CN117496689A - 混行交通环境下连续信号交叉口车队协同控制方法及系统 - Google Patents
混行交通环境下连续信号交叉口车队协同控制方法及系统 Download PDFInfo
- Publication number
- CN117496689A CN117496689A CN202311850374.8A CN202311850374A CN117496689A CN 117496689 A CN117496689 A CN 117496689A CN 202311850374 A CN202311850374 A CN 202311850374A CN 117496689 A CN117496689 A CN 117496689A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- cav
- speed
- lane
- time
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 102100035888 Caveolin-1 Human genes 0.000 claims abstract description 241
- 101000715467 Homo sapiens Caveolin-1 Proteins 0.000 claims abstract description 241
- 101000740981 Homo sapiens Caveolin-2 Proteins 0.000 claims abstract description 239
- 241000725585 Chicken anemia virus Species 0.000 claims abstract description 230
- 101000714503 Homo sapiens Carbonic anhydrase 5A, mitochondrial Proteins 0.000 claims abstract description 230
- 208000037262 Hepatitis delta Diseases 0.000 claims abstract description 72
- 241000724709 Hepatitis delta virus Species 0.000 claims abstract description 72
- 208000029570 hepatitis D virus infection Diseases 0.000 claims abstract description 72
- 239000011159 matrix material Substances 0.000 claims abstract description 24
- 230000000737 periodic effect Effects 0.000 claims abstract description 10
- 238000006243 chemical reaction Methods 0.000 claims abstract description 9
- 230000009467 reduction Effects 0.000 claims abstract description 5
- 230000008859 change Effects 0.000 claims description 40
- 230000006399 behavior Effects 0.000 claims description 38
- 230000001133 acceleration Effects 0.000 claims description 33
- 206010021033 Hypomenorrhoea Diseases 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 8
- 238000013459 approach Methods 0.000 claims description 6
- 230000035484 reaction time Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 4
- 239000000470 constituent Substances 0.000 claims description 3
- 238000000819 phase cycle Methods 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 2
- 230000007704 transition Effects 0.000 abstract description 2
- 102100038909 Caveolin-2 Human genes 0.000 description 9
- 238000011160 research Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 101150047856 Cav2 gene Proteins 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
Classifications
-
- 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
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- 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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种混行交通环境下连续信号交叉口车队协同控制方法及系统，涉及车路协同控制技术领域，包括：采集车辆信息并对车辆类型进行分类，构建车辆的交通状态矩阵；判断车辆当前时刻所处车道是否在目标车道，进行强制换道和车队划分；根据角色转换协议进行车辆引导，动态推进式进行周期性规划控制。本发明提供的混行交通环境下连续信号交叉口车队协同控制方法充分考虑了在车路协同环境下的多个连续信号交叉口构建成的路网环境，将CAVs和HDVs混合考虑，可以完善从传统交通环境到完全网联环境的过渡阶段。本发明在通行效率、车辆针对性和降低能耗方面都取得更加良好的效果。
Description
技术领域
本发明涉及车路协同控制技术领域，具体为混行交通环境下连续信号交叉口车队协同控制方法及系统。
背景技术
在以往的相关技术中，CAV在信号交叉口的轨迹优化得到了越来越多的关注和兴趣，Feng等人在2018年应用最优控制理论来调整车队头车的轨迹，目标是最小化燃料消耗和排放，而跟驰车辆的轨迹则由跟驰模型捕获。同年，利用相同的方法，Yu等人根据车辆到达时间进行优化，对车辆到达信号交叉口停止线的时间进行预测，实现CAV轨迹的精确引导，上面优化方法均是在全CAV环境下实现的，虽然我国车路协同系统发展水平处于世界前列，但根据相关研究表明，至少要到2060年左右，才有望实现全网联环境，网联车辆取代人工驾驶车辆，成为未来主要的车辆驾驶模式，但是在此之前势必会出现网联自动驾驶车辆和人工驾驶车辆混行的新型混合交通环境。Zhao等人在2018年应用最佳速度模型预测HDV的驾驶行为，假设每辆CAV的前车以恒定速度行驶，因此，可以估计CAV在绿色时间期间到达交叉口的时间，他们开发了一种模型预测控制（MPC）方法，使一个车队的车辆都能够在绿色阶段通过信号交叉口。除此之外，Pourmehrab等人在2019年使用Gipps跟驰模型预测HDV轨迹，然后提出了一个框架来调整CAV轨迹，以最大限度地减少总行程延迟。Yao和Li（2020）还应用Gipps跟驰模型预测HDV轨迹，他们提出了一种分散控制模型来优化CAV在单车道道路上的轨迹，以最大限度地减少行驶时间，燃料消耗和安全风险。这些研究只针对单个的信号交叉口设计并且这些研究假设信号交叉口只有一条车道，只考虑CAV轨迹的纵向优化而没有考虑换道行为，这些与现实生活中不相符，因此本发明考虑网联自动驾驶车辆（CAV）和人工驾驶车辆（Human Driven Vehicles，HDV）混行环境下，以对所有车辆协作成车队的形式，在多个连续信号交叉口下进行横向换道和纵向跟驰行为，实现接近现实生活的CAV轨迹引导策略。
但现有技术存在明显的缺点，没有将CAV与HDV混行环境下的车辆驾驶行为的异同点进行充分考虑；由于HDV的驾驶行为具有不可控性行为，并且对周围环境信息的获取程度也不同，因此大多研究都着重于把研究对象和环境放在全CAV环境，忽视了HDV对CAV协同的关键性干扰，显然这是不现实的。忽视了车速具体引导策略对生态环境的影响；大多研究把通行效率最高作为信号交叉口车速引导的最主要目标，进而提出模型化的车辆轨迹引导策略，但忽视了车辆在加减速时易造成能源消耗和安全性问题。对车辆在车队中的行为研究较少，仅对单车轨迹进行优化，未实现协同智能控制；CAVs可以根据获取到的自身信息和其他交通状况信息制定自车优化轨迹，在进行车速引导时，车辆往往会存在前后方均有车辆行驶的场景，而多数研究把重点放在单个CAV作为头车时的车速引导，忽视了车辆间的相互影响，这显然不仅浪费了CAVs的高网联化、高智能化，而且不符合实际信号交叉口交通环境。而在车队引导中，虽然HDV无法获取到车速引导策略，但其受到车队内速度差和距离差的限制，可以在CAV接受引导时间接性地实现车速引导，极大地克服以往通信能力不足和停车等待问题，实现混行交通环境下车队的协同换道和协同跟驰。对换道行为研究不足，只针对单一信号交叉口进行研究；大多数研究都忽视了信号交叉口换道这一行为，这不符合实际情况，在现实生活中，信号交叉口都不是孤立存在的，而是连续的，当车辆需要转弯时，换道行为是必须的，在进行研究时必须把换道行为考虑进去。
因此亟需一种混行交通环境下连续信号交叉口车队协同控制方法，考虑更加实际的新型混行交通环境。将交通流划分成可通行车队和不可通行车队，采用不同的策略进行引导，实现部分车辆生态驾驶速度引导。考虑车队中的车辆协同，提出当CAV作为头车和跟驰车时的车速引导策略。在多个连续信号交叉口范围内，根据预先设定的行驶路线进行换道策略引导。
发明内容
鉴于上述存在的问题，提出了本发明。
因此，本发明解决的技术问题是：现有的车队协同控制方法存在缺少车辆类型分析，仅对单车轨迹进行优化，以及如何考虑信号交叉口换道行为的优化问题。
为解决上述技术问题，本发明提供如下技术方案：一种混行交通环境下连续信号交叉口车队协同控制方法，包括：采集车辆信息并对车辆类型进行分类，构建车辆的交通状态矩阵；判断车辆当前时刻所处车道是否在目标车道，进行强制换道和车队划分；根据角色转换协议进行车辆引导，动态推进式进行周期性规划控制。
作为本发明所述的混行交通环境下连续信号交叉口车队协同控制方法的一种优选方案，其中：所述采集车辆信息并对车辆类型进行分类包括识别进入引导区域的车辆类型，当车辆进入引导区域时，车辆类型识别模块与车辆进行通信，判断车辆类型，若车辆类型为CAV，将交通状况信息发送给云计算平台，并接收云计算平台发送的决策信息，实时进行车速引导策略；若车辆类型为HDV，则将交通状况信息发送给云计算平台，云平台不发送给决策信息，当完成车辆类型识别后，对车辆赋予ID序列，CAVs的ID为，i=1,2,3…，HDV的ID为，i=1,2,3…，信息采集模块分别收集车辆的运行状态信息并赋予初始交通状态矩阵，当车辆为CAV时，交通状态矩阵为，当车辆为HDV时，交通状态矩阵为；所述车辆的交通状态矩阵独立保存交通状态信息，其中，表示车辆在当前车道上的位置，表示车辆的纵向运行速度，表示车辆的纵向运行加速度，E表示车辆当前车道编号，表示车辆的目标车道编号，t表示引导时刻，和的交通状态矩阵采取每Ts实时更新，构建矩阵后采集每个信号交叉口中信号灯信息和停止线位置信息。
作为本发明所述的混行交通环境下连续信号交叉口车队协同控制方法的一种优选方案，其中：所述判断车辆当前时刻所处车道是否在目标车道包括在每个进口道都设置3个进口车道，由右向左编号为1,2,3，车辆存在目标车道编号和当前所处车道E，将当前所处车道索引E与目标车道索引进行匹配，若E与不一致，则进行强制换道行为，若E与一致，则进行车队划分；所述强制换道行为包括CAVs与目标车道上前后方车辆的距离满足安全距离约束进行强制换道行为，换道行为视为单位时间内完成，安全距离约束表示为：
当满足时，向相邻车道进行换道，其中
；
其中，和分别表示CAV与相邻车道前方车辆和相邻车道后方车辆的车辆间距，、和分别表示CAV、CAV相邻车道前方车辆和相邻车道后方车辆的车道上的位置，表示车身长度，、和分别表示CAV、CAV相邻车道前方和相邻车道后方的速度，表示CAV的安全车头时距，表示CAV相邻车道后方车辆的安全车头时距，若相邻车道后方车辆为CAV，则取1s，若相邻车道后方车辆为HDV，则取2s，和分别表示CAV和CAV相邻车道后方车辆的最大减速度，HDVs的换道行为为默认换道行为，当CAVs处于目标车道后，禁止进行换道行为，进行车队划分。
作为本发明所述的混行交通环境下连续信号交叉口车队协同控制方法的一种优选方案，其中：所述车队划分包括根据对绿灯通行时间来对车道上的所有车辆的通行状态进行预测，在最近一次绿灯时间内可以通过的车辆划分到可通过车队1，在最近一次绿灯时间内不可通过的车辆划分到不可通过车队2，可通过车队1的理论最大组成车辆数表示为：
；
实际的可引导车队的最大组成车辆数由车道上具体的车辆顺序确定，表示为：
；
其中，表示绿灯的结束时间；、、、分别为CAV跟驰CAV、HDV，HDV跟驰CAV、HDV时的最小车头时距，、、、分别为从车队中的第二辆车开始往后的四种跟驰场景下的车辆数，为车队头车通过停止线时间；判断里的最后一辆向前依次开始计算判断是否在最近一次绿灯时间内通过信号交叉口，约束车辆加速至最大速度在绿灯时间内通过停止线表示为：
；
其中，表示道路的停止线位置，表示车辆的最大行驶速度，约束车辆的前车通过停止线后留下一个车头时距的绿灯时间表示为：
；
其中，表示CAV安全车头时距，计算车辆的前车通过停止线的时间，
；
其中，表示前车通过停止线的时间，满足约束的车辆在最近的绿灯时间内通过信号交叉口，编入可通过车队1，不满足约束的车辆被编入不可通过车队2，车队划分完成后进行角色转换。
作为本发明所述的混行交通环境下连续信号交叉口车队协同控制方法的一种优选方案，其中：所述转换协议包括在车队1中，当CAV作为头车进行引导时判断信号灯颜色，当信号灯为绿色时，绿灯剩余时间为，此时CAV速度为，若满足条件则引导CAV加速至最大车速后匀速通过停止线，条件表示为：
；
其中，表示停止线位置，表示CAV最大加速度，当不满足条件则视为CAV头车进行减速行驶，在下次绿灯周期内实现不停车通过，距离下次绿灯亮起的时间为，C为信号灯的周期时长，为信号灯的绿灯时长，实现头车CAV在下次绿灯亮起时到达停止线位置，满足条件：
；
其中，为目标车速；表示为CAV最大加速度，当CAV头车按照目标车速行驶时，实现不停车通过信号交叉口；当信号灯为红色时，红灯剩余时间为，CAV速度为，进行减速行驶，在绿灯周期内到达停止线位置，实现不停车通过，满足条件：
；
当CAV头车行驶速度为时，实现不停车通过信号交叉口，当目标车速大于车速时，视为结果不合理，进行加速行驶，表示为：
；
当CAV头车行驶速度为时，实现不停车通过信号交叉口，当信号灯为黄灯时，视为红灯，将黄灯剩余时间并入红灯时间；当CAV作为跟驰车进行引导时判断信号交叉口的信号灯状态和剩余时间，当信号灯为绿色时，绿灯剩余时间为，CAV前方车辆为CAV或为HDV，采取差距反馈策略进行行驶，信息采集模块获取到CAV速度，前方速度为，CAV与前方车辆间的距离为，当，CAV向前方车辆靠近，满足条件：
；
其中，表示CAV以最大速度的行驶时间，CAV加速至最大速度，匀速行驶时间，减速至与前车速度相同，实现车队内车辆的紧密形式；当，CAV减速行驶，满足条件：
；
其中，表示CAV的中间目标车速，CAV减速至目标车速，加速至与前车速度相同，实现车队内车辆的紧密形式；当信号灯为红色时，红灯剩余时间为，信息采集模块获取CAV速度，前方速度为，CAV与前方车辆间的距离为，当CAV前方车辆为HDVs且数量为n，则为0，满足条件：
；
其中，表示HDV的最大加速度，表示HDVs的启动反应时间，不为0，则视为停车排队，停车后进行引导，当CAV前方车辆中存在CAV，则视为绿灯进行引导。
作为本发明所述的混行交通环境下连续信号交叉口车队协同控制方法的一种优选方案，其中：所述转换协议还包括当不可通过车队2中的CAV作为头车进行引导时，当信号灯为绿灯时，不可通过车队2头车CAV在本次绿灯周期内未通过，距离下一次绿灯亮起时间为，C为信号灯的周期时长，为信号灯的绿灯时长；当信号灯为红灯时，不可通过车队2头车CAV在下次绿灯周期内未通过，距离第二次绿灯亮起时间为，红灯剩余时间为，不可通过车队2的第二次绿灯亮起的时间表示为：
；
当不可通过车队2中的CAVs作为跟驰车进行引导时，不可通过车队2的第二次绿灯亮起的时间表示为：
；
若不可通过车队2中CAV的前方车辆均为HDVs，在第二次绿灯亮起时行驶至与前方HDV速度相同且保持一个安全车头时距，满足条件：
；
其中，表示HDV的最大加速度；表示HDVs的启动反应时间，当跟驰CAVs以目标车速减速行驶时，实现第二次绿灯亮起时；跟驰CAVs在不可通过车队2中的前方存在其他CAVs时，信息采集模块获取到CAV速度，前方速度为，CAV与前方车辆间的距离为，若，CAV向前方车辆靠近，满足条件：
；
其中，表示CAV以最大速度的行驶时间实现车队内车辆的紧密形式，若，满足条件：
；
实现车队内车辆的紧密形式，HDVs采取IDM跟驰模型。
作为本发明所述的混行交通环境下连续信号交叉口车队协同控制方法的一种优选方案，其中：所述动态推进式进行周期性规划控制包括3s为一个周期获取一次信号灯相位信息和信号交叉口交通状态信息，然后一次性输出未来3s内的被引导CAVs的优化轨迹矩阵：
；
其中，第一列表示规划时刻的交通状态信息，第二、三、四列表示未来3s的交通状态信息，被引导CAVs在进入引导区域时开始规划。
本发明的另外一个目的是提供一种混行交通环境下连续信号交叉口车队协同控制系统，其能以离散的形式将CAVs的换道和跟驰优化结合起来，制定了换道优先机制，解决了目前的交叉口通过效率不足的问题。
作为本发明所述的混行交通环境下连续信号交叉口车队协同控制系统的一种优选方案，其中：包括车辆类型识别模块，信息采集模块，决策模块，换道模块，车队划分模块，跟驰模块，控制模块；所述车辆类型识别模块用于确定进入网联自动驾驶车辆引导区域的车辆类型，当进入引导区域的车辆为CAV时，赋予ID序列并激发信息采集模块、决策模块以及控制模块，当进入引导区域的车辆为HDV时，赋予D序列并激发信息采集模块；所述信息采集模块用于在车辆进入引导区域后，信息被区域内的通信设备获取位置、车道编号、速度以及加速度信息并保存至特有ID序列内；所述决策模块在云计算平台获取到引导区域内的数据后，为CAVs制定车速引导策略，当CAVs具有换道需求时，执行换道模块，当CAVs没有换道需求时，对车道内的所有车辆执行车队划分模块，并且根据CAVs在车队中所处的位置执行跟驰模块；所述换道模块为CAVs寻找合适的换道时机，进行换道操作；所述车队划分模块通过实时获取的信号灯相位、相序和剩余时间信息，根据车道上的CAVs、HDVs的车辆数和位置、速度以及加速度信息，对绿灯时间内的可通过车辆数进行预测并为这两个子车队中的CAVs制定不同的车速引导策略；所述跟驰模块根据与前车的速度和距离执行加速或减速引导策略；所述控制模块为整个系统制定实时动态的前进式周期性车速引导策略。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序是实现混行交通环境下连续信号交叉口车队协同控制方法的步骤。
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，所述计算机程序被处理器执行时实现混行交通环境下连续信号交叉口车队协同控制方法的步骤。
本发明的有益效果：本发明提供的混行交通环境下连续信号交叉口车队协同控制方法充分考虑了在车路协同环境下的多个连续信号交叉口构建成的路网环境，将CAVs和HDVs混合考虑，可以完善从传统交通环境到完全网联环境的过渡阶段。在对CAV进行轨迹优化时，不仅使车队实现不停车通过多个信号交叉口，减少了频繁地加减速行为，降低了能耗，而且使车队内的车辆之间以紧密的车队形式行驶，在保证安全行驶的同时提高了通行效率。以离散的形式将CAVs的换道和跟驰优化结合起来，制定了换道优先机制，以紧凑的车队形式安全、高效地通过信号交叉口。通过引导CAVs策略间接控制HDVs，减少混行交通系统中HDV的影响，从而稳定控制整个交通流。本发明在通行效率、车辆针对性和降低能耗方面都取得更加良好的效果。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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一些实施例，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，还可以根据这些附图获得其它的附图。其中：
图1为本发明第一个实施例提供的一种混行交通环境下连续信号交叉口车队协同控制方法的整体流程图。
图2为本发明第二个实施例提供的一种混行交通环境下连续信号交叉口车队协同控制方法的车辆位置曲线图。
图3为本发明第二个实施例提供的一种混行交通环境下连续信号交叉口车队协同控制方法的车辆速度曲线。
图4为本发明第三个实施例提供的一种混行交通环境下连续信号交叉口车队协同控制系统的整体流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，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，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
实施例1
参照图1，为本发明的一个实施例，提供了一种混行交通环境下连续信号交叉口车队协同控制方法，包括：
S1：采集车辆信息并对车辆类型进行分类，构建车辆的交通状态矩阵。
更进一步的，采集车辆信息并对车辆类型进行分类包括识别进入引导区域的车辆类型，当车辆进入引导区域时，车辆类型识别模块与车辆进行通信，判断车辆类型，若车辆类型为CAV，将交通状况信息发送给云计算平台，并接收云计算平台发送的决策信息，实时进行车速引导策略；若车辆类型为HDV，则将交通状况信息发送给云计算平台，云平台不发送给决策信息，当完成车辆类型识别后，对车辆赋予ID序列，CAVs的ID为，i=1,2,3…，HDV的ID为，i=1,2,3…，信息采集模块分别收集车辆的运行状态信息并赋予初始交通状态矩阵，当车辆为CAV时，交通状态矩阵为，当车辆为HDV时，交通状态矩阵为；车辆的交通状态矩阵独立保存交通状态信息，其中，表示车辆在当前车道上的位置，表示车辆的纵向运行速度，表示车辆的纵向运行加速度，E表示车辆当前车道编号，表示车辆的目标车道编号，t表示引导时刻，和的交通状态矩阵采取每Ts实时更新，构建矩阵后采集每个信号交叉口中信号灯信息和停止线位置信息。
应说明的是，判断车辆当前时刻所处车道是否在目标车道上。本发明研究场景为多个连续信号交叉口，所有车辆的轨迹是预先设置好的并且进入交通网络的车道编号是随机的，在每个信号交叉口进口道都有可能产生左转、直行和右转行为。断车辆当前时刻所处车道是否在目标车道包括在每个进口道都设置3个进口车道，由右向左编号为1,2,3，车辆存在目标车道编号和当前所处车道E，将当前所处车道索引E与目标车道索引进行匹配，若E与不一致，则进行强制换道行为，若E与一致，则进行车队划分。
S2：判断车辆当前时刻所处车道是否在目标车道，进行强制换道和车队划分。
更进一步的，强制换道行为。首先，在换道模块中，无论是CAVs和HDVs都会产生换道意图，由于步骤2中车辆的目标车道和当前车道不一致，因此车辆产生强制换道意图，否则无法满足交通规则通过信号交叉口。当车辆的目标车道编号为2时，即直行，则该车辆最多完成1次换道即可，当车辆的目标编号为1或3时，即右转或左转，则该车辆最多完成2次换道，因此可能需要连续换道。其次，当车辆产生换道意图后，需要满足换道安全约束才有进行换道的条件。强制换道行为包括CAVs与目标车道上前后方车辆的距离满足安全距离约束进行强制换道行为，换道行为视为单位时间内完成，安全距离约束表示为：
当满足时，向相邻车道进行换道，其中
；
其中，和分别表示CAV与相邻车道前方车辆和相邻车道后方车辆的车辆间距，、和分别表示CAV、CAV相邻车道前方车辆和相邻车道后方车辆的车道上的位置，表示车身长度，、和分别表示CAV、CAV相邻车道前方和相邻车道后方的速度，表示CAV的安全车头时距，表示CAV相邻车道后方车辆的安全车头时距，若相邻车道后方车辆为CAV，则取1s，若相邻车道后方车辆为HDV，则取2s，和分别表示CAV和CAV相邻车道后方车辆的最大减速度，HDVs的换道行为为默认换道行为，当CAVs处于目标车道后，禁止进行换道行为，进行车队划分。当车辆满足上述安全距离约束后，才可以实行瞬时换道行为。当车辆既产生了换道意图，又满足了换道安全距离约束，应立刻进行换道行为，以尽可能早地进行纵向跟驰行为优化。其中，HDVs的换道行为采用默认换道模型。
其次考虑车辆在进行连续换道时易造成的驾驶不舒适性和交通流扰动，上文中提到车辆有可能会进行至多两次的换道，因此应限制连续换道行为间的时间间隔，以避免高频率的换道行为，本发明中规定连续换道行为间的时间间隔至少为6s。
然后，考虑实际的CAVs换道行为，在判断车辆是否能够满足换道安全约束时，仅识别相邻的车道信息，所以本发明规定在一次换道中仅能换道至相邻的车道，即换道前后的车道编号之差的绝对值为1。
最后，设置禁止换道区域长度来满足现实生活中信号交叉口前的禁止换道行为，本发明规定在信号交叉口停止线前30m的车道位置为禁止换道区域边界。
应说明的是，由于车辆到达时间的随机性，当车辆在即将到达停止线时，很可能刚好错过绿灯时间，加上当交通量较大时，在完整的绿灯时间内无法排空所有的排队车辆，因此同时在同一进口道的车辆可能会被分成多个车队通过信号交叉口。首先根据对绿灯通行时间来对车道上的所有车辆的通行状态进行预测，考虑到车辆之间最小车头时距的存在，在每一个绿灯周期内第一个通过信号交叉口车辆的时间会直接影响到后续车辆通过状态，与绿灯末尾时间共同限制着可通行车辆数。在最近一次绿灯时间内可以通过的车辆被划分到可通过车队1，在最近一次绿灯时间内不能通过的车辆被划分到不可通过车队2。车队划分包括根据对绿灯通行时间来对车道上的所有车辆的通行状态进行预测，在最近一次绿灯时间内可以通过的车辆划分到可通过车队1，在最近一次绿灯时间内不可通过的车辆划分到不可通过车队2，可通过车队1的理论最大组成车辆数表示为：
；
实际的可引导车队的最大组成车辆数由车道上具体的车辆顺序确定，表示为：
；
其中，表示绿灯的结束时间；、、、分别为CAV跟驰CAV、HDV，HDV跟驰CAV、HDV时的最小车头时距，、、、分别为从车队中的第二辆车开始往后的四种跟驰场景下的车辆数，为车队头车通过停止线时间。
由于车辆的到达时间是随机的，当车辆到达时间间隔较大时，即使在交通量很小的情况下，被包含在中的车辆加速到最大速度也无法跟随前车通过交叉口，因此仅表示绿灯内实际的最大通过车辆数，实际通过的车辆数受车辆位置和周围车辆的限制，因此从里的最后一辆往前依次开始计算是否能在最近一次绿灯时间内通过信号交叉口。判断里的最后一辆向前依次开始计算判断是否在最近一次绿灯时间内通过信号交叉口，约束车辆加速至最大速度在绿灯时间内通过停止线表示为：
；
其中，表示道路的停止线位置，表示车辆的最大行驶速度，约束车辆的前车通过停止线后留下一个车头时距的绿灯时间表示为：
；
其中，表示CAV安全车头时距，计算车辆的前车通过停止线的时间，
；
其中，表示前车通过停止线的时间，满足约束的车辆在最近的绿灯时间内通过信号交叉口，编入可通过车队1，不满足约束的车辆被编入不可通过车队2，车队划分完成后进行角色转换。
S3：根据角色转换协议进行车辆引导，动态推进式进行周期性规划控制。
更进一步的，转换协议包括在车队1中，当CAV作为头车进行引导时判断信号灯颜色，当信号灯为绿色时，绿灯剩余时间为，此时CAV速度为，若满足条件则引导CAV加速至最大车速后匀速通过停止线，条件表示为：
；
其中，表示停止线位置，表示CAV最大加速度，当不满足条件则视为CAV头车进行减速行驶，在下次绿灯周期内实现不停车通过，距离下次绿灯亮起的时间为，C为信号灯的周期时长，为信号灯的绿灯时长，实现头车CAV在下次绿灯亮起时到达停止线位置，满足条件：
；
其中，为目标车速；表示为CAV最大加速度，当CAV头车按照目标车速行驶时，实现不停车通过信号交叉口；当信号灯为红色时，红灯剩余时间为，CAV速度为，进行减速行驶，在绿灯周期内到达停止线位置，实现不停车通过，满足条件：
；
当CAV头车行驶速度为时，实现不停车通过信号交叉口，当目标车速大于车速时，视为结果不合理，进行加速行驶，表示为：
；
当CAV头车行驶速度为时，实现不停车通过信号交叉口，当信号灯为黄灯时，视为红灯，将黄灯剩余时间并入红灯时间；当CAV作为跟驰车进行引导时判断信号交叉口的信号灯状态和剩余时间，当信号灯为绿色时，绿灯剩余时间为，CAV前方车辆为CAV或为HDV，采取差距反馈策略进行行驶，信息采集模块获取到CAV速度，前方速度为，CAV与前方车辆间的距离为，当，CAV向前方车辆靠近，满足条件：
；
其中，表示CAV以最大速度的行驶时间，CAV加速至最大速度，匀速行驶时间，减速至与前车速度相同，实现车队内车辆的紧密形式；当，CAV减速行驶，满足条件：
；
其中，表示CAV的中间目标车速，CAV减速至目标车速，加速至与前车速度相同，实现车队内车辆的紧密形式；当信号灯为红色时，红灯剩余时间为，信息采集模块获取CAV速度，前方速度为，CAV与前方车辆间的距离为，当CAV前方车辆为HDVs且数量为n，则为0，满足条件：
；
其中，表示HDV的最大加速度，表示HDVs的启动反应时间，不为0，则视为停车排队，停车后进行引导，当CAV前方车辆中存在CAV，则视为绿灯进行引导。
应说明的是，转换协议还包括当不可通过车队2中的CAV作为头车进行引导时，当信号灯为绿灯时，不可通过车队2头车CAV在本次绿灯周期内未通过，距离下一次绿灯亮起时间为，C为信号灯的周期时长，为信号灯的绿灯时长；当信号灯为红灯时，不可通过车队2头车CAV在下次绿灯周期内未通过，距离第二次绿灯亮起时间为，红灯剩余时间为，不可通过车队2的第二次绿灯亮起的时间表示为：
；
当不可通过车队2中的CAVs作为跟驰车进行引导时，不可通过车队2的第二次绿灯亮起的时间表示为：
；
若不可通过车队2中CAV的前方车辆均为HDVs，在第二次绿灯亮起时行驶至与前方HDV速度相同且保持一个安全车头时距，满足条件：
；
其中，表示HDV的最大加速度；表示HDVs的启动反应时间，当跟驰CAVs以目标车速减速行驶时，实现第二次绿灯亮起时；跟驰CAVs在不可通过车队2中的前方存在其他CAVs时，信息采集模块获取到CAV速度，前方速度为，CAV与前方车辆间的距离为，若，CAV向前方车辆靠近，满足条件：
；
其中，表示CAV以最大速度的行驶时间实现车队内车辆的紧密形式，若，满足条件：
；
实现车队内车辆的紧密形式，HDVs采取IDM跟驰模型。
还应说明的是，动态推进式进行周期性规划控制包括3s为一个周期获取一次信号灯相位信息和信号交叉口交通状态信息，然后一次性输出未来3s内的被引导CAVs的优化轨迹矩阵：
其中，第一列表示规划时刻的交通状态信息，第二、三、四列表示未来3s的交通状态信息，被引导CAVs在进入引导区域时开始规划。
实施例2
参照图2-图3，为本发明的一个实施例，提供了一种混行交通环境下连续信号交叉口车队协同控制方法，为了验证本发明的有益效果，通过经济效益计算和仿真实验进行科学论证。
在本实施例中，存在一支直行车队，行驶在直行车道上，在车队中存在两辆CAVs，分别是CAV1和CAV2，存在一辆HDV1。直行车道的引导区域长度为400m，道路限速为20m/s，CAV1和CAV2进入车道的时间分别是仿真时间0s和1s，且进入初速度均为6m/s，不同的是，CAV1进入的是左转车道3，而CAV2进入的是直行车道2。HDV1进入车道的时间是仿真时间36s，进入初速度为6m/s，进入的是直行车道2。三辆车的最大速度均为20m/s，最大加速度均为4m/s2，最大减速度均为-4m/s2，CAV1和CAV2的安全车头时距设置为1s，HDV1的安全车头时距设置为2s，仿真结果如下图3和图4所示。
可以看出，当CAV1在左转车道时，其车速引导策略受左转信号灯影响（红灯剩余时间较长），因此车速较低，而CAV2在直行车道，其车速引导策略受直行信号灯影响（红灯剩余时间较短），因此车速较高。大约在38s左右CAV1完成换道至直行车道，此时CAV2处于CAV1的前方，所以CAV1追赶CAV2至46s左右，然后与CAV2保持较近的距离、相近的速度行驶直至通过信号交叉口。HDV1由于进入时间较晚，CAV1和CAV2均处于其前方，因此HDV1追赶CAV1，并一起通过信号交叉口。值得注意的是，虽然HDV1没有接收到车速引导策略，但其仍然因为CAV1和CAV2的存在，实现不停车通过信号交叉口。
实施例3
参照图4，为本发明的一个实施例，提供了一种混行交通环境下连续信号交叉口车队协同控制系统，包括：车辆类型识别模块，信息采集模块，决策模块，换道模块，车队划分模块，跟驰模块，控制模块.
其中，车辆类型识别模块用于确定进入网联自动驾驶车辆引导区域的车辆类型，当进入引导区域的车辆为CAV时，赋予ID序列并激发信息采集模块、决策模块以及控制模块，当进入引导区域的车辆为HDV时，赋予D序列并激发信息采集模块；信息采集模块用于在车辆进入引导区域后，信息被区域内的通信设备获取位置、车道编号、速度以及加速度信息并保存至特有ID序列内；决策模块在云计算平台获取到引导区域内的数据后，为CAVs制定车速引导策略，当CAVs具有换道需求时，执行换道模块，当CAVs没有换道需求时，对车道内的所有车辆执行车队划分模块，并且根据CAVs在车队中所处的位置执行跟驰模块；换道模块为CAVs寻找合适的换道时机，进行换道操作；车队划分模块通过实时获取的信号灯相位、相序和剩余时间信息，根据车道上的CAVs、HDVs的车辆数和位置、速度以及加速度信息，对绿灯时间内的可通过车辆数进行预测并为这两个子车队中的CAVs制定不同的车速引导策略；跟驰模块根据与前车的速度和距离执行加速或减速引导策略；控制模块为整个系统制定实时动态的前进式周期性车速引导策略。
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，RandomAccess Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置）、便携式计算机盘盒（磁装置）、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编辑只读存储器（EPROM或闪速存储器）、光纤装置以及便携式光盘只读存储器（CDROM）。另外，计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。应说明的是，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精神和范围，其均应涵盖在本发明的权利要求范围当中。
应说明的是，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精神和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (9)
1.一种混行交通环境下连续信号交叉口车队协同控制方法，其特征在于，包括：
采集车辆信息并对车辆类型进行分类，构建车辆的交通状态矩阵；
判断车辆当前时刻所处车道是否在目标车道，进行强制换道和车队划分；
根据角色转换协议进行车辆引导，动态推进式进行周期性规划控制；
所述采集车辆信息并对车辆类型进行分类包括识别进入引导区域的车辆类型，当车辆进入引导区域时，车辆类型识别模块与车辆进行通信，判断车辆类型，若车辆类型为CAV，将交通状况信息发送给云计算平台，并接收云计算平台发送的决策信息，实时进行车速引导策略；
若车辆类型为HDV，则将交通状况信息发送给云计算平台，云平台不发送给决策信息，当完成车辆类型识别后，对车辆赋予ID序列，CAVs的ID为，i=1,2,3…，HDV的ID为，i=1,2,3…，信息采集模块分别收集车辆的运行状态信息并赋予初始交通状态矩阵，当车辆为CAV时，交通状态矩阵为 ，当车辆为HDV时，交通状态矩阵为；
所述车辆的交通状态矩阵独立保存交通状态信息，其中，表示车辆在当前车道上的位置，表示车辆的纵向运行速度，表示车辆的纵向运行加速度，E表示车辆当前车道编号，表示车辆的目标车道编号，t表示引导时刻，和的交通状态矩阵采取每Ts实时更新，构建矩阵后采集每个信号交叉口中信号灯信息和停止线位置信息。
2.如权利要求1所述的混行交通环境下连续信号交叉口车队协同控制方法，其特征在于：所述判断车辆当前时刻所处车道是否在目标车道包括在每个进口道都设置3个进口车道，由右向左编号为1,2,3，车辆存在目标车道编号和当前所处车道E，将当前所处车道索引E与目标车道索引进行匹配，若E与不一致，则进行强制换道行为，若E与一致，则进行车队划分；
所述强制换道行为包括CAVs与目标车道上前后方车辆的距离满足安全距离约束进行强制换道行为，换道行为视为单位时间内完成，安全距离约束表示为：
当满足时，向相邻车道进行换道，其中
；
其中，和分别表示CAV与相邻车道前方车辆和相邻车道后方车辆的车辆间距，、和分别表示CAV、CAV相邻车道前方车辆和相邻车道后方车辆的车道上的位置，表示车身长度，、和分别表示CAV、CAV相邻车道前方和相邻车道后方的速度，表示CAV的安全车头时距，表示CAV相邻车道后方车辆的安全车头时距，若相邻车道后方车辆为CAV，则取1s，若相邻车道后方车辆为HDV，则取2s，和分别表示CAV和CAV相邻车道后方车辆的最大减速度，HDVs的换道行为为默认换道行为，当CAVs处于目标车道后，禁止进行换道行为，进行车队划分。
3.如权利要求2所述的混行交通环境下连续信号交叉口车队协同控制方法，其特征在于：所述车队划分包括根据对绿灯通行时间来对车道上的所有车辆的通行状态进行预测，在最近一次绿灯时间内可以通过的车辆划分到可通过车队1，在最近一次绿灯时间内不可通过的车辆划分到不可通过车队2，可通过车队1的理论最大组成车辆数表示为：
；
实际的可引导车队的最大组成车辆数由车道上具体的车辆顺序确定，表示为：
；
其中，表示绿灯的结束时间；、、、分别为CAV跟驰CAV、HDV，HDV跟驰CAV、HDV时的最小车头时距，、、、分别为从车队中的第二辆车开始往后的四种跟驰场景下的车辆数，为车队头车通过停止线时间；
判断里的最后一辆向前依次开始计算判断是否在最近一次绿灯时间内通过信号交叉口，约束车辆加速至最大速度在绿灯时间内通过停止线表示为：
；
其中，表示道路的停止线位置，表示车辆的最大行驶速度，约束车辆的前车通过停止线后留下一个车头时距的绿灯时间表示为：
；
其中，表示CAV安全车头时距，计算车辆的前车通过停止线的时间，
；
其中，表示前车通过停止线的时间，满足约束的车辆在最近的绿灯时间内通过信号交叉口，编入可通过车队1，不满足约束的车辆被编入不可通过车队2，车队划分完成后进行角色转换。
4.如权利要求3所述的混行交通环境下连续信号交叉口车队协同控制方法，其特征在于：所述转换协议包括在车队1中，当CAV作为头车进行引导时判断信号灯颜色，当信号灯为绿色时，绿灯剩余时间为，此时CAV速度为，若满足条件则引导CAV加速至最大车速后匀速通过停止线，条件表示为：
；
其中，表示停止线位置，表示CAV最大加速度，当不满足条件则视为CAV头车进行减速行驶，在下次绿灯周期内实现不停车通过，距离下次绿灯亮起的时间为，C为信号灯的周期时长，为信号灯的绿灯时长，实现头车CAV在下次绿灯亮起时到达停止线位置，满足条件：
；
其中，为目标车速；表示为CAV最大加速度，当CAV头车按照目标车速行驶时，实现不停车通过信号交叉口；
当信号灯为红色时，红灯剩余时间为，CAV速度为，进行减速行驶，在绿灯周期内到达停止线位置，实现不停车通过，满足条件：
；
当CAV头车行驶速度为时，实现不停车通过信号交叉口，当目标车速大于车速时，视为结果不合理，进行加速行驶，表示为：
；
当CAV头车行驶速度为时，实现不停车通过信号交叉口，当信号灯为黄灯时，视为红灯，将黄灯剩余时间并入红灯时间；
当CAV作为跟驰车进行引导时判断信号交叉口的信号灯状态和剩余时间，当信号灯为绿色时，绿灯剩余时间为，CAV前方车辆为CAV或为HDV，采取差距反馈策略进行行驶，信息采集模块获取到CAV速度，前方速度为，CAV与前方车辆间的距离为，当，CAV向前方车辆靠近，满足条件：
；
其中，表示CAV以最大速度的行驶时间，CAV加速至最大速度，匀速行驶时间，减速至与前车速度相同，实现车队内车辆的紧密形式；
当，CAV减速行驶，满足条件：
；
其中，表示CAV的中间目标车速，CAV减速至目标车速，加速至与前车速度相同，实现车队内车辆的紧密形式；
当信号灯为红色时，红灯剩余时间为，信息采集模块获取CAV速度，前方速度为，CAV与前方车辆间的距离为，当CAV前方车辆为HDVs且数量为n，则为0，满足条件：
；
其中，表示HDV的最大加速度，表示HDVs的启动反应时间，不为0，则视为停车排队，停车后进行引导，当CAV前方车辆中存在CAV，则视为绿灯进行引导。
5.如权利要求4所述的混行交通环境下连续信号交叉口车队协同控制方法，其特征在于：所述转换协议还包括当不可通过车队2中的CAV作为头车进行引导时，当信号灯为绿灯时，不可通过车队2头车CAV在本次绿灯周期内未通过，距离下一次绿灯亮起时间为，C为信号灯的周期时长，为信号灯的绿灯时长；当信号灯为红灯时，不可通过车队2头车CAV在下次绿灯周期内未通过，距离第二次绿灯亮起时间为，红灯剩余时间为，不可通过车队2的第二次绿灯亮起的时间表示为：
；
当不可通过车队2中的CAVs作为跟驰车进行引导时，不可通过车队2的第二次绿灯亮起的时间表示为：
；
若不可通过车队2中CAV的前方车辆均为HDVs，在第二次绿灯亮起时行驶至与前方HDV速度相同且保持一个安全车头时距，满足条件：
；
其中，表示HDV的最大加速度；表示HDVs的启动反应时间，当跟驰CAVs以目标车速减速行驶时，实现第二次绿灯亮起时；
跟驰CAVs在不可通过车队2中的前方存在其他CAVs时，信息采集模块获取到CAV速度，前方速度为，CAV与前方车辆间的距离为，若，CAV向前方车辆靠近，满足条件：
；
其中，表示CAV以最大速度的行驶时间实现车队内车辆的紧密形式，若，满足条件：
；
实现车队内车辆的紧密形式，HDVs采取IDM跟驰模型。
6.如权利要求5所述的混行交通环境下连续信号交叉口车队协同控制方法，其特征在于：所述动态推进式进行周期性规划控制包括3s为一个周期获取一次信号灯相位信息和信号交叉口交通状态信息，然后一次性输出未来3s内的被引导CAVs的优化轨迹矩阵：
；
其中，第一列表示规划时刻的交通状态信息，第二、三、四列表示未来3s的交通状态信息，被引导CAVs在进入引导区域时开始规划。
7.一种采用如权利要求1~6任一所述的混行交通环境下连续信号交叉口车队协同控制方法的系统，其特征在于：包括车辆类型识别模块，信息采集模块，决策模块，换道模块，车队划分模块，跟驰模块，控制模块；
所述车辆类型识别模块用于确定进入网联自动驾驶车辆引导区域的车辆类型，当进入引导区域的车辆为CAV时，赋予ID序列并激发信息采集模块、决策模块以及控制模块，当进入引导区域的车辆为HDV时，赋予D序列并激发信息采集模块；
所述信息采集模块用于在车辆进入引导区域后，信息被区域内的通信设备获取位置、车道编号、速度以及加速度信息并保存至特有ID序列内；
所述决策模块在云计算平台获取到引导区域内的数据后，为CAVs制定车速引导策略，当CAVs具有换道需求时，执行换道模块，当CAVs没有换道需求时，对车道内的所有车辆执行车队划分模块，并且根据CAVs在车队中所处的位置执行跟驰模块；
所述换道模块为CAVs寻找合适的换道时机，进行换道操作；
所述车队划分模块通过实时获取的信号灯相位、相序和剩余时间信息，根据车道上的CAVs、HDVs的车辆数和位置、速度以及加速度信息，对绿灯时间内的可通过车辆数进行预测并为这两个子车队中的CAVs制定不同的车速引导策略；
所述跟驰模块根据与前车的速度和距离执行加速或减速引导策略；
所述控制模块为整个系统制定实时动态的前进式周期性车速引导策略。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的混行交通环境下连续信号交叉口车队协同控制方法的步骤。
9.一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，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的混行交通环境下连续信号交叉口车队协同控制方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311850374.8A CN117496689B (zh) | 2023-12-29 | 2023-12-29 | 混行交通环境下连续信号交叉口车队协同控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311850374.8A CN117496689B (zh) | 2023-12-29 | 2023-12-29 | 混行交通环境下连续信号交叉口车队协同控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117496689A true CN117496689A (zh) | 2024-02-02 |
| CN117496689B CN117496689B (zh) | 2024-05-24 |
Family
ID=89680443
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311850374.8A Active CN117496689B (zh) | 2023-12-29 | 2023-12-29 | 混行交通环境下连续信号交叉口车队协同控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117496689B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103956045A (zh) * | 2014-05-13 | 2014-07-30 | 中国人民解放军军事交通学院 | 利用半实物仿真技术手段实现车队协同驾驶的方法 |
| WO2017015951A1 (zh) * | 2015-07-28 | 2017-02-02 | 苏州大学张家港工业技术研究院 | 基于车路协同的无控交叉口车辆通行引导系统及其引导方法 |
| CN113345253A (zh) * | 2021-04-01 | 2021-09-03 | 武汉旭云智慧交通有限公司 | 车流阵列与信号协同控制系统 |
| CN114360269A (zh) * | 2020-10-12 | 2022-04-15 | 上海丰豹商务咨询有限公司 | 一种智能网联道路支持下的自动驾驶协同控制系统和方法 |
| CN116524745A (zh) * | 2023-05-10 | 2023-08-01 | 重庆邮电大学 | 一种云边协同区域交通信号动态配时系统及方法 |
| CN116740945A (zh) * | 2023-08-11 | 2023-09-12 | 苏州观瑞汽车技术有限公司 | 混行环境下快速路合流区多车协同编组交汇方法及系统 |
| CN116895163A (zh) * | 2023-06-01 | 2023-10-17 | 苏州观瑞汽车技术有限公司 | 基于信号灯主动通信的多车协同控制方法和系统 |
-
2023
- 2023-12-29 CN CN202311850374.8A patent/CN117496689B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103956045A (zh) * | 2014-05-13 | 2014-07-30 | 中国人民解放军军事交通学院 | 利用半实物仿真技术手段实现车队协同驾驶的方法 |
| WO2017015951A1 (zh) * | 2015-07-28 | 2017-02-02 | 苏州大学张家港工业技术研究院 | 基于车路协同的无控交叉口车辆通行引导系统及其引导方法 |
| CN114360269A (zh) * | 2020-10-12 | 2022-04-15 | 上海丰豹商务咨询有限公司 | 一种智能网联道路支持下的自动驾驶协同控制系统和方法 |
| CN113345253A (zh) * | 2021-04-01 | 2021-09-03 | 武汉旭云智慧交通有限公司 | 车流阵列与信号协同控制系统 |
| CN116524745A (zh) * | 2023-05-10 | 2023-08-01 | 重庆邮电大学 | 一种云边协同区域交通信号动态配时系统及方法 |
| CN116895163A (zh) * | 2023-06-01 | 2023-10-17 | 苏州观瑞汽车技术有限公司 | 基于信号灯主动通信的多车协同控制方法和系统 |
| CN116740945A (zh) * | 2023-08-11 | 2023-09-12 | 苏州观瑞汽车技术有限公司 | 混行环境下快速路合流区多车协同编组交汇方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117496689B (zh) | 2024-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111768637B (zh) | 一种信号交叉口交通信号灯和车辆轨迹控制方法 | |
| 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 | |
| Zhao et al. | Cellular automata model for traffic flow at intersections in internet of vehicles | |
| CN110910663A (zh) | 一种车路协同环境下多智能车交叉口通行协调控制方法 | |
| CN114973733B (zh) | 一种信号交叉口处混合流下网联自动车轨迹优化控制方法 | |
| CN107248297B (zh) | 一种车路协同环境下交叉口栅格化信号相位时长计算方法 | |
| CN114495547B (zh) | 一种面向自动驾驶汽车的信号交叉口协同通行方法 | |
| CN115273500B (zh) | 一种信号交叉口网联车辆轨迹优化引导方法及系统 | |
| CN113312752B (zh) | 一种主路优先控制交叉口交通仿真方法及装置 | |
| CN115565390B (zh) | 智能网联汽车多车道队列通行控制方法、系统及计算机可读存储介质 | |
| CN112017439B (zh) | 一种自动驾驶交叉口行人过街摆渡车控制方法 | |
| CN116895163A (zh) | 基于信号灯主动通信的多车协同控制方法和系统 | |
| CN116740945B (zh) | 混行环境下快速路合流区多车协同编组交汇方法及系统 | |
| CN113516854A (zh) | 一种基于卡警、视频检测器的多路口协调自适应控制方法 | |
| CN115641717B (zh) | 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 | |
| CN112258864B (zh) | 基于顺序选择的自动驾驶车辆路口调度方法及系统 | |
| Li et al. | Enhancing cooperation of vehicle merging control in heavy traffic using communication-based soft actor-critic algorithm | |
| CN113034955B (zh) | 一种自适应巡航车队通过信号路口的通行方法及装置 | |
| CN117671978A (zh) | 一种基于多智能体强化学习的车辆编队与信号灯协同控制方法及系统 | |
| CN117496689B (zh) | 混行交通环境下连续信号交叉口车队协同控制方法及系统 | |
| Zou et al. | Vehicle trajectory control and signal timing optimization of isolated intersection under V2X environment | |
| CN114360290B (zh) | 一种基于强化学习的交叉口前车辆群体车道选择方法 | |
| Zhang et al. | Cooperative behaviors of connected autonomous vehicles and pedestrians to provide safe and efficient traffic in industrial sites | |
| CN114550456A (zh) | 基于强化学习的城市交通堵塞调度方法 | |
| Wang et al. | Coupled Control of Traffic Signal and Connected Autonomous Vehicles at Signalized Intersections |
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 |