CN111445692A - 一种无信号灯路口智能网联汽车的速度协同优化方法 - Google Patents

Abstract

本发明提出的一种无信号灯路口智能网联汽车的速度协同优化方法，包括：当前协同优化周期开始时刻，选择交叉路口范围内与其他路径存在冲突点的全部路径中未进行协调优化的各辆首车，根据其各自位置和初始速度信息，求解混合整型线性规划问题，获得每辆车的期望通行车速及车辆间的相对通行顺序；随后规划选择的各车辆的加速过程，并确保本轮车辆均在上轮车辆驶离交叉路口后再驶入交叉路口。此外，本方法在每轮优化中，动态提取一个子集，作为优化的对象，间接地将距离路口相对较远的车辆删除，避免了效率损失。本发明可以保证求解问题的规模上限为受控车道数目，从而降低了对服务器的计算能力、通信频率要求，适用于车辆动态驶入驶出的路口场景。

Description

一种无信号灯路口智能网联汽车的速度协同优化方法

技术领域

本发明属于交通路口车辆协同控制技术领域，特别涉及一种无信号灯路口智能网联汽车的速度协同优化方法。

背景技术

汽车智能化、网联化技术的发展，可以帮助交通路口减少事故、提高效率。当路口通行车辆全部为智能网联汽车时，路口可以取消交通信号灯，借助网联车路协同技术，进行无冲突的高效通行。保证安全和提升效率，是无信号灯路口车辆协同技术的关键；同时，实际应用对此项技术提出了实时性的要求。

现有的无信号灯路口车辆协同方法，主要分为两类。一类基于简单的“先到达先服务”原则，预估车辆到达路口的时刻，并据此确定车辆的通行顺序；另一类则考虑所有车辆的运动状态，构建以提高效率为目标、以不发生碰撞为约束条件的优化问题并进行求解。第一类方法仅仅在通行顺序层面进行了简单的规则限制，并未对车辆速度进行实时规划，对效率的提升有限；第二类方法理论上能获得最优的效率，但其问题规模较大，实时性难以保证。此外，由于路口的车辆群体，本质上是动态变化的集合，导致优化问题中包含的变量也在变化，因此难以实际应用。

发明内容

本发明的目的是解决智能网联汽车在无信号灯路口高效通行的协同控制问题，提出一种无信号灯路口智能网联汽车的速度协同优化方法，本发明能够分解原优化问题的规模，具有计算和通信需求低、适应路口车辆动态变化、优化通行效率的优点。

为实现上述目的，本发明采用如下技术方案：

本发明提出的一种无信号灯路口智能网联汽车的速度协同优化方法，其特征在于，包括以下步骤：

1)当前协同优化开始时刻，从交叉路口范围内存在冲突的各路径中分别选择未进行速度协同优化的第一辆智能网联汽车，基于混合整型优化方法构建车辆通行策略模型，以车辆之间不发生碰撞和车辆所能达到的最大、最小车速作为约束条件，确定选择的各车辆驶入交叉路口的期望速度和相对通行顺序；

2)将选择的各车辆按照其期望速度与当前速度之比进行升序排序，并规定选择的各车辆从当前速度匀加速至各自的期望速度后匀速驶入交叉路口；令排在最后一位的车辆按照其所能达到的最大加速度从当前速度加速到其期望速度，并得到该车辆的加速时间；对选择的其余任一车辆，根据相同时间内排在最后一位车辆的行驶距离与该任一车辆的行驶距离之比等于排在最后一位车辆的期望速度与该任一车辆的期望速度之比，得到该任一车辆的加速时间，从而得到选择的所有车辆的加速时间；根据选择的各车辆的加速时间、期望速度以及车辆至其最近交叉路口停止线的距离确定各车辆到达交叉路口的时间；

3)判断本轮选择的各车辆中最早到达交叉路口的时间是否晚于上一轮协同优化车辆中最晚驶离交叉路的时间，若是，则本轮各车辆按照确定的加速时间、期望速度和相对通行顺序通过交叉路口；若不是，则在车辆期望速度不变的前提下将各车辆的加速时间等比例延长，直至本轮选择的车辆中最早到达交叉路口的时间晚于上轮协同优化车辆中最晚驶离交叉路的时间，本轮选择的各车辆按照期望速度、相对通行顺序和延长后的加速时间通过交叉路口；记录本轮选择的各车辆中最晚驶离交叉路口的时间，等待下一轮协同优化的开始。

进一步地，步骤2)中对车辆的期望速度与当前速度之比进行升序排序前，还包括以下步骤：

根据步骤1)确定的所有车辆的期望速度及相对通行顺序，将其中满足以下任一条件的车辆剔除，剩余的车辆作为步骤2)的处理对象：

条件1：根据步骤1)确定的该车辆的期望速度为交叉路口范围内所能达到的最大速度，并且存在他车的通行顺序优先于该车辆；

条件2：根据步骤1)确定的该车辆的期望速度为交叉路口范围内所能达到的最大速度，且该车辆的通行顺序优先于与其存在冲突的所有他车，但存在符合这两个要求的另一车辆，并且该另一车辆到交叉路口的距离比该车辆近；

条件3：该车辆的通行顺序落后于满足条件1或条件2的车辆。

本发明的特点及有益效果如下：

本发明可以保证求解问题的规模上限为受控车道数目，从而降低了对服务器的计算能力、通信频率要求，适用于车辆动态驶入驶出的路口场景。一方面得益于前述问题规模有界的特点，另一方面求解方法选用混合整型线性规划，因此问题的求解效率和求解质量能够同时得到保证。因此，本发明能够在保证行车安全的前提下，提高路口的交通效率。

本发明提出动态确定优化车辆对象的方法，间接地将距离路口相对较远的车辆删除，从而避免了拥堵车道上趋近路口的车辆有时需要等待稀疏车道上远离路口的车辆的情况，有效避免了效率损失；同时，也给出了确定每一轮优化问题所处理的车辆群体的具体方法，解决了技术背景中所述优化对象动态变化的问题。

附图说明

图1是本发明实施例的整体流程图；

图2是本发明实施例的应用场景示意图；

图3是本发明动态地确定当前时刻优化目标车辆集合的过程示意图；

图4的(a)、(b)是本发明车速优化问题中安全约束示意图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不限定本发明的保护范围。

为了更好地理解本发明，以下详细阐述一个本发明一种无信号灯路口智能网联汽车的速度协同优化方法的应用实例。

参见图1，本发明提出的一种无信号灯路口智能网联汽车的速度协同优化方法，根据其各自位置和当前速度信息，求解混合整型线性规划问题，获得每辆汽车的期望通行车速及车辆间的相对通行顺序，并规划每辆汽车从初始车速调整至期望车速的加速曲线。每一轮优化，均会结合图论方法，从每条运行路径上未进行速度规划的首车所构成的集合中，动态提取一个子集，作为优化的对象集合，间接地将距离路口相对较远的车辆删除，从而避免了拥堵车道上趋近路口的车辆有时需要等待稀疏车道上远离路口的车辆的情况，有效避免了效率损失。

本发明实施例应用于如图2所示的双向六车道十字路口，多辆智能网联汽车(如图中附图标记1～5所示)驶入无信号灯的交叉路口，路侧安装有计算设备6和通讯设备7，本方法通过常规的编程技术固化在路侧计算设备6内。智能网联汽车驶入交叉路口时，通过通信设备7向计算设备6传输自车所处车道信息、自车到路口中心点距离信息，计算设备6通过本发明方法对每辆汽车进行速度规划，将得到的速度规划指令通过通讯设备7传输至相应智能网联汽车，车辆按照规划车速行驶，实现安全高效地通过交叉路口。本方法具体包括以下步骤：

1)当有尚未进行速度协同优化的智能网联车辆进入协同控制范围时，此时刻即成为新一轮协同优化开始时刻。协同控制范围D根据通讯设备的通信范围确定，在保证可靠通信条件下取≥200m的值。从交叉路口范围内存在冲突的各路径中分别选择未进行速度协同优化的第一辆智能网联汽车，基于混合整型优化方法构建车辆通行策略模型，以车辆之间不发生碰撞和车辆所能达到的最大、最小车速作为约束条件，确定所选择的各车辆驶入交叉路口的期望速度和相对通行顺序；具体实现过程如下：

1-1)记交叉路口范围内与其他路径存在冲突点的全部路径数量为N，该N条路径之间存在的冲突点总数量为P，从N条路径中各路径上选择未进行速度规划的第一辆智能网联汽车，以最大化选择的N辆车在交叉路口范围内的车速作为车辆通行策略模型的目标函数，表达式如下：

式中，v_i为本轮选择的各车辆的期望速度；

设车辆通行策略模型的约束条件为：

a)速度约束：

v_i∈[v_min,v_max] (2)

式中，v_min,v_max分别为车辆在交叉路口范围内所能达到的最小、最大速度，分别按照全部车辆中的最大怠速车速、路口允许的最高限速设定。

b)碰撞约束：

Ax≤b (3)

式中：

A为由无碰撞速度系数矩阵A₁和无碰撞通行顺序系数矩阵A₂构成的无碰撞通行系数矩阵，表达式分别如下：

b为无碰撞通行常数向量，表达式如下：

其中，A_1k为第k个冲突点处无碰撞速度系数子矩阵，并且其仅有第i列和第j列为非零列，k＝1,2,…,P；i＝1,2,…,N；j＝1,2,…,N；i≠j；L_enter定义为自车前端抵达冲突区域瞬间，自车形心与冲突点之间的距离，取值为自车长度与他车宽度之和的一半；L_safe定义为当他车前端抵达冲突区域瞬间，自车形心越过冲突点的距离，取值须满足≥L_enter，且取值越大安全裕度越大，但优化结果趋于保守。L′_j与L′_i表示存在路径冲突的两辆智能网联汽车各自到冲突点的距离，由于车辆的路径是固定的，可由车辆到交叉路口中心点的距离换算得到。M为一常数，取值大于D·v_max，其中D为前述协同控制范围，一旦有未规划的车辆进入此距离范围D内时，即从N条路径中的每一路径中选择尚未经过本协同优化过程的第一辆车，采集其至交叉路口中心点O的距离，进行上述运算。

x为本轮选择的各车辆在交叉路口范围内的通行策略向量，由本轮选择的所有车辆的期望速度v_i和相对通行顺序b_ij组成，维度为1×(N+P)，表达式如下：

其中，b_ij＝0或1，当b_ij＝1，代表车辆i在车辆j之前通过冲突点；当b_ij＝0，代表车辆j在车辆i之前通过冲突点。

1-2)求解上述模型确定交叉路口范围内N辆所有智能网联汽车的期望速度及相对通行顺序即通行策略向量x。

结合图2对无碰撞速度系数矩阵A₁作如下解释：图2给出了x_iO′x_j直角坐标系，其中x_i轴与车辆i行驶路径重合，其正方向与车辆i的行驶方向相反；x_j轴与车辆j行驶路径重合，其正方向与车辆j的行驶方向相反。根据上述定义，图中星点的横坐标为车辆j的位置，纵坐标为车辆i的位置；不同时刻的车辆位置对应的星点组成了车辆的联合轨迹线。该轨迹线若经过坐标原点O′(图2中点O为交叉路口中心点)，说明车辆i与车辆j同时出现在同一位置，即发生了碰撞。因此，车辆的避撞约束，可以等价表示为轨迹线到坐标原点O′需满足一定的距离。此处假设车辆同时匀速行驶，轨迹线为直线，则只要轨迹线位于坐标为 (-L_safe,L_enter)的点1下方，或位于坐标为(L_enter,-L_safe)的点2上方，均不会产生碰撞。对于路径为弯道的车辆，不能建立直角坐标系，但仍可以对L′_j与L′_i进行类似的避撞约束。

2)根据步骤1)确定的通行策略向量x，将满足以下任一条件的车辆剔除，剩余的N′辆智能网联汽车作为本轮协同优化对象：

条件1：根据步骤1)确定的该车辆的期望速度为交叉路口范围内所能达到的最大速度v_max，并且存在他车的通行顺序优先于该车辆；

条件2：根据步骤1)确定的该车辆的期望速度为交叉路口范围内所能达到的最大速度v_max，且该车辆的通行顺序优先于与其存在冲突的所有他车，但存在符合这两个要求的另一车辆，并且该另一车辆到交叉路口中心的距离比该车辆近。

条件3：该车辆的通行顺序落后于满足条件1或条件2的车辆。

具体地，本实施例通过根据车辆间的相对通行顺序构建有向图来剔除满足以上任一条件的车辆，参见图3。图中给出了在每个方向只有一个车道、每个车道只允许直行的情况下，按照步骤1)中车辆通行策略模型所确定的交叉路口范围内未进行车辆规划的各车辆的通行策略示例。图中，实心圆圈E1、S1、W1、N1分别代表东、南、西、北四个方向路径中未进行速度规划的第一辆智能网联汽车，同时对应了一个最优的通行车速(即步骤1) 确定的期望车速)；实心圆圈之间的箭头代表两辆车的相对通行顺序，其中箭头指向车辆的通行顺序落后于箭头背离车辆的通行顺序。虚线框内的实心车辆，代表经过上述条件判断，不属于本轮优化对象的车辆。图中空心圆圈代表已完成速度规划，正在按期望车速驶向路口的车辆。图中虚线框外实心圆圈所代表的车辆，将在下一优化过程开始前，继续执行判断、选取和优化。

在图4的(a)中，有向边从节点W1指向节点S1(每个节点分别对应一辆智能网联汽车)，并且节点S1的期望车速为v_max，即满足条件1，需要将节点S1(条件1要求)及以节点S1为根节点的有向生成树节点E1(条件3要求)从当前N个节点中全部删去，在下一轮的优化问题中进行考虑。此处有向生成树是指以某节点为根节点，沿箭头指向方向所能达到的全部节点，因此有向生成树节点所对应的车辆之间不一定存在冲突关系，但存在确定的通行顺序。

在图4的(b)中，节点S1的期望车速为v_max，不存在指向节点S1的有向边。节点 N1的期望车速也为v_max，同样不存在指向节点N1的有向边，并且节点N1到交叉路口中心的距离比节点S1近。此时，删去节点S1(条件2要求)及以节点S1为根节点的有向生成树全部节点(条件3要求)。

上述删除节点的方法，间接地将距离交叉路口相对较远的车辆删除，从而避免了拥堵车道上趋近路口的车辆有时需要等待稀疏车道上远离路口的车辆的情况，避免了效率损失 (图4的(b)中，若不删去车辆E1，则车辆N2必须等待车辆E1通过交叉路口后再进入交叉路口)；同时，也给出了确定每一轮优化问题所处理的车辆群体的具体方法，解决了技术背景中所述优化对象动态变化的问题。此外，根据本发明提出的3个条件删除车辆，不会影响到保留车辆的优化结果，即保留的N′辆车无需重新计算优化车速，原优化结果对此时的N′辆车仍然是最优的。

需要说明的是，本发明中3个条件，未考虑通行策略中存在有向环的情况，例如，多辆智能网联汽车完全同步地通过交叉路口，每辆汽车均早于左侧冲突车辆、晚于右侧冲突车辆通行，就会在图4中形成一个有向闭环。此时若按照上述准则，4个节点将同时被删去。该情况车辆间距较近，实际应用中安全风险较大；因此可以增大L_safe的取值，缩小优化模型避撞约束产生的可行域，直至不产生闭环。若不采用步骤2)提出的筛选方法，L_safe可以仍按照≥L_enter进行取值。

至此，根据三个准则，从输入的N辆智能网联汽车中，选择了N′辆车作为本轮优化对象，并且已确定了其各自的优化通行车速，记为v_opt,i′(1≤i′≤N′)。

3)确定选择的各智能网联汽车通过交叉口的变速过程。本阶段的车速规划，主要任务是保证每辆车的加减速过程，可以等效为按各自期望车速匀速行驶的过程。式(3)中Ax≤b，实际上是全部N辆车自当前时刻起即按照各自期望车速(记为v_opt,i′)行驶的假设条件下，保证不发生碰撞所要求的约束。由于实际上车辆必须经过加速或减速过程才能到达优化车速，因此本阶段将对车速进行规划，以补偿因加减速过程的存在而导致假设不成立的实际情况。具体为：

步骤2)将选择的各车辆按照其期望速度与当前速度(即本轮协同优化开始时刻的速度)之比进行升序排序，并规定选择的各车辆从当前速度匀加速至各自的期望速度后匀速驶入交叉路口；设排序后满足以下公式：

式中，v_opt,i′,v_0,i′分别为将车辆的期望速度与初始速度之比按照升序排序后排在第i′位车辆的期望速度和当前速度，i′＝1,2,…,N′；

令排在最后一位的车辆按照其所能达到的最大加速度a_max从当前速度v_0,N′加速到其期望速度v_opt,N′，并得到该车辆的加速时间t_acc,N′，按以下公式计算：

对选定的其余任一车辆，根据相同时间内排在最后一位车辆的行驶距离与该任一车辆的行驶距离之比等于排在最后一位车辆的期望速度与该任一车辆的期望速度之比，得到该任一车辆的加速时间，从而得到所有车辆的加速时间，具体计算公式如下：

根据各车辆的加速时间、当前速度、期望速度及车辆至其相应交叉路口停止线的距离确定各车辆达到交叉路口的时间t_arrive,i′，计算公式如下：

t_arrive,i′＝t_acc,i′+(L_i′-0.5W-0.5t_acc,i′(v_0,i′+v_opt,i′))/v_opt,i′ (12)

式中，L_i′表示排在第i′位的车辆到交叉路口中心点O的距离；W表示交叉路口范围相对设置的两条停止线之间的距离，即(L_i′-0.5W)表示排在第i′位的车辆到与其相应的交叉路口停止线的距离，也即车辆到达交叉路口的时间。

4)判断本轮选择的N′辆智能网联汽车到达交叉路口的时间是否晚于上轮协同优化车辆中最晚驶离交叉路的时间，若是，即min(t_arrive,1,…,t_arrive,N′)+T_clock>T_leave,last，T_clock和T_leave,last分别代表本轮协同优化的开始时刻和上一轮协同优化车辆最晚离开交叉路口的时刻，则本轮选择的各车辆可直接按照步骤3)计算的加速时间、期望速度和相对通行顺序通过交叉路口。若不是，即min(t_arrive,1,…,t_arrive,N′)+T_clock≤T_leave,last，则在车辆期望速度不变的前提下将各车辆的加速时间等比例延长，直至本轮车辆最早到达交叉路口的时间晚于上轮协同优化车辆中最晚驶离交叉路的时间，本轮各车辆按照期望速度、相对通行顺序和延长后的加速时间通过交叉路口。最后，计算本轮车辆中最晚驶离交叉路口的时间t_leave,i′，用于下一轮车辆到达时间的检验，计算公式如下：

式中，

为本轮排在第i′位车辆的实际加速时间，即等于t_acc,i′或延长后的加速时间。ΔL_i′是车辆驶出路口实际距离的换算常数，对于直行车辆，ΔL_i′＝0.5W；对于左转车辆，ΔL_i′＝-0.5W+0.5πR，此处R为车辆左转半径。

需要补充的是，考虑车辆的经济性、舒适性，将匀加速曲线优化至变加速，是本方法的延伸，并不能视作新的方法。

此外，本方法中步骤2)可缺省，并不影响后续步骤的实施。

以上示意性地对本发明及其实施方式进行了描述，该描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际并不局限于此。所以，如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性地设计出与该技术方案相似的方式及实施例，均应属于本发明的保护范围。

Claims (5)

1.一种无信号灯路口智能网联汽车的速度协同优化方法，其特征在于，包括以下步骤：

1)当前协同优化开始时刻，从交叉路口范围内存在冲突的各路径中分别选择未进行速度协同优化的第一辆智能网联汽车，基于混合整型优化方法构建车辆通行策略模型，以车辆之间不发生碰撞和车辆所能达到的最大、最小车速作为约束条件，确定选择的各车辆驶入交叉路口的期望速度和相对通行顺序；

2)将选择的各车辆按照其期望速度与当前速度之比进行升序排序，并规定选择的各车辆从当前速度匀加速至各自的期望速度后匀速驶入交叉路口；令排在最后一位的车辆按照其所能达到的最大加速度从当前速度加速到其期望速度，并得到该车辆的加速时间；对选择的其余任一车辆，根据相同时间内排在最后一位车辆的行驶距离与该任一车辆的行驶距离之比等于排在最后一位车辆的期望速度与该任一车辆的期望速度之比，得到该任一车辆的加速时间，从而得到选择的所有车辆的加速时间；根据选择的各车辆的加速时间、期望速度以及车辆至其最近交叉路口停止线的距离确定各车辆到达交叉路口的时间；

3)判断本轮选择的各车辆中最早到达交叉路口的时间是否晚于上一轮协同优化车辆中最晚驶离交叉路的时间，若是，则本轮各车辆按照确定的加速时间、期望速度和相对通行顺序通过交叉路口；若不是，则在车辆期望速度不变的前提下将各车辆的加速时间等比例延长，直至本轮选择的车辆中最早到达交叉路口的时间晚于上轮协同优化车辆中最晚驶离交叉路的时间，本轮选择的各车辆按照期望速度、相对通行顺序和延长后的加速时间通过交叉路口；记录本轮选择的各车辆中最晚驶离交叉路口的时间，等待下一轮协同优化的开始。

2.根据权利要求1所述的速度协同优化方法，其特征在于，步骤1)包括以下步骤：

1-1)记交叉路口范围内与其他路径存在冲突点的全部路径数量为N，该N条路径之间存在的冲突点总数量为P，从N条路径中各路径上选择未进行速度规划的第一辆车辆，以最大化选择的N辆车在交叉路口范围内的车速作为车辆通行策略模型的目标函数，表达式如下：

式中，v_i为本轮选择的各车辆的期望速度；

设车辆通行策略模型的约束条件为：

a)速度约束：

v_i∈[v_min,v_max]

式中，v_min,v_max分别为车辆在交叉路口范围内所能达到的最小、最大速度；

b)碰撞约束：

Ax≤b

式中：

A为由无碰撞速度系数矩阵A₁和无碰撞通行顺序系数矩阵A₂构成的无碰撞通行系数矩阵，表达式分别如下：

b为无碰撞通行常数向量，表达式如下：

其中，A_1k为第k个冲突点处无碰撞速度系数子矩阵，并且其仅有第i列和第j列为非零列，k＝1,2,…,P；i＝1,2,…,N；j＝1,2,…,N；i≠j；L_enter定义为自车前端抵达冲突区域瞬间，自车形心与冲突点之间的距离，取值为自车长度与他车宽度之和的一半；L_safe定义为当他车前端抵达冲突区域瞬间，自车形心越过冲突点的距离，取值满足≥L_enter；L’_j与L’_i分别表示存在路径冲突的两辆智能网联汽车各自到冲突点的距离；M为一常数，取值大于D·v_max，D为根据路侧设置通信设备的通信范围确定的距离常数；

x为选择的各车辆在交叉路口范围内的通行策略向量，由各车辆的期望速度vi和相对通行顺序b_ij组成，表达式如下：

其中，b_ij＝0或1，当b_ij＝1，代表车辆i在车辆j之前通过冲突点；当b_ij＝0，代表车辆j在车辆i之前通过冲突点；

1-2)求解上述车辆通行策略模型确定交叉路口范围内N辆车辆的期望速度及相对通行顺序。

3.根据权利要求1所述的速度协同优化方法，其特征在于，步骤2)中各车辆的加速时间按照以下公式计算：

式中，t_acc,i′为将选择的N′辆车辆按照各自期望速度与当前速度之比进行升序排序后排在第i′位车辆的加速时间，v_0,i′,v_opt,i′分别为该第i′位车辆的当前速度和期望速度。

4.根据权利要求1～3所述的速度协同优化方法，其特征在于，步骤2)中对车辆的期望速度与当前速度之比进行升序排序前，还包括以下步骤：

根据步骤1)确定的所有车辆的期望速度及相对通行顺序，将其中满足以下任一条件的车辆剔除，剩余的车辆作为步骤2)的处理对象：

条件1：根据步骤1)确定的该车辆的期望速度为交叉路口范围内所能达到的最大速度，并且存在他车的通行顺序优先于该车辆；

条件2：根据步骤1)确定的该车辆的期望速度为交叉路口范围内所能达到的最大速度，且该车辆的通行顺序优先于与其存在冲突的所有他车，但存在符合这两个要求的另一车辆，并且该另一车辆到交叉路口的距离比该车辆近；

条件3：该车辆的通行顺序落后于满足条件1或条件2的车辆。

5.根据权利要求4所述的速度协同优化方法，其特征在于，步骤3)通过根据车辆间的相对通行顺序构建有向图来实现，有向图中箭头指向车辆的通行顺序落后于箭头背离车辆的通行顺序。

Images