CN1971655A - 利用智能交通信息的减缓交通拥堵方法 - Google Patents
利用智能交通信息的减缓交通拥堵方法 Download PDFInfo
- Publication number
- CN1971655A CN1971655A CN 200610119254 CN200610119254A CN1971655A CN 1971655 A CN1971655 A CN 1971655A CN 200610119254 CN200610119254 CN 200610119254 CN 200610119254 A CN200610119254 A CN 200610119254A CN 1971655 A CN1971655 A CN 1971655A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- traffic
- intelligent transportation
- 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.)
- Pending
Links
Images
Abstract
一种用于智能交通技术领域的利用智能交通信息的减缓交通拥堵方法。步骤如下:(1)交通情形设定;(2)选取参数值;(3)获取所有车辆的初始状态,车辆n在时刻t的状态由其所在位置xn (t)、速度vn (t)以及加速度an (t)共同定义,n=1,…,N,N为所有车辆的总数;(4)考察t>0时车辆队列的运动状态,假定干扰车按照预先指定的方案运动,而车辆队列中的车辆按照基于智能交通信息调节的方法进行跟驰运行,考察t>0时所有车辆的运动状态车辆的速度与位置:xn (t)、vn (t)和an (t),n=1,…,N。本发明减缓运动过程中出现交通拥堵的现象,因此在当满足模拟交通拥堵产生和传播条件时可以有效地减缓和防止交通拥堵的出现。
Description
技术领域
本发明涉及的是一种交通运输技术领域的方法,具体是一种利用智能交通信息的减缓交通拥堵方法,可广泛应用于单车道车辆模拟运行、无人车辆的自主驾驶、智能交通系统、交通控制与管理等领域。
背景技术
随着经济增长,城市化进程的加快以及汽车数量的急剧增加,导致城市交通拥挤、阻塞现象日益恶化,由此引发的事故、噪声和环境污染等已成为日益严重的社会问题,即使是交通设施十分发达的国家,也无法避免日益尖锐的交通问题。然而在现实的生活中仅仅靠不断扩大交通路网,不仅消耗大量的人力、物力,而且由于道路里程的增长速度往往落后于汽车增长的速度,仍然不能从根本上解决交通问题,经过长期和广泛的研究,很多科学家解决交通拥堵问题已经开始从主要依靠修建更多的道路、扩大路网规模来解决日益增长的交通需求,逐渐转移到用高新技术来改造现有的道路运输系统及其管理体系,从而大幅度地提高了路网的通行能力和减缓交通拥堵。在我国北京、上海作为特大型城市,随着城市规模的快速扩大,城市人口和车辆迅速增加,车、人和路之间的矛盾日益突出,城市交通已成为城市发展的“瓶颈”,因此,减缓交通拥堵已经成为未来城市发展定位的关键点。
经对现有技术文献的检索发现,M.Bando等在《Physical Review E》(物理评论E辑)(1995,51:1035-1042)上发表的(“Dynamical model of trafficcongestion and numerical simulation”)(“交通拥塞动态模型及数值仿真”)一文,在该文中第一次运用跟驰模型模拟了实际交通流的许多定性特征,如交通失稳、堵塞演化、走走停停等,并分析了交通拥堵现象产生的原因。随后很多相应的模型也被提出来对交通车流行为特点进行了详细的研究,重点阐述了交通拥堵沿着交通车流传播等重要特性。然而在上述所有研究工作中,都只是表述了现实交通活动中交通拥堵现象的出现及其原因,没有提出目前迫切需要解决的减缓和防止交通拥堵方法。
发明内容
本发明的目的在于克服现有技术中的不足,本发明给出了一种利用智能交通信息的减缓交通拥堵方法。在智能交通系统中,每一辆车都可以通过控制中心得到其他车辆的信息,在得到其他车辆的信息的基础上,确定适合自身的车辆最优驾驶方式。本发明中提到的减缓交通拥堵方法正是利用该类智能交通信息,给出了车辆行驶的最佳控制方式,在满足拥堵产生和传播交通情形时可以起到减缓和防止交通拥堵的效果。
本发明通过以下技术方案实现,本发明的方法步骤如下:
(1)交通情形设定,通过运动可控的车辆来设定需要模拟的交通情形;
(2)选取参数值,根据设定的交通情形选取描述本发明运动方程中未知参数的取值,包括参数速度驾驶员反应时间的倒数k、调节系数λ,和经过标定的最优速度函数;
(3)获取所有车辆的初始状态,车辆n在时刻t(t≥0)的状态由其所在位置xn(t)、速度vn(t)以及加速度an(t)共同定义,n=1,…,N,N为所有车辆的总数,在这一步骤中t=0,即确定xn(t)、vn(t)和an(t),n=1,…,N;
(4)考察t>0时车辆队列的运动状态,假定干扰车按照预先指定的方案运动,而车辆队列中的车辆按照基于智能交通信息的驾驶方法进行跟驰驾驶,考察t>0时所有车辆的运动状态车辆的速度与位置:xn(t)、vn(t)和an(t),n=1,…,N。
所述的基于智能交通信息的减缓交通拥堵的驾驶方法,其运动方程:
其中:n=1,…,N;V(x)为优化速度函数;αl为权值系数,λ为正常数,表示模型中考虑的所有前面驾驶员为适应当前交通状况而进行的调节系数。k为驾驶员敏感系数,其他参数分别被标定为:k=0.85s-1,V1=6.75m/s,V2=7.91m/s,C1=0.13m-1,和C2=1.57。
所有车辆的速度与位置,按照一定的规则更新,其计算公式:
速度:vn(t+Δt)=vn(t)+an(t)×Δt,n=1,…,N;
位置:
n=1,…,N。
其中Δt为加速度调节时间。
相较于传统的单车辆驾驶方式,本发明中车辆驾驶的运动方程中对速度差项进行调整,在运动中综合了前述车辆的速度信息(即运动方程右面第二项)。
基于智能交通信息的减缓交通拥堵方法具体含义是:当驾驶员发现其前进方向上n辆车得到的综合速度比他快时,他总是希望加快自己的速度,并且车头间距越大,获得刺激的值越大以获得较大的加速度(或较小的减速度);反之当驾驶员发现其前进方向上n辆车得到的综合速度比他慢时,他会减慢速度以避免碰撞,这时,车头间距越小,获得刺激的值越小以获得较小的加速度(或较大的减速度)。
本发明,加速度调节时间Δt的加入表示:驾驶员根据t时刻的刺激和t时刻的调节来决定时刻t+Δt的行为。实际上,在时刻t,若前面n辆车的综合速度大于跟车速度,则进行了基于智能交通信息调节的速度差项的取值在时刻t+Δt应该为正以得到更大的加速度或更小的减速度,并且在时刻t的车头间距越大,取值也应该越大;反之,在时刻t,若前面n辆车的综合速度小于跟车速度,则基于智能交通信息调节的速度差项在时刻t+Δt应该为负以得到更小的加速度或更大的减速度,同样在时刻t的车头间距越大,取值也应该越大。
本发明方法使得当满足模拟交通拥堵产生和传播条件时,可以减缓和防止交通拥堵的出现,并且易于理解和处理。
附图说明
图1.运用本发明中的减缓交通拥堵方法得到的车辆在t=10000s~10150s时的所有车辆车间距的时空演化图(k=2,λ=1),(a)n=0,(b)n=1,(c)n=2,(d)n=3。
图2.运用本发明减缓交通拥堵方法得到的车辆在t=10000s时的所有车辆车间距(k=2,λ=1),(a)n=0,(b)n=1,(c)n=2,(d)n=3。
图3.本发明中实施例2中车辆队列驾驶运动图示
具体实施方式
为了更好地理解本发明提出的方法,选取一种典型的交通状况来进行模拟,结合附图1、2、3与实施例作进一步详细的叙述。
(1)交通情形设定:在一条长度为400米的环形道路上选取100辆正匀速行驶的车辆队列,车间距均为h0=4m;设定零时刻(初始时刻)时在车辆队列队列中其中引导车辆出现了小的扰动,车辆总数为N=100,引导车编号为1,按行驶方向依次为车辆编号。
(2)选取参数值:本发明采用一个单调上升的最优速度函数如下:
V(Δxj(t))=tanh(Δxj(t)-hc)+tanh(hc)
其中hc为车辆的安全间距,本发明设定为4m,设定的K=2,λ=1。
(3)获取所有车辆的初始状态:根据步骤(1)和(2),令:
Δxj(0)=Δxj(1)=4.0m,(j≠50,51)
Δxj(0)=Δxj(1)=4.0-0.1,(j=50)
Δxj(0)=Δxj(1)=4.0+0.1,(j=51)
(4)首先,选取本发明中基于智能交通信息的减缓交通拥堵的方法来确定所有车辆的驾驶方式。图1(a)和图2(a)为不考虑前面任何车辆速度差信息的情况下各车辆在10000秒后各车辆车间距演化图,从图中可知,当车辆经过足够长时间后,因车辆密度落在不稳定区域而形成了重度的走走停停交通。图1(b)和图2(b)是在考虑前面一辆车的速度差信息后各车辆车间距演化图,在这里可以发现走走停停交通依然出现,但是程度得到了缓解。图1(c)和图1(d)为分别考虑前面2辆车和三辆车在相同条件下车辆运行的演化图,图2(c)和图2(d)是所有车辆在10000秒时刻车辆的车间距,从这里可以清晰地看出随着更多车辆的速度差信息的引入,交通拥堵得到了有效的缓解和节制,特别是当考虑前面3辆车的情况下交通拥堵现象已经消失。
Claims (4)
1、一种利用智能交通信息的减缓交通拥堵方法,其特征在于,包括如下步骤:
(1)交通情形设定;
(2)选取参数值;
(3)获取所有车辆的初始状态,车辆n在时刻t的状态由其所在位置xn(t)、速度vn(t)以及加速度an(t)共同定义,n=1,…,N,N为所有车辆的总数,其中t≥0,在这一步骤中t=0,即确定xn(t)、vn(t)和an(t),n=1,…,N;
(4)考察t>0时车辆队列的运动状态,假定干扰车按照预先指定的方案运动,各车辆能够接收到别的车辆的交通信息,而车辆队列中的车辆按照基于智能交通信息调节的方法进行跟驰运行,考察t>0时所有车辆的运动状态车辆的速度与位置:xn(t)、vn(t)和an(t),n=1,…,N;
所述的基于智能交通信息调节的控制方法,其运动方程:
其中:n=1,…,N;V(x)为优化速度函数;λ为前面各车辆的速度差总和项的调节系数,k为敏感系数。
2、根据权利要求1所述的利用智能交通信息的减缓交通拥堵方法,其特征是,所述的步骤(1),是指:通过运动可控的干扰车来设定需要模拟的交通情形设定。
3、根据权利要求1所述的利用智能交通信息的减缓交通拥堵方法,其特征是,所述的步骤(2),根据设定的交通情形选取描述基于智能交通信息的车辆驾驶方式的运动方程中未知参数的取值,包括参数速度驾驶员反应时间的倒数k、调节系数λ,和经过标定的最优速度函数。
4、根据权利要求1所述的利用智能交通信息的减缓交通拥堵方法,其特征是,所述的所有车辆的速度与位置,其计算公式:
速度:vn(t+Δt)=vn(t)+an(t)×Δt,n=1,…,N;
位置:
,n=1,…,N。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200610119254 CN1971655A (zh) | 2006-12-07 | 2006-12-07 | 利用智能交通信息的减缓交通拥堵方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200610119254 CN1971655A (zh) | 2006-12-07 | 2006-12-07 | 利用智能交通信息的减缓交通拥堵方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1971655A true CN1971655A (zh) | 2007-05-30 |
Family
ID=38112448
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200610119254 Pending CN1971655A (zh) | 2006-12-07 | 2006-12-07 | 利用智能交通信息的减缓交通拥堵方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1971655A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105957367A (zh) * | 2016-06-02 | 2016-09-21 | 西安费斯达自动化工程有限公司 | 基于图像检测与多车间距约束模型的交通信号控制方法 |
CN106143656A (zh) * | 2016-07-20 | 2016-11-23 | 清华大学 | 智能复合交通系统 |
CN106558225A (zh) * | 2015-09-29 | 2017-04-05 | 奥迪股份公司 | 检测位于机动车辆的前方的低速移动车辆 |
CN107305739A (zh) * | 2016-04-22 | 2017-10-31 | 沃尔沃汽车公司 | 用于为交通灯辅助应用提供对队列长度的适应的装置和方法 |
CN109808690A (zh) * | 2019-02-27 | 2019-05-28 | 禾多科技(北京)有限公司 | 自动驾驶中基于目标点距离定点停车速度平滑规划方法 |
CN111047853A (zh) * | 2020-01-10 | 2020-04-21 | 湖南大学 | 一种保障交通流稳定的车辆编队控制方法和系统 |
-
2006
- 2006-12-07 CN CN 200610119254 patent/CN1971655A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106558225A (zh) * | 2015-09-29 | 2017-04-05 | 奥迪股份公司 | 检测位于机动车辆的前方的低速移动车辆 |
CN107305739A (zh) * | 2016-04-22 | 2017-10-31 | 沃尔沃汽车公司 | 用于为交通灯辅助应用提供对队列长度的适应的装置和方法 |
US11055995B2 (en) | 2016-04-22 | 2021-07-06 | Volvo Car Corporation | Arrangement and method for providing adaptation to queue length for traffic light assist-applications |
CN105957367A (zh) * | 2016-06-02 | 2016-09-21 | 西安费斯达自动化工程有限公司 | 基于图像检测与多车间距约束模型的交通信号控制方法 |
CN106143656A (zh) * | 2016-07-20 | 2016-11-23 | 清华大学 | 智能复合交通系统 |
CN106143656B (zh) * | 2016-07-20 | 2018-11-09 | 清华大学 | 智能复合交通系统 |
CN109808690A (zh) * | 2019-02-27 | 2019-05-28 | 禾多科技(北京)有限公司 | 自动驾驶中基于目标点距离定点停车速度平滑规划方法 |
CN111047853A (zh) * | 2020-01-10 | 2020-04-21 | 湖南大学 | 一种保障交通流稳定的车辆编队控制方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113781806B (zh) | 一种用于智能网联环境下的混合交通流通行方法 | |
Khan et al. | Modeling heterogeneous traffic flow | |
WO2016169290A1 (zh) | 一种面向道路交通事故应急处置的决策支持系统及方法 | |
Yao et al. | Reducing gasoline consumption in mixed connected automated vehicles environment: A joint optimization framework for traffic signals and vehicle trajectory | |
CN109410561B (zh) | 一种高速路车辆匀异质编队行驶控制方法 | |
CN1971655A (zh) | 利用智能交通信息的减缓交通拥堵方法 | |
Ala et al. | Modeling evaluation of eco–cooperative adaptive cruise control in vicinity of signalized intersections | |
Zohdy et al. | Enhancing roundabout operations via vehicle connectivity | |
Yu et al. | An eco-driving strategy for partially connected automated vehicles at a signalized intersection | |
CN106384521A (zh) | 一种基于公交优先的单交叉口交通信号优化控制方法 | |
Mittal et al. | Network flow relations and travel time reliability in a connected environment | |
Cheng et al. | Enhancing mixed traffic flow safety via connected and autonomous vehicle trajectory planning with a reinforcement learning approach | |
Hu et al. | A generic approach to eco-driving of connected automated vehicles in mixed urban traffic and heterogeneous power conditions | |
CN113223324A (zh) | 高速匝道入口合流的控制方法 | |
Ren et al. | An intersection platoon speed control model considering traffic efficiency and energy consumption in cvis | |
Smirnov et al. | Hydrodynamic traffic flow models and its application to studying traffic control effectiveness | |
Qu et al. | The departure characteristics of traffic flow at the signalized intersection | |
Hua | A new car-following model considering recurrent neural network | |
CN113313939A (zh) | 一种考虑加速度连续的单车道元胞自动机模型仿真方法 | |
Jiang et al. | Empirical study of phantom traffic jams on urban expressway | |
Dong et al. | Model of platoon evolution in lvm scenario | |
Yang et al. | Eco-driving over multi-signal road segments considering traffic flow constraints | |
Zhang et al. | Modeling and optimization of platooning behaviors in fixed-time signalized intersection entrance areas | |
Liu et al. | Fuel Consumption Evaluation of Connected Automated Vehicles under Rear-End Collisions | |
Zhang et al. | Cooperative adaptive cruise control for connected and automated vehicles under a moving bottleneck |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |