CN108961784A - 一种自动驾驶下车速与交叉口信号双向控制方法 - Google Patents

一种自动驾驶下车速与交叉口信号双向控制方法 Download PDF

Info

Publication number
CN108961784A
CN108961784A CN201810647021.0A CN201810647021A CN108961784A CN 108961784 A CN108961784 A CN 108961784A CN 201810647021 A CN201810647021 A CN 201810647021A CN 108961784 A CN108961784 A CN 108961784A
Authority
CN
China
Prior art keywords
vehicle
speed
green light
intersection
phase
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.)
Withdrawn
Application number
CN201810647021.0A
Other languages
English (en)
Inventor
吴伟
刘洋
王佳谈
杨晓光
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.)
Jiangsu Jitong Intelligent Technology Co Ltd
Original Assignee
Jiangsu Jitong Intelligent Technology Co Ltd
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 Jiangsu Jitong Intelligent Technology Co Ltd filed Critical Jiangsu Jitong Intelligent Technology Co Ltd
Priority to CN201810647021.0A priority Critical patent/CN108961784A/zh
Publication of CN108961784A publication Critical patent/CN108961784A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G08G1/08—Controlling traffic signals according to detected number or speed 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
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • 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
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种自动驾驶下车速与交叉口信号双向控制方法，针对自动驾驶下采用标准双环结构的信号控制交叉口，首先实时采集并输入自动驾驶车辆的位置、行驶车速、当前信号状态等参数，建立红灯和绿灯两种控制模型，进而计算理论车速，并结合车速约束条件计算实际车速、车辆到达时刻。根据延误模型计算控制延误、排队延误和信号延误，并以总延误值最小为目标，采用滚动时间窗的方法，动态优化并确定自动驾驶车辆的最佳车速、各相位绿灯开始时刻及绿灯持续时间。本发明方法主要通过对车速和信号的双向控制，克服现有基于车辆到达优化信号配时的单向控制的不足，提升自动驾驶下交叉口的通行效率，降低通行延误。

Description

一种自动驾驶下车速与交叉口信号双向控制方法
技术领域
本发明属于智能交通领域，涉及城市道路针对自动驾驶车辆的交通管控技术领域，更具体地说，涉及一种自动驾驶下车速与交叉口信号双向控制方法。
背景技术
随着科技的发展，自动驾驶已成为交通领域研究和实践的热点领域。上海、深圳、杭州等城市在自动驾驶方面做出许多探索。其中深圳在2017年12月2日首次在开放道路上试运行了全球首批自动驾驶公交车；上海市在2018年3月1日出台《上海市智能网联汽车道路测试管理办法(试行)》，发出第一批智能网联汽车道路测试牌照，建立国内首个国家级智能网联汽车(上海)试点示范区封闭测试；浙江省批复的杭绍甬超级高速公路为无人驾驶提供试验田。
目前，诸如谷歌、Apple、梅赛德斯-奔驰、百度、腾讯、特斯拉、英特尔、英伟达等国内外巨头企业都在积极地开发无人驾驶汽车，研发相关技术。可以预见，无人驾驶汽车将逐步被广泛应用于各个领域。而自动驾驶汽车在城市道路中运行，如何在交叉口处保障其高效运行，显得至关重要。
在自动驾驶环境下，车辆与车辆、车辆与信号控制***之间已能突破现有“检测器→控制***”的单向信息传递，基于车联网、物联网技术实现实时双向通信，一方面，车辆能将车辆轨迹级数据(实时位置、速度、加速度、路径、延误等)传递给控制***；另一方面，控制***也能将控制参数(绿灯开始时刻、持续时间等)传递给车辆。这为实现车速和交叉口信号双向控制提供了有力的技术支持。借助车路间的双向通信实现双向信息交互，可以实现对自动驾驶车辆的主动控制，使车辆以合适的速度在最佳时刻到达交叉口，配合信号配时方案，达到交通控制效益更优的目的。
经对现有技术的文献检索发现，现有交叉***通控制方式主要有以下两种：①基于车辆到达驱动的单向控制。即根据检测/预测车辆到达，调整信号配时用以适应车辆的到达；②在信号配时方案固定的情况下，利用信息手段控制车辆的行驶车速。方法①改变信号配时，势必导致下游交叉口车辆到达的改变，从而进入交通流的波动导致控制方案的变化，控制方案的变化又导致交通流更大波动的恶性循环。方法②对车辆到达时刻和信号控制参数分开优化，即先将控制参数确定后，再优化车辆的到达时刻，导致其无法获得最优解。
发明内容
技术问题：针对基于车辆到达驱动的单向控制方式的不足，本发明的目的是提供一种自动驾驶下车速与交叉口信号双向控制方法，将车辆到达时刻与配时参数同时作为控制变量，同时作为控制方案的输出参数，在优化得到最佳到达时刻后，控制车辆在此最佳时刻到达交叉口。克服现有控制方式在优化信号配时参数时需已知车辆到达的不足，促进交通控制由单向控制向双向控制转变，提高交叉口运行效率。
技术方案：为解决上述技术问题，本发明的自动驾驶下车速与交叉口信号双向控制方法，包括如下步骤：
步骤1：确定交叉口各相位的交通流量，车道数，相位相序、最大和最小绿灯时间，最高速度和最低行驶车度，交通波传播速度等。
步骤2：采用标准双环结构对交叉口进行信号控制。
步骤3：根据各相位不同的交通状态，建立红灯和绿灯两种控制模型，并计算理论车速。
步骤4：根据理论车速，结合车速约束条件计算实际车速、车辆到达时刻。
步骤5：根据延误预测模型计算总延误。
步骤6：根据总延误值最小的目标函数，确定最佳车速、绿灯开始时间、绿灯持续时间。
本发明中，步骤2采用标准双环结构对交叉口进行信号控制，包括如下步骤：
步骤21：交叉口信号控制的标准双环结构如图3所示。其中图3(左)表示了交叉口的基本形状以及相位在各个进口道的分布，图3(右)表示了每个环包含的相位，其中第一个环包含相位1、2、3、4，第二个环包含相位5、6、7、8。且所有相位被分为两组，第一组为相位1、2、5、6，第二组为相位3、4、7、8，第一组的所有相位停止之后才能开始运行第二组的相位。具体步骤如公式(1)-(14)所示：
t(i，1，1)＝0 (1)
t(i，5，1)＝0 (2)
t(i，2，k)＝t(i，1，k)+v(i，1，k) (3)
t(i，6，k)＝t(i，5，k)+v(i，5，k) (4)
t(i，3，k)＝t(i，2，k)+v(i，2，k) (5)
t(i，3，k)＝t(i，6，k)+v(i，6，k) (6)
t(i，7，k)＝t(i，2，k)+v(i，2，k) (7)
t(i，7，k)＝t(i，6，k)+v(i，6，k) (8)
t(i，4，k)＝t(i，3，k)+v(i，3，k) (9)
t(i，8，k)＝t(i，7，k)+v(i，7，k) (10)
t(i，1，k+1)＝t(i，4，k)+v(i，4，k) (11)
t(i，1，k+1)＝t(i，8，k)+v(i，8，k) (12)
t(i，5，k+1)＝t(i，4，k)+v(i，4，k) (13)
t(i，5，k+1)＝t(i，8，k)+v(i，8，k) (14)
式中：(i，p，j)表示交叉口i相位p车辆j；t(i，p，k)表示交叉口i相位p第k个周期的绿灯启亮时刻；v(i，p，k)交叉口i相位p第k个周期的相位持续时间，等于绿灯时长g(i，p，k)与绿间隔时长之和。上述公式中将相位1和相位5作为计算开始点，相位2绿灯开始时刻t(i，2，k)等于相位1的绿灯开始时刻t(i，1，k)加上相位1的持续时间v(i，1，k)。
步骤22：各相位绿灯时长需满足最大绿灯时长gmax、最小绿灯时长gmin约束，如公式(15)所示。
gmin≤g≤gmax (15)
本发明中，步骤3根据各相位不同的交通状态，建立红灯和绿灯两种控制模型，并计算理论车速包括如下步骤：
步骤31：车辆请求相位为黄灯或红灯，或虽为绿灯，但排队仍未消散，在此情形下建立的模型为“红灯控制模型”。其策略为最大程度控制车速，使车辆行驶至排队队尾时，启动波正好传递至队尾，即队尾车辆正好开始启动，车辆跟随排队队尾车辆顺利通过交叉口。以最大排队长度为车速控制参考点。其理论车速计算如公式(16)所示：
式中：分子表示车辆与停车线的距离减去前面的车辆所占用的道路空间，分母表示排队车辆的最后一辆车由于绿灯信号开始前进的时刻距离现在时刻的时间长。；Vt为理论车速；Ld(i，p，j)表示车辆j到交叉口的距离；Ls(i，p，j)表示车辆j的车身长度；Vs表示启动(消散)波传播波速；tn表示当前时刻。
步骤32：当车辆请求相位为绿灯，且排队已经消散，在此情形下建立的模型称为“绿灯控制模型”。其策略为最大程度控制车辆，提高车速在当前周期通过，或采用降低车速在下周期通过，使车辆不停车通过交叉口。因为此时排队已经消散，车速控制的参考点为停车线。其理论车速计算如公式(17)所示：
式中：Va(i，p，j)表示车辆j的平均行驶车速。φ(i，p，j，k)为二元变量(0-1变量)，表示交叉口i相位p车辆j是否在第k个周期通过。其中φ(i，p，j，k)＝1，表示车辆j在第k个周期通过。φ(i，p，j，k)＝0，表示不在第k个周期通过。进口道的车辆要么在本周期通过交叉口，要么在下周期通过，满足公式(18)的约束。
φ(i，p，j，k)+φ(i，p，j，k+1)＝1 (18)
本发明中，步骤4根据理论车速，结合车速约束条件计算实际车速、车辆到达时刻的方法，包括如下步骤：
步骤41：计算得车速Vt＝0时说明该车辆正在排队等待。Vt≠0时车速需满足最高车速Vmax和最低车速Vmin约束。
若Vmin＜Vt＜Vmax，则实际车速Vg(i，p，j)＝Vt(i，p，j)，说明车辆能以理想车速接近交叉口，不经历停车。在绿灯控制模型下，车辆要么在本周期剩余的绿灯时间跟随前面的车辆通过交叉口，要么在下周期的绿灯通过(可参见图4)，通过停车线的时刻由公式(19)。在红灯控制模型下，车辆的到达最大排队长度时刻T(i，p，j)如公式(20)所示。
步骤42：当Vt(i，p，j)≥Vmax，则实际车速Vg(i，p，j)＝Vmax，说明当前车辆以最高限速运行，不需要停车，车辆的到达时刻T(i，p，j)如公式(21)所示。
T(i，p，j)＝tn+Ld(i，p，j)/Vmax (21)
步骤43：当0＜Vt(i，p，j)≤Vmin时，则Vg(i，p，j)＝Vmin，说明当前车辆以最低限速运行，也会经历停车等待，红灯和绿灯控制模型下T(i，p，j)分别由公式(20)(22)计算。
本发明中，步骤5根据延误预测模型计算总延误，其主要包括三个方面：①由于车速控制引起的速度变化产生的控制延误；②由于排队车辆占据空间而导致排队延误；③由于信号为非绿灯而导致的信号延误。计算包括如下步骤：
步骤51：绿灯和红灯模型下的控制延误分别使用公式(23)、(24)计算。
dc(i，p，j)＝Ld(i，p，j)/Vg(i，p，j)-Ld(i，p，j)/Va(i，p，j) (23)
步骤52：如果Vg(i，p，j)＝Vt(i，p，j)或Vg(i，p，j)＝Vmax，车辆都能顺利通过交叉口而不需要停车，则排队延误和信号延误为零。如果Vg(i，p，j)＝Vmin，排队延误dq(i，p，j)由公式(25)计算，红灯和绿灯模型下，信号延误分别由公式(26)、(27)计算，参见图5。
步骤53：总延误由公式(28)计算。
d(i，p，j)＝dc(i，p，j)+dq(i，p，j)+ds(i，p，j) (28)
本发明中，步骤6根据总延误值最小的目标函数，确定最佳车速、绿灯开始时间、绿灯持续时间，包括以下步骤：
步骤61：根据式(29)的目标函数，及约束条件(1)-(28)，优化得出交叉口各车辆的最佳车速、最佳绿灯启亮时刻和绿灯持续时长。
本发明采用滚动时间窗的优化办法，根据车辆位置和速度动态控制车辆的到达时刻，进而计算交叉口总延误，优化信号配时参数。滚动时间窗的方法如图6所示。
有益效果：本发明与现有技术相比，具有以下优点。
本发明以交叉口总延误最小为目标，建立自动驾驶环境下，基于车辆与控制***双向通信的同时优化车辆车速与信号配时参数的双向控制模型，将车速与配时参数同时作为控制变量，同时作为控制方案的输出参数，使用滚动时间窗动态优化，在优化得到最佳到达时刻后，控制车辆在此最佳时刻到达交叉口。实现同时优化车辆到达与信号配时且交叉口运行效益最大的目标。克服现有交叉口信号控制方法中需预先已知车辆到达并将其作为优化信号配时的输入，以及信号配时被动适应车辆到达变化的单向控制的不足。
附图说明
图1为本发明方法的流程图；
图2为本发明方法的研究对象示意图；
图3为信号控制相位相序图；
图4为绿灯控制时空轨迹图；
图5为排队延误和信号延误示意图；
图6为滚动时间窗优化方法示意图。
具体实施方式
结合附图和实施例，对本发明技术方案详细说明如下：
示例：选择一个城市典型交叉口为研究对象，本发明选择山东省济南市境内纬二路-经四路交叉口为发明的研究对象。
在自动驾驶环境下，在任意时刻能获知到达车辆的实时位置，实施例以第一个周期的相位1绿灯起亮时刻作为当前时刻tn，随机生成各相位自动驾驶车辆的具***置如表1所示：
表1各相位自动驾驶车辆离交叉口的距离
根据城市道路工程设计规范(CJJ37-2016)中各级道路设计速度的规定，由于选取的交叉口为主-主交叉口，则设置最低限速Vmin＝20km/h＝5.56m/s，最高限速Vmax＝60km/h＝16.67m/s。设置车辆j(j＝1......n)的平均速度Va＝40km/h＝11.12m/s，启动(消散)波传播波速Vs＝22km/h＝6.12m/s，车辆车身平均长度Ls＝5m，包含饱和车头间距。
首先，分别选取1、2、3、4四个相位中一辆车为例计算，分别是Ld(1，1，6)＝121m、Ld(1，2，6)＝147m、Ld(1，3，7)＝179m、Ld(1，4，8)＝269m。相位1、2、3、4的持续时长分别为v(1，1，1)、v(1，2，1)、v(1，3，1)、v(1，4，1)。由于以第一个周期的相位1绿灯起亮时刻作为当前时刻，则t(1，1，1)＝0。根据步骤2中公式(3)、(5)、(9)，t(1，2，1)＝v(1，1，1)，t(1，3，1)＝v(1，1，1)+v(1，2，1)，t(1，4，1)＝v(1，1，1)+v(1，2，1+v(1，3，1)。
相位1为绿灯，经计算排队在第3.8s消散，第6辆车满足绿灯控制模型的条件。根据步骤32中公式(17)计算理论车速Vt(1，1，6)＝44.85m/s＝161.46km/h，根据20km/h≤Vt≤60km/h，则实际车速Vg(1，1，6)＝60km/h，根据公式(19)算出车辆到达停车线的时刻T(1，1，6)＝7.25s。根据步骤5计算得dq(1，1，6)＝ds(1，1，6)＝dc(1，1，6)＝0。
相位2、3、4的车辆均满足红灯控制模型的条件，根据步骤31的公式(16)计算理论车速分别为Vt(1，2，6)＝122/[v(1，1，1)+4.0849]，Vt(1，3，7)＝149/[v(1，1，1)+v(1，2，1)+4.902]，Vt(1，4，8)＝149/[v(1，1，1)+v(1，2，1)+v(1，3，1)+5.72]。设置绿灯持续时长最短为10s、最长为30s，即10s≤g(i，p，k)≤30s，全红时间为2s，黄灯时间为3s，则15s≤v(i，p，k)≤35s。
根据Vt(1，2，6)＝122/[v(1，1，1)+4.0849]和15s≤v(1，1，1)≤35s，计算可得：相位2中第6辆车的理论车速为3.12m/s≤Vt(1，2，6)≤6.39m/s。
①当15s≤v(1，1，1)≤17.85s时，3.12m/s≤Vt(1，2，6)≤5.56m/s，根据步骤43可得实际车速Vg(1，2，6)＝5.56m/s。根据步骤51的公式(24)计算得控制延误dc(1，2，6)＝10.97s，根据步骤52的公式(25)(26)计算得排队延误dq(1，2，6)＝4.0849s，信号延误ds(1，2，6)＝v(1，1，1)-21.94；②当17.85s＜v(1，1，1)≤35s时，5.56m/s＜Vt(1，2，6)≤6.39m/s，根据步骤41可得实际车速Vg(1，2，6)＝Vt(1，2，6)。根据公式(20)算出该车辆的到达时刻T(1，2，6)＝v(1，1，1)+6.34s。根据步骤51的公式(24)计算得控制延误dc(1，2，6)＝v(1，1，1)-6.89s，根据步骤52计算得dq(1，2，6)＝ds(1，2，6)＝0。
根据Vt(1，3，7)＝149/[v(1，1，1)+v(1，2，1)+4.902]、15s≤v(1，1，1)≤35s和15s≤v(1，2，1)≤35s计算可得：相位3中第7辆车的理论车速为3.73m/s≤Vt(1，3，7)≤4.27m/s，根据步骤43得实际车速Vg(1，3，7)＝5.56m/s，车辆的到达时刻T(1，3，7)＝v(1，1，1)+v(1，2，1)+7.6s。根据步骤51公式(24)计算得dc(1，3，7)＝4.9s，根据步骤52计算得dq(1，3，7)＝13.4s，信号延误ds(1，3，7)＝v(1，1，1)+v(1，2，1)-26.8。
同理相位4中第8辆车的理论车速1.35m/s≤Vt(1，4，8)≤2.94m/s，则实际车速Vg(1，4，8)＝5.56m/s，车辆的到达时刻T(1，4，8)＝v(1，1，1)+v(1，2，1)+v(1，3，1)+8.87s。计算得延误分别是dq(1，4，8)＝5.72s、ds(1，4，8)＝v(1，1，1)+v(1，2，1)+v(1，3，1)-42.1s、dc(1，4，8)＝21.04s。
其次，按照上述计算过程，对表1中的车辆依次进行计算。根据步骤61公式中总延误最小的目标函数，选取的各相位持续时长分别为v(1，1，1)＝23s、v(1，2，1)＝21s、v(1，3，1)＝21s、v(1，4，1)＝21s，此时总延误为1156.598s。相位1、2、3、4的绿灯开始时刻依次是t(1，1，1)＝0s、t(1，2，1)＝23s、t(1，3，1)＝44s、t(1，4，1)＝65s，相位绿灯持续时长依次是g(1，1，1)＝18s、g(1，2，1)＝16s、g(1，3，1)＝16s、g(1，4，1)＝16s。
其中每辆车最佳行驶车速和到达时刻如表2所示：
表2车辆的最佳车速和到达交叉口时刻
最后，控制自动驾驶车辆按上表中的车速行驶，控制交叉口信号***按上述绿灯启亮时刻和绿灯持续时长执行信号配时方案，实现车速和信号的双向控制。

Claims (6)

1.一种自动驾驶下车速与交叉口信号双向控制方法，其特征在于，该方法包括如下步骤：
步骤1：确定交叉口各相位的交通流量，车道数，相位相序、最小和最大绿灯时间，最高速度和最低行驶车度，交通波传播速度等；
步骤2：采用标准双环结构对交叉口进行信号控制；
步骤3：根据各相位不同的交通状态，建立红灯和绿灯两种控制模型，并计算理论车速；
步骤4：根据理论车速，结合车速约束条件计算实际车速、车辆到达时刻；
步骤5：根据延误预测模型计算总延误；
步骤6：根据总延误值最小的目标函数，确定最佳车速、绿灯开始时间、绿灯持续时间。
2.根据权利要求1所述的一种自动驾驶下车速与交叉口信号双向控制方法，其特征在于，所述步骤2中的采用标准双环结构对交叉口进行信号控制的方法包括如下步骤：
步骤21：标准双环结构控制方法的具体步骤如公式(1)-(14)所示：
t(i，1，1)＝0 (1)
t(i，5，1)＝0 (2)
t(i，2，k)＝t(i，1，k)+v(i，1，k) (3)
t(i，6，k)＝t(i，5，k)+v(i，5，k) (4)
t(i，3，k)＝t(i，2，k)+v(i，2，k) (5)
t(i，3，k)＝t(i，6，k)+v(i，6，k) (6)
t(i，7，k)＝t(i，2，k)+v(i，2，k) (7)
t(i，7，k)＝t(i，6，k)+v(i，6，k) (8)
t(i，4，k)＝t(i，3，k)+v(i，3，k) (9)
t(i，8，k)＝t(i，7，k)+v(i，7，k) (10)
t(i，1，k+1)＝t(i，4，k)+v(i，4，k) (11)
t(i，1，k+1)＝t(i，8，k)+v(i，8，k) (12)
t(i，5，k+1)＝t(i，4，k)+v(i，4，k) (13)
t(i，5，k+1)＝t(i，8，k)+v(i，8，k) (14)
式中：(i，p，j)表示交叉口i相位p车辆j；t(i，p，k)表示交叉口i相位p第k个周期的绿灯启亮时刻；v(i，p，k)交叉口i相位p第k个周期的相位持续时间，等于绿灯时长与绿间隔时长之和，上述公式中将相位1和相位5作为计算开始点，相位2绿灯开始时刻t(i，2，k)等于相位1的绿灯开始时刻t(i，1，k)加上相位1的持续时间v(i，1，k)，
步骤22：各相位绿灯时长需满足最大绿灯时长gmax、最小绿灯时长gmin约束，如公式(15)所示：
gmin≤g≤gmax (15)。
3.根据权利要求1所述的一种自动驾驶下车速与交叉口信号双向控制方法，其特征在于，所述步骤3中的根据各相位不同的交通状态，建立红灯和绿灯两种控制模型，并计算理论车速的计算方法包括如下步骤：
步骤31：车辆请求相位为黄灯或红灯，或虽为绿灯，但排队仍未消散，在此情形下建立的模型为“红灯控制模型”，其策略为最大程度控制车速，使车辆行驶至排队队尾时，启动波正好传递至队尾，即队尾车辆正好开始启动，车辆跟随排队队尾车辆顺利通过交叉口。以最大排队长度为车速控制参考点，其理论车速计算如公式(16)所示：
式中：分子表示车辆与停车线的距离减去前面的车辆所占用的道路空间，分母表示排队车辆的最后一辆车由于绿灯信号开始前进的时刻距离现在时刻的时间长。；Vt为理论车速；Ld(i，p，j)表示车辆j到交叉口的距离；Ls(i，p，j)表示车辆j的车身长度；Vs表示启动(消散)波传播波速；tn表示当前时刻。
步骤32：当车辆请求相位为绿灯，且排队已经消散，在此情形下建立的模型称为“绿灯控制模型”。其策略为最大程度控制车辆，提高车速在当前周期通过，或采用降低车速在下周期通过，使车辆不停车通过交叉口。因为此时排队已经消散，车速控制的参考点为停车线，其理论车速计算如公式(17)所示：
式中：Va(i，p，j)表示车辆j的平均行驶车速。φ(i，p，j，k)为二元变量(0-1变量)，表示交叉口i相位p车辆j是否在第k个周期通过。其中φ(i，p，j，k)＝1，表示车辆j在第k个周期通过。φ(i，p，j，k)＝0，表示不在第k个周期通过，进口道的车辆要么在本周期通过交叉口，要么在下周期通过，满足公式(18)的约束：
φ(i，p，j，k)+φ(i，p，j，k+1)＝1 (18)。
4.根据权利要求1所述的一种自动驾驶下车速与交叉口信号双向控制方法，其特征在于，所述步骤4中根据理论车速，结合车速约束条件计算实际车速、车辆到达时刻的计算方法包括如下步骤：
步骤41：计算得车速Vt＝0时，说明该车辆正在排队等待，Vt≠0时车速需满足最高车速Vmax和最低车速Vmin约束。
若Vmin＜Vt＜Vmax，则实际车速Vg(i，p，j)＝Vt(i，p，j)，说明车辆能以理想车速接近交叉口，不经历停车。在绿灯控制模型下，车辆要么在本周期剩余的绿灯时间跟随前面的车辆通过交叉口，要么在下周期的绿灯通过，通过停车线的时刻由公式(19)，在红灯控制模型下，车辆的到达最大排队长度时刻T(i，p，j)如公式(20)所示：
步骤42：当Vt(i，p，j)≥Vmax，则实际车速Vg(i，p，j)＝Vmax，说明当前车辆以最高限速运行，不需要停车，车辆的到达时刻T(i，p，j)如公式(21)所示：
T(i，p，j)＝tn+Ld(i，p，j)/Vmax (21)
步骤43：当0＜Vt(i，p，j)≤Vmin时，则Vg(i，p，j)＝Vmin，说明当前车辆以最低限速运行，也会经历停车等待，红灯和绿灯控制模型下T(i，p，j)分别由公式(20)(22)计算：
。
5.根据权利要求1所述的一种自动驾驶下车速与交叉口信号双向控制方法，其特征在于，所述步骤5中根据延误预测模型计算总延误的计算方法包括如下步骤：
步骤51：绿灯模型下的控制延误使用公式(23)计算，红灯模型下的控制延误使用公式(24)计算：
dc(i，p，j)＝Ld(i，p，j)/Vg(i，p，j)-Ld(i，p，j)/Va(i，p，j) (23)
步骤52：如果Vg(i，p，j)＝Vt(i，p，j)或Vg(i，p，j)＝Vmax，车辆都能顺利通过交叉口而不需要停车，则排队延误和信号延误为零，如果Vg(i，p，j)＝Vmin，排队延误dq(i，p，j)由公式(25)计算，红灯和绿灯模型下，信号延误分别由公式(26)、(27)计算：
步骤53：总延误由公式(28)计算。
d(i，p，j)＝dc(i，p，j)+dq(i，p，j)+ds(i，p，j) (28)。
6.根据权利要求1所述的一种自动驾驶下车速与交叉口信号双向控制方法，其特征在于，所述步骤6中根据总延误值最小的目标函数，确定最佳车速、绿灯开始时间、绿灯持续时间的计算方法包括如下步骤：
步骤61：根据式(29)的目标函数，及约束条件(1)-(28)，优化得出交叉口各车辆的最佳车速、最佳绿灯启亮时刻和绿灯持续时长：
。
CN201810647021.0A 2018-06-11 2018-06-11 一种自动驾驶下车速与交叉口信号双向控制方法 Withdrawn CN108961784A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810647021.0A CN108961784A (zh) 2018-06-11 2018-06-11 一种自动驾驶下车速与交叉口信号双向控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810647021.0A CN108961784A (zh) 2018-06-11 2018-06-11 一种自动驾驶下车速与交叉口信号双向控制方法

Publications (1)

Publication Number Publication Date
CN108961784A true CN108961784A (zh) 2018-12-07

Family

ID=64491088

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810647021.0A Withdrawn CN108961784A (zh) 2018-06-11 2018-06-11 一种自动驾驶下车速与交叉口信号双向控制方法

Country Status (1)

Country Link
CN (1) CN108961784A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110930691A (zh) * 2019-10-23 2020-03-27 浙江大学 一种全自动驾驶环境下网络交通流双层控制方法
CN112017440B (zh) * 2020-10-26 2021-01-12 长沙理工大学 一种面向自动驾驶环境下交叉***通控制的迭代算法
CN113359779A (zh) * 2021-07-22 2021-09-07 长沙理工大学 一种考虑节能减排的自动驾驶车辆速度控制方法
CN113593275A (zh) * 2021-07-09 2021-11-02 同济大学 一种基于公交信号优先的交叉口网联自动驾驶方法
CN113628459A (zh) * 2021-09-23 2021-11-09 西南交通大学 一种面向间歇式公交车道的预约交叉口公交优先方法
CN113763726A (zh) * 2021-09-10 2021-12-07 北京航空航天大学 一种面向网联自动驾驶混行环境的交叉口信号优化方法
CN114937360A (zh) * 2022-05-19 2022-08-23 南京逸刻畅行科技有限公司 一种智能网联汽车队列信号交叉口通行引导方法
CN115798226B (zh) * 2022-10-19 2024-05-03 公安部交通管理科学研究所 一种基于绿灯利用率的信号控制优化方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104575034A (zh) * 2015-01-19 2015-04-29 浙江大学 一种基于卡口数据的单点交叉口信号配时参数优化方法
CN107085955A (zh) * 2016-08-25 2017-08-22 苏州华川交通科技有限公司 基于车辆排队长度的交叉口信号配时优化方法
KR101786236B1 (ko) * 2015-12-08 2017-10-17 현대자동차주식회사 Cacc 시스템이 구비된 차량의 주행 방법
CN107331182A (zh) * 2017-07-13 2017-11-07 北京航空航天大学 一种面向连续信号交叉口的网联环境下自动驾驶车速控制方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104575034A (zh) * 2015-01-19 2015-04-29 浙江大学 一种基于卡口数据的单点交叉口信号配时参数优化方法
KR101786236B1 (ko) * 2015-12-08 2017-10-17 현대자동차주식회사 Cacc 시스템이 구비된 차량의 주행 방법
CN107085955A (zh) * 2016-08-25 2017-08-22 苏州华川交通科技有限公司 基于车辆排队长度的交叉口信号配时优化方法
CN107331182A (zh) * 2017-07-13 2017-11-07 北京航空航天大学 一种面向连续信号交叉口的网联环境下自动驾驶车速控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
修伟杰等: "基于VisVAP的改进双环相位感应控制", 《交通标准化》 *
李鹏凯等: "车路协同环境下信号交叉口车速引导建模与仿真", 《交通信息与安全》 *
龙科军等: "城市道路干线信号协调控制与车速引导集成优化", 《长安大学学报（自然科学版）》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110930691A (zh) * 2019-10-23 2020-03-27 浙江大学 一种全自动驾驶环境下网络交通流双层控制方法
CN112017440B (zh) * 2020-10-26 2021-01-12 长沙理工大学 一种面向自动驾驶环境下交叉***通控制的迭代算法
CN113593275A (zh) * 2021-07-09 2021-11-02 同济大学 一种基于公交信号优先的交叉口网联自动驾驶方法
CN113359779A (zh) * 2021-07-22 2021-09-07 长沙理工大学 一种考虑节能减排的自动驾驶车辆速度控制方法
CN113359779B (zh) * 2021-07-22 2022-06-28 长沙理工大学 一种考虑节能减排的自动驾驶车辆速度控制方法
CN113763726A (zh) * 2021-09-10 2021-12-07 北京航空航天大学 一种面向网联自动驾驶混行环境的交叉口信号优化方法
CN113628459A (zh) * 2021-09-23 2021-11-09 西南交通大学 一种面向间歇式公交车道的预约交叉口公交优先方法
CN114937360A (zh) * 2022-05-19 2022-08-23 南京逸刻畅行科技有限公司 一种智能网联汽车队列信号交叉口通行引导方法
CN115798226B (zh) * 2022-10-19 2024-05-03 公安部交通管理科学研究所 一种基于绿灯利用率的信号控制优化方法

Similar Documents

Publication Publication Date Title
CN108961784A (zh) 一种自动驾驶下车速与交叉口信号双向控制方法
CN114495527B (zh) 一种混合交通环境下网联交叉口车路协同优化方法及***
CN105976621B (zh) 一种基于车辆速度诱导策略引导车辆不停车通过交叉口的装置及方法
Xia et al. Dynamic eco-driving for signalized arterial corridors and its indirect network-wide energy/emissions benefits
Lin et al. An enhanced 0-1 mixed-integer LP formulation for traffic signal control
CN108510764A (zh) 一种基于q学习的多路口自适应相位差协调控制***及方法
CN104240523B (zh) 城市干道绿波控制方法
CN104464310B (zh) 城市区域多交叉口信号协同优化控制方法及***
CN109785619A (zh) 区域交通信号协调优化控制***及其控制方法
Zyryanov et al. Simulation study of intermittent bus lane and bus signal priority strategy
CN108428348A (zh) 一种道路交通优化方法、装置以及电子设备
CN104298540B (zh) 一种微观交通仿真软件的底层模型参数校正方法
CN110766211A (zh) 一种实时路况下的车辆路径规划问题模型创建方法
Li et al. Traffic signal timing optimization in connected vehicles environment
Askari et al. Measuring impact of adaptive and cooperative adaptive cruise control on throughput of signalized intersections
CN115565390B (zh) 智能网联汽车多车道队列通行控制方法、***及计算机可读存储介质
CN112967493A (zh) 一种基于神经网络的车辆通过交叉口行程时间的预测方法
CN111369814B (zh) 一种车路协同公交车控制方法、装置及终端设备
CN109584554A (zh) 一种道路交叉口通行控制方法和***
Zhang et al. Modeling mixed traffic flow at crosswalks in microsimulations using cellular automata
CN106056906A (zh) 一种干线协调控制条件下的信号交叉口左弯待转区设置模块及其工作方法
Horng et al. Traffic congestion reduce mechanism by adaptive road routing recommendation in smart city
CN104680782A (zh) 一种交通控制云端***
Wang et al. Dynamic traffic congestion simulation and dissipation control based on traffic flow theory model and neural network data calibration algorithm
CN112699535A (zh) 高架地面联动交通信号区域自适应控制方法

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20181207