征相邻两辆所述待汇入车辆之间的最小安全距离；
根据所述跟驰车辆平衡态间距和每个所述间隙的距离，计算得到每个所述间隙对应的间隙最大可容纳车辆数。
3.根据权利要求2所述的方法，其特征在于，所述跟驰模式包括：CAV-HDV跟驰模式、CAV-CAV跟驰模式、HDV-CAV跟驰模式和HDV-HDV跟驰模式；其中，所述CAV-HDV跟驰模式用于表征前车为HDV车辆，后车为CAV车辆的跟驰模式，所述CAV-CAV跟驰模式用于表示前车和后车均为CAV车辆的跟驰模式，所述HDV-CAV跟驰模式用于前车为CAV车辆、后车为HDV车辆的跟驰模式，所述HDV-HDV跟驰模式用于表征前车和后车均为HDV车辆的跟驰模式；
所述根据所述跟驰模式确定对应的跟驰模型的步骤，包括：
如果所述跟驰模式为所述CAV-HDV跟驰模式，确定对应的所述跟驰模型为ACC模型；或者，
如果所述跟驰模式为所述CAV-CAV跟驰模式，确定对应的所述跟驰模型为CACC模型；或者，
如果所述跟驰模式为所述HDV-CAV跟驰模式或所述HDV-HDV跟驰模式，确定对应的所述跟驰模型为IDM模型。
4.根据权利要求3所述的方法，其特征在于，所述车辆期望车头时距包括：ACC模型车辆期望车头时距和CACC模型车辆期望车头时距，所述控制系数包括第一控制系数、第二控制系数、第三控制系数和时间参数；
所述根据所述待汇入车辆的车长、安全距离、所述主路车辆的行驶速度、控制系数以及所述跟驰模型对应的车辆期望车头时距，计算得到该跟驰模型对应的跟驰车辆平衡态间距的步骤，包括：
根据所述待汇入车辆的车长、所述安全距离、所述主路车辆的行驶速度、所述第一控制系数以及所述ACC模型车辆期望车头时距，计算得到所述ACC模型对应的跟驰车辆平衡态间距；
根据所述待汇入车辆的车长、所述安全距离、所述主路车辆的行驶速度、所述第二控制系数、所述第三控制系数、所述时间参数以及所述CACC模型车辆期望车头时距，计算得到所述CACC模型对应的跟驰车辆平衡态间距。
5.根据权利要求4所述的方法，其特征在于，所述根据所述跟驰车辆平衡态间距和每个所述间隙的距离，计算得到每个所述间隙对应的间隙最大可容纳车辆数的步骤，包括：
根据下式计算所述间隙最大可容纳车辆数：
其中，ΔxACC表示所述ACC模型对应的跟驰车辆平衡态间距，ΔxCACC表示所述CACC模型对应的跟驰车辆平衡态间距，表示间隙Gi的距离，表示所述间隙Gi的间隙最大可容纳车辆数。
6.根据权利要求1所述的方法，其特征在于，所述基于安全性和车队汇入效率构建目标函数的步骤，包括：
所述目标函数的表达式如下：
其中，E表示所述目标函数，ω1表示安全性指标的权重值，e1表示所述安全性指标的归一化参数值，ω2表示车队汇入效率指标的权重值，e2表示所述车队汇入效率指标的归一化参数值，P表示所述待汇入车队中所述待汇入车辆的数量，TERCRIi(t)表示第i辆待汇入车辆对应的危险程度，表示所述第i辆待汇入车辆对应的汇入完成时刻，ti(xO)表示所述第i辆待汇入车辆达到所述加速车道的起始位置的时刻，所述危险程度用于表征当所述第i辆待汇入车辆速度骤减时，由于与后面待汇入车辆之间的安全距离较小导致追尾事故的危险程度。
7.根据权利要求1所述的方法，其特征在于，所述根据所述区域参数确定汇入区间的步骤，包括：
根据所述区域参数按照下式确定所述汇入区间：
其中，xO表示所述加速车道的起始位置，Lacc表示所述加速车道的车道长度，vmain表示所述主路车辆的行驶速度，vramp表示所述待汇入车辆在所述加速车道的起始速度，a表示所述待汇入车辆在所述加速车道的加速度。
8.一种智能车队协同汇入装置，其特征在于，应用于智慧高速合流区域；其中，所述智慧高速合流区域包括入口匝道、加速车道和主路目标车道；所述装置包括：
获取模块，用于获取所述智慧高速合流区域的区域参数，并根据所述区域参数确定汇入区间；其中，所述汇入区间用于表征待汇入车队可汇入所述主路目标车道的多个间隙对应的空间范围，且，每个所述间隙均包括间隙前车和间隙后车；所述区域参数包括：所述加速车道的起始位置和车道长度、所述主路目标车道中主路车辆的行驶速度、所述待汇入车队中每辆待汇入车辆在所述加速车道的起始速度和加速度；
确定模块，用于基于预设避撞条件和跟驰模式，确定每个所述间隙对应的间隙最大可容纳车辆数；
拆分模块，用于基于多个所述间隙的间隙最大可容纳车辆数，对所述待汇入车队中的多辆待汇入车辆进行拆分，得到多个拆分方案；其中，每个所述拆分方案包括多个子车队以及每个所述子车队包含的待汇入车辆的编号信息；
优化模块，用于基于安全性和车队汇入效率构建目标函数，并以合流后混合车队的稳定性以及所述拆分方案与多个所述间隙的匹配程度作为约束条件，对所述目标函数进行优化，确定目标拆分方案；
汇入模块，用于控制所述待汇入车队按照所述目标拆分方案汇入所述主路目标车道的汇入区间。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1-7任一项所述的方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述权利要求1-7任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311075216.XA CN117173910A (zh) | 2023-08-24 | 2023-08-24 | 智能车队协同汇入方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311075216.XA CN117173910A (zh) | 2023-08-24 | 2023-08-24 | 智能车队协同汇入方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117173910A true CN117173910A (zh) | 2023-12-05 |
Family
ID=88932941
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311075216.XA Pending CN117173910A (zh) | 2023-08-24 | 2023-08-24 | 智能车队协同汇入方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117173910A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117681878A (zh) * | 2024-02-04 | 2024-03-12 | 西南交通大学 | 一种编队感知的智能网联汽车协同变道方法 |
| CN118350231A (zh) * | 2024-06-18 | 2024-07-16 | 武汉理工大学 | 一种面向混合驾驶车流的高速公路加速车道长度确定方法 |
| CN118553115A (zh) * | 2024-07-30 | 2024-08-27 | 中汽数据(天津)有限公司 | 车辆匝道协同汇入方法、设备和存储介质 |
-
2023
- 2023-08-24 CN CN202311075216.XA patent/CN117173910A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117681878A (zh) * | 2024-02-04 | 2024-03-12 | 西南交通大学 | 一种编队感知的智能网联汽车协同变道方法 |
| CN117681878B (zh) * | 2024-02-04 | 2024-04-16 | 西南交通大学 | 一种编队感知的智能网联汽车协同变道方法 |
| CN118350231A (zh) * | 2024-06-18 | 2024-07-16 | 武汉理工大学 | 一种面向混合驾驶车流的高速公路加速车道长度确定方法 |
| CN118553115A (zh) * | 2024-07-30 | 2024-08-27 | 中汽数据(天津)有限公司 | 车辆匝道协同汇入方法、设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117173910A (zh) | 智能车队协同汇入方法、装置及电子设备 | |
| CN113781806B (zh) | 一种用于智能网联环境下的混合交通流通行方法 | |
| CN109035862B (zh) | 一种基于车车通信的多车协同换道控制方法 | |
| CN108595823B (zh) | 一种联合驾驶风格和博弈理论的自主车换道策略计算方法 | |
| Ard et al. | Microsimulation of energy and flow effects from optimal automated driving in mixed traffic | |
| CN103116808A (zh) | 一种快速路短时交通流实时预测的方法 | |
| CN112233413A (zh) | 一种面向智能网联车辆的多车道时空轨迹优化方法 | |
| Yu et al. | The effects of velocity difference changes with memory on the dynamics characteristics and fuel economy of traffic flow | |
| Aoki et al. | Multicruise: eco-lane selection strategy with eco-cruise control for connected and automated vehicles | |
| Wei et al. | Modeling Car‐Following Behaviour of Turning Movements at Intersections with Consideration of Turning Radius | |
| Wang et al. | Towards higher efficiency and less consumption: Control Strategy and Simulation for CAV platooning | |
| Tang et al. | Design of intergreen times based on safety reliability | |
| Jung et al. | Energy-efficient driving scheduling for heterogeneous electric vehicles with consideration of overtaking | |
| CN115331461B (zh) | 一种无信号交叉口混合交通通行控制方法、装置及车辆 | |
| CN118043250A (zh) | 机动车辆驾驶操控的轨迹规划方法、计算机程序产品、计算机可读存储介质及车辆 | |
| Hossain et al. | Modelling the impacts of reducing non-motorised traffic in urban corridors of developing cities | |
| CN115123227A (zh) | 变道决策方法、装置以及车辆 | |
| He et al. | Defensive ecological adaptive cruise control considering neighboring Vehicles’ blind-spot zones | |
| Li et al. | Improved STCA Model for Multi-Lane Using Driving Guidance under CVIS. | |
| Zhang et al. | Behavior decision model with situation assessment for intelligent vehicles based on vehicle-to-everything information | |
| CN113011634B (zh) | 一种基于分布式最优控制的智能网联车匝道合并方法 | |
| IEEE VT | White Paper-Literature Review on Kinematic Properties of Road Users for Use on Safety-Related Models for Automated Driving Systems | |
| CN115620541B (zh) | 智能车辆汇入方法、装置及智慧公路信息物理系统 | |
| CN113096382B (zh) | 基于交通安全的道路交织区交通冲突识别方法及系统 | |
| CN116740943B (zh) | 一种智能网联外置左转车道动态控制方法及系统 |
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 |